Anda di halaman 1dari 45

Penelitian dengan Software Warp PLS 3.

Langkah langkah (standar) Analisis Data dengan PLS


Analisis data dan pemodelan persamaan struktural dengan menggunakan software
PLS, adalah sebagai berikut:
a.

Merancang Model Struktural (Inner Model)


Inner Model atau Model Struktural menggambarkan hubungan antar variabel laten
berdasarkan pada substantive theory. Perancangan Model Struktural hubungan antar variabel
laten didasarkan pada rumusan masalah atau hipotesis penelitian.
b. Merancang Model Pengukuran (Outer Model)
Outer Model atau Model Pengukuran mendefinisikan bagaimana setiap blok indikator
berhubungan dengan variabel latennya. Perancangan Model Pengukuran menentukan sifat
indikator dari masing-masing variabel laten, apakah refleksif atau formatif, berdasarkan
definisi operasional variabel.
c. Konversi Diagram Jalur ke Sistem Persamaan
1) Model persamaan dasar dari Inner Model dapat ditulis sebagai berikut:
= 0 + + +
j = i ji i + i jb b + j
2) Model persamaan dasar Outer Model dapat ditulis sebagai berikut:
X = x + x Y = y + y
d. Estimasi : Weight, Koefisien Jalur, dan Loading
Metode pendugaan parameter (estimasi) di dalam PLS adalah metode kuadrat terkecil (least
square methods). Proses perhitungan dilakukan dengan cara iterasi, dimana iterasi akan
berhenti jika telah tercapai kondisi kenvergen. Pendugaan parameter di dalam PLS meliputi 3
hal, yaitu:
1) Weight estimate yang digunakan untuk menghitung data variabel laten.
2) Path estimate yang menghubungkan antar variabel laten dan estimasi loading antara variabel
laten dengan indikatornya.
3) Means dan parameter lokasi (nilai konstanta regresi, intersep) untuk indikator dan variabel
laten.
e. Evaluasi Goodness of Fit
Goodness of Fit Model diukur menggunakan R2 variabel laten dependen dengan interpretasi
yang sama dengan regresi. Q2 predictive relevance untuk model struktural mengukur
seberapa baik nilai observasi dihasilkan oleh model dan juga estimasi parameternya.

Q2 = 1 ( 1 - R12 ) ( 1 R22 ) (1 Rp2)


Besaran memiliki nilai dengan rentang 0-2 pada analisis jalur (path analysis).
f. Pengujian Hipotesis (Resampling Bootstraping)
Pengujian Hipotesis (, , dan ) dilakukan dengan metode resampling Bootstrapyang
dikembangkan oleh Geisser & Stone. Statistik uji yang digunakan adalah statistik t atau uji t.
Penerapan metode resampling, memungkinkan berlakunya data terdistribusi bebas
(distribution free) tidak memerlukan asumsi distribusi normal, serta tidak memerlukan
sampel yang besar (direkomendasikan sampel minimum 30). Pengujian dilakukan dengan ttest, bilamana diperoleh p-value.

a.

b.
1)
2)
3)
4)
a)

b)

c)

d)
e)

Langkah-langkah penggunaan software WarpPLS 3.0


Tahap 1: Tabulasi Data
Input data melalui excel dan menyimpan dalam bentuk File NotePad (txt). Dengan cara
klik Save As pilih Other Formats dan memberi nama file. Pada kolom Save As
type pilih text (tab delimited) lalu klik save.
Tahap 2: Menjalankan Program WarpPLS 3.0
Jalankan program VPLS dengan mengklik shortcut program WarpPLS 3.0 desktop layar
komputer
Muncul tampilan jendela program WarpPLS 3.0
Klik Proceed to use software
Analisa melalui lima langkah :
Langkah 1 : Membuka atau membuat file proyek
Membuat proyek atau pekerjaan baru dengan klik Create Project File dan disimpan dalam file
komputer. File akan tersimpan dalam bentuk .prj dan telah berisi komponen yang telah
berisi komponen yang diperlukan dalam melakukan analisis SEM.
Langkah 2 : Membaca data mentah yang akan digunakan dalam anailsis SEM
Pembacaan data mentah dengan klik Read Raw Data File.
Memilih data BAR dalam bentuk notpad teks. Selanjutnya klik Open, maka akan muncul
jendela dengan judul Import Wizard. Selanjutnya klik Next lalu Finish.
Dalam langkah ini diharapkan dilakukan pemeriksanaan data tabulasi awal dan format yaitu
jumlah observasi pada baris dan nama-nama indikator variabel laten pada kolom, jika sudah
benar maka klik dan format yaitu jumlah observasi pada baris dan nama-nama indikator
variabl laten pada kolom, jika sudah benar maka klik YES jika belum maka daiadakan
peengcekan ulang dengan terlebih dahulu menghentikan program.
Langkah 3 : Pre-Process data untuk analisis SEM
Klik Pre-Process, biasanya tampilan menunjukkan tidak ada masalah dalam data,
seperti missing Vales, Zero Variance Problem dan Rank Problems. Seingga muncul data yang
telah terstandarisasi. Data yang terstandarisasi umumnya bernilai antara -4 sampai dengan 4.
Jika adaMissing Values maka akan mnjadi nol karena diganti dengan nilai rata-rata indikator
pada kolom.
Langkah 4 : Mendefinisi Model SEM
Klik proses 4 kemudian :
Menggambar variabel laten dan mengisinya dengan indikator
Membuat hubungan langsung (direct llink) dan hubungan moderasi (moderating link) yang
disebut sebagai Inner Model.
Langkah 5 : Menjelaskan Analisis SEM dan melihat hasilnya
Pembacaan output :

General Result :
Nilai P untuk APC dan ARS harus lebih kecil dari 0,05 taua berarti signifikan. Dari hasil
tersebut dapat dilihat bahwa nilai P untuk APC dan ARS lebih kecil dari 0,05. Nilai AVIF
sebagai indikator multikolinearitas harus lebih kecil dari 5.
Path Coefficients and P values
Kolom ini menunjukkan variabel laten prediktor dan baris menunjukkan variabel laten
kriterion.
Standar Errors and Effect Size for Path Coeficient
Nilai effct size dikelompokkan menjadi tiga kategori yaitu lemah (0,02) medium (0,15) dan
besar (0,35). Jika nilai effect size sebesar 0,20 menunjukkan bahwa pengaruh variabel laten
prediktor sangat lemah dari pandangan praktis meskipun mempunyai nilai p yang signifikan.
Output Combined loadings and Cross-loadings
Terdapat dua kriteria untuk menilai apakah outer model memenuhi validitas konvergen untuk
konstruk yang relatif. Loading harus diatas nilai 0,70 dan nilai signifikansi (<0,50)
Indicator Weight
Karena dari tahap awal menggunakan konstruk relatif maka output ini menjadi tidak relevan
dalam laporan penelitian. Tetapi jika memakai variabel laten formatif maka akan disajikan,
tetapi dikatakan variabel tersebut telah dikatakan layak dinilai apabila pada bobot P nilai
<0,05 dan nilai VIF kurang dari 3,3.
Laten Variabel Coefficients
Nilai R-square menunjukkan berapa presentase variasi konstruk endogen dapat dijelaskan
oleh konstruk yang dihipotesiskan mempengaruhinya (eksogen). Nilai AVE selain untuk
reliabilitas bisa dipergunakan sebagai validitas konvergen. Nilai VIF harus kurang dari 3,3
untuk menunjukkan bahwa model bebas dari masalah kolinearitas dan common method bias.
Correlations among latent variables
Output ini dipergunakan untuk evaluasi validitas diskriminan . kriteria yang dipergunakan
adalah akar kuadrat AVE, yaitu kolom diagonal yang diberi tanda kurung harus lebih tinggi
dari korelasi antar variabel laten pada kolom yang sama.
VIF
Bagian ini menunjukkan apakah model mempunyai maslah dalam kolinaritas vertikal, jika
menunjukkan angka kurang dari 3,3 maka menunjukkan bebas dari kolinearitas.
Correlation among Indicators
Tampilan ini hanya menunjukkan korelasi antar indikator.
Linear and Non linear Realtionship among Latent variabel
(Sumber: http://dien-smart.blogspot.co.id/2016/06/warp-pls.html)

FAQ PLS Oleh Prof. Dr. Imam Ghozali, M.Com, Akt


04.52

File Under : PLS

TANYA:
Yth. Prof. Dr. Imam Ghozali, M.Com, Akt
Nama saya Pandu Winata. Saya seorang mahasiswa ingin bertanya tentang SEM dengan PLS
(mohon dijawab).
1.) Dalam buku bapak disebut bahwa tujuan PLS adalah prediksi. Apa maksudnya dan apa yang
diprediksi.?
2.) Kenapa PLS tidak mengasumsikan data berdistribusi tertentu, sedangkan SEM (LISREL)
mengasumsikan data berdistribusi normal.?
3.) Apa pengertian weight relation?
4.) Dalam SmartPLS, Algorithm Settings (data metric) memberikan pilihan standardized (mean 0,
variance 1) atau original.Dan pada weighting scheme ada 3 pilihan yaitu centroid, factor, dan path.
Dalam keadaan bagaimana kita harus menggunakan
Standardized dan original, serta weighting scheme yang mana yang harus digunakan?
5.) Apabila kita mempunyai variabel laten dengan variabel manifes yang diukur dengan kategorik
(ordinal): 1=lebih buruk, 2=sama buruk, 3=sama baik, 4=lebih baik. contoh: kita membentuk 3 variabel
laten, misal salah satu variabel laten tersebut adalah perkembangan usaha tani dengan variabel
manifes: keadaan sumber air, kemudahan
memperoleh benih, pupuk, obat-obatan, tenaga kerja, alat pertanian, gangguan hama dan penyakit,
produktivitas lahan, dan kemudahan pemasaran hasil produksi, yang semua variabel manifes
tersebut diukur dengan kategorik diatas. Data metric yang mana yang harus digunakan, apakah
standardized (mean 0, variance 1) atau original, serta weighting scheme yang mana yang harus
digunakan?
6.) Apa arti dari nilai loading sebesar 0,439. Kenapa nilai loading bisa lebih dari satu?

JAWAB:
Pada dasarnya model struktural berasumsi bahwa anda punya model yg dikembangkan berdasarkan
teori dan model tsb akan diuji (dikonfirmatori) apakah cocok dengan data empirisnya (jadi
berdasarkan sample covariance matrik anda mau mengkonfimarkan model teoritiknya. Jadi sebaiknya
untuk menguji SEM harus menggunakan covariance SEM (Amos, Lisrel atau EQS), namun demikian
data empiris kita kadang kala tdk mampu menjawab hal ini (krn data yg sedikit, terdistribusi tdk
normal, ada multikol dstnya) pokonya data yang ada tdk dapat digankan mengkonfirmasi model.
Dalam keadaan seprti ini dan dengan data yg apa adanya anda terpaksa hrs menggunakan PLS,

tetapi PLS tdk berpretensi inging menjawab model, hanya dengan data yg ada mencoba memprediksi
hubungan seperti apa yg ada pada model jadi lebih bersifat prediktif (inilah kelemahan PLS)
PLS datanya bisa apa saja nominal, ordinal atau kategori (shng sering disebut soft
modeling)sedangkan Covariance SEM data hrs berwujud kontnyus atau interval (disebut hard
modeling. Jadi PLS bersifat non-paramerik
Didalam SEM yg harus digunakan adalah nilai koefisien standardized (tanpa konstanta)mengapa krn
kita ingin membandingkan antar jalur /path yg ada sehingga hrs
menggunakan nilaio standardized (di PLS dengan pilihan mean=0 dan variance=1)

Nilai loading 0.439 berarti sumbangan indikator terhadap nilai laten variabelnya sebesar 43.9% (jadi
menurut PLS nilai loading factor hrs minimal 0.70 kurang dari ini hrs didrop indikatornya) Nilai loading
factor bisa lebih dari 1 kalau anda tdk menggunakan nilai standrdized (jadi dengan mean=0 dan
variance =1 tdk mungkin nilai loadingh lebih dari
satu)

TANYA:
Dalam partial least square. Bagaimana prosedur untuk menguji bahwa suatu variable merupakan
intervening variabel.

JAWAB:
Saya coba bantu..

Salah satu pendekatan untuk menguji hipotesis mediasi adalah dengan strategi product of coefficient,
yaitu dengan menguji signifikansi indirect effect (perkalian direct effect variabel independen terhadap
mediator , p1 dan direct effect mediator terhadap variabel dependen,p2, sehingga indirect effect
adalah p1*p2).

Sejauh yang saya ketahui, belum ada software PLS yang memiliki fasilitas pengujian langsung
terhadap indirect effect, sebagaimana AMOS atau LISREL. AMOS dengan prosedur resampling yaitu
bootsrapping, sedangkan LISREL dengan Sobel test-nya, meskipun juga menyediakan bootsrapping.

