ABADI: JURNAL AHMAD DAHLAN MENGABDI

Volume 2 No. 1 Maret 2023, Halaman 29–36

Doi: 10.58906/abadi.v2i1.92
Pelatihan Menggunakan Smartpls 3.0 Untuk Pengujian Hipotesis
Bagi Mahasiswa Ekonomi Syariah

Rokhmat Subagiyo 1, Ahmad Syaichoni 2

12
UIN Sayyid Ali Rahmatullah Tulungagung, Tulung Agung, Indonesia

Informasi Artikel Abstrak: Banyak mahasiswa belum memahami penggunaan SmartPLS

____________________ dalam pengolahan data akademik dan penelitian, padahal alat ini sering
Kata Kunci: digunakan dalam analisis statistik. Oleh karena itu, mahasiswa FEBI UIN
SmartPLS; Hipotesis; Sayyid Ali Rahmatullah Tulungagung perlu mendapatkan pelatihan terkait.
Kuantitatif Sebanyak 20 mahasiswa mengikuti pelatihan sehari tentang penggunaan
SmartPLS 3.0, menggunakan bahan dari buku panduan Partial Least
Keywords Squares. Pelatihan berjalan lancar, dengan keterlibatan aktif peserta, dan
SmartPLS; Hypothesis; sebagian besar mampu memahami materi yang disampaikan. Hasilnya,
Quantitative. sekitar 70% peserta dapat menguasai penggunaan SmartPLS secara efektif,
____________________ yang membantu mereka dalam menganalisis data untuk tugas akhir.
Penulis Korespondensi:
Rokhmat Subagiyo Abstract: Many students lack a proper understanding of how to use
Korespondensi Email: SmartPLS for academic and research data analysis, even though it is
rokhmatsubagyo@uinsat frequently used for statistical analysis. Therefore, FEBI students at UIN
[Link] Sayyid Ali Rahmatullah Tulungagung need relevant training. Twenty
students participated in a one-day training workshop on using SmartPLS
3.0, with materials sourced from a guidebook on Partial Least Squares
concepts. The training ran smoothly, with active engagement from
participants, and most were able to grasp the presented material. As a
result, around 70% of the participants effectively mastered the use of
SmartPLS, supporting their ability to analyze data for their final projects.

PENDAHULUAN
Salah satu metode analisis multivariat adalah dengan melihat korelasi antara dua variabel
independen, atau melihat pengaruh satu variabel terhadap sekelompok variabel. Ini dilakukan
dengan menggunakan variabel indikator tunggal untuk variabel dependen. Agar berfungsi, PLS
tidak memerlukan praduga atau penelitian teoretis yang berat. Sanggup analisa ilustrasi baik yang
kecil maupun yang besar.
Pemodelan Persamaan Struktural adalah salah satu teknik analisis multivariat lanjutan yang
paling banyak digunakan dalam dekade terakhir. SEM telah menjadi salah satu dari banyak
metode penelitian kuantitatif yang digunakan dalam berbagai bidang seperti bisnis, pemasaran,
ekonomi, psikologi, kedokteran, dan kesehatan masyarakat, seperti yang ditunjukkan oleh
kemunculannya di jurnal akademik yang diterbitkan oleh berbagai pers ilmiah (Wibisono et al.,
2021).. Situasi ini menunjukkan apakah meningkatnya popularitas metode analisis SEM adalah
hasil dari meningkatnya perhatian yang diberikan pada penggunaannya di berbagai disiplin ilmu.
SEM adalah model yang menggabungkan analisis rute, pemodelan struktural, dan analisis
pengukuran model untuk mengestimasi masing-masing secara terpisah dan dengan presisi. SEM
adalah metode statistik terkenal yang diperluas yang sekarang digunakan di berbagai bidang,
termasuk biometrik, ekonomi, psikologi, dan sosiometri. Ini juga dapat digunakan untuk sistem
manajemen, antara lain SDM, Pemasaran, dan Keuangan. Dalam melakukan analisis SEM
(Structural Equation Model), terkadang tim menjadi stuck pada beberapa ilustrasi yang sedikit
terlalu banyak, serta asumsi normalitas dan bugat model tidak menjadi pertimbangan. Ini
membutuhkan semacam rencana cadangan yang benar-benar mengurangi keadaan yang
mendasarinya. Model SEM dengan PLS adalah metode analisis komplementer yang didasarkan
pada pemecahan masalah saat ini. Sejumlah besar informasi tidak diperlukan untuk analisis

