ANALISIS STRUCTURAL EQUATION MODELING (SEM) UNTUK SAMPEL KECIL DENGAN PENDEKATAN PARTIAL LEAST SQUARE (PLS)

Abstract

Pada penelitian ini, bertujuan untuk menunjukkan bahwa metode analisis SEMPLS lebih unggul daripada metode analisis SEM (CB-SEM). Dalam penelitian diambil data serdos yang digunakan sebagai parent sample untuk beberapa ukuran sampel (35, 55, dan 75) dengan pengulangan sebanyak 50 kali menggunakan metode bootstrapping untuk mengetahui seberapa besar ukuran sampel yang representatif untuk data serdos (parent sample). Hasil dari penelitian yang dilakukan menunjukkan bahwa tiga macam ukuran sampel dengan pengulangan sebanyak 50 kali menggunakan metode bootstrapping didapatkan ukuran sampel sebanyak 55 yang representatif untuk data serdos. Pada uji kebaikan model pada sampel 55 menunjukkan kekonsistenan sebagaimana pada data serdos ketika dianalisis dengan metode SEM-PLS. Hal tersebut menunjukkan bahwa dengan sampel 55 dapat merepresentasikan data serdos sebanyak 160 sehingga dapat mempermudah para peneliti dalam melakukan penelitian. Selain itu, dalam motede SEM-PLS, data tidak perlu ditranformasi ke z-score untuk memenuhi syarat kenormalan data. Hal ini disebabkan karena pada metode ini tidak ada asumsi data harus berdistribusi normal seperti pada metode CB-SEM. Oleh karena itu, metode SEM-PLS lebih unggul jika dibandingkan dengan metode CB-SEM dikarenakan selain banyaknya sampel yang relatif kecil, SEM-PLS juga tidak memerlukan asumsi data harus berdistribusi normal.