91 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula o Multikolinearitas diuji menggunakan Variance Inflation Factor (VIF). o Kriteria: ▪ VIF < 5: Tidak ada masalah multikolinearitas yang signifikan. ▪ VIF > 5: Indikator memiliki korelasi tinggi dengan indikator lain, sehingga salah satu indikator mungkin perlu dihapus. Model Struktural (Inner Model) Model struktural menggambarkan hubungan antar variabel laten. Estimasi model struktural membantu menjawab pertanyaan seperti: o Seberapa besar pengaruh variabel KUAL (Kualitas Pelayanan) terhadap PUAS (Kepuasan Pelanggan)? o Bagaimana PUAS memediasi hubungan antara KUAL dan LOYL (Loyalitas)?
92 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula Parameter utama dalam estimasi model struktural meliputi, Indicator Multicollinearity o Memastikan tidak ada masalah multikolinearitas antar variabel laten dalam inner model. o Kriteria Evaluasi: ▪ VIF ≤ 5: Tidak ada masalah multikolinearitas. ▪ VIF > 5: Terdapat masalah multikolinearitas; salah satu variabel laten mungkin perlu direvisi atau dihapus. o Langkah-langkah: ▪ Buka tab Inner VIF Values di panel hasil perhitungan PLS Algorithm (yang sudah dilakukan sebelumnya pada saat evaluasi Outer model) ▪ Kriteria Evaluasi:
93 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula − VIF ≤ 5: Tidak ada masalah multikolinearitas. − VIF > 5: Terdapat masalah multikolinearitas; salah satu variabel laten mungkin perlu direvisi atau dihapus. Quality Criteria Yang meliputi: o F-Square (F²) ▪ Mengukur efek perubahan pada variabel independen terhadap variabel dependen.
94 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula ▪ Mengindikasikan apakah suatu variabel laten memberikan kontribusi signifikan terhadap model. o R-Square (R²) ▪ Menunjukkan seberapa besar variabel dependen dapat dijelaskan oleh variabel independen dalam model. ▪ Nilai R² berkisar antara 0 hingga 1. Semakin mendekati 1, semakin tinggi kemampuan model menjelaskan variabel dependen. o Langkah-langkah ▪ Evaluasi F-Square − Di panel hasil, buka tab f-square. − Kriteria Evaluasi: * F² ≥ 0.02: Kecil. * F² ≥ 0.15: Sedang. * F² ≥ 0.35: Besar.
95 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula − Berdasarkan hasil F-Square pada tabel tersebut, berikut adalah interpretasinya: * KUAL → LOYL (F² = 0.011): Kontribusi KUAL terhadap LOYL secara langsung sangat kecil (tidak signifikan). Hal ini menunjukkan bahwa pengaruh langsung dari KUAL ke LOYL tidak cukup kuat untuk memberikan dampak yang berarti.
96 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula * KUAL → PUAS (F² = 0.534): Kontribusi KUAL terhadap PUAS besar. Ini menunjukkan bahwa kualitas pelayanan memiliki pengaruh yang signifikan terhadap kepuasan pelanggan. * PRNI → LOYL (F² = 0.751): Kontribusi PRNI terhadap LOYL sangat besar. Persepsi nilai secara langsung memberikan dampak yang signifikan terhadap loyalitas pelanggan. * PRNI → PUAS (F² = 0.269): Kontribusi PRNI terhadap PUAS sedang. Persepsi nilai memiliki pengaruh cukup kuat terhadap kepuasan pelanggan. * PUAS → LOYL (F² = 0.240): Kontribusi PUAS terhadap LOYL
97 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula sedang. Kepuasan pelanggan memiliki dampak yang signifikan terhadap loyalitas pelanggan. ▪ Evaluasi R-Square − Di panel hasil, buka tab R-Square. − Kriteria Evaluasi: * R² ≥ 0.75: Sangat kuat. * R² ≥ 0.50: Sedang. * R² ≥ 0.25: Lemah.
98 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula − Berikut adalah interpretasi hasil RSquare * LOYL (R² = 0.771): Variabel LOYL (Loyalitas Pelanggan) dapat dijelaskan oleh variabel independen dalam model (KUAL, PRNI, dan PUAS) sebesar 77,1%. Artinya, sebesar 77,1% variabilitas loyalitas pelanggan dapat diterangkan oleh kualitas pelayanan, persepsi nilai, dan kepuasan pelanggan. Sisanya, yaitu 22,9%, dijelaskan oleh faktor lain yang tidak termasuk dalam model. * PUAS (R² = 0.676): Variabel PUAS (Kepuasan Pelanggan) dapat dijelaskan oleh variabel independen dalam model (KUAL dan PRNI) sebesar 67,6%.
