Analisis regresi
Smart PLS
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 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
- 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.
Collinearity Statistic (VIF) memiliki batas acuan Nilai korelasi >0.9 atau ditandai dengan nlai
VIF>5