The words you are searching are inside this book. To get more targeted content, please make full-text search by clicking here.

Membuat Skripsi, Tesis, dan Disertasi dengan Partial Least

Discover the best professional documents and content resources in AnyFlip Document Base.
Search
Published by Perpus Kota Semarang, 2018-10-30 17:29:11

Membuat Skripsi, Tesis, dan Disertasi dengan Partial Least

Membuat Skripsi, Tesis, dan Disertasi dengan Partial Least

Membuat Skripsi,
Tesis, dan
Disertasi

Partial Least Square SEM

{PLS-SEM)

Mengenal apa itu PLS-SEM, Teori yang
mendasari PLS-SEM, Perangkat lunak PLS-SEM,
Cara membuat proyek dalam PLS-SEM, Cara
membuat model dalam PLS-SEM, Pemodelan
untuk riset skripsi, tesis, dan disertasi, Perbedaan
pokok SEM berbasis kovarian (CBSEM) dan SEM
yang menggunakan PLS (PLS - SEM)

Jonathan Sarwono
Umi Narimawati

Membuat Skripsi, Tesis dan Disertasi dengan
Partial Least Square SEM (PLS SEM)



Membuat Skripsi, Tesis dan Disertasi
dengan Partial Least Square SEM
(PLS SEM)

Jonathan Sarwono
Umi Narimawati

Penerbit ANDI Yogyakarta

Membuat Skripsi, Tesis dan Disertasi dengan Partial Least Square SEM
{PLS- SEM)

Oleh: Jonathan Sarwono & Umi Narimawati

Hak Cipta © 201 5 pad a Penulis

Editor : Th. Arie Prabawati

Setting :Tommy

Desain Cover : Bowo

Korektor : Ratih

Hak Cipta dilindungi undang-undang.
Dilarang memperbanyak atau memindahkan sebagian atau seluruh isi buku ini
dalam bentuk apapun, baik secara elektronis maupun mekanis, termasuk
memfotocopy, merekam atau dengan sistem penyimpanan lainnya, tanpa izin
tertulis dari Penulis.

Penerbit: C.V ANDI OFFSET (Penerbit ANDI)
Jl. Beo 38-40, Telp. (0274) 561881 (Hunting), Fax. (0274) 588282
Yogyakarta 55281

Percetakan: ANDI OFFSET
Jl. Beo 38-40, Telp. (0274) 561881 (Hunting), Fax. (0274) 588282
Yogyakarta 55281

Perpustakaan Nasional: Katalog dalam Terbitan {KDT)

Sarwono, Jonathan
Membuat Skripsi, Tesis dan Disertasi dengan Partial least Square
SEM (PlS- SEM)/Jonathan Sarwono & Umi Narimawati;
- Ed. I • - Yogyakarta: ANDI,
24 23 22 21 20 19 18 17 16 15

xiv + 226 him.; 14 x 21 Cm.

10 9 8 7 6 5 4 3 2
ISBN: 978 - 979 - 29 5084- 7

I. Judul
1. Statistics
2. Narimawati, Umi

DDC'23 : 001.42

PUBLISH OR PERISH
"A GOOD NAME IS TO BE CHOSEN
RATHER THAN GREAT RICHES"

(Proverb 22:1)

%is 6ook,is dedicated to
:My wife CJ?JZI_.J. Wiwik)Idri Wijayanti
:My daughter CJ\§gina rriatira Portuna (]3uwana, S. 'l(om.



KATA PENGANTAR

Puji syukur kepada Tuhan penulis dapat menyajikan kepada
pembaca di seluruh Indonesia buku yang membahas mengenai
PLS SEM. PLS SEM saat ini mulai digemari banyak mahasiswa 51, 52
maupun 53. Hal ini disebabkan PLS SEM memberikan kelonggaran
dalam persyaratan penggunaannya jika dibandingkan dengan SEM
yang berbasis kovarian yang selama ini sudah dikenal sebagai suatu
prosedur yang rumit penggunaannya. PLS SEM menjadi alternatif
lain bagi pembaca yang tetap akan menggunakan SEM tetapi tidak
ingin mengalami banyak kerepotan. Saat buku ini disusun SmartPLS
baru ada versi 2 yang dapat diperoleh secara gratis selama 3 bulan
dan saat buku ini diterima oleh pihak penerbit Andi sudah muncul
versi 3. Oleh karena itu, penulis menambahkan cara memperoleh
versi 3 Student Version secara gratis dan juga membuat model

yang sama dengan menggunakan SmartPLS versi 3 untuk versi
mahasiswa pada bagian berikut setelah penulis membahas kasus-
kasus dengan versi 2 dan dibandingkan kalau kita menggunakan
versi 3 versi mahasiswa. Semoga pembaca dapat memahami lebih
baik karena letak perbedaan versi 2 dan 3 hanya sekadar tampilan
gambar dan keluaran.
Semoga dengan adanya buku yang sederhana ini pembaca akan
semakin diperkaya khususnya dengan hal-hal yang berkaitan
dengan perkembangan prosedur-prosedur dalam ilmu statistik.
Penulis mengharapkan masukan dan saran yang dapat dikirimkan
ke [email protected] atau [email protected] dan file-file
latihan ini dapat di-download di http://www.jonathansarwono.
info/plssem.html yang akan membantu pembaca melatih dan
menggunakan prosedur PLS SEM dengan menggunakan perangkat
lunak SmartPLS.

Bandung, September 2014

Penulis

vi Membuat Sktipsi, Tesis clan c\isettai c\engan Pattial Least Squate SEM (PLS-SEM)

DAFTARISI

Moto ........................................................................................iii
Kata Pengantar ..........................................................................v
Daftar lsi ..................................................................................vii
BAB 8 MENGENAL APA ITU PLS SEM MENGENAL APA ITU

PLS SEM ••.••..••..•.•..•..•..•..••.....••••..•.•..•••..••..........•...•••••..••.. 1
1.1 PLS dalam Konteks Regresi .......................................... 1
1.2 PLS dalam Konteks SEM ............................................. 2
1.3 Hubungan antara PLS dan SEM .................................. 3

BAB 2 TEORI YANG MENDASARI PLS-SEM ................................... 5
2.1 Pendahuluan .............................................................. 5
2.2 Data yang Dapat Dianalisis dengan PLS SEM ............ 11
2.3 Skala Pengukuran ..................................................... 11
2.4 Asumsi ...................................................................... 12
2.5 Persyaratan Jumlah Data .......................................... 13
2.6 Tujuan Menggunakan PLS SEM ................................ 14
2.7 Spesifikasi Model Pengukuran ................................. 14
2.8 Model Hubungan ..................................................... 15
2.9 Variabel-variabel yang Digunakan dalam PLS SEM ... 16
2.10 Hubungan Formatif dan Reflektif ............................. 16
2.11 Pengukuran Kecocokan Model ................................. 18
2.12 Gambar Model Hubungan dalam PLS SEM ............... 25

BAB 3 PERANGKAT LUNAK PLS SEM .......................................... 27
3.1 Mengenal Beberapa Perangkat Lunak PLS-SEM ....... 27
3.2 Mengenal SmartPLS untuk Anal isis Data dalam
PLS-SEM .................................................................... 28
3.3 Cara Memperoleh Perangkat Lunak SmartPLS secara
Gratis Versi 2 ............................................................ 28
3.4 Cara Memperoleh SmartPLS versi 3 untuk Student
Version ..................................................................... 30
3.5 Model-Model yang Akan Dibuat dengan Menggunakan
SmartPLS .................................................................. 31
3.6 Hal-hal Baru dalam Versi 3 ........................................ 34

