Memulai Program SmartPLS: Klik start, Pilih Program, Pilih Java Web Start dan Klik Java Web Start, seperti tampak pada Gambar berikut:

Teks penuh

(1)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

1

PENGOPERASIAN SEM

dengan Smart

PLS

Oleh :

Dr. Bambang Widjanarko Otok, M.Si

bambang_wo@statistika.its.ac.id

,

otok_bw@yahoo.com

Jurusan Statistika FMIPA - ITS

Memulai Program SmartPLS: Klik start, Pilih Program, Pilih Java Web Start dan Klik

Java Web Start, seperti tampak pada Gambar berikut:

(2)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

2

Selanjutnya juga tampak Gambar berikut:

Pada Gambar di atas pilih Start dan Klik, akan tampak Gambar berikut:

Pada Kotak Dialog di atas, terdapat menu File ?, File terdiri dari New, Open

dan Exit. Sedangkan ? terdapat About SmartPLS Jika Klik File akan tampak

Gambar berikut:

(3)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

3

Untuk memulai Klik New atau Ctrl+N, akan tampak seperti Gambar berikut:

Gambar di atas berisi 3(tiga) kotak dialog yaitu (Model name, Data source

and name, CSV Separators). Model name berisi nama model yang akan kita

buat, misalnya ketik

Kinerja

, Data source and name berisi sumber dan

nama data yang akan digunakan (sama halnya dengan AMOS, Smart PLS

tidak disediakan untuk entry data. Jadi dalam menyiapkan data digunakan

bantuan dari excel, SPSS, notepad (ASCII) yang disimpan dengan type: .csv.

(atau jika masih dalam extension excel, SPSS, notepad (ASCII) simpan lagi

dengan cara File save as kemudian pada type cari extension .csv) untuk

mencari sumber dan nama data yang digunakan, Klik

dan tersaji

seperti Gambar berikut:

(4)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

4

Pilih Kinerja_PLS.csv

Klik Open, akan tampak seperti Gambar berikut:

Untuk CSV Separator berisi struktur dari data yang dipisahkan dengan

koma atau colon, titik koma atau semicolon). Apabila kotak dialog sudah

terisi sesuai dengan yang dikehendaki, maka Klik OK, akan muncul Gambar

sebagai berikut:

Gambar di atas merupakan tampilan

Model Editor

. SmartPLS model editor

terdiri dari 3(tiga) area, yaitu

Data, Properties dan Drawing board

. Data

berisi Manifest variables atau variable indicator, Properties berisi 4(empat)

setting yaitu Output Setting, Bootstrapping Setting, Data Setting dan

Algorithm setting. Sedangkan Drawing Board berisi bentuk tool bar sebagai

berikut:

(5)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

5

Selecting Mode

Drawing Mode

Connection Mode

Delete

Grid on/off

Original Size

Zoom In

Zoom Out

Undo

Redo

Group

Ungroup

Bring to front

Send to back

Calculate Model

Bootstraping

Pandang Model Struktural pada Materi Teori PLS. Untuk membuat model

tersebut dimulai dengan pembuatan variable latent, dengan cara Klik

,

seperti tampak pada Gambar berikut:

(6)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

6

Double Klik Pada lv0, …, lv3 untuk memberi label pada variable latent.

Selanjutnya Enter, seperti tampak pada Gambar berikut:

(7