Tutorial
ANALISA PARSIAL MODEL
PERSAMAAN STRUKTURAL
Dengan Software SMART-PLS Versi 3
Untuk tenaga Kesehatan
Edisi ke 5
Penyusun
Sobur Setiaman, SKep, Ns, MKep., MM (K3L)
i
Judul buku:
Tutorial Analisa parsial model persamaan
struktural dengan software SMART-PLS versi 3
untuk tenaga kesehartan
Penyusun:
Sobur Setiaman, SKep., Ns., MKep., MM (K3L)
Cetakan
Edisi pertama tahun 2019
Edisi kedua tahun 2020
Edisi ketiga tahun 2021
Edisi keempat tahun 2022
Edisi kelima tahun 2023
Penerbit
Diterbitkan secara elektronik
© 2023 oleh Yayasan Bakti Mulia, Sumedang
Website academia.edu
ii
Tutorial
ANALISA PARSIAL MODEL
PERSAMAAN STRUKTURAL
Dengan Software SMART-PLS Versi 3
Untuk Tenaga Kesehatan
Edisi ke 5
Penyusun
Sobur Setiaman, Skep., Ns, MKep., MM (K3L)
Edisi kelima
iii
TUTORIAL ANALISA PARTIAL MODEL
PERSAMAAN STRUKTURAL DENGAN
SOFTWARE SMART-PLS UNTUK TENAGA
KESEHATAN
Email: soburs@gmail.com
ABSTRAK
Software SMART-PLS digunakan untuk
menganalisis faktor-faktor yang berkontribusi
terhadap suatu kejadian, tanpa memerlukan data
terdistribusi normal dan secara multivariate tanpa
memerlukan multikolonieritas antara variabel
eksogen. PLS merupakan salah satu metoda analisis
regresi, dan menguji korelasi kanonikal, yang
meniadakan asumsi-asumsi OLS (Ordinary Least
Squares) yang memerlukan distribusi data normal.
iv
Daftar Isi
ABSTRAK ............................................................... iv
Daftar Isi ................................................................... v
Daftar Tabel .......................................................... viii
Daftar Gambar ........................................................ ix
Bab 1 Pendahuluan ................................................... 1
1.1 Tujuan pembelajaran ................................. 1
1.2 Tinjauan pemodelan struktural ................. 1
1.3 Varian SmartPLS......................................... 7
1.4 Kemampuan Smart-PLS ............................. 8
1.5 Cara Kerja Smart-PLS ................................. 9
Bab 2 Teori Pengukuran Model ............................... 18
2.1 Tujuan pembelajaran ............................... 18
2.2 Tinjauan teori pengukuran model ........... 18
2.3 Pengukuran validitas data ...................... 19
2.4 Pengukuran reliabilitas data .................... 21
Bab 3 Teori Struktural Model .................................. 22
3.1 Tujuan pembelajaran ............................... 22
3.2 Tinjauan Struktural Model ....................... 22
3.3 Exogent variabel ...................................... 22
3.4 Endogent variabel .................................... 23
Bab 4 Evaluasi Jalur Model ...................................... 26
4.1 Tujuan pembelajaran ............................... 26
4.2 Penjelasan evaluasi Jalur Model .............. 26
4.3 Mediating Effect ...................................... 27
4.4 Moderation Effect.................................... 31
4.5 Hirarki Model ........................................... 34
Bab 5 Evaluasi Pengukuran Model .......................... 36
5.1 Tujuan pembelajaran ............................... 36
5.2 Penjelasan evaluasi pengukuran model .. 36
v
5.3 Evaluasi jumlah item/indikator ................ 38
Bab 6 Evaluasi Pengumpulan Data .......................... 41
6.1 Tujuan pembelajaran ............................... 41
6.2 Penjelasan evaluasi pengumpulan data .. 41
Bab 7 Menentukan Estimasi Model ........................ 42
7.1 Tujuan pembelajaran ............................... 42
7.2 Penjelasan Estimasi Model ...................... 42
Bab 8 Evaluasi Hasil Pengukuran ............................. 45
8.1 Tujuan pembelajaran ............................... 45
8.2 Penjelasan evaluasi hasil pengukuran
model ....................................................... 45
8.3 Loading factor .......................................... 47
8.4 Composite Reliability ............................... 48
8.5 Average Variance Extracted ..................... 49
