Bootstrapping

Bootstrapping

Apabila menjalankan analisis SEM dengan data tidak normal secara multivariate, nilai χ2 yang diperoleh dengan kaedah anggaran Maximum Likelihood (ML) dan Generaly Least Square (GLS) akan menjadi sangat besar. Data tidak normal juga akan menghasilkan nilai Comperative Fit Index (CFI) dan Tucker- Lewis Index (TLI) bawah anggaran. Data tidak normal juga akan menghasilkan Standard Error yang rendah. Hasilnya jalur regresi (regression path) dan kovarian faktor (factor covarian) akan menjadi signifikan sedangkan hal ini tidak berlaku dalam populasi sebenar.

Bootstrapping adalah pilihan lain dalam melakukan resampling dengan memperbanyak sesusi dengan pilihan. Efront (1989) mencadangkan kaedah resampling sebagai upaya memperbanyakkan sample (resampling), meskipun peneliti wajib menyedari keterbatasannya. SMARTPLS yang dibangunkan oleh Ringle (1991) dan sejumlah softwarelainnya seperto WrapPLS (Koock, 2014) mahupun, PLSGRAPH (Chin, 1988), serta AMOS (Arbucle, 1984) telah menerapkan model bootstrapping dalam rangka mendapatkan hasil terbaik, meskipun AMOS masih menepatkan teknik bootstrapping sebagai pilihan, tidak wajib seperti pada SMARTPLS.

Penulisan yang cuba dilakukan secara manual atas konsep bootstrapping dari Efron dan Tashbrani (1992) membuktikan bahawa apabila peneliti belum mendapatkan ciri yang paling minimum dari sampling atau karakter yang paling optimum, bahawa jumlah minimum masih belum mencerminkan keadaan yang sebenarnya, maka ada kemungkinan putaran sampel data kebanyakannya berada pada tahap pertengahan, sehingga hasil analisis menjadi bias dan tidak bermanfaat. 

Bagi proses persampelan bermula, pengolahan data dapat dilakukan secara manual, melalui cara Sobel (1982), yang hanya mengaitkan nilai path dari A dan B dengan standard error keduanya, melalui formulasi yang dikenal sebagai formulasi Sobel. Cara Sobel lebih banyak bersifat praktis, sederhana, lebih bersifat prediction. Sedangkan prosedur software misalnya melalui Wrappls (Kock, 2014) telah diperhitungkan adanya effect size power dalam mendapatkan prediksi mediasi, sehingga hasilnya menjadi berbeza dengan cara Sobel. Tingkat akurasi tentu lebih banyak pada aspek yang memperhitungkan effect size, atau pola two stages seperti yang dilakukan pada SmartPls versi 3. Degan demikian, tedapat banyak alternatif bagi peneliti untuk mendapatkan peranan mediasi melalui metodologi dengan anggapan tertentu.