Lihat diskusi, statistik, dan profil penulis untuk publikasi ini di: https://www.researchgate.

net/publication/331221670

Analisis data Kuantitatif: Kenapa PLS-SEM?

Bab · Agustus 2018

CITATIONS Dibaca

0 377

2 penulis:

Ibrahim Ahmad

Universiti Putra Malaysia Technical University of Malaysia Malaka

13 PUBLIKASI     14 CITATIONS     37 PUBLIKASI     23 CITATIONS    

SEE PROFIL SEE PROFIL

Beberapa penulis publikasi ini juga bekerja pada proyek-proyek terkait:

Efek afektif dan Emosi Pengguna Melalui Komputer Game Design Interface (RAPK) Kerangka Model Lihat proyek

Penerimaan Pengguna di Game Pendidikan Ponsel Mengintegrasikan dengan M-Learning Elements Berdasarkan UTAUT Model Lihat proyek Kamarudin Shafinah

Semua konten berikut halaman ini diunggah oleh Ibrahim Ahmad pada tanggal 22 Maret 2019.

Pengguna telah meminta tambahan dari file yang didownload.

 BAB 5

Analisis data Kuantitatif: Kenapa PLS-SEM?

SHAFINAH Kamarudin & IBRAHIM AHMAD

5.1 Pengenalan

Partial Least Square-Structural Equation Model ( PLS-SEM) Adalah salat Satu kaedah Yang
boleh kitd guna untuk review analisis data yang Yang kitd peroleh Dari Kajian kitd. Pertama kali aku
berkenalan DENGAN PLS-SEM Sekitar Tahun
2014. Itu pun kerana aku menemani Seorang sahabat menghadiri Kursus berkaitan PLS-SEM.
Memang Agak sukar terutama pemula macam aku. Terasa nak Menangis di Bucu katil je .. sebab
Memang aku mengaburkan.

Bagaimanapun, aku amat tertarik DENGAN PENGGUNAAN perisian Cerdas PLS versi 2.
Cara menganalisis data yang Yang Berbentuk visual yang menyebabkan Aku Ingin mengetahui
DENGAN LEBIH lanjut TENTANG PLS-SEM. selanjutnya Tindakan, aku Membeli buku Yang Ditulis
oleh Hair et al. (2014) Dan aku menghadiri Kursus berkaitan PLS-SEM buat kali Kedua. PLS-SEM
Sesuai untuk review Kajian Berbentuk bersifat penerokaan Dan mengguna saiz sampel Yang Sedikit.
SEBELUM aku laksana analisis mengguna Data PLS-SEM, perancangan Perlu dilakukan.

37
5.2 Perancangan UNTUK ANALISIS DATA

SETIAP kali aku nak merancang Sesuatu, Pasti Banyak lukisan flow chart
di conteng di sana here. Aku memang Suka brainstorming dulu ... Takut ter rindu keluar
Sesuatu. Berikut Adalah flow chart Yang diguna untuk review melaksana analisis data yang Kajian aku • ( Rajah
5.1). Pendekatan Penyanyi mungkin berbeza DENGAN penyelidik lain.

Analisis Model Mengguna

Penentuan Saiz Sampel
PLS-SEM
(perisian G * Power)
(Perisian Cerdas PLS)

Ujian Penyesuaian Model

Analisis Kuasa Post Hoc
Global
(Perisian G * Power)
••• = ξ••• × • 2

Rajah 5.1 Langkah-Langkah Analisis data

5.3 Penentuan Saiz sampel

Seperti mana Yang dimaklumkan SEBELUM Suami, PLS-SEM Sesuai diguna untuk review
Jangka Waktu sampel Yang Kecil. Terdapat beberapa Garis PANDUAN Yang boleh diguna Bagi
menentukan saiz sampel minimum Yang Sesuai untuk review sesebuah Kajian. SEBELUM MEMBUAT
Penentuan saiz sampel dilaksana, kitd Perlu Membangun Dan mengilustrasi Model Kajian Yang nak
disahkan seperti Rajah
5.2.

