Memilih cb sem vs pls sem dimulai dari pertanyaan yang ingin kamu jawab melalui penelitian. Apakah kamu ingin menguji struktur faktor, menilai hubungan antarkonstruk, atau memprediksi hasil pada data baru? Ketiga tujuan tersebut membutuhkan bukti yang berbeda. Karena itu, keputusan metode perlu mengikuti tujuan dan cara konstruk didefinisikan. Artikel ini membantu kamu memeriksa data, menyusun alasan metode, serta menentukan output yang perlu dilaporkan. Kamu juga akan menemukan dua kasus hipotetis untuk mencoba alur keputusan sebelum menjalankan analisis.
Ringkasan cb sem vs pls sem untuk penelitian
Structural Equation Modeling atau SEM merupakan kerangka untuk memodelkan hubungan antarvariabel. Selain itu, SEM dapat melibatkan variabel laten dan galat pengukuran. Dengan demikian, peneliti dapat menghubungkan cara mengukur konstruk dengan hubungan yang dihipotesiskan.
Perbandingan cb sem vs pls sem terutama menyangkut sasaran estimasi dan representasi konstruk. Dokumentasi tentang perbedaan tujuan estimasi CB-SEM dan PLS-SEM menjelaskan fokus keduanya. CB-SEM menekankan reproduksi kovarians empiris, sementara itu PLS-SEM umumnya berorientasi komposit dan varians konstruk endogen.
| Aspek | CB-SEM | PLS-SEM |
|---|---|---|
| Fokus estimasi | Mereproduksi matriks kovarians empiris | Membentuk komposit dan menjelaskan varians konstruk endogen |
| Tujuan utama | Menguji model faktor dan model teoretis | Menjelaskan varians dan mendukung sasaran prediksi |
| Representasi konstruk | Umumnya common factor | Umumnya komposit |
| Evaluasi hasil | Kualitas pengukuran, parameter, dan kecocokan model | Kualitas pengukuran, hubungan struktural, varians, dan prediksi bila direncanakan |
Kedua pendekatan dapat digunakan untuk menjelaskan hubungan dalam model. Namun, perbedaannya tidak bisa disederhanakan menjadi konfirmatori versus eksploratif secara mutlak. Penelitian yang menguji teori tetap membutuhkan landasan konseptual pada keduanya.
Intinya, perbandingan tersebut merupakan titik awal keputusan. Kamu masih perlu memeriksa apakah konstruk, data, dan bukti evaluasi selaras dengan pendekatan yang dipilih.
Langkah 1: Tetapkan tujuan sebelum memilih CB-SEM atau PLS-SEM
Kamu perlu memulai keputusan dari pertanyaan penelitian, karena software tidak menentukan tujuan penelitian. Dalam cb sem vs pls sem, kemudahan menjalankan analisis belum menjawab apakah hasilnya sesuai dengan klaim penelitian.
- Tuliskan pertanyaan penelitian secara spesifik.
- Tentukan klaim yang ingin diuji.
- Pilih sasaran evaluasi yang mendukung klaim tersebut.
- Hubungkan sasaran evaluasi dengan pendekatan SEM yang sesuai.
Konfirmasi teori dan struktur faktor
Konfirmasi struktur faktor berfokus pada kesesuaian indikator dengan konstruk yang sudah ditetapkan. Misalnya, peneliti ingin menilai apakah beberapa indikator kepuasan mengikuti struktur faktor berdasarkan teori. Peneliti perlu memperhatikan spesifikasi measurement model sebelum menafsirkan hubungan struktural.
| Tujuan penelitian | Bukti yang dibutuhkan | Pendekatan yang dipertimbangkan |
|---|---|---|
| CFA | Loading dan kesesuaian struktur faktor | CB-SEM untuk model common factor |
| Evaluasi model teoretis | Kecocokan model dan parameter struktural | CB-SEM sesuai spesifikasi |
| Penjelasan varians | Koefisien jalur dan varians yang dijelaskan | PLS-SEM bila representasi konstruk sesuai |
| Prediksi di luar sampel | Kesalahan prediksi pada data yang tidak digunakan untuk estimasi | Pendekatan dengan evaluasi prediksi yang direncanakan |
Penjelasan hubungan dan prediksi
Hipotesis signifikan menunjukkan bukti mengenai parameter dalam model yang dianalisis. Namun, hasil tersebut belum membuktikan kemampuan prediksi di luar sampel. Oleh karena itu, peneliti perlu menentukan cara mengevaluasi prediksi sejak awal.
Setelah tujuan jelas, kamu bisa memilih aplikasi olah data untuk penelitian berdasarkan kemampuan analisisnya. Kamu perlu memeriksa dukungan estimator, penanganan data, dan output yang dibutuhkan. Jangan menjadikan software yang tersedia sebagai penentu pertanyaan penelitian.