Dengan demikian, pengujian hipotesis mediasional berdasarkan signifikansi indirect effect pada PLS
dilakukan secara manual.
Uji signifikansi indirect effect p1*p2 didasarkan pada rasio antara koefisien p1*p2 dengan standard
error-nya yang akan menghasilkan nilai z statistik (z-value). Standard error koefisien p1*p2 dihitung

berdasarkan versi Aroian dari Sobel test yang dipopulerkan dan direkomendasikan oleh Baron and
Kenny (1986), yaitu akar kuadrat (p2^2 Sp1^2 + p1^2 Sp2^2 + Sp1^2 Sp2^2).
Dimana:
p1 adalah koefisien path pengaruh variabel independen terhadap variabel mediasi
p2 adalah koefisien path pengaruh variabel mediasi terhadap variabel dependen
Sp1 adalah standard error dari koefisien path p1
Sp2 adalah standard error dari koefisien path p2

Jika z-value dalam harga mutlak = 1,96 atau tingkat signifikansi statistik z (p-value) = 0,05, berarti
indirect effect variabel independen terhadap dependen melalui variabel mediasi, signifikan pada taraf
signifikansi 0,05 (Preacher and Hayes., 2004). z-value beserta nilai probabilitasnya (p-value) dapat
dihitung menggunakan Excel atau alat hitung interaktif dari Kris Preachers yang terdapat pada
http://www.psych.ku.edu/preacher/sobel/sobel.htm. Dengan hanya memasukkan nilai p1, p2 beserta
standar error-nya masing-masing maka uji signifikansi dengan Sobel test (bersama varianya) dapat
diperoleh. Hasilnya akan sama dengan bila dihitung dengan rumus di atas.

TANYA:
apakah "convergent validity" , "disriminant validity" , "unidimensional"
adakah yang bisa bapak referensikan untuk membantu penulisan tugas akhir saya.
terima kasih yang sebesar-besarnya

JAWAB:
Pertama yg anda lakukan pengujian terhadap outer model (measurement model)
a. Convergent validity: lihat nilai loading factor untuk amsing-masing indikator. Nilai loading hrs diatas
0.70 (pada penelitian pada bidang yg belum berkembang bisa menggunakan 0.5-0.6). Jika ada nilai
loading dibawah 0.70 delete dari analisis indikator tsb.
b. Contruct Reliability (sama dengan cronbach alpha mengukur treliabilitas konstruk atau variabel
laten) nilainya hrs diatas 0.70 yang diangap reliabil.
c. Average Vrainace Extracted (mengukur validitas) nilainya 0.50
d. Discriminant validity dengan mebandingkan nilai akar dari AVE dengan nilai korelasi antar variabel
latent. Nilai akar AVE hrs lebih besar dr korelasi antar variable latent
e. Cross-loading mengukur unidimesionalitas dari variable lantent.

Setelah anda menguji ini semua, lakukan bootstraping atau jacknifing untuk mendapatkan nilai T
statistik guna menguji apakah hubungan antar variabel laten signifikan atau tdk.

1. Uji inner model (structural model):


a. Lihat nilai T statistik significan atau tdk
b. lihat nilai R2 uji determinasi atau goodness-fit dari model

TANYA:
Dalam penelitian saya menggunakan PLS diperoleh R square untuk 3
variabel kurang dari 0,4. Structural model dengan nilai kurang dari
0,3. Disisi lain uji validitas instrumen dan reliablitas semuanya
signifikan apa penelitian tersebut masih bermakna?

JAWAB:
R2 0.4 cukup baik karena variabilitas variabel endogen yg dapat dijelaskan oleh variabilitas variabel
exogen sebesar 40% . Pada riset dengan data crossection nilia 40% cukup tinggi. Nilai structural
model 0.3 merupakan koefieisn regresi yang penting signifikan atau tdk, kalau signikan berarti ada
pengaruh Imam Ghozali

TANYA:
Saya ingin menanyakan pertimbangan untuk memilih jumlah sample dan kasus per sampel dalam
bootstrapping setting. Demikian juga dalam menentukan jumlah iterasi maksimum dalam algorithm
setting.

Dalam buku partial least square karangan prof Imam umumnya menggunakan jumlah sample 100
dan kasus per sampel 50. Sedangkan untuk algorithm setting jumlah iterasi maksimum 500. Apakah
angka2 tersebut yang memang sebaiknya yang di gunakan Prof?

Saya membaca beberapa artikel yang menyebutkan bahwa prosedur bootstrapping menggunakan
500 resampling. Apa maksudnya pernyataan tersebut?

Apakah pertimbangan untuk memilih angka-angka tersebut juga dipengaruhi jumlah observasi
(jumlah data)?

JAWAB:
Dalam SEM dengan partial least square untuk menentukan signifikan atau tidak hubungan antara
variabel dengan melihat nilai t statistik. Besarnya nilai t statistik ini dihitung dengan metode

bootstrapping atau jacknife. Nilai t akan stabil kalau jumlah resampling sebesar 500 artinya komputer
akan melakukan resampling ulang dari original sample anda sebanyak 500 kali untuk mendapatkan
nilai t . Perlu diketahui nilai t ini akan bebeda-beda atar komputer atau kalau anda ulang merun
karena menggunakan metode iterasi dan masing-masing komputer memiliki nilai starting yang
berbeda, tetapi hasil bootsrap dengan 500 akan memberikan nilai t yg tidak jauh berbeda sehingga
dengan kriteria alpha 5% akan konsisten apakah hipotesis diterima atau ditolak. Imam Ghozali

TANYA:
Prof. Imam saya mulai menikmati mempelajari dan menggunakan PLS, saya udah membaca buku
Prof dan semakin membantu saya dalam memahami PLS. Namun ada beberapa hal yang ingin saya
tanyakan sehubungan dengan beberapa hal dalam PLS, yaitu: Masalahweighting scheme. Dalam
buku Prof disebutkan bahwa hasil yang diperoleh dariketiga skema yaitu Centroid, Factor, dan Path
tidak jauh beda. Nah yang sayatanyakan idealnya kapan atau kondisi yang bagaimana bagi peneliti
sebaiknya menggunakan atau memilih satu dari tiga skema tersebut?Saya belum menemukan
definisi yang jelas tentang Bootstrapping, yang saya tahu hanyabahwa Bootstrapping sama dengan
resampling. Pertanyaan saya Prof, apa sebenarnya makna dari Bootstrapping?DalamBootstrapping
setting terdapat preprocessing option yang terdiri dari Constructlevel change dan individual sign
change. Apakah maksudnya kedua pilihantersebut dan kondisi bagaimana sebaiknya kita memilih
salah satu pilihantersebut Prof? Lalukemudian pada Algorithm setting terdapat pilihan Data metric
yaitu standardized(mean=0 dan variance=1) dan data original, maksudnya apa dengan kedua
jenisdata tersebut? Yang terakhir Prof, bila jumlah sampel hanya 40 apakah kasus per sampel juga
default 50 atau bagaimana Prof sebaiknya jumlah kasus per sampelnya?Demikian Prof. Imam
pertanyaan saya, terima kasih banyak atas jawaban dan bantuannya.

JAWAB:
-Weighting scheme silahkan anda pilih salah satu Factor, Centroid atau Path, menurut Prof Chin
(pembuat PLS Graph) sebaiknya menggunakan path.
Bootsrapping adalah resampling, PLS menggunakan bootstraping dan Jacknifing untuk menentukan
nilai t sehingga dapat diketahui tingkat signifikansi dari nilai t tersebut. Setiap kali anda melakukan
bootsraping hasil nilai t akan berbeda karena menggunakan metode iterasi dan setiap komputer
nenggunakan angka awal itersi yg berbeda. Oleh sebab itu gunakan bootstrapping 200 spy
mendapatkan nili t yg stabil. input data untuk PLS dapat berupa data mentah (original) atau
standardized (mean=0, variance=1). dalam analisis SEM gunakan stndardized krn kita ingin
membandingkan antar jalur.

TANYA:

Didalam buku Prof. Imam (SEM- Metode alternatif dg PLS), sebelum meng-calculate model (RUN),
sebelumnya ada setting yang harus dipilih.

1. Algorithm setting, ada bbrp setting yg dpt dipilih Data metric = standardized atau original
2. Weighting scheme = centroid, factor dan path.

tetapi lebih lanjut tdk ada penjelasan mengenai masing2 pilihan setting td. mohon dijelaskan pada
kondisi seperti apa masing2 pilihan td digunakan (karena masing2 pilihan, outputnya berbeda)

JAWAB:
Pada data pilih standardized (hasil-nya nanti dalam standardidized), krn SEM menggunakan output
standardized untuk interpretasi. Sedang weighting umumnya digunakana path

TANYA:
Menurut Pak Imam apa penyebab nilai error nilai loading factornya, sehingga variance extractnya
kurang dari 0,50 Maksudnya di Drop apa Pak? Saya belum tahu istilah
tersebut...

JAWAB:
Coba anda lihat ada indikator dengan niali loading dibawah 0.50, kalau ada berarti indikator ini tdk
valid dan menyebabkan AVE rendah. indikator yg tdk valid dibuang dari model

Tanya:
jika kita ingin menggunakan path analysis, berapa buah sampel seharusnya kita anbil? jika data kita
berupa data kategorik, gimana cara kita merubahnya menjadi data interval. sehingga data kita bisa
dianalisis menggunakan path analysis?

Prof. Dr. Imam Ghozali, M.Com:


Apakah data ordinal harus diubah dahulu menjadi interval? Beberapa universitas di Indonesia
mengharuskan data ordinal hrs diubah dahulu menjadi interval baru dapat dianalisis dengan
multivariate statitik.
Di barat sono perdebatan ini sudah selesai tahun 1950an. Data ordinal dengan Skala Likert
STS(1),TS(2),N(3),S(4) SS(5) jika diubah skalanya menjadi interval maka skore interval akan mirip
sama urutannya dengan skore asli ordinal dan berkorelasi sebesar 99%. Jadi data asli ordinal sama
dengan interval dan dapat dianggap interval. kaitan dengan interpretasi

Misalkan saya punya Y = a + b1X1 +b2X2

Y = 0.50 +0.25X1 +0.30X2

Jika data kita interval misal Y=GDP, X1=Inflasi dan X2=Kurs, maka saya dpt menginterpretasikan
bahwa kalau inflasi naik 10% maka GDP naik 2.5%, kalau kurs naik 10%, maka GDP naik 3%. Akan
tetapi kalau data kita ordinal (kualitatif) misal Y=kepuasan kerja, X1=Komitmen, X2=motivasi, maka
saya tdk bisa interpretasi jika komitmen naik 10% maka kepuasan naik 2.5% (karena data kita
kualitatif) jadi kita hanya bisa mengatakaan bahwa komitmen berpengaruh thdp kepuasan seberapa
besar pengaruhnya tdk tahu (kualiatif). walaupun data ordinal tadi sdh menjadi interval tetap saja kita
tdk bisa interpretasi krn data kita aslinya adalah kualitatif

Di jurnal-jurnal ilmiah tdk pernah dipersoalkan bahwa data ordinal hrs diubah dahulu mejadi interval,
krn mereka sdh clear masalah ini 50 tahun lalu dan kita masih mempersoalkan sampai saat ini Yang
berminat saya berikan referensi diskusi hal ini dari salah satu buku terbitan 1957

Tanya:
saya irwan hadianto, mahasiswa teknik industri atmajaya jakarta. saya merupakan orang awam yang
hanya mengetahui sangat sedikit pengetahuan tentang menggunakan SEM dengan metode alternatif
dengan PLS (dlm hal ini saya menggunakan software smartPLS 2.0). dalam model yang saya buat,
saya menggunakan second order factor model, menurut buku yang bapak tulis yaitu SEM dengan
metode alternatif dengan PLS, saya pun menggunakan repeated indicators approach.
(1) jika saya harus menghapus beberapa indikator dari first order LV, haruskah saya mengahapus
indikator yang sama dari second orde LV saya??
(2) manakah yang harus lebih didahulukan, nilai outer loading (crossloading dari indikator ke LV) atau
kah nilai dari T-statistic. walaupun mayoritas sama (jika menurut crossloading tidak berpengaruh,
maka memiliki nilai T-statistic yang rendah sehingga tidak signifikan) namun, ada beberapa indikator
yang agak berbeda. mis, menurut crossloading harus di-delete namun, menurut T-statistic tidak boleh
di-delete ??

Besar harapan saya, agar bapak kiranya mau membantu saya.


Terima kasih sebesar-besarnya,
irwan hadianto.

Prof. Dr. Imam Ghozali, M.Com:

Salam kenal kembali. Pertanyaan anda ini kelihatannya pernah anda posting di forum
www.smartpls.de, sepintas saya membaca disana dan belum ada respons.

Pada model second order yg menggunakan repeated measure, jika indikator anda delete dari first
order, mk dengans endirinya juga hrs didelete pada second ordernya.

