Pendekatan partial Least Square Correlation pada pemodelan persamaan struktural

INDONESIA:

Pemodelan persamaan struktural (SEM) merupakan pemodelan yang bertujuan mengukur atau menganalisis hubungan antarbeberapa variabel laten serta variabel laten dengan indikator-indikatornya secara simultan. Sering dijumpai pada beberapa penelitian bahwa data yang digunakan tidak berdistribusi tertentu, oleh karena itu SEM berbasis varians atau sering disebut dengan SEM Partial Least Square (SEM-PLS) tidak mensyaratkan distribusi tertentu maupun jumlah sampel yang besar. Terdapat tiga pendekatan pada PLS, namun jika tujuannya adalah untuk mencari informasi bersama antara variabel laten dengan indikator-indikatornya, maka pendekatannya setara dengan masalah korelasi sehingga teknik ini disebut dengan Partial Least Square Correlation (PLSC). Variabel laten diestimasi dengan menggunakan metode Singular Value Decomposition (SVD). SVD merupakan metode yang mendekomposisikan suatu matriks kedalam beberapa komponen yang berkaitan erat dengan nilai-nilai singularnya. Data yang digunakan dalam penilitian ini berupa data sekunder hasil survei pada Aziz (2017) yang terdiri dari 78 responden, dimana responden tersebut adalah populasi dosen tetap (PNS dan Non PNS) Fakultas Sains dan Teknologi semester ganjil 2016/2017 UIN Maulana Malik Ibrahim Malang. Hasil penelitian diperoleh bahwa variabel laten merupakan kombinasi linier dari indikator- indikatornya dengan persamaan L_X=Z_X^T V^T dan L_Y=Z_Y^T U^T, sehingga didapatkan model pengukuran X=Λ_X ξ+δ dan Y=Λ_Y η+ε. Hasil analisis pada data diperoleh bahwa aspek beban penelitian, aspek beban pengabdian, dan aspek beban penunjang lainnya tidak valid dan harus dihilangkan dari model karena mengindikasikan bahwa indikator-indikator tersebut tidak cukup baik digunakan untuk mengukur beban kerja dosen. Sedangkan aspek beban pengajaran sangat baik dan valid digunakan untuk mengukur beban kerja dosen. Untuk indeks kepuasan mahasiswa, semua indikator-indikatornya yaitu kompetensi pedagogik, kompetensi profesional, kompetensi kepribadian, dan kompetensi sosial dikatakan sangat baik dan valid untuk mengukur indeks kepuasan mahasiswa.

ENGLISH:

Structural equation modeling (SEM) is a model that aims to measure or analyze the relationship between several latent variables and latent variables with the indicators simultaneously. Often found in several studies that the data used is not a particular distribution, therefore variance-based SEM or often referred to as SEM Partial Least Square (SEM-PLS) does not require a particular distribution or large sample size. There are three approaches to the PLS, but if the goal is to seek information together between the latent variables and their indicators, then the approach is equivalent to the correlation problem so that the technique is called the Partial Least Square Correlation (PLSC). Latent variables are estimated using the Singular Value Decomposition (SVD) method. SVD is a method that decomposes a matrix into several components that are closely related to its singular values. The data used in this research are secondary data from the survey results on (Aziz, 2017) which consist of 78 respondents, where the respondents are permanent lecturers (PNS and Non PNS) Faculty of Science and Technology odd semester 2016/2017 Maulana Malik Ibrahim State Islamic University Malang. The results showed that the latent variable is a linear combination of the indicators with the equation L_X=Z_X^T V^T and L_Y=Z_Y^T U^T, so that the measurement model X=Λ_X ξ+δ and Y=Λ_Y η+ε are obtained. The results of the analysis on the data show that the aspects of the research load, the aspect of service load, and other aspects of supporting load are invalid and must be omitted from the model because indicating that the indicators are not good enough to measure lecturer workload. While the load aspect of teaching is very good and valid is used to measure the workload of lecturers. For student satisfaction index, all the indicators are pedagogic competence, professional competence, personality competence, and social competence are said to be very good and valid to measure student satisfaction index.