Multivariate Analysis · Pertemuan 01

Pengantar Structural Equation Modeling (SEM) dan PLS-SEM

Magister Ilmu Komputer · Universitas Amikom Purwokerto · 43 slide pada presentasi asli

Dari fenomena AI dalam e-commerce menuju pemahaman konstruk, indikator, model pengukuran, dan model struktural.

Lihat slide PDF ↗ Unduh slide PDF ↓

Capaian pembelajaran

  • Menjelaskan perbedaan analisis univariat, bivariat, multivariat, SEM, dan PLS-SEM.
  • Membedakan konstruk dan indikator serta fungsi model pengukuran dan model struktural.
  • Membaca model konseptual dan hipotesis dari sebuah artikel penelitian.
  • Menjelaskan pertimbangan memilih PLS-SEM tanpa bergantung semata pada perangkat lunak.

Slide 3–7

1. Berawal dari masalah penelitian

Contoh utama berasal dari penelitian tentang AI dalam pemasaran e-commerce. Penggunaan rekomendasi produk, chatbot, atau personalisasi belum dengan sendirinya menjelaskan kepuasan maupun kinerja usaha.

Peneliti harus memisahkan pertanyaan deskriptif (siapa respondennya), pertanyaan hubungan (faktor apa yang berkaitan), dan pertanyaan model (jalur hubungan apa yang diajukan).

Pokok pembahasan

  • Penggunaan teknologi bukan jaminan keberhasilan bisnis.
  • Pertanyaan penelitian menentukan metode analisis yang dibutuhkan.

Slide 8–16

2. Dari analisis multivariat menuju SEM

Analisis univariat merangkum satu variabel; analisis bivariat menelaah hubungan dua variabel; sedangkan model multivariat dapat melibatkan banyak variabel sekaligus. Tidak semua persoalan multivariat membutuhkan SEM.

SEM menggabungkan evaluasi pengukuran konstruk dengan hubungan antarkonstruk. PLS-SEM merupakan pendekatan analisis, sedangkan SmartPLS adalah perangkat lunak yang membantu estimasi.

Pokok pembahasan

  • Regresi, PCA, clustering, dan SEM menjawab jenis pertanyaan yang berbeda.
  • Model pengukuran bertanya bagaimana indikator merepresentasikan konstruk.
  • Model struktural bertanya apakah hubungan antarkonstruk didukung data.

Slide 17–30

3. Konstruk, indikator, dan hipotesis

Studi kasus mengajukan enam konstruk: Technology Readiness (TR), AI in Marketing (AIM), Customer Experience (CE), Customer Satisfaction (CS), Customer Performance (CP), dan Financial Performance (FP).

Konstruk adalah konsep teoritis; indikator adalah item atau variabel teramati yang digunakan untuk merepresentasikannya. Definisi konstruk, bunyi item, dan siapa yang menjawab kuesioner harus konsisten.

Pokok pembahasan

  • H1: TR → CS; H2: CE → CS; H3: AIM → CS.
  • H4: AIM → CP; H5: AIM → FP; H6: CS → FP.
  • Panah pada diagram menyatakan hipotesis, bukan bukti sebab-akibat.

Slide 31–41

4. PLS-SEM, mediasi, dan interpretasi

Jalur langsung AIM → FP dan jalur tidak langsung AIM → CS → FP mengilustrasikan struktur mediasi yang dapat dianalisis. Mediasi statistik saja belum memastikan mekanisme kausal.

Pada hasil H3 di artikel, koefisien jalur terstandarisasi β = 0,566 dan t = 4,572 dilaporkan mendukung hubungan AIM → CS. Nilai β itu bukan pernyataan bahwa kepuasan meningkat 56,6 persen akibat AI.

Pokok pembahasan

  • Pemilihan CB-SEM atau PLS-SEM harus mempertimbangkan tujuan, teori, dan model pengukuran.
  • Ukuran sampel kecil, data tidak normal, atau keinginan mendapatkan hasil signifikan bukan justifikasi tunggal memilih PLS-SEM.
  • Survei observasional lintas-seksi membatasi inferensi kausal dan generalisasi.

Pertanyaan untuk refleksi

  1. Mengapa penelitian yang memakai banyak variabel tidak otomatis membutuhkan SEM?
  2. Bagaimana membedakan konstruk, indikator, dan hipotesis dalam suatu model?
  3. Mengapa koefisien β = 0,566 tidak boleh dibaca sebagai kenaikan 56,6 persen yang disebabkan oleh AI?

Bacaan dan sumber