1

PAR1IAL LEAS1
SQUARE
2
Pengantar (1)
PLS pertama kali dikembangkan oleh
Herman Wold
PLS dikembangkan sebagai alternatif
PEMODELAN PERSAMAAN STUKTURAL
yg dasar teorinya lemah
ndikator dari Variabel Laten tidak memenuhi
model refleksif, akan tetapi formatif
Variabel Laten bisa berupa hasil pencerminan indikatornya,
diistilahkan dengan indikator refleksif.
Variabel Laten bisa dibentuk (disusun) oleh indikatornya,
diistilahkan dengan indikator formatif
3
Kond|s|
8os|a|
Ke|uarga
angunan Rumah
Kond|s|
Ekonom|
Ke|uarga
Y
21
Y
22
Y
23
8|kap thdp
8eko|ah
Kejuruhan
Pengantar (2)
!ekerjaan
!end|d|kan
!endapatan
Ke|uarga yg ekerja
!enge|uaran
H|nat thdp
8eko|ah
Kejuruhan
Y
11
Y
12
Y
13
4
Pengantar (3)
Pendidikan
Bangunan
Tempat Tinggal
Rasio Densitas
Keluarga per
Luas Lantai
Faktor Status
Sosial Keluarga
Pendorong ke
Luar Negeri
Penarik yang
berasal dari Luar
Negeri
!kut Keluarga /
kawan
Notivasi Kerja
ke Luar Negeri
Pendapatan
Keluarga
Pengeluaran
Keluarga
]umlah Angg.
Keluarga yg
Bekerja
Faktor Ekonomi
Keluarga
Kesejahteraan
Keluarga
Kesehatan Kekayaan
Ninat Kembali
ke Luar Negeri
Diri Sendiri Orang Lain
5
PLS dapat digunakan sebagai konfirmasi teori
(theoritical testing) dan merekomendasikan
hubungan yang belum ada dasar teorinya
(eksploratori)
SEM (software: AMOS, LSREL) berbasis
kovarian, sedangkan PLS (software: SmartPLS
atau Visual PLS) berbasis varian
PLS mampu menghindari:
inadmissible solution: model rekursif
factor indeterminacy: indikator formatif
Pengantar (4)
6
Metode PLS
PEMODELAN di dalam PLS:
nner model B model struktural yang
menghubungkan antar variabel laten
uter model B model pengukuran yang
menghubungkan indikator dengan variabel
latennya
7
Refleksif
Formatif
Faktor
Utama 1
x1
x2
x3
e1
e3
e2
zeta1
Faktor
Komposit 1
x1
x2
x3
Indikator
8
Indikator Model ReIleksiI
Contoh model indikator refleksif adalah Variabel yang
berkaitan dengan sikap (attitude) dan niat membeli
(purchase intention).
Sikap umumnya dipandang sebagi respon dalam
bentuk favorable (menguntungkan) atau unfavorable
(tidak menguntungkan) terhadap suatu obyek dan
biasanya diukur dengan skala multi item dalam
bentuk semantik differences seperti, good-bad, like-
dislike, dan favorable-unfavorable.
Sedangkan niat membeli umumnya diukur dengan
ukuran subyektif seperti how likely-unlikely, probable-
improbable, dan/atau possible-impossible.
9
Ciri-ciri model indikator reIlektiI
Arah hubungan kausalitas dari variabel laten
ke indikator
Antar indikator diharapkan saling berkorelasi
(instrumen harus memiliki internal
consistency reliability)
Menghilangkan satu indikator, tidak akan
merubah makna dan arti variabel yg diukur
Kesalahan pengukuran (error) pada tingkat
indikator
10
Indikator Model FormatiI
Contoh model indikator formatif adalah di bidang
ekonomi, seperti index of sustainable economics
welfare, the human development index, the
quality of life index.
Variabel laten dengan model indikator formatif
berupa variabel komposit
Variabel Status Sosial Ekonomi, diukur berdasarkan
indikator yang saling mutually exclusive:
Pendidikan, Pekerjaan dan Tempat Tinggal
Variabel kualitas pelayanan dibentuk (formatif)
oleh 5 dimensi: tangible, reliability, responsive,
emphaty dan assurance.
11
Ciri-ciri model indikator IormatiI
Arah hubungan kausalitas dari indikator ke
variabel laten
Antar indikator diasumsikan tidak berkorelasi
(tidak diperlukan uji reliabilitas konsistensi
internal)
Menghilangkan satu indikator berakibat
merubah makna dari variabel laten
Kesalahan pengukuran berada pada tingkat
variabel laten (eta)
12
Notasi pada PLS
13
Notasi pada PLS
= Ksi, variabel latent eksogen
g = Eta, variabel laten endogen
x = Lamnda (kecil), loading faktor variabel latent eksogen
y = Lamnda (kecil), loading faktor variabel latent endogen
Ax = Lamnda (besar), matriks loading faktor variabel latent eksogen
Ay = Lamnda (besar), matriks loading faktor variabel laten endogen
= Beta (kecil), koefisien pngruh var. endogen terhadap endogen
= Gamma (kecil), koefisien pngruh var. eksogen terhadap endogen
= Zeta (kecil), galat model
o = Delta (kecil), galat pengukuran pada variabel laten eksogen
s = Epsilon (kecil), galat pengukuran pada variabel latent endogen
14
LANGKAH-LANGKAH PLS
Herancang Hode| 8truktura|
(inner model}
Herancang Hode| !engukuran
(outer model}
Hengkonstruks| 0|agram Ja|ur
Konvers| 0|agram Ja|ur ke
8|stem !ersamaan
Est|mas|: Koef. Ja|ur, Loading
dan weight
Eva|uas| Coodness of F|t
!enguj|an h|potes|s
(Resampling 8ootstraping}
1
2
3
4
5
6
7
15
LANGKAH KE-1
MERANCANG NNER MODEL
Pada SEM perancangan model adalah berbasis teori,
akan tetapi pada PLS bisa berupa:
Teori
Hasil penelitian empiris
Analogi, hubungan antar variabel pada bidang ilmu
yang lain
Normatif, misal peraturan pemerintah, undang-undang,
dan lain sebagainya
Rasional
PLS: Bisa ekpIorasi hubungan antar variabel
16
LANGKAH KE-2
MERANCANG OUTER MODEL
Pada SEM semua bersifat refleksif, model
pengukuran tidak penting (sudah terjamin pada
DOV)
Pada PLS perancangan outer model sangat
penting: refleksif atau formatif
Dasar: teori, penelitian empiris sebelumnya,
atau rasional
17
%AHAP KE-3
KONSTRUKSI DIAGRAM JALUR
18
Outer model
Untuk variabel latent eksogen 1 (reflektif)
x
1
=
x1