Analisis pada partial least square ada dua:


1. Analisis pada outer model atau measurement model yg terdiri dari:
a. Convergent validity - nilai loading minimal hrs 0.70
b. Cross-loading untuk m,enguji unidimesionalitas dari konstruk atau variabel laten
c. Discriminant Validity
d. Construct Reliability
e. Average Variance extracted
Kalau semua ini sudah ok atau lolos kriteria, baru menguji inner model atau structural model:

2. Analisis inner model


a. melihat nilai koefisien antar variabel laten
b. dengan bootstraping atau jacknifing anda akan memperoleh nilai t statistik masing-masing
koefisien
c. lihat nilai R2

Mudah-mudahan menjawab pertanyaan anda dan semua ada pada buku saya (sat ini sedang saya
revisi total dengan SmartPLS versi 2)

Tanya:
terima kasih atas jawaban anda.
saya memang sudah pernah posting disana, namun memang belum ada jawaban.
namun, saya sebagai pengguna smartPLS yang masih sangat baru masih banyak mengalami
kebingungan.

1)jika untuk outer model nilai loading 'minus' apakah itu ok?? mis -0,5, sementara menurut bapak
ketika tahap pengembangan nilai 0,5 dapat diterima.
2)apakah perbedaan mendasar dari algorithm setting, pada bagian weighting scheme??
(antara centroid, factor, path) kapan kita harus menggunakan yang mana.

Prof. Dr. Imam Ghozali, M.Com:


Nilai outer loading tdk boleh negative, hal ini bisa jadi karena pada saat anda tabulasi lupa belum
direcode (indikator pertanyaan jika ada yang cara bertanyan negatif hrs dirubah jadi positif pada saat
tabulasi). Dugaan saya anda lupa belum melakukan recode thd kuesioner anda.

Weighting scheme apapun yg anda pilih tdk memberikan hasil yg jauh berbeda sekitar 0.05, tetapi
umumnya sekarang banyak yg menggunakan path.

Tanya:
terima kasih atas jawaban bapak yang sangat membantu saya saya akan mencoba melihat data dan
recode dengan hasil kuisioner saya. apakah "convergent validity" , "disriminant validity" ,
"unidimensional" adakah yang bisa bapak referensikan untuk membantu penulisan tugas akhir saya.
terima kasih yang sebesar-besarnya

Prof. Dr. Imam Ghozali, M.Com:


Pertama yg anda lakukan pengujian terhadap outer model (measurement model)
a. Convergent validity: lihat nilai loading factor untuk amsing-masing indikator. Nilai loading hrs diatas
0.70 (pada penelitian pada bidang yg belum berkembang bisa menggunakan 0.5-0.6). Jika ada nilai
loading dibawah 0.70 delete dari analisis indikator tsb.
b. Contruct Reliability (sama dengan cronbach alpha mengukur treliabilitas konstruk atau variabel
laten) nilainya hrs diatas 0.70 yang diangap reliabil.
c. Average Vrainace Extracted (mengukur validitas) nilainya > 0.50
d. Discriminant validity dengan mebandingkan nilai akar dari AVE dengan nilai korelasi antar variabel
latent. Nilai akar AVE hrs lebih besar dr korelasi antar variable latent
e. Cross-loading mengukur unidimesionalitas dari variable lantent.

Setelah anda menguji ini semua, lakukan bootstraping atau jacknifing untuk mendapatkan nilai T
statistik guna menguji apakah hubungan antar variabel laten signifikan atau tdk.

1. Uji inner model (structural model):


a. Lihat nilai T statistik significan atau tdk
b. lihat nilai R2 uji determinasi atau goodness-fit dari model

Semua ini muncul dari output SMARTPLS atau Visual PLS

Tanya:

Prof. Imam Yang Terhormat,


Melalui milis ini saya ingin menanyakan perbedaan antara penggunaan analisis hubungan dengan
analisis pengaruh, karena sering masih sering terjadi kebingungan penggunaannya. Misalnya :

Analisis Hubungan Kecerdasan Emosional Dengan Kinerja Pemimpin apa


Analisis Pengaruh Emosional Terhadap Kinerja Pemimpin?

Kalau yang menggunakan kata "pengaruh" di bab 2 juga tetap mencantumkan hubungan X1 dengan
Y. Sebaliknya yang menggunakan kata "Hubungan" panahnya juga hanya satu arah saja. Dari segi
pengujian yang memakai "hubungan" juga tetap menggunakan regresi untuk memprediksinya.

Sefnedi, Ph.D:
Izinkan saya mencoba merespon persoalan anda tentang beda antara hubungan dan pengaruh:
1. Ketika kita menggunakan terminologi hubungan (correlation), kita belum mengetahui mana
independent variable (IV) dan mana dependent variable (DV). Jadi kita hanya ingin menguji secara
empiris hubungan kedua variabel atau lebih (Correlation analysis). Ini dapat kita uji dengan
menggunakan bivariate correlation.
2. Namun disaat kita menggunakan terminologi pengaruh (impact or influence), disaat itu kita sudah
memberikan justifikasi bahwa independent varible (kecerdasan emosi) berpengaruh terhadap
dependent variable (kinerja).
3. jika kita ingin menguji pengaruh biasanya kita juga melakukan pengujian hubungan terlebih dahulu.
Logika sederhana dibalik ini adalah tidak akan mungkin IV(kecerdasan emosi) berpengaruh signifikan
terhadap DV (kinerja) apabila kedua variabel tersebut tidak memiliki hubungan yang signifikan.
Misalnya, tidak mungkin saya berpengaruh
terhadap anda, sedangkan antara saya dan anda tidak punya hubungan. 4. Dalam analisa regresi
(pengaruh) pada output SPSS terlihat model summary. Disini kita bisa melihat nilai adjusted R2
(pengaruh) dan R (hubungan).
Demikian, semoga ada manfaatnya.

Tanya:
Apakah dengan PLS, tesis yang dibuat interpretasinya cukup dengan Evaluasi Outer Model (Model
Pengukuran) dan Inner Model (Model Struktural) saja ?
Bagaimana dengan analisa hipotesanya ? Apakah tidak ada uji multikol, uji kualitas data, dsb seperti
dalam SPSS ?

Prof. Dr. Imam Ghozali, M.Com:


Dengan PLS tidak ada uji seperti SPSS. Yang perlu ada lakukan

1. Evaluasi model pengukuran atau outer model:


a. lihat convergent validity (loading factor >0.70)
b. lihat discriminant validity
c. lihat Average Variance Extracted (AVE>0.50)
d. lihat construct reliability (>0.60)

Model pengukuran ok

2. Menguji model struktural atau inner model


(hipotesis model)
a. Melihat nilai t dari hasil boostraping, kalau nilai t>1,96 (sig pada 5%)
b. Melihat koefisien regresi
C. Melihat R2

Tanya:
Di kampus saya sekarang ini terjadi perdebatan tentang interveing. Misalnya saya gambarkan
sebagai berikut : ada pengaruh A ke B kemudian ke C (B variabel intervening). Dosen A mengajarkan
dua hipotesis, yaitu :
1. Ada pengaruh langsung A ke C
2. Ada pengaruh tidak langsung A ke C melalui B.
kemudian diuji dengan cara : jika (jalur A ke B)x(Jalur B ke C)lebih besar daripada jalur langsung A ke
C, maka dikatakan B variabel intervening. Begitu juga sebaliknya.

Tetapi dosen W menyalahkan hipotesis tersebut beserta cara pengujiannya, katanya hipotesis yang
betul ada tiga, yaitu :
1. Ada pengaruh A thp B
2. Ada pengaruh A thp C
3. Ada pengaruh B thp C.
Kemudian hipotesis tersebut diuji dengan uji t. Selain itu juga cara menuliskan persamaannya juga
terjadi perdebatan. Menurut prof imam yang benar yang mana? Mahasiswanya pada bingung.

Prof. Dr. Imam Ghozali, M.Com:


Sebetulnya tergantung dari model teoritiknya modelnya

dpt :
1 A------>B ---------> C
2 A--------------->C
B
model 1 A tdk langsung ke C, tetapi hrs lewat B dahulu, sementara model 2 A bisa langsung ke C,
tetapi bisa juga lewat B baru ke C. Disini A adalah variabel exogen (variabel yg tdk punya anteseden
atau tdk dipengaruhi variabel sebelumnya), sedangkan B dan C adalah variabel endogen karena
punya anteseden. variabel intervening atau mediating adalah variabel endogen yg mempunyai
anteseden dan konsekuen
yaitu B.
Pada model 1 jelas bahwa hubungan A ke C tdk langsung hrs lewat B. jadi kalau A ke B signifikan dan
B ke C juga signifikan maka B intervening dan hubungan A ke C tdk langsung lewat B.

Pada model 2 ada dua kemungkinan A berpengaruh langsung ke C atau tidak langsung yaitu dari A
ke B, baru ke C. Jika A ke C signifikan (langsung) dan A ke B juga signifikan serta B ke C juga
signifikan, maka A ke C bisa langsung atau tidak langsung. mana yang lebih kuat tinggal
membandingkan koefisien A ke C dibandingkan dengan perkalian koefisien A ke B dan B ke C jika
koefisien tdk langsung lebih besar drpad
langsung, maka bisa disimpulkan bahwa hubungan A ke C tidaklangsung lewat intervening B. Apakah
koefisien signifikan atau tidak dilihat nilai t statistiknya untuk 1%= 2.58, 5%=1.96 dan 10%=1.64 jika
nilai t statistik lebih besar dari nilai ini maka signifikan.

Tanya:
Pak Imam.. saya mahasiswa pascasarjana Maksi UGM, sekarang sedang menulis Thesis. Thesis
saya menganalisis 4 variabel laten menggunakan SmartPLS dari buku bapak. konstruk yang
dibangun seperti pada bab 6 didalam buku. Dari hasil penyebaran kuesioner pilot, ada beberapa hal
yang ingin saya tanyakan terkait dengan hasil analisis.

Alat ukur yang digunakan dalam SmartPLS untuk menguji validitas dan reliabilitas indikator dan
variabel laten ada empat, yaitu: convergent validity, discriminant validity, akar AVE dan composite
reliability. hasil uji kuesioner saya menunjukkan:

1. pengukuran dengan convergent validity menunjukkan ada beberapa indikator yang harus di drop.
setelah di drop ada beberapa indikator yang dapat diterima, namun ada juga beberapa indikator yang
loading factornya > 0,50 tetapi T-statistik-nya <> 1,96. bagaimanakah perlakuan untuk indikatorindikator seperti ini?

2. saya mencoba men-drop ke 2 macam loading factor tersebut. setelah 3 kali proses semua indikator
telah layak loading factor dan T-statistiknya, hanya saja ada satu variabel laten yang hanya memiliki 1
indikator saja. variabel ini adalah outer loadingnya. Apakah analisis nantinya bisa layak digunakan?
(nilai factor loadingnya 1.000 dan T-statistik tidak muncul)

3. Setelah itu saya menguji discriminat validity dengan cross loading. Ada satu variabel yang korelasi
masing-masing indikatornya, dari 6 indikator, 2 diantaranya memiliki nilai loading antar variabel
dibawah nilai korelasi dengan variabel lainnya. bagaimanakah perlakukan dengan indikator ini?
sedangkan syaratnya harus lebih besar.

4. Selanjutnya saya menguji Akar AVE, ada satu variabel laten yang akar AVE berada dibawah
korelasi antar variabel laten. Bagaimanakah reliabilitas variabel dengan cara ini? apakah variabel
laten tersebut dikeluarkan? sedangkan pengujian dengan Composite reliability semua variabel laten
telah layak diatas 0,7.

5. Apakah dari ke 4 metode pengukuran tersebut, semuanya (keempat-empatnya) harus digunakan?


Apakah tidak cukup misalnya hanya dengan convergent validity dan composite reliability?

6. Pertanyaan-pertanyaan ini muncul karena sangat sedikit keterangan di buku bapak yang secara
rinci terkait dengan indikator/variabel tidak layak/tidak memenuhi syarat. kalau boleh saya memberi
saran, mungkin perlu ditambahkan kasus-kasus seperti masalah yang saya hadapi tersebut.

Prof. Dr. Imam Ghozali, M.Com:


1. Pada prinsipnya indikator yg mempunyai loading factor signifikan yg hrs dipakai dan nilai loading
minimal 0.70 (menurut banyak penulis. ttp untuk penelitian yang belum mapan variabelnya masih
dimungkinkan dengan kriteria .50 - .60 (ini sama dengan uji validitas. Jadi indikator yg tdk signifikan
pasti dibuang sedang ndikator signifikan ttp loadingnya dibawah 0.50 juga dibuang.

2. Kalau anda melakukan uji cross-loading dan ada dua indikator yg tidak dalam satu konstruk laten,
maka dua indikator ini dianggap tdk mengukur konstruk tersebut dan hrs dibuang dari indikator
pembentuk konstruk.

