WORKSHOP METODE

PENELITIAN KUANTITATIF
UTA’45 Metode “Structural Equation Modeling” dan Interpretasi
Hasil Penelitian Dengan Menggunakan Program Smart PLS
JAKARTA (Partial Least Square)
Jumat, 20 Juni
2014 Moderating Variabel

Instruktur: Sihar Tambun, SE, M.Si, Ak.

Email: sihar.tambun@yahoo.com
Email: sihar.tambun@uta45jakarta.ac.id

Software download
Gratis:
www.smartpls.d
e

1 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

 Introduction of PLS
• Jika antar variabel independen terjadi korelasi (ada multikolinieritas),
maka analisis regresi tidak layak dipakai, sehingga PLS diciptakan
untuk solusi ini.
• PLS mengakomodasi data besar (banyak) dan data kecil (sedikit)
• PLS Tidak banyak asumsi
• PLS bisa untuk konfirmasi dan prediksi
• PLS bisa menggunakan indikator reflesif dan formatif
• PLS menguji estimasi dan signifikansi dengan model Resampling
(Bootstrap)
• Tujuan Estimasi PLS adalah membuat komponen skor / bobot
terbaik dari variabel laten endogen, untuk memprediksi hubungan
variabel laten dengan indikatornya.
• Inner Model: Hubungan antar sesama variabel Laten.
• Outer Model: Hubungan antara indikator dengan variabel latennya.

2 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

 PRAKTEK SEM – PLS

MODEL MODERATING VARIABEL

3 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

 Langkah Langkah PLS untuk Moderating
1. Memperoleh data data penelitian berdasarkan indikator pengukuran
variabel. Data diinput di Ms. Excel dan kemudian di Save – As dalam
format CSV (Comma Delimited).
2. Menggambar model penelitian sesuai dengan tujuan penelitian yang
didukung oleh grand theory, riset pendahuluan dan hipotesis yang
ingin diuji.
3. Menempatkan posisi moderating diantara variabel eksogen dan
endogen.
4. Mengolah data estimate, untuk mengetahui Hasil Outer Model
5. Mengolah data Resampling Bootstrapping, untuk mendapatkan
model terbaik.
6. Membaca goodness of fit dari model
7. Hasil pengujian hipotesis.

4 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Langkah 1: Pastikan data Moderating dengan nama “Latihan 2” telah dirubah dengan
format CSV. Kemudian Create New Project “Latihan2” . Hingga model siap untuk
digambar:

5 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Gambarkan Model Penelitian seperti ini. Judul Penelitian : “Pengaruh Kualitas Dosen dan Proses
Belajar Mengajar Terhadap Kepuasan Mahasiswa, dengan Fasilitas Belajar sebagai variabel
Moderating.” Jumlah data sebanyak 92. Tahapan menggambar liat pada slide berikutnya:

6 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Langkah 2: Gambarkan terlebih dahulu variabel latennya dan indikatornya seperti dibawah
ini. Untuk interaksi dari variabel moderating tidak digambar sendiiri, tetap akan terbentu
secara otomatis.

7 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Langkah 3: Untuk menambahkan gambar variabel interaksi antara variabel laten dengan
moderatingnya, dapat dialukan dengan cara: Klik kanan variabel KM, pilih Create
Moderating Effect.

8 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Moderasi Pertama, yaitu menempatkan “Fasilitas Belajar” sebagai variabel pemoderasi dari
pengaruh “Kualitas Dosen “ terhadap “Kepuasan Mahasiswa”. Klik semua yang berwarna
biru, Finish.

9 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Hasilnya: Dapat dilihat disebelah kanan (diperlukan pengaturan untuk menempatkan
posisinya disana). Tanda bintang adalah lambang interaksi atau perkalian data.

10 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Moderasi Kedua, yaitu menempatkan “Fasilitas Belajar” sebagai variabel pemoderasi dari
pengaruh “Proses Belajar Mengajar “ terhadap “Kepuasan Mahasiswa”. Klik semua yang
berwarna biru, Finish.

11 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Hasilnya: Dapat dilihat disebelah kiri (diperlukan pengaturan untuk menempatkan posisinya
disana). Tanda bintang adalah lambang interaksi atau perkalian antar data variabel.

12 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Langkah 4 s/d 7: Lakukan sama seperti Sesi – I “Langkah ke 4” sampai dengan
“Langkah ke-7” akan mengeluarkan output PLS yang dibutuhkan, seperti dibawah ini.
Bandingkan dengan hasil anda.

Gambar: Hasil Outer Loadings

13 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Output PLS Bootstrapping untuk model Moderating Variabel . Hasil ini digunakan untuk menjawab
permasalahan dan hiotesis penelitian, apakah signifikan atau tidak. Bootsrapping dilakukan dengan
dengan criterian “Cases 300” dan “Sample 92”. (Bandingkan dengan Hasil Anda)

Gambar: Hasil Bootstrapping

14 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Output PLS model Moderating Variabel, khususnya untuk uji goodness of fit atau uji
kelayakan data penelitian. (Bandingkan dengan Hasil Anda)

15 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Output PLS model Moderating Variabel. Lihat hasil pengujian pada kolom T Statistik, bila
hasilnya > 1,96 berarti bahwa hasil pengujian hipotesis adalah signifikan. (Bandingkan
dengan Hasil Anda)

16 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

 Selesai
Sampai Ketemu di Pelatihan
Selanjutnya

17 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt