Analisis SEM menggunakan SmartPLS

AnalisisSEM (Structural Equation Modeling) bisa juga dilakukan menggunakan SmartPLS

Software SmartPLS dirancang dengan sangat sederhana dan pengoperasiannya tidak terlalu sulit. SmartPLS lebih sering digunakan pada analisis SEM dengan data yang sedikit. Analisis SEM yang terdapat di Software SmartPLS seperti Analisis Outer (Pengukuran) dan Analisis Inner (Struktural)

Outer (Pengukuran)

1.    Convergent validity

Convergent validity dari model pengukuran dengan model reflektif indikator dinilai berdasarkan korelasi antara item score/component score dengan construct score yang dihitung dengan PLS. Ukuran reflektif dikatakan tinggi jika berkorelasi lebih dari 0,70 dengan konstruk yang ingin diukur. Namun demikian untuk penelitian tahap awal dari pengembangan skala pengukuran nilai loading 0,5 sampai 0,60 dianggap cukup (Ghozali, 2012).

 

2.    Discriminant validity

Discriminant validity dari model pengukuran dengan reflektif indikator dinilai berdasarkan cross loading pengukuran dengan konstruk dengan cara membandingkan nilai loading pada konstruk yang dituju harus lebih besar dibandingkan dengan nilai loading dengan konstruk yang lain

 

3.    Average Variance Extracted (AVE). Nilai AVE yang diharapkan >0.5

Ukuran AVE juga dapat digunakan untuk mengukur reliabilitas component score variable latent dan hasilnya lebih konservatif dibandingkan dengan composite reliability (CR). Jika semua indicator distandarkan, maka nilai AVE akan sama dengan rata-rata nilai block communalities.

Bertujuan untuk mengukur tingkat variansi suatu komponen konstruk yang dihimpun dari indikatornya dengan menyesuaikan pada tingkat kesalahan

 

4. Unidimensionality

a.    Composite Reliability. Data yang memiliki composite reliability >0.8 mempunyai reliabilitas tinggi. Uji keandalan data

b.    Cronbach Alpha. Uji Reliabilitas diperkuat dengan Cronbach Alpha. Nilai diharapkan >0.6 untuk semua konstruk. Uji tingkat konsistensi jawaban responden dalam satu variabel laten.

 

Analisa inner model (Model Struktural)

1.    R-Square 

R-Square pada konstruk endogen. Nilai R-Square adalah koefesien determinasi pada konstruk endogen. Dalam menilai model dengan PLS dimulai dengan melihat R-square untuk setiap variabel laten dependen. Nilai R-Square sebesar 0.75 (kuat), 0.50 (moderat), dan 0.25 (lemah)

 

2.    Effect size (f-square). Dilakukan untuk mengetahui kebaikan model.

Apakah prediktor variabel laten mempunyai pengaruh yang lemah, medium atau besar pada tingkat struktural, 0,02 (kecil) ; 0,15 (moderat); 0,35 (besar). variabel laten eksogen memiliki pengaruh kecil, moderat dan besar pada level struktural.

Menurut Cohen (1988) dalam Yamin dan Kurniawan (2011:21) Effect Size f² yang disarankan adalah 0.02, 0.15 dan 0.35 dengan variabel laten eksogen memiliki pengaruh kecil, moderat dan besar pada level struktural.

 

3.    Pengujian Hipotesa.

Berdasarkan olah data yang telah dilakukan, hasilnya dapat digunakan untuk menjawab hipotesis pada penelitian ini. Uji hipotesis pada penelitian ini dilakukan dengan melihat nilai T-Statistics dan nilai P-Values. Hipotesis penelitian dapat dinyatakan diterima apabila nilai P-Values < 0,05.

Video YouTube

https://www.youtube.com/watch?v=YVfqfeg-xlc&t=15s

https://www.youtube.com/watch?v=vc3jZ-uaAv0