Materi lab statistik

Indikator Reflektif dan formatif

Refletktif :

 Arah hubungan kausalitas dari variabel laten ke indikator

 Antar indikator diharapkan saling berkolerasi
 Menghilangkan satu indikator, tidak akan merubah makna dan arti variabel yang diukur
 Kesalahan pengukuran (error) pada tingkat indikator

Formatif :

 Arah hubungan kausalitas dari indikator ke variabel laten

 Antar indikator diasumsikan tidak berkolerasi (tdk perlu uji reliabilitas konsistensi internal)
 Menghilangkan satu indikator berakibat merubah makna dari variabel laten
 Kesalahan pengukuran berada pada tingkat variabel laten (zeta)

Variabel intervening :

 Path analysis = uji mediasi/intervening -> untuk mengetahui pengaruh tidak langsung oleh
variabel independen melalu variabel intervening terhadap variabel dependen
 PLS-SEM Algorithm akan menghasilkan informasi berupada validitas,reliabilitas konstruk
(convergent), validitas diskriminan, R square, F square, SRMR (model fit)
 Sedangkan bootsrapping -> memecahkan masalah data yang tidak normal, terutama jika
sampelnya sedikit-> menghasilkan coefficient direct effect (pengaruh langsung), spesific indirect
effect (pengaruh tidak langsung), dan total effect (total pengaruh)

Outer model
Validitas :

Validitas convergent = untuk mengetahui validitas setiap hubungan antara indikator dengan variabel
latennya

 loading factor > 0.70 pada outer loading

 AVE > 0.50 pada construct reliability dan validity

Validitas discriminant = untuk memastikan bahwa korelasi variabel-variabel pengamatan dengan

variabel latennya lebih tinggi dibanding dengan variabel laten lain

-> HTMT < 0.85 pada discriminant validity

Reliabilitas :

Cronbach’s alpha dan composite reliability > 0.70 pada consturct reliability and validity

Inner model

R square : untuk menilai seberapa besar variabel dependen dapat dijelaskan/dipengaruhi oleh variabel
independen

 Model lemah : 0.25

 Model sedang : 0.50
 Model kuat : 0.75

Antara variabel r square terhadap variabel intervening

Antara variabel r suare terhadap variabel dependen

Goodness of fit -> SRMR < 0.10 pada model fit

F square (effect size/dampak) :

 Rendah : 0.02
 Sedang : 0.15
 Kuat : 0.35

Path coefficien (direct effect) -> P values

 P values < 0.05 berpengaruh signifikan

 P values > 0.05 tidak berpengaruh signifikan

Untuk menjawab hipotesis XZ, XY, ZY

Spesific inderct effect

 P values < 0.05 memediasi

 P values > 0.05 tidak memediasi

Untuk menjawab XY melalui Z

Total effect -> original sample

SEJARAH PLS

PLS Pertama kali dikembangkan oleh herman O.A. Wold dalam bidang ekonometrik pada tahun 1960-an

Dikembangkan oleh Jan-Bernd Lohmoller (1984, 1987, 1989) under DOS dan disebut LVPLS versi 1.8
(latent variabel partial least square) dan dikembangkan lebih lanjut oleh Wynne W chin.

NOTASI PADA PLS