Viii Membu'!t Skripsi, Tesis d'!n disert'li deng<Jn P<Jrti'll Le<Jst Squ<Jre SEM CPLS-SEM)

BAB 4 CARA MEMBUAT PROYEK DALAM PLS-SEM .................... 35
4.1 Membuat Proyek Baru dengan SmartPLS versi 2 ..... 35
4.2 Membuat Proyek Baru dengan SmartPLS versi 3
(Student Version) ...................................................... 38

BAB 5 CARA MEMBUAT MODEL DALAM PLS-SEM ..................... 39
5.1 Langkah-langkah Membuat Suatu Model dalam PLS
SEM dengan versi 2 .................................................. 39
5.2 Langkah-langkah Membuat Suatu Model dalam PLS
SEM dengan Versi 3 (Student Version) ..................... 50

BAB 6 PEMODELAN UNTUK RISET SKRIPSI, TESIS DAN
DISERTASI ....................................................................... 53
6.1 Pemodelan dengan Satu Variabel Laten Eksogenus
dengan Satu Variabel Endogenus melalui Satu Variabel
Perantara Laten dengan lndikator-indikatornya ....... 53
6.1.1 Model dengan Pengukuran Secara Reflektif .... 54
6.1.2 Cara Melakukan Pengujian Hipotesis dalam
PLS SEM ........................................................... 72
6.1.3 Model dengan Pengukuran Secara Formatif ... 82
6.1.4 Model dengan Pengukuran Secara Reflektif
dengan SmartPLS versi 3 (Student Version) ..... 84
6.2 Pemodelan Dua Variabel Laten Eksogenus
dengan Satu Variabel Endogenous dengan
lndikator-indikatornya ............................................... 87
6.2.1 Model dengan Pengukuran Secara Reflektif .... 87
6.2.2 Cara Melakukan Pengujian Hipotesis dalam
PLS SEM ......................................................... 104

Dofbr lsi ix

6.2.3 Model dengan Pengukuran Secara Formatif. 112
6.2.4 Model dengan Pengukuran Secara Reflektif

dengan SmartPLS versi 3 (Student Version) ... 114
6.3 Pemodelan Dua Variabel Laten Eksogenus dengan Satu

Variabel Endogenus dengan lndikator-indikatornya
Melalui Satu Varia bel Perantara .............................. 117
6.3.1 Model dengan Pengukuran Secara Reflektif... 117
6.3.2 Cara Melakukan Pengujian Hipotesis dalam

PLS SEM ........................................................ 139
6.3.3 Model dengan Pengukuran Secara Formatif 151
6.3.4 Model dengan Pengukuran Secara Reflektif

dengan SmartPLS versi 3 (Student Version) .. 153
6.4 Pemodelan Tiga Variabel Laten Eksogenus dengan

Satu Variabel Endogenous dengan lndikator-
indikatornya Melalui Satu Variabel Perantara ........ 156
6.4.1 Model dengan Pengukuran Secara Reflektif . 156
6.4.2 Cara Melakukan Pengujian Hipotesis dalam

PLS SEM ........................................................ 178
6.4.3 Model dengan Pengukuran Secara Formatif. 193
6.4.4 Model dengan Pengukuran Secara Reflektif

dengan SmartPLS versi 3 (Student Version) .. 196

BAB 7 BEBERAPA MODEL-MODEL LAIN ................................... 201

7.1 Pendahuluan .......................................................... 201
7.2 Pemodelan Empat Variabel Laten Eksogenus

dengan Satu Variabel Endogenus dengan
lndikator-indikatornya Melalui Satu Variabel Laten
Perantara ................................................................ 201

X Membu<1t Sktipsi, Tesis cl<1n cliser\<1i c!eng<1n P<lr\i<~l Le<1st Squ<~te SEM (PLS-SEM)

7.3 Pemodelan Dua Variabel Laten Eksogenus
yang Dikendalikan dengan Satu Variabel Kontrol
dengan Satu Variabel Endogenous Beserta dengan
lndikator-indikatornya Melalui Satu Variabel Laten
Perantara ................................................................ 203

7.4 Pemodelan Satu Variabel Laten Eksogenus dengan
Dua Variabel Laten Endogenous ............................. 205

7.5 Pemodelan Dua Variabel Laten Eksogenus dengan
Dua Variabel Laten Endogenous ............................. 206

7.6 Pemodelan Dua Variabel Laten Eksogenus dengan
Dua Variabel Laten Endogenous dengan Satu
Variabel Perantara .................................................. 207

7.7 Pemodelan Dua Variabel Laten Eksogenus dengan
Dua Variabel Laten Endogenus dengan Satu
Varia bel Perantara di mana Terdapat Satu Varia bel
Kontrol .................................................................... 209

BAB 8 PERBEDAAN POKOK SEM BERBASIS KOVARIAN {CBSEM)
DAN SEM YANG MENGGUNAKAN PLS {PLS- SEM) ........ 213

Daftar Pustaka ....................................................................... 217
Tentang Penulis ..................................................................... 219

D:lft'l~ lsi Xi

Xii Membuat Skripsi, Tesis dan disertai dengan Partial least Squ<~re SEM (PLS-SEM)

MENGENAL APA ITU
PLSSEM

1.1 PLS dalam Konteks Regresi

Untuk memahami SEM menggunakan PLS sebaiknya dimulai dengan
teori-teori yang melandasinya. Terdapat dua komponen pengertian
yang dapat dijadikan sebagai landasan untuk SEM menggunakan
PLS. Pengertian pertama mengenai PLS dan pengertian kedua
mengenai SEM. lstilah PLS (partial least square) terdapat dalam
prosedur-prosedur yang termasuk dalam rum pun prosedur regresi.
Jika kita mempelajari prosedur-prosedur tersebut, maka kita akan
menemukan salah satu sub-prosedur yang disebut sebagai regresi
Partial Least Squares (PLS). Prosedur regresi Partial Least Squares
(PLS) digunakan untuk memperkirakan kuadrat terkecil parsial
model-model regresi atau dikenal sebagai proyeksi terhadap
struktur Iaten. PLS adalah teknik prediktifyang merupakan alternatif

untuk regresi kuadrat terkecil biasa (Ordinary Least Square/OLS),
korelasi kanonik, atau pemodelan persamaan structural (structural
equation modelling/SEM). Selain itu, PLS sangat berguna ketika
beberapa variabel bebas/prediktor saling berkorelasi sangat
tinggi, atau ketika jumlah prediktor melebihi jumlah kasus. PLS
menggabungkan fitur-fitur dari anal isis komponen utama (principal
component analysis) dan regresi berganda. Prosedur penggunaan
PLS dilakukan dalam dua tahap. Pertama, dengan mengeluarkan
serangkaian faktor Iaten yang menjelaskan sebanyak mungkin
kovarians antara variabel independen dan dependen. Kedua,
prediksi nilai dari variabel dependen dengan menggunakan
dekomposisi variabel independen (Sarwono, 2013).