3. Composite reliability sama dengan cronbach alpha sebagai pengukur konsitensi, sedangkan AVE
sama dengan uji validitas. Jadi kalau ada konstruk yang nilai AVE-nya di bawah 0.50 menandakan
bahwa konstruk tersebut validitasnya rendah dan ini menjadi

keterbatasan penelitian anda untuk konstruk tersebut.

4. untuk konstruk yang hanya memiliki satu indikator, maka indikator tersebut hrs dibuat dalam bentuk
refleksif. (PLS tidak dapat membuat observe variable dengan kotak spt dalam AMOS atau LISREL)
jadi variable observed dalam PLS dibentuk dengan variabel latent dengan satu indikator bentuknya
refleksif (arah panah anda ubah dari indikator ke konstruk)

Semoga menjawab pertanyaan anda, kalau anda ingin tahu lebih jelas mengenai smartpls silahkan
joint diskusi atau membaca hasil diskusi di www.smartpls.de

Tanya:
Saya telah bikin tesis dgn PLS dan memakai buku panduan Prof Imam ttg PLS. Dalam contoh
pembahaasan di buku PLS tsb, nilai loading diatas 1.00 (nilai loading 1), dosen penguji saya
menyalahkan tesis saya kenapa nilai loading bisa di atas 1. Itu SALAH
katanya, nilai loading pasti antara 0 s.d 1, tapi kenapa tesis saya bisa di atas 1. Bingung
juga jawabnya. Berarti buku Prof Imam ttg PLS juga salah ya ? Mohon tanggapan dari rekan2. Saya
memakai SMart PLS & PLSGraph.

Imam Ghozali:
terima kasih, ada dua kemungkinan mengapa nilai loading factor anda lebih dari satu:
1. anda harus memilih output dengan nilai standardized (dalam hal PLS pilih Nilai Variance=1 dan
means=0)dan jika hasilnya masih di atas satu setelah di standardise, maka yang salah pada data
anda
2. Jika nilai loading factor standardozed lebih dari satu, berarti variance dari indikator itu negative dan
ini problem pada data anda. Memang benar bahwa nilai variance tidak boleh negatif (didalam buku
Amos dan Lisrel saya sebut heywood case)
3. Karena problem ada pada data anda bisa jadi data tidak normal, ada oultlier dstnya. Benahi
dahuku dengan data anda atau nilai yang tadi negatif dikonstraint menjadi nilai positif kecil (kalau
anda menggunakan Amos atau Lisrel lihat pembahasan di buku
saya)
4. Jadi yang salah bukan buku saya, tetapi data anda yg tidak memenuhi asumsi.

syaiful_maksi12:
saya sependapat dengan Prof Imam..ada kemungkinan item pertanyaan di kuesioner merupakan
pertanyaan konfirmasi. langkah yang harus anda ambil adalah dengan membalik score jawaban. jika
responden menjawab 7 maka anda ganti dengan score 1, jika 6 anda ganti dengan 2..begitu

seterusnya. lakukan langkah ini hanya pada loading faktor yang bernilai negatif. slamat mencoba..

Tanya:
Yth. Prof. Imam dan teman-teman milist, saya ingin menanyakan berapa nilai batas minimum nilai
lambda yang dapat diterima dalam SEM agar loading factor signifikan. Saya baca di Nunally dkk.
diatas 0,07. Jika nilai lambda di bawah 0.04 bagaimana caranya untuk menaikkan nilai tersebut. Saya
menggunakan software AMOS, terima kasih atas jawabannya. Terima kasih

Imam Ghozali:
Lambda sama dengan loading factor. Umumnya loading factor yg kecil menghasilkan adalah tdk
signifikan. Jadi yg penting anda lihat pertama apakah loading factor tersebut signifikan atau tidak.
Setelah itu jika signifikan maka loading yang digunakan hanyalah
indikator yg memberikan nilai loading 0.70 (convergent validity) menurut beberapa artikel jurnal. Bisa
diturunkan menjadi 0.50 - 0.60 kalau masih belum banyak penelitian di bidang tersebut. tetapi ada
penulis seperti Hair yang mengatakan bahwa loading
factor 0.40 masih ok. Pada prinsipnya loading factor ini mengukur validitas dari instrumen, jika
nilainya tdk signfikan atau kecil, maka dianggap indikator ini tdk mengukur variabel latennya.

Tanya:
1.Dari hasil output pada SmartPLS versi 1.01 ada tabel Inner weights (Stuctural Model) tabel ini apa
artinya ???
2.Yang dimaksud 'nilai koefisien' pada hasil inner model di buku SEM dgn alternatif PLS apa ?
3.Yang dimaksud Outer Loading ? apakah sama dengan Loading FActor?

Imam Ghozali:
Istilah yg digunakan dalam SEM PLS dengan AMOS atau LIsrel agak berbeda, tetapi maksudnya
sama.

Inner model = persamaan struktural (hubungan antar latent variable)


Outer Model = model pengukuran atau measurement model (yaitu persamaan dari indikator ke
variabel laten atau sama dengan loading factor masing-masing indikator)

Didalam PLS menguji goodnessfit model atau keseuaian model seperti dalam regresi yang dlihat nilai
R2 (koefisien determinasinya). Pada saat anda me-run PLS calculate maka anda akan mendapatkan
nilai koefisien regresi dari hubungan antar variabel, sedangkan untuk melihat apakah koefieisn regresi
ini signifikan atau tidak anda harus me-run pls bootstraping untuk mendapatkan nilai T statistik dan

dibandingkan dengan
tabel t untuk melihat signifikan atau tdk.

Jadi pada output inner weighnt table anda hanya melihat nilai T untuk menentukan signifikansinya,
sedang nilai koefisien regresi pilih yg sama dengan saat anda me-run sebelum bootstraping.

Tanya:
Pengujian dengan PLS (ghozali,2006) ada tiga tahap :

1. Menciptakan skor Var Laten (weight estimate).


2. Menghasilkan estimasi untuk inner dan outer model.
3. Menghasilkan estimasi means dan konstanta.

Pertanyaan:

1. Tolong dibantu menjelaskan untuk point no.3 dan hasilnya dilihat jika memakai SmartPLS pada
tabel/gambar yg mana?
2.Bagaimana cara menginterpretasikan hasil estimasi means dan konstanta
3.Pada tabel: Result for inner weights ada kolom Means Of Subsamples bagaimana
penjelasannnya?
4.Bagaimana Jika pada pengujian Reliabilitas dengan Composite Reliability menunjukkan hasil
semua var. berada diatas 0,80 -- artinya dgn CR reliabilitasnnya dibaik. TETAPI
bagaimana jika pada pengujian AVE ada 1 var yg nilainya dibawah 0,50 Bagaimana cara
menjelaskannya atau apakah hal ini menunjukkan bahwa reliabilitasnya jadi buruk (tidak reliabel) ???

Imam Ghozali:
Didalam meng-input data PLS untuk analisis ada dua pilihan apakah original atau standardized
(mean=0 dan variance=1). Jika anda pilih pada data setting = original maka output anda akan
memberikan dua nilai yaitu means subsample sebagai konstanta dan original subsample estimate.
tetapi kalai pilihan anda standardized (mean=0 dan variance=1) anda hanya punya output origianl
subsample estimate.

Intinya jika pilihan anda original maka hasil regeresi dengan konstanta Y = a + b1X, tetapi kalau
standardize maka tdk ada konstanta y=b1x. Dalam analisis SEM yg
kita pakai adalah standarsizes, jadi yg tdk ada konstantanya atau anda hrs pilih mean=0 dan
variance=1 Construct reliability untuk menguji apakah responden dalam menjawab pertanyaan anda

konsisten atau tdk (ngawur acak lewat menghitung kancing baju pilih atau tdk pilih atau saat
menjawab dipikirlebih dahulu, jika jawaban orang konsisten atau dipikir benarean maka nilai CR pasti
tinggi 0.70. Sedangkan AVE mengukur validitas instrumen/pertanyaan. Kuesioner anda ingin
mengukur tinggi tetapi oleh responden dijawab/ditafsirkan panjang, dalam hal ini pertanyaan anda tdk
valid. Jadi nilai AVE<0.50

Tanya:
pak, saya punya 3 variabel laten misalnya A, B, C. A mempengaruhi B dan C. B mempengaruhi
C,saya bingung nentuin variabel B, apakah variabel eksogen atau endogen? Saya juga mo nanya,
gimana caranya masukin data jika tiap indikator punya 2 atau 3 pertanyaan?Misalnya variabel laten A
punya 3 indikator X, Y, Z. tiap indikator punya 3 pertanyaan, gimana masukinnya ke data
mentah(csv)? apakah nantinya jadi x1, x2, x3, y1, y2, y3, z1,z2,z3 dan apakah ini bisa dirata2 baru
dimasukkan ke csv sebagai nilai indikator x,y,z?

Imam Ghozali:
Oh kalau anda menggunakan variabel laten, ya semua indikator atau manifest digunakans ebagai
data mentah dan masukkan ke excel lalu save as csv file seperti
pada buku saya. jangan dijumak atau dirata-rata biarkan masing-maisng manifest dibaca oleh pls

Dikutip dari http://mitrariset.blogspot.com/2009/01/multivariate-jilid-2.html


TANYA:
Yth. Prof. Dr. Imam Ghozali, M.Com, Akt
Nama saya Pandu Winata. Saya seorang mahasiswa ingin bertanya tentang SEM dengan PLS
(mohon dijawab).
1.) Dalam buku bapak disebut bahwa tujuan PLS adalah prediksi. Apa maksudnya dan apa yang
diprediksi.?
2.) Kenapa PLS tidak mengasumsikan data berdistribusi tertentu, sedangkan SEM (LISREL)
mengasumsikan data berdistribusi normal.?
3.) Apa pengertian weight relation?
4.) Dalam SmartPLS, Algorithm Settings (data metric) memberikan pilihan standardized (mean 0,
variance 1) atau original.Dan pada weighting scheme ada 3 pilihan yaitu centroid, factor, dan path.
Dalam keadaan bagaimana kita harus menggunakan
Standardized dan original, serta weighting scheme yang mana yang harus digunakan?
5.) Apabila kita mempunyai variabel laten dengan variabel manifes yang diukur dengan kategorik
(ordinal): 1=lebih buruk, 2=sama buruk, 3=sama baik, 4=lebih baik. contoh: kita membentuk 3 variabel

laten, misal salah satu variabel laten tersebut adalah perkembangan usaha tani dengan variabel
manifes: keadaan sumber air, kemudahan
memperoleh benih, pupuk, obat-obatan, tenaga kerja, alat pertanian, gangguan hama dan penyakit,
produktivitas lahan, dan kemudahan pemasaran hasil produksi, yang semua variabel manifes
tersebut diukur dengan kategorik diatas. Data metric yang mana yang harus digunakan, apakah
standardized (mean 0, variance 1) atau original, serta weighting scheme yang mana yang harus
digunakan?
6.) Apa arti dari nilai loading sebesar 0,439. Kenapa nilai loading bisa lebih dari satu?

JAWAB:
Pada dasarnya model struktural berasumsi bahwa anda punya model yg dikembangkan berdasarkan
teori dan model tsb akan diuji (dikonfirmatori) apakah cocok dengan data empirisnya (jadi
berdasarkan sample covariance matrik anda mau mengkonfimarkan model teoritiknya. Jadi sebaiknya
untuk menguji SEM harus menggunakan covariance SEM (Amos, Lisrel atau EQS), namun demikian
data empiris kita kadang kala tdk mampu menjawab hal ini (krn data yg sedikit, terdistribusi tdk
normal, ada multikol dstnya) pokonya data yang ada tdk dapat digankan mengkonfirmasi model.
Dalam keadaan seprti ini dan dengan data yg apa adanya anda terpaksa hrs menggunakan PLS,
tetapi PLS tdk berpretensi inging menjawab model, hanya dengan data yg ada mencoba memprediksi
hubungan seperti apa yg ada pada model jadi lebih bersifat prediktif (inilah kelemahan PLS)
PLS datanya bisa apa saja nominal, ordinal atau kategori (shng sering disebut soft
modeling)sedangkan Covariance SEM data hrs berwujud kontnyus atau interval (disebut hard
modeling. Jadi PLS bersifat non-paramerik
Didalam SEM yg harus digunakan adalah nilai koefisien standardized (tanpa konstanta)mengapa krn
kita ingin membandingkan antar jalur /path yg ada sehingga hrs
menggunakan nilaio standardized (di PLS dengan pilihan mean=0 dan variance=1)

Nilai loading 0.439 berarti sumbangan indikator terhadap nilai laten variabelnya sebesar 43.9% (jadi
menurut PLS nilai loading factor hrs minimal 0.70 kurang dari ini hrs didrop indikatornya) Nilai loading
factor bisa lebih dari 1 kalau anda tdk menggunakan nilai standrdized (jadi dengan mean=0 dan
variance =1 tdk mungkin nilai loadingh lebih dari
satu)

TANYA:
Dalam partial least square. Bagaimana prosedur untuk menguji bahwa suatu variable merupakan
intervening variabel.

JAWAB:
Saya coba bantu..

