Proses Simulasi Model SEM dan PLS-SEM Pembangkitan Data
Dari hasil simulasi pembangkitan data dengan 100 kali pengulangan diperoleh sejumlah gugus data. Data dibangkitkan dengan menggunakan PRELIS 9 dalam software LISREL 9.20. Selengkapnya dapat dilihat pada Lampiran 4 proses pembangkitan data. Presentase nilai koefisen dugaan dapat dilihat pada Lampiran 1 dan 2. Data bangkitan disimpan dalam bentuk matriks kovarians dan prelis data. Dalam hal ini, data matriks kovarians digunakan pada metode SEM dalam menduga parameter model sedangkan prelis data digunakan untuk PLS-SEM.
Pendugaan Parameter Model SEM dan PLS-SEM
Gambaran nilai-nilai koefisien dugaan parameter model berdasarkan jumlah ukuran sampel dengan menggunakan metode SEM dan PLS-SEM untuk kriteria sebaran normal disajikan dalam bentuk grafik dan tabel. Nilai-nilai koefisien dugaan parameter model diuraikan sebagai berikut:
20
Model Struktural SEM dan PLS-SEM
Gambaran nilai-nilai koefisien dugaan model struktural pada setiap ukuran sampel disajikan pada Tabel 4 sebagai berikut:
Tabel 4 Perbandingan Nilai Dugaan Model Struktural SEM dan PLS-SEM Ukuran Sampel Model Struktural SEM PLS-SEM N=30 N=40 N=50 N=80 N=100
Terlihat bahwa pada Tabel 4 Model Struktural dugaan pada SEM dan PLS-SEM memiliki perbedaan dimana SEM memiliki koefisien (PH21), (PS11), dan (PS22), sedangkan PLS-SEM tidak memiliki koefisien-koefisien tersebut. Hal ini disebabkan PLS-SEM selalu memiliki arah panah yang tunggal (single-headed) sehingga tidak dapat memodelkan korelasi terarah dengan kata lain no causal loops. Pada SEM rata-rata nilai koefisien dugaannya tidak berubah tanda dalam menduga parameter model untuk setiap ukuran sampel kecuali pada N=50 disebabkan oleh prinsip dasar dari pendugaan SEM itu sendiri yaitu objektifitasnya lebih memperhatikan koefisien-koefisiennya. Selanjutnya, berbeda dengan PLS SEM rata-rata nilai koefisien dugaannya mengalami perubahan tanda disebabkan PLS-SEM tidak memperhatikan varians negatif dalam pendugaannya sehinga selalu menghasilkan nilai koefisien dugaan yang positif untuk setiap ukuran sampel serta nilai variabel latennya diduga dengan tegas sesuai dengan objektifitas PLS-SEM yaitu mengutamakan hasil prediksi dugaan.