1.2 PLS dalam Konteks SEM

Salah satu definisi SEM yang sesuai dengan definisi di atas
mengatakan bahwa ((Structural equation modeling (SEM)
merupakan teknik statistik yang digunakan untuk membangun dan
menguji model statistik yang biasanya dalam bentuk model-model
sebab akibat. SEM sebenarnya merupakan teknik hibrida yang
meliputi aspek-aspek penegasan (confirmatory) dari analisis faktor,
analisis jalur, dan regresi yang dapat dianggap sebagai kasus khusus
dalam SEM. Sedikit berbeda dengan definisi-definisi sebelumnya
mengatakan structural equation modelling (SEM) berkembang
dan mempunyai fungsi mirip dengan regresi berganda, sekalipun
demikian tampaknya SEM menjadi suatu teknik analisis yang
lebih kuat karena mempertimbangkan pemodelan interaksi,
nonlinieritas, variabel-variabel bebas yang berkorelasi (correlated
independents), kesalahan pengukuran, gangguan kesalahan-
kesalahan yang berkorelasi (correlated error terms), beberapa
varia bel bebas Iaten (multiple latent independents) di mana masing-

2 Membu;;t Skripsi, Tesis c!;;n c!isert<;i c!engon Porti;;l Le;;st Squ<;re SEM (PLS-SEM)

masing diukur dengan menggunakan banyak indikator, dan satu
atau dua varia bel tergantung Iaten yang juga masing-masing diukur
dengan beberapa indikator. Dengan demikian, menurut definisi ini
SEM dapat digunakan alternatif lain yang lebih kuat dibandingkan
dengan menggunakan regresi berganda, analisis jalur, analisis

faktor, anal isis time series, dan analisis kovarian".

Lantas apa pengertian SEM yang menggunakan PLS {SEM- PLS). SEM
- PLS merupakan suatu alternatif untuk menggunakan anal isis SEM
di mana data tidak berdistribusi normal; oleh karena itu SEM- PLS
dikenal juga sebagai teknik pemodelan lunak di mana persyaratan-
persyaratannya tidak seketat yang ada pada SEM, misalnya dalam
hal skala pengukuran, ukuran sam pel, dan distribusi residual. Lantas
apa letak perbedaan antara SEM menggunakan PLS dan SEM. SEM
menggunakan PLS mengizinkan data tidak berdistribusi normal
sedang SEM mengharuskan data berdistribusi normal.

1.3 Hubungan antara PLS dan SEM

Jika selama ini orang mengenal SEM dengan didasarkan pada
kovarian yang dikembangkan oleh Joreskorg {1978), maka SEM
dengan menggunakan PLS merupakan alternatif lain selain SEM
yang selama ini kita kenai. SEM dengan PLS disebut juga sebagai
pemodelan jalur PLS dikembangkan oleh Wold {1985) dan
Lohmoller {1989) sedikit berbeda dengan SEM yang berbasis
kovarian. Jika SEM yang berbasis kovarian membuat estimasi
parameter-parameter model dengan menghasilkan perbedaan
kovarian matriks antara estimasi dan sampel menjadi kecil; maka
pada SEM dengan menggunakan PLS varian-varian dari variabel
Iaten endogenous yang dijelaskan dimaksimalkan dengan membuat
estimasi hubungan model parsial dalam urutan iterasi regresi
kuadrat terkecil biasa (OLS).

Mengen<ll <lp<l itu PLS SEM 3

Pada SEM dengan PLS nilai-nilai variabel Iaten diestimasi sesuai
dengan kombinasi linier dari variabel-variabel manifest/indikator
yang terkait dengan variabel Iaten tersebut serta diperlakukan
sebagai pengganti variabel-variabel manifest tersebut. Jika SEM
yang berbasis kovarian mengharuskan data dengan distribusi
normal; maka SEM dengan PLS mengijinkan data yang tidak
berdistribusi normal digunakan dalam prosedur ini. Tujuan utama
menggunakan SEM dengan PLS ialah memaksimalkan varian
variabel Iaten endogenous (tergantung) yang dijelaskan. Hal ini
berlawanan dengan SEM yang berbasis kovarian yang bertujuan
untuk mereproduksi matriks kovarian yang didasarkan teori tanpa
berfokus pada varian yang dijelaskan.

4 Membuot Skripsi, Tesis ~<ln ~isertoi ~engon P<irtlol Leost Squore SEM CPLS-SEM)

TEORIYANG
MENDASARI PLS SEM

2.1 Pendahuluan

Beberapa hal penting yang menandai SEM menggunakan PLS
menurut Monecke & Leisch {2012) di antaranya:

• SEM menggunakan PLS terdiri tiga komponen, yaitu model
struktural, model pengukuran, dan skema pembobotan.
Bagian ketiga ini merupakan ciri khusus SEM dengan PLS dan
tidak ada pad a SEM yang berbasis kovarian. Jika digambarkan
model akan seperti di bawah ini.

Iaten endogenous

Gambar 2.1 Model PLS SEM
• SEM menggunakan PLS hanya mengizinkan model hubungan

antar variabel yang rekursif (searah). Hal ini sama dengan
model analisis jalur (path analysis) tidak sama dengan SEM
yang berbasis kovarian yang mengizinkan juga terjadinya
hubungan non-rekursif (timbal-balik).
• Pada model struktural, yang disebut juga sebagai model
bagian dalam, semua variabellaten dihubungkan satu dengan
yang lain dengan didasarkan pada teori substansi. Variabel
Iaten dibagi menjadi dua, yaitu eksogenus dan endogenus.
Variabel Iaten eksogenus adalah variabel penyebab atau
variabel tanpa didahului oleh variabellainnya dengan tanda
anak panah menuju ke variabel lainnya (variabel Iaten
endogenus). Pada contoh di bawah ini, variabel 'image'
adalah variabellaten eksogenus.

6 Membu;J{ Sk,ipsi, Tesis cl'ln cliserl:;Ji cleng"n P;Jrl:i"l Leqs{ Squ"'e SEM (PLS-SEM)

Structural Model

.1'1s7

Gambar 2.2 Model diagram jalur hubungan antar variabellaten dalam
SEM PLS

(Sumber: Monecke & Leisch, 2012)
• Model pengukuran, yang disebut juga sebagai model bagian

luar, menghubungkan semua varia bel manifest atau indikator
dengan variabellatennya. Dalam kerangka PLS, satu variabel
manifest hanya dapat dihubungkan dengan satu variabel
Iaten. Semua variabel manifest yang dihubungkan dengan
satu variabel Iaten disebut sebagai suatu 'blok'. Dengan
demikian, setiap variabel Iaten mempunyai blok variabel
manifest. Suatu blok harus berisi setidak-tidaknya satu
indikator. Cara suatu blok dihubungkan dengan variabellaten
dapat reflektif (variabel-variabel manifest berperan sebagai
indikator yang dipengaruhi oleh konsep yang sama dan
yang melandasinya) atau formatif (indikator-indikator yang
membentuk atau menyebabkan perubahan pada variabel
Iaten) (Wijanto, 2008). Berikut ini digambarkan contoh
hubungan dalam model pengukuran antara 1 variabel Iaten
Y dengan 3 indikator \ ' X2, dan X3 secara reflektif.