1
+ o
1
x
2
=
x2

1
+ o
2
x
3
=
x3

1
+ o
3
Untuk variabel latent eksogen 2 (formatif)

2
=
x4
X
4
+
x5
X
5
+
x6
X
6
+ o
4
Untuk variabel latent endogen 1 (reflektif)
y
1
=
y1
g
1
+ s
1
y
2
=
y2
g
1
+ s
2
Untuk variabel latent endogen 2 (reflektif)
y
3
=
y3
g
2
+ s
3
y
4
=
y4
g
2
+ s
4
LANGKAH KE-4
KONVERSI DIAGRAM JALUR KE PERSAMAAN
19
nner model :
g
1
=
1

1
+
2

2
+
1
g
2
=
1
g
1
+
3

1
+
4

2
+
2
LANGKAH KE-4
KONVERSI DIAGRAM JALUR KE PERSAMAAN
20
Pendugaan parameter :
eight estimate yang digunakan untuk menghitung data
variabel laten
Estimasi jalur (path estimate) yang menghubungkan antar
variabel laten (koefisien jalur) dan antara variabel laten
dengan indikatornya (loading)
Berkaitan dengan means dan lokasi parameter (nilai
konstanta regresi) untuk indikator dan variabel laten.
Metode estimasi PLS: OLS dengan teknik iterasi
nteraction variable
Pengukuran untuk variabel moderator, dengan teknik :
menstandarkan skor indikator dari variabel laten yang dimoderasi
dan yang memoderasi, kemudian membuat variabel laten interaksi
dengan cara mengalikan nilai standar indikator yang dimoderasi
dengan yang memoderasi
LANKAH KE-5
21
LANGKAH KE-6
GOODNESS OF FI% - OU%ER MODEL
uter model refleksif :
onvergent dan discriminant validity
omposite realibility
uter model formatif :
dievaluasi berdasarkan pada substantive
content-nya yaitu dengan melihat signifikansi
dari weight
22
GOODNESS OF FI% - OU%ER MODEL
onvergent validity
Nilai loading 0.5 sampai 0.6 dianggap cukup,
untuk jumlah indikator dari variabel laten berkisar
antara 3 sampai 7
iscriminant validity
Direkomendasikan nilai AVE lebih besar dari 0.50.
2
2
AVE
var( )

s
=
+

23
GOODNESS OF FI% - OU%ER MODEL
omposite reliability
Nilai batas yang diterima untuk tingkat reliabilitas
komposit (pc) adalah < 0.7, walaupun bukan
merupakan standar absolut.
2
2
( )
( ) var( )

