Penyelesaian Regression Laten score dengan excel

BaB I KONseP dasaR seM PLs

1.5 Penyelesaian Regression Laten score dengan excel

Dr. SuDjana BuDhiaSa, SE., M.Si

Bahan workshop ini diharapkan dapat menjadi bahan review tentang SEM PLS yang disederhanakan, pada proses di mana pemahaman pola yang sederhana dapat menggugah dipergunakan alat analisis SEM PLS khususnya SmartPls pada kebutuhan penulisan skripsi pada jenjang pendidikan Strata 1, yang diyakini bisa dilakukan pada model hubungan tiga variabel laten dangan pengembangan model mediasi segitiga, serta dukugan software Excel dan SPSS dapat dimanfaatkan sebagai pengantar, untuk nantinya bisa masuk ke SmartPLS 3 jika pemahanan mahasiswa sudah menjadi lebih baik dan memadai.

Bahasan berikut akan lebih banyak menguraikan pemahaman data yang tidak dapat diukur secara langsung dikenal sebagai construck yang tidak sama dengan variable. Kemudian terpenting bagi kita adalah menyadari bahwa pengukuran skala adalah pengukuran dimensional, yang memiliki keterbatasan ruang gerak dalam meng-interpretasikan hasil, yang tidak dapat diselaraskan dengan pengembangan model regressi dengan data kuantitatif dan dinyatakan sebagai variable.

1.5 Penyelesaian Regression Laten score dengan excel dan sPss

Data yang dipergunakan sebagai sumber untuk memahami pola kerja analisis factor dan regressi, telah disertakan pada CDROM dan ditampikan sebagian pada Tabel 1.1 . Hasil perhitungan Excel dan SPSS untuk mendapatkan regression score ternyata dapat dibuktikan sama, terdapat sedikit perbedaan karena adanya decimal yang menyebabkan perbedaan yang tidak signifikan.

Jika latent variable cara excel dan cara SPSS dibandingkan, maka seperti tampak pada Gambar 1.7 yang dikelola dengan teknik reduksi mempergunakan excel, serta Gambar 1.8 sepenuhnya mempergunakan fasilitas dimension reduction analisis factor versi Anderson Garbing (1988), sebagaimana disertakan pada pengembangan SPSS.

ANALISIS STATISTIK MULTIVARIATE DENGAN APLIKASI SEM PLS SMARTPLS 3.2.6



Gambar 1.7

Latent variable Regression score Hasil Olah data excel

Cara berhitung melalui cara reduksi dan dibagi dengan standar deviasi, didapatkan std. Y1 dan std. Y2 yang sepenuhnya dilakukan dengan cara manual, sehingga dinyatakan sebagai data latent, yang menjadi basis perhitungan data skala pada Smartpls, dan sejumlah software SEM dan PATH lainnya.

Membandingan cara excel dan SPSS membuktikan bahwa pola sebaran grafik pada Gambar 1.7 dan Gambar 1.8 adalah sama dan tidak berbeda. Dengan demikian, paling sedikit dapat dipahami, bahwa alur pembentukan data latent berbasis analisis factor yang mempergunakan prosedur teknik reduksi.

20

karena adanya decimal yang menyebabkan perbedaan yang tidak signifikan. Jika

latent variable cara excel dan cara SPSS dibandingkan, maka seperti tampak pada

Gambar 1.7 yang dikelola dengan teknik reduksi mempergunakan excel, serta Gambar 1.8 sepenuhnya mempergunakan fasilitas dimension reduction analisis

factor versi Anderson Garbing (1988), sebagaimana disertakan pada

pengembangan SPSS.

Gambar 1.7

Latent Variable Regression Score Hasil Olah Data Excel

Cara berhitung melalui cara reduksi dan dibagi dengan standar deviasi, didapatkan std. Y1 dan std. Y2 yang sepenuhnya dilakukan dengan cara manual, sehingga dinyatakan sebagai data latent, yang menjadi basis perhitungan data skala pada Smartpls, dan sejumlah software SEM dan PATH lainnya.

Membandingan cara excel dan SPSS membuktikan bahwa pola sebaran grafik

pada Gambar 1.7 dan Gambar 1.8 adalah sama dan tidak berbeda. Dengan

demikian, paling sedikit dapat dipahami, bahwa alur pembentukan data latent

berbasis analisis factor yang mempergunakan prosedur teknik reduksi.



Dr. SuDjana BuDhiaSa, SE., M.Si

Gambar 1.8

Latent variable Regression score Hasil Olah analisis Factor data sPss

Penelusuran terhadap hasil akhir dari hubungan kausalitas dari Y1 dan Y2 dalam pola hubungan regressi sederhana, membuktikan bahwa data latent yang diperoleh dari pengolahan excel sama dengan data yang diperoleg melalui cara Anderson Garbing melalui fasilitas analisis factor pada SPSS ( lihat Gambat 1.9 dan Gambar 1.10).

Gambar 1.9

ReGRessION sCORe veRsI PeRHITUNGaN eXCeL Regression

21 Gambar 1.8

Latent Variable Regression Score Hasil Olah Analisis Factor Data SPSS

Penelusuran terhadap hasil akhir dari hubungan kausalitas dari Y1 dan Y2 dalam pola hubungan regressi sederhana, membuktikan bahwa data latent yang diperoleh dari pengolahan excel sama dengan data yang diperoleg melalui cara Anderson Garbing melalui fasilitas analisis factor pada SPSS ( lihat Gambat 1.9 dan Gambar 1.10).