Salah satu pendekatan untuk menguji hipotesis mediasi adalah dengan strategi product of coefficient,
yaitu dengan menguji signifikansi indirect effect (perkalian direct effect variabel independen terhadap
mediator , p1 dan direct effect mediator terhadap variabel dependen,p2, sehingga indirect effect
adalah p1*p2).

Sejauh yang saya ketahui, belum ada software PLS yang memiliki fasilitas pengujian langsung
terhadap indirect effect, sebagaimana AMOS atau LISREL. AMOS dengan prosedur resampling yaitu
bootsrapping, sedangkan LISREL dengan Sobel test-nya, meskipun juga menyediakan bootsrapping.

Dengan demikian, pengujian hipotesis mediasional berdasarkan signifikansi indirect effect pada PLS
dilakukan secara manual.
Uji signifikansi indirect effect p1*p2 didasarkan pada rasio antara koefisien p1*p2 dengan standard
error-nya yang akan menghasilkan nilai z statistik (z-value). Standard error koefisien p1*p2 dihitung
berdasarkan versi Aroian dari Sobel test yang dipopulerkan dan direkomendasikan oleh Baron and
Kenny (1986), yaitu akar kuadrat (p2^2 Sp1^2 + p1^2 Sp2^2 + Sp1^2 Sp2^2).
Dimana:
p1 adalah koefisien path pengaruh variabel independen terhadap variabel mediasi
p2 adalah koefisien path pengaruh variabel mediasi terhadap variabel dependen
Sp1 adalah standard error dari koefisien path p1
Sp2 adalah standard error dari koefisien path p2

Jika z-value dalam harga mutlak = 1,96 atau tingkat signifikansi statistik z (p-value) = 0,05, berarti
indirect effect variabel independen terhadap dependen melalui variabel mediasi, signifikan pada taraf
signifikansi 0,05 (Preacher and Hayes., 2004). z-value beserta nilai probabilitasnya (p-value) dapat
dihitung menggunakan Excel atau alat hitung interaktif dari Kris Preachers yang terdapat pada
http://www.psych.ku.edu/preacher/sobel/sobel.htm. Dengan hanya memasukkan nilai p1, p2 beserta
standar error-nya masing-masing maka uji signifikansi dengan Sobel test (bersama varianya) dapat
diperoleh. Hasilnya akan sama dengan bila dihitung dengan rumus di atas.

TANYA:
apakah "convergent validity" , "disriminant validity" , "unidimensional"
adakah yang bisa bapak referensikan untuk membantu penulisan tugas akhir saya.

terima kasih yang sebesar-besarnya

JAWAB:
Pertama yg anda lakukan pengujian terhadap outer model (measurement model)
a. Convergent validity: lihat nilai loading factor untuk amsing-masing indikator. Nilai loading hrs diatas
0.70 (pada penelitian pada bidang yg belum berkembang bisa menggunakan 0.5-0.6). Jika ada nilai
loading dibawah 0.70 delete dari analisis indikator tsb.
b. Contruct Reliability (sama dengan cronbach alpha mengukur treliabilitas konstruk atau variabel
laten) nilainya hrs diatas 0.70 yang diangap reliabil.
c. Average Vrainace Extracted (mengukur validitas) nilainya 0.50
d. Discriminant validity dengan mebandingkan nilai akar dari AVE dengan nilai korelasi antar variabel
latent. Nilai akar AVE hrs lebih besar dr korelasi antar variable latent
e. Cross-loading mengukur unidimesionalitas dari variable lantent.

Setelah anda menguji ini semua, lakukan bootstraping atau jacknifing untuk mendapatkan nilai T
statistik guna menguji apakah hubungan antar variabel laten signifikan atau tdk.

1. Uji inner model (structural model):


a. Lihat nilai T statistik significan atau tdk
b. lihat nilai R2 uji determinasi atau goodness-fit dari model

TANYA:
Dalam penelitian saya menggunakan PLS diperoleh R square untuk 3
variabel kurang dari 0,4. Structural model dengan nilai kurang dari
0,3. Disisi lain uji validitas instrumen dan reliablitas semuanya
signifikan apa penelitian tersebut masih bermakna?

JAWAB:
R2 0.4 cukup baik karena variabilitas variabel endogen yg dapat dijelaskan oleh variabilitas variabel
exogen sebesar 40% . Pada riset dengan data crossection nilia 40% cukup tinggi. Nilai structural
model 0.3 merupakan koefieisn regresi yang penting signifikan atau tdk, kalau signikan berarti ada
pengaruh Imam Ghozali

TANYA:
Saya ingin menanyakan pertimbangan untuk memilih jumlah sample dan kasus per sampel dalam
bootstrapping setting. Demikian juga dalam menentukan jumlah iterasi maksimum dalam algorithm

setting.

Dalam buku partial least square karangan prof Imam umumnya menggunakan jumlah sample 100
dan kasus per sampel 50. Sedangkan untuk algorithm setting jumlah iterasi maksimum 500. Apakah
angka2 tersebut yang memang sebaiknya yang di gunakan Prof?

Saya membaca beberapa artikel yang menyebutkan bahwa prosedur bootstrapping menggunakan
500 resampling. Apa maksudnya pernyataan tersebut?

Apakah pertimbangan untuk memilih angka-angka tersebut juga dipengaruhi jumlah observasi
(jumlah data)?

JAWAB:
Dalam SEM dengan partial least square untuk menentukan signifikan atau tidak hubungan antara
variabel dengan melihat nilai t statistik. Besarnya nilai t statistik ini dihitung dengan metode
bootstrapping atau jacknife. Nilai t akan stabil kalau jumlah resampling sebesar 500 artinya komputer
akan melakukan resampling ulang dari original sample anda sebanyak 500 kali untuk mendapatkan
nilai t . Perlu diketahui nilai t ini akan bebeda-beda atar komputer atau kalau anda ulang merun
karena menggunakan metode iterasi dan masing-masing komputer memiliki nilai starting yang
berbeda, tetapi hasil bootsrap dengan 500 akan memberikan nilai t yg tidak jauh berbeda sehingga
dengan kriteria alpha 5% akan konsisten apakah hipotesis diterima atau ditolak. Imam Ghozali

TANYA:
Prof. Imam saya mulai menikmati mempelajari dan menggunakan PLS, saya udah membaca buku
Prof dan semakin membantu saya dalam memahami PLS. Namun ada beberapa hal yang ingin saya
tanyakan sehubungan dengan beberapa hal dalam PLS, yaitu: Masalahweighting scheme. Dalam
buku Prof disebutkan bahwa hasil yang diperoleh dariketiga skema yaitu Centroid, Factor, dan Path
tidak jauh beda. Nah yang sayatanyakan idealnya kapan atau kondisi yang bagaimana bagi peneliti
sebaiknya menggunakan atau memilih satu dari tiga skema tersebut?Saya belum menemukan
definisi yang jelas tentang Bootstrapping, yang saya tahu hanyabahwa Bootstrapping sama dengan
resampling. Pertanyaan saya Prof, apa sebenarnya makna dari Bootstrapping?DalamBootstrapping
setting terdapat preprocessing option yang terdiri dari Constructlevel change dan individual sign
change. Apakah maksudnya kedua pilihantersebut dan kondisi bagaimana sebaiknya kita memilih
salah satu pilihantersebut Prof? Lalukemudian pada Algorithm setting terdapat pilihan Data metric

yaitu standardized(mean=0 dan variance=1) dan data original, maksudnya apa dengan kedua
jenisdata tersebut? Yang terakhir Prof, bila jumlah sampel hanya 40 apakah kasus per sampel juga
default 50 atau bagaimana Prof sebaiknya jumlah kasus per sampelnya?Demikian Prof. Imam
pertanyaan saya, terima kasih banyak atas jawaban dan bantuannya.

JAWAB:
-Weighting scheme silahkan anda pilih salah satu Factor, Centroid atau Path, menurut Prof Chin
(pembuat PLS Graph) sebaiknya menggunakan path.
Bootsrapping adalah resampling, PLS menggunakan bootstraping dan Jacknifing untuk menentukan
nilai t sehingga dapat diketahui tingkat signifikansi dari nilai t tersebut. Setiap kali anda melakukan
bootsraping hasil nilai t akan berbeda karena menggunakan metode iterasi dan setiap komputer
nenggunakan angka awal itersi yg berbeda. Oleh sebab itu gunakan bootstrapping 200 spy
mendapatkan nili t yg stabil. input data untuk PLS dapat berupa data mentah (original) atau
standardized (mean=0, variance=1). dalam analisis SEM gunakan stndardized krn kita ingin
membandingkan antar jalur.

TANYA:
Didalam buku Prof. Imam (SEM- Metode alternatif dg PLS), sebelum meng-calculate model (RUN),
sebelumnya ada setting yang harus dipilih.

1. Algorithm setting, ada bbrp setting yg dpt dipilih Data metric = standardized atau original
2. Weighting scheme = centroid, factor dan path.

tetapi lebih lanjut tdk ada penjelasan mengenai masing2 pilihan setting td. mohon dijelaskan pada
kondisi seperti apa masing2 pilihan td digunakan (karena masing2 pilihan, outputnya berbeda)

JAWAB:
Pada data pilih standardized (hasil-nya nanti dalam standardidized), krn SEM menggunakan output
standardized untuk interpretasi. Sedang weighting umumnya digunakana path

TANYA:
Menurut Pak Imam apa penyebab nilai error nilai loading factornya, sehingga variance extractnya
kurang dari 0,50 Maksudnya di Drop apa Pak? Saya belum tahu istilah
tersebut...

JAWAB:

Coba anda lihat ada indikator dengan niali loading dibawah 0.50, kalau ada berarti indikator ini tdk
valid dan menyebabkan AVE rendah. indikator yg tdk valid dibuang dari model

Tanya:
jika kita ingin menggunakan path analysis, berapa buah sampel seharusnya kita anbil? jika data kita
berupa data kategorik, gimana cara kita merubahnya menjadi data interval. sehingga data kita bisa
dianalisis menggunakan path analysis?

Prof. Dr. Imam Ghozali, M.Com:


Apakah data ordinal harus diubah dahulu menjadi interval? Beberapa universitas di Indonesia
mengharuskan data ordinal hrs diubah dahulu menjadi interval baru dapat dianalisis dengan
multivariate statitik.
Di barat sono perdebatan ini sudah selesai tahun 1950an. Data ordinal dengan Skala Likert
STS(1),TS(2),N(3),S(4) SS(5) jika diubah skalanya menjadi interval maka skore interval akan mirip
sama urutannya dengan skore asli ordinal dan berkorelasi sebesar 99%. Jadi data asli ordinal sama
dengan interval dan dapat dianggap interval. kaitan dengan interpretasi
Misalkan saya punya Y = a + b1X1 +b2X2

Y = 0.50 +0.25X1 +0.30X2

Jika data kita interval misal Y=GDP, X1=Inflasi dan X2=Kurs, maka saya dpt menginterpretasikan
bahwa kalau inflasi naik 10% maka GDP naik 2.5%, kalau kurs naik 10%, maka GDP naik 3%. Akan
tetapi kalau data kita ordinal (kualitatif) misal Y=kepuasan kerja, X1=Komitmen, X2=motivasi, maka
saya tdk bisa interpretasi jika komitmen naik 10% maka kepuasan naik 2.5% (karena data kita
kualitatif) jadi kita hanya bisa mengatakaan bahwa komitmen berpengaruh thdp kepuasan seberapa
besar pengaruhnya tdk tahu (kualiatif). walaupun data ordinal tadi sdh menjadi interval tetap saja kita
tdk bisa interpretasi krn data kita aslinya adalah kualitatif

Di jurnal-jurnal ilmiah tdk pernah dipersoalkan bahwa data ordinal hrs diubah dahulu mejadi interval,
krn mereka sdh clear masalah ini 50 tahun lalu dan kita masih mempersoalkan sampai saat ini Yang
berminat saya berikan referensi diskusi hal ini dari salah satu buku terbitan 1957

Tanya:
saya irwan hadianto, mahasiswa teknik industri atmajaya jakarta. saya merupakan orang awam yang
hanya mengetahui sangat sedikit pengetahuan tentang menggunakan SEM dengan metode alternatif

dengan PLS (dlm hal ini saya menggunakan software smartPLS 2.0). dalam model yang saya buat,
saya menggunakan second order factor model, menurut buku yang bapak tulis yaitu SEM dengan
metode alternatif dengan PLS, saya pun menggunakan repeated indicators approach.
(1) jika saya harus menghapus beberapa indikator dari first order LV, haruskah saya mengahapus
indikator yang sama dari second orde LV saya??
(2) manakah yang harus lebih didahulukan, nilai outer loading (crossloading dari indikator ke LV) atau
kah nilai dari T-statistic. walaupun mayoritas sama (jika menurut crossloading tidak berpengaruh,
maka memiliki nilai T-statistic yang rendah sehingga tidak signifikan) namun, ada beberapa indikator
yang agak berbeda. mis, menurut crossloading harus di-delete namun, menurut T-statistic tidak boleh
di-delete ??

