Modul Praktik Pls PDF
Modul Praktik Pls PDF
Sc
Modul
Praktik
Partial Least
Square (PLS)
Untuk penelitian Akuntansi
pendekatan Kuantitatif
PLS juga tidak mensyaratkan terpenuhinya uji asumsi klasik untuk dapat
dilakukan uji hipotesis penelitian secara statistik. Namun, beberapa peneliti
dan akademisi menilai tidak disyaratkannya keterpenuhan uji asumsi klasik
oleh PLS merupakan kelemahan dari PLS, sehingga hasil pengujian hipotesis
dengan PLS diragukan validitasnya. Di sisi lain, ada banyak pula peneliti dan
akademisi yang menilai tidak disyaratkan terpenuhinya uji asumsi klasik
untuk dapat dilakukan uji hipotesis penelitian secara statistic oleh PLS adalah
merupakan keunggulan PLS dari alat uji statistic lain. Terlepas dari pro-kontra
PLS yang tidak mensyaratkan terpenuhinya uji asumsi klasik dalam pengujian
hipotesis penelitian tersebut, kita sebagai pengguna dan tidak begitu
mendalami ilmu statistik dan pula tidak terlibat dalam pembuatan software
statistik, maka seyogyanya bersikap husnudzan (berperasangka baik), karena
apapun yang dibuat manusia pasti tidak ada yang sempurna.
2
1. Menyiapkan data dalam file Microsoft excel dengan format CSV (comma
delimited).
2. Membuka program (software) SmartPLS 3
3. Membuat new project
4. Meng-import data yang sudah disiapkan (poin 1)
5. Menggambar model penelitian yang terdiri dari beberapa variabel laten
6. Memasukkan data kuesioner (indikator) ke dalam variabel laten
7. Melakukan pengujian kualitas model pengukuran (PLS algoritm)
8. Melakukan pengujian hipotesis (bootstrapping)
Pertama, siapkan data pada Microsoft excel yang disimpan dalam format CSV
(comma delimited)
4
Selanjutnya, buka program PLS lalu klik menu New Project, dan tulis nama
project sesuai yang diinginkan, lalu klik OK.
Selanjutnya, lakukan impor data yang sudah disiapkan dengan cara mengklik
menu Double click to import data! (lihat bagian yang dilingkari pada gambar
dibawah ini).
5
Setelah data di-import, maka akan muncul tampilan mengenai data yang di-
import tadi.
Proses selanjutnya adalah membuat New Model File, lalu menggambar model
penelitian. Caranya adalah dengan mengklik menu latihan 1 dan memberi
nama pada kotak dialog yang muncul dengan nama yang kita inginkan,
misalnya dalam kasus ini diberi nama Latihan1.
Setelah proses di atas dilakukan, maka akan muncul halaman kosong yang
tersedia untuk menggambar model penelitian seperti di bawah ini.
7
Latent Variable
Menu “Connect”
Cara untuk membuat garis adalah silakan klik menu “Connect” (lihat bagian
yang dilingkari), lalu klik variabel-variabel yang dihubungkan. Pada contoh di
atas, setelah mengklik menu “Connect”, penulis mengklik variabel KSI
(Keterbatasan Sistem Informasi), dan lalu mengklik variabel PIK (Penggunaan
Informasi Kinerja).
blok nama-nama indikator -> klik+tahan -> drag ke variabel yang akan
dimasukkan indikator-indikator pengukurannya -> lepaskan klik mouse
1
Indikator-indikator pengukuran variabel adalah data penelitian yang bersumber dari hasil jawaban kusioner dan
telah dikuantifikasikan. Misalnya jawaban sangat tidak setuju dikuantifikasikan menjadi 1, tidak setuju
dikuantifikasikan menjadi 2, dst. Pada PLS, range kuantifikasi variabel harus seragam, misalnya jika variabel
penelitian diukur dengan skala likert dengan range 5, maka semua variabel harus diukur dengan likert range 5,
tidak boleh ada yang memnggunakan range 7. Karena hal itu akan dianggap error oleh PLS.
11
Se
Caranya adalah:
Pada kasus di atas, penulis memilih Right atau Rata Kanan agar tampilan
model peneltian menjadi lebih elok dipandang. Lihat hasilnya pada gambar di
bawah ini.
13
Apabila peneliti sudah sampai pada tahap ini, maka pengujian statistik sudah
siap untuk dilakukan. Pengujian terdiri dari uji kualitas model
pengukuran/instrumen (PLS algoritm) dan uji hipotesis (Bootstrapping).
Klik menu Calculate -> PLS Algoritm (lihat pada bagian yang dilingkari
pada gambar dibawah ini !)
14
Setelah itu, maka akan muncul tampilan seperti gambar di bawah ini.
Selanjutnya, pilih (klik) Start Calculation.
15
Setelah proses Calculation selesai, maka akan keluar hasil pengujian kualitas
model pengukuran (lihat gambar di bawah ini !).