7Teori y<~ng Menc!<~s<~ri PLS SEM

Gambar 2.3 Model Pengukuran
• Algoritma PLS bertujuan untuk melakukan estimasi nilai

semua variabellaten (nilai-nilai faktor) dengan menggunakan
prosedur iterasi. Model algoritma seperti tertera pada
gambar berikut ini:

Gambar 2.4 Alur Algoritma PLS
(Sumber: Monecke & Leisch, 2012)
Langkah 1: Setiap variabel Iaten disusun didasarkan dengan
jumlah berbobot semua variabel manifestnya masing-
masing.
Langkah 2: Setiap variabel Iaten diestimasi dengan
menggunakan jumlah berbobot setiap variabel Iaten yang
berdekatan dengan variabellaten tersebut.

8 Membu:,t Skripsi, Tes1s ~:,n c\iserl::,1 c\eng:,n P:,rl:i:,l Le:,st Squ:,'e SEM (PLS-SEMJ

Langkah 3: Untuk inisialisasi semua bobot adalah 1 (satu).
Kemudian bobot tersebut dihitung ulang dengan didasarkan
pada nilai-nilai variabel Iaten yang diperoleh pada langkah
kedua.

Langkah 4: Pengaturan vektor bobot luar dalam suatu
matriks bobot luar untuk membuat estimasi nilai-nilai
faktor (variabel Iaten) dengan didasarkan pada variabel-
variabel manifest. Vektor adalah seperangkat variabel yang
dapat diwakili dengan menggunakan indeks. Suatu vektor
dapat berupa variabel numerik atau string dan variabel
tersebut dapat bersifat tetap atau sementara.

Langkah 5: Jika perubahan relatif semua bobot luar dari suatu
iterasi ke iterasi berikutnya menjadi lebih kecil dibandingkan
dengan toleransi yang sudah didefinisikan sebelumnya;
maka estimasi nilai-nilai faktor yang dilakukan pada langkah
ke empat sudah dianggap final. Jika belum, maka langkah
diulangi lagi ke langkah dua.

• Skema pembobotan digunakan untuk estimasi bobot
bagian dalam pada langkah kedua algoritma PLS. Skema
pembobotan awal menggunakan centroid (rata-rata
aritmatik). Kemudian, perkembangan selanjutnya skema
pembobotan juga menggunakan pembobotan faktorial dan
jalur.

• Koefisien jalur diestimasi dengan menggunakan OLS
(ordinary least square) menurut model strukturalnya.
Koefisien jalur dalam SEM - PLS ialah koefisien regresi baku
(Beta).

Teori yang Men4as<lri PLS SEM 9

Sedang menurut Hair, Ringle & Sarstedt (2011) ciri-ciri khas SEM
dengan PLS di antaranya:

• SEM dengan PLS membuat estimasi 'loadings' variabel
manifest/indikator untuk variabel Iaten eksogenus dengan
didasarkan pada prediksi terhadap variabellaten endogenus
bukan didasarkan pada varian yang dibagi di antara variabel-
variabel manifest/indikator pada variabel Iaten yang sama
sebagaimana yang terjadi pada SEM berbasis kovarian.
Dengan demikian, 'loadings' merupakan kontributor bagi
koefisien jalur.

• SEM dengan PLS menawarkan hasil yang dapat diterima
untuk model pengukuran di mana hubungan model
struktural tidak signifikan.

• Secara konsep, penggunaan SEM dengan PLS ialah
sama dengan penggunaan regresi linier berganda, yaitu
memaksimalkan varian yang dijelaskan pada variabel Iaten
endogenus (variabel tergantung) dengan ditambah menilai
kualitas data yang didasarkan pada karakteristik model
pengukuran.

• Para peneliti pengguna SEM dengan PLS menamakan
model pengukuran reflektif sebagai model A sedang model
pengukuran formatif sebagai model B.

• Model jalur SEM dengan PLS sama dengan SEM yang berbasis
kovarian, yaitu didasarkan pada diagram jalur dari analisis
jalur (path analysis).

10 Membu~t Skripsi, Tesis c!~n clisertoi c!eng~n P~rti~l Le~st S<juore SEM CPLS-SEM)

2.2 Data yang Dapat Dianalisis dengan PLS
SEM

Data yang digunakan dalam PLS SEM tidak harus memenuhi
persyaratan asumsi normalitas data; dengan demikian PLS - SEM
memberi kelonggaran pada data yang tidak berdistribusi normal.
Hal ini berbeda dengan SEM yang berbasis kovarian yang selama
ini dikenal banyak orang di mana normalitas data menjadi suatu
keharusan dalam prosedur tersebut. Dengan demikian, PLS
SEM menjadi suatu prosedur alternatif selain SEM yang berbasis
kovarian, karena dalam praktik/kenyataan kita sering menemukan
bahwa data yang akan kita peroleh tidak berdistribusi normal. Oleh
karena itu, sebelum kita menggunakan prosedur ini, sebaiknya kita
melakukan pengujian terlebih dahulu seperti apa distribusi data
kita. Sekalipun demikian data yang berdistribusi normal juga dapat
dipergunakan dalam PLS SEM sebagaimana kita menggunakan data
tersebut dalam SEM yang berbasis kovarian.

2.3 Skala Pengukuran

Karena akar dari PLS SEM adalah regresi linier sebagaimana sudah
kita ketahui bahwa dalam regresi linier skala pengukuran yang
dipergunakan harus setidak-tidaknya berskala interval; maka
data yang akan diolah dengan menggunakan PLS SEM sebaiknya
merupakan data dengan skala pengukuran interval. Sekalipun
demikian hal ini tidak menjadi keharusan dalam PLS SEM. PLS SEM
memberi kelonggaran kepada pengguna untuk menggunakan skala
pengukuran selain interval di mana hal ini tidak diizinkan dalam
SEM yang berbasis kovarian yang selama ini kita kenai.

Teori yang Menqawi PLS SEM 11

2.4 Asumsi

Beberapa asumsi dalam PLS SEM di antaranya:

• Asumsi utama dalam penggunaan PLS SEM ialah tidak
mengharuskan mengikuti asumsi normalitas karena PLS
SEM tidak memperlakukan data sebagaimana dalam
SEM yang berbasis kovarian di mana dalam SEM tersebut
data diharuskan berdistribusi normal. Kelonggaran
ini memungkinkan kita menggunakan data yang tidak
berdistribusi normal.

• Asumsi berikutnya ialah PLS SEM dapat menggunakan ukuran
sampel yang kecil tidak seperti pada SEM yang berbasis
kovarian yang mengharuskan peneliti menggunakan ukuran
sampel yang besar dikarenakan SEM merupakan suatu
prosedur yang dikategorikan ke dalam prosedur multivariat
di mana hampir semua prosedur multivariat mengharuskan
jumlah data yang besar, misalnya setidak-tidaknya
400. Sebaliknya, PLS SEM tidak mengharuskan peneliti
menggunakan jumlah data yang besar. Dengan demikian,
prosedur ini memberikan keuntungan bagi pengguna saat
kesulitan mencari data dalam jumlah yang besar.

• Tidak mengharuskan randomisasi sampel dengan demikian
sampel yang dipilih dengan pendekatan non-probabilitas,
seperti 'accidental sampling', 'purposive sampling', dan
sejenisnya dapat digunakan dalam PLS SEM.

• Memperbolehkan indikator formatif dalam mengukur
variabellaten selain indikator reflektif. Hal ini tidak diizinkan
dalam SEM berbasis kovarian yang menggunakan indikator
reflektif saja.

• PLS SEM mengizinkan adanya variabellaten dikotomi.

