8. Modul SEM Dengan PLS Moderating
WORKSHOP METODE
PENELITIAN KUANTITATIF
UTA’45
JAKARTA
Jumat, 20
Juni 2014
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
Software
download Gratis:
www.smartpl
s.de
1
SEM dengan Smart PLS
Tim Dosen FEB UTA'45 Jkt
Introduction of PLS
•
•
•
•
•
•
•
•
•
2
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.
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
PENELITIAN KUANTITATIF
UTA’45
JAKARTA
Jumat, 20
Juni 2014
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
Software
download Gratis:
www.smartpl
s.de
1
SEM dengan Smart PLS
Tim Dosen FEB UTA'45 Jkt
Introduction of PLS
•
•
•
•
•
•
•
•
•
2
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.
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