Penelitian dengan Software Warp PLS 3.0
Langkah –
langkah (standar) Analisis Data dengan PLS
Analisis data
dan pemodelan persamaan struktural dengan menggunakan software PLS, adalah sebagai
berikut:
a.
Merancang
Model Struktural (Inner Model)
Inner Model atau Model Struktural menggambarkan hubungan antar variabel laten berdasarkan pada substantive
theory. Perancangan Model Struktural hubungan antar variabel laten
didasarkan pada rumusan masalah atau hipotesis penelitian.
b.
Merancang
Model Pengukuran (Outer Model)
Outer Model atau Model Pengukuran mendefinisikan bagaimana setiap
blok indikator berhubungan dengan variabel latennya. Perancangan Model
Pengukuran menentukan sifat indikator dari masing-masing variabel laten, apakah
refleksif atau formatif, berdasarkan definisi operasional variabel.
c.
Konversi
Diagram Jalur ke Sistem Persamaan
1)
Model
persamaan dasar dari Inner Model dapat ditulis sebagai berikut:
Ŋ = β0 + βŋ + Гξ + ζ
Ŋj = Σi βji ŋi + Σi үjb ξb + ζj
2)
Model
persamaan dasar Outer Model dapat ditulis sebagai berikut:
X = Λx ξ + εx Y = Λy ŋ + εy
d.
Estimasi
: Weight, Koefisien Jalur, dan Loading
Metode pendugaan parameter (estimasi) di dalam PLS adalah metode
kuadrat terkecil (least square methods). Proses perhitungan dilakukan
dengan cara iterasi, dimana iterasi akan berhenti jika telah tercapai kondisi
kenvergen. Pendugaan parameter di dalam PLS meliputi 3 hal, yaitu:
1)
Weight
estimate yang digunakan untuk menghitung
data variabel laten.
2) Path
estimate yang menghubungkan antar variabel
laten dan estimasi loading antara variabel laten dengan indikatornya.
3)
Means
dan parameter lokasi (nilai konstanta regresi, intersep) untuk indikator dan variabel
laten.
e.
Evaluasi
Goodness of Fit
Goodness of Fit Model
diukur menggunakan R2 variabel laten dependen dengan interpretasi yang sama
dengan regresi. Q2 predictive relevance untuk model struktural mengukur
seberapa baik nilai observasi dihasilkan oleh model dan juga estimasi
parameternya.
Q2 = 1 – ( 1 - R12 ) ( 1 – R22 ) … (1 – Rp2)
Besaran memiliki nilai dengan rentang 0-2 pada analisis jalur (path
analysis).
f.
Pengujian
Hipotesis (Resampling Bootstraping)
Pengujian Hipotesis (β, ү, dan λ) dilakukan dengan metode resampling
Bootstrap yang dikembangkan oleh Geisser & Stone. Statistik uji yang
digunakan adalah statistik t atau uji t. Penerapan metode resampling,
memungkinkan berlakunya data terdistribusi bebas (distribution free)
tidak memerlukan asumsi distribusi normal, serta tidak memerlukan sampel yang
besar (direkomendasikan sampel minimum 30). Pengujian dilakukan dengan t-test,
bilamana diperoleh p-value.
Langkah-langkah
penggunaan software WarpPLS 3.0
a.
Tahap
1: Tabulasi Data
Input data melalui excel dan menyimpan dalam bentuk File NotePad (txt). Dengan cara
klik Save As pilih Other
Formats dan memberi nama file. Pada
kolom Save As type pilih text (tab delimited) lalu klik save.
b.
Tahap
2: Menjalankan Program WarpPLS 3.0
1)
Jalankan
program VPLS dengan mengklik shortcut program WarpPLS 3.0 desktop layar komputer
2)
Muncul
tampilan jendela program WarpPLS 3.0
3)
Klik
Proceed to use software
4)
Analisa
melalui lima langkah :
a)
Langkah
1 : Membuka atau membuat file proyek
Membuat proyek atau pekerjaan baru dengan klik Create Project File
dan disimpan dalam file komputer. File
akan tersimpan dalam bentuk “.prj” dan telah berisi komponen yang telah berisi
komponen yang diperlukan dalam melakukan analisis SEM.
b)
Langkah
2 : Membaca data mentah yang akan digunakan dalam anailsis SEM
Pembacaan data mentah dengan klik Read Raw Data File.