Bab 9 Evaluasi Hasil Struktural ................................ 53
9.1 Tujuan pembelajaran ............................... 53
9.2 Evaluasi Collinearity (VIF <5). .................. 53
9.3 Estimasi Signifikansi (T-statistic). ............. 55
9.4 Coeficient Determinant (R2) .................... 56
9.5 Nilai F2 ..................................................... 57
9.6 Predictive Relevance (Nilai Q2) ................ 58
9.7 Effect size Q2 ........................................... 59
Bab 10 Konseptualisasi Model ................................ 62
10.1 Tujuan pembelajaran ......................... 62
10.2 Penjelasan Konseptualisasi Model ..... 62
10.3 Pemilihan Konstruk Model ................. 64
Bab 11 Penentuan Hipotesis ................................... 69
11.1 Tujuan pembelajaran ............................. 69
11.2 Penjelasan hipotesis .............................. 69
11.3 Hipotesis nul .......................................... 70
vi
Bab 12 Evaluasi Pengukuran Model ........................ 72
12.1 Tujuan pembelajaran ......................... 72
12.2 Pengukuran Loading Faktors .............. 72
12.3 Cronbach Alpha .................................. 73
12.4 Composite Relibility ........................... 75
12.5 AVE (Average Variance Extracted) ..... 77
12.6 Discriminant Validity .......................... 78
Bab 13 Evaluasi Struktural Model ........................... 82
13.1 Tujuan pembelajaran ......................... 82
13.2 Penjelasan evaluasi struktural model. 82
13.3 Evaluasi Collinearity ........................... 85
13.4 Evaluasi Estimasi Signifikansi ( t test) . 87
13.5 Evaluasi Korelasi Determinan (R2) ...... 89
13.6 Evaluasi Nilai F2 (Size effect)............... 92
13.7 Evaluasi Nilai Q2.................................. 94
13.8 Evaluasi Q2 size effect ........................ 96
A. Kesimpulan .............................................. 98
B. Penutup .................................................... 99
C. Saran ...................................................... 100
DAFTAR PUSTAKA .................................................. 100
vii
Daftar Tabel
viii
Daftar Gambar
Gambar 1 Model Pengukuran dan Struktural ............ 4
Gambar 2 Path model .............................................. 11
Gambar 3 Konsep Model Teori ................................ 16
Gambar 4 Model Teori Struktural Penelitian ........... 17
Gambar 5 Hasil Pengukuran Model ......................... 20
Gambar 6 Hasil Pengukuran Model ......................... 25
Gambar 7 Teori Model Mediasi ............................... 27
Gambar 8 Efek Mediasi ............................................ 30
Gambar 9 Teori Moderasi ........................................ 32
Gambar 10 Bentuk Efek Moderasi ........................... 33
Gambar 11 Hirarki Model ........................................ 35
Gambar 12 Konstruk formatif dan Indikator ............ 37
Gambar 13 Penentuan Item Penelitian .................... 39
Gambar 14 Estimasi Struktural ................................ 44
Gambar 15 Cara Evaluasi Outer Model .................... 46
Gambar 16 Konsepsual Model ................................. 65
Gambar 17 Indikator dan Struktural Model ............. 67
Gambar 18 Model Struktural ................................... 71
Gambar 19 Factor Loading ....................................... 73
Gambar 20 Cronbach Alpha ..................................... 74
Gambar 21 Composite Reliability............................. 76
Gambar 22 AVE ........................................................ 77
Gambar 23 Uji T Statistik.......................................... 88
Gambar 24 R Sqaure ................................................ 91
Gambar 25 Size Effect F2 .......................................... 93
Gambar 26 Predictive Relevancy (Q2) ...................... 96
Gambar 27 Predictive Relevancy Q2 Exluded ........... 97
ix
Bab 1
Pendahuluan
Ket legend:
Variabel indikator, yaitu variabel yang di observasi.
