TUTORIAL PENGGUNAAN APLIKASI

SMART PLS DAN LISREL DALAM OLAH DATA

SEM (STRUCTURAL EQUATION MODELLING)
Presented By : Iman Ridwan (1907356)
 PENGGUNAAN SMART PLS

1. Create New Project

2. Import Data File, format CSV
3. Menggambar Model Penelitian Pada Bidang
Gambar
4. Uji Validitas dan Uji Reliablitas
5. Uji Regresi Berganda
6. Uji Intervening
7. Uji Moderating
CREATE NEW PROJECT
Langkah 1: Klik “New Project” untuk memulai pengolahan data dengan Smart PLS. Buatlah nama
project tersebut. Dalam contoh ini menggunakan “Latihan 1”. Kemdian klik Ok.
IMPORT DATA FILE
Langkah 2: Import data file yang akan diteliti. Pastikan data yang diimport adalah data CSV (Comma
Separated Values), yang berasal dari file Ms Excel dan di Save As, dengan CSV (Comma Delimited).
Perhatikan juga cara penyajian data di Ms Excel sebelum di Save ke CSV.
MENGGAMBAR MODEL PENELITIAN
Langkah 3: Setelah Import data file CSV, akan muncul seperti gambar paling atas. Klik Latihan 1 untuk memunculkan
bidang gambar seperti gambar dibawahnya.
Langkah 4: Klik drag ke bidang gambar indicator per variabel (dalam contoh ini Variabel X1 5 indicator. Setelah dilepas akan muncul
seperti gambar kedua. Klink kanan di bulatan biru untuk menentukan posisi indicator, seperti gambar 3. Lalu gambar lah model
seperti dbawah. Gunakan tanda panah untuk menghubungkan variabel. Klik tanda Cussor untuk menetralkan kembali.
UJI VALIDITAS & RELIABILITAS
Langkah 5: Setelah gambar model telah selesai digambarkan, klik Calculate, PLS Alqorithm. Maka akan
muncul konfirmasi Maksimul Literasi
Langkah 6: Standar Maksimum Literasi adalah 300. Klik “Start Calculation” untuk run data
HASUL Uji Validitas dan Reliabilitas
Valid jika Outer Loadings > 0.5 DAN Reliabel bila > 0.7
Langkah 7: Periksa Validitas dan Reliabilitasnya. Jika tidak valid pertanyaan dari sebuah indicator bisa dihapus. Jika tidak reliable,
variabelnya yang dikeluarkan dari model.
UJI REGRESI
Langkah 8: Lakukan uji Hipotesis dari Calculate – Bootstrapping. Selanjutnya akan muncul bidang set up,
kemudian klik Start Calculation, maka hasil run akan keluar.
Langkah 9: Hasil tersebut memberikan informasi Signifikansi. Kualitas produk signifkan pengaruhnya
terhadap Loyalitas karena T Statistik 2,367 > 1,96. Demikian juga dengan Kepuasan Pelanggan pengaruhnya
terhadap Loyalitas signifikan karena T Statistik 2,074 > 1,96. Namun, Layanan Purna jual tidak signifikan
karena T Statistik 1,599 < 1,96.
GAMBAR MODEL INTERVENING
Langkah 10: Ubah model penelitian dengan menempatkan variabel X2 (Kepuasan Pelanggan) menjadi variabel intervening)
seperti dibawah ini. Tarik tanda panah dari X1 dan X3 ke Variabel X2 sebagai variable intervening. Lakukan tahapan uji
validitas dan reliabilitas seperti slide sebelumnya. Kemudian uji bootstrapping dan dan periksa hasilnya.
HASIL INTEVENING
Langkah 11: Perhatikan hasil uji pengaruh tidak langsung. Ada satu satu yang signifikan. Hasil T Statistik nya
masing masing sebesar 1,200 (tidak signfikan) dan 2,1228 (signifikan). Hasil path coefisien dipergunakan
untuk melihat bobot pengaruh masing masing.
 Uji Moderating
(Klik Kanan Variabel Dependen)
Langkah 12: Uji Moderating. Pertama kembalikan model seperti semula, yaitu regresi berganda (tanpa intervening).
Klik kanan di variabel Y (Loyalitas), lalu klik “Add Moderating Effect” maka akan muncul Konfirmasi variabel mana
yang menjadi variabel moderatingnya. Perhatikan slide selanjutnya.
Langkah 13: Pada uji moderating ini variabel kepuasan pelanggan ditempatkan sebagai variabel moderating. Uji
moderating pertama menempatkan kualitas produk sebagai variabel independen dan kualitas produk sebagai
moderating. Pada uji moderating yang kedua menempatkan layanan purna jual menjadi variabel independen dan
kepuasan pelanggan menjadi variabel moderatingnya. Setelah variabel ditentukan, klik OK. Perhatikan slide
selanjutnya.
GAMBAR MODEL MODERATING
Langkah 14: Setelah dilakukan penentuan model moderating sebanyak dua kali, maka akan tampak gambar model
seperti dibawah ini. Selanjutnya dilakukan pengolahan data dengan Calculate – Bootstrapping, kemudian “Start
Calculation” maka hasilnya akan tampak seperti slide berikutnya.
HASIL UJI MODERATING
Langkah 15: Hasil uji moderating dalam penelitian ini tidak ada yang signfikan.
Keduanya menghasilkan T Statistik < 1,96.
 PENGGUNAAN LISREL