12 Membu<it Skripsi, Tesis d'ln diserl:<~i deng<~n P<irl:i<il Le<~st S<ju'!re SEM (PLS-SEM)

• PLS SEM memberi kelonggaran terhadap keharusan adanya
skala pengukuran interval. Dengan demikian, peneliti dapat
menggunakan skala pengukuran selain interval.

• Distribusi residual dalam PLS SEM tidak diharuskan seperti
pada SEM yang berbasis kovarian di mana dalam SEM
tersebut distribusi residual harus sekecil mungkin seperti
pada regresi linier.

• PLS SEM cocok digunakan sebagai prosedur yang digunakan
untuk mengembangkan teori padatahap awal. Hal ini berbeda
dengan SEM yang berbasis kovarian yang menggunakan
teori untuk dikonfirmasi dengan menggunakan data sampel.

• Pendekatan regresi dalam PLS SEM lebih cocok dibandingkan
dalam SEM yang berbasis kovarian.

• Dalam PLS SEM hanya diperbolehkan model recursive
(sebab-akibat) saja dan tidak mengizinkan model non-
rekursif (timbal balik) sebagaimana dalam SEM yang berbasis
kovarian.

• PLS SEM memungkinkan model sangat kompleks dengan
banyak variabellaten dan indikator

2.5 Persyaratan Jumlah Data

Jika SEM yang berbasis kovarian mengharuskan ukuran sam pel yang
besaryang dapat mencakup ratusan bahkan ribuan observasi; maka
PLS SEM cukup dengan menggunakan ukuran sampel yang kecil.
Ukuran sampel kecil dengan persyaratan minimal adalah: 10 kali
dari besarnya indikator formatif terbanyak yang digunakan untuk
mengukur 1 variabel Iaten atau 10 kali dari jumlah jalur struktural
terbanyak yang ditujukan ke variabel Iaten tertentu dalam model

13Teoti y<~ng Menc\Nti PLS SEM

struktural. Penelitian yang dilakukan oleh Chin dan Newsted (1999)
membuktikan hanya dengan menggunakan 20 data mereka dapat
menggunakan PLS SEM dengan benar.

2.6 Tujuan Menggunakan PLS SEM

SEM dengan PLS digunakan saat tujuan penelitian ialah
memprediksi dan mengembangkan teori. Hal ini berlainan dengan
SEM yang berbasis kovarian yang ditujukan untuk menguji teori
yang ada dan konfirmasi. Di samping itu, PLS SEM juga digunakan
untuk memprediksi variabellaten endogenus atau mengidentifikasi
variabel-variabel utama jika riset merupakan riset eksploratori atau
perluasan suatu teori struktural yang ada.

2.7 Spesifikasi Model Pengukuran

Jika variabel Iaten formatif merupakan bagian dari model
pengukuran, maka spesifikasi model pengukuran menjadi berbeda
dengan model pengukuran reflektif.

14 Membu<Jt Sk,ipsi, Tesis Q'ln qisert<Ji qeng'ln P<Jrti<Jl Le<Jst Squ'l'e SEM (PLS-SEM)

2.8 Model Hubungan

Contoh model jalur akan seperti di bawah ini.

Gambar 2.5 Model Jalur dalam SEM dengan PLS
(Sumber: Hair, Ringle & Sarstedt, 2011)

Model di atas mempunyai dua variabel Iaten eksogenus (variabel
bebas), yaitu Yl dan Y2 dengan satu variabel Iaten endogenus
(variabel tergantung}, yaitu Y3. Variabel Yl dan Y2 diukur oleh dua
indikator secara formatif, yaitu Xl, X2 dan X3, X4. Sedang Variabel
Y3 diukur dengan tiga indikator secara reflektif.
Langkah penghitungan dalam SEM menggunakan PLS sebagai
berikut:

1. Tahap pertama: estimasi iterasi nilai-nilai variabel Iaten
melalui langkah sebagai berikut: 1) aproksimasi bagian luar
dari nilai-nilai variabellaten (Yl, Y2, dan Y3} dihitung dengan
didasarkan pada nilai-nilai variabel manifest/indikator
dan koefisien bagian luar dari langkah ke 4; 2) estimasi
indikator-indikator untuk hubungan model struktural antara
variabel-variabel Iaten (Pl dan P2); 3} aproksimasi bagian
dalam dari nilai-nilai variabel Iaten yang didasarkan pada

Teori y;mg Menq;;s;;ri PLS SEM 15

nilai-nilai untuk Yl, Y2 dan Y3 yang dihasilkan dari langkah
1 dan indikator-indikator untuk hubungan model struktural
Pl dan P2 di langkah ke 2; 4) estimasi indikator-indikator
untuk koefisien dalam model-model pengukuran (hubungan
antara variabel-variabel indikator dengan variabel-variabel
Iaten dengan nilai-nilai yang dihasilkan pad a langkah 3 (Wl-
W7).
2. Tahap kedua: estimasi terakhir semua koefisien seperti
bobot luar, loadings, dan hubungan model struktural yang
ditentukan dengan menggunakan metode OLS (ordinary
least square) untuk setiap regresi parsial pada model SEM -
PLS.

2.9 Variabel-variabel yang Digunakan dalam
PLSSEM

Observed Variabe/s: Variabel yang Dapat Diobservasi Secara
Langsung/Var Manifest/lndikator/Referensi

Unobserved Variabe/s: Variabel yang Tidak Dapat Diobservasi
Secara Langsung/Fenomena Abstrak/Var Laten/Faktor/Konstruk

2.10Hubungan Formatif dan Reflektif

Dalam PLS SEM dikenal terdapat dua macam hubungan antara
indikator dan variabel Iaten, yaitu model reflektif dan model
formatif. Model reflektif mencerminkan bahwa setiap indikator
merupakan pengukuran kesalahan yang dikenakan terhadap
variabel Iaten. Arah sebab akibat ialah dari variabel Iaten ke
indikator dengan demikian indikator-indikator merupakan refleksi
variasi dari variabel Iaten (Henseler, Ringle & Sinkovicks, 2009).

16 Membu<Jt Skripsi, Tesis c\qn c\isert<Ji c\eng<Jn P<Jrti<JI Le<Jst Squ<Jre SEM (PLS-SEM)

Dengan demikian, perubahan pada variabel Iaten diharapkan akan
menyebabkan perubahan pada semua indikatornya. Contoh model
hubungan reflektif seperti gambar berikut ini.

Gambar 2.6 Hubungan reflektif
(Variabellaten Y diukur dengan blok X yang terdiri dari 3 indikator. X,, X,

dan X3 secara reflektif)
Sedang model hubungan formatif ialah hubungan sebab akibat
berasal dari indikator menuju ke variabel Iaten. Hal ini dapat
terjadi jika suatu variabellaten didefinisikan sebagai kombinasi dari
indikator-indikatornya. Dengan demikian, perubahan yang terjadi
pada indikator-indikator akan tercermin pada perubahan variabel
latennya. Contoh jelas dalam model ini ialah bauran pemasaran
sebagai variabel Iaten yang dibentuk oleh indikator promosi,
produk, harga, dan distribusi. Contoh model hubungan formatif
seperti gambar berikut ini.