99 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula Artinya, sebesar 67,6% variabilitas kepuasan pelanggan dapat diterangkan oleh kualitas pelayanan dan persepsi nilai. Sisanya, yaitu 32,4%, dijelaskan oleh faktor lain yang berada di luar model. * LOYL (Loyalitas Pelanggan) memiliki nilai R-Square sebesar 0,771, menunjukkan bahwa model memiliki kemampuan yang sangat kuat dalam menjelaskan loyalitas pelanggan. * PUAS (Kepuasan Pelanggan) memiliki nilai R-Square sebesar 0,676, menunjukkan bahwa model memiliki kemampuan yang baik dalam menjelaskan kepuasan pelanggan.
100 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula * Secara keseluruhan, model ini mampu memberikan penjelasan yang cukup kuat untuk kedua variabel dependen yang diteliti. Path Coefficient o Mengukur kekuatan dan arah hubungan antara dua variabel laten. o Nilainya berkisar antara -1 hingga +1: ▪ Nilai positif menunjukkan hubungan positif (searah). ▪ Nilai negatif menunjukkan hubungan negatif (berlawanan arah). o Langkah-langkah ▪ Buka tab Path Coefficients. ▪ Tujuan: Memastikan arah hubungan antar variabel sesuai dengan hipotesis penelitian. ▪ Kriteria Evaluasi:
101 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula − Nilai positif menunjukkan hubungan positif (searah). − Nilai negatif menunjukkan hubungan negatif (berlawanan arah). ▪ Hasil menunjukkan bahwa: − KUAL memiliki hubungan negatif dengan LOYL, tetapi positif dengan PUAS. − PRNI memiliki hubungan positif dengan LOYL dan PUAS. − PUAS memiliki hubungan positif dengan LOYL.
102 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula Bootstrapping o Klik tombol Calculate di bagian toolbar atas SmartPLS. o Di daftar kalkulasi, pilih metode Bootstrapping. o Atur Parameter Bootstrapping ▪ Subsamples : 5000; Jumlah 5000 subsamples merupakan standar yang direkomendasikan untuk memastikan hasil yang stabil dan akurat. ▪ Do parallel processing: Centang; Opsi ini memastikan bahwa perhitungan
103 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula dilakukan dengan memanfaatkan prosesor multi-core. Hal ini akan mempercepat proses bootstrapping, terutama pada model yang kompleks. ▪ Amount of Results: Complete (Slower); Pilihan ini memastikan bahwa semua hasil kalkulasi lengkap akan dihitung, termasuk hasil untuk semua jalur, outer loadings, dan indirect effects. Opsi ini mungkin lebih lambat, tetapi memberikan informasi yang lengkap untuk interpretasi. ▪ Confidence Interval Method: BiasCorrected and Accelerated (BCa) Bootstrap; Metode ini memberikan hasil interval kepercayaan yang lebih akurat dengan mempertimbangkan bias dari data dan mempercepat perhitungan. Pilihan BCa adalah metode yang sangat direkomendasikan untuk uji bootstrap
104 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula karena memberikan hasil yang lebih andal dibandingkan metode lainnya. ▪ Test Type: One Tailed − Pilihan ini digunakan jika hipotesis Anda bersifat arah tertentu (directional), seperti pengaruh positif atau negatif. Misalnya, "KUAL → PUAS memiliki pengaruh positif." − Jika hipotesis tidak bersifat directional, maka opsi Two Tailed harus digunakan. ▪ Significance Level: 0.05000 (5%); Tingkat signifikansi 5% (α = 0.05) digunakan untuk menentukan apakah hubungan antar variabel signifikan atau tidak. Nilai ini umum digunakan dalam penelitian ilmiah. ▪ Random Number Generator: Fixed Seed; Penggunaan "Fixed Seed"
105 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula memastikan bahwa hasil bootstrapping dapat direproduksi. Ini penting untuk konsistensi hasil jika perhitungan diulang. ▪ Centang Open Report; setelah bootstrapping selesai, hasil akan langsung ditampilkan dalam laporan untuk evaluasi lebih lanjut. ▪ Klik tombol Start Calculation untuk memulai proses bootstrapping. ▪ Tunggu hingga proses selesai, dan hasil akan ditampilkan pada tab laporan
106 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula seperti Path Coefficients, Indirect Effects, dan lain-lain. Evaluasi Pengaruh Langsung (Direct Effect) o Di panel hasil bootstrapping, buka tab Path Coefficients untuk melihat nilai hubungan antar variabel laten. o Perhatikan Kolom T-Statistics dan PValues: ▪ T-Statistics: Menunjukkan kekuatan hubungan antar variabel laten. ▪ P-Values: Menunjukkan tingkat signifikansi hubungan. o Kriteria Evaluasi: ▪ T-Statistics > 1.96: Hubungan signifikan pada tingkat signifikansi 5% (α = 0.05). ▪ P-Values < 0.05: Hubungan signifikan pada tingkat signifikansi 5%.
