Pengujian Mediasi

BaB III MOdeRasI daN MedIasI

3.3 Pengujian Mediasi

Dr. SuDjana BuDhiaSa, SE., M.Si

menepatkan teknik bootstrapping sebagai opsi, tidak wajib seperti pada Smartpls.

Percobaan yang menulis lakukan secara manual atas konsep bootstrapping dari Efron dan Tashbrani (1992) membuktikan bahwa apabila peneliti belum mendapatkan karakter paling minimal dari sampling atau karakter yang paling optimal, bahwa jumlah minimal masih belum mencerminkan kondisi yang sebenarnya, maka ada kemungkinan putaran data sampling perbanyakannya berada di tingkat tengah, sehingga hasil analisis menjadi bias dan tidak bermanfaat. Gambar 6.11 menampilkan kasus di mana bootstrapping adalah bias dan tidak bermanfaat sebagai informasi sumber data.

Gambar 6.11

Resampling Process ( efront, 1992)

3.3 Pengujian Mediasi

Pengolahan data dapat dilakukan secara manual, melalui cara Sobel (1982), yang hanya mengaitkan nilai path dari A dan B dengan standar error keduanya, melalui formulasi yang dikenal sebagai formulasi Sobel. Cara Sobel lebih banyak bersifat praktis, sederhana, lebih bersifat prediction. Sedangkan prosedur software misalnya melalui Wrappls ( Kock, 2014) telah diperhitungkan adanya effect size power dalam mendapatkan prediksi mediasi, sehingga hasilnya menjadi berbeda dengan cara Sobel. Tingkat akurasi tentu lebih banyak pada aspek yang memperhitungkan 54 ,PLSGRAPH ( Chin, 1988) , serta AMOS ( Arbucle, 1984) telah menerapkan model bootstrapping dalam rangka mendapatan optimasi terbaik, meskipun AMOS masih menepatkan teknik bootstrapping sebagai opsi, tidak wajib seperti pada Smartpls.

Percobaan yang menulis lakukan secara manual atas konsep bootstrapping dari Efron dan Tashbrani (1992) membuktikan bahwa apabila peneliti belum mendapatkan karakter paling minimal dari sampling atau karakter yang paling optimal, bahwa jumlah minimal masih belum mencerminkan kondisi yang sebenarnya, maka ada kemungkinan putaran data sampling perbanyakannya berada di tingkat tengah, sehingga hasil analisis menjadi bias dan tidak bermanfaat. Gambar 6.11 menampilkan kasus di mana bootstrapping adalah bias dan tidak bermanfaat sebagai informasi sumber data.

Gambar 6.11

Resampling Process ( Efront, 1992)

3.3 Pengujian Mediasi

Pengolahan data dapat dilakukan secara manual, melalui cara Sobel (1982), yang hanya mengaitkan nilai path dari A dan B dengan standar error

Nila Maksimum

Nila minimum

ANALISIS STATISTIK MULTIVARIATE DENGAN APLIKASI SEM PLS SMARTPLS 3.2.6

0

effect size, atau pola two stages seperti yang dilakukan pada SmartPls versi 3. Degan demikian, tedapat banyak alternatif bagi peneliti untuk mendapatkan peran mediasi melalui metodologi dengan asumsi tertentu.

Berikut ditampilkan model disertasi Kawiana yang menemukan mediasi ganda pada studi spiritual leadership, dipresentasikan dengan ijin yang bersangkutan, untuk dijadikan sebagai rujukan model dalam memahami interaction effect dari calling (M1) terhadap kinerja organisasi (Y2) melalui komitmen organisasi (Y1). Pada bagian lain, terdapat konstruk membership (M2) yang berpengaruh terhadap kinerja organisasi (Y2) melali peran komitmen organisasi (Y1), maka keduanya merupakan type mediasi yang perlu ditelusuri perannya terhadap kinerja organisasi (Y2).