Besar harapan saya, agar bapak kiranya mau membantu saya.


Terima kasih sebesar-besarnya,
irwan hadianto.

Prof. Dr. Imam Ghozali, M.Com:


Salam kenal kembali. Pertanyaan anda ini kelihatannya pernah anda posting di forum
www.smartpls.de, sepintas saya membaca disana dan belum ada respons.

Pada model second order yg menggunakan repeated measure, jika indikator anda delete dari first
order, mk dengans endirinya juga hrs didelete pada second ordernya.

Analisis pada partial least square ada dua:


1. Analisis pada outer model atau measurement model yg terdiri dari:
a. Convergent validity - nilai loading minimal hrs 0.70
b. Cross-loading untuk m,enguji unidimesionalitas dari konstruk atau variabel laten
c. Discriminant Validity
d. Construct Reliability
e. Average Variance extracted
Kalau semua ini sudah ok atau lolos kriteria, baru menguji inner model atau structural model:

2. Analisis inner model


a. melihat nilai koefisien antar variabel laten
b. dengan bootstraping atau jacknifing anda akan memperoleh nilai t statistik masing-masing
koefisien

c. lihat nilai R2

Mudah-mudahan menjawab pertanyaan anda dan semua ada pada buku saya (sat ini sedang saya
revisi total dengan SmartPLS versi 2)

Tanya:
terima kasih atas jawaban anda.
saya memang sudah pernah posting disana, namun memang belum ada jawaban.
namun, saya sebagai pengguna smartPLS yang masih sangat baru masih banyak mengalami
kebingungan.

1)jika untuk outer model nilai loading 'minus' apakah itu ok?? mis -0,5, sementara menurut bapak
ketika tahap pengembangan nilai 0,5 dapat diterima.
2)apakah perbedaan mendasar dari algorithm setting, pada bagian weighting scheme??
(antara centroid, factor, path) kapan kita harus menggunakan yang mana.

Prof. Dr. Imam Ghozali, M.Com:


Nilai outer loading tdk boleh negative, hal ini bisa jadi karena pada saat anda tabulasi lupa belum
direcode (indikator pertanyaan jika ada yang cara bertanyan negatif hrs dirubah jadi positif pada saat
tabulasi). Dugaan saya anda lupa belum melakukan recode thd kuesioner anda.

Weighting scheme apapun yg anda pilih tdk memberikan hasil yg jauh berbeda sekitar 0.05, tetapi
umumnya sekarang banyak yg menggunakan path.

Tanya:
terima kasih atas jawaban bapak yang sangat membantu saya saya akan mencoba melihat data dan
recode dengan hasil kuisioner saya. apakah "convergent validity" , "disriminant validity" ,
"unidimensional" adakah yang bisa bapak referensikan untuk membantu penulisan tugas akhir saya.
terima kasih yang sebesar-besarnya

Prof. Dr. Imam Ghozali, M.Com:


Pertama yg anda lakukan pengujian terhadap outer model (measurement model)
a. Convergent validity: lihat nilai loading factor untuk amsing-masing indikator. Nilai loading hrs diatas
0.70 (pada penelitian pada bidang yg belum berkembang bisa menggunakan 0.5-0.6). Jika ada nilai
loading dibawah 0.70 delete dari analisis indikator tsb.

b. Contruct Reliability (sama dengan cronbach alpha mengukur treliabilitas konstruk atau variabel
laten) nilainya hrs diatas 0.70 yang diangap reliabil.
c. Average Vrainace Extracted (mengukur validitas) nilainya > 0.50
d. Discriminant validity dengan mebandingkan nilai akar dari AVE dengan nilai korelasi antar variabel
latent. Nilai akar AVE hrs lebih besar dr korelasi antar variable latent
e. Cross-loading mengukur unidimesionalitas dari variable lantent.

Setelah anda menguji ini semua, lakukan bootstraping atau jacknifing untuk mendapatkan nilai T
statistik guna menguji apakah hubungan antar variabel laten signifikan atau tdk.

1. Uji inner model (structural model):


a. Lihat nilai T statistik significan atau tdk
b. lihat nilai R2 uji determinasi atau goodness-fit dari model

Semua ini muncul dari output SMARTPLS atau Visual PLS

Tanya:
Prof. Imam Yang Terhormat,
Melalui milis ini saya ingin menanyakan perbedaan antara penggunaan analisis hubungan dengan
analisis pengaruh, karena sering masih sering terjadi kebingungan penggunaannya. Misalnya :

Analisis Hubungan Kecerdasan Emosional Dengan Kinerja Pemimpin apa


Analisis Pengaruh Emosional Terhadap Kinerja Pemimpin?

Kalau yang menggunakan kata "pengaruh" di bab 2 juga tetap mencantumkan hubungan X1 dengan
Y. Sebaliknya yang menggunakan kata "Hubungan" panahnya juga hanya satu arah saja. Dari segi
pengujian yang memakai "hubungan" juga tetap menggunakan regresi untuk memprediksinya.

Sefnedi, Ph.D:
Izinkan saya mencoba merespon persoalan anda tentang beda antara hubungan dan pengaruh:
1. Ketika kita menggunakan terminologi hubungan (correlation), kita belum mengetahui mana
independent variable (IV) dan mana dependent variable (DV). Jadi kita hanya ingin menguji secara
empiris hubungan kedua variabel atau lebih (Correlation analysis). Ini dapat kita uji dengan
menggunakan bivariate correlation.
2. Namun disaat kita menggunakan terminologi pengaruh (impact or influence), disaat itu kita sudah

memberikan justifikasi bahwa independent varible (kecerdasan emosi) berpengaruh terhadap


dependent variable (kinerja).
3. jika kita ingin menguji pengaruh biasanya kita juga melakukan pengujian hubungan terlebih dahulu.
Logika sederhana dibalik ini adalah tidak akan mungkin IV(kecerdasan emosi) berpengaruh signifikan
terhadap DV (kinerja) apabila kedua variabel tersebut tidak memiliki hubungan yang signifikan.
Misalnya, tidak mungkin saya berpengaruh
terhadap anda, sedangkan antara saya dan anda tidak punya hubungan. 4. Dalam analisa regresi
(pengaruh) pada output SPSS terlihat model summary. Disini kita bisa melihat nilai adjusted R2
(pengaruh) dan R (hubungan).
Demikian, semoga ada manfaatnya.

Tanya:
Apakah dengan PLS, tesis yang dibuat interpretasinya cukup dengan Evaluasi Outer Model (Model
Pengukuran) dan Inner Model (Model Struktural) saja ?
Bagaimana dengan analisa hipotesanya ? Apakah tidak ada uji multikol, uji kualitas data, dsb seperti
dalam SPSS ?

Prof. Dr. Imam Ghozali, M.Com:


Dengan PLS tidak ada uji seperti SPSS. Yang perlu ada lakukan

1. Evaluasi model pengukuran atau outer model:


a. lihat convergent validity (loading factor >0.70)
b. lihat discriminant validity
c. lihat Average Variance Extracted (AVE>0.50)
d. lihat construct reliability (>0.60)

Model pengukuran ok

2. Menguji model struktural atau inner model


(hipotesis model)
a. Melihat nilai t dari hasil boostraping, kalau nilai t>1,96 (sig pada 5%)
b. Melihat koefisien regresi
C. Melihat R2

Tanya:
Di kampus saya sekarang ini terjadi perdebatan tentang interveing. Misalnya saya gambarkan

sebagai berikut : ada pengaruh A ke B kemudian ke C (B variabel intervening). Dosen A mengajarkan


dua hipotesis, yaitu :
1. Ada pengaruh langsung A ke C
2. Ada pengaruh tidak langsung A ke C melalui B.
kemudian diuji dengan cara : jika (jalur A ke B)x(Jalur B ke C)lebih besar daripada jalur langsung A ke
C, maka dikatakan B variabel intervening. Begitu juga sebaliknya.

Tetapi dosen W menyalahkan hipotesis tersebut beserta cara pengujiannya, katanya hipotesis yang
betul ada tiga, yaitu :
1. Ada pengaruh A thp B
2. Ada pengaruh A thp C
3. Ada pengaruh B thp C.
Kemudian hipotesis tersebut diuji dengan uji t. Selain itu juga cara menuliskan persamaannya juga
terjadi perdebatan. Menurut prof imam yang benar yang mana? Mahasiswanya pada bingung.

Prof. Dr. Imam Ghozali, M.Com:


Sebetulnya tergantung dari model teoritiknya modelnya
dpt :
1 A------>B ---------> C
2 A--------------->C
B
model 1 A tdk langsung ke C, tetapi hrs lewat B dahulu, sementara model 2 A bisa langsung ke C,
tetapi bisa juga lewat B baru ke C. Disini A adalah variabel exogen (variabel yg tdk punya anteseden
atau tdk dipengaruhi variabel sebelumnya), sedangkan B dan C adalah variabel endogen karena
punya anteseden. variabel intervening atau mediating adalah variabel endogen yg mempunyai
anteseden dan konsekuen
yaitu B.
Pada model 1 jelas bahwa hubungan A ke C tdk langsung hrs lewat B. jadi kalau A ke B signifikan dan
B ke C juga signifikan maka B intervening dan hubungan A ke C tdk langsung lewat B.

Pada model 2 ada dua kemungkinan A berpengaruh langsung ke C atau tidak langsung yaitu dari A
ke B, baru ke C. Jika A ke C signifikan (langsung) dan A ke B juga signifikan serta B ke C juga
signifikan, maka A ke C bisa langsung atau tidak langsung. mana yang lebih kuat tinggal
membandingkan koefisien A ke C dibandingkan dengan perkalian koefisien A ke B dan B ke C jika
koefisien tdk langsung lebih besar drpad
langsung, maka bisa disimpulkan bahwa hubungan A ke C tidaklangsung lewat intervening B. Apakah

koefisien signifikan atau tidak dilihat nilai t statistiknya untuk 1%= 2.58, 5%=1.96 dan 10%=1.64 jika
nilai t statistik lebih besar dari nilai ini maka signifikan.

Tanya:
Pak Imam.. saya mahasiswa pascasarjana Maksi UGM, sekarang sedang menulis Thesis. Thesis
saya menganalisis 4 variabel laten menggunakan SmartPLS dari buku bapak. konstruk yang
dibangun seperti pada bab 6 didalam buku. Dari hasil penyebaran kuesioner pilot, ada beberapa hal
yang ingin saya tanyakan terkait dengan hasil analisis.

Alat ukur yang digunakan dalam SmartPLS untuk menguji validitas dan reliabilitas indikator dan
variabel laten ada empat, yaitu: convergent validity, discriminant validity, akar AVE dan composite
reliability. hasil uji kuesioner saya menunjukkan:

1. pengukuran dengan convergent validity menunjukkan ada beberapa indikator yang harus di drop.
setelah di drop ada beberapa indikator yang dapat diterima, namun ada juga beberapa indikator yang
loading factornya > 0,50 tetapi T-statistik-nya <> 1,96. bagaimanakah perlakuan untuk indikatorindikator seperti ini?

2. saya mencoba men-drop ke 2 macam loading factor tersebut. setelah 3 kali proses semua indikator
telah layak loading factor dan T-statistiknya, hanya saja ada satu variabel laten yang hanya memiliki 1
indikator saja. variabel ini adalah outer loadingnya. Apakah analisis nantinya bisa layak digunakan?
(nilai factor loadingnya 1.000 dan T-statistik tidak muncul)

3. Setelah itu saya menguji discriminat validity dengan cross loading. Ada satu variabel yang korelasi
masing-masing indikatornya, dari 6 indikator, 2 diantaranya memiliki nilai loading antar variabel
dibawah nilai korelasi dengan variabel lainnya. bagaimanakah perlakukan dengan indikator ini?
sedangkan syaratnya harus lebih besar.

4. Selanjutnya saya menguji Akar AVE, ada satu variabel laten yang akar AVE berada dibawah
korelasi antar variabel laten. Bagaimanakah reliabilitas variabel dengan cara ini? apakah variabel
laten tersebut dikeluarkan? sedangkan pengujian dengan Composite reliability semua variabel laten
telah layak diatas 0,7.

5. Apakah dari ke 4 metode pengukuran tersebut, semuanya (keempat-empatnya) harus digunakan?


Apakah tidak cukup misalnya hanya dengan convergent validity dan composite reliability?

6. Pertanyaan-pertanyaan ini muncul karena sangat sedikit keterangan di buku bapak yang secara
rinci terkait dengan indikator/variabel tidak layak/tidak memenuhi syarat. kalau boleh saya memberi
saran, mungkin perlu ditambahkan kasus-kasus seperti masalah yang saya hadapi tersebut.

