Dalam penelitian kuantitatif, terutama yang memakai Structural Equation Modeling (SEM), Confirmatory factor Analysis (CFA), atau PLS-SEM, kita sering berurusan dengan konsep yang tidak berwujud/intangible seperti kepuasan, kepercayaan, kualitas layanan, atau motivasi. Konsep-konsep seperti ini biasanya disebut variabel laten: variable yang ada secara teoretis, tetapi tidak dapat diobservasi secara langsung (Ghozali, 2020).

Di sinilah dimensi dan indikator berperan: dimensi membantu memecah konstruk besar menjadi aspek-aspek yang lebih spesifik, sedangkan indikator adalah item/variabel terukur yang kita pakai untuk menangkap variabel laten tersebut.

  • Variabel laten
    Variabel laten (latent variable/construct) adalah konsep abstrak yang menjadi fokus teori. Karena sifatnya tidak terukur secara langsung, peneliti menggunakan model pengukuran (measurement model) untuk menghubungkan konstruk laten dengan variabel teramati. Dalam catatan kuliah pemodelan variabel laten, hubungan ini sering dijelaskan melalui loading (λ) yang “mengaitkan” variabel laten ke pengukuran (indikator). Intinya: konstruknya ada di level konsep, buktinya ditangkap lewat data indikator (Hair et al., 2022).
    Contoh sederhana:
    Variabel laten: Kualitas audit
    Yang bisa diobservasi: ketepatan waktu, proses audit, dll.
  1. Dimensi:
    Kadang satu konstruk terlalu lebar kalau diwakili satu nilai saja. Maka dipecah menjadi dimensi. Artinya, satu konsep besar dapat terdiri dari beberapa dimensi yang saling terkait, tetapi masing-masing punya makna spesifik.
    Contoh:
    Konstruk: Kualitas audit
    Dimensi: keandalan audit, daya tanggap auditor, empati auditor, jaminan, bukti fisik. Ini contoh umum; dimensi spesifik tetap tergantung teori dan penelitian pendahuluan yang dipakai.Dalam praktik SEM/PLS-SEM, pendekatan ini sering dimodelkan sebagai higher-order construct (konstruk tingkat lebih tinggi) yang memiliki lower-order constructs (subkonstruk/dimensi yang lebih konkret). SmartPLS menjelaskan bahwa-order model menggabungkan konstruk yang lebih umum (abstrak) dan subkomponen yang lebih konkret .
  1. Indikator
    Indikator adalah variabel teramati (item kuesioner, skor tes, angka rasio, dsb.) yang dipakai untuk “membaca” variabel laten. Indikator bisa berupa:
  • Item kuesioner (Likert): “Saya puas dengan layanan yang saya terima.”
  • Data perilaku: frekuensi pembelian, waktu penggunaan, jumlah keluhan
  • Data objektif: nilai ujian, kadar biomarker, dsb.

Referensi:

  • Ghozali, I. (2020). Partial Least Square Concept Techniques and Applications using SMARTPLS 3 Program for Empirical Research. Faculty of Economic and Business Gadjah Mada University.
  • Hair, J. F., Ringle, C. M., Hult, G. T. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling. In SAGE Publications, Inc. https://doi.org/10.1016/j.lrp.2013.01.002