3
Gambar 1 Model Pengukuran dan Struktural
4
Prosedur bootstrapping digunakan untuk mengevalusi
korelasi variabel laten yang terbentuk dari variabel
indikator-indikator, dan akan tergambarkan suatu
analisis jalur (path analysis) berupa nilai koefisien
korelasi, koefisien determinan (R-squared) dan
signifikansi kontribusi variabel eksogen terhadap
endogen.
CV=Composition Variabel
W1=Weight
X1=Variabel indicator
7
4. SmartPLS 3 Enterprises: sama seperti SmartPLS
3 Professional dan mendapat dukungan secara
online.
8
didapat berdasarkan bagaimana inner model (model
struktural yang menghubungkan antar variabel laten)
dan outler model (model pengukuran yaitu hubungan
antara indikator dengan konstruknya) dispesifikasi.
9
Model diagram jalur dikembangkan berdasarkan teori
dan sering digunakan untuk menguji teori
hubungan/kausalitas. Teori adalah seperangkat
hipotesis terkait secara sistematis yang dikembangkan
secara ilmiah dan digunakan untuk menjelaskan dan
memprediksi hasil. Jadi, hipotesis adalah dugaan
individu, sedangkan teori adalah beberapa hipotesis
yang secara logis dihubungkan bersama dan dapat
diuji secara empiris.
10
2. Indikator atau di sebut manifest variabel yang
merupakan data variabel yang langsung kita ukur.
V
Laten
V Indikator
Konstru Konstru
k k
Reflekti Formati
Perubahan dalam
Perubahan dalam
Indikator menyebabkan
konstruk menyebabkan
perubahan dalam
perubahan dalam
konstruk
indikator
12
pada indicator. Contohnya, beban kerja tinggi, gaji
tidak naik-naik, atasan tidak adil dapat menyebabkan
seseorang mengalami stress kerja.
13
Cronbach's alpha Internal consistency
0.9 ≤ α Sempurna/Excellent
0.8 ≤ α < 0.9 Baik/Good
0.7 ≤ α < 0.8 Diterima/Acceptable
0.6 ≤ α < 0.7 Dipertanyakan/Questionable
0.5 ≤ α < 0.6 Jelek/Poor
α < 0.5 Tidak diterima/Unacceptable
14
Validitas konvergen mengacu pada seberapa dekat
skala baru terkait dengan variabel lain dan ukuran lain
dari konstruk yang sama. Konstruk tidak hanya harus
berkorelasi dengan variabel terkait tetapi tidak harus
berkorelasi dengan yang berbeda, yang tidak terkait.
15
Bukti konvergen paling baik ditafsirkan relatif
terhadap bukti diskriminan. Artinya, pola
interkorelasi antara dua ukuran yang berbeda harus
rendah sedangkan korelasi dengan ukuran yang sama
harus jauh lebih besar.
X1
X3 Y
X2
Gambar 3 Konsep Model Teori
16
Contoh path model struktural (Penyusunan
model struktural sesuai dengan teoritis):
X1
X3 Y
X2
17
Bab 2
Teori Pengukuran Model
18
dalam standar loading factor dan bobot koefisiensi
(weight coeficiency).
19
Gambar 5 Hasil Pengukuran Model
20
Variabel konstruk kinerja diukur dengan 4 variabel
indikator dimana nilai loading factor variabel Y1
(0,776), Y2 (0,870), Y3 (0,882) dan Y4 (0,828)
merefleksikan model pengukuran terhadap variabel
konstruk kinerja.
21
Bab 3
Teori Struktural Model
23
Model struktural disusun berdasarkan sekumpulan
teori dan pengalaman dari para peneliti sebelumnya.
Model struktural akan memperlihatkan bagaimana
hubungan dan kontribusi variabel eksogen terhadap
variabel endogen.