Memilih data BAR dalam bentuk notpad teks. Selanjutnya klik Open,
maka akan muncul jendela dengan judul Import Wizard. Selanjutnya klik Next lalu
Finish.
Dalam langkah ini diharapkan dilakukan pemeriksanaan data tabulasi
awal dan format yaitu jumlah observasi pada baris dan nama-nama indikator variabel laten pada kolom, jika sudah benar
maka klik dan format yaitu jumlah
observasi pada baris dan nama-nama indikator
variabl laten pada kolom, jika sudah benar maka klik YES jika belum maka daiadakan peengcekan ulang
dengan terlebih dahulu menghentikan program.
c)
Langkah
3 : Pre-Process data untuk analisis SEM
Klik Pre-Process, biasanya
tampilan menunjukkan tidak ada masalah dalam data, seperti missing Vales,
Zero Variance Problem dan Rank Problems. Seingga muncul data yang
telah terstandarisasi. Data yang terstandarisasi umumnya bernilai antara -4 sampai dengan 4.
Jika ada Missing Values maka akan mnjadi nol karena diganti dengan nilai
rata-rata indikator pada kolom.
d)
Langkah
4 : Mendefinisi Model SEM
Klik proses 4 kemudian :
- Menggambar variabel laten dan mengisinya dengan indikator
- Membuat hubungan langsung (direct llink) dan hubungan moderasi (moderating link)
yang disebut sebagai Inner Model.
e)
Langkah
5 : Menjelaskan Analisis SEM dan melihat hasilnya
Pembacaan output :
- General Result :
Nilai P untuk APC dan ARS
harus lebih kecil dari 0,05 taua berarti signifikan. Dari hasil tersebut
dapat dilihat bahwa nilai P untuk APC dan ARS lebih kecil dari 0,05. Nilai AVIF
sebagai indikator multikolinearitas harus lebih kecil dari 5.
- Path Coefficients and P
values
Kolom ini menunjukkan variabel laten prediktor dan baris
menunjukkan variabel laten kriterion.
- Standar Errors and Effect Size for Path Coeficient
Nilai effct size dikelompokkan menjadi tiga kategori yaitu lemah (0,02) medium (0,15) dan besar (0,35). Jika nilai effect size sebesar 0,20
menunjukkan bahwa pengaruh variabel laten prediktor sangat lemah dari pandangan
praktis meskipun mempunyai nilai p yang signifikan.
- Output Combined loadings and Cross-loadings
Terdapat dua kriteria untuk menilai apakah outer model memenuhi
validitas konvergen untuk konstruk yang relatif. Loading harus diatas nilai
0,70 dan nilai signifikansi (<0,50)
- Indicator Weight
Karena dari tahap awal menggunakan konstruk relatif maka output ini
menjadi tidak relevan dalam laporan penelitian. Tetapi jika memakai variabel
laten formatif maka akan disajikan, tetapi dikatakan variabel tersebut telah
dikatakan layak dinilai apabila pada bobot P nilai <0,05 dan nilai VIF
kurang dari 3,3.
- Laten Variabel Coefficients
Nilai R-square menunjukkan
berapa presentase variasi konstruk endogen dapat dijelaskan oleh konstruk yang
dihipotesiskan mempengaruhinya (eksogen). Nilai AVE selain untuk reliabilitas
bisa dipergunakan sebagai validitas konvergen. Nilai VIF harus kurang dari 3,3
untuk menunjukkan bahwa model bebas dari masalah kolinearitas dan common
method bias.
- Correlations among latent variables
Output ini dipergunakan untuk evaluasi validitas diskriminan .
kriteria yang dipergunakan adalah akar kuadrat AVE, yaitu kolom diagonal yang
diberi tanda kurung harus lebih tinggi dari korelasi antar variabel laten pada
kolom yang sama.
