| dc.description.abstract | Partial least squares path modeling (PLS-PM) merupakan metode yang bisa
menjelaskan hubungan yang kompleks di antara banyak faktor, baik yang teramati
maupun yang laten. PLS-PM dibentuk dari dua model yaitu model pengukuran dan
struktural. Pendugaan PLS-PM dilakukan dengan prosedur iterasi, dimana iterasi
akan berhenti ketika mencapai kondisi konvergen. Algoritma iterasi PLS-PM
menggunakan pendekatan regresi OLS yang mengasumsikan bahwa semua
indikator adalah kontinu. Oleh karena itu, penerapan prosedur PLS tradisional
kurang tepat digunakan untuk peubah kategori baik nominal ataupun ordinal.
Penggunaan PLS-PM untuk data skala ordinal telah tersedia dan dikenal dengan
nama PLS ordinal (OrdPLS) dan PLS konsisten ordinal (OrdPLSc). Proses simulasi
ketika metode ini dikembangkan menggunakan pendekatan sebaran normal
multivariat yang kemudian dikonversi ke dalam kategori ordinal. Selain itu, metode
ini masih dalam model orde satu atau belum orde tinggi. PLS-PM orde tinggi sangat
membutuhkan penggunaan skor faktor dalam proses pendugaan parameter.
Penentuan skor faktor dari OrdPLS dan OrdPLSc hanya menggunakan metode
median, modus dan rata-rata padahal seharusnya mengikuti sebaran dari data yang
mendasarinya. Sebagai alternatif dan kontribusi utama dari disertasi ini adalah
pemanfaatan skor faktor dari model teori respon butir atau item response theory
(IRT) yang dikenal sebagai parameter kemampuan.
Sebagai langkah awal penelitian dilakukan studi simulasi pada metode PLSPM orde tinggi dengan data biner. Data simulasi pada penelitian ini dibangkitkan
dengan menggunakan pendekatan sebaran binomial dengan ukuran sampel 50, 100,
300 dan 1000 berdasarkan matriks korelasi implied dari model hipotesis yang sudah
ditentukan. Peningkatan ukuran sampel dari 50 sampai 1000 merupakan
peningkatan yang signifikan secara proporsional. Dengan data yang menyebar
binomial ini, maka algoritma pada PLS-PM dimodifikasi supaya bisa digunakan
untuk input dengan data biner yaitu menggunakan koefisien korelasi tetrakorik.
Rancangan studi mempertimbangkan 500 ulangan untuk setiap ukuran sampel.
Untuk setiap proses dan dalam setiap kondisi simulasi, digunakan pendekatan
indikator berulang maupun dua tahap dalam menduga parameter dalam dan luar
dari model. Skema pembobotan dalam yang digunakan adalah skema jalur.
Melalui studi simulasi ini akan bandingkan metode PLS mana yang lebih baik
digunakan dan pendekatan orde tinggi mana yang sebaiknya digunakan ketika input
data adalah biner. Kinerja metode dan pendekatan dilihat dari nilai MSE-nya.
Model yang diuji dalam penelitian bervariasi dalam hal ukuran sampel. Secara
umum, jika ingin dipilih metode mana yang paling efisien di antara metode PLS
tradisional, PLS biner dan PLSc biner, terlihat bahwa PLSc adalah yang paling
berkinerja baik diantara ketiganya. Selanutnya, pendekatan indikator berulang lebih
baik di PLS tradisional dan PLSc biner, sementara dua tahap adalah lebih baik pada
PLS biner.
Dari penilaian MSE terhadap koefisien jalur gamma dan beta dapat
disimpulkan bahwa untuk PLS tradisional dan PLSc biner, pendekatan dua tahap
adalah lebih baik dibandingkan pendekatan indikator berulang karena mempunyai
MSE yang lebih kecil. Sementara untuk PLS biner, pendekatan indikator berulang
adalah lebih baik dibandingkan pendekatan dua tahap karena mempunyai nilai MSE
yang lebih kecil. Di antara metode PLS tradisional, PLS biner dan PLSc biner,
terlihat bahwa metode PLSc adalah yang terbaik dibandingkan metode PLS
tradisional dan PLS biner jika dilihat dari besaran MSE karena mempunyai MSE
yang paling kecil untuk semua ukuran sampel.
Sebagai studi empiris dari PLS-PM orde tinggi dengan data biner, diterapkan
fungsi produksi dari Mankiw et al. (1992) dengan mengikuti Nakabashi (2018)
dimana respon adalah kemiskinan multidimensi. Model ini digabungkan dengan
model perlindungan sosial dari Khaliq & Uspri (2017). Model ini digunakan untuk
menunjukkan bagaimana pekerjaan memengaruhi kemiskinan multidimensi dan
bagaimana pendidikan (education), kesehatan (health) dan standar hidup (living
standard) yang adalah dimensi dari kemiskinan multidimensi, mempengaruhi
perlindungan sosial (SP). Data yang digunakan pada penelitian ini adalah data
susenas 2021 Provinsi Jawa Timur dengan unit analisis adalah rumah tangga
sebanyak 5988. Pada PLS-PM orde tinggi dengan data biner, penilaian pengukuran
validitas dan reliabilitas model dengan pendekatan indikator berulang adalah lebih
baik secara simulasi maupun empiris dibandingkan pendekatan dua tahap. Hal ini
bisa dilihat dari nilai AVE yang sudah melebihi ambang batas yang
direkomendasikan. Secara umum, PLS biner pendekatan indkator berulang adalah
yang terbaik. Sementara pada penilaian model struktural, kedua hubungan adalah
signifikan dan nilai koefisien jalur pada pendekatan indikator berulang adalah lebih
besar sehingga bisa menjelaskan lebih besar variasi dari peubah laten endogen
dibandingkan pendekatan dua tahap. Demikian juga untuk besaran nilai koefisien
determinasinya, pendekatan indikator berulang adalah yang paling besar. Jika
dilihat dari model fit, PLSc biner pendekatan dua tahap adalah yang terbaik.
Selain penggunaan korelasi tetrakorik untuk data biner, PLS-PM orde tinggi
juga bisa dikembangkan untuk penggunaan input data dengan data campuran atau
menggunakan korelasi biserial. Penggunaan korelasi biserial pada PLS-PM belum
ada yang menelitinya. Dengan data dan model hipotesis penelitian yang sama, akan
diterapkan PLS-PM orde tinggi dengan korelasi biserial atau data campuran.
Pada PLS-PM orde tinggi dengan data campuran, penilaian pengukuran
validitas dan reliabilitas model dengan pendekatan indikator berulang adalah lebih
baik secara empiris dibandingkan pendekatan dua tahap. Hal ini bisa dilihat dari
nilai AVE yang sudah melebihi ambang batas yang direkomendasikan. Secara
umum, PLS mixed pendekatan indikator berulang adalah yang terbaik. Sementara
pada penilaian model struktural, kedua hubungan adalah signifikan dan nilai
koefisien jalur pada pendekatan indikator berulang adalah lebih besar sehingga bisa
menjelaskan lebih besar variasi dari peubah laten endogen dibandingkan
pendekatan dua tahap. Demikian juga untuk besaran nilai koefisien determinasinya,
pendekatan indikator berulang adalah yang paling besar. Namun jika dilihat dari
model fit, PLS mixed pendekatan dua tahap adalah yang terbaik. Secara umum PLS
mixed adalah yang terbaik. | id |
