PARTIAL LEAST SQUARE BERBASIS VARIANS SEBAGAI METODE ALTERNATIF PENYELESAIAN MASALAH STRUCTURAL EQUATION MODELING

ANWAR HUDA , 1217031011 (2017) PARTIAL LEAST SQUARE BERBASIS VARIANS SEBAGAI METODE ALTERNATIF PENYELESAIAN MASALAH STRUCTURAL EQUATION MODELING. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK (ABSTRACT).pdf Download (8Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya pengguna terdaftar Download (1664Kb)
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (1664Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Structural Equation Modeling (SEM) adalah metode analisis multivariat yang digunakan untuk menggambarkan hubungan linier secara simultan antara variabel laten dan variabel indikator. Pemodelan struktural yang sering digunakan SEM berbasis kovarian selanjutnya disebut LISREL. Metode pendugaan yang umumnya digunakan adalah metode Maximum Likelihood Estimator (MLE), yang memiliki kemampuan analisis dan prediksi yang lebih baik dibandingkan analisis jalur dan regresi berganda karena mampu menganalisis sampai pada level terdalam terhadap variabel atau model yang diteliti serta menyertakan eror pengukuran. Namun pendugaan parameter dengan metode MLE dalam LISREL membutuhkan beberapa asumsi kritis seperti jumlah sampel harus besar, normalitas data, multikolinieritas dan kompleksitas model. Dengan jumlah sampel 50, model yang diestimasi dengan metode MLE dalam LISREL memberikan estimasi parameter dan model statistik yang kurang baik, bahkan menghasilkan negative variance. Salah satu pendekatan baru yang diperkenalkan oleh Herman Wold adalah Partial Least Square (PLS) dan sering disebut soft modeling yang merupakan metode SEM berbasis varian, dengan ukuran sampel relatif kecil dan tidak memerlukan asumsi-asumsi lain seperti dalam SEM berbasis kovarian. Oleh karna itu, PLS dapat dijadikan sebagai metode alternatif untuk menyelesaikan masalah yang dihadapi SEM. Kata Kunci : Structural Equation Modeling (SEM), Partial Least Square (PLS) abstract Structural Equation Modeling (SEM) is a multivariate analysis method that is used to describe the simultaneous linear relationship between the latent variables and indicator variables. Structural modeling which is often used covariance-based SEM hereinafter is referred LISREL. Estimation method that is commonly used is the Maximum Likelihood Estimator (MLE), which has the analytical skills and a better prediction than the path analysis and regression because it is able to analyze up to the deepest level of the variable or models that were analyzed and include measurement error. However, parameter estimation by MLE method in LISREL needs some critical assumptions such as the sample size should be large, data normality, multicollinearity and the complexity of the model. With 50 samples, the model which is estimated by MLE method in LISREL provide less good parameter estimates and statistical models and produce negative variance. One of new approach which is introduced by Herman Wold is Partial Least Square (PLS). PLS which is often called with soft modeling is a method of SEM-based variant which the sample size is relatively small and does not require other assumptions such as the covariance-based SEM. Therefore, PLS can be used as an alternative method to resolve the problems faced by SEM. Keywords : Structural Equation Modeling (SEM), Partial Least Square (PLS)

Jenis Karya Akhir:	Skripsi
Subyek:	> Q Science (General) > QA Mathematics
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	1049934 . Digilib
Date Deposited:	01 Mar 2017 04:42
Terakhir diubah:	01 Mar 2017 04:42
URI:	http://digilib.unila.ac.id/id/eprint/25892

Actions (login required)

Lihat Karya Akhir