Perbedaan PLS SEM dan CB SEM

Sesuai judulnya, PLS-SEM versi CB-SEM. Menurut Fornell dan Bookstein (1982), pada umumnya terdapat dua jenis tipe SEM yang sudah dikenal secara luas, yaitu covariance-based structural equation modeling (CB-SEM) yang dikembangkan oleh Joreskog (1969) dan partial least squares path modeling (PLS-SEM) sering disebut variance atau component-based structural equatiion modeling yang dikembangkan oleh World (1974), covariance based SEM diwakili oleh software seperti AMOS, EQS, LISREL, Mplus, sedangkan component based SEM diwakili oleh software seperti PLS-Graph, SmartPLS, VisualPLS, XLSTAT-PLS.

Covariance based SEM merupakan tipe SEM yang menghapuskan konstruk maupun indikator-indikatornya untuk saling berkorelasi satu dengan lainnya dalam suatu model struktural. Lebih lanjut, Variance atau Component based SEM merupakan tipe SEM yang menggunakan variance dalam proses iterasi sehingga tidak memerlukan korelasi antara indikator maupun konstruk latennya dalam suatu model struktural.

Secara umum, penggunaan CB-SEM bertujuan untuk mengestimasi model struktural berdasarkan telaah teoritis yang kuat untuk menguji hubungan kausalitas antara konstruk atau variabel laten serta mengukur kelayakan model dan mengkonfirmasikannya sesuai dengan data empirisnya. Konsekuensinya penggunaan CB-SEM adalah menuntut basis teori yang kuat, memenuhi berbagai asumsi parametrik dan memenuhi uji kelayakan model (goodnes of fit). Karena itu CB-SEM sangat tepat digunakan untuk menguji teori dan mendapatkan justifikasi atas pengujian tersebut dengan serangkaian analisis yang kompleks.

Sementara PLS-SEM bertujuan untuk menguji hubungan prediktif antar konstruk dengan melihat apakah ada hubungan atau pengaruh antar konstruk tersebut. Konsekuensi penggunaan PLS-SEM adalah pengujian dapat dilakukan tanpa dasar teori yang kuat, mengabaikan beberapa asumsi (non-parametrik) dan parameter ketepatan model prediksi dilihat dari nilai koefisien determinasi (R-square). Karena itu PLS-SEM sangat tepat digunakan pada penelitian yang bertujuan mengembangkan teori.

Jadi dapat disimpulkan bahwa, jika model struktural dan model pengukuran yang dihipotesiskan benar dalam hal ini menjelaskan covariance semua indikator dan kondisi data atau jumlah sampel dapat dipenuhi, maka covariance based SEM memberikan estimasi optimal dari parameter model. Namun demikian, jika tujuan dan pandangan peneliti dari data ke teori, jumlah sampel yang terbatas dan tidak dapat memenuhi berbagai asumsi parametrik, maka PLS merupakan teknik analisis yang cocok.