Prof. Dr. Imam Ghozali, M.Com:


1. Pada prinsipnya indikator yg mempunyai loading factor signifikan yg hrs dipakai dan nilai loading
minimal 0.70 (menurut banyak penulis. ttp untuk penelitian yang belum mapan variabelnya masih
dimungkinkan dengan kriteria .50 - .60 (ini sama dengan uji validitas. Jadi indikator yg tdk signifikan
pasti dibuang sedang ndikator signifikan ttp loadingnya dibawah 0.50 juga dibuang.

2. Kalau anda melakukan uji cross-loading dan ada dua indikator yg tidak dalam satu konstruk laten,
maka dua indikator ini dianggap tdk mengukur konstruk tersebut dan hrs dibuang dari indikator
pembentuk konstruk.

3. Composite reliability sama dengan cronbach alpha sebagai pengukur konsitensi, sedangkan AVE
sama dengan uji validitas. Jadi kalau ada konstruk yang nilai AVE-nya di bawah 0.50 menandakan
bahwa konstruk tersebut validitasnya rendah dan ini menjadi
keterbatasan penelitian anda untuk konstruk tersebut.

4. untuk konstruk yang hanya memiliki satu indikator, maka indikator tersebut hrs dibuat dalam bentuk
refleksif. (PLS tidak dapat membuat observe variable dengan kotak spt dalam AMOS atau LISREL)
jadi variable observed dalam PLS dibentuk dengan variabel latent dengan satu indikator bentuknya
refleksif (arah panah anda ubah dari indikator ke konstruk)

Semoga menjawab pertanyaan anda, kalau anda ingin tahu lebih jelas mengenai smartpls silahkan
joint diskusi atau membaca hasil diskusi di www.smartpls.de

Tanya:
Saya telah bikin tesis dgn PLS dan memakai buku panduan Prof Imam ttg PLS. Dalam contoh
pembahaasan di buku PLS tsb, nilai loading diatas 1.00 (nilai loading 1), dosen penguji saya
menyalahkan tesis saya kenapa nilai loading bisa di atas 1. Itu SALAH
katanya, nilai loading pasti antara 0 s.d 1, tapi kenapa tesis saya bisa di atas 1. Bingung
juga jawabnya. Berarti buku Prof Imam ttg PLS juga salah ya ? Mohon tanggapan dari rekan2. Saya
memakai SMart PLS & PLSGraph.

Imam Ghozali:

terima kasih, ada dua kemungkinan mengapa nilai loading factor anda lebih dari satu:
1. anda harus memilih output dengan nilai standardized (dalam hal PLS pilih Nilai Variance=1 dan
means=0)dan jika hasilnya masih di atas satu setelah di standardise, maka yang salah pada data
anda
2. Jika nilai loading factor standardozed lebih dari satu, berarti variance dari indikator itu negative dan
ini problem pada data anda. Memang benar bahwa nilai variance tidak boleh negatif (didalam buku
Amos dan Lisrel saya sebut heywood case)
3. Karena problem ada pada data anda bisa jadi data tidak normal, ada oultlier dstnya. Benahi
dahuku dengan data anda atau nilai yang tadi negatif dikonstraint menjadi nilai positif kecil (kalau
anda menggunakan Amos atau Lisrel lihat pembahasan di buku
saya)
4. Jadi yang salah bukan buku saya, tetapi data anda yg tidak memenuhi asumsi.

syaiful_maksi12:
saya sependapat dengan Prof Imam..ada kemungkinan item pertanyaan di kuesioner merupakan
pertanyaan konfirmasi. langkah yang harus anda ambil adalah dengan membalik score jawaban. jika
responden menjawab 7 maka anda ganti dengan score 1, jika 6 anda ganti dengan 2..begitu
seterusnya. lakukan langkah ini hanya pada loading faktor yang bernilai negatif. slamat mencoba..

Tanya:
Yth. Prof. Imam dan teman-teman milist, saya ingin menanyakan berapa nilai batas minimum nilai
lambda yang dapat diterima dalam SEM agar loading factor signifikan. Saya baca di Nunally dkk.
diatas 0,07. Jika nilai lambda di bawah 0.04 bagaimana caranya untuk menaikkan nilai tersebut. Saya
menggunakan software AMOS, terima kasih atas jawabannya. Terima kasih

Imam Ghozali:
Lambda sama dengan loading factor. Umumnya loading factor yg kecil menghasilkan adalah tdk
signifikan. Jadi yg penting anda lihat pertama apakah loading factor tersebut signifikan atau tidak.
Setelah itu jika signifikan maka loading yang digunakan hanyalah
indikator yg memberikan nilai loading 0.70 (convergent validity) menurut beberapa artikel jurnal. Bisa
diturunkan menjadi 0.50 - 0.60 kalau masih belum banyak penelitian di bidang tersebut. tetapi ada
penulis seperti Hair yang mengatakan bahwa loading
factor 0.40 masih ok. Pada prinsipnya loading factor ini mengukur validitas dari instrumen, jika
nilainya tdk signfikan atau kecil, maka dianggap indikator ini tdk mengukur variabel latennya.

Tanya:

1.Dari hasil output pada SmartPLS versi 1.01 ada tabel Inner weights (Stuctural Model) tabel ini apa
artinya ???
2.Yang dimaksud 'nilai koefisien' pada hasil inner model di buku SEM dgn alternatif PLS apa ?
3.Yang dimaksud Outer Loading ? apakah sama dengan Loading FActor?

Imam Ghozali:
Istilah yg digunakan dalam SEM PLS dengan AMOS atau LIsrel agak berbeda, tetapi maksudnya
sama.

Inner model = persamaan struktural (hubungan antar latent variable)


Outer Model = model pengukuran atau measurement model (yaitu persamaan dari indikator ke
variabel laten atau sama dengan loading factor masing-masing indikator)

Didalam PLS menguji goodnessfit model atau keseuaian model seperti dalam regresi yang dlihat nilai
R2 (koefisien determinasinya). Pada saat anda me-run PLS calculate maka anda akan mendapatkan
nilai koefisien regresi dari hubungan antar variabel, sedangkan untuk melihat apakah koefieisn regresi
ini signifikan atau tidak anda harus me-run pls bootstraping untuk mendapatkan nilai T statistik dan
dibandingkan dengan
tabel t untuk melihat signifikan atau tdk.

Jadi pada output inner weighnt table anda hanya melihat nilai T untuk menentukan signifikansinya,
sedang nilai koefisien regresi pilih yg sama dengan saat anda me-run sebelum bootstraping.

Tanya:
Pengujian dengan PLS (ghozali,2006) ada tiga tahap :

1. Menciptakan skor Var Laten (weight estimate).


2. Menghasilkan estimasi untuk inner dan outer model.
3. Menghasilkan estimasi means dan konstanta.

Pertanyaan:

1. Tolong dibantu menjelaskan untuk point no.3 dan hasilnya dilihat jika memakai SmartPLS pada
tabel/gambar yg mana?
2.Bagaimana cara menginterpretasikan hasil estimasi means dan konstanta
3.Pada tabel: Result for inner weights ada kolom Means Of Subsamples bagaimana

penjelasannnya?
4.Bagaimana Jika pada pengujian Reliabilitas dengan Composite Reliability menunjukkan hasil
semua var. berada diatas 0,80 -- artinya dgn CR reliabilitasnnya dibaik. TETAPI
bagaimana jika pada pengujian AVE ada 1 var yg nilainya dibawah 0,50 Bagaimana cara
menjelaskannya atau apakah hal ini menunjukkan bahwa reliabilitasnya jadi buruk (tidak reliabel) ???

Imam Ghozali:
Didalam meng-input data PLS untuk analisis ada dua pilihan apakah original atau standardized
(mean=0 dan variance=1). Jika anda pilih pada data setting = original maka output anda akan
memberikan dua nilai yaitu means subsample sebagai konstanta dan original subsample estimate.
tetapi kalai pilihan anda standardized (mean=0 dan variance=1) anda hanya punya output origianl
subsample estimate.

Intinya jika pilihan anda original maka hasil regeresi dengan konstanta Y = a + b1X, tetapi kalau
standardize maka tdk ada konstanta y=b1x. Dalam analisis SEM yg
kita pakai adalah standarsizes, jadi yg tdk ada konstantanya atau anda hrs pilih mean=0 dan
variance=1 Construct reliability untuk menguji apakah responden dalam menjawab pertanyaan anda
konsisten atau tdk (ngawur acak lewat menghitung kancing baju pilih atau tdk pilih atau saat
menjawab dipikirlebih dahulu, jika jawaban orang konsisten atau dipikir benarean maka nilai CR pasti
tinggi 0.70. Sedangkan AVE mengukur validitas instrumen/pertanyaan. Kuesioner anda ingin
mengukur tinggi tetapi oleh responden dijawab/ditafsirkan panjang, dalam hal ini pertanyaan anda tdk
valid. Jadi nilai AVE<0.50

Tanya:
pak, saya punya 3 variabel laten misalnya A, B, C. A mempengaruhi B dan C. B mempengaruhi
C,saya bingung nentuin variabel B, apakah variabel eksogen atau endogen? Saya juga mo nanya,
gimana caranya masukin data jika tiap indikator punya 2 atau 3 pertanyaan?Misalnya variabel laten A
punya 3 indikator X, Y, Z. tiap indikator punya 3 pertanyaan, gimana masukinnya ke data
mentah(csv)? apakah nantinya jadi x1, x2, x3, y1, y2, y3, z1,z2,z3 dan apakah ini bisa dirata2 baru
dimasukkan ke csv sebagai nilai indikator x,y,z?

Imam Ghozali:
Oh kalau anda menggunakan variabel laten, ya semua indikator atau manifest digunakans ebagai
data mentah dan masukkan ke excel lalu save as csv file seperti
pada buku saya. jangan dijumak atau dirata-rata biarkan masing-maisng manifest dibaca oleh pls

Dikutip dari http://mitrariset.blogspot.com/2009/01/multivariate-jilid-2.html


Diposkan oleh pungky

26 KOMENTAR:
1.
muhammad2 Maret 2011 17.26
pak, saya coba analisis sem untuk 3 indikator dalam 1 dimensi, tapi kriteria goodness of fitnya
tidak muncul, kecuali indikatornya lebih dari 3 baru bisa ada nilai GFI, TLI, CFI, RMSEA,
CMIN/df, Prob, Chi-square muncul. Menurut teman, nilai itu bisa dimunculkan.... tapi gimana
caranya... apa dilakukan dengan cara manual... ataukah ada cara lain.... saya lagi bingung
pak... karena penguji tidak mau terima... katanya itu bisa dimunculkan... saya sudah buktikan
memang itu tidak bisa... saya mohon penjelasan dan bantuannya pak, terima kasih
sebelumnya.
Balas
2.
atinakodjo7 September 2011 00.31
Assalamu'alaykum
Mohon

Prof
beberapa

Imam.
penjelasan

Bapak.

Di buku PLS (hal. 40 dan 41) Bapak menjelaskan ttg convergent validity dan discriminat
validity.
Convergent validity yg hasilnya ada pada Outer Loadings mengukur reliabilitas indikator. Lalu
ada nilai internal consistency reliability (hal 9)utk mengukur korelasi antar indikator.
Nilai ini harus dihitung juga Pak? Di PLS dmn muncul output ini?
Sedangkan discriminant validitas dari hasil Cross Loading atau akar AVE mengukur validitas
indikator.
Bener
ya
Pak?
(Berarti boleh salah satu khan Pak? lalu nilai akar AVE dihitung manual atau output PLS?
Karena
saya
tdk
menjumpainya
di
output
PLS)
Tapi di halaman 25 ditulis menurut Fornnel dan Larcker (1981) discriminant validitas utk
mengukur
reliabilitas.
Mohon
penjelasan
Pak.
Tujuan harus mengetahui 2 nilai tsb utk apa ya Pak? Apa tdk ckp dr outer loading saja, jika
sdh memenuhi syarat sdh cukup utk menyatakan indikator dapat digunakan?
Kemudian apa arti (menjelaskan nilai apa) nilai communality dan redudancy? apa kedua nilai
tsb
sebaiknya
dijelaskan
juga
di
hasil
penelitian?
Menurut penjelasan Bapak hasil PLS dpt berupa standardized. Berarti dapat digunakan utk
membandingkan antar nilai koefisien regresi pada model khan Pak? Yg nilainya lbh besar
menunjukkan
hubungan
yg
lbh
ideal.
Pertanyaan
berikut
Pak.