1. Confirmatory Factor Analysis (CFA) &

Correlation
2. Regression & Structural Equation
Modelling
 Bagian 1
Confirmatory Factor Analysis
(CFA)
&
Correlation
Langkah 1: Persiapkan file data di excel, simpan dalam format *xls. Tutup file data excel pada saat olah data
dengan Lisrel. Data diberi nama pada baris pertama atau kode indicator dari setiap variabel. Perhatikan
contoh penyajian data di ms excel dibawah ini: ada 4 variabel dengan masing masing 3 indicator.
Jumlah data 123.
Langkah 2:
Bukan Program Lisrel, File New, Klik Prelis Data, lalu OK. Maka akan muncul tampilan seperti ditengah.
Selanjutnya klik File – Import External Data in Other Format
(digunakan jika menyimpan data dalam Ms. Excel).
Langkah 3:
Setelah di Klik File – Import External Data in Other Format, akan muncul data seperti dibawah ini, pastikan
files of type nya dirubah menjadi Excel (*.xls), kemudian pilih data yang dipersiapkan untuk diolah.
Kemudian klik Open.
Langkah 4:
Setelah di open, akan muncul tombol untuk Save As. Beri nama file “Latihan 1” dan Kemudain di Save.
Selanjutnya akan muncul data seperti gambar dibahwa ini. Data ini adalah data kualitatif yang diperoleh dari
kuisioner penelitian.
Langkah 5:
Selanjutnya data kualitatif ditranformasi menjadi data kuantitatif. Klik Data – Define Variables, maka akan
muncul seperti gambar ditengah. Selanjutnya Select IN1 sampai KIN3, lalu klik Variable Type.
Selanjutnya Klik Continuous, Apply to all, OK, dan OK lagi.
Langkah 6:
Kilik File New, Path Diagram, lalu Klik OK. Beri nama file dengan nama “Contoh 1” lalu klik Save, maka akan
muncul bidang gambar
Langkah 7:
Variabel variabel penelitian belum di definisikan, maka harus di set up. Klik Setup, Variables, maka akan
muncul seperti ini. Selanjutnya, Klik Add / Read Variables untuk memunculkan variabel variabel yang diteliti.
Langkah 8:
Rubah Read from file “PRELIS System File”. Kemudian file name di Browse “Latihan 1”, di Open, dan
selanjutnya klik OK.
Langkah 9:
Selanjutnya akan muncul seperti dibawah ini. Klik “Add Latent Variables” dan masukkan nama variabel
yang ada sedang di observasi dalam penelitian ini. Klik Next.
Langkah 10:
Setelah Klik next, dan masukkan jumlah data yang di observasi 123. Lalu Klik OK . Maka akan muncul
bidang gambar dan nama nama variabel laten dan variabel observerd yang tampak di sebelah kiri bidang
gambar.
Langkah 11:
Selanjutnya Setup, Klik “Build SIMPLIS Syntax”, seperti dibawah ini. Maka akan muncul lembar atau
bidang dimana kita akan menuliskan rumus syntax, untuk melihat “Confirmatory Factor Analysis”.
Langkah 12:
Ketik syntax dibawah ini untuk mendapatkan hasil pengujian CFA. Hasil estimates ini memenuhi kriteria data
untuk diolah regresi atau uji SEM. Hal ini dapat dilihat dari Chi Square dibagi df tidak boleh lebih dari 2.
Kemudian P Value nya Lebih dari 5%. Selanjutnya nilai RMSEA kurang dari 5%.
Langkah 13:
Kriteria selanjutnya yang terpenuhi adalah dilihat dari “Standardized Solution” dimana errornya lebih rendah
dibanding dengan nilai korelasinya. Kemudian Nllai “T – Values” nya semua diatas 1,96. Dengan demikian
model yang ada, layak dilanjutkan untuk analisa regresi dan SEM.
Langkah 14:
Selanjutnya bisa dibuka dari Window – Contoh 1.OUT untuk melihat luaran korelasinya. Pada Contoh 1.OUT
bisa di scroll ke bawah hingga ditemukan Covariace Matrix dan Correlation Matrix nya. Perhatikan slide
dibawah ini.
 Bagian 2

