Deskripsi
Kami menyusun buku ini karena tidak adanya partial least squares structural equals modelling (PLS-SEM) dalam disiplin ilmu perbankan dan keuangan. Namun, metode PLS-SEM telah diterima secara luas dan digunakan dalam disiplin ilmu seperti akuntansi, perawatan kesehatan, manajemen perhotelan, sistem informasi manajemen, pemasaran, manajemen operasi, manajemen strategis, manajemen rantai pasokan, dan pariwisata. Selain itu, metode ini semakin banyak diterapkan dalam berbagai disiplin ilmu tambahan seperti ekonomi, teknik, ilmu lingkungan, kedokteran, ilmu politik, dan psikologi (Richter et al. 2016). Dengan latar belakang ini, kami juga mengharapkan penerapan PLS-SEM dalam disiplin ilmu perbankan dan keuangan.
Sebagai metode kausal-prediktif, PLS-SEM memiliki spektrum aplikasi praktis yang luas untuk tantangan manajerial. Sayangnya, data sekunder yang sering ditemukan dalam basis data bisnis tidak mungkin memenuhi kendala seperti homogenitas dalam populasi, dan kesalahan pengukuran yang tidak berkorelasi. Dengan ketersediaan data sekunder yang terus meningkat, pendekatan pemodelan lunak PLS-SEM cocok untuk penelitian eksploratif, di mana teori belum sepenuhnya dikembangkan. Menggunakan pendekatan PLS-SEM direkomendasikan ketika (a) tujuannya adalah menjelaskan dan memprediksi konstruksi target dan/atau mendeteksi konstruksi pendorong penting, (b) model struktural telah mengukur konstruksi secara formatif, (c) modelnya kompleks (dengan banyak konstruksi dan indikator), (d) peneliti bekerja dengan ukuran sampel yang kecil (karena ukuran populasi yang kecil), dan (e) peneliti bermaksud untuk menggunakan skor variabel laten dalam studi lanjutan (Sarstedt et al. 2017). PLS-SEM relatif kuat dengan data yang tidak normal. Namun, peneliti tidak boleh menggunakan karakteristik terakhir dan/atau ukuran sampel kecil sebagai satu-satunya argumen untuk memilih PLS-SEM tetapi fokus pada tujuan analisis empiris mereka (Rigdon 2016). Hal ini penting untuk secara proaktif menanggapi potensi kritik yang telah diajukan terkait dengan PLS-SEM (untuk rincian lebih lanjut tentang perdebatan ini, lihat Sarstedt et al. 2016)