107 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula o Berikut adalah interpretasi hasil uji berdasarkan tabel T-Statistics dan PValues: ▪ KUAL → LOYL: − T-Statistic = 1.164, P-Value = 0.122 (Tidak signifikan). − Hubungan antara KUAL (Kualitas Pelayanan) dan LOYL (Loyalitas Pelanggan) tidak signifikan pada tingkat kepercayaan 95%. Artinya, kualitas pelayanan tidak secara langsung memengaruhi loyalitas pelanggan.
108 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula ▪ KUAL → PUAS: − T-Statistic = 8.910, P-Value = 0.000 (Signifikan). − Hubungan antara KUAL dan PUAS (Kepuasan Pelanggan) signifikan. Artinya, kualitas pelayanan memiliki pengaruh langsung terhadap kepuasan pelanggan. ▪ PRNI → LOYL: − T-Statistic = 8.326, P-Value = 0.000 (Signifikan). − Hubungan antara PRNI (Persepsi Nilai) dan LOYL signifikan. Artinya, persepsi nilai memiliki pengaruh langsung terhadap loyalitas pelanggan.
109 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula ▪ PRNI → PUAS: − T-Statistic = 5.498, P-Value = 0.000 (Signifikan). − Hubungan antara PRNI dan PUAS signifikan. Artinya, persepsi nilai memengaruhi kepuasan pelanggan secara langsung. ▪ PUAS → LOYL: − T-Statistic = 4.853, P-Value = 0.000 (Signifikan). − Hubungan antara PUAS dan LOYL signifikan. Artinya, kepuasan pelanggan memengaruhi loyalitas pelanggan secara langsung.
110 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula Kesimpulan Evaluasi Pengaruh Langsung Berikut adalah tabel kesimpulan penerimaan hipotesis hubungan langsung berdasarkan hasil pengujian: Hipotesis Hubungan Path Coefficient T-Statistic P-Value Kesimpulan H1 KUAL → PUAS 0.532 8.910 0.000 Diterima H2 PRNI → PUAS 0.377 5.498 0.000 Diterima H3 PUAS → LOYL 0.412 4.853 0.000 Diterima H4 KUAL → LOYL -0.079 1.164 0.122 Ditolak H5 PRNI → LOYL 0.597 8.326 0.000 Diterima o H1: Hubungan antara kualitas pelayanan (KUAL) dan kepuasan pelanggan (PUAS) signifikan, sehingga hipotesis diterima. o H2: Hubungan antara persepsi nilai (PRNI) dan kepuasan pelanggan (PUAS) signifikan, sehingga hipotesis diterima. o H3: Hubungan antara kepuasan pelanggan (PUAS) dan loyalitas pelanggan (LOYL) signifikan, sehingga hipotesis diterima.
111 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula o H4: Hubungan langsung antara kualitas pelayanan (KUAL) dan loyalitas pelanggan (LOYL) tidak signifikan, sehingga hipotesis ditolak. Mediasi oleh PUAS mungkin lebih relevan. o H5: Hubungan antara persepsi nilai (PRNI) dan loyalitas pelanggan (LOYL) signifikan, sehingga hipotesis diterima. Evaluasi Pengaruh Tidak Langsung (Indirect Effect/ Mediasi) o Di panel hasil bootstrapping, buka tab Indirect Effects untuk melihat hubungan tidak langsung antar variabel laten. o Sama seperti pada Path Coefficients, pastikan T-Statistics > 1.96 dan P-Values < 0.05 untuk hubungan tidak langsung yang signifikan.
