Pengukuran kompatibilitas model PLS SEM

Dalam diskusi ini kita akan melanjutkan artikel sebelumnya, yang berbicara tentang parsial minimum parsial. Sebelumnya kami telah membahas apa yang parsial kuadrat minimum, tujuan dan fungsi, algoritma dan pengukuran dangkal kompatibilitas model PLS SEM yang terdiri dari model eksternal dan model internal.

Pengukuran kompatibilitas model PLS SEM

Di bawah ini kami akan fokus pada membahas kompatibilitas model dalam PLS SEM.
SEM PLS
Contoh Diagram SEM PLS (Gambar diambil dari situs www.smartpls.com)
Model eksternal atau pengukuran eksternal

Model eksternal juga disebut model pengukuran. Ada 2 pengukuran di luar PLS SEM, yang merupakan pengukuran model reflektif dan formatif.
Ukuran model reflektif

Pengukuran model SEM PLS pertama dalam model eksternal adalah pengukuran reflektif. Model pengukuran dievaluasi menggunakan reliabilitas dan validitas. Untuk keandalan, Cronbach’s Alpha dapat digunakan. Nilai ini mencerminkan keandalan semua indikator dalam model. Nilai minimum adalah 0,7 sementara yang ideal adalah 0,8 atau 0,9. Selain Cronbach’s Alpha, nilai ρc (composite reliability) juga diartikan sama dengan nilai Cronbach’s Alpha.

Setiap variabel laten harus dapat menjelaskan varian masing-masing indikator minimal 50%. Oleh karena itu korelasi absolut antara variabel laten dan indikator harus> 0,7 (nilai absolut dari beban mentah eksternal atau disebut beban eksternal).

Indikator refleksi harus dikeluarkan dari model pengukuran jika nilai beban standar eksternal kurang dari 0,4.

Ada dua jenis validitas dalam PLS SEM, yaitu validitas konvergen dan validitas diskriminan. Validitas konvergen berarti bahwa seperangkat indikator mewakili variabel laten dan itu adalah dasar dari variabel laten. Representasi dapat ditunjukkan melalui unidimensionality yang dapat diekspresikan dengan menggunakan nilai rata-rata dari varian yang diekstraksi (average extracted Variance / AVE).

Nilai AVE setidaknya 0,5. Nilai ini menggambarkan validitas konvergen yang memadai, yang berarti bahwa variabel laten mampu menjelaskan lebih dari setengah varian indikator rata-rata.

Menimbang bahwa validitas diskriminan adalah konsep tambahan yang berarti bahwa dua konsep secara konsep berbeda harus menunjukkan diferensiasi yang memadai. Intinya adalah bahwa seperangkat indikator gabungan tidak diharapkan satu dimensi.

Pengukuran validitas diskriminan menggunakan kriteria yang disediakan oleh Fornell-Larcker dan “crossloadings”. Fornell-Larcker Postulate menyatakan bahwa variabel laten memiliki lebih banyak varian dengan indikator yang mendasarinya daripada variabel laten lainnya. Ini jika ditafsirkan secara statistik, sehingga nilai AVE dari setiap variabel laten harus lebih besar dari nilai r2 tertinggi dengan nilai variabel laten lainnya.

Kriteria kedua untuk membedakan validitas adalah bahwa “pemuatan” untuk setiap indikator harus lebih tinggi daripada “pemuatan silang” masing-masing. Jika kriteria Fornell-Larcker mengevaluasi validitas diskriminatif pada tingkat konstruk (variabel laten), maka ‘crossloading’ dimungkinkan pada tingkat indikator.

Jika disimpulkan, evaluasi model pengukuran adalah sebagai berikut:
Model pengukuran SEM PLS
PLS SEM Measurement Model (Gambar diambil dari http://www.jonathansarwono.info/teori_spss/PLSSEM.pdf)

Sedangkan jumlah nilai atau indikator yang dapat digunakan sebagai alat ukur dapat disimpulkan sebagai berikut:
Keandalan komposit (ρc)

Pengukuran konsistensi internal dengan nilai 6,6. Jadi jika <0,6 maka itu tidak dapat diandalkan.
Keandalan indikator

Pemuatan mentah absolut eksternal dengan nilai> 0.7. Jadi jika <0,7 tidak dapat diandalkan.
AVE (varian rata-rata yang diekstraksi)

Varian rata-rata ekstrak dengan nilai> 0,5 Digunakan sebagai penentu validitas konvergen. Jadi jika <0,5 maka itu tidak valid.
Kriteria Fornell-Larcker

Digunakan untuk menjamin validitas diskriminatif, AVE untuk setiap variabel laten harus lebih besar dari R2 dengan semua variabel laten lainnya. Dengan demikian, setiap variabel laten memiliki lebih banyak varian dengan masing-masing blok indikator daripada variabel laten lainnya yang mewakili blok indikator yang berbeda.
Beban silang

Digunakan untuk memeriksa validitas diskriminan selain kriteria di atas. Jika suatu indikator memiliki korelasi yang lebih tinggi dengan variabel laten lainnya daripada variabel latennya sendiri, kesesuaian model harus dipertimbangkan kembali.
Ukuran model pelatihan

Pengukuran selanjutnya dari model PLS SEM adalah pengukuran formatif. Evaluasi dengan validitas tradisional tidak dapat diterapkan pada indikator yang digunakan dalam model pengukuran formatif dan konsep

Sumber : https://www.rumusbilangan.com/