Kriteria Penggunaan CB-SEM, PLS-SEM dan GSCA.

 Kriteria Penggunaan CB-SEM, PLS-SEM dan GSCA.

NO	KRITERIA	CB-SEM	PLS-SEM	GSCA
1	Tujuan Penelitian	Untuk menguji teori atau mengkonfirmasi teori (orientasi parameter)	Untuk mengembangkan teori atau membangun teori (orientasi prediksi)	Untuk mengembangkan atau membangun teori (orientasi prediksi)
2	Pendekatan	Berdasarkan covariance	Berdasarkan variance	Berdasarkanvariance
3	Spesifikasi Model Pengukuran	Mensyaratkan adanya error terms dan indikator hanya berbentuk reflective.(indikator bisa juga berbentuk formatif tetapi memerlukan prosedur yang kompleks)	Indikator dapat berbentukformative dan reflective serta tidak mensyaratkan adanya error terms	Indikator dapat berbentuk reflectivedan formative serta dapat dilakukan spesifikasi model
4	Model Struktural	Model dapat berbentukrecursive dan non-recursive dengan tingkat kompleksitas kecil sampai menengah	Model dengan kompleksitas besar dengan banyak konstruk dan banyak indikator	Model dengan kompleksitas besar dengan banyak konstruk dan banyak indikator
5	Karakteristik Data dan Alogaritma	Mensyaratkan jumlah sampel yang besar dan asumsi multivariate normality terpenuhi (parametrik)	Jumlah sampel dapat kecil dan bisa dilanggarnya asumsimultivariate normality (non-parametik)	Jumlah sampel dapat kecil dan tidak mensyaratkan asumsimultivariate normality (non-parametik)
6	Evaluasi Model	Mensyaratkan terpenuhinya kriteria goodness of fitsebelum estimasi parameter	Estimasi parameter dapat langsung dilakukan tanpa persyaratan kriteria goodness of fit	Mensyaratkan terpenuhinya kriteriagoodness of fit untuk evaluasi model
7	Pengujian Signifikansi	Model dapat diuji dan difalsifikasi	Tidak dapat diuji dan difalsifikasi	Tidak dapat diuji dan difalsifikasi
8	Software Error	Sering bermasalah denganinadmissible dan faktorindeterminacy	Relatif tidak menghadapi masalah (crashing) dalam proses iterasi model	Sering bermasalah dengan inadmissibledan faktorindeterminacy
9	Besar sample	Kekuatan analisis didasarkan pada model spesifik-minimal direkomendasikan berkisar dari 200 sampai 800	Kekuatan analisis didasarkan pada porsi dari model yang memiliki jumlah prediktor terbesar. Minimal direkomendasikan berkisar dari 30 sampai 100 kasus	-
10	Asumsi	Multivariate normaldistribution, independence observation	Spesifisik prediktor (nonparametric)	-
11	Implikasi	Optimal untuk ketepatan parameter	Optimal untuk ketepatan prediksi	-
12	Estimasi Parameter	Konsisten	Konsisten sebagai indikator dan sample size meningkat (consistency at large)	-
13	Kompleksitas Model	Kompleksitas kecil sampai menengah (kurang dari 100 indikator)	Kompleksitas besar (100 konstruk dan 1000 indikator)	-
14	Skore Variabel Laten	Indeterminate	Secara eksplisit di estimasi	-