Metpen Workshop UNAIR Willy
Metpen Workshop UNAIR Willy
Willy Abdillah
Workshop Mastering Structural Equation Modeling (SEM) For Management Magister Sains Management Fakultas Ekonomi dan Bisnis Universitas Airlangga Surabaya,12 -14 Oktober 2012
Konten Materi
Tipa-tipa teknik statistika multivariat Perbandingan antarteknik statistika Pertimbangan menggunakan teknik statistika Isu utama dalam SEM Konsep dasar dan aplikasi SEM: SEM berbasis kovarian vs. varian
Perbandingan OLS, CBSEM, dan VBSEM Simulasi dan praktik: SPSS ver. 16, SmartPLS ver. 2.0.M3., AMOS ver. 4.
Teknis Dependensi: seperangkat variabel dan indikator yang terindentifikasi sebagai variabel independen yang memprediksi atau menjelaskan variabel lain yang menjadi variabel dependen.
o o o o o o o Multiple Regression Multiple Discriminant Analysis Logit/Logistic Regression Multivariate Analysis of Variance (MANOVA) and Covariance Conjoint Analysis Canonical Correlation Structural Equations Modeling (SEM)
Teknik Interdependensi: analisis simultan terhadap seperangkat variabel-variabel, tanpa membedakan antara variabel dependen dan variabel independen.
Principal Components and Common Factor Analysis Cluster Analysis Multidimensional Scaling (perceptual mapping) Correspondence Analysis
Skala DV Kontinus
Ordinal
Kelas (rank)
KruskalWalls
Nominal
Kategori (count)
Chi-square
McNemar
Chi-square
Cochran Q test
Research Paradigm
Radical Change
Radical Structuralist
Objective
Interpretivist
Functionalist
Regulation
Riset Kualitatif
Mengungkap makna Konsep berupa tema, gambaran, dan taksonomi (klasifikasi/kategorisasi)
Riset Kuantitatif
Menguji hipotesis Konsep berupa variabel-variabel yang unik
dikembangkan secara Instrumen dikembangkan secara ad hoc, Instrumen dan terstandar sebelum sistematik spesifik pada setting dan peneliti pengumpulan data Data dalam bentuk kata-kata atau kesan Data dalam bentuk angka dari yang bersumber dari dokumen, pengukuran dengan presisi tinggi observasi, dan transkrip Bersifat induktif Bersifat deduktif
Data
Nonmetric or Qualitative
Metric or Quantitative
Nominal Scale
Ordinal Scale
Interval Scale
Ratio Scale
Model Kompleks
X Z Y
Z X
E
B D
EQUIVALENT MODEL
A C
E B D A C E B A C E D
NESTED MODEL
A C E
C
E
(effects indicators);
Arah kausalitas dari konstruk ke indikator pengukuran sehingga konstruk menjelaskan varian pengukurannya; Perubahan konstruk laten direfleksikan oleh perubahan indikator-indikatornya; Eksistensi konstruk laten direfleksikan oleh variansi umum (common variance) indikator;
MIMIC Model
Validasi konstruk
Reflektif
Confirmatory Factor Analysis (CFA): convergent dan discriminat validity. Reliability: Cronbachs Alpha.
Formatif
Kekuatan dan signifikansi jalur antara indikator dan konstruk.
Konstruk Multidimensional
Kinerja Sistem Informasi Kepuasan Pengguna KP1 KP2 KP3 e e e
Kualitas Sistem
Kualitas Informasi
Kualitas Layanan
KS 1 e
KS 2 e
KS KI 3 1 e e
KI 2 e
KI 3 e
KL 1 e
KL 2 e
KL 3 e
Definisi PLS
Istilah PLS secara spesifik berarti adanya penghitungan optimal least squares fit terhadap korelasi atau matrik varian (McIntosh et al., 2004; Wold, 1982). Korelasi atau varian menghasilkan fit melalui cross-block korelasi antara variabel independen dan variabel dependen. PLS mengukur varian antara dua atau lebih blok variabel dan menghasilkan seperangkat variabel yang optimal bagi varian maksimum (bukan korelasi maksimal) dengan menggunakan beberapa dimensi (McIntosh et al., 1996). Soft modeling merelaksasi asumsi dalam teknik OLS dan SEM berbasis kovarian. PLS digunakan sebagai teknik prediksi bukan sebagai teknik interpretatif/estimatif.
Keunggulan PLS
PLS dapat mengukur model konstruk reflektif dan formatif (Diamantopoulos & Winklhofer, 2001). PLS mampu mengestimasi model dengan sampel kecil (Chin & Newsted, 1999). PLS mampu mengukur model kompleks (yaitu: model dengan banyak variabel laten dan indikator) tanpa mengalami masalah estimasi (Wold, 1985). PLS lebih unggul secara metodologis daripada CBSEM ketika terjadi masalah non konvergen dan solusi tidak tepat terjadi dalam CBSEM, seperti Heywood cases (Krijnen, Dijkstra, & Gill,1998). PLS dapat digunakan ketika data terdistribusi skewed (Bagozzi,1994), atau independen observasi tidak pasti.
Keunggulan PLSlanjutan
PLS dapat menguji model pengukuran dan model struktural secara simultan. CBSEM fokus pada pencapaian best fit model penelitian, sedangkan PLS bertujuan memaksimumkan varian terjelaskan pada variabel depeden (Gefen et al. 2000). PLS berguna ketika model empiris dibangun dengan dasar teori dan data yang lemah (Wold 1985). PLS tidak mengalami masalah identifikasi statistis pada proses estimasi konstruk formatif (Chin 1998).
Komponen PLS
Pengujian outer model: validitas dan reliabilitas konstruk reflektif, dan validitas konstruk formatif. Pengujian inner model: varian terjelaskan pada variabel dependen, effect sizes, dan predictive relevance.
2.
Untuk konstruk formatif, membandingkan nilai T statistis pada outerweight. Analisis model struktural (bootstrapping):
1.
2.
Simulasi
SPSS ver. 16; SmartPLS versi 2.0 M3; AMOS ver.4.