Teoti y<lng Menc:!<ls<lti PLS SEM 17

Gambar 2.7 Hubungan formatif
(Variabellaten Y diukur dengan blok X yang terdiri dari 3 indikator. X,, X,,

dan X3 secara formatif)

2.11 Pengukuran Kecocokan Model

PLS SEM tidak menggunakan kriteria kecocokan model global
seperti pada SEM yang berbasis kovarian. Kriteria yang digunakan
meliputi a) penilaian model bagian luar atau disebut juga sebagai
model pengukuran, yaitu menghubungkan semua varia bel manifest
atau indikator dengan variabel latennya dan b) penilaian model
bagian dalam atau model struktural, yaitu di mana semua variabel
Iaten dihubungkan satu dengan yang lain dengan didasarkan pada
teori.

Pengukuran Model Reflektif

Model pengukuran dinilai dengan menggunakan reliabilitas dan
validitas. Untuk reliabilitas dapat digunakan Cronbach's Alpha.
Nilai ini mencerminkan reliabilitas semua indikator dalam model.
Besaran nilai minimal ialah 0,7 sedang idealnya ialah 0,8 atau

18 Membu"t Skripsi, Tesis cjqn disertqi deng"n P"rti"l Leqst Squqte SEM (PLS-SEM)

0,9. Selain Cronbach's Alpha digunakan juga nilai pc (composite
reliability) yang diinterpretasikan sama dengan nilai Cronbach's
Alpha.

Setiap variabel Iaten harus dapat menjelaskan varian indikator
masing-masing setidak-tidaknya sebesar 50%. Oleh karena itu,
korelasi absolut antara variabel Iaten dan indikatornya harus >
0,7 (nilai absolut loadings baku bagian luar). lndikator reflektif
sebaiknya dihilangkan dari model pengukuran jika mempunyai nilai
loadings baku bagian luar di bawah 0,4.

Terdapat dua jenis validitas dalam PLS SEM, yaitu validitas konvergen
dan validitas diskriminan. Validitas konvergen mempunyai makna
bahwa seperangkat indikator mewakili satu variabel Iaten dan
yang mendasari variabel Iaten tersebut. Perwakilan tersebut
dapat didemonstrasikan melalui unidimensionalitas yang dapat
diekspresikan dengan menggunakan nilai rata-rata varian yang
diekstraksi (Average Variance Extracted/AVE) . Nilai AVE setidak-
tidaknya sebesar 0,5. Nilai ini menggambarkan validitas konvergen
yang memadai yang mempunyai arti bahwa satu variabel Iaten
mampu menjelaskan lebih dari setengah varian dari indikator-
indikatornya dalam rata-rata. Sedang validitas diskriminan
merupakan konsep tambahan yang mempunyai makna bahwa dua
konsep berbeda secara konseptual harus menunjukkan keterbedaan
yang memadai. Maksudnya ialah seperangkat indikator yang
digabung diharapkan tidak bersifat unidimensional.

Pengukuran validitas diskriminan menggunakan kriteria yang
disampaikan Forneii-Larcker dan 'crossloadings'. Postulat Forneii-
Larcker menyebutkan bahwa suatu variabel Iaten berbagi varian
lebih dengan indikator yang mendasarinya daripada dengan
variabel-variabellaten lainnya . Hal ini jika diartikan secara statistik,

Teoti yong Mendosoti PLS SEM 19

maka nilai AVE setiap variabellaten harus lebih besar dari pad a nilai
r2 tertinggi dengan nilai variabellaten lainnya. Kriteria kedua untuk
validitas diskriminan ialah 'loading' untuk masing-masing indikator
diharapkan lebih tinggi dari 'cross-loading'-nya masing-masing. Jika
kriteria Forneii-Larcker menilai validitas diskriminan pada tataran
konstruk (variabel Iaten), maka 'cross-loading' memungkinkan
pada tataran indikator.

Jika diringkas penilaian model pengukuran akan seperti di bawah
ini.

Penilaian model bagian luar Penilaian model bagian dalam

• Reliabilitas dan Validitas • Penjelasan varian

variabellaten reflektif variabellaten
endogenus
• Vailditas variabellaten
• Ukuran pengaruh yang
formatif
dikontribusikan

• Relevansi dalam

prediksi

Sedang besaran nilai yang digunakan sebagai pengukuran dapat
diringkas pada tabel berikut ini.

Kriteria Deskripsi
Reliabilitas Pengukuran konsistensi internal dengan nilai ~
0,6
komposit (p) Loading baku absolut bagian luar dengan nilai
Reliabilitas >0,7
indikator Rata-rata varian ekstrak dengan nilai >
AVE 0,5. Digunakan sebagai penentu validitas
konvergen.

20 Membuqt Skripsi, Tesis qqn c\isertqi c\engqn Pqrtiql Leqst Squqre SEM (PLS-SEM)

Kriteria Deskripsi

Kriteria Fornell Digunakan untuk meyakinkan validitas

- Larcker diskriminan, maka AVE untuk setiap variabel

Iaten harus lebih tinggi dari pada R2 dengan

semua variabellaten lainnya. Dengan demikian,

masing-masing variabellaten berbagi varian

lebih dengan masing-masing blok indikatornya

daripada dengan variabellaten lainnya yang

mewakili satu blok indikator yang berbeda..

Cross- Digunakan untuk pengecekan validitas

loadings diskriminan selain kriteria di atas. Jika suatu

indikator mempunyai korelasi yang lebih tinggi

dengan variabellaten lainnya daripada dengan

variabellatennya sendiri, maka kecocokan

model harus dipertimbangkan ulang.

Pengukuran Model Formatif

Penilaian dengan menggunakan validitas tradisional tidak dapat
diaplikasikan untuk indikator-indikatoryang digunakan dalam model
pengukuran formatif dan konsep reliabilitas (konsistensi internal)
dan validitas konstruk (validitas konvergen dan diskriminan)
menjadi tidak bermakna saat diaplikasikan dalam model formatif.
Oleh karena itu, pengukuran pada model formatif memerlukan dua
lapisan. Pertama, pengukuran pad a tataran konstruk (variabellaten)
dan kedua pengukuran pada tataran indikator (variabel manifest).

Terdapat beberapa masalah pada tataran variabel Iaten, di
antaranya:

• Apakah indeks formatif mencerminkan tujuan yang sesuai.

Teoti yang Men<lasati PLS SEM 21

• Hubungan antara indeks formatif dengan variabel-variabel
Iaten lainnya dalam suatu model jalur tertentu harus sudah
didukung oleh riset sebelumnya.

• Adanya kesalahan v pada variabel Iaten (construct's error
term v) yang mencerminkan variabel Iaten yang tidak
dapat dijelaskan dengan indikator-indikator yang ada .
Dengan demikian, validitas eksternal dapat dihitung dengan
menggunakan ketentuan 1 - v yang diharapkan nilainya
tidak boleh kurang dari 0,8. Nilai ini mempunyai makna
sebesar 80% indeks formatif sesuai dengan tujuan yang
dimaksudkan.

• Beberapa indikator dalam satu blok yang berfungsi
formatif terhadap suatu variabel Iaten tertentu dapat
berkorelasi sangat tinggi. Jika ini terjadi, maka indikator-
indikator tersebut mengalami apa yang disebut dengan
multikolinieritas. Kapan terjadi multikolinieritas antara
indikator? Terjadi multikolinieritas antar indikator jika nilai
VIF > 10.

Penilaian model pengukuran formatif dapat diringkas pada tabel di
bawah ini.

Kriteria Deskripsi

Validitas nomologi Hubungan antara indeks formatif dan

variabel-variabel Iaten lainnya dalam suatu

model jalur tertentu, yang harus sudah

terbukti dalam riset sebelumnya, harus

signifikan dan kuat.