Gambar 6.12 menampilkan bagian khusus dari relasi dengan komiten organisasi (Y2) ditempatkan sebagai pemediasi calling (M1) dan membership (M2) dalam mempengaruhi kinerja organisasi (Y1). Pada Gambar 6.12 dan Gambar 6.14 disertakan contoh model mediasi dengan karakter partial mediation dan karakter full mediation, keduanya ditentukan berdasarkan hasil akhir pengolahan data dengan Smartpls versi 3.

Gambar 6.12

Uji Mediasi dengan sOBeL Partial Mediation

56 Gambar 6.12

Uji Mediasi dengan SOBEL Partial Mediation

Uji Mediasi Sobel (1982), Baron dan Kenny, 1986) Indirect effect : ( a x b ) = 0.233 x 0.269 = 0.0623

Sobel test :

 P-Values = 0.033

P-Values didapatkan dengan cara excel  +tdist(Z,sample,df).

Hasil perhitungan Sobel di atas bersumber dari Gambar 6.12 dan Gambar 6.13 yang memuat estimasi original sample ( nilai path ) maupun standar error dari path pada jalur A, dan path pada jalur B. Ternyata hasil Sobel menunjukkan Z = 1.856, sedangkan dengan perhitungan SmartPls versi 3 didapatkan T=Z=

.2.154 berdasarkan metode default two stages (lihat Gambar 6.14).

033763



Dr. SuDjana BuDhiaSa, SE., M.Si

Hasil perhitungan Sobel di atas bersumber dari Gambar 6.12 dan Gambar 6.13 yang memuat estimasi original sample ( nilai path ) maupun standar error dari path pada jalur A, dan path pada jalur B. Ternyata hasil Sobel menunjukkan Z = 1.856, sedangkan dengan perhitungan SmartPls versi 3 didapatkan T=Z= .2.154 berdasarkan metode default two stages (lihat Gambar 6.14).

Gambar 6.13

Path Coefficient dan Signifikasi Statistik t Original

Sample Std.Dev T Stats P Values Keterangan Int. Effect: M1->Y1->Y2 0.267 0.124 2.154 0.016 Support Int. Effect:M2->Y1->Y2 0.224 0.090 2.486 0.007 Support

M1 -> Y1 0.233 0.102 2.280 0.012 Support

M1 -> Y2 0.541 0.188 2.874 0.002 Support

M2 -> Y1 0.422 0.159 2.652 0.004 Support

M2 -> Y2 -0.099 0.120 0.827 0.205 Not Support

Y1 -> Y2 0.269 0.090 2.985 0.002 Support

56 Gambar 6.12

Uji Mediasi dengan SOBEL Partial Mediation

Uji Mediasi Sobel (1982), Baron dan Kenny, 1986) Indirect effect : ( a x b ) = 0.233 x 0.269 = 0.0623

Sobel test :

 P-Values = 0.033

P-Values didapatkan dengan cara excel  +tdist(Z,sample,df).

Hasil perhitungan Sobel di atas bersumber dari Gambar 6.12 dan Gambar 6.13 yang memuat estimasi original sample ( nilai path ) maupun standar error dari path pada jalur A, dan path pada jalur B. Ternyata hasil Sobel menunjukkan Z = 1.856, sedangkan dengan perhitungan SmartPls versi 3 didapatkan T=Z=

.2.154 berdasarkan metode default two stages (lihat Gambar 6.14).

033763

ANALISIS STATISTIK MULTIVARIATE DENGAN APLIKASI SEM PLS SMARTPLS 3.2.6



Gambar 6.12 menyajikan temuan empirik dengan karakter partial mediation, karena mediasi disertai dengan direct effect dari relasi M1 ke Y2 adalah relasi yang signifikan ( Lihat Littlle, 2010), juga Hair at al (2010). Sedangkan pada Gambar 6.14 ditemukan fakta mediasi yang berbeda, yaitu bahwa direct effect dari M2 ke Y2 adalah tidak signifikan sehingga dapat dinyatakan mediasi dengan type full mediation. Dinyatakan full median, berdasarkan fakta hasil analisis tidak ditemukan jalur lain dari M2, hanya kecuali melalui jalur komitmen organisasi ( lihat Hair et al, 2010).