Langkah 2: Periksa konstruk, sampel, dan kondisi data
Pertama, kamu perlu memeriksa hubungan konseptual antara konstruk dan indikator. Checklist data sebelum memilih pendekatan SEM membantu menghubungkan rancangan penelitian dengan kelayakan analisis.
Reflektif dan formatif perlu dibedakan sejak awal
Indikator reflektif dipahami sebagai manifestasi konstruk, sehingga arah konseptualnya berjalan dari konstruk menuju indikator. Sebaliknya, indikator formatif membentuk konstruk. Sebagai contoh, beberapa komponen layanan dapat membentuk sebuah indeks layanan.
Namun, konstruk formatif tidak hanya bisa dianalisis dengan PLS-SEM. Identifikasi dan spesifikasi model tetap menentukan pendekatan yang dapat digunakan.
- Periksa spesifikasi indikator dan dasar teorinya.
- Periksa identifikasi model.
- Tinjau pola data hilang.
- Periksa distribusi data dan jenis indikator.
- Evaluasi ukuran sampel yang tersedia.
- Nilai kebutuhan statistical power untuk efek yang ingin dideteksi.
| Kondisi | Pertanyaan pemeriksaan | Dampak terhadap keputusan |
|---|---|---|
| Sampel terbatas | Apakah power dan kestabilan estimasi memadai? | Mungkin membutuhkan penyederhanaan atau tambahan data |
| Distribusi tidak normal | Apakah estimator sesuai dengan data? | Perlu meninjau estimator dan jenis indikator |
| Model kompleks | Apakah parameter dapat diestimasi secara layak? | Perlu memeriksa identifikasi dan kebutuhan sampel |
| Konstruk formatif | Apakah indikator memang membentuk konstruk? | Perlu evaluasi spesifikasi dan identifikasi |
Mengapa sampel kecil bukan penentu otomatis
Dalam cb sem vs pls sem, sampel kecil tidak otomatis membenarkan PLS-SEM. Studi simulasi menunjukkan kebutuhan sampel yang bergantung pada karakteristik model, kekuatan parameter, dan data hilang. Karena itu, satu aturan jumlah sampel tidak menjamin analisis memadai.
Penanganan distribusi juga bergantung pada estimator dan jenis indikator. Jadi, ketidaknormalan saja belum cukup menentukan pendekatan.
CFA menguji model pengukuran yang berlandaskan teori. Kamu perlu meninjau alasan substantif ketika mengevaluasi indikator. Jangan menghapus indikator hanya untuk memperbaiki angka output.
Langkah 3: Gunakan alur keputusan cb sem vs pls sem
Tujuan, konstruk, dan kondisi data kini menjadi bahan keputusan. Dengan demikian, alur keputusan cb sem vs pls sem tidak bergantung pada satu ciri data.
- Rangkum tujuan utama penelitian dalam satu kalimat.
- Cocokkan representasi konstruk dengan teori.
- Periksa kelayakan estimasi berdasarkan model dan data.
- Tentukan bukti evaluasi yang dibutuhkan.
- Tulis alasan pemilihan metode beserta syaratnya.
Kondisi yang mengarahkan pilihan ke CB-SEM
Kamu bisa mempertimbangkan CB-SEM ketika tujuan utama adalah menguji model faktor dan kesesuaian model teoretis. Namun, model harus teridentifikasi dan estimator harus sesuai dengan karakteristik data.
| Kondisi penelitian | Pendekatan | Alasan | Pemeriksaan lanjutan |
|---|---|---|---|
| Konfirmasi common factor | CB-SEM | Evaluasi struktur faktor dan kovarians | Identifikasi serta estimator |
| Komposit untuk prediksi | PLS-SEM | Representasi dan sasaran analisis selaras | Rancangan evaluasi prediksi |
| Tujuan belum jelas | Belum diputuskan | Dasar keputusan belum tersedia | Perbaikan pertanyaan dan spesifikasi |
Kondisi yang mengarahkan pilihan ke PLS-SEM
PLS-SEM layak dipertimbangkan ketika representasi komposit sesuai dengan model penelitian. Selain itu, sasaran prediksi membutuhkan evaluasi yang direncanakan secara eksplisit. Besarnya varians yang dijelaskan belum menggantikan pengujian pada data baru.
Jika tujuan dan spesifikasi belum jelas, peneliti sebaiknya memperbaiki rancangan terlebih dahulu. Jangan memilih metode karena output lebih mudah signifikan.
Kamu bisa menggunakan hasil pemeriksaan tersebut untuk menyusun rencana olah data penelitian. Selanjutnya, rencana itu perlu menyebut data yang tersedia, parameter utama, dan bukti yang akan digunakan. Keputusan bersyarat lebih mudah dipertanggungjawabkan daripada label metode terbaik tanpa konteks.
