Part II 2 2praktikum-Pls-Dengan-Smartpls PDF
Part II 2 2praktikum-Pls-Dengan-Smartpls PDF
Oleh :
Dr. Bambang Widjanarko Otok, M.Si
bambang_wo@statistika.its.ac.id, otok_bw@yahoo.com
Jurusan Statistika FMIPA - ITS
Memulai Program SmartPLS: Klik start, Pilih Program, Pilih Java Web Start dan Klik
Java Web Start, seperti tampak pada Gambar berikut:
Pada Gambar di atas pilih Start dan Klik, akan tampak Gambar berikut:
Pada Kotak Dialog di atas, terdapat menu File ?, File terdiri dari New, Open
dan Exit. Sedangkan ? terdapat About SmartPLS Jika Klik File akan tampak
Gambar berikut:
Gambar di atas berisi 3(tiga) kotak dialog yaitu (Model name, Data source
and name, CSV Separators). Model name berisi nama model yang akan kita
buat, misalnya ketik Kinerja, Data source and name berisi sumber dan
nama data yang akan digunakan (sama halnya dengan AMOS, Smart PLS
tidak disediakan untuk entry data. Jadi dalam menyiapkan data digunakan
bantuan dari excel, SPSS, notepad (ASCII) yang disimpan dengan type: .csv.
(atau jika masih dalam extension excel, SPSS, notepad (ASCII) simpan lagi
dengan cara File save as kemudian pada type cari extension .csv) untuk
mencari sumber dan nama data yang digunakan, Klik dan tersaji
seperti Gambar berikut:
Untuk CSV Separator berisi struktur dari data yang dipisahkan dengan
koma atau colon, titik koma atau semicolon). Apabila kotak dialog sudah
terisi sesuai dengan yang dikehendaki, maka Klik OK, akan muncul Gambar
sebagai berikut:
Drawing Mode
Connection Mode
Delete
Grid on/off
Original Size
Zoom In
Zoom Out
Undo
Redo
Group
Ungroup
Bring to front
Send to back
Calculate Model
Bootstraping
Pandang Model Struktural pada Materi Teori PLS. Untuk membuat model
tersebut dimulai dengan pembuatan variable latent, dengan cara Klik ,
seperti tampak pada Gambar berikut:
Lakukan hal yang sama sampai semua indicator masuk dalam variable
latent seperti Gambar berikut.
iteration PK5
0 1.000
1 0.221
2 0.224
3 0.223
Komitmen
0.215 0.167
Profesional
Komitmen
0.202 0.164
Organisasi
Kinerja
KK1 0.340
KK2 0.233
KK3 0.285
KK4 0.287
KK5 0.152
KO1 0.272
KO2 0.312
KO3 0.221
KO4 0.224
KO5 0.255
KP1 0.132
KP2 0.197
KP3 0.209
KP4 0.236
KP5 0.246
KP6 0.176
PK1 0.239
PK2 0.202
PK3 0.256
PK4 0.277
PK5 0.223
KK1 0.824
KK2 0.687
KK3 0.789
KK4 0.807
KK5 0.682
KO1 0.750
KO2 0.846
KO3 0.742
KO4 0.761
KO5 0.774
KP1 0.704
KP2 0.879
KP3 0.797
KP4 0.916
KP5 0.842
KP6 0.826
PK1 0.804
PK2 0.813
PK3 0.840
PK4 0.895
PK5 0.810
Komitmen
1.000
Profesional
Komitmen
0.215 1.000
Organisasi
Table of contents
R-square
Composite Reliability
Average variance extracted (AVE)
Cross loadings
R-square
R-square
Komitmen Profesional
Kinerja 0.069
Composite Reliability
Kinerja 0.872
Kinerja 0.578
Cross loadings
Komitmen Profesional Komitmen Organisasi Perilaku Kerja Kinerja
Table of contents
Settings
results for inner weights
results for outer loadings
results for outer weights
outer weights for each sample
outer loadings for each sample
inner weights for each sample
Settings
number of samples 170
Komitmen
Profesional
Komitmen
Organisasi
Perilaku Kerja
Kinerja
Komitmen
Profesional
Komitmen
Organisasi
Perilaku Kerja
Kinerja
LATIHAN_2.
Gunakan data: market.xls dengan model sebagai berikut:
e9 e10 e11
1 1 1
Y11 Y12 Y13
1
1
e19 Y1 e21
1
e1 X11 1
1
e2 X12
1 X1 1
e3 X13 1 Y31 e15
1
1 1
e4 X14 Y32 e16
Y3 1
Y33 e17
1 1
e5 X21 1
Y34 e18
1
e6 X22 e23
1 X2
e7 X23 1
1 1
e8 X24 1
e20 Y2 e22
1
Chin, W. W. (1998). The partial least squares approach for structural equation
modeling. In George A. Marcoulides (Ed.), Modern Methods for Business
Research, Lawrence Erlbaum Associates, pp. 295-336.
Falk, R. F., & Miller, N. B. (1992). A primer for soft modeling. Akron: The
University of Akron Press.
Wildt, A. R., Lambert, Z. V., & Durand, R. M. (1982). Applying the jackknife
statistic in testing and interpreting canonical weights, loadings, and cross-
loadings. Journal of Marketing Research, 19, pp. 99-107.