[Link] e-ISSN: 2828-4461

Abadi: Jurnal Ahmad Dahlan Mengabdi, Volume 2 No. 1 Maret 2023, Halaman 29-36

menggunakan teknik PLS, dan kehadiran normalitas multivariat juga tidak diasumsikan. Penilaian
kelayakan model (uji bugat model) ditaksir pada tata cara PLS yang ditaksir parameternya
memakai pendekatan Least Square tidak wajib dicoba. Penelitian juga dapat dilakukan dengan
menulis esai referensi persuasif pada aplikasi mendeley.
Hal terpenting yang harus dilakukan oleh seorang mahasiswa di perguruan tinggi adalah
menulis skripsi sebagai tugas akhir mereka (Jurusan Ekonomi Syariah, 2022). Mahasiswa
membutuhkan data di lapangan dalam penyusunan skripsi. Setelah data terkumpul, mahasiswa
perlu mengorganisasikan dan menganalisis data hingga penyelesaian naskah.
Banyak perangkat lunak yang digunakan dalam penambangan data, khususnya untuk
tujuan melakukan penelitian kuantitatif. Versi terbaru disebut smartPLS 3.0. Perkembangan dari
model persamaan struktural (SEM) adalah PLS. SEM dibagi menjadi dua kategori: SEM
berdasarkan kovarians (CBSEM) dan SEM berdasarkan varians, sering dikenal sebagai partial
least squares (PLS). Menurut Hair et al., PLS lebih open-ended atau eksploratif daripada SEM
berdasarkan kovarians, yang sering digunakan untuk menantang teori, mengkonfirmasi teori, atau
membandingkan teori yang mirip dengan teori (Hair et al., 2017)
SmartPLS dapat membantu pengumpulan dan pemrosesan data. Meninjau kegunaan
perangkat lunak (Wibisono et al., 2021; Yuliawan, 2021; Rahayu & Sari, 2021). Penting bagi
anggota fakultas bisnis dan ekonomi Islam untuk memiliki pengetahuan dan kemahiran dengan
smartPLS selama pengumpulan data (Astuti & Bakri, 2021; (Yuliawan, 2021).
Sekitar 65% mahasiswa ekonomi syariah belum sepenuhnya memahami penggunaan
smartPLS untuk pendataan, baik data akademik maupun non akademik (Asiyah, 2022). Dalam
proses pengumpulan dan analisis data, perangkat lunak kendatipun sering digunakan. Untuk itu,
sangat penting untuk memberikan pelatihan analisis dan pemrosesan data menggunakan
smartPLS kepada mahasiswa FEBI UIN Sayyid Ali Rahmatullah.
METODE
Pelatihan diberikan sebagai bagian dari metode yang digunakan untuk melakukan
pengabdian masyarakat (Ramadhan et al., 2019). Kegiatan ini berlangsung pada hari Sabtu, 2 Juli
2022, di ruang pertemuan Fakultas Ekonomi dan Bisnis Islam Universitas Islam Negara Sayyid
Ali Rahmatullah, Tulungagung, Indonesia. Acara tersebut dijadwalkan berlangsung antara jam 8
pagi dan 2 sore.
Berikut ini adalah Langkah-langkah aktivitas pengabdian masyarakat. Kegiatan-kegiatan
tersebut adalah sebagai berikut: (1) pra-kegiatan yaitu dua puluh (20) mahasiswa terpilih untuk
berpartisipasi sebagai hasil langsung dari upaya penjangkauan tim Pengabdian kepada
masyarakat. Peserta dipilih dari mahasiswa pada semester terakhir atau dari mahasiswa yang
sedang mengerjakan skripsi yang mempergunakan SmartPLS.; (2) penyampaian materi; terpilih
karena reputasinya yang luar biasa, Farhan Faradila, S.E., M.E. telah ditunjuk sebagai narssumber
terpercaya untuk program pengabdian kepada masyarakat. Kegiatan ini terbagi menjadi dua yaitu:
pendaftaran peserta dan pelaksanaan program pengabdian masyarakat, atau pengabdian. Dua
puluh orang akan berpartisipasi dalam acara tersebut dan akan memiliki kesempatan untuk
berlatih, bertanya, dan berinteraksi langsung dengan para narasyumber selama durasi pelatihan.
3) Praktik dan pendampingan Peserta akan mendapatkan kesempatan untuk berlatih langsung
mengolah data tugas akhir mereka di SmartPLS dan menginterpretasikan hasilnya untuk menarik
kesimpulan tentang hipotesis dan metodologi penelitian pada tahap ini. Peserta didukung oleh tim
PKM selama simulasi pelatihan melalui pemberian informasi dan bimbingan, pengumpulan dan
interpretasi data, dan penggunaan perangkat lunak SmartPLS untuk pengujian hipotesis; dan (4)
evaluasi kegiatan, Tim PKM memberikan penilaian terhadap prosedur analisis data yang
digunakan oleh peserta untuk menghasilkan keluaran SmartPLS, dan kemudian
menginterpretasikan prosedur ini dalam bentuk hasil yang dihipotesiskan. Ketua Tim Pengabdian
Masyarakat menyampaikan kata penutup dan memberikan daftar masukan/rekomendasi untuk

[Link] e-ISSN: 2828-4461

30
Abadi: Jurnal Ahmad Dahlan Mengabdi, Volume 2 No. 1 Maret 2023, Halaman 29-36

meningkatkan pemahaman partisipasi tentang proses analisis data dan pemahaman interpretasi
hasil pengobatan. Tugas akhir setiap peserta akan mencakup hipotesis penelitian berdasarkan
analisis data mereka. Peserta pada acara ini juga akan diberikan kuesioner untuk diisi tentang
sikap mereka tentang materi pelajaran, tingkat pengetahuan dan keterampilan mereka di bidang
mata pelajaran, dan kualitas materi yang disajikan di luar kelas..
HASIL DAN PEMBAHASAN
Aplikasi SmartPLS untuk penelitian adalah kegiatan yang menggabungkan teori dan
praktik smartPLS. Ketua Tim Pengabdian untuk Masyarakat (PKM) ditunjuk sebagai sumber
pelatihan selama sesi pertama pelatihan SmartPLS. Narasumber memberikan presentasi tentang
ide-ide statistik, SmartPLS, dan analisis SEM-PLS pada sesi kedua, serta menjawab pertanyaan
audiens tentang materi yang diajukan pada sesi sebelumnya. Dalam sesi kedua ini, Narassumber
akan menunjukkan kepada peserta pengabdian bagaimana menggunakan SmartPLS 3.
Pra Kegiatan
Tim Pengabdian kepada Masyarakat telah membentuk komite kecil untuk membuka
pendaftaran pelatihan SmartPLS untuk meningkatkan kualitas data analisis tugas akhir mahasiswa
di Fakultas Ekonomi dan Bisnis Islam yang telah menyelesaikan enam semester program sarjana
atau sedang mengambil skripsi. Berdasarkan hasil pendaftaran, tim pengabdian kepada
masyarakat telah membatasi jumlah peserta menjadi 20 (dua puluh) orang. Seperti yang
ditunjukkan pada gambar 1.

12 4

MBS MKS PS

Gambar 1. Jurusan Peserta Pelatihan

Sebagian besar mahasiswa Perbankan Syariah (PS) terdiri dari 12 orang. Kemudian ada
empat (4) mahasiswa Manajemen Bisnis Syariah (MBS) dan empat siswa Manajemen Keuangan
Syariah (MKS). Ini menunjukkan bahwa disiplin ilmu yang menjadi tema skripsi membutuhkan
jawaban responden melalui kuesioner. Selain itu, peserta pelatihan masih tidak mengerti
bagaimana menangani data hasil kuesioner untuk penelitian kuantitatif, juga tidak memahami
bagaimana menganalisis data statistik menggunakan perangkat lunak Smart PLS.
Penyampaian Materi
Program ini menggunakan teknik ceramah serta lokakarya. Teknik ceramah, menggunakan
konten yang relevan dalam bentuk slide powerpoint yang disediakan oleh sumber menggunakan
projektor LCD. Para peserta pertama kali diberikan materi dalam bentuk file power point,
Microsoft Excel, dan SmartPLS SEM versi 3. Selain menjawab pertanyaan, sumber memberikan
informasi langsung kepada peserta pelatihan (Budiarsi, 2020; Wibisono et al., 2021). Selama
diskusi, peserta pelatihan memiliki kemampuan untuk berbicara langsung dengan peserta lain,
dan sumber bertindak sebagai fasilitator, setelah itu pelatih memiliki kesempatan untuk
mengajukan pertanyaan tentang analisis data menggunakan perangkat lunak SmartPLS.
Workshop adalah strategi berikutnya. Di sinilah peserta pelatihan akan dimulai, dengan
kemampuan untuk berlatih pemrosesan data.