Langkah 4: Terapkan perbandingan CB-SEM dan PLS-SEM pada contoh kasus
Simulasi keputusan dari dua tujuan penelitian berikut bersifat hipotetis. Karena itu, kasus cb sem vs pls sem di bawah tidak menggambarkan hasil penelitian nyata.
Kasus menguji model faktor kepuasan
Seorang peneliti ingin menguji struktur faktor kepuasan dan hubungan antarkonstruk berdasarkan teori. Indikator dipahami sebagai manifestasi common factor, sehingga CB-SEM layak dipertimbangkan.
Contoh alasan metode dalam laporan penelitian: “Penelitian menggunakan CB-SEM untuk menguji struktur faktor kepuasan dan hubungan teoretis antarkonstruk. Konstruk dispesifikasikan sebagai common factor. Oleh karena itu, evaluasi mencakup loading, kualitas pengukuran, kecocokan model, dan parameter struktural.”
Kasus memprediksi melalui konstruk komposit
Peneliti lain menyusun indeks layanan untuk memprediksi niat menggunakan kembali. Komponen layanan dipahami membentuk komposit, sehingga PLS-SEM layak dipertimbangkan.
Contoh alasan metode: “Penelitian menggunakan PLS-SEM untuk menganalisis indeks layanan berbentuk komposit dan memprediksi niat menggunakan kembali. Evaluasi mencakup kualitas pengukuran dan hubungan struktural. Selain itu, kemampuan prediksi akan diperiksa menggunakan data yang tidak dipakai untuk estimasi.”
| Aspek | Kasus kepuasan | Kasus indeks layanan |
|---|---|---|
| Pertanyaan | Apakah struktur teori didukung? | Bagaimana memprediksi niat menggunakan kembali? |
| Konstruk | Common factor | Komposit |
| Sasaran evaluasi | Struktur faktor dan kecocokan model | Kualitas komposit dan prediksi |
| Alasan pemilihan | Selaras dengan model faktor | Selaras dengan representasi komposit |
- Baca tujuan kasus.
- Identifikasi bentuk konstruk.
- Tentukan bukti yang dibutuhkan.
- Tulis keputusan bersyarat berdasarkan kelayakan model.
Misalnya, kedua peneliti ternyata hanya memiliki sampel terbatas. Keputusan metode perlu ditunda sampai kebutuhan power dan kelayakan model diperiksa.
Untuk mengenali alat pendukung kasus kedua, kamu bisa membaca pengertian dan cara kerja SmartPLS sebelum menggunakan SmartPLS 4. Namun, nama software tidak menjadi alasan metodologis.
Langkah 5: Kenali output dan susun laporan hasil
Pemetaan output sesuai tujuan evaluasi membantu kamu menilai bukti setelah memilih metode. Dalam cb sem vs pls sem, koefisien jalur saja belum cukup menjelaskan kualitas hasil.
Untuk dokumentasi visual, kamu bisa menyertakan screenshot asli panel Model Fit dari IBM SPSS Amos 22. Versi tersebut menjadi contoh tampilan, bukan rekomendasi versi terbaru. Screenshot perlu berasal dari output yang benar-benar kamu peroleh.
Output perlu dibaca sesuai pendekatan
| Komponen evaluasi | Output CB-SEM | Output PLS-SEM | Pertanyaan interpretasi |
|---|---|---|---|
| Measurement model | Loading, reliabilitas, validitas, dan kecocokan model faktor | Loading atau weight, reliabilitas dan validitas sesuai spesifikasi | Apakah konstruk diukur secara layak? |
| Structural model | Koefisien jalur, ketidakpastian, dan kecocokan model | Koefisien jalur, ketidakpastian, dan R² | Apakah hubungan didukung? |
| Prediksi bila ditargetkan | Evaluasi prediksi yang dirancang terpisah | Kesalahan prediksi di luar sampel dan pembanding | Apakah model berguna pada data baru? |
Loading, reliabilitas, dan validitas perlu dibaca sesuai spesifikasi konstruk. Namun, checklist reflektif tidak bisa diterapkan utuh pada konstruk formatif. Peneliti perlu menilai kontribusi indikator serta potensi kolinearitas pada spesifikasi formatif.
Pada CB-SEM, kecocokan model dibaca melalui beberapa indeks, misalnya CFI, TLI, RMSEA, dan SRMR. Interpretasinya tetap membutuhkan konteks teori. Sementara itu, evaluasi PLS-SEM mencakup pengukuran, hubungan struktural, dan varians yang dijelaskan.
R² menunjukkan varians yang dijelaskan dalam sampel. Karena itu, R² tinggi belum membuktikan prediksi di luar sampel yang baik.