Di FAQ di atas saya membaca jawaban Bapak atas pertanyaan, jika salah satu konstruk
hanya punya satu indikator (kebetulan satu variabel saya juga dmkn)maka dibuat indikator
bersifat refleksi. Tapi Bapak menjelaskan panahnya dari indikator ke konstruk. Bukankah
refleksi jika arah panah dari konstruk ke indikator Pak? Mohon penjelasan ulang Pak.
Satu
lagi
Pak.
Utk variabel moderating apakah dibenarkan jika kedua nilai variabel moderating dgn
independent dikalikan di luar PLS baru nilainya digunakan sbg nilai indikator moderating.
Berbeda tdk efeknya jika digunakan moderating cara PLS? (Karena kalau dgn cara PLS ada
dua variabel yg muncul yaitu, sbg moderating dan sbg independent sdgkan jika dikalikan di
luar
PLS
hanya
satu
variabel
yg
muncul)
Sesuai dg cara PLS maka muncul nilai koefisien regresi sbg variabel independent dan
koefisien sbg variabel moderating. Kalo saya tdk salah memahami sesuai dg buku Bapak kita
dapat menyimpulkan juga ada efek langsung selain efek moderating ya Pak? (asyik juga ya
software
ini
kita
mendpt
dua
hasil
sekaligus)
Lalu jika nilai koefisien moderating negatif dan tdk signifikan sedangkan koefisien sbg
independen positif dan signifikan apakah dpt diinterpretasikan variabel tsb bkn sbg
moderating
tp
idealnya
sbg
independent?
Cukup
Terimakasih

sekian
atas

banyak

Pak.
Bapak.

penjelas

Wassalamu'alaykum
Balas
3.
atinakodjo7 September 2011 03.40
Saya
lagi
Pak.
Ada
yang
tertinggal
ditanyakan.
Di PLS apakah ada fasilitas utk menguji reliabilitas dan validitas item (butir pertanyaan)?
Karena di PLS jika nilai validitas dan reliabiltas konstruk tdk memenuhi syarat kita hrs
membuang semua indikator. Sedangkan jika kita tahu bahwa ada butir yg tdk memenuhi
syarat
mgkn
kita
dpt
membuang
item
pertanyaannya
saja.
Terima
Semoga Bapak tdk keberatan.

kasih

Pak

Balas

4.
Delakrisnanty24 Januari 2013 19.23
pak

imam

yang

terhormat,

saya

mau

bertanya

penelitian saya hanya memiliki 42 responden dengan model analisis A-->B-->C ; A-->C
yang

ingin

saya

tanyakan

1. apakah benar jika saya menggunakan regresi sederhana untuk jalur pertama A-->B lalu

jalur

kedua

dengan

regresi

berganda

A+B-->C

??

2. apakah saya harus menggunakan analisis path dengan amos atau boleh dengan
regresi
??
3. berapakah syarat jumlah min responden jika menggunakan amos. apakah benar jika
jumlah
responden
nya
harus
lebih
dari
100
terimakasih. Dela.
Balas

5.
Ita Anastasya22 Maret 2013 02.02
Selamat sore pak. Kiranya bapak berkenan menjawab pertanyaan saya. Saya ditanya dosen
PS saya mengenai normalitas, kalau data saya normal kenapa, kalau tidak normal kenapa?
Saya sudah jawab, karena saya menggunakan statistik parametrik shg mensyaratkan faktor
gangguan itu normal dan jika sudah normal, boleh melanjutkan uji asumsi klasik dan uji
hipotesis serta uji pengaruh. Kalau data tdk normal, berarti data saya nonparametrik shg
harus mengganti uji statistik yg lain. Jawaban seperti itu disalahkan, yg benar seperti apa ya
pak? Thank you in advance.
Balas
6.
Marina Sulistya25 April 2013 20.04
Yth.
Prof.
Dr.
Imam
Ghozali,
M.Com,
Akt
Nama saya Nina sedang menyelesaikan tugas akhir, dan kesulitan dalam menentukan uji yg
digunakan. mengenai metode pembayaran kas atau saham terhadap abnormal return.
1. saya ingin melihat perbedaan dari abnormal return metode pembayaran kas atau saham.
(apakah
menggunakan
independent
sample)?
2. saya ingin mengetahui abnormal return manakah yang lebih tinggi menggunakan kas atau
saham
(apakah
menggunakan
uji-t
satu
sisi)?
3. dan apakah sebelum nya harus melihat data berdistribusi normal atau tdk? kalau ada yang
normal ada yang tdk sebaiknya menggunakan parametrik atau non?sebelumnya terimakasih
banyak Prof. Dr. Imam Ghozali M.Com, Akt
Balas
7.
novi rahayu19 Juni 2013 04.21
perkenalkan sy novi, sy sdng menempuk skripsi. sy ingin menanyakan bahwa kemungkinan2
apa yg dsebabkan amos saat di calculate estimate(run) tdk bisa? pdhl data tdk ada yg
kosong, dan untk konstruk endogen dan eksogen dng data yg sama malh bisa dan pas full
modelny malahn tdk bisa. mohon bntuannya pak.

Balas
8.
Bisnis2 Oktober 2013 20.35
Nama
saya
Yusri
pak
mhon jwbannya pak : dari mana mendapatkan angka akar AVE smartpls ?

Balas

9.
ferdy Leuhery10 November 2013 02.06
sore pak saya mau minta software lisrel 8.8, kl boleh email ke fernando_261004@yahoo.com
Balas

10.
Rahma_IND13 April 2014 17.07
saya mau tanya tentang pengaturan pada bootstrapping cases dan samples. bagaimana itu
mengisinya?
Balas

11.
Bryan Venomancer27 April 2014 18.59
Pagi bapak nama saya febryanto saya mau bertanya. kenapa menggunakan PLS kok tidak
SPSS saja terima kasih
Balas

12.
Rosalina Y. Anggraini30 April 2014 07.57
Selamat
malam
Bapak,
saya
ingin
bertanya.
Apabila dari hasil uji pre test yang saya lakukan dengan SmartPLS diketahui bahwa terdapat
satu konstruk yang nilai AVE dan Communality < 0,5 apakah lebih baiknya saya harus
mengapuskan (mendrop) konstruk tersebut sebelum melakukan pengujian dengan data
sesungguhnya Pak ? Indikator yang terkait dengan konstruk tersebut juga berada di bawah
0,5.
Terimakasih Pak

Balas
13.
niken anggraini dewi23 Juni 2014 20.17
selamat pagi pak, akibat penggunaan bootsrapping setting pada PLS dengan number of
sampel lebih kecil dari 500 boleh tidak? model saya higher order dengan case sample 200
dan number of samplenya 200 itu di run dapat hasilnya. ketika bootsrapping settingnya 500
PLS hanya bisa dijalankan 50%.
Balas

14.
syaid yusuf28 Juni 2014 21.52
selamat siang pak, saya mahasiswa Syariah Ekonomi Islam. Saya menggunakan SmartPLS
2
pak.
maksud
dari
analisis
blinfolding
apa
ya
pak?
besar
harapa
bantuan
dari
bapak.
saya ucapkan terimakasih .
Balas
15.
Unknown18 Agustus 2014 01.37
Selamat Siang pak, saya sedangkan akan melakukan pengolahan data, dimana jumlah
sampel saya sebanyak 34 perusahaan manafaktur dengan jumlah tahun pengamatan selama
5 tahun dari 2009 sampai dengan tahun 2013, apakah dengan jumlah data tersebut dapat
menggunakan Program Amos dalam pengolahan data pak, mohon petujuknya pak,
trimakasih.
Balas
16.
Irna Sangadji30 September 2014 19.24
selamat pagi pak, saya mahasiswa S2 Manajemen dan Keuangan UNHAS. saat ini, saya
sedang melakukan analisis dengan PLS. dalam model struktural saya memiliki dua model
indikator didalamnya, refleksif dan formatif. saya masih bgung melakukan uji validitas
terhadap model formatif. ditambah dengan kesulitan menemukan buku2 analsis dengan PLS
disini. saya mohon kiranya bapak dapat membantu menyelesaikan masalah saya. terima
kasih
Balas

17.

leni suhartini26 April 2015 16.00


selamat pagi pak, saya leni mahasiswa S2 STIKIM mau bertanya kalau nilai t statistik < 1.96
berarti saya tidak bisa lanjut ke analisa besar pengaruh dan analisa prosentase pengaruh ya?
kalau dari outer model nilainya bagus semua pak, pas inner model nilai t statistiknya kecil.
jadi saya mentok ngerjainnya. Besar harapan saya mendapatkan petunjuk dari bapak.
Terimakasih
Balas
18.
Debi Putri Septiani28 Juli 2015 07.48
Selamat malam pak...Saya debi, mahasiswa UMM, saya mau tanya pak..
kalau uji beda koefisien menggunakan unstandardized coefficient itu kira-kira referensinya
darimana, sebab saya meneliti perbedaan koefisien regresi antara dua kelompok yang
berbeda jumlahnya. Terima kasih, pak...
Balas

19.
Eko Supriyanto7 Agustus 2015 23.07
Tanya
:
Selamat siang pak.. saya eko mahasiswa UBSI, sedang mengerjakan skripsi menggunakan
SEMPLS.
Pertanyaan:
Saya mau tanya kalo di SEMPLS kan ada 7 tahapan analisis, apakah tahapan analisis
tersebut harus di bahas semua atau tidak, karena di jurnal-jurnal referensi yang saya baca
semuanya hanya mencantumkan atau membahas 3 tahapan yaitu inner model, outer model
dan Hipotesis. apakah saya harus membahas 7 tahapan tersebut atau mengikuti jurnal?
mohon jawabanya
Balas
20.
Tika Zamachsyari30 Oktober 2015 00.41
Assalamualaikum, pak..saya Tika mahasiswa yng sedang mengerjakan thesis Loyalitas
nasabah. langsung aja ya pak.. saya sudah beroleh hasil validitas n reliabilitas yang semua
indikator nya valid dan reliabel, uji hipotesis pun sudah, nilai R2 variabel endogennya masing
masing 0,66, 0,39 dan 0.63, yang berarti goodness of fit model cukup baik. yang ingin saya
tanyakan adalah : 1. apa gunanya hasil f square dan Q square (blindfolding test) ? sy pernah
baca untuk menguji kebaikan model juga, namun bagaimana cara membaca dan
penjelasannya? 2. saya membagi responden kedalam dua grup untuk melihat perbedaan,
dan menggunakan analisis multigrup dlm menuPLS, saya sudah beroleh hasil output nya, klo
tidak salah sya harus memperhatikan tabel PLS MGA. namun saya belum mengerti cara
membaca dan menginterpretasikannya....mohon jawabannya ya pak...wassalam

Balas

21.
Shinta Dwi Mustikawati15 November 2015 14.38
Assalamualaiku
pak
imam
Saya ingin brtanyaa output dari outer dan inner model (data kuantitatif) dengan menggunakan
sem pls program warppls??? Terimakasih pak sy btuh jwbn pd ksmptan prtma
Balas
22.
Hasanati Hasan15 Desember 2015 05.08
Assalamualaikum....pak prof saya ingin bertanya jika variabel yg kita teliti diukur dengan
menggunakan dua jenis indikator, indikator satunya menggunakan skala likert (kuisioner) dan
satunya lagi menggunakan skala rasio (perhitungan angka) apakah model ini bisa
menggunakan PLS?jika tidak bisa bagaimana solusi terbaik agar variabel ini tetap bisa diolah
dengan PLS?,,terima kasih pak..
Balas

23.
Widya Asrika21 Desember 2015 17.48
Prof.
Dr.
Imam
Ghozali
Yth,
Saya sedang membuat tesis menggunakan PLS. Saya mempunyai 4 variabel eksogen :
A,B,C,D, 1 variabel intervening : E dan 1 variabel endogen : F. A,B,C mempengaruhi E. D dan
E mempengaruhi F. Maing-masing variabel mempunyai beberapa indikator dan masingmasing indikator terdiri atas beberapa pertanyaan. Yang mau saya tanyakan, apakah saya
bisa menggunakan first order?
Balas
Balasan

1.
Tatang Warandana HRP15 Januari 2016 04.39
Ini hampir sama dengan permasalahan saya. Mohon petunjuknya prof. Imam
Balas

24.

Wahyu Khoirunnisak29 Desember 2015 14.40


Assalamualaikum
Bapak.
Saya
Nisa
mahasiswi
ITS
SUrabaya.
Dalam pengerjaan Tugas Akhir saya menggunakan tools smartpls 3.0 utk menguji model
saya. Dalam model, sya menggunakan 4 variabel moderat utk memperkuat hubungan
variabel dependen & independennya. Namun saya mengalamai masalah ketika melakukan
bootstrapping, hasil dari bootstrapping tidak dapat menampilkan nilai T-Statistik dari masingmasing variabel moderat yang berhubungan dengan variabel independen lainnya, dan pada
tabel original sample nya utk variabel yg berhubungan dg variabel moderat bernilai 1,000.
permasalahan tersebut ada pada semua hasil utk hasil outer loadings, composite reliability,
dll.
Kira-kira kesalahan apakah yang biasanya terjadi dan harus saya perbaiki untuk
permasalahan
tersebut
?
Terimakasih
Balas

25.
Suci Monahara23 Mei 2016 23.01
selamat
siang
bapak
saya mau tanya pak kalau saya delete indikator yang di anggap tidak valid apakah boleh jika
dalam
variabel
tersebut
hanya
tinggal
1
indikator
saja.
terima kasih

(Sumber: http://downloadicmd.blogspot.co.id/2009/06/faq-pls-oleh-prof-dr-imamghozali-mcom.html)