Konstruk 3

Konstruk 1
Konstruk 4
Konstruk 7
Konstruk 2
Konstruk 5

Konstruk 6

Rajah 5.2 Contoh Model Kajian

38
 Kita boleh mempertimbang Cadangan Urbach Dan Ahlemann (2010), iaitu mengguna saiz
sampel ANTARA 30 Hingga 100 orangutan. Ada also penyelidik Yang mengikut APA Cadangan Hoyle
(1995) iaitu saiz sampel Lingkungan 100 Hingga 200 orangutan sebagai Jangka Waktu Yang Sesuai untuk
review laksana pemodelan LINTASAN ( pemodelan path) ( el-Gohary 2012; Wong 2013; Goh et al. 2014).

Meski pun Terdapat Banyak kaedah menentu saiz sampel, aku guna perisian G * Daya 3.1
untuk review menentu saiz sampel Yang nak dipertimbangkan hearts Kajian aku (Faul et al. 2009).
Perisian Suami kitd boleh Download je kat http://www.gpower.hhu.de/en.html. Yang lagi terbaik, perisian
ni bebas. Cuma, kitd di Minta untuk review masukkan Rujukan kat Bawah ni kalau berhasrat nak mempublikasikan
kertas.

Faul, F., Erdfelder, E., Lang, A.-G. & Buchner, A. (2007). G * Daya 3: Sebuah program
analisis kekuatan statistik yang fleksibel untuk ilmu-ilmu sosial, perilaku, dan biomedis. Perilaku
Metode Penelitian, 39, 175-191.

Seterusnya, APA Yang terbaik nya guna perisian G * Daya 3.1?

Perisian G * Daya 3.1 Mampu menilai Kuasa statistik ( kekuatan statistik)

Bagi menganggar saiz sampel minimum DENGAN aras Nilai signifikan konvensional iaitu α = 0,05
diguna bertujuan mencapai Nilai Kuasa sekurangkurangnya 0,80 untuk review Kesan saiz Dan saiz
sampel DENGAN Nilai Kuasa ( 1 - β)
Adalah sebanyak 0,95 (Perugini et al. 2014).

Macam mana nak guna perisian ni?

• Pilih F uji sebagai tes keluarga.

• Seterusnya, untuk review uji statistik, Pilih regresi ganda linier: Model Tetap, R 2 penyimpangan
dari nol.
• Pilih A priori: Menghitung ukuran sampel yang diperlukan - diberikan α, kekuasaan dan pengaruh ukuran Untuk
ketik analisis kekuasaan.
• Maklumat TENTANG Jangka Waktu Maksimum Ramalan iaitu Jangka Waktu Anak Panah
Perlu dimasukkan Ke hearts perisian G * Daya 3.1. Masukkan kat Ruang jumlah prediktor. Contohnya,
Jangka Waktu Maksimum Ramalan hearts Rajah 2 Adalah 4.

• Sekali Akhir, Jangka Waktu minimum saiz sampel akan dipaparkan PADA Ruang Ukuran total
sampel. JIKA Jangka Waktu Maksimum Ramalan Adalah empat dalam, Jangka Waktu minimum
sampel Yang diperlukan Adalah 129 orangutan untuk review memperoleh Kuasa statistik 95%.
Jangka Waktu Kuasa statistik ni kitd tengok kat bahagian daya ( 1 - β ••• ••••) PADA Rajah 5.3.

40
 Rajah 5.3 Antara Muka perisian G * Daya

Apabila kitd Sudah peroleh minimum saiz sampel, kitd kena mempertimbangkan saiz
Yang melebihi Jangka Waktu Yang disyor Oleh perisian G * Daya 3.1. Persoalannya kenapa
???

Jawapannya ...