Komponen yang perlu masuk laporan
- Laporkan alasan pemilihan metode.
- Sebutkan software beserta versinya.
- Jelaskan estimator atau algoritma.
- Uraikan penanganan data.
- Laporkan evaluasi model dan prediksi bila relevan.
- Jelaskan keterbatasan analisis.
Ketika membaca keluaran IBM SPSS Amos 22, kamu bisa meninjau konteks jasa olah data AMOS untuk memahami hasil SEM. Selain itu, konsultasi LISREL untuk meninjau CFA dan SEM dapat menjadi konteks pembahasan spesifikasi, misalnya pada LISREL 8.80.
Kesalahan keputusan yang perlu kamu hindari
Kesalahan dalam cb sem vs pls sem juga muncul ketika keputusan berubah mengikuti hasil yang diinginkan. Karena itu, alasan awal pemilihan metode perlu disimpan sebelum hasil utama ditafsirkan.
| Keputusan keliru | Risiko | Tindakan koreksi |
|---|---|---|
| Mengejar signifikansi | Kesimpulan mengikuti hasil yang disukai | Tetapkan hipotesis dan sasaran evaluasi sejak awal |
| Mengganti metode setelah melihat hasil | Alasan perubahan sulit ditelusuri | Dokumentasikan perubahan dan dampaknya |
| Memilih berdasarkan software tersedia | Pendekatan tidak sesuai pertanyaan | Cocokkan kebutuhan analisis sebelum memilih alat |
Batas penggunaan kedua metode secara bersamaan terletak pada kejelasan pertanyaan metodologis. Dua pendekatan dapat digunakan untuk tujuan perbandingan yang terencana. Namun, menjalankan keduanya tidak otomatis memperkuat kesimpulan.
Jika hasil berbeda, peneliti perlu menelaah estimand, yaitu besaran yang ditargetkan oleh estimasi. Selanjutnya, peneliti perlu memeriksa spesifikasi konstruk dan prosedur evaluasi masing-masing. Jangan memilih hasil yang paling mendukung hipotesis.
Kamu sebaiknya menyimpan alasan keputusan dan perubahan model. Dengan demikian, pembaca laporan dapat menelusuri proses analisis. Pertanyaan praktis berikut membantu memperjelas beberapa situasi yang sering membingungkan.
FAQ memilih pendekatan SEM
Apakah PLS-SEM lebih baik daripada CB-SEM?
Tidak ada pendekatan yang selalu lebih baik. Namun, kesesuaiannya bergantung pada tujuan, spesifikasi konstruk, dan bukti yang dibutuhkan. Dalam cb sem vs pls sem, ukuran keberhasilan perlu ditentukan sebelum hasil analisis dilihat. Peneliti perlu menilai apakah metode menjawab pertanyaan yang sudah ditetapkan.
Kapan sebaiknya menggunakan PLS-SEM?
PLS-SEM layak dipertimbangkan ketika representasi komposit dan sasaran prediksi sesuai dengan penelitian. Selain itu, peneliti perlu merencanakan evaluasi pengukuran dan prediksi. Model kompleks saja belum cukup menjadi alasan pemilihan. Kelayakan estimasi tetap perlu diperiksa berdasarkan rancangan dan data yang tersedia.
Kapan PLS-SEM tidak sebaiknya digunakan?
PLS-SEM kurang tepat bila sasaran utamanya tidak selaras dengan pendekatan yang digunakan. Misalnya, penelitian mengutamakan konfirmasi common factor dengan evaluasi kesesuaian yang dirancang dalam kerangka CB-SEM. Dalam situasi tersebut, kamu perlu meninjau kembali pendekatan sebelum menjalankan estimasi. Keputusan tidak perlu dipaksakan mengikuti alat yang paling familiar.
Apakah PLS-SEM hanya untuk penelitian eksploratif?
Tidak. PLS-SEM juga dapat digunakan dalam penelitian yang menguji hubungan berbasis teori. Namun, pengujian teori tetap membutuhkan argumentasi konstruk, hipotesis, dan prosedur evaluasi yang sesuai. Label konfirmatori tidak otomatis membuat spesifikasi model benar. Peneliti tetap perlu menjelaskan hubungan antara konsep dan pengukurannya.
Bisakah PLS-SEM digunakan dengan konstruk reflektif?
Bisa. Namun, peneliti perlu mempertimbangkan kesesuaian asumsi common factor atau komposit dan estimatornya. Arah indikator reflektif saja belum menyelesaikan keputusan tersebut. Singkatnya, pilihan cb sem vs pls sem perlu menyatukan tujuan, representasi konstruk, kelayakan data, dan evaluasi yang direncanakan.
Butuh bantuan soal cb sem vs pls sem? Konsultasikan langsung dengan tim Sisi Statistik Com lewat WhatsApp.