03 Maret 2018

Mengenal Generalized Structured Component Analysis (GeSCA)



Partial Least Square (PLS) sebagai model Structural Equation Modeling (SEM) berbasis variance base dikembangkan sebagai alternatif lain dari model covariance base. PLS seperti kita ketahui telah banyak aplikasi untuk dapat menyelesaikan model tersebut seperti PLSGraph, SmartPLS, VisualPLS, XLSTAT dan WarpPLS memiliki beberapa keunggulan dibandingkan model covariance base yang dapat diselesaikan dengan software seperti AMOS, Lisrel dan EQS. 

Tampilan GeSCA

PLS selain memiliki keunggulan juga memiliki beberapa kelemahan diantaranya tidak mampu menyelesaikan masalah global optimation untuk estimasi parameter. Sehingga PLS tidak memiliki garansi dapat memberikan solusi yang optimal karena tidak adanya mekanisme untuk menilai overall goodness of fit. Ukuran model fit dari PLS hanya bersifat lokal saja, dimana penilaian model fit adalah nilai akar kuadrat dari average R-square dikalikan average Comunality. Namun karena masih bersifat lokal dalam penilaian model fit menjadi sangat sulit untuk menentukan seberapa model fit (cocok) dengan data.
Dengan kelemahan PLS tersebut di atas pada tahun 2004 Heungsun Hwang dan Yoshio Takane mengembangkan model Generalized Structured Component Analysis (GSCA)  dan tahun 2010 dimuat dalam jurnal “A Comparative Study on Parameter Recovery of Three Approach to Structural Equation Modeling “. Pada tahun 2012 model GSCA ini dikritik oleh Jorg Hanseler bahwa program GSCA 2004 ada kesalahan dalam algorithm sehingga menghasilkan inkonsistensi skala terhadap variabel observed dan laten. Dimana nilai observed standardized tersebut merupakan nilai sementara variabel laten normalized. Hal ini mengakibatkan kesalahan perhitungan nilai parameter estimate, nilai goodness of fit FIT dan Average FIT.
“Generalized structured component analysis is similar to partial least squares path modeling in many ways. Consequently, it inherits many of the advantages of partial least squares path modeling, which were outlined in the prvious section. At the same time, it overcomes some crucial disadvantages. In generalized structured component analysis, a global optimation criterion is explicitly defined and optimized throughout iterations. As in the factor based  approach, both measurement and structural models are sparately stated and then combined into a unified framework under a single common optimation criterion.
Generalized structured component analysis involves the spesification of three sub models to specify a structural equation model. The three submodels are measurement, structural, and weighted relatio models”(Hwang and Takane, 2015)
Selain Software GeSCA yang dapat dijalankan lewat website www.sem-gesca.org atau www.sem-gesca.com  sedangkan software XLSTAT juga mampu mengolah model GSCA ini.  Ukuran overall model fit dari model GeSCA  sebagai berikut :
1.      FIT
Nilai FIT berkisar antara 0 sampai 1. Semakin besar nilai FIT semakin besar nilai variance dari data yang dapat dijelaskan oleh model.
2.      AFIT
Adjust FIT merupakan nilai yang dikembangkan dari uji nilai FIT , karena nilai FIT sangat dipengaruhi oleh kompleksitas model.
3.      GFI
Nilai GFI merupakan nilai  Unweight Least Square. Nilai GFI mendekati 1 mengindikasikan good fit.
4.      Standardized Root Mean Square Residual (SRMR)
Nilai SRMR mendekati 0 mengindikasikan good fit.


Referensi :
Hwang, H and Takane, Y. 2015. Generalized Structured Component Analysis.”A Component Baseed Approach to Structural Equation Modeling”. CRC Press.
Karlina, A.K dan Imam, G. 2013. Generalized Structured Component Analysis (GeSCA). Semarang. Universitas Diponegoro.

Tidak ada komentar: