P E L AT I H A N

MENGGUNAKAN ANALISIS PLS-SEM

DENGAN WARPPLS 6.0
DALAM PENELITIAN
EKONOMI DAN BISNIS
OLEH
M . N . U TO M O
 MATERI
• Mengapa Menggunakan PLS-SEM
• CB-SEM vs PLS-SEM
• Tahapan Analisis SEM-PLS dengan WarpPLS
• Evaluasi model pengukuran
• Evaluasi model struktural
• Pengujian Model Mediasi dalam SEM PLS
• Pengujian Model Moderasi dalam SEM PLS
MENGAPA MENGGUNAKAN PLS-SEM

Pengertian PLS-SEM
• Partial Least Square - Structural Equation Modeling (PLS-SEM)  metoda alternative utk
model persamaan structural utk menguji secara simultan hubungan antar konstruk laten dlm
hubungan linier/non linier baik berbentuk reflektif dan formatif
• Analisis multivariate generasi kedua (perluasan OLS Regresi, principal component dan
canonical correlation analysis)
 MENGAPA MENGGUNAKAN PLS-SEM
Tujuan Utama Tujuan Utama
Eksplorasi Konfirmasi

Teknik Generasi • Analisis Kluster • Analysis of Variance

Pertama • Exploratory factor • Regresi Berganda
analysis • Regresi Logistik
• Multidimensional
Scaling
Teknik Generasi • Partial Least Squared • Covariance –Based
Kedua SEM SEM (CB-SEM)
 MENGAPA MENGGUNAKAN PLS-SEM
• Kelebihan Utama SEM (Smith dan Langfield,2005 ; Hair dkk,2011)
1. Mampu Menguji Model Penelitian yang kompleks secara Simultan
2. Mampu menganalisa variabel yg tidak dapat di ukur langsung (unobserved variabels) dan
memperhitungkan kesalahannya

PEMEGANG SAHAM
PENGENDALI

INTENSITAS AKTIVITAS
PENGAWASAN DEWAN
KOMISARIS
EFISIENSI OPERASIONAL ROA
BERKOMITMEN GREEN

LEVERAGE

SIZE TOBINS Q

PENGUNGKAPAN
LINGKUNGAN
MENGAPA MENGGUNAKAN PLS-SEM
Variabel/Konstruk Variabel/Konstruk
Laten (unobserved) Observed=terukur
Kepuasan Pelanggan Laba (ROA, ROE NPM )
Inovasi Pertumbuhan Penjualan
Karakteristik Manajer dll Suku Bunga, Inflasi, PDB dll
MENGAPA MENGGUNAKAN PLS-SEM

• SEM TERBAGI DUA

1. CB (Covariance Based)-SEM ( Software : Lisrel, AMOS, EQS,

Mplus dll)
2. PLS (Variance based)-SEM (Software : PLS-Graph, Smart-PLS,
Visual-PLS, WarpPLS dll)
MENGAPA MENGGUNAKAN PLS-SEM
• CB (Covariance-based) SEM vs PLS-SEM
CB-SEM
Bertujuan menguji Teori, Konfirmasi Teori,
perbandingan alternative Teori
Lebih cenderung menggunakan konstruk reflektif,
sedang formatif membutuhkan aturan spesifikasi
tertentu
Error Term memerlukan spesifikasi tambahan seperti
kovariasi
Hubungan konstruk bisa bersifat Recursive dan non
Recursive (timbal balik)
Membutuhkan serangkaian Asumsi yg harus dipenuhi
; normalitas data, homoskedastisitas,dll
Terdapat syarat minimal jumlah sampel
Memerlukan persyratan jumlah indicator pada
konstruk
PLS-SEM
Ekploratoris / Perluasan Teori
Dapat digunakan untuk Konstruk Formatif dan
Reflektif
Error term tdk memerlukan spesifikasi tambahan
Hubungan konstruk Hanya bersifar recursive (satu
arah)
Tidak membutuhkan serangkaian asumsi yg harus
dipenuhi, tujuan penelitian hanya bersifat prediksi
Dapat bekerja dengan sampel yang kecil
Dapat bekerja dengan satu indicator atau banyak
indicator >50)
MENGAPA MENGGUNAKAN PLS-SEM
• CB (Covariance-based) SEM vs PLS-SEM
Karakteristik Data PLS-SEM
1. Data tidak lengkap (missing values) tetap tidak masalah (robust) dapat bekerja
dengan missing values max 15% dari total observasi atau 5% perindikator
2. Dapat mengestimasi dengan data yang kecil (35-50), data > 250 estimasi
semakin tepat
3. Tidak mensyaratkan asumsi distribusi data  non parametric, dpt bekerja
dengan data tidak normal secara ekstrim
4. Skala pengukuran : skala metric, ordinal, binary/dummy (utk var. eksogen)
var. endogen terbatas
TAHAPAN ANALISIS SEM-PLS DENGAN
WARPPLS
1. Konseptualisasi Model-> tentukan indicator, reflektif v formatif
2. Menentukan metode analisis algorithm (outer model)
3. Menentukan metode analisis algorithm (inner model)
4. Menentukan metode resampling
5. Menggambar diagram jalur
6. Evaluasi model.
TAHAP. 1 KONSEPTUALISASI MODEL
Indikator Indikator Indikator Indikator Indikator Indikator
1 2 3 1 2 3