Gambar 6.14

Full Mediation Membership – Komitmen – Kinerja Organisasi

Kawiana mendapatkan model mediasi ganda, yang berbeda karakter untuk peran komitmen organisasi sebagai pemediasi dari calling (M1) dan membership (M2). memperkuat peran membership mempengaruhi kinerja organisasi (Y2). Gambar 6.11 dan Gambar 6.13, keduanya mewakili karakter mediasi yang berbeda, yaitu partial mediation ( M1 - Y1 - Y2) serta full mediation ( M2 – Y1

Path Coefficient dan Signifikasi Statistik t

Gambar 6.12 menyajikan temuan empirik dengan karakter partial mediation, karena mediasi disertai dengan direct effect dari relasi M1 ke Y2 adalah relasi yang signifikan ( Lihat Littlle, 2010), juga Hair at al (2010).

Sedangkan pada Gambar 6.14 ditemukan fakta mediasi yang berbeda, yaitu bahwa direct effect dari M2 ke Y2 adalah tidak signifikan sehingga dapat dinyatakan mediasi dengan type full mediation. Dinyatakan full median, berdasarkan fakta hasil analisis tidak ditemukan jalur lain dari M2, hanya kecuali melalui jalur komitmen organisasi ( lihat Hair et al, 2010).

Gambar 6.14

Values Keterangan

Int. Effect: M1->Y1->Y2 0.267 0.124 2.154 0.016 Support Int. Effect:M2->Y1->Y2 0.224 0.090 2.486 0.007 Support M1 -> Y1 0.233 0.102 2.280 0.012 Support M1 -> Y2 0.541 0.188 2.874 0.002 Support M2 -> Y1 0.422 0.159 2.652 0.004 Support M2 -> Y2 -0.099 0.120 0.827 0.205 Not Support Y1 -> Y2 0.269 0.090 2.985 0.002 Support



Dr. SuDjana BuDhiaSa, SE., M.Si

Hierarchies Latent Model seM PLs

Lin et al (2005) mengembangkan model penelitian customer perceived value dengan mempergunakan formative second order (lihat Gambar 1.1) di mana perceived value ditempatkan sebagai first order yang dikonstruksi oleh sub-dimension get_1, get_2, give_1 dan give_2. Gambar 1.1 menyajikan hipotesis penelitian inti adalah perceived value, satisfaction dan behavioral intention sebagai variabel laten yang saling berkaitan, di mana satisfaction dan behavioral intensions dipengaruhi oleh perceived values, sedangkan get_1, get_2, give_1 dan give_2 adalah sub-construct atau sub-dimension yang mengkonstruksikan perceived values, sehingga sub-dimension bukan termasuk pada hipotesis inti, tetapi merupakan sub-dimensi yang mengkonstruksikan perceived values.

Dengan demikian, model yang dikembangkan Lin et al (2005) mencermati komponen yang membentuk konstruk perceived values dinyatakan sebagai second orderlatent, dimana first order latent adalah perceived values.

Gambar 1.1

Hierarchies Latent Model Perceived value Lin et al (2005)

High Latent Model dewasa ini banyak dikembangkan dalam rangka mendapatkan informasi lebih banyak tentang theoretical

59 Gambar 1.1

Hierarchies Latent Model Perceived Value Lin et al (2005)

High Latent Model dewasa ini banyak dikembangkan dalam rangka mendapatkan informasi lebih banyak tentang theoretical parsimony melalui penelusuran subkelompok teori yang membentuknya (Edwards, 2001), MacKenzie et al (2005). Edwards, 2001 menyatakan bahwa high order component bermanfaat sebagai theoretical utility, dalam hal ini konstruk yang bersifat lebih umum dapat lebih didukung oleh dimensi spesifik yang membentuknya ( kasus formative) atau dimensi spesifik yang merefleksikannya (kasus reflective), sehingga dapat ditelusuri secara lebih mendetail melalui pengembangan sub-dimensi yang lebih spesifik untuk menjelaskan karakter sebuah konstruk yang bersifat umum (Wetzels et al, 2009), Lin et al (2005) sertaAnders dan Johnson, 2004. Berdasarkan Gambar 1.1, Lin et al (2005) memperluas model formatif dengan menyertakan re-patronage sebagai konstruk tujuan akhir yang dipengaruhi oleh satisfaction dan perceived