24
Model struktural dan pengukuran
(Structural model and measurement theory)
Exogent variabel utk V. motivasi
Endogent variabel
Variabel
indikator atau
variabel
manifesto atau
Variabel latent atau variabel
yang tidak terukur
25
Bab 4
Evaluasi Jalur Model
26
4.3 Mediating Effect
Pengaruh mediasi (Mediating effect) mengindikasikan
pengaruh dari variabel independen terhadap variabel
dependen ditransmisikan melalui variabel ketiga
sebagai variabel mediator (Alwin & Hauser dalam
Edwards & Lambert, 2007).
X Y
X
Variabel
perantara
27
variabel prediktor, Variabel X2 sebagai variabel
mediator dan variabel Y sebagai variabel respon.
Variabel mediator peranannya berada di dua variabel
yang berkorelasi/berhubungan. Hasil uji mediator
digambarkan oleh SMART PLS dalam laporan
indirect effect report.
28
Mediator analysis dengan Smart PLS, melalui
prosedur bootstrap procedure, akan menghasilkan
laporan informasi direct effect, indirect effects, and
the total effect. (Hair et al. 2017).
29
Hasil uji mediator:
30
3. Motivasi secara signifikan merupakan variabel
perantara, antara pengawasan terhadap kinerja,
maka ho di tolak.
X1 Y1
X2
X1,
Variabel
moderat X2
or
32
Hipotesis nul: Variabel moderator tidak berkontribusi
terhadap korelasi pengawasan dan kinerja.
33
Tabel 2 Moderating effect
TOTAL EFFECT Estimation T P- Note
Value Value
Moderating effect 1- -0,117 2,522 0,012 Sig.
kinerja
Motivasi - kinerja 0,701 11,135 0,000 Sig.
Pengawasan- kinerja 0,136 2,149 0,032 Sig.
34
Gambar 11 menggambarkan bentuk model hirarki
model struktural. Bentuk model struktural dalam
bentuk hirarki component, yaitu dengan komponen
model hirarki pertama dan komponen hirarki kedua.
X11
Y11
XX
X12 1
YY Y12
X13
XX Y13
X14 2
35
Bab 5
Evaluasi Pengukuran Model
Reflektif
37
5.3 Evaluasi jumlah item/indikator
Penentuan jumlah item yang akan dijadikan indikator
tergantung jumlah sampel (>50), hasil uji koefisiensi
(>0.30) dan hasil uji reliabilitas.
38
Jalur penentuan jumlah item
No
Sam Use multiple items
ple
Size scale
50
Yes
No
Path coefficient < 0.3 Wea
k
Effec
Yes
No
Item correl. > 0.80
Homoge
and C Alpha > 0.90 inity
Yes
No
Yes
Using single
Semantic
item ally
Redudan
t
39
Bila hasil uji path coefficient kurang dari 30% dan
hasil uji korelasi antar item > 80%, maka bisa
dipertimbangkan menggunakan single items.
40
Bab 6
Evaluasi Pengumpulan Data
42
(r) dan koefisiensi determinan (r2). Secara alami
merupakan pengujian non-paramterik. Estimasi inner
model akan menjelaskan konstruk dependen variabel
sebagai endogen, dan menjelaskan variabel
independent sebagai variabel eksogen.
43
Lingkungan
(X1)
Kinerja
Motiva (Y)
si (X2)
Pengawasa
n (X3)
44
Bab 8
Evaluasi Hasil Pengukuran Indikator
45
3. discriminant validity (Cross loading, Fornell
Larker Criterion Analysis dan HTMT
correlation).
Evaluasi Outter
Model
cy
Gambar 15 Cara Evaluasi Outer Model
46
dengan prinsip bahwa pengukur-pengukur (manifest
variabel) dari suatu konstruk seharusnya berkorelasi
tinggi. Uji validitas convergent indikator refleksif
dapat dilihat dari: (1). Ukuran loading faktor untuk
mengetahui besarnya korelasi setiap indikator dengan
konstruk. (2). Internal konsistensi dimensi format
konstruk diukur dengan melihat Composite
Reliability, Cronbach Alpha, dan average variance
extracted (AVE).