Responden kitd ADA macam-macam ragam. Kadang-kadang mereka jawab Ikut Suka hati ..
Kalau ADA malas nak terlibat, TAPI Segan nak cakap TIDAK,
ADA kebarangkalian jawapan Yang diberi Dari Ajukan Pertama Sampai Akhir sama je. Contohnya, 5
merujuk ditunjukan kepada Sangat Setuju hearts Skala Likert. JIKA ADA 40 Ajukan Yang dikemuka PADA
borang soal selidik, responden akan ADA kebarangkalian untuk review Tanda 5 PADA SEMUA jawapan
mereka. Jadi, dah Berlaku ralat kat here. Kalau nak cerita TENTANG Jenis-Beroperasi ralat Yang ADA ..
kena buka Tajuk Lain Nanti ... Pokoknya, lah boleh cuba menjelajah Istilah seperti Perintah

41
Metode Variance ( CMV) kalau nak faham TENTANG ralat mungkin Berlaku semasa Proses
persampelan. Data Saringan dilaksana untuk review Mengurangi ralat tersebut.

Apabila kitd Sudah DAPAT menganggarkan saiz sampel, kitd boleh mula laksanakan Proses
pengumpulan berkas dan seterusnya melaksana saringan data. Lepas tu, kitd boleh kunci dalam Data kitd
hearts Microsoft Excel Dan memasang SmartPLS perisian. seterusnya Seksyen, aku nak kongsi
TENTANG analisis data yang mengguna pemodelan Persamaan Berstuktur through kaedah Kuasa Dua
Terkecil Pemisahan (KTDS) ATAU dikenali sebagai Partial Least Square-Structural Equation Model

(PLS-SEM).

5.4 Partial Least Square-PERSAMAAN STRUKTURAL MODEL

(PLS-SEM)

PLS-SEM Adalah shalat Satu analisis pemodelan Persamaan berstruktur (SEM). PLS-SEM
mengguna prosedur pengajian metod aggaran regressi berasaskan Kuasa doa terkecil biasa ( berdasarkan
regresi-kuadrat terkecil biasa, OLS) dikemuka untuk review Kajian Yang bersifat penerokaan (Kim &
Garrison 2010). Berikut Adalah Kriteria analisis data yang Yang Sesuai mengguna PLS-SEM:

jadual 5.2 Kriteria untuk review KDTS

Kriteria Deskripsi

Objektif Berorientasi-Ramalan.

Pendekatan varians berasaskan.

Andaian Spesifikasi jangkaan (Bukan parametrik).

parameter Anggaran Konsisten seperti Jangka Waktu penunjuk Dan saiz sampel
MENINGKAT.

Skor pemboleh ubah Pendam Anggaran Beroperasi TIDAK tersirat.

Hubungan epistemi di ANTARA Boleh dimodelkan sama ADA DENGAN mod formatif ATAU
pemboleh ubah Pendam Dan reflektif.
pengukurannya

Implikasi Optima untuk review ketepatan peramalan.

Model Komplesiti Kompleksiti gede (100 konstruk Dan 1000 penunjuk).

Saiz sampel Analisis Kuasa Bergantung pada bahagian Model Yang memiliki
Jangka Waktu Terbesar penunjuk. Jangka Waktu minimum Yang
dicadangkan Adalah di ANTARA 30 Hingga 100.

42
 Rajah 5.4 Model Contoh Pengukuran Dan Model Struktur
Sumber: Adaptasi daripada (Hair et al 2012.)

Mana pula Model Struktur?

• PADA Rajah 4, Model contoh Struktur Adalah PADA Bahagian E.

• Model Struktur Adalah Hubungan di ANTARA doa pemboleh ubah Pendam Yang
terhasil daripada Pertimbangan Sesuatu Teori.
• Pemboleh ubah Pendam TIDAK bersandar sebagai dikenali
eksogenus
• Pemboleh ubah Pendam bersandar sebagai dikenali
endogenus
• PADA Rajah 4, SP Dan
1
SP 2Adalah pemboleh ubah eksogenus
Dan pemboleh ubah endogenus Adalah SK Dan
1
KACANG.1

PLS-SEM boleh diguna untuk review analisis moderator Dan mediator.