[Link] e-ISSN: 2828-4461

31
Abadi: Jurnal Ahmad Dahlan Mengabdi, Volume 2 No. 1 Maret 2023, Halaman 29-36

Dengan metode workshop, peserta berlatih langsung di ruang pertemuan Fakultas Ekonomi
dan Bisnis Islam dengan laptop masing-masing peserta yang sudah dilengkapi dengan aplikasi
SmartPLS dan segera siap digunakan. Peserta diberi petunjuk langkah demi langkah tentang cara
mengumpulkan data yang kompatibel dengan analisis hasil SmartPLS. Peserta juga diberi
interpretasi bagaimana hasil pemrosesan aplikasi SmartPLS menjadi kesimpulan melawan
hipotesis. Sementara berlatih pengolahan data, instruksi memberi peserta kesempatan untuk
bertanya satu sama lain secara langsung tentang materi yang telah diajarkan dan dibahas secara
mendalam. dalam pelatihan tersebut.
Praktik dan Pendampingan
Tahap implementasi kegiatan dan dukungan peserta untuk berlatih memproses tugas data
akhir dengan SmartPLS dibagi menjadi beberapa sesi. Sesi pertama didedikasikan untuk mengajar
peserta dasar-dasar metode statistik. Secara khusus, analisis regresi, analisa komponen, variabel
tersembunyi, dan variabilitas kekuatan dan korelasi semuanya tercakup dalam basis statistik
(Yuliawan, 2021). Narasumber ini menyajikan materi sesi pertama seperti yang ditunjukkan pada
Gambar 1.

Gambar 2. Penyampaian pengenalan aplikasi SmartPLS

Sesi Pertama, Narasumber menjelaskan konsep regresi dengan daftar contoh berdasarkan
preferensi audiens. Peserta menyebutkan tema pilihan yang sama dengan penelitian terdahulu.
Selanjutnya narasumber menjelaskan regresi yang biasanya dilakukan peserta dan perbedaannya
dengan model persamaan struktural (SEM). Perbedaan antara regresi dan SEM dijelaskan dalam
bentuk model konseptual. Narasumber memberikan penjelasan yang jelas tentang konsep/teori
yang dikembangkan oleh regresi dan membandingkannya dengan SEM. Setelah menjelaskan
regresi, narasumber akan memberikan informasi tentang keadaan SEM saat ini. SEM adalah alat
untuk analisis faktor dan analisis path (Haryono, 2016). Selanjutnya, narasumber akan
menjelaskan bagaimana variabel laten dapat dibentuk dengan menggabungkan beberapa faktor.
Narasumber memberikan instruksi terperinci kepada peserta tentang cara melakukan
analisis faktor menggunakan laptop di mana masing-masing peserta telah memuat program
SmartPLS. Narasumber juga menggambarkan keunggulan SEM, khususnya kemampuan untuk
menguji beberapa asosiasi secara bersamaan. Begitu narasumber telah selesai membahas analisis
faktor, peserta dapat menempatkan data melalui analisis regresi untuk lebih memperjelas
kesimpulan mereka. Setelah simulasi dan pengujian skenario mereka dengan banyak variabel
tergantung, Peserta mengeksplorasi keuntungan lebih lanjut dari SEM atas regresi. Potensi SEM
untuk menguji beberapa asosiasi pada saat yang sama juga disebutkan oleh sumber nara
(Matthews et al., 2018). Belum lagi, peserta akan dapat mengamati perbedaan antara dua
pendekatan analisis data (Regresi dan SmartPLS) dalam keadaan nyata, seperti yang terlihat di
Gambar 2, menurut narasumber

[Link] e-ISSN: 2828-4461

32
Abadi: Jurnal Ahmad Dahlan Mengabdi, Volume 2 No. 1 Maret 2023, Halaman 29-36

Gambar 3. Perbedaan hasil dari teknik yang digunakan

Peserta belajar bahwa SEM berbasis PLS dapat digunakan dalam dua cara untuk
mengumpulkan data. Analisis faktor dan regresi adalah teknik yang digunakan.
Sesi kedua kemudian dilanjutkan dengan presentasi materi yang berkaitan dengan tutorial
penggunaan perangkat lunak dalam persiapan data, penyusunan model, dan pemrosesan data
menggunakan SmartPLS. Seperti yang ditunjukkan pada Gambar 3, semua peserta mengikuti
tutorial pada tiap-tiap laptop yang diisi dengan perangkat lunak SmartPLS 3.