ANALISIS STATISTIK MULTIVARIATE DENGAN APLIKASI SEM PLS SMARTPLS 3.2.6



parsimony melalui penelusuran subkelompok teori yang membentuknya (Edwards, 2001), MacKenzie et al (2005). Edwards, 2001 menyatakan bahwa high order component bermanfaat sebagai theoretical utility, dalam hal ini konstruk yang bersifat lebih umum dapat lebih didukung oleh dimensi spesifik yang membentuknya ( kasus formative) atau dimensi spesifik yang merefleksikannya (kasus reflective), sehingga dapat ditelusuri secara lebih mendetail melalui pengembangan sub-dimensi yang lebih spesifik untuk menjelaskan karakter sebuah konstruk yang bersifat umum (Wetzels et al, 2009), Lin et al (2005) sertaAnders dan Johnson, 2004. Berdasarkan Gambar 1.1, Lin et al (2005) memperluas model formatif dengan menyertakan re-patronage sebagai konstruk tujuan akhir yang dipengaruhi oleh satisfaction dan perceived value ( direct effect), serta pengaruh perceived value terhadap re-patronage melalui peran mediasi satisfaction (lihat Gambar 1.2)

Gambar 1.2

Hierarchies Latent Model Perceived value – Formative Lin et al (2005)

60 value ( direct effect)

, serta pengaruh perceived value terhadap re-patronage melalui peran mediasi satisfaction (lihat Gambar 1.2)

Gambar 1.2

Hierarchies Latent Model Perceived Value – Formative Lin et al (2005)

Model yang tersaji padaGambar 1.2 juga dapat ditentukan sebagaihierarchies latent model dengan karakter reflective, seperti tersajikan pada Gambar 1.3. Menetapkan model formative atau reflective akan sangat tergantung kepada landasan teori yang melatar-belakanginya. Sebuah model dinyatakan

formative

atau reflectiveakan ditentukan berdasarkan variabel laten yang dipergunakan. Diamantopoluos dan Winkhover (2001) menyatakan bahwa sebuah konstruk dinyatakan formative apabila konstruk dibangun berdasarkan informasi data bersifat terindek, atau memiliki dimensi dengan nuansa bilangan ( Hair, 2010).

Gambar 1.2 dan Gambar 1.3 menyajikan model studi dari Lin et al (2005) yang

memberikan ruang kepada peneliti untuk memilih relasi second order yang

mewakili relasi formative ( Gambar 1.2) atau relasi reflective ( Gambar 1.3).



Dr. SuDjana BuDhiaSa, SE., M.Si

Model yang tersaji padaGambar 1.2 juga dapat ditentukan sebagaihierarchies latent model dengan karakter reflective, seperti tersajikan pada Gambar 1.3. Menetapkan model formative atau reflective akan sangat tergantung kepada landasan teori yang melatar-belakanginya. Sebuah model dinyatakan formative atau reflectiveakan ditentukan berdasarkan variabel laten yang dipergunakan. Diamantopoluos dan Winkhover (2001) menyatakan bahwa sebuah konstruk dinyatakan formative apabila konstruk dibangun berdasarkan informasi data bersifat terindek, atau memiliki dimensi dengan nuansa bilangan ( Hair, 2010).

Gambar 1.2 dan Gambar 1.3 menyajikan model studi dari Lin et al (2005) yang memberikan ruang kepada peneliti untuk memilih relasi second order yang mewakili relasi formative ( Gambar 1.2) atau relasi reflective ( Gambar 1.3).

