Anda di halaman 1dari 33

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 indikator-indikator 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 indikator-indikator 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

16 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 Prof Imam.

Mohon beberapa 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 sekian Pak.


Terimakasih banyak atas penjelas Bapak.

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 kasih Pak


Semoga Bapak tdk keberatan.

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

Muat yang lain...


Posting Lama Beranda
Langganan: Poskan Komentar (Atom)

Anda mungkin juga menyukai