Gambar 4. Proses Simulasi Software

Narasumber sudah memberikan data mentah dari hasil penelitian kepada peserta sebelum
acara. Setelah memproses data mentah, peserta membangun dan menguji model. Selain itu,
peserta yang telah mengumpulkan data penelitian untuk naskah mereka didorong untuk berlatih
dan memprosesnya. Narasumber ini juga menjelaskan cara membuat model SmartPLS dan dari
mana variabel atau indikator latensi yang digunakan dalam contoh berasal. Ditambah penjelasan
bagaimana Anda membangun model ini.
Narasumber secara aktif memberikan tutorial dan bimbingan tentang cara penggunaan
SmartPLS, mulai dari menghasilkan file baru untuk proyek baru hingga mengimpor data dan
menggambar model selama proses simulasi. Untuk proyek-proyek baru, peserta diberikan
tutorial, dan bantuan tersedia untuk setiap kesulitan yang timbul selama simulasi, termasuk
bagaimana merancang model tepat seperti yang akan ditampilkan. Semua peserta percaya bahwa
aplikasi SmartPLS mudah digunakan. Para peserta diberi kesempatan yang sama untuk bertanya
kepada narasumber. Narasumber dapat menjawab pertanyaan setiap peserta dengan jelas dan
singkat. Sebagai hasil dari praktik pengolahan data dan menerima jawaban dari sumber, peserta
memiliki pemahaman yang lebih baik tentang bagaimana menggunakan SmartPLS.
Peserta sangat tertarik untuk belajar bagaimana memanfaatkan program SmartPLS. Jelas
bahwa setiap peserta akan menggunakan dan mengikuti model yang dikembangkan oleh
narasumber. Setelah peserta mendeskripsikannya sebagai contoh, petunjuk langkah demi langkah
disediakan untuk pengujian model.

