CMHC Committee 
Variabel dan indikator merupakan elemen penting dalam membangun model SEM PLS (Partial Least Squares Structural Equation Modeling). Menentukan variabel dan indikator yang tepat merupakan langkah krusial dalam memastikan hasil analisis yang valid dan akurat.
Jenis-jenis Variabel dalam SEM PLS
1. Variabel Laten
Variabel laten adalah variabel yang tidak dapat diamati secara langsung, seperti kepuasan pelanggan, loyalitas merek, dan kualitas hidup.
2. Variabel Terukur
Variabel terukur adalah variabel yang dapat diamati secara langsung, seperti skor survei, jumlah pembelian, dan tingkat pendapatan.
Indikator
Indikator adalah variabel terukur yang digunakan untuk mewakili variabel laten. Indikator yang baik harus:
- Memiliki validitas yang tinggi, yaitu mampu mengukur variabel laten yang dimaksud dengan tepat.
- Memiliki reliabilitas yang tinggi, yaitu konsisten dalam mengukur variabel laten.
- Memiliki hubungan yang kuat dengan variabel laten.
Langkah-langkah Menentukan Variabel dan Indikator
1. Identifikasi Variabel Laten
Langkah pertama adalah mengidentifikasi variabel laten yang ingin dianalisis. Variabel laten ini harus sesuai dengan tujuan penelitian Anda.
2. Temukan Indikator untuk Setiap Variabel Laten
Langkah selanjutnya adalah mencari indikator untuk setiap variabel laten. Indikator ini dapat diperoleh dari berbagai sumber, seperti:
- Literatur penelitian
- Teori yang relevan
- Pengalaman dan pengetahuan Anda
3. Evaluasi Validitas dan Reliabilitas Indikator
Evaluasi validitas dan reliabilitas indikator dapat dilakukan dengan berbagai cara, seperti:
- Analisis faktor
- Uji korelasi
- Uji Cronbach’s alpha
4. Pilih Indikator yang Terbaik
Setelah mengevaluasi validitas dan reliabilitas indikator, pilihlah indikator yang terbaik untuk digunakan dalam model SEM PLS.
Tips Menentukan Variabel dan Indikator
- Gunakan jumlah variabel laten dan indikator yang sesuai dengan kompleksitas model Anda.
- Pastikan indikator yang dipilih memiliki distribusi normal.
- Hindari multikolinearitas antar indikator.
Referensi:
- Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A primer on partial least squares structural equation modeling (PLS-SEM). Sage publications.
- Chin, W. W. (1998). The partial least squares approach to structural equation modeling. In G. A. Marcoulides (Ed.), Modern methods for business research (pp. 295-336). Lawrence Erlbaum Associates.