Gambar 1.9

REGRESSION SCORE VERSI PERHITUNGAN EXCEL Regression

Variables Entered/Removed^b

Model Variables

Entered Variables

Removed Method

1 y2^a . Enter

a. All requested variables entered.

b. Dependent Variable: y1

Model Summary

Penelusuran terhadap hasil akhir dari hubungan kausalitas dari Y1 dan Y2 dalam pola hubungan regressi sederhana, membuktikan bahwa data latent yang diperoleh dari pengolahan excel sama dengan data yang diperoleg melalui cara Anderson Garbing melalui fasilitas analisis factor pada SPSS ( lihat Gambat 1.9 dan Gambar 1.10).

Gambar 1.9

REGRESSION SCORE VERSI PERHITUNGAN EXCEL Regression

Variables Entered/Removed^b Model Variables

Entered Variables

Removed Method

1 y2^a . Enter

a. All requested variables entered.

b. Dependent Variable: y1

Model Summary Model R R Square Adjusted R

Square Std. Error of the Estimate

1 .594^a .352 .338 .81378

ANALISIS STATISTIK MULTIVARIATE DENGAN APLIKASI SEM PLS SMARTPLS 3.2.6

0

22 Variables Entered/Removed^b

Model Variables

Entered Variables

Removed Method

1 y2^a . Enter

a. All requested variables entered.

a. Predictors: (Constant), y2

ANOVA^b

Model Sum of Squares df Mean Square F Sig.

1 Regression 15.850 1 15.850 23.934 .000^a

Residual 29.138 44 .662

Total 44.988 45

a. Predictors: (Constant), y2 b. Dependent Variable: y1

Coefficients^a

Model

Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) -7.331E-17 .120 .000 1.000

y2 .594 .121 .594 4.892 .000

a. Dependent Variable: y1

Bardasarkan Ganbar 1.9 didapatkan nilai F yang hanya berbeda pada satu digit, serta nilai R yang hanya berbeda 0.02. Hal yang juga didaptkan pada parameter pada standar beta 0.594 pada model excel yang didapatan sebesar 0.597 pada model SPSS. Dengan demikian, model perhitungan excel adalah valid dan dapat dijadikan rujukan untuk mendapatkan prosedur Anderson Garbing yang juga diterapkan pada SmartPls. Pembaca dapat membuktikan bahwa model dua variabel yang dipolakan melalui penggunaan SmartPls akan menghasilkan model regressi yang sama.

Bardasarkan Gambar 1.9 didapatkan nilai F yang hanya berbeda pada satu digit, serta nilai R yang hanya berbeda 0.02.

Hal yang juga didaptkan pada parameter pada standar beta 0.594 pada model excel yang didapatan sebesar 0.597 pada model SPSS.

Dengan demikian, model perhitungan excel adalah valid dan dapat dijadikan rujukan untuk mendapatkan prosedur Anderson Garbing yang juga diterapkan pada SmartPls. Pembaca dapat membuktikan bahwa model dua variabel yang dipolakan melalui penggunaan SmartPls akan menghasilkan model regressi yang sama.



Dr. SuDjana BuDhiaSa, SE., M.Si

Gambar 1.10

ReGRessION sCORe veRsI aNaLIsIs FaCTOR sPss Regression

Gambar 1.11 menyajikan informasi grafik dari data latent yang bersumber pada perhitungan Smartpls, yang ternyata tidak berbeda banyak dengan Gambar 1.8 maupun Gambar 1.9, sehingga dapat disimpulkan bahwa model pengembangan metode Anderson Garbing yang terdapat pada SPSS juga didapatkan pada SmartPls. Meskipun dengan SPSS bisa didapatkan nilai indikatorloading factors, tetapi SPSS tidak memiliki orientasi kebutuhan praktis seperti yang dapat ditampilkan pada SmartPls, sehingga relatif banyak waktu yang dihabiskan dalam pengolahan data untuk mendapatkan model penyelesaian praktis, seperti disajikan pada SmartPls.

a. Predictors: (Constant), zb

ANOVA^b

Model Sum of Squares Df Mean Square F Sig.

1 Regression 16.060 1 16.060 24.418 .000^a

Residual 28.940 44 .658

Total 45.000 45

a. Predictors: (Constant), zb b. Dependent Variable: za

Coefficients^a

Model

Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 1.849E-17 .120 .000 1.000

Zb .597 .121 .597 4.941 .000

a. Dependent Variable: za

Gambar 1.11 menyajikan informasi grafik dari data latent yang bersumber pada perhitungan Smartpls, yang ternyata tidak berbeda banyak dengan Gambar 1.8 maupun Gambar 1.9, sehingga dapat disimpulkan bahwa model pengembangan metode Anderson Garbing yang terdapat pada SPSS juga didapatkan pada SmartPls. Meskipun dengan SPSS bisa didapatkan nilai indikatorloading factors, tetapi SPSS tidak memiliki orientasi kebutuhan praktis seperti yang dapat ditampilkan pada SmartPls, sehingga relatif banyak waktu yang dihabiskan dalam pengolahan data untuk mendapatkan model penyelesaian praktis, seperti disajikan pada SmartPls.

ANALISIS STATISTIK MULTIVARIATE DENGAN APLIKASI SEM PLS SMARTPLS 3.2.6



Gambar 1.11

Latent variable Regression score Hasil Olah analisis Factor smartPls versi 3