Gambar 1.3

Hierarchies Latent Model Perceived Value – Reflective Lin et al (2005)

61 Gambar 1.3

Hierarchies Latent Model Perceived Value – Reflective Lin et al (2005)

Hierarchies latent model

memiliki sub-dimensi dengan konstruk yang berbeda, sehingga perlu dipahami definisi atas tingkatan ( hierarki ) dari model yang bersangkutan. Sejauh yang dapat dipantau dari publikasi jurnal internasional sampai saat ini, pembahasan hierarchies latent model dari aplikasi model SEM PLS pada tingkatan dari second order sampai dengan maksimal third order latent model.

Gambar 1.4

Hierarchies Latent – Second order Model

ANALISIS STATISTIK MULTIVARIATE DENGAN APLIKASI SEM PLS SMARTPLS 3.2.6



Hierarchies latent model memiliki sub-dimensi dengan konstruk yang berbeda, sehingga perlu dipahami definisi atas tingkatan ( hierarki ) dari model yang bersangkutan. Sejauh yang dapat dipantau dari publikasi jurnal internasional sampai saat ini, pembahasan hierarchies latent model dari aplikasi model SEM PLS pada tingkatan dari second order sampai dengan maksimal third order latent model.

Gambar 1.4

Hierarchies Latent – second order Model

sumber : Becker et al (2012)

Gambar 1.4 menyajikan model second order SEM PLS dimulai dari konstruk – dimensi – indikator, yang dapat ditentukan posisi dimensinya mulai dari kiri. Pada Gambar 1.4, model dinyatakan reflective dengan sifat hubungan dari dimensi ke konstruk adalah reflective, sehingga dinyatakan sebagai tipe model reflective – reflective. Pada Gambar 1.4b, model dinyatakan formative dengan relasi dari dimensi ke konstruk berkarakter reflective.

62 Sumber : Becker et al (2012)

Gambar 1.4 menyajikan model second order SEM PLS dimulai dari konstruk – dimensi – indikator, yang dapat ditentukan posisi dimensinya mulai dari kiri. Pada Gambar 1.4, model dinyatakan reflective dengan sifat hubungan dari dimensi ke konstruk adalah reflective, sehingga dinyatakan sebagai tipe model reflective – reflective. Pada Gambar 1.4b, model dinyatakan formative dengan relasi dari dimensi ke konstruk berkarakter reflective.

Gambar 1.5

Hierarchies Latent – Second order Model



Dr. SuDjana BuDhiaSa, SE., M.Si

Gambar 1.5

Hierarchies Latent – second order Model

sumber : Becker et al (2012).

Pada model third order, indikator berada pada posisi tingkat ketiga dari konstruk, sehingga dapat dipolakan relasi hierarki dimulai dari primary construt – primary dimension – Sub-dimension dan indicator (lihat Gambar 1.5). Memperhatikan definisi dan perbedaan tingkatan dimensi dari Gambar 1.4, Gambar 1.5 dan perbedaan dalam hierarki pada Gambar 1.6 menjadi penting, karena mengaburkan pola tingkatan dapat menyebabkan kekeliruan arah dalam penyelesaian tahapan data processing.

Pengembangan hierarchies latent model tidak sekadar membariskan angka untuk disusun dan dhitung berdasarkan prosedur metode statistik yang tersedia, tetapi bahwa kebutuhan pengembangan second order atau third order seharusnya dimulai dari theoretical building, yaitu apakah model teori memerlukan penjelasan sub-dimensi, serta apakah mempolakan menjadi sub-dimensi dapat menjawab kedalaman studi dan analisis untuk

63 Sumber : Becker et al (2012).

Pada model third order, indikator berada pada posisi tingkat ketiga dari konstruk, sehingga dapat dipolakan relasi hierarki dimulai dari primary construt – primary dimension – Sub-dimension dan indicator (lihat Gambar 1.5).

Memperhatikan definisi dan perbedaan tingkatan dimensi dari Gambar 1.4, Gambar 1.5 dan perbedaan dalam hierarki pada Gambar 1.6 menjadi penting, karena mengaburkan pola tingkatan dapat menyebabkan kekeliruan arah dalam penyelesaian tahapan data processing.

