Isu Terkini Penggunaan SEM-PLS: Jangan Salah Pakai Metode, Sobat Stata

Halo sobat stata 👋. Dalam beberapa tahun terakhir, Structural Equation Modeling – Partial Least Squares atau SEM-PLS menjadi salah satu metode yang paling sering muncul di skripsi, tesis, disertasi, hingga artikel jurnal. Namun, popularitas ini justru memunculkan persoalan baru: SEM-PLS sering dipakai, tetapi tidak selalu dipahami.

Artikel ini membahas isu terkini penggunaan SEM-PLS (2024–2025), termasuk kritik reviewer, tren metodologis global, dan kesalahan fatal yang sering membuat riset ditolak. Artikel ini disusun dengan gaya Sekolah Stata: lugas, berbasis logika riset, dan relevan untuk peneliti Indonesia.

1. SEM-PLS Terlalu Sering Dipakai Karena Dianggap Mudah

Salah satu isu terbesar saat ini adalah overuse SEM-PLS. Banyak peneliti memilih PLS bukan karena cocok secara metodologis, tetapi karena:

Sampel kecil
Data tidak normal
Ingin “aman” dari asumsi statistik

Padahal, SEM-PLS bukan metode darurat. Secara filosofi, PLS dikembangkan untuk tujuan prediksi, bukan untuk sekadar menguji teori mapan.

2. Perdebatan PLS-SEM vs CB-SEM Semakin Tegas

Diskursus global saat ini semakin tegas membedakan PLS-SEM dan CB-SEM. Reviewer jurnal internasional tidak lagi menerima alasan normatif seperti “data tidak normal” atau “sampel terbatas”.

Intinya sederhana:

Jika tujuan riset adalah konfirmasi teori → CB-SEM
Jika tujuan riset adalah prediksi dan eksplorasi → PLS-SEM

3. Kesalahan Spesifikasi Konstruk: Reflective vs Formative

Kesalahan klasik yang masih sering terjadi adalah salah menentukan jenis konstruk. Banyak peneliti:

Menjadikan semua variabel sebagai reflective
Tidak memberikan justifikasi teoritis
Tidak menguji multikolinearitas pada konstruk formative

Dalam SEM-PLS modern, kesalahan spesifikasi ini bukan lagi kesalahan kecil, tetapi alasan kuat untuk desk reject.

4. Goodness of Fit dalam PLS-SEM Masih Diperdebatkan

Berbeda dengan CB-SEM, PLS-SEM tidak dirancang untuk mengejar global goodness of fit. Namun, banyak peneliti masih memaksakan indeks seperti:

SRMR
NFI
GoF index

Tren terbaru menegaskan bahwa evaluasi PLS-SEM seharusnya fokus pada:

Artikel Blog Sekolah Stata di indeks Oleh Google Scholar

Akses Google Scholar

R2
Q2
Effect size (f2)
Prediksi out-of-sample (PLSpredict)

5. Pergeseran Besar ke Prediction-Oriented Research

Isu penting lainnya adalah pergeseran paradigma riset. SEM-PLS kini semakin diarahkan untuk:

Prediksi perilaku
Policy targeting
Forecasting sosial dan bisnis

Jika SEM-PLS hanya digunakan untuk melihat signifikansi jalur tanpa kemampuan prediksi, maka nilai ilmiahnya semakin dipertanyakan.

6. Integrasi SEM-PLS dengan Machine Learning

Tren mutakhir menunjukkan bahwa SEM-PLS mulai dikombinasikan dengan pendekatan machine learning. Pola yang muncul:

SEM-PLS → membangun struktur teoritis
Machine Learning → menguji performa prediksi

Dengan pendekatan ini, SEM-PLS tidak ditinggalkan, tetapi ditempatkan ulang secara lebih tepat.

7. Transparansi dan Replikasi Jadi Tuntutan Baru

Reviewer kini menuntut transparansi penuh dalam studi SEM-PLS, termasuk:

Pengaturan algoritma
Skema bootstrapping
Penanganan missing data

Tanpa pelaporan yang jelas, hasil SEM-PLS dianggap sulit direplikasi dan kurang kredibel.

8. Konteks Indonesia: Populer Tapi Semakin Berisiko

Di Indonesia, SEM-PLS masih sangat populer dan relatif aman di jurnal nasional. Namun, untuk target jurnal internasional bereputasi, risiko penolakan semakin tinggi jika:

Tujuan riset tidak jelas prediktif
Tidak ada justifikasi pemilihan PLS
PLS dipakai hanya karena “praktis”

Penutup: Jangan Jadikan SEM-PLS Jalan Pintas

Sobat stata, SEM-PLS bukan metode yang salah. Yang bermasalah adalah cara dan alasan penggunaannya. Di era sekarang, SEM-PLS harus diposisikan sebagai alat prediksi berbasis teori, bukan sekadar pelarian dari asumsi statistik.

Jika kamu ingin menggunakan SEM-PLS, pastikan satu hal: metode ini menjawab pertanyaan risetmu, bukan hanya mempermudah analisismu.

Jika kamu ingin pendalaman lebih lanjut, Sekolah Stata akan membahas topik ini secara teknis dan praktis dalam kelas dan konten lanjutan. Stay critical, stay statistical 🚀

Open Access Policy Brief dan PPT Webinar Webinar “Melihat Indonesia dari Angkasa: Mudik, Ekonomi Lokal dan Kualitas Udara”