Saat artikel ini ditulis, saya sedang belajar tentang Integrated Generalized Structured Component Analysis (IGSCA). Hal yang perlu saya tulis di sini mengenai perbedaan faktor, variabel laten, dan komponen dalam IGSCA.
IGSCA merupakan pengembangan terbaru dari SEM-PLS. SEM-PLS merupakan bagian pengembangan dari SEM yang awalnya berbasis covariance. basis ini memiliki kelemahan yakni jumlah data yang harus banyak dan sebaran baku yang harus dipenuhi. SEM-PLS hadir memberi solusi bahwa data tidak perlu banyak dan sebaran tidak harus normal.
Namun, terdapat beberapa kelemahan dalam proses SEM-PLS. salah satunya adalah belum adanya penilaian goodness of fit seperti di SEM yang berbasis covariance. Hal ini menimbulkan pertanyaan dan keraguan tentang seberapa valid model yang dikeluarkan oleh SEM-PLS. kekurangan kedua yang saya rasakan bahwa variabel dalam SEM-PLS ke semuanya adalah variabel laten. variabel laten adalah variabel yang tidak dapat diukur namun bisa dicirikan dengan variabel lain sebagai indikatornya. misalnya, kita tidak bisa mengukur berapa besar tingkat kepercayaan seseorang. tapi kepercayaan itu bisa diwakilkan dengan beberapa indikator yang mencirikannya.
Kelemahan SEM-PLS ini diperbaiki oleh IGSCA. pertama, IGSCA memiliki indikator goodness of fit yakni GFI dan SRMR. mengenai besarannya bisa anda searching di internet. kedua, selain variabel laten, IGSCA memiliki faktor dan komponen. pengertian faktor lebih mendekati kepada variabel laten. sedangkan komponen merupakan variabel yang dikur dengan nilai variabel lain yang bersifat linear. misalnya sebuah fungsi pendapatan yang terdiri dari konsumsi, investasi, pengeluaran pemerintah, dimana rumus tersebut biasanya tertulis secara linear.
Sumber: Hwang, H., Sarstedt, M., Cho, G., Choo, H., & Ringle, C. M. (2023). A primer on integrated generalized structured component analysis. European Business Review, 35(3), 261–284. https://doi.org/10.1108/EBR-11-2022-0224