Pengembangan hierarchies latent model tidak sekadar membariskan angka untuk disusun dan dhitung berdasarkan prosedur metode statistik yang tersedia, tetapi bahwa kebutuhan pengembangan second order atau third order seharusnya dimulai dari theoretical building, yaitu apakah model teori memerlukan penjelasan sub-dimensi, serta apakah mempolakan menjadi sub-dimensi dapat

ANALISIS STATISTIK MULTIVARIATE DENGAN APLIKASI SEM PLS SMARTPLS 3.2.6



menghasilkan relasi antardimensi yang lebih riel perception, atau dapat menghasilkan alternatif metode pendekatan statistik dengan lebih valid dan akurat.

Gambar 1.6

Hierarchies Latent – Third Order Model

Sumber : Wetzel et al , 2009)

High Latent Model dewasa ini dikembangkan dengan tujuan untuk mendapatkan informasi lebih banyak tentang theoretical parsimony melalui penelusuran subkelompokteori yang membentuknya( Edwards, 2001), MacKenzie et al (2005). Nilai tambah yang dapat diperoleh peneliti melalui pengembangan hierarchies latent model adalah bahwa high order component menjadi sangat berguna sebagai theoretical utility, di mana konstruk yang bersifat lebih general dapat diperjelas melalui pengembangan sub-dimensi dari konstruk yang bersifat umum tersebut ( Edwards, 2001).

Parasuraman et al (1988) mengembangkan model penelitian tentang persepsi kualitas pelayanan yang dipengaruhi oleh

64 menjawab kedalaman studi dan analisis untuk menghasilkan relasi antardimensi yang lebih riel perception, atau dapat menghasilkan alternatif metode pendekatan statistik dengan lebih valid dan akurat.

Gambar 1.6

Hierarchies Latent – Third Order Model

X1.1

X1.111 X1.112 X1.121 X1.122 X1.211 X1.212 X1.221 X1.222 X1.311 X13.12 X1.321 X1.322

Primary

High Latent Model dewasa ini dikembangkan dengan tujuan untuk mendapatkan informasi lebih banyak tentang theoretical parsimony melalui penelusuran subkelompokteori yang membentuknya( Edwards, 2001), MacKenzie et al (2005). Nilai tambah yang dapat diperoleh peneliti melalui pengembangan hierarchies latent model adalah bahwa high order component menjadi sangat berguna sebagai theoretical utility, di mana konstruk yang bersifat lebih general dapat diperjelas melalui pengembangan sub-dimensi dari konstruk yang bersifat umum tersebut ( Edwards, 2001).



Dr. SuDjana BuDhiaSa, SE., M.Si

daya resposif, daya tanggap, empati dan seterusnya. Model yag dikembangkan oleh Parasuraman et al ( 1988) kemudian diperluas oleh Boakya (2013) melalui karya tulis di Univesity of Texas, dengan penjabaran hierarchies latent model sebagaimana ditunjukkan pada Gambar 1.8.

Gambar 1.7

Theoretical Building Perceived value Quality

sumber : Parasuraman et al (1988) Gambar 1.8

a ReLaTIONsHIP-Based CROss NaTIONaL CUsTOMeR deCIsION-MaKING MOdeL IN THe seRvICe INdUsTRy

Kwabena G. Boakye, 2013 (UNIveRsITy OF NORTH TeXas)

65 Parasuraman et al (1988) mengembangkan model penelitian tentang persepsi kualitas pelayanan yang dipengaruhi oleh daya resposif, daya tanggap, empati dan seterusnya. Model yag dikembangkan oleh Parasuraman et al ( 1988) kemudian diperluas oleh Boakya (2013) melalui karya tulis di Univesity of Texas, dengan penjabaran hierarchies latent model sebagaimana ditunjukkan pada Gambar 1.8.