Pada gambar di bawah ini nampak hasil outer loadings (di SPSS diistilahkan
dengan Factor Loadings) digunakan untuk mengukur validitas konvergen
dari model pengukuran (instrumen). Pada kasus ini, hasil uji outer loadings
menunjukkan skor yang rendah pada variabel AKT (Akuntabilitas) yaitu
kurang dari rule of tumbs 0,70 (Chin, 1998). Skor kurang dari 0,70 juga
nampak pada konstruk KMUK4 dan KSI3. Nampak pula variabel INS (Insentif)
memiliki korelasi tidak hanya pada dirinya (INS) tetapi juga pada AKT
(Akuntabilitas). Dari hasil ini maka dapat disimpulkan bahwa variabel
Akuntabilitas (AKT) memiliki validitas konvergen yang kurang baik, sehingga
sebaiknya variabel ini dieliminasi dan tidak diikutkan dalam pengujian
hipotesis. Jika variabel akuntabilitas tetap diuji hipotesisnya maka hasil
penelitian akan memiliki validitas yang lemah. Namun, karena ini hanya
contoh, maka di bagian pengujian hipotesis nanti, variabel ini tetap diikutkan.
Sementara, untuk kasus rendahnya KMUK4 dan KSI3, maka sebelum uji
hipotesis dilakukan, kedua konstruk ini harus dieliminasi terlebih dahulu dari
16
perannya sebagai salah satu item pengukur (indikator) dari variabel yang
diukurnya.
Catatan !
Untuk kriteria rule of tumbs, beberapa statistikan memiliki perbedaan
pendapat. Ada yang mensyaratkan harus lebih dari 0,70 seperti Chin (1998)
dan ada yang boleh kurang dari 0,70 tetapi paling tidak lebih dari 0,40
seperti pendapat Lai dan Fan (2008) serta Vinzi et al. (2010). Menurut
penulis sendiri tidak ada paksaan untuk mengikuti pendapat yang mana
karena semuanya ada dasarnya.
Klik menu Calculate -> Bootstrapping (Lihat bagian yang ditandai pada
gambar di bawah ini !)
19
Setelah itu maka akan muncul jendela sebagaimana gambar di bawah ini.
Selanjutnya, pilih (klik) Start Calculation.
20
Untuk melihat hasil pengujian hipotesis pada PLS dengan model sederhana
sebagaimana kasus yang sedang dikerjakan, pilihlah menu Path
Coefficients.
Rule of tumbs dari terdukungnya suatu hipotesis penelitian adalah: (1) jika
koefesien atau arah hubungan variabel (ditunjukkan oleh nilai original sample)
sejalan dengan yang dihipotesiskan, dan (2) jika nilai t statistik lebih dari 1,64
(two-tiled) atau 1,96 (one-tiled) dan probability value (p-value) kurang dari 0,05
atau 5%.
Pada kasus ini, mengacu pada hasil yang disajikan pada menu Path
Coefficients, hipotesis yang terdukung ada tiga, yakni: (1) INS->AKT, (2) PLT-
>AKT dan (3) PLT->PIK dengan masing-masing p-value senilai 0,000; 0,040
dan 0,000. Dari hasil tersebut maka dapat disimpulkan bahwa Insentif (INS)
berpengaruh positif terhadap akuntabilitas (AKT) dan pelatihan (PLT)
21
Catatan:
Kesalahpahaman yang kerap ditemui penulis adalah, ketika koefesien hasil
uji statistik memiliki arah yang sama dengan hipotesis yang dirumuskan,
misalnya insentif berpengaruh positif terhadap penggunaan informasi
kinerja (INS->PIK), lalu ditemukan nilai koefesien (original sample) sebesar
0,231, tetapi nilai p-value (sig.) sebesar 0,665 (lebih dari 0,05 atau 5%).
Banyak penulis temui, dari hasil tersebut peneliti menyimpulkan dengan
kalimat yang kurang lebihnya sebagaimana berikut:
Pada kasus ini nilai R Square Adjusted untuk Akuntabilitas (AKT) adalah
0,907 (90,7%) dan Penggunaan Informasi Kinerja (PIK) adalah 0,119 (11,9%).
Artinya adalah, kemampuan variabel independen menjelaskan variabel
dependen akuntabilitas (AKT) adalah 90,7% dan sisanya dijelaskan oleh
variabel independen lain yang tidak ada di dalam model penelitian yang
dirumsukan pada penelitian ini. Sementara, kemampuan variabel independen
menjelaskan variabel dependen penggunaan informasi kinerja (PIK) adalah
11,9% dan sisanya dijelaskan oleh variabel independen lain yang tidak ada di
dalam model penelitian yang dirumsukan pada penelitian ini.
23
1. Menyiapkan data dalam file Microsoft excel dengan format CSV (comma
delimited).