[Link] e-ISSN: 2828-4461

33
Abadi: Jurnal Ahmad Dahlan Mengabdi, Volume 2 No. 1 Maret 2023, Halaman 29-36

Narasumber sekarang akan menyertakan beberapa contoh skenario yang mungkin

digunakan sebagai bagian dari pemrosesan data. Setiap peserta diminta untuk memilih pilihan
jalur dengan jumlah pengulangan maksimum 300 dan kondisi berhenti tujuh. (7). Setelah itu,
peserta akan mengklik OK untuk mengonfirmasi aktivitas mereka. Setelah menyusun hasil
analisis, para peserta berhenti sejenak sebelum mempresentasikan temuan mereka. Koefisien
korelasi untuk semua jalur dengan dua variabel telah dihitung dan ditampilkan. Narassumber
merekomendasikan untuk menunda studi temuan mereka sampai hasilnya sepenuhnya dapat
diandalkan dan sah. Dengan demikian tingkat kepuasan peserta tinggi.
Pertama-tama, narasumber berbicara tentang betapa pentingnya validitas dan reliabilitas
saat melakukan penelitian. Setelah itu, peserta pelatihan mempelajari cara mempraktekkan
pengujian pada uji reliabilitas dan validitas. Menu reliabilitas dan validitas dapat digunakan untuk
mengakses yaitu menu validitas reliabel dan konstruktif, outer loadings, data kolinearitas, dan
validitas diskriminas.
Periksa hasil uji reliabilitas dan validitas angka pada SmartPLS untuk mengetahui reliabel
atau tidak. Warna merah berarti program belum memenuhi kriteria reliabilitas, Sedangkan warna
kuning menunjukkan perangkat lunak sudah memenuhi kriteria validitas. Ini juga berlaku untuk
validitas, yang dapat dinilai dari outer loadings, construct reliability and validity dan discriminant
validity. Secara visual paling mudah dilihat jika semuanya berwarna hijau, model tersebut dapat
dikatakan valid dan reliabel (Wingdes, 2019)
Pada sesi keempat ini, jika variabel laten ditemukan valid dan dapat reliabel, langkah
selanjutnya adalah meminta peserta pelatihan mengevaluasi struktur model dengan menilai nilai
signifikansinya. Sesi ini narasumber menjelaskan bagaimana memahami hasil pengolahan data
(SmartPLS) dan menarik kesimpulan dari hipotesis riset yang diajukan oleh peneliti. Pada proyek
SEM yang menggunakan model berbasis PLS, bootstrap digunakan untuk menguji signifikansi.
Ini adalah proses membuat data baru dari data yang sudah ada untuk menemukan signifikansinya
hubungan antar variabel. Sebagai hasil dari kaitan ini, hasil pengujian yang sama dengan hipotesis
nol menunjukkan bahwa tidak ada kaitan antara faktor-faktor jangka Panjang (Sabri & Wan
Mohamad Asyraf, 2014).
Setelah peserta pelatihan melakukan bootstrapping, hasil uji signifikansi akan terlihat jelas.
Narasumber kemudian berbicara tentang hubungan antara model yang dicoba dan sumbernya.
Informasi tambahan juga memberikan lebih banyak tentang bagaimana mengerti hubungan antara
faktor-faktor terkait. Ketika pentingnya hubungan antara variabel laten telah diketahui, analisis
hubungan model dilakukan. Hubungan model yang diuji juga diungkapkan narasumber kepada
peserta. Seberapa kuat hubungan ini, dan bagaimana pengaruhnya terhadap analisis.
Langkah terakhir dari latihan ini adalah blindfolding. Selama langkah ini, masing-masing
variabel laten dihilangkan secara bergiliran, dan efek dari variabel laten yang diabaikan terhadap
variabel laten dependen ditentukan. Tujuan utama SEMPLS adalah memprediksi variabel tlaten
yang didasarkan pada variabel lain. Jadi, metode blindfolding digunakan untuk menguji seberapa
baik model memprediksi dan seberapa baik masing-masing variabel laten memprediksi variabel
independen. Jadi, metode blindfolding dapat digunakan untuk mengetahui seberapa baik masing-
masing variabel laten independen dapat memprediksi variabel laten dependen (Hair et al., 2017).
Monitoring dan Evaluasi
Selama fase ini, Tim Pengabdian Kepada Masyarakat memantau dan mengevaluasi hasil
pengolahan dan interpretasi SmartPLS. Hal ini dilakukan untuk mengkonfirmasi hipotesis yang
diajukan sebagai umpan balik partisipan. Dua puluh (20) mahasiswa Fakultas Ekonomi dan
Bisnis UIN Sayyid Ali Rahmatullah mengikuti kegiatan ini. Semua peserta pelatihan memiliki
waktu hingga akhir acara untuk menyelesaikan sesi pelatihan.
Sebanyak 70% (14 dari 20 orang yang mengikuti pelatihan) dapat memenuhi syarat setelah
menyelesaikan pelatihan ini, karena a. Dengan menggunakan aplikasi SmartPLS, peserta tersebut

