Structural Equation Model Dengan WarpPLS : Alternatif NonLinier Partial Least Square (PLS) Path Model

Banyak penelitian untuk mencari hubungan dan regresi dibangun bedasarkan asumsi hubungan linier. Apabila asumsi tesebut tidak terpenuhi,pastinya hubungan tersebut adalah nonlinier. Banyak uji untuk mengetahui hubungan linier dalam penelitian, seperti grafik scatter plot, grafik residual, perbandingan R kuadrat, estimasi kurva dan lain sebagainya.

 

Uji hubungan linier dengan scatterplot akan diketahui dengan melihat pola titik-titik pada grafik. Apabila terdapat hubungan linier maka akan membentuk pola garis lurus diagonal dari kiri bawah menuju ke kanan atas. apabila hubungan tersebut nonlinier, pola titik titik akan membentuk sebuah kurva. Kurva tersebut bisa berbentuk kurva S, kurva J, atau yang lainnya. Beberapa contoh grafik scatterplot hubungan nonlinier.

Hubungan nonlinier berbentuk Surva S

Hubungan nonliner berbentuk Kurva J

 

Salah satu alternatif software aplikasi untuk mencari/meneliti hubungan nonlinier pada model SEM berbasis Partial Least Square yaitu WarpPLS. WarpPLS dapat mengidentifikasi dan megestimasi hubungan inner model yang nonlinier. Ada 4 estimasi model yang dilakukan  yaitu :

1. Warp3 PLS Regression : hubungan antar laten variabel diidentifikasi dan diestimasi berbentuk kurva "S" (S curve)
2. Warp2 PLS Regression : hubungan antar laten variabel diidentifikasi dan estimasi berbentuk kurva "U" (U curve)
3. PLS Regression : hubungan antar laten variabel diidentifikasi dan estimasibersifat linier.
4. Robust Path Analysis : untuk mengetahui/menghitung skor faktor dari rata-rata nilai semua indikator dengan variabel latennya.

Contoh kali ini menggunakan model Technology Acceptance Model (TAM). Dalam TAM terdiri dari 6 variabel laten/konstruk yaitu Perceived Uselfulness (PU), Behavioral Intention (BI), Perceived Ease of Use (PEU), Attitude (AT), Frequency of Use (FU), dan Task Use (TU). dari kelima konstruk tersebut masing-masing terbentuk oleh indikator indikatornya yaitu :

Path Diagram

 

• Perceived Uselfulness (PU) dengan 5 indikator (USEF1-USEF5), indikator ini bersifat reflektif

• Behavioral Intention (BI) dengan 3 indikator (BI1-BI3), indikator ini bersifat reflektif

• Perceived Ease of Use (PEU) dengan 5 indikator (EOU1-EOU5), indikator ini bersifat reflektif

• Attitude (AT) dengan 5 indikator (AT1-AT5), indikator ini bersifat reflektif

• Frequency of Use (FU) dengan 2 indikator (USE1-USE2), indikator ini bersifat reflektif

• Task Use (TU) dengan 2 indikator (USE3-USE4), indikator ini bersifat formatif

 Ada 3 kriteria model fit indices atau keseuaian model yaitu Average Path Coeffecient (APC), Average R-Square (ARS) dan Average Variant Inflantion Factor (AVIF).Hasil output nilai APC sebesar 0.225 dengan p-value <0.001. Nilai ARS sebesar 0.171 dengan p-value sebesar <0.001 dan AVIF sebesar 1.161 (<5). Model fit indices merupakan ukuran yang sangat penting karena menunjukkan keseuaian model dengan data dan menunjukkan kualitas dari model yang diteliti. Kriterianya yaiut nilai p-value APC dan ARS <0.05 dan AVIF <5 sehingga model fit dengan data.

  

Baca juga :

1. Cara Seting Metode Resampling di WarpPLS

2. Cara Seting Metode Algorithm di WarpPLS

3. Tutorial Analisis Segementasi (FIMIX)

4. Mengenal GeSCA

Referensi :

Ghozali,I.(2006). Structural Equation Modeling Metode Alternatif dengan Partial Least Squares.Semarang : Badan Penerbit Undip

Lohmoller,J.B. (1998). Latent Variable Path Modeling with Partial Least Squares. Springer Verlag Berlin

Vinci,V.E.,Chin,W.W.,Hanseller,J and Wang,H. (2010). Handbook of Partial Least Square: concepts, Methods and Applications.Berlin, Heidelberger: Springer

Yamin,S dan Kurniawan,H. (2011). Partial Least Square Path Modeling : Aplikasi dengan software XLstat, SmartPLS, dan Visual PLS.Jakarta : Salemba Infotek