Regression
&
Structural Equation Modelling
Langkah 15:
Selanjutnya kita akan membuka Path Diagram yang baru untuk SEM. Klik File – New – Path Diagram – OK.
Selanjutnya beri nama Contoh 2, dan Save. Maka akan muncul bidang gambar seperti dibawah ini.
Langkah 16:
Set up Varibelnya, Kemudian Klik Add / Read Variables. Pilih PRELISH System File, Browse datanya
“Latihan 1”, lalu Klik OK. Makan Labels akan muncul nama nama Observed Variables nya.
Langkah 17:
Isilah Laten Variables nya dari tombol “Add Latent Variables” ketik nama nama variabel - OK. Masukkan IN,
PR, UB, dan KIN. Selanjutnya Klik Next. Isi jumlah data sebanyan 123 di Number of observations, Klik OK.
Selanjutnya akan muncul kembali bidang gambar dan nama variabelnya.
Langkah 18: Dalam penelitian ini UB adalah variabel intervening, KIN adalah variabel dependen, IN dan PR
adalah variabel independen. Maka centanglah variabel intervening dan variabel dependennya, beserta
indikatornya. Klik Drag variabel membentuk model ini. Gunakan tanda panah untuk menghubungkannya.
Langkah 19: Kik “Run”, maka akan mucul rumus syntax. Bila di scroll ke bawah maka akan tambah rumus
yang syntax yang sesuai dengan gambar model yang telah kita gambar sebelumnya. Tambahkan Syntax
“OPTIONS: EF” untuk melihat pengaruh langsung dan tidak langsung. Klik lagi “Run” maka hasilnya akan
keluar.
Langkah 20:
Output pengolahan data akan muncul seperti ini. Jenis “Estimates” dipiliih untuk melihat koefisien
pengaruh dalam membuat persamaan. Jenis “T-Values” untuk melihat signifikansinya, jika diatas 1,96 berarti
berpengaruh signifikan.
Langkah 21:
Selanjutnya Klik Window – Contoh 2.OUT untuk melihat output pengolahan data berbentuk report. Bila di
Scroll kebawah akan menemukan hasil SEM dan Direct Effect / Indirect Effect. Istilah KSI = Eksogen =
Independen Variable. Istilah ETA = Endogen = Dependen Variable.
Thank You