p
s
=
+

24
GOODNESS OF FI% - INNER MODEL
Diukur menggunakan -Square predictive
relevance
Rumus Q-Square:
Q
2
= 1 ( 1 R
1
2
) ( 1 R
2
2
) ... ( 1- R
p
2
)
dimana R
1
2
, R
2
2
... R
p
2
adalah R
-
square
variabel endogen dalam model
nterpretasi Q
2
sama dg koefisien determinasi
total pada analisis jalur (mirip dengan R
2
pada
regresi)
25
LANGKAH KE-7
PENGUJIAN HIPOTESIS
Hipotesis statistik untuk outer model
H0 Ki = 0 Iawan
H1 Ki = 0
Hipotesis statistik untuk inner model variabeI Iaten eksogen
terhadap endogen
H0 yi = 0 Iawan
H1 yi = 0
Hipotesis statistik untuk inner model variabeI Iaten endogen
terhadap endogen
H0 i = 0 Iawan
H1 i = 0
Statistik uji t-test; p-value ^ 0,05 (aIpha 5 %); signifikan
Outter model signifikan indikator bersifat vaIid
nner model signifikan terdapat pengaruh signifikan
PLS tidak mengasumsikan data berdistribusi normaI
menggunakan teknik resampling dengan metode Bootstrap
26
ASUMSI PLS
Asumsi di dalam PLS hanya berkaitan dengan
pemodelan persamaan struktural:
Hubungan antar variabel laten dalam inner model
adalah linier dan aditif
Model srtuktural bersifat rekursif.
27
SAMPLE SIZE
Ukuran sampel dalam PLS, dengan perkiraan
sebagai berikut:
Sepuluh kali jumlah indikator formatif
(mengabaikan indikator refleksif)
Sepuluh kali jumlah jalur (paths) yang mengarah
pada model struktural
Sample size: 30 50 atau besar > 200
28
SOF%ARE PLS
Software PLS pertama kali dikembangkan oleh Jan-Bernd Lohmoller (1984, 1987,
1989) under DOS dan disebut LVPLS Versi 1.8 (Latent Variable Partial Least Square),
dapat didownload di http://kiptron.psyc.virginia.edu. Software ini dikembangkan lebih
lanjut oleh Wynne W Chin (1998, 1999, 2001) menjadi under windows dengan tampilan
grafis dan tambahan perbaikan teknik validasi dengan memasukkan bootstrapping dan
jacknifing. Software yang dikembangkan oleh hin diberi nama PLS GRAPH versi 3.0,
versi student dapat didownload secara gratis di www.bauer.uh.edu. Versi student ini
mampu mengolah maksimum 30 variabel.
Di University of Hamburg Jerman juga dikembangkan software PLS yang diberi
nama SmartPLS. Versi pertama adalah SmartPLS versi 1.01, kemudian dikembangkan
lagi ke versi 2.0 dan yang terakhir (akhir tahun 2006) adalah SmartPLS versi 2.0 M3.
Pengembangan software ini meliputi perbaikan tampilan, penambahan fasilitas untuk
efek moderator, tambahan report / output yakni communality, redundancy, dan Alpha
ronbach. Software SmartPLS dapat didownload secara gratis di www.smartpls.de.
Software PLS lain dikembangkan oleh Jen Ruei Fu dari National Kaohsiung University,
Taiwan, yang diberi nama VPLS (VisualPLS). Software ini dapat didownload secara
gratis di http://www2.kuas.edu.tw.
Software lain yang dapat menjalankan PLS melalui tampilan grafis adalah PLS-GUI
yang dikembangkan oleh Yuan Li dari Management Science Department, The More
School of Business, University of South Carolina. Software ini dapat di download gratis
dari http://dmsweb.badm.sc.edu.
29
!ERBANDINGAN ANTARA ANALISIS
!ATH (1ALUR), !LS, DAN SEM
Kriteria !ath !LS SEM
Lardasar Teor| Kual Kual raupur Lerar,
oar|ar e|sp|oral|l
Kual
8erlu| ruourgar
arlar var|aoe|
L|r|er L|r|er L|r|er
Vode| 3lru|lura| Re|urs|l Re|urs|l Re|urs|l dar Norre|urs|l
Asurs| 0|slr|ous| Norra| T|da| d|per|u|ar;
perde|alar resarp||rg
dergar 8oolslrapp|rg
-Norra| alau
-T|da| d|per|u|ar;
perde|alar resarp||rg
dergar 8oolslrapp|rg
Vode| pergu|urar 0| |uar perode|ar - Rel|e|s|l
- Forral|l
Rel|e|s|l
- Tola| 3|or
- Rala-rala
3|or
- Rescor|rg
- 3|or Fa|lor
- 3|or
Korporer
ulara
- lrd||alor
Ter|ual
30
!ERBANDINGAN ANTARA ANALISIS
!ATH (1ALUR), !LS, DAN SEM
Kriteria !ath !LS SEM
u|urar 3arpe| 3arpe| r|r|ra| 10 |a||
jur|ar var|aoe| (ru|e ol rumo
dar| mu|r|var|are aoa|ys|s)
3arpe| r|r|ra| 30-50 alau
sarpe| oesar d| alas 200
3arpe| r|r|ra|
d|re|orerdas||ar 100-
200
Vod|l||as| Vode| T|da| ada rod|l||as| T|da| rerer|u|ar
rod|l||as| |rde|s, |ore|as|
arlar |rd||alor
J||a rode| l|da| l|l,
dapal d||a|u|ar
rod|l||as|, dergar
perurlur oerupa |rde|s
rodol||as|
0oodress ol l|l Koel|s|er delerr|ras| lola| 0-$quare preo|or|ve
re|evanoe, yarg pada
dasarrya ada|ar sara
dergar Koel|s|er
delerr|ras| lola|
RV3EA,Cr|square/0F,
d||
(lerdapal seoarya| 2
jer|s goodress ol l|l)
Pergujar rode| Treory Tr|r|rg, rerouarg
ja|ur yarg rors|gr|l||ar
Treory Tr|r|rg,
rerouarg ja|ur yarg
rors|gr|l||ar
Treory Tr|r|rg,
rerouarg ja|ur yarg
rors|gr|l||ar
0ulpul Fa|lor delerr|rar,
perguj|ar rode|
Fa|lor delerr|rar dar
rode| slru|lura|, perguj|ar
rode|, uj| va||d|las dar
Re||ao|||las
Fa|lor delerr|rar dar
rode| slru|lura|,
perguj|ar rode|, uj|
va||d|las dar Re||ao|||las
31
%erima kasih