Validitas eksternal lndeks formatif harus menjelaskan sebagian

besar varian dari pengukuran reflektif

alternatif variabellaten yang terkait.

22 Membuat Sktipsi, Tesis clan qisertai clengan Partial Least Squa re SEM ( PLS-SEM)

Signfikansi bobot Bobot estimasi model pengukuran formatif
Multikolinieritas harus signifikan.
Variabel manifest/indikator-indikator dalam
suatu blok formatif harus diuji multikolin-
ieritasnya. Pengujian terjadi atau tidaknya
multikolinieritas antar indikator dalam blok
formatif menggunakan nilai VI F. Jika nilai VIF
> 10, terjadi kolinieritas antar indikator da-
lam satu blok formatif terse but.

Pengukuran Model Struktural

Model struktural adalah model yang menghubungkan antar
variabel Iaten. Pengukuran model struktural dapat diringkas pada
tabel di bawah ini.

Kriteria Deskripsi
R2 varia bel Nilai R2 sebesar 0,67 dikategorikan sebagai
Iaten substansial
endogenus
Nilai R2 sebesar 0,33 dikategorikan sebagai
moderate

Nilai R2 sebesar 0,19 dikategorikan sebagai
lemah (Chin, 1988)

Estimasi untuk Nilai R2 sebesar > 0,7 dikategorikan sebagai
koefisien jalur kuat (Sarwono)
Nilai-nilai yang diestimasi untuk hubungan
jalur dalam model struktural harus dievaluasi
dalam perspektif kekuatan dan signifikansi
hubungan.

Teoti y<mg MendoS<lti PLS SEM 23

Kriteria Deskripsi

Ukuran Nilai f2 sebesar 0,02 dikategorikan sebagai

pengaruh r pengaruh lemah variabellaten prediktor
(variabellaten eksogenus} pada tataran
struktural.

Nilai f2 sebesar 0,15 dikategorikan sebagai

pengaruh cukup variabellaten prediktor
(variabellaten eksogenus} pada tataran
struktural.

Nilai f2 sebesar 0,35 dikategorikan sebagai
pengaruh kuat variabellaten prediktor
(variabellaten eksogenus} pada tataran
struktural.

Relevansi Nilai Q2 > 0 menunjukkan bukti bahwa nilai-

prediksi (Q2 dan nilai yang diobservasi sudah direkonstruksi

q2) dengan baik. Dengan demikian, model

mempunyai relevansi prediktif. Sedang nilai

Q2 < 0 menunjukkan tidak adanya relevansi

prediktif.

Nilai q 2 digunakan untuk melihat pengaruh
relatif model struktural terhadap pengukuran
observasi untuk varia bel tergantung Iaten
(variabellaten endogenus}.
Nilai Beta untuk Koefisien jalur individual pada model
koefisien jalur struktural diinterpretasikan sebagai koefisien
pada PLS- SEM beta baku dari regresi OLS (ordinary least
square}.

24 Membu<it Sktipsi, Tesis d<~n disert<~i deng<~n P<~rti;;l Le<~st Squ<~te SEM (PLS-SEM)

2.12 Gambar Model Hubungan dalam PLS
SEM

Variabellaten digambar dengan simbollingkaran oval.
Variabel manifest/indikator digambarkan dengan simbol kotak.
Koefisien Jalur digambarkan dengan tanda anak panah satu arah.

Teori yong Mendowi PLS SEM 2 5

26 Membuat Skripsi, Tesis qan qiserl:ai qengan Partial Least Square SEM (PLS-SEM)

PERANGKATLUNAK
PLSSEM

3.1 Mengenal Beberapa Perangkat Lunak
PLSSEM

Beberapa perangkat lunak untuk SEM yang menggunakan PLS di
antaranya:

• SEMPLS Pacakge. Dapat diperoleh melalui http://CRAN.R-
project.org/package=semPLS

• SmartPLS. Dapat diperoleh di http://smartpls.de/forum/
• WarpPLS. Alamat web site di http://www.scriptwarp.com/

warppls/

3.2 Mengenal SmartPLS untuk Analisis Data
dalam PLS SEM

Untuk kepentingan contoh-contoh analisis dalam buku ini
dipergunakan program perangkat lunak SmartPLS karena
perangkat lunak ini dapat diunduh secara gratis. Perangkat lunak
SmartPLS merupakan salah satu perangkat lunak yang dapat
digunakan menganalisis data dengan menggunakan prosedur PLS
SEM. Perangkat lunak ini bersifat grafis sehingga mempermudah
pengguna dalam mengetrapkan pada data riset yang sedang
dilakukan. Kegunaan utama perangkat lunak ini ialah untuk
membuat pemodelan jalur dengan variabel-variabel Iaten sebagai
objek utamanya. Pendekatan perangkat lunak ini ialah menggunakan

partial least square (PLS) yang aplikasikan ke dalam prosedur
structural equation modeling (SEM). Berbeda dengan perangkat

lunak seperti LISREL dan AMOS yang merupakan perangkat lunak

berbayar, SmartPLS merupakan perangkat lunak 'open source'

sehingga dapat diperoleh secara gratis. Di samping itu, kedua
perangkat lunak yang disebut sebelumnya merupakan perangkat
lunak untuk digunakan dalam prosedur SEM yang berbasis kovarian.
SEM yang berbasis kovarian berbeda secara prinsip dan teori yang
melandasinya dengan SEM yang menggunakan PLS.

3.3 Cara Memperoleh Perangkat Lunak
SmartPLS Secara Gratis Versi 2

Untuk memperoleh perangkat lunak SmartPLS secara gratis kita
dapat mengunjungi alamat situsnya di http://smartpls.de. Setelah
memasuki situs tersebut, lakukan registrasi dengan langkah-
langkah sebagaimana tertera di bawah ini.

1. Masuk ke web dengan alamat http://smartpls.de.

28 Membuat Skripsi, Tesis clan qisertai qengan Partial Least Square SEM (PLS-SEM)

2. Pilih Download.

3. Cari link di bagian bawah dengan pesan "If you want to
download the previous version SmartPLS 2, click here".

4. Muncul tampilan dengan pesan sebagai berikut: "How to get
the old SmartPLS 2 software version 2.0 M3".

5. Pilih dengan mengklik Subscribe Now.

6. Bagian support akan mengirimi email pertama kepada kita
dengan objek: "Complete your SmartPLS 2 License". Klik link
konfirmasi yang tersedia:" ............ Piease click on the link for
confirmation".

7. Bagian support akan mengirim email kedua kepada kita
dengan objek:"Your SmartPLS License". Kopi dan simpan
serial number lisensi yang diberikan kepada kita dan klik link
dengan pesan: "SmartPLS 2 can be downloaded using the
following link".