Gambar 1.7

Theoretical Building Perceived Value Quality

Reability Responsiveness

Empathy Assurance

Tangible

Perceived Quality

Expected Quality

Perceived Service Quality

Sumber : Parasuraman et al (1988)

66 Gambar 1.8

A RELATIONSHIP-BASED CROSS NATIONAL CUSTOMER DECISION-MAKING MODEL IN THE SERVICE INDUSTRY

Kwabena G. Boakye, 2013 (UNIVERSITY OF NORTH TEXAS)

ANALISIS STATISTIK MULTIVARIATE DENGAN APLIKASI SEM PLS SMARTPLS 3.2.6

0

KASUS 5

Aplikasi Model Second Order Collaboration Indo Kirono, FEB UB, 2016

Collaboration(X1)

didefinisikan sebagai strategi kooperatif dari para partner dalam rantai pasok yang bekerja sama melintasi batas-batas organisasi untuk membangun dan mengelola proses penambahan nilai yang unik untuk memenuhi kebutuhan pelanggan.

Kolaborasi akan diukur dengan network quality, trustdan partnership sebagai second order latent. Konstruk dan dimensi pengukuran collaborationmelalui second order construct ( netrowk quality, trust dan partnership )disajikan pada Gambar 1.9, Gambar 1.10 dan Gambar 1.11

Gambar 1.9

Konstruk dan dimensi Network Quality second Order Construct (y2.1)

Rujukan Dimensi Kode

Sigala, 2004 Saxena (2005 Noselit&Faria (2013

Pengembangan inovasi produk untuk partner bisnis Y2.11 pengembangan network padaperusahaan lain Y2.12 pengembangan network membangun pelanggan. Y2.13 marketing information sharing untuk partner Y2.14 kegiatan resources development untuk partner Y2.15

Gambar 1.10 Konstruk dan dimensi Trust second Order Construct (y2.2)

Rujukan Dimensi Kode

Ansell dan Gash (2007).

Ganesan (1994) Gray dan Stites, 2013 Moorman et al, 1993 Emmer, 1993

komponen yang membentuk penguatan komitmen Y2.21 determinan yang membentuk hubungan baik Y2.22 Mempertahankan relasi dalam jangka panjang, Y2.23 Sikap reliable mendahulukan kepentingan organisasi Y2.24



Dr. SuDjana BuDhiaSa, SE., M.Si

Gambar 1.11

Konstruk dan dimensi Partnership second Order Construct ( y2.3)

Rujukan Dimensi Kode

( Koschmann et al (2012), Seitanidi (2012), Gray &Stities (2013).

Memfasilitasi kerja sama antar partner X1.31 Menyatukan kemampuan sumberdaya partner X1.32 Kesepakatan mencapai target profit tertentu X1.33 Tindakan membuat konsensus bersama X1.34

aPLIKasI MOdeL seCONd ORdeR

Sumber data yang kita rujuk dari aplikasi model second order berasal dari Indro Kirono ( S3 Manajemen Sumber Daya, FEB UB, 2016) , Candra Dewi ( S3 Manajemen Strategi Marketing , FEB Unud, 2016), Putu Gede Kawiana ( Manajemen Sumbe Daya Spiritual Leadership, FEB Unud, 2016), beserta model disertasi yang mereka kembangkan, telah diperoleh untuk disajikan sebagai bahasan model dan data atas ijin yang bersangkutan.

aNaLIsIs LOGIsTICs PeRFORMaNCe MeLaLUI COLLaBORaTION sTRaTeGy daNINFORMaTION sHaRING deNGaN LOGIsTICs CaPaBILITy seBaGaI vaRIaBeL MedIaTOR

Gambar 1.12

Model second Order Collaboration Indro Kirono, FeB UB, 2016

68

APLIKASI MODEL SECOND ORDER

Sumber data yang kita rujuk dari aplikasi model second order berasal dari Indro Kirono ( S3 Manajemen Sumber Daya, FEB UB, 2016) , Candra Dewi ( S3 Manajemen Strategi Marketing , FEB Unud, 2016), Putu Gede Kawiana ( Manajemen Sumbe Daya Spiritual Leadership, FEB Unud, 2016), beserta model disertasi yang mereka kembangkan, telah diperoleh untuk disajikan sebagai bahasan model dan data atas ijin yang bersangkutan.

