SEM- Partial Least Square
(PLS)
Yulis Baso
National Taiwan University of Science and Technology
[Link] (WA) : 081355438890 )
Email ::securestatistic01@[Link]
Email : yulisbaso2020@[Link]
)
S1 : Moslem University of Indonesia
S2 : University of Indonesia Timur
S3 : National Taiwan University of Science and Technology
Introduction Structural Equation Modeling (SEM )
Structural Equation Modeling (SEM) adalah sekumpulan teknik
statistika yang memungkinkan pengujian sebuah rangkaian
hubungan yang relatif rumit yang tidak dapat diselesaikan oleh
persamaan regresi linear
Structural Equation Modeling (SEM) adalah analisis data
multivariate yang dapat menjelaskan secara bersamaan hubungan
antar variabel (Hair et al, 2017)
Structural Equation Modeling
Secara umum ada 2 (dua) metode analisis data Structural Equation Modeling yaitu:
1. SEM berbasis Kovarian (AMOS dan Lisrel )
2. SEM berbasi Varian ( SmartPLS )
Mengapa Menggunakan SmartPLS ?
Hair et al (2011) menjelaskan alasan memilih PLS karena :
✓ Tujuan penelitian bersifat prediksi / eksplorasi / pengembangan teori structural
✓ Model pengukuran dapat bersifat reflektif mapun formatif
✓ Model struktural komplek/ hipotesis penelitian cukup banyak
✓ Ukuran sample yang fleksibel
✓ Tidak membutuhkan asumsi data (distribusi data) tertentu
Introduction Structural Equation Modeling (SEM)
Model Hubungan Reflektif dan Formatif
Jumlah Sample Dalam PLS
✓ Goodhue et al (2006) menyatakan bahwa aturan sample 10x jumlah
koefisien jalur sebaiknya tidak digunakan karena akan menciptakan
rendahnya kekuatan uji statistik (Statistik Power)
✓ Hanseler et al (2009) menyatakan bahwa walaupun algorithm PLS dapat
menangani ukuran sample kecil namun sebaiknya ukuran sample PLS
tetap besar untuk mendukung uji dan kesimpulan penelitian
✓ Hair et al (2011) mengemukakan bahwa ukuran sample PLS adalah 5 -10
kali jumlah item pengukur.
Jumlah Sample Dalam PLS
✓ Kwong (2017) Ukuran sample PLS didasarkan pada kekuatan uji (Power statistik
80%) jumlah derect effect dalam model, R square & tingkat signifikansi 5%
✓ Kock & Hadaya (2018) didasarkan pada uji statistik (80%), signifikansi koefisien
jalur (0.20) & tingkat Signifikansi (5%), maka akan di dapat sample minimum
142-155 sample.
✓ Hair et al (2021) sample yang besar dalam PLS dapat meningkatkan presisi /
konsistensi hasil taksiran paramenter PLS
Jumlah Sample Dalam PLS
Jika peneliti mengasumsikan bahwa pengaruh antara variabel terletak antara 0.11 –
0.20 atau berdasarkan referensi sebelumnya dengan kekuatan uji 80% dan alpha
signifikansi 5%, maka kebutuhan sample adalah 155
Variabel PLS SEM
Variabel PLS SEM
Variabel Moderating PLS SEM
Konsep Model Pengukuran (Outer Model) PLS SEM
Analisis Keseluruhan PLS – SEM
Konsep Model Pengukuran (Outer Model) PLS-SEM
Analisis Uji Validitas dan uji Reliabilitas
Konsep Model Pengukuran (Outer Model) PLS SEM
Konsep Model Pengukuran (Outer Model) PLS-SEM
Konsep Model Stuctural (Inner Model) PLS-SEM
Analisis Keseluruhan PLS – SEM
Konsep Model Stuctural (Inner Model) PLS-SEM
Konsep Model Stuctural (Inner Model) PLS-SEM
Analisa Inner Model
Indikator Pengukuran
Konsep Model Stuctural (Inner Model) PLS-SEM
Konsep Model Stuctural (Inner Model) PLS-SEM
Pengujian Hipotesis PLS-SEM
Konsep Model Stuctural (Inner Model) PLS-SEM
Evaluasi Model Kreteria Keterangan
Outer Model
Validitas Nilai Loadiang Faktor Pengukur-pengukur dari suatu konstruk seharusnya berkorelasi
Konvergen > 0,70 tinggi
Average Variance Variabel laten dapat mengukur rata-rata dari setengah variance
Nilai AVE > 0,70
Extracted (AVE) dari indikator - indikatornya
Vaiditas Nilai Cros Loading > Pengukur-pengukur konstruk yang berbeda seharusnyanya tidak
Diskriminan 0,70 berkorelasi Tinggi
Composite Nilai Composite Digunakan untuk membuktikan akurasi, konsistensi & ketepatan
Reliability Reliability > 0,70 Instrumen dalam mengukur konstruk
Inner Model
Nilai R square 0,75
(Kuat), 0,50 R square di gunakan untuk mengukur tingkat variasi perubahan
R Squre
9Moderate), dan 0,25 variabel independen terhadap variabel dependen
(Lemah)
Uji Signifikansi (
Nilai P value (< 0,05) Untuk menguji pengaruh variabel independen terhadap dependen
Uji Hipotesis
dan T (> 1,96)
Nilai Effect Size 0,35
(kuat), 0,15 Di interpretasikan apakah prediktor variabel mempunyai
Effect Size
(Moderate) & 0,02 pengaruh yang kuat, moderate atau kecil pada tingkat structural
(Lemah )
Sumber (Ghozali, 2016)