- VIF
Bagian ini menunjukkan apakah model mempunyai maslah dalam
kolinaritas vertikal, jika menunjukkan angka kurang dari 3,3 maka menunjukkan
bebas dari kolinearitas.
- Correlation among Indicators
Tampilan ini hanya menunjukkan korelasi antar indikator.
- Linear and Non linear Realtionship among Latent variabel
Biro Olah Data Skripsi, Tesis, Disertasi Untuk Analisis Statistika Dengan SPSS, AMOS, LISREL, EVIEWS, SMARTPLS, GRETL, STATA, MINITAB dan DEAP 2.1
BalasHapusWhatsApp : +6285227746673
PIN BB : D04EBECB
IG : @olahdatasemarang
Website : http://biro-jasa-spss.blogspot.co.id
Olah Data SmartPLS 3.2.7 Professional
BalasHapusWhatsApp : +6285227746673
IG : @olahdatasemarang
https://www.youtube.com/watch?v=3i2-G5jeL-0
Jasa yang kami sediakan, antara lain: Olah Data SmartPLS 3.2.7 Professional.
Olah data PLS dengan program SmartPLS 3.2.7 Professional memang tergolong cukup rumit.
Namun demikian saat ini banyak penelitian yang membutuhkan teknik analisa data tersebut.
Apabila anda kesulitan dalam menyelesaikan tugas akhir terkait dengan teknik analisis PLS dengan program SmartPLS 3.2.7 Professional.
Maka jangan khawatir kami siap membantu.
Download SmartPLS 3.2.7 Full Version
BalasHapusSmartPLS 3.2.7 Full Version adalah perangkat lunak dengan antarmuka pengguna grafis
untuk pemodelan persamaan struktural berbasis keragaman (SEM)
menggunakan metode pemodelan jalur parsial terkecil (PLS)
(SmartPLS is a software with graphical user interface for
variance-based structural equation modeling (SEM)
using the partial least squares (PLS) path modeling method)
Link Download SmartPLS 3.2.7 Full Version
http://linku.us/nWXHt4V5
Link Petunjuk Dan Cara Download SmartPLS 3.2.7 Full Version
(Link Instructions and How to Download SmartPLS 3.2.7 Full Version)
https://goo.gl/1Fqjq2
Pelatihan SmartPLS 3.2.8
BalasHapusWorkshop SmartPLS 3.2.8
Kursus SmartPLS 3.2.8
Courses SmartPLS 3.2.8
Training SmartPLS 3.2.8
Materi Pelatihan
A. Menyiapkan Data
B. Menjalankan SmartPLS
C. Analisis Output SmartPLS
D. Outer Model
E. Inner Model
F. Evaluasi Kebaikan Model (Goodness of Fit)
G. Pengujian Hipotesis
H. Pengujian Mediasi
J. Pengujian Moderasi
Ø Lama Kursus : 2 jam
Ø Biaya : Rp. 200.000,- (Orang)
Ø Fasilitas
a. Instalasi software SmartPLS 3.2.8
b. Modul pelatihan softfile
Ø Tanggal Pelaksanaan
Setiap Bulan di hari Minggu.
Hubungi : Olah Data Semarang Jl. Plamongansari V RT.002 RW.009 Semarang Whatsapp 085227746673
SmartPLS 3.2.8 Full Version & Turnitin Student No Repository (31 Des 2020) @ Rp. 20.000
BalasHapusCukup Dengan Harga Rp. 20000 Anda Bisa Dapat SmartPLS 3.2.8 Full Version Bonus Class Id Dan Enrollment Key
Turnitin Student No Repository Berlaku Sampai 31 Desember 2020
Link Download SmartPLS 3.2.8 Full Version Bonus Class Id Dan Enrollment Key Turnitin Student No Repository
https://s.id/SmartPLSMurah
Cara Unduh Dan Download Di Safelinku
http://bit.ly/UnduhSafelinku
WhatsApp 085227746673 (+6285227746673)
SmartPLS 3.3.2 Professional Full Version Free (Gratis)
BalasHapusBerupa Software Portable Sehingga Tidak Perlu Install
Langsung Dipakai Atau Digunakan
Link Download
https://s.id/Smart332