• moderator
Hai pemboleh ubah Yang Memberi Kesan Terhadap kekuatan
Dan / ATAU Arakh Bagi penggabungan di ANTARA pemboleh ubah TIDAK
bersandar DENGAN pemboleh ubah hasil temuan (Ro
2012).
Hai Contoh: Umur, jantina

44
 • Penengah
Hai pemboleh ubah Yang menentukan Hubungan di ANTARA
pemboleh ubah TIDAK bersandar DENGAN pemboleh ubah hasil temuan (Ro
2012).
Hai Pemboleh ubah mediator menyedia jujukan Kesan iaitu
Proses mediator Adalah tersirat PADA rantaian sebab Dan Akibat.

Hai PADA kebiasaannya pemboleh ubah mediator wujud

sebagai pemboleh ubah dalaman Yang Hanya boleh diukur Dan
Bukan dimanipulasi.
Hai JIKA nak industri tahu DENGAN LEBIH lanjut TENTANG mediator,
boleh baca artikel Yang Ditulis oleh MacKinnon et al. (1995).

Here, Aku Ingin kongsikan Tiga analisis Yang aku Telah gunakan untuk review analisis data
yang semasa pengajian PhD aku iaitu Model analisis Pengukuran reflektif, analisis Model Pengukuran
Struktur Dan analisis mengguna mediator PLS-SEM.

5.5 MODEL PENGUKURAN

Rajah 5.5 menunjukkan deskripsi Ringkas TENTANG empat dalam ujian Yang Perlu dilaksana
Model untuk review Pengukuran reflektif.

Ujian Kebolehpercayaan Ketekalan Dalaman

• ditentukan through Nilai alfa Cronbach> = 0,7

• Nilai kebolehpercayaan komposit ( Komposit Keandalan, CR) - bertujuan menampung Kekurangan
PADA sesetengah Nilai alfa Cronbach.
• penanda aras CR 0,60

Ujian Kebolehpercayaan Barang Pengukuran

• mengguna Nilai bebanan Luar

• Nilai bebanan Luar> = 0.70
• JIKA Nilai bebanan Luar di ANTARA 0,40 & 0,60, boleh dipertimbang untuk review digugurkan.

• Tujuan: meningkatkan Nilai CR & Rata-rata Variance Extracted

(AVE)
• Nilai penanda aras <= 0.70 untuk review Kajian penerokaan
• Nilai signifikan - TIMAH through butstrap / jackknifing

45
 Kriteria Deskripsi

blindfolding mendapat Nilai keberulangan Sah-silang Bagi SETIAP konstruk. * Menurut Hair et al.
(2014), Nilai D Perlu dipilih di ANTARA 5 sampai 10. Nilai

0 Q 2 • Model menunjukkan mempunyai peramalan Hubungan.

5.7 ANALISIS MEDIATOR

mediator Analisis diguna untuk review Mengenal Pasti Kesan TIDAK Langsung untuk review
SETIAP konstruk. Prosedur butstrap diguna untuk review analisis mediator (Pengkhotbah & Hayes 2008;.
Hayes et al 2011). Prosedur butstrap Adalah Satu Prosedur persampelan Semula Bukan parametrik Yang
TIDAK Perlu taburan Data Yang normal (Castro & Roldán 2013).

Persamaan (1) diguna Bagi memperoleh Kesan TIDAK Langsung:

• ID• ba ii , saya
• 1,2,3 .. . (1)
DENGAN,
ID mewakili Jangka Waktu Kesan TIDAK Langsung
a mewakili Nilai pekali LINTASAN di ANTARA pemboleh ubah bersandar DENGAN pemboleh
ubah mediator
b mewakili Nilai pekali LINTASAN di ANTARA pemboleh ubah mediator DENGAN pemboleh ubah
hasil temuan

Seterusnya, Nilai ralat piawai ( standard error, SE) Bagi ID Perlu TIMAH untuk review
mengira Nilai selang Keyakinan (SK) untuk review Kesan TIDAK Langsung. Nilai selang Keyakinan
PADA Tahap 95% dikira mengguna Persamaan (2):

5% SK•9 ID • 1.96SE ID (2)

DENGAN,
SKmewakili selang Keyakinan IDmewakili Kesan TIDAK Langsung SE mewakili ID

Nilai ralat piawai Bagi Kesan TIDAK Langsung

Seterusnya, pendekatan Yang dikenali sebagai butstrap persentil diguna Bagi MEMBUAT
KESIMPULAN Terhadap kehadiran mediator hearts Sesuatu Hubungan. Nilai selang Keyakinan di ANTARA
memiliki Bawah (HB) Dan memiliki differences (HA)

48
dipertimbangkan. Pengiraan Bagi telah Bawah Dan differences ditunjukkan PADA Persamaan (3) Dan
(4).