Konstruk Konstruk
Reflektif Formatif

Perubahan Dalam Konstruk Perubahan Dalam Satu

menyebabkan perubahan dalam Indikator Menyebabkan
Indikatornya Perubahan dalam Konstruk
RULE OF THUMB REFLECTIF OR
FORMATIF
Kriteria Keputusan
Indikator merupakan konsekuensi atau Jika Konsekuensi reflektif, jika penyebab
penyebab ? formatif
Konstruk merupakan sifat atau Jika sifat : reflektif , jika kombinasi :
kombinasi dari indicator ? formatif
Jika penilaian konstruk berubah maka Jika ya : Reflektif , jika tidak : formatif
semua indicator berubah dg pola yang
sama
Indikator dpt dipertukarkan secara Jika ya : Reflektif , jika tidak : formatif
sama?
Sumber : Hair dkk (2013)
 REFLEKTIF VS FORMATIF
Ada Banyak
Perlengkapan kamar
Fasilitas Tambahan Kamar Hotel Bersih
hotel sangat lengkap
di Hotel

Secara keseluruhan Saya akan

saya puas dengan hotel menyarankan teman
ini saya untuk memilih
Kepuasan
Hotel ini
Dengan
Hotel
Karyawan Hotel
Ramah Tarif Hotel Murah

Saya merasa nyaman Pelayanan karyawan Saya akan menginap

menginap di hotel ini Hotel Baik lagi di hotel ini
Tahap 2. Menentukan metode analisis
algorithm (outer model)
- (CFM1, REG1, PTH1, PLS Regression, PLS Mode M, PLS Mode M basic, PLS Mode A,
PLS Mode A basic, PLS Mode B, PLS Mode B basic)

TAHAP 3. Menentukan metode analisis

algorithm (inner model)
- (LINEAR, WARP2,WARP2 BASIC, WARP3, WARP3 BASIC)
Menu Warppls

Setting : view or change general setting

Tahap 4. Menentukan metode resampling
Umumnya terdapat dua metoda resampling yaitu
botsrapping dan jackknifing.
- Botsrapping utk sample > 100
- jackknifing. Utk sample < 100
- Pada warp pls.5 ada tambahan stable (default),
parametric (sample > 500)
Tahap 5. Menggambar diagram jalur
Tahap 6. Evaluasi model
a. evaluasi model pengukuranmenilai reliabilitas &
validitas indikator-indikator
b. evaluasi model structural menilai goodness of
Fit model & memprediksi hubungan antar variabel
laten
ALGORITHM OUTER MODEL
• Factor Based Type CFM1 : menghasilkan estimasi kedua komposit dan factor dlm 2 tahap ,secara
eksplisit jg menghitung kesalahan pengukuran, sesuai dengan asumsi common factor model (semua
kesalahan indicator tdk saling berkorelasi)
• Factor Based Type REG1 : mengestimasi komposit melalui regresi PLS dan mengestimasi factor dgn
variation sharing, sangat dekat dengan wold’s original PLS design
• Factor Based Type PTH1: mengestimasi komposit melalui Robust Path analysis dan mengestimasi
factor dgn variation sharing
• PLS Regression : merupakan default outer model algorithm, melakukan iterasi dgn 2 kondisi, inner
model tdk berpengaruh thd outer model, dapat menghandle data yg mengalami problem
collinearity
• PLS Mode M : mode mixed dimana indicator variabel berbentuk reflektif dan formatif
• PLS Mode M basic : variasi dari PLS mode M dimana inner model berpengaruh terhadap outer
model
ALGORITHM OUTER MODEL