[Link] e-ISSN: 2828-4461

34
Abadi: Jurnal Ahmad Dahlan Mengabdi, Volume 2 No. 1 Maret 2023, Halaman 29-36

dapat mengolah data penelitian. Dimungkinkan juga mereka mampu menginterpretasikan output
data sebagai kesimpulan terhadap hipotesis.
Selanjutnya, ada enam (6) peserta yang tidak sepenuhnya memahami konsep teori untuk
menentukan diterima atau tidaknya hipotesis. Oleh karena itu, motivasi diperlukan untuk
menyelesaikan tugas dalam kegiatan ini. Akibatnya, enam (6) peserta memiliki pemahaman
konsep statistik yang sedikit lebih rendah untuk menarik kesimpulan tentang hipotesis
dibandingkan dengan empat belas (14) peserta lainnya.
Selain itu, kuesioner dibagikan kepada peserta kegiatan ini untuk mengumpulkan evaluasi
mereka terhadap materi, sumber, dan kegiatan yang telah dilakukan. Tim PKM FEBI UIN Sayyid
Ali Rahmatullah Tulungagung dapat menggunakan informasi ini sebagai masukan dan inspirasi
untuk pelatihan ini. Dalam waktu dekat, data evaluasi dari peserta akan dimanfaatkan untuk
menginformasikan pengembangan program pengabdian kepada masyarakat.
SIMPULAN
Mayoritas peserta pelatihan SmartPLS untuk mahasiswa yang memprogram skripsi di
Fakultas Ekonomi dan Bisnis Islam Universitas Islam Negeri Sayyid Ali Rahmatullah
Tulungagung mampu menyerap materi yang disampaikan dengan efektif, dan pelatihan
berlangsung lancar. Para peserta menunjukkan minat yang besar terhadap pelatihan yang sedang
berlangsung. Tujuh puluh persen (70%) dari dua puluh (20) peserta kemampuan mereka
meningkat untuk belajar dan menguasai aplikasi SmartPLS dalam pelatihan.
Berdasarkan pelaksanaan pengabdian masyarakat dilakukan, bagaimana pemantauan dan
evaluasinya, dan masalah apa yang muncul, beberapa saran dibuat. Sebagai contoh, kegiatan
pengabdian kepada masyarakat berupa pelatihan dan pendampingan penggunaan program
statistik masih diperlukan agar peserta dapat menggunakan aplikasi SmartPLS 3 versi mahasiswa
maupun versi professional. Untuk versi pelajar, masih banyak batasan jumlah data yang dapat
ditangani dan hasil yang dapat diperiksa. Selain itu, bersiap-siap untuk penerbitan baik bagi
mahasiswa yang memprogram skripsi tetapi yang memprogram mata kuliah metode penelitian.
Ini memberi mahasiswa lebih banyak waktu untuk mempelajari cara menggunakan alat dan
aplikasi untuk PLS 03.
DAFTAR PUSTAKA
Asiyah, B. N. (2022). Wawancara Penelitian Pendahuluan.
Astuti, N. P., & Bakri, R. (2021). CARADDE: Jurnal Pengabdian Kepada Masyarakat Pelatihan
Pengolahan Data Menggunakan Aplikasi Smart-PLS 3 Secara Online di Masa Pandemik
Covid 19. 4, 613–619.
Budiarsi, S. Y. (2020). Pendampingan Pengenalan Program SEM-PLS Pada Fakultas Ekonomi
Universitas Merdeka Surabaya. Jurnal Abdimas PeKA, 3(2).
[Link]
Hair, J. F., Ringle, C. M., & Sarstedt, M. (2017). A Primer on Partial Least Squares Structural
Equation Modeling (PLS-SEM). In Thousand Oaks: Sage. (2nd ed.).
Haryono, S. (2016). Metode SEM untuk Penelitian Manajemen dengan AMOS, LISREL, PLS.
In Badan Penerbit PT. Intermedia Personalia Utama.
Jurusan Ekonomi Syariah, F. E. dan B. I. I. T. (2022). Kurikulum Jurusan Ekonomi Syariah Tahun
2019.
Matthews, L., Hair, J., & Matthews, R. (2018). PLS-SEM: The Holy Grail for Advanced Analysis.
Marketing Management Journal.
Rahayu, S., & Sari, F. P. (2021). Peningkatan Kemampuan Analisa Data Tugas Akhir Mahasiswa
Melalui Pelatihan Program Smartpls. JMM (Jurnal Masyarakat Mandiri), 5(6), 3576–3590.

[Link] e-ISSN: 2828-4461

35
Abadi: Jurnal Ahmad Dahlan Mengabdi, Volume 2 No. 1 Maret 2023, Halaman 29-36

[Link]
Ramadhan, F. M., Hardin, & Dewi, I. K. (2019). Teknik Budidaya Kakao Pada Kelompok Tani
Kakao Di Kelurahan Waliabuku Kota Baubau. Jurnal Pengabdian Kepada Masyarakat
MEMBANGUN NEGERI, 2(1).
Sabri, A., & Wan Mohamad Asyraf, W. A. (2014). The importance-performance matrix analysis
in partial least square structural equation modeling (PLS-SEM). International Journal of
Mathematical Research, 3(1).
Wibisono, A., Destryana, R. A., & Ghufrony, A. (2021). Pelatihan Partial Least Square (PLS)
Bagi Mahasiswa. Jurnal ABDIRAJA, 4(2). [Link]
Wingdes, I. (2019). Pemanfaatan SEM PLS untuk penelitian. SINDIMAS, 3.
Yuliawan, K. (2021). Pelatihan SmartPLS 3.0 Untuk Pengujian Hipotesis Penelitian Kuantitatif.
Jurnal Pengabdian Kepada Masyarakat, 5(1).

[Link] e-ISSN: 2828-4461

36