Structural Equation Modeling dengan Partial Least Squares (SEM-PLS) telah menjadi metode populer untuk analisis hubungan antar konstruk laten, terutama dalam penelitian dengan data yang kompleks dan sampel relatif kecil (Hair et al., 2017). Salah satu teknik yang digunakan dalam SEM-PLS adalah Two Stage Disjoint Analysis, yang berguna untuk mengelola konstruk laten yang independen secara teori maupun pengukuran.

Definisi Two Stage Disjoint Analysis

Two Stage Disjoint Analysis adalah metode analisis SEM-PLS yang dilakukan dalam dua tahap: tahap pertama mengestimasi skor konstruk laten berdasarkan model pengukuran, dan tahap kedua menggunakan skor tersebut untuk menguji hubungan antar konstruk dalam model struktural (Hair et al., 2017; Henseler & Chin, 2010). Pendekatan ini mengurangi kompleksitas model dan memperjelas validitas pengukuran sebelum pengujian hipotesis.

Tahapan Two Stage Disjoint Analysis

  • Tahap 1: Estimasi Model Pengukuran
    Konstruk laten diukur secara terpisah untuk mendapatkan skor laten dengan validitas dan reliabilitas yang terjamin. Pengujian validitas konvergen dan diskriminan dilakukan dengan metrik seperti Average Variance Extracted (AVE) dan Composite Reliability (CR) (Fornell & Larcker, 1981).
  • Tahap 2: Analisis Model Struktural
    Skor konstruk laten yang diperoleh digunakan sebagai variabel input dalam pengujian hubungan kausal antar konstruk, memudahkan estimasi tanpa menggunakan indikator asli (Henseler et al., 2014).

Kelebihan Two Stage Disjoint Analysis

  • Mengurangi beban komputasi pada model kompleks
  • Memudahkan pengujian validitas dan reliabilitas konstruk secara terpisah
  • Memperjelas interpretasi hubungan antar konstruk

Referensi

  • Fornell, C., & Larcker, D. F. (1981). Evaluating Structural Equation Models with Unobservable Variables and Measurement Error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.2307/3151312
  • Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM) (2nd ed.). Sage Publications.
  • Henseler, J., & Chin, W. W. (2010). A Comparison of Approaches for the Analysis of Interaction Effects between Latent Variables Using Partial Least Squares Path Modeling. Structural Equation Modeling: A Multidisciplinary Journal, 17(1), 82-109. https://doi.org/10.1080/10705510903439003
  • Henseler, J., Ringle, C. M., & Sarstedt, M. (2014). A New Criterion for Assessing Discriminant Validity in Variance-based Structural Equation Modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8

BLH