47
kuadratkan, akan menjadi nilai bobot sebesar 0,50
(Hair et al., 2014:103).
Secara konvensional nilai loading faktor harus diatas
0,70 yang mengindikasikan bahwa nilai tersebut di
atas nilai error variance, maka nilai loading faktor
0,70 adalah nilai minimal setara nilai bobot 0.50 (Hair
et al., 2014:103). Bilamana nilai loading faktor di
bawah 0,70 maka indikator tersebut harus di drop atau
tidak digunakan karena error variance nya di lebih
dari 50% dilihat dari nilai bobot.
48
Sarstedt, 2012:269). Nilai composite reliability > 0,90
mengindikasikan nilai varian error yang kecil (minor).
49
nilai Fornell-Larker Criterion untuk setiap konstruk
harus lebih besar dari korelasi antar konstruk lainnya.
Ringkasan uji validitas convergent dan discriminant
dapat dilihat pada Tabel 3 di bawah ini.
50
Tabel 4 Ringkasan Uji Reliabilitas Konstruk
Parameter Rule of Thumb
Composite • > 0,70 untuk confirmatory research
Reliability • 0,60 – 0,70 masih dapat diterima untuk
exploratory research
Cronbach’s Alpha • > 0,70 untuk confirmatory research
• > 0,60 masih dapat diterima untuk
exploratory research
51
Flowchart Formative Indicator Decision
Continue with
Yes interpretation outer
Outer weight absolutes and
weight
relative.
Significant
?
No
No
Outer
loading <
0.5
Yes
Yes
Removed the Yes Singifican
formative t test
indicator
52
Bab 9
Evaluasi Hasil Struktural Model
53
Penyebabnya adalah karena adanya pengulangan
korelasi dari variabel satu ke variabel lainya.
54
Tabel 6 Hasil Uji Kolineritas
Kinerja Motivasi Pengawasan Lingkungan
Kinerja - - - -
Motivasi 1,416 - - -
Pengawasan 1,356 1,163 - 1,000
Lingkungan 1,275 1,163 -
55
9.4 Coeficient Determinant (R2)
Nilai R2 merupakan nilai koefisiensi determinan
dimana nilai tersebut akan menggambarkan kekuatan
prediksi variabel endogen dari model struktural.
57
lingkungan kerja adalah moderat. Sedangkan terhadap
kinerja adalah kecil.
58
Nilai Q2 predictive relevance pada variabel endogen
dinyatakan baik (fit model) bila nilainya > dari
variabel eksogen.
59
Tabel 10 Effect Size Q2
Nilai Keterangan
0.02 – Kecil (small effect)
0.15 – Menengah (medium effect)
0.35 – Besar (large effect)
60
Langkah-langkah Penggunaan SmartPLS
61
Bab 10
Konseptualisasi Model
62
adalah mencari ide melalui membaca hasil penelitian
terdahulu.
63
10.3 Pemilihan Konstruk Model
Konstruk model dibuat berdasarkan konsep model
yang akan di teliti. Konsep model minimal dua model
yaitu model .
64
Hubungan kausalitas antara konstruk dan
indikatornya masing-masing dalam konseptual model
penelitian ini adalah bersifat refleksif, sedangkan
bentuk konstruk dilihat sifat formatif.
Lingkung
an (X1)
Motivas Kinerja
i (X2) (Y)
Pengaw
asan
(X3)
65
Dari koseptual diatas dapat di Tarik suatu pertanyaan:
66
Disiplin kerja X23
Kinerja Penampilan kerja Y1
Kualitas dan kuantitas kerja Y2
Hubungan kerja Y3
Kerja kelompok Y4
X11
X12 Lingkungan
(X1)
X13
Y1
X21 Y2
Kinerja (Y)
X22 Motivasi
Y3
X2)
X23
Y4
X31
Pengawasan
X32
(X3)
X33
67
(1). Formatif variabel Kinerja bisa terbentuk oleh
adanya variabel lingkungan, motivasi dan
pengawsan kerja;
68
Bab 11
Penentuan Hipotesis
70
3. Pengawasan tidak berkontribusi dimensi motivasi
perawat.