8. Tunggu sampai file selesai di-download. File dalam bentuk
zip.

9. Uraikan file zip tersebut di D.

10. Klik gambar lingkaran warna biru dengan judul smartpls.

11. Copy dan Paste serial number yang sudah diberikan oleh
bagian support. Kemudian klik Finish.

12. SmartPLS 2 siap dipakai.

Setelah Anda melakukan registrasi, admin SmartPLS akan
mengirimkan pesan melalui email Anda dan lakukan hal-hal sesuai
dengan petunjuk dalam email tersebut. Kemudian Anda akan dapat
mengunduh file-file perangkat lunak SmartPLS. Lakukan instalasi
dengan cara menguraikan dulu program dalam bentuk pemadatan

Per'lngk'lt Lun'lk PLS SEM 29

dengan menggunakan Winrar dan ikuti petunjuk instalasi yang
disediakan dalam program tersebut. Nama file tersebut ialah
SmartPLS versi 2.0. Setelah Anda urai diperoleh file-file yang
terdiri: manual instruction (handbook) yang dapat dibaca dengan
menjalankan file index.html yang berfungsi untuk memberikan
petunjuk cara menjalankan SmartPLS langkah demi langkah dan
program yang dapat dijalankan dengan melakukan klik pada file
smartpls dengan gam bar bulat warna biru.

3.4 Cara Memperoleh SmartPLS versi 3 untuk
Student Version

1. Masuk ke web dengan alamat http://smartpls.de.

2. Lihat di tampilan bagian bawah dengan pesan Why wait?
SmartPLS is free to try! Lihat pada pesan: "Just download
SmartPLS and you're on your way. Our Student version is
free and only your email address is required for registration.
If you want to use unlimited functionality, please purchase
one of our Professional licenses."

3. Klik pada link Student Version.

4. Muncul tampilan baru mengenai Pricing. Lihat di bagian
bawah dan klik pesan Download Now

5. Download versi window yang Installer 32 bit sampai selesai
memperoleh file SmartPLS-win-32

6. Klik 2 kali file tersebut.

7. Masukkan email kita ke kolom aktivasi yang tersedia
kemudian klik pilihan Activate.

8. Buka email dari bagian support SmartPLS kemudian klik link
yang disediakan untuk konfirmasi.

30 Membu"t Sktipsi, Tesis q;jn qisert;ji qeng"n PqrtJql Le;jst Squ;jte SEM (PLS-SEM)

9. Masuk kembali ke kolom aktivasi pada langkah 7 kemudian
klik pilihan Activate.

10. Muncul kondisi dan persyaratan yang harus kita setujui.
Tekan saja I agree/1 accept.

11. SmartPLS versi 3 siap kita pergunakan.

3.5 Model-model yang akan Dibuat dengan
Menggunakan SmartPLS

Untuk memudahkan para pembaca memahami prosedur PLS
SEM, dalam contoh-contoh analisis pada bagian buku selanjutnya
penulis menggunakan pijakan teori hubungan antar variabel yang
terdiri atas:

• Variabel bebas
• Variabel tergantung
• Variabel perantara
• Variabel kontrol
• Variabel moderat

Petangkat Lunak PLS SEM 31

Model dasar hubungan antar varia bel akan seperti pada gam bar di
bawah ini:

·····-~·-·········································································································

L:J

Gambar 3.1 Model Dasar Hubungan Antar Variabel
Model dasar tersebut dapat dijelaskan sebagai berikut:
Variabel bebas diberi simbol \ memengaruhi variabel tergantung
dengan simbol V. Ketika diasumsikan X1 memengaruhi Y, sebenarnya
terdapat juga apa yang disebut sebagai varia bel perantara (Z) yang
memengaruhi hubungan antara X1 dengan V. Variabel perantara ini
bersifat hipotetikal dan tidak dapat diobservasi secara langsung.
Di samping itu, terdapat pula apa yang disebut variabel moderat

dengan simbol x2 yang juga berpengaruh terhadap variabel v.

Variabel moderat umumnya dipilih oleh peneliti untuk melakukan
cek silang apakah kehadirannya akan mengakibatkan perubahan
pad a hubungan antara varia bel\ dan V. Varia bel berikut yang dapat

32 Membu'!t Skripsi, Tes1s cl'ln qisert'li deng'ln P'lrti'll Le<~st Squ<~re SEM (PLS-SEM)

berpengaruh terhadap hubungan antara xl dengan y ialah variabel
kontrol dengan simbol X3• Variabel ini umumnya juga ditentukan
oleh peneliti untuk dikendalikan agar tidak memengaruhi hubungan
antara X1 dengan Y. Dengan demikian, peran dari variabel kontrol
ini berbeda dengan variabel moderat. Variabel kontrol, sesuai
dengan namanya, sengaja oleh peneliti dikendalikan sedang
variabel moderat sengaja oleh peneliti dimasukkan ke dalam model
hubungan variabel dalam risetnya untuk mengetahui apakah
akan terjadi perubahan nilai pada hubungan variabel utamanya:
hubungan antara X1 dengan Y.

Karena dalam prosedur PLS SEM sebutan variabel-variabel berbeda
dengan prosedur-prosedur yang sudah kita kenai seperti korelasi,
regresi, dan sejenisnya; maka dari model dasar di atas, penulis
mengembangkan beberapa model dengan menggunakan variabel-
variabel yang menggunakan sebutan sesuai dengan aturan dalam
PLS SEM sebagai berikut:

• Variabel Iaten eksogenus atau variabel bebas atau disebut
juga variabel bebas yang tidak dapat diobservasi secara
langsung.

• Variabel Iaten endogenus atau variabel tergantung atau
disebutjuga varia bel tergantung yangtidak dapat diobservasi
secara langsung.

• Variabel manifest atau indikator atau disebut juga variabel
yang dapat diobservasi secara langsung.

Dalam bagian buku berikutnya kita akan membuat modifikasi model
dasartersebut di atas dengan cara menjadikan kelima varia bel dalam
model tersebut menjadi variabel-variabel Iaten. Dengan demikian,
kita mempunyai 5 variabellaten. Untuk kepentingan analisis dalam
SmartPLS, kelima variabel Iaten tersebut kemudian akan disertai

Petongkit Lunok PLS SEM 33

dengan variabel-variabel manifest yang selanjutnya akan kita sebut
sebagai indikator untuk setiap variabel Iaten. Model-model akan
dikembangkan mulai dari yang sederhana sampai dengan yang
kompleks pada bagian buku berikutnya.

3.6 Hal-hal Baru dalam Versi 3

Pada versi 3 SmartPLS mengganti tampilan keluaran dengan
menambahkan tampilan berupa grafik dan angka (Matrix) untuk
keluaran-keluaran:

• Path Coefficients
• Rsquare. Untuk keluaran ini ditambahkan Rsquare adjusted.
• f square. Keluaran baru untuk melihat besarnya pengaruh

variabellaten eksogenus terhadap variabellaten endogenus
pada tataran struktural.
• AVE: warna merah mempunyai arti tidak reliabel dan warna
biru mempunyai arti reliabel.
• Composite Reliability: warna merah mempunyai arti tidak
reliabel dan warna biru mempunyai arti reliabel.
• Cronbach Alpha: warna merah mempunyai arti tidak reliabel
dan warna biru mempunyai arti reliabel.

34 Membu~t Sktipsi, Tesis <l~n qisett~i qeng~n P~tti~l Le~st Squote SEM (PLS-SEM)

CARA MEMBUAT
PROYEK DALAM

PLSSEM

4.1 Membuat Proyek Baru dengan SmartPLS
versi 2

Untuk membuat proyek baru dengan SmartPLS versi 2 dapat
dilakukan dengan cara sebagai berikut:

• Aktifkan SmartPLS, maka akan ditampilkan pesan "Welcome"
seperti di bawah ini.


Click to View FlipBook Version
Previous Book
thermodyn..
Next Book
Belajar Kilat-Microsoft Office 2010