Model Pengukuran SEM dan PLS-SEM
Model pengukuran dugaan pada SEM dan PLS-SEM tidak memiliki perbedaan secara gambar dan jumlah koefisien, dimana masing-masing memiliki 16 koefisien dugaan. Gambaran nilai-nilai koefisien dugaan model pengukuran disajikan pada Gambar 4 dan Gambar 5 sebagai berikut:
Gambar 4 Nilai Koefisien Dugaan Model Pengukuran SEM
Terlihat pada Gambar 4 bahwa nilai koefisien dugaan model pengukuran SEM memiliki pola nilai dugaan yang relatif sama dengan nilai awal koefisien model pengukuran untuk setiap ukuran sampel dengan bias yang dihasilkan kecil. Sementara itu, PLS-SEM nilai dugaannya tidak memiliki pola dengan nilai awal koefisien dan bias yang dihasilkan relatif besar untuk setiap ukuran sampel seperti terlihat pada Gambar 5 sebagai berikut:
0.000 0.100 0.200 0.300 0.400 0.500 0.600 0.700 0.800 0.900 1.000 Nilai Awal* N=30 N=40 N=50 N=80 N=100 N il ai K o ef is ie n Ukuran Sampel
22
Gambar 5 Nilai Koefisien Dugaan Model Pengukuran PLS-SEM
Dari uraian di atas terlihat bahwa nilai koefisien dugaan masing-masing metode mengalami fluktuasi seiring dengan bertambahnya ukuran sampel. Fluktuasi nilai koefisien dugaan ini relatif terjadi di sekitar koefisien penduga dengan bias yang bervariasi. Semua koefisien penduga pada SEM lebih terstruktur dalam menduga parameter model untuk setiap ukuran sampel sedangkan PLS-SEM tidak terstruktur. Dalam hal ini pendugaan PLS-SEM optimal untuk akurasi koefisien sedangkan PLS-SEM optimal untuk akurasi prediksi karena nilai variabel laten pada pendugaan PLS-SEM diduga dengan tegas. Selanjutnya, pendugaan SEM yang berorientasi pada koefisien yang dimaksud adalah fungsi dari model parameter bebas dalam pada setiap anggota matriks kovarians Σ yang diharapkan menghasilkan etimasi parameter yang unik, sedangkan pendugaan PLS-SEM yang berorientasi pada prediksi adalah meminimalkan residual varians peubah laten dengan kata lain memaksimumkan nilai koefisien determinan ( ) pada peubah laten. Persentase nilai koefisien dugaan kedua metode dapat dilihat pada Lampiran 1 dan Lampiran 2.
Evaluasi Model SEM dan PLS-SEM
Kelayakan atau ketepatan suatu metode penduga parameter model didasarkan pada hasil uji kelayakan model. Hasil uji kelayakan model yang pendugaan koefisien menggunakan metode SEM dan PLS-SEM masing-masing dapat dilihat pada Tabel 5 dan Tabel 6. Berdasarkan Tabel 5 terlihat bahwa metode SEM relatif baik untuk pengepasan data pada N=50 namun tidak baik untuk pengepasan data pada N=30, N=40, N=80 dan N=100. Hal ini terlihat dari nilai khi-kuadrat yang relatif kecil pada N=50 dengan nilai p-value lebih dari 0.05. Nilai RMSEA yang dihasilkan pada setiap ukuran sampel tidak mengindikasikan pengepasan model yang baik. Kemudian, nilai RMSR yang dihasilkan menyatakan model baik dalam mengepas data pada setiap ukuran sampel kecuali pada N=30 dan N=40. Nilai GFI pada N=50, N=80, dan N=100 mengindikasikan model fit atau pengepasan model baik. Berikutnya, nilai AGFI pada setiap ukuran sampel mengindikasikan model tidak fit.
0.000 0.100 0.200 0.300 0.400 0.500 0.600 0.700 0.800 0.900 1.000 Nilai Awal* N=30 N=40 N=50 N=80 N=100 N il ai ko ef is ie n Ukuran Sampel
Secara umum, metode SEM relatif baik dalam mengepas data pada beberapa ukuran sampel walaupun dengan tingkat ketepatan yang berbeda.
