Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS1

UTA’45 JAKARTA

WORKSHOP METODE PENELITIAN KUANTITATIF

Metode “Structural Equation Modeling” dan Interpretasi Hasil Penelitian Dengan Menggunakan Program Smart PLS

(Partial Least Square)

Moderating Variabel

Instruktur: Sihar Tambun, SE, M.Si, Ak. Email: sihar.tambun@yahoo.com

Email: sihar.tambun@uta45jakarta.ac.id

Jumat, 20 Juni 2014

Software download Gratis: www.smartpl

s.de

Introduction of PLS

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS2

• 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.

PRAKTEK SEM – PLS

MODEL MODERATING VARIABEL

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS3

Langkah Langkah PLS untuk Moderating

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS4

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 Model5. Mengolah data Resampling Bootstrapping, untuk mendapatkan

model terbaik.6. Membaca goodness of fit dari model7. Hasil pengujian hipotesis.

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

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS5

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:

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS6

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.

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS7

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

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS8

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

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS9

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

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS10

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

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS11

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

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS12

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.

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS13

Gambar: Hasil Outer Loadings

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)

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS14

Gambar: Hasil Bootstrapping

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

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS15

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)

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS16

SelesaiSampai Ketemu di Pelatihan

Selanjutnya

Tim Dosen FEB UTA'45 JktSEM dengan Smart PLS17