SMART PLS
DISUSUN OLEH:
KELAS : C4
MAKASSAR
2021
BAB I
PENDAHULUAN
data statistik. Salah satu aplikasi yang terbaru dan mudah digunakan dalam
TINJAUAN PUSTAKA
2.1 SmartPLS
dari SEM berbasis variance seperti AMOS dan LISREL. Software ini
untuk grafis pemodelan jalur dengan variabel laten (LVP). The Partial Least
Ketika baru pertama kali membuka program PLS dengan SmartPLS 3.0
maka tampilan yang akan pertama kali dilayar adalah sebagai berikut:
Istilah Keterangan
endogen.
tampak.
instrumen pengukuran.
Observend Variabel
2.2 Partial Least Square (PLS)
Secara filosofis, perbedaan antara CBSEM dan PLS adalah orientasi model
dari komponen skor (Ghozali, 2012). Menurut (Jogiyanto dan Abdillah, 2016)
pada banyak asumsi. Pada umumnya PLS menguji teori yang lemah dan
data yang lemah seperti jumlah sampel yang ukuran kecil. Meskipun PLS
Ada beberapa hal yang membedakan analisis PLS dengan model analisis
variabel laten.
STATISTICA SEPATH.
Tujuan PLS adalah menguji teori yang lemah seperti jumlah sampel yang
bersifat reflektif.
3. Penyusunan konstruksi diagram jalur berdasarkan dua model, yaitu
semakin populer dimasa ini. Jika dilihat dari penyusunan model serta cara
kerjanya, sebenarnya SEM adalah gabungan dari analisis faktor dan regresi
menguji hubungan antar variabel yang komplek baik recursive ataupun non-
sama:
dependen.
konstruk laten.
Digabungkannya pengujian model struktural dengan pengukuran
Beberapa hal penting yang melandasi SEM menurut (Monecke & Leisch,
model pengukuran dan skema pembobotan. Bagian ketiga ini merupakan ciri
khusus SEM dengan PLS dan tidak ada pada SEM yang berbasis kovarian.
variabel yang recursif (sarah) saja. Hal ini sama dengan model analisis
jalur (path analysis) tidak sama dengan SEM yang berbasis kovarian
didasarkan pada teori subtansi. Variabel laten dibagi menjadi dua, yaitu
PLS
Berikut adalah istilah-istilah yang sering digunakan dalam PLS-SEM
Istilah Keterangan
(dependen)
dapat mengukurnya.
disebut outer model yang digunakan untuk menguji validitas dan reliabilitas
model. Sedangkan yang kedua model struktural (structural model) atau bisa
konstruknya. Dalam menguji model struktural pada PLS bisa dilihat dari
discriminant diukur dengan melihat nilai cross loading. Metode lain yang
dalam PLS dapat dilakukan dengan dua cara yaitu dengan cronbach’s
Evaluasi model dalam PLS terdiri dari dua tahap yaitu, evaluasi outer
model atau pengukuran dan evaluasi inner model atau model struktural.
sampel tidak harus besar, indikator tidak harus dalam bentuk refleksi (dapat
berupa indikator refleksi dan formatif) dan model tidak harus berdasarkan
dilakukan dengan melihat output dengan bantuan program aplikasi PLS. Jika
nilai t hitung < t table, maka Hipotesis nol ditolak, (Koefisien regresi
structural dalam penelitian ini akan diselesaikan dengan program PLS, yang
METODOLOGI PENELITIAN
adalah meng input file yang akan kita analisis. Untuk menjalankan
3. Memeriksa missing value bisa dilakukan secara manual. Akan tetapi jika
data berjumlah banyak maka lebih baik gunakan menu find yang
disediakan oleh excel. Jika didapati ada data yang missing. Maka beri
adalah dengan cara membuat project yang akan kita kerjakan. Disudut
6. Untuk memasukkan data maka double klik icon menu yang berada di
atas nama file project yang ingin dikerjakan. Setelah di double klik maka
akan muncul layar yang berisikan file dimana kita menaruh data mentah.
7. Jika layar yang dibuka bukan tempat kita menaruh data mentah yang
akan dikerjakan maka kita bisa mencari pada folder- folder lainnya.
8. Jika data sudah dimasukkan maka akan tampak dilayar SmartPLS yang
dibuka.
11. Jika sudah diisikan maka tekan OK. Setelah tekan OK maka dapat
dilihat bahwa angka 999 hilang. Di kolong tengah tampak bahwa berapa
13. Jika tampilan sudah seperti di gambar maka model struktural siap
untuk digambarkan.
14. Untuk memulai menggambar maka klik icon latent variable satu kali dan
klik sekali lagi dibidang gambar. Jika di dalam model yang akan dibuat
memiliki empat latent variable maka empat kali pula harus diulang
hubungan sebab-akibatnya.
15. Hasil gambar akan tampak seperti di gambar. Gambar tersebut tampak
berwarna merah.
17. Untuk mengganti nama dari masing-masing latent variable cukup klik
kanan latent variable yang ingin diganti namanya kemudian pada pilihan
MULAI
Latar Belakang
Tujuan Praktikum
Tinjauan Pustaka
Metodologi Penelitian
SELESAI
Texas, Dallas.
Abdillah, Willy dan Jogiyanto Hartono. 2016. Partial Least Square (PLS):
Yogyakarta: Andi.
Huston.
Ghozali, I. & Latan, H. 2015. Partial Least Squares: Konsep, Teknik dan
Universitas Diponegoro.
Modeling Using Partial Least Squares. Journal of Statistical Software, Volume 48,
Issue 3, p. 1-32.
Santoso, Singgih. 2018. Konsep Dasar Dan Aplikasi SEM Dengan Amos 24.
Sarwono J. 2016. Membuat Skripsi, Tesis dan Disertasi dengan Partial Least