• PLS Mode A : mode reflektif

• PLS Mode A basic : variasi PLS mode A, inner model berpengaruh terhadap outer model
• PLS Mode B : mode formatif
• PLS Mode B basic : variasi PLS mode B, inner model berpengaruh terhadap outer model
• Robust path analysis : algorithm sederhana, skor varibl laten dihitung dari rata2 skor indikator
 ALGORITHM INNER MODEL
• Linear : model linear tdk dapat menghasilkan hubungan non-linier (u curve)
• Warp 2: model non-linier( u curve) khusus utk model interaksi
• Warp 2 basic : variasi warp 2
• Warp 3 : model non linier ,kombinasi dari 2 hub u curve  s curve
• Warp 3 basic : variasi warp 3
LANGKAH-LANGKAH MENJALANKAN PROGRAM
WARPPLS 5.0
1. Membuka atau membuat file Proyek
2. Membaca data mentah yang digunakan dalam analisis SEM
3. Pemrosesan awal (pre-process) data analisis
4. Mendefinisikan Model SEM
5. Menjalankan analisis SEM
 RINGKASAN RULE OF THUMB EVALUASI MODEL
PENGUKURAN (MODE A/REFLEKTIF)
Kriteria Parameter Rule of Thumb Menu Warppls
Indikator Reliability Loading Faktor > 0,7 confirmatory research View indicator
0,60 - 0,7 utk explatory research loading and
cross loadings

Internal Consistency
Reliability Composite Reliability > 0,7 confirmatory research
0,60 - 0,7 utk explatory research
View latent variables
> 0,5 utk confirmatory dan coefficients
Convergent Validity AVE explatory research

View correlations among

Akar kuadrat AVE dan korelasi Akar kuadrat AVE > korelasi antar
latent variables and error
Discriminant validity antar konstruk konstruk
 EVALUASI MODEL PENGUKURAN
• Mode A Reflektif
PU = perceived usefulness, EOU = perceived ease of use , ENJ = enjoyment, ATT = attitude
- Outer moder : PLS Mode A, Resampling :Boostrapping, Linear

PU EOU ENJ ATT

PU1 EOU1 ENJ1 ATT1
PU2 EOU2 ENJ2 ATT2
PU3 EOU3 ENJ3 ATT3
PU4 EOU4 ENJ4
 RINGKASAN RULE OF THUMB EVALUASI MODEL
PENGUKURAN (MODE B/FORMATIF)

Kriteria Parameter Rule of Thumb Menu Warppls

Indikator Reliability Significant Weight p value < 0,1

p value < 0,05

p value < 0,01

View Indicator Weight

Collinearity VIF dan Tolerance VIF < 5 atau 3,3

Tolerance >0,2 atau >0,3

 EVALUASI MODEL PENGUKURAN
• Mode B Formatif,
• BI = Behavioral Intention (Ref.), ATT = attitude (Ref.), USE = taks use (Form)
Outer moder : PLS Regression, Resampling :Stable, Linear

BI ATT USE
BI1 ATT1 USE1
BI2 ATT2 USE2
BI3 ATT3
ATT4
ATT5
 EVALUASI MODEL STRUKTURAL
Menu Warppls
R Square atau Adjusted R2 < 0.70, < 0,45 dan < 0,25 model kuat, moderate, lemah View latent variables
Q2 predictive relevance > 0,02 , > 0,15 dan > 0,35 (lemah, moderate, kuat) coefficients

Effect size > 0,02 , > 0,15 dan > 0,35 (kecil, menengah, besar) View standard error & effect sizes
APC, ARS, AARS P>value< 0,05
AVIF dan AFVIF < 3,3 namun < 5 dapat diterima

Giidness Tenenhaus > 0,10, > 0,25 dan > 0,36 (kecil, menengah dan besar)
SPR ideal = 1, namun > 0,7 masih dapat diterima
View General result
RSCR ideal = 1, namun > 0,7 masih dapat diterima
SSR Harus > 0,7
NLBCDR Harus > 0,7
Signifikansi (two-tailed) p value = 0,1 (10%), 0,05 (5%) dan 0,01 (1%) View path coef. And p values
PENGUJIAN MEDIASI
• Prosedur analisis Mediasi dengan Metode VAF (Hair et.al ,2013)
1. Menguji pengaruh langsung tanpa variabel mediasi (jika tdk signifikan tdk ada
efek mediasi)
2. Menguji pengaruh tdk langsung dengan memasukkan variabel mediasi (jika
tidak signifikan tdk ada efek mediasi), jika signifikan hitung VAF (Variance
Accounted For) = Pengaruh tdk langsung / pengaruh total

VAF >80% 20< VAF < 80% VAF <20%

FULL MEDIATION PARTIAL NO EFECT

MEDIATION MEDIATION
 A
X Y

M
B C

X Y

Pengaruh Langsung = A xx
Pengaruh tdk langsung = B x C xx

Pengaruh Total = A + (BxC) xx

VAF = Pengaruh tdk langsung / Pengaruh Total xx

UJI MEDIASI

KT = Kepemilikan Terkonsentrasi, Leverage , Size = ukuran perusahaan

EOBRL = Efisiensi Operasional Berkomitmen Ramah Lingkungan
ROA = Return on Asset
UJI MODERASI

PSP = Perceived Social Presence, TL = Telepresence,

ENJ = Enjoyment
TERIMAKASIH, SEMOGA BERMANFAAT