2. Membuka program (software) SmartPLS 3
3. Membuat new project
4. Meng-import data yang sudah disiapkan (poin 1)
5. Menggambar model penelitian yang terdiri dari beberapa variabel laten
6. Memasukkan data kuesioner (indikator) ke dalam variabel laten
7. Melakukan pengujian kualitas model pengukuran (PLS algoritm)
8. Melakukan pengujian hipotesis (bootstrapping)
effect/ efek mediasi. Mengacu pada Baron dan Kenney (1986) sebagaimana
dikutip Hartono dan Abdillah (2014), pengujian efek dari variabel pemediasi
dapat dilakukan jika efek utama variabel independen terhadap variabel
dependen adalah signifikan. Jika hal tersebut tidak terpenuhi, maka pengujian
efek mediasi tidak perlu dilanjutkan karena biasanya hasilnya pasti tidak
signifikan. Asumsi ini juga berlaku untuk pengujian pada model yang terdapat
variabel pemoderasi (moderating) di dalamnya.
Untuk melihat hasil uji hipotesis efek utama, dapat dilakukan dengan
mengklik menu “Path Coefficients”.
Untuk melihat hasil uji hipotesis efek mediasi, dapat dilakukan dengan
mengklik menu “Inderect Effects”.
Dari hasil analisis total effects menggunakan PLS sebagaimana gambar di atas,
ditemukan bahwa hubungan Pengembangan Sistem Pengukuran Kinerja
(PSPK) terhadap Penggunaan Informasi Kinerja (PIK) masih signifikan dengan
p-value 0,000 (<0,05). Dengan demikian, dapat disimpulkan bahwa mediasi ini
hanya bersifat semu (quasi-mediating). Mediasi penuh (fully mediating) terjadi
jika pada total effects ditemukan hubungan Pengembangan Sistem
Pengukuran Kinerja (PSPK) terhadap Penggunaan Informasi Kinerja (PIK)
menjadi tidak signifikan (Hartono dan Abdillah, 2014).
29
Contoh Moderasi 1
1. Menyiapkan data dalam file Microsoft excel dengan format CSV (comma
delimited).
2. Membuka program (software) SmartPLS 3
3. Membuat new project
4. Meng-import data yang sudah disiapkan (poin 1)
5. Menggambar model penelitian yang terdiri dari beberapa variabel laten
6. Memasukkan data kuesioner (indikator) ke dalam variabel laten
7. Memunculkan variabel pemoderasi (moderating effect/interaction
effect)
8. Melakukan pengujian kualitas model pengukuran (PLS algoritm)
9. Melakukan pengujian hipotesis (bootstrapping)
Model penelitian kali ini adalah ingin menguji pengaruh Insentif (INS) terhadap
hubungan Pelatihan (PLT) dan Akuntabilitas (AKT). Jika dirumuskan dalam
bentuk hipotesis, maka dapat ditulis:
31
Letakkan posisi kursor pada variabel Dependen (AKT) -> klik kanan mouse
-> Add interaction effect
Setelah itu maka akan muncul kotak dialog sebagaimana gambar di bawah.
Pada menu isian Moderator Variable, pilih nama variabel yang akan dijadikan
variabel pemoderasi (dalam kasus ini adalah variabel Insentif). Sedangkan
pada menu Predictor Variable, pilih nama variabel independen yang akan
32
Jika proses ini selesai dilakukan, maka akan muncul variabel baru dengan
warna berbeda sebagaimana yang ditampilkan pada gambar di bawah ini.
Variabel pemoderasi
33
Untuk melihat hasil uji hipotesis efek utama, dapat dilakukan dengan
mengklik menu “Path Coefficients” atau juga bisa pada menu “Total
Effects”.
Variabel pemoderasi
34
Contoh Moderasi 2
Pada contoh moderasi 2 ini, penulis hanya ingin menunjukkan bahwa ketika
asumsi efek utama tidak terpenuhi, maka hasil pengujian variabel pemoderasi
akan tidak signifikan. Oleh karenanya, jika efek utama tidak signifikan, maka
tidak perlu dilakukan uji efek moderasi, karena hal itu hanya akan
membuang-buang waktu, tenaga dan pikiran.
Dari model penelitian yang dirumuskan, maka model yang digambarkan pada
program SmartPLS adalah sebagai berikut:
Letakkan posisi kursor pada variabel Dependen (PSPK) -> klik kanan
mouse -> Add interaction effect
Selanjutnya, pada kotak dialog yang muncul, pada menu isian Moderator
Variable dipilih variabel Pelatihan (PLT), dan pada menu Predictor Variable
dipilih variabel Kesulitan Menentukan Ukuran Kinerja (KMUK). Setelah itu
maka akan muncul variabel baru dengan warna berbeda yang berlaku sebagai
variabel pemoderasi.
36
Variabel pemoderasi
Untuk melihat hasil uji hipotesis efek utama, dapat dilakukan dengan
mengklik menu “Path Coefficients” atau juga bisa pada menu “Total
Effects”.
Variabel pemoderasi