4. Lingkungan kerja tidak berkontribusi dimensi
motivasi perawat.
5. Lingkungan kerja tidak berkontribusi dimensi
kinerja perawat.
Pengawasa
n (X1)
Motivasi Kinerja
(X2) (Y)
Lingkung
an (X3)
71
Bab 12
Evaluasi Pengukuran Model
12.1 Tujuan pembelajaran
Setelah mempejari bab ini, anda harus mampu:
72
Loading factors pengawasan
Loading
factors
lingkungan
73
paling tinggi ditunjukkan oleh konstruk pengawasan
sebesar 0,931 dan nilai cronbach alpha yang paling
rendah ditunjukkan oleh konstruk motivasi sebesar
0,843.
74
12.4 Composite Relibility
Dari gambar 21 dan tabel 13 di bawah ini, nilai
composite reliability yang dihasilkan oleh semua
konstruk adalah sangat baik karena di atas > 0,70. Ini
berarti bahwa semua indikator konstruk adalah
reliabel atau memenuhi uji reliabilitas. Nilai
composite reliability yang paling tinggi ditunjukkan
oleh konstruk pengawasan sebesar 0,950. Sedangkan
nilai composite reliability yang paling rendah
ditunjukkan oleh konstruk motivasi dan kinerja
sebesar 0,905. Dapat dilihat pula bahwa nilai
composite reliability jauh lebih tinggi untuk semua
konstruk dibandingkan dengan nilai cronbach alpha.
75
Gambar 21 Composite Reliability
76
12.5 AVE (Average Variance Extracted)
Dari nilai AVE yang ditunjukkan oleh Tabel 14 di
bawah ini terlihat bahwa nilai AVE untuk semua
indikator konstruk adalah lebih besar dari 0,50. Ini
berarti semua indikator konstruk adalah valid atau
memenuhi persyaratan validitas konvergen dan
Discriminant validitas. Nilai AVE yang paling tinggi
ditunjukkan oleh indikator konstruk pengawasan
sebesar 0,827 dan yang paling rendah ditunjukkan
oleh indikator konstruk kinerja sebesar 0,705.
Gambar 22 AVE
77
Tabel 14 Hasil Uji AVE
No Variabel Konstruk AVE
1 Pengawasan 0,827
2 Lingkungan 0,728
3 Motivasi 0,761
4 Kinerja 0,705
78
korelasi indikator dengan kontruk lainnya
(pengawasan dan lingkungan). Korelasi konstruk
lingkungan dengan indikator X31, X32, X33, dan
X34 lebih tinggi dibandingkan dengan korelasi
indikator dengan kontruk lainnya (kinerja,
lingkungan dan motivasi).
79
Tabel 15 Hasil Uji Cross-Loading
80
kinerja dan motivasi. Dengan demikian dapat
disimpulkan bahwa semua konstruk dalam model
yang diestimasi itu memenuhi kriteria discriminant
validity.
81
Bab 13
Evaluasi Struktural Model
82
Collinearity adalah istilah untuk menggambarkan
sebuah korelasi antar variabel latent dalam model,
kekuatan prediksinya tidak handal dan tidak stabil.
Correlation Matrix
Y1 X1 X2
Y1 1
X1 0,38 1
X2 0,14 0,68 1
X1 dan X2 berkorelasi positif terhadap Y1 (0,38 dan 0,14).
X1 dan X2 berinterkorelasi terhadi Y1. X2 berkorelasi
tinggi terhadap X2 (0,68).