• ID • 1.96SE
HB ID (3)
DENGAN,
HBmewakili memiliki Bawah IDmewakili Kesan TIDAK Langsung SE mewakili
ID

Nilai ralat piawai Bagi Kesan TIDAK Langsung

• ID • 1.96SE
HA ID (4)
DENGAN,
HA mewakili memiliki differences
ID mewakili Kesan TIDAK Langsung SE mewakili Nilai ralat piawai Bagi
ID

Kesan TIDAK Langsung

PADA kebiasaannya jarak pagar di ANTARA memiliki Bawah Dan memiliki differences selang
Keyakinan mempunyai jarak pagar Yang TIDAK sama kerana Titik Anggaran Bagi Kesan TIDAK Langsung
TIMAH daripada sampel asal menyebabkan Penganggaran empirikal pengagihan sampel Beroperasi Kesan
TIDAK Langsung melibatkan kecenderungan. Keadaan Penyanyi dikenali sebagai Penganggaran selang
asimetrik (Hayes et al. 2011).

5.8 Perisian UNTUK PLS-SEM

Perisian APA Yang kitd boleh guna untuk review buat analisis PLS-SEM?

Antara perisian Yang boleh kitd guna Adalah LVPLSS, PLS-Graph, PLS-GUI,
WrapPLS Dan SmartPLS (Urbach & Ahlemann 2010; Wong 2013).

TAPI .. aku guna SmartPLS versi 2.0 (M3) beta Yang dibangunkan Oleh Ringle et al.
(2005). Sebab Utama, sebab ianya percuma. TAPI Yang ADA versi Yang kena Bayar also. Selain
ITU, SmartPLS Berbentuk Suami visual. Kita heret utama Dan lepas ( drag-and-drop) Ke Dekat
antaramuka dia. Rajah 5.6 Adalah contoh ANTARA Muka SmartPLS versi 2.0 (M3) beta.

49
5.9 ANALISIS KUASA POST HOC

Analisis Kuasa statistik post hoc menentukan sama ADA sesebuah Kajian tersebut Memberi
Kesan Dering ditunjukan kepada populasi (. Penyandang Dana et al 2013; Perugini et al 2014.).
Analisis Kuasa statistik post hoc dilaksana Bagi Mengenal Pasti aras signifikan, saiz sampel Dan saiz
Kesan populasi. Analisis Penyanyi boleh dilaksana mengguna perisian G * Daya 3.1 through Satu
prosedur pengajian ujian F iaitu menganalisis regresi berganda untuk review model yang tetap, sisihan
R 2 daripada SIFAR. Nilai terkecil Kesan saiz, f 2 Yang diperolehi daripada ujian Model Struktur mengguna
KDTS dimasukkan Ke hearts perisian G * Daya 3.1 sebagai Nilai signifikan, α. Cohen (1988)
menyatakan sesebuah Kajian Memberi Kesan Dering Terhadap populasi JIKA mempunyai Nilai Kuasa
sekurang-kurangnya

0,80 (. Penyandang Dana et al 2013; Perugini et al 2014.).

Kajian Penyanyi mengguna perisian G * Daya 3.1 Bagi menganalisis Kuasa statistik post hoc. Masukan
Yang Perlu dimasukkan ditunjukan kepada perisian G * Daya 3.1 Adalah Nilai terkecil Kesan saiz, f 2, saiz
sampel Yang disaring Dan bilangan peramalan iaitu bilangan Maksimum Anak Panah Yang menunjuk Ke
faktor ATAU konstruk Model PADA Kajian.