ANALISIS LOGISTICS PERFORMANCE MELALUI COLLABORATION STRATEGY DANINFORMATION SHARING DENGAN

LOGISTICS CAPABILITY SEBAGAI VARIABEL MEDIATOR Gambar 1.12

Model Second Order Collaboration Indro Kirono, FEB UB, 2016

Collaboration

Hipotesis inti adalah H1,H2 sampai dengan H6. Variabel laten X1, X2, Y1, dan Y2 adalah konstruk yang juga dapat disebut primary dimension, sedangkan network quality (X1.1), trust (X1.2) serta partnership (X1.3) dinyatakan sebagai sub-dimension ( Lin et al, 2005), Wetzel et al (2009).

Kita membahas software Smartpls versi 3 sebagaimana tampak pada Gambar 1.13 yang menyajikan tampak depan dari software Smartpls versi 3 sebagai versi terbaru yang jauh lebih lengkap dari versi 2 sebelumnya.

ANALISIS STATISTIK MULTIVARIATE DENGAN APLIKASI SEM PLS SMARTPLS 3.2.6



Hipotesis inti adalah H1,H2 sampai dengan H6. Variabel laten X1, X2, Y1, dan Y2 adalah konstruk yang juga dapat disebut primary dimension, sedangkan network quality (X1.1), trust (X1.2) serta partnership (X1.3) dinyatakan sebagai sub-dimension ( Lin et al, 2005), Wetzel et al (2009).

Kita membahas software Smartpls versi 3 sebagaimana tampak pada Gambar 1.13 yang menyajikan tampak depan dari software Smartpls versi 3 sebagai versi terbaru yang jauh lebih lengkap dari versi 2 sebelumnya.

Gambar 1.13

Tampak depan Window sheet smartpls versi 3

Software Smartpls versi 3 tersedia pada CDROM, yang dapat diinstall secara gratis pada masa pemakaian tak terbatas untuk versi student, dan pemakaian 1 bulan untuk versi professional.

Pada CDRM juga tersedia dataindro.csv, kwx.csv serta cndrfnl.

csv, ketiganya adalah hasil penelitian lapangan melalui pengembangan instrumen daftar pertanyaan.

Prosedur pengolahan data disampaikan melalui workshop ini dengan sangat mudah, karena kelebihan dari Smartpls sebagaimana diakui banyak pengguna, adalah easy to use, hanya setiap peserta jangan lupa mengaktifkan internet terelebih dahulu ketika awal melakukan install, untuk seterusnya tidak

69 Gambar 1.13

Tampak Depan Window Sheet Smartpls versi 3

Software Smartpls versi 3 tersedia pada CDROM, yang dapat diinstall secara gratis pada masa pemakaian tak terbatas untuk versi student, dan pemakaian 1 bulan untuk versi professional. Pada CDRM juga tersedia dataindro.csv, kwx.csv serta cndrfnl.csv, ketiganya adalah hasil penelitian lapangan melalui pengembangan instrumen daftar pertanyaan.

Prosedur pengolahan data disampaikan melalui workshop ini dengan sangat mudah, karena kelebihan dari Smartpls sebagaimana diakui banyak pengguna, adalah easy to use, hanya setiap peserta jangan lupa mengaktifkan internet terelebih dahulu ketika awal melakukan install, untuk seterusnya tidak lagi diperlukan fasilitas internet dalam praktik pengolahan data berikutnya.

Berikut disampaikan tahap pengolahan data dataindro.csv sebagai sampel pembahasan.

Kita telah membahas model karya tulis Indro Kirono di awal pembahasan, berikut kita fokuskan kepada model second order collaboration yang dikonstruk



Dr. SuDjana BuDhiaSa, SE., M.Si

Dr. SuDjana BuDhiaSa, SE., M.Si