X1 0,53
Y1
X2
-0,17
83
Chart Inner Model Evaluation
84
13.3 Evaluasi Collinearity
Secara teori penyebab terjadinya collinearity adalah
karena adanya pengulangan korelasi dari variabel satu
ke variabel lainnya. Menilai nilai kolinearitas
dilakukan dengan melakukan pengukuran toleransi
(TOL). Toleransi mewakili variansi satu indikator
formatif (TOL=1-R2). Bila nilai R2 X sebesar 0,75
maka TOL= 1-0,75=0,25.
85
Tabel 17 Hasil Uji Kolineritas (VIF)
Kinerja Motivasi Pengawasan Lingkungan
Kinerja - - - -
Motivasi 1,416 - - -
Pengawasan 1,356 1,163 - 1,000
Lingkungan 1,275 1,163 -
86
13.4 Evaluasi Estimasi Signifikansi ( t test)
Dari hasil evaluasi estimasi signifikansi (evaluation of
prescision of estimation), bisa menjawab hipotesis nul
yang di ajukan apakah diterima atau ditolak. Dari
evaluasi model struktural melalui prosedur
bootstraping seperti yang ditunjukkan oleh tabel 18:
88
Tabel 18 Hasil Uji Path Coefficiencies
Original Mean Standard T P
Korelasi
Sample Samples error Statistic Value
Pengawasan à 0,018
0,154 0,149 0,065 2,371
Kinerja
Pengawasan à 0,000
0,369 0,367 0,104 3,545
Motivasi
Pengawasan à 0,005
0,374 0,374 0,133 2,823
Lingkungan
Motivasi à 0,000
0,697 0,696 0,069 10,047
Kinerja
Lingkungan à 0,001
0,193 0,200 0,060 3,199
Kinerja
Lingkungan à 0,001
0,315 0,312 0,091 3,346
Motivasi
89
Dari Gambar 24 di bawah terlihat bahwa nilai R-
square variabel laten (kinerja) sebesar 0,784 dan R-
square variabel laten (motivasi) sebesar 0,3294 serta
R-square variabel laten (lingkungan) sebesar 0,140.
Hal ini dapat diinterpretasikan bahwa variabel
konstruk kinerja yang dapat dijelaskan oleh variabel
pengawasan, lingkungan dan motivasi sebesar 78,4%,
sedangkan sisanya lagi dijelaskan oleh variabel lain di
luar yang diteliti.
90
Gambar 24 R Sqaure
92
(f2=0,081), sedangkan terhadap lingkungan kerja
adalah medium (f2=163).
Pengawasa F2=0,081
n F2=0,081
F2=0,592 Kinerj
Motiv a
asi
F2=0,163
F2=0,097
F2=0,136
Lingkungan
93
Tabel 21 Hasil Total Effect
Total Besarnya
Effect Pengaruh
Lingkungan - Kinerja 0,390 Besar
Lingkungan - motivasi 0,282 Medium
Motivasi - Kinerja 0,697 Besar
Pengawasan - motivasi 0,475 Besar
Pengawasan - kinerja 0,557 Besar
Pengawasan - lingkungan 0,374 Besar
95
Pengawasa
n
Q2=0,53
Q2=0,21 7
5 Kinerja
Motivas
Q2=0,095
Lingkunga
n
96
Q2=0,53
Q2=0,12
0
8
Motivas
Kinerja
Lingkunga
n
= Q2 effec size
= Q2 included-Q2excluded/(1-Q2incuded).
97
A. Kesimpulan
B. Penutup
99
Karena itu, analisa PLS sangat tepat digunakan pada
penelitian yang bertujuan mengembangkan teori.
C. Saran
DAFTAR PUSTAKA
1. Hair J.F., Hult G.T.M., Ringle C.M., Sarstedt M.,
(2017). A primer on partial least squares
structural equation modeling (2nd ed.), Sage,
Thousand Oakes, CA.
100
4. Haas, Emily Joy. (2019) : The Role of
Supervisory Support on Workers’ Health and
Safety Performance. Journal Health
Communication. 2019/01/04 doi:
10.1080/10410236.2018.1563033.
https://doi.org/10.1080/10410236.2018.156303
102
Mantri Sobur Setiaman
103