Summary

Analisis regresi

Interpretasi hasil output

- R square mencari hubungan X mempengaruhi Y berapa persen

- Anova :
Dikatakan signifikan apabila signifikansi F <0.05
Jika F hitung > F table maka H0 ditolak dan H1 diterima
- T test : apabila T hitung > T table maka H0 ditolak dan H1 diterima; begitu juga
sebaliknya
Cut off nilai t stat
1 tail : 1.65
2 tail : 1.96
- P value untuk dikatakan signifikan hasil P value <0.05

Smart PLS

- Strutural equation modeling (SEM) memungkinkan peneliti untuk menganalisis

unobservable variables menggunakan indikator-indikator yang dapat diukur.
- Terdapat 2 model SEM : Covariance Based CB-SEM dan Component/variance
Based-SEM
CB-SEM : Bertujuan untuk mengestimasi model struktural, menuntut basis teori yg
kuat, memenuhi asumsi parametrik, memenuhi uji kelayakan model (goodness of fit),
dan disebut hard modelling
PLS-SEM : Menguji hubungan prediktif antar konstruk, tanpa memerlukan dasar teori
yang kuat, mengabaikan beberapa asumsi, ketepatan model dilihat dari koefisien
determinasi (R2), sangat tepat digunakan pada penelitian yang bertujuan
mengembangkan teori, dan disebut soft modeling.
- Fungsi : guna menguji model SEM formatif dan reflektif dengan skala pengukuran
indikator berbeda dalam satu model. Cocok digunakan untuk mengolah data
kuantitatif primer.
- Multivariate analysis : penggunaan metode statistik untuk menganalisis beberapa
variabel.
- Confirmatory : untuk melakukan uji hipotesis dari konsep maupun teori yangs udah
ada
- Exploratory : mencari pola laten dalam suatu data terkait dengan bagaimana masing-
masing variabel berhubungan
- Dalam Smart PLS ini dapat menguji beberapa hubungan dalam model simple
regression, multiple regression, analisis jalur dan struktural equation modeling
Model simple regression : X mempengaruhi Y
Model multiple regression : X1, X2. X.. mempengaruhi Y
Analisis jalur : X1, X2 mempengaruhi Y dengan di moderasi/dimediasi Y1
Structural Equation Modeling : X dan Y merupakan variabel yang tidak bisa diukur
secara langsung. Guna mengukur variabel X dan Y digunakan indikator-indikator
yang dapat diukur. Indikator ini disarankan untuk minimal 4 indikator.
- Path model : diagram yang digunakan utnuk memvisualisasikan model hipotesis yang
ingin diuji
- Construct : untuk unobservable variables ( variabel yang tidak dapat diukur langsung)
ditandai dengan bulatan
- Indicator : item yang digunakan untuk mengukur unobservable variable, ditandai
dengan kotak
- Causal relationship : ditunjukkan menggunakan panah yang single headed untuk
menggambarkan arah hubungan. Panah single headed yang dipertimbangkan dengan
prediksi hubungan, dan dengan dukungan teori yang kuat dapat diinterpretasikan
sebagai hubungan sebab akibat.
- Karakteristik data
Sample size : direkomendasikan antara 30 hingga 100 kasus
Distribution : tidak ada asumsi terkait distribusi data, PLS SEM merupakan metode
non parametric
- Specyfing The Path Model and Collecting Data
Stage 1 : Specyfing The Structural Model
Stage 2 : Specyfing The Measurement Models
Stage 3 : Data Collection and Examination
Stage 4 : Model estimation and The PLS-SEM Algorithm
Stage 5 : Evaluation of the Measurement Models
Stage 6 : Evaluation of the Structural Model
 Artikel Hair

Cara melakukan pelaporan hasil PLS SEM :

Pertama kita perlu merangkum initial consideration saat memilih menggunakan PLS-
SEM dan melakukan pendeskripsian aspek-aspek seperti ukuran sampel, asumsi
distribusi, dan pengujian kesesuaian. Kemudian, dilakukan pembahasan terkait evaluasi
model. Selanjutnya kita akan menarik kesimpulan dan implikasi berdasarkan kriteria-
kriteria berdasarkan peraturan.

Nilai reliability and validity memiliki acuan:

- Nilai Cronbach’s alpha di atas 0.7 untuk memastikan tidak ada masalah dalam
pengukuran
- Nilai composite reliability diatas 0.708 untuk memastikan tidak ada masalah dalam
pengukuran
- Nilai Average Variance Extracted lebih besar atau sama dengan 0.5 yang berarti dapat
menjelaskan 50% atau lebih variance dari itemnya

Interpretasi Outer Loading :

- Cut off outer loading 0,5 (validitas butir)

- Batasan nilai outer loading di atas 0.5, dapat diterima jika construct reability dan
validity memenuhi syarat atau model dapat dikembangkan.

Koefisien determinasi R square dan Rsquare adjusted memiliki acuan :

- Jika nilai R 0.75 maka menunjukkan bahwa model kuat

- Jika nilai R 0.50 maka menunjukkan bahwa model moderate
- Jika nilai R 0.25 maka menunjukkan bahwa model lemah

Nilai F square menjelaskan pengaruh dari variabel. Acuan nilai F square :

- Jika F square dibawah 0.02 maka bisa diabaikan karena dianggap tidak berpengaruh
berapapun koefisien yang muncul (graphical output).
 - Jika F square 0.02≤ Fsquare ≤ 0.14 maka memiliki pengaruh yang kecil
- Jika F square 0.15≤ Fsquare ≤ 0.35 maka memiliki pengaruh yang sedang
- Jika F square >0.35 maka memiliki pengaruh yang besar.

Discriminant Validity berguna untuk menentukan apakah suatu indikator reflektif benar-
benar merupakan pengukur yang baik bagi konstruknya. Idealnya, setiap indikator harus
berkorelasi tinggi terhadap konstruknya saja.

Dalam kesempatan ini, analisis discriminant validity ditentukan menggunakan Heterorait-

monotrait ratio (HTMT) dengan acuan nilai dibawah 0.9 untuk menetukan validitas
diskriminan.

Collinearity Statistic (VIF) memiliki batas acuan Nilai korelasi >0.9 atau ditandai dengan nlai
VIF>5