112 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula o Jenis mediasi: ▪ Mediasi Penuh: − Terjadi jika pengaruh langsung tidak signifikan, tetapi pengaruh tidak langsung melalui variabel mediasi signifikan. − Dalam konteks ini, hubungan antara variabel independen dan dependen sepenuhnya terjadi melalui variabel mediasi.
113 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula ▪ Mediasi Parsial: − Terjadi jika pengaruh langsung signifikan, dan pengaruh tidak langsung melalui variabel mediasi juga signifikan. − Dalam kasus ini, variabel independen memengaruhi variabel dependen baik secara langsung maupun melalui variabel mediasi. o Berdasarkan tabel hasil uji mediasi: ▪ KUAL → PUAS → LOYL: − Original Sample (O) = 0.219, TStatistic = 3.956, P-Value = 0.000 (Signifikan). − Jenis Mediasi: * Dari hasil uji pengaruh langsung KUAL → LOYL sebelumnya (TStatistic = 1.164, P-Value = 0.122,
114 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula tidak signifikan) dan pengaruh tidak langsung KUAL → PUAS → LOYL (signifikan), maka jenis mediasi adalah mediasi penuh. * Artinya, PUAS sepenuhnya memediasi hubungan antara KUAL dan LOYL, sehingga pengaruh KUAL terhadap LOYL terjadi hanya melalui PUAS. ▪ PRNI → PUAS → LOYL: − Original Sample (O) = 0.155, TStatistic = 3.632, P-Value = 0.000 (Signifikan). − Jenis Mediasi: * Dari hasil uji pengaruh langsung PRNI → LOYL sebelumnya (TStatistic = 8.326, P-Value = 0.000, signifikan) dan pengaruh tidak langsung PRNI → PUAS →
115 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula LOYL (signifikan), maka jenis mediasi adalah mediasi parsial. * Artinya, PUAS memediasi sebagian hubungan antara PRNI dan LOYL, tetapi PRNI juga memiliki pengaruh langsung yang signifikan terhadap LOYL.
116 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula REFERENSI Cohen, J. (2013). Statistical Power Analysis for the Behavioral Sciences. Statistical Power Analysis for the Behavioral Sciences. https://doi.org/10.4324/9780203771587 Hair, J. F., Babin, B. J., Anderson, R. E., & Black, W. C. (2022). Multivariate Data Analysis. Cengage Learning. https://books.google.co.id/books?id=P ONXEAAAQBAJ Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Thousand Oaks. Sage, 165. Hair, J. F., Sarstedt, Marko., Ringle, C. M., & Mena, J. A. (2011). An assessment of the use of partial least squares structural equation modeling in marketing research. Journal of the Academy of Marketing
117 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula Science 2011 40:3, 40(3), 414–433. https://doi.org/10.1007/S11747-011- 0261-6 Hair Jr, J. F., Matthews, L. M., Matthews, R. L., & Sarstedt, M. (2017). PLS-SEM or CB-SEM: updated guidelines on which method to use. International Journal of Multivariate Data Analysis, 1(2), 107–123. Henseler, J., Dijkstra, T. K., Sarstedt, M., Ringle, C. M., Diamantopoulos, A., Straub, D. W., Ketchen, D. J., Hair, J. F., Hult, G. T. M., & Calantone, R. J. (2014). Common Beliefs and Reality About PLS: Comments on Rönkkö and Evermann (2013). Organizational Research Methods, 17(2), 182–209. https://doi.org/10.1177/1094428114526 928/ASSET/IMAGES/LARGE/10.1177_ 1094428114526928-FIG5.JPEG Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing
118 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/S11747-014- 0403-8/FIGURES/8 Jöreskog, K. G. (1971). Simultaneous factor analysis in several populations. Psychometrika, 36(4), 409–426. https://doi.org/10.1007/BF02291366/M ETRICS Shmueli, G., Sarstedt, M., Hair, J. F., Cheah, J. H., Ting, H., Vaithilingam, S., & Ringle, C. M. (2019). Predictive model assessment in PLS-SEM: guidelines for using PLSpredict. European Journal of Marketing, 53(11), 2322–2347. https://doi.org/10.1108/EJM-02-2019- 0189/FULL/XML
119 SmartPLS 101 Panduan Lengkap Analisis SEM-PLS untuk Pemula