5.10 ANALISIS KEBAGUSUAIAN GLOBAL (KBG)

Semasa aku analisis mengguna Data PLS-SEM, perisian Yang aku guna iaitu SmartPLS
versi 2.0 Masih Belum ada fungsi fungsi untuk review analisis Kebagusuaian global (KBG). Analisis
KBG sebagai shalat Satu pendekatan Bagi mengesah Model DENGAN memperoleh Darjah
penyesuaian memodelkan global (Davčik 2013; Henseler & Sarstedt 2013; Memon et al 2013;.. Kwak
et al 2014; Santhanamery & Ramayah 2014). KBG TIDAK mempamer Nilai Dering Pengukuran
penyesuaian tetapi menunjukkan Nilai sama ADA global model Yang dicadangkan boleh diterima
ATAU sebaliknya. PENILAIAN KBG Sesuai dilaksana KHUSUS Model untuk review Yang memiliki
barang Pengukuran reflektif sahaja (Hair et al. 2012). Oleh ITU, aku mengguna Persamaan berikut
untuk review menganalisis KBG (Akter et al 2011; Memon et al 2013..):

2
• • R
AVE KBG (11)
DENGAN,
KBGmewakili Nilai Kebagusuaian global

51
 AVE mewakli Nilai purata varians Yang diekstrak R 2 mewakli Nilai pekali penentu
ATAU Nilai konstruk endogenus

Penanda Aras KBG DENGAN 0,1 sebagai Kecil, 0,25 sebagai sederhana Dan 0,36
sebagai gede (Akter et al 2011;.. Memon et al 2013; Kwak et al.
2014). Oleh ITU, minimal Nilai Penerimaan sesebuah Model Adalah 0,1.

* Menurut Seorang sahabat Yang baru mencuba mengguna SmartPLS versi 3.0, Terdapat fungsi
fungsi untuk review analisis KBG. Oleh ITU, Andari boleh mencuba fungsi fungsi sedia ADA hearts versi terkini
untuk review laksana analisis terakhir di inisial.

5.11 PENUTUP

Beroperasi keseluruhannya, perkongsian Penyanyi diharap DAPAT membantu rakan-rakan Yang

Berminat mengguna PLS-SEM Data untuk review menganalisis. Daripada kaedah untuk review menganggar
saiz sampel Hingga lah perisian Yang boleh diguna untuk review laksana PLS-SEM. Bagaimana pun, Masih
Terdapat pelbagai kaedah untuk review menganalisis data yang Berbentuk kuantitatif. Yang Penting, kitd kena
Rajin menjelajah Dan Terus berguru. Pilih lah kaedah Yang bersesuaian untuk review Kajian Andari.

Rujukan
Akter, S., Ambra, JD & Ray, P. 2011. Kepercayaan dalam layanan informasi kesehatan:
penilaian dari model hierarkis dengan mediasi dan moderasi efek menggunakan Least Squares
(PLS). Journal of The American Society Untuk Informasi Ilmu Pengetahuan Dan Teknologi 62
(1): 100-116.
Castro, I. & Roldán, JL 2013. Sebuah model mediasi antara dimensi sosial
modal. International Business Review 22 (6): 1034-1050. Cheng, Y.-H. & Huang, T.-Y. Mobile
Advantage 2013. kecepatan tinggi kereta api penumpang
adopsi. Transportasi Penelitian Bagian C: Emerging Technologies 30 (1): 143-160.
Cohen, J. 1988. daya analisis statistik untuk ilmu-ilmu perilaku. Hillsdale:

Erlbaum.
Cohen, J. 1992. Sebuah kekuatan primer. Psychological Bulletin 112 (1): 155-519. Davčik, NS 2013.
Penggunaan dan penyalahgunaan Structural Equation Modeling di
penelitian manajemen. 1-40. http://bru-unide.iscte.pt/RePEc/pdfs/13-07.pdf

52

Lihat publikasi
statistik publikasi
statistik Lihat