Tabel 5 Hasil Uji Kelayakan Model dengan Metode SEM
Kriteria Kritis Ukuran Sampel RP=100
N=30 N=40 N=50 N=80 N=100 Khi-Kuadrat Relatif Kecil 32,602 27,363 20,863* 32,631 46,593 p-value 0,05 0,003 0,017 0,105* 0,003 0,000 RMSEA 0,06 0,210 0,154 0,099 0,129 0,153 RMSR < 0,08 0,119 0,124 0,053* 0,077* 0,073* GFI 0,90 0,818 0,871 0,917* 0,917* 0,903* AGFI 0,80 0,532 0,669 0,788 0,785 0,750
Keterangan: *= Memenuhi Kriteria
Evaluasi model pada metode PLS-SEM tidak memiliki kriteria goodness-of-fit secara umum. Nilai uji kelayakan model pada setiap ukuran sampel diuji dengan validitas kekonvergenan yaitu, menggunakan Composite Reliability (� dan Average Variance Extracted (AVE) dapat dilihat pada Tabel 6 sebagai berikut:
Tabel 6 Hasil Uji Kelayakan Model dengan Metode PLS-SEM
Kriteria Kritis Ukuran Sampel
30 40 50 80 100
R Square Relatif
Kecil 0,599* 0,672* 0,512* 0,663* 0,644*
AVE >0,5 0,709* 0,694* 0,736* 0,689* 0,676*
CR >0,8 3,264* 3,273* 3,386* 3,242* 3,208*
Keterangan: *= Memenuhi Kriteria
Pada Tabel 6 terlihat bahwa nilai R Square mengalami fluktuasi seiring dengan bertambahnya ukuran sampel dengan nilai >0. Hal ini disebabkan karena nilai R Square ini dipengaruhi oleh nilai fungsi pengepasan. Hal ini dapat dikatakan model prediksi relevan. Nilai AVE masing-masing ukuran sampel >0.5 yang mengindikasikan keragaman yang cukup baik. Begitu juga untuk CR yang dihasilkan >0.8 menunjukkan bahwa stabilitas dan konsistensi dari suatu pengukuran cukup baik yang mengindikasikan reliabilitas gabungan cukup baik.
Dari uraian di atas terlihat bahwa beberapa ukuran kelayakan model dari kedua metode pada setiap ukuran sampel sudah memenuhi titik kritis khusunya pada PLS-SEM namun hanya beberapa ukuran sampel yang memenuhi titik kritis pada SEM. Ini berarti bahwa kedua metode sudah layak mengepas data pengamatan pada berbagai ukuran sampel. Namun demikian, besaran nilai ukuran kelayakan model bervariasi. Perbedaan nilai ukuran kelayakan model ini sangat dipengaruhi oleh ukuran sampel.
24
Ketepatan dan Akurasi Metode SEM dan PLS-SEM
Akurasi/Ketepatan kedua metode menduga parameter model untuk keseluruhan diukur berdasarkan nilai MAPE hasil dugaannya untuk setiap ukuran sampel. Gambaran nilai rata-rata uji MAPE kedua metode dapat dilihat pada Gambar 6 dan Gambar 7 sebagai berikut:
Gambar 6 Nilai Rata-rata MAPE Koefisien Dugaan SEM
Dari Gambar 6 terlihat bahwa nilai rata-rata MAPE masing-masing koefisien dugaan SEM pada setiap ukuran sampel menunjukkan perbedaan yang signifikan. Terlihat bahwa nilai rata-rata MAPE semua koefisien dugaan sebesar 20-60%. Dalam hal ini, nilai rata-rata koefisien penduga MAPE terkecil adalah sebesar 27% pada N=80 dan N=100.
Gambar 7 Nilai Rata-rata MAPE Koefisien Dugaan PLS-SEM
Dari Gambar 7 terlihat bahwa nilai rata-rata MAPE masing-masing koefisien dugaan PLS-SEM pada setiap ukuran sampel menunjukkan perbedaan yang signifikan. Terlihat bahwa nilai rata-rata MAPE semua koefisien dugaan sebesar >100%.
Dari uraian di atas terlihat bahwa nilai koefisien dugaan rata-rata uji MAPE metode SEM untuk N=80 dan N=100 layak dalam menduga parameter model dengan nilai MAPE yang dihasilkan 20-50%, sedangkan pada metode PLS-SEM untuk setiap ukuran sampel tidak akurat dalam menduga parameter model dengan nilai MAPE >50%. 0% 10% 20% 30% 40% 50% 60% 70% N=30 N=40 N=50 N=80 N=100 124% 126% 128% 130% 132% 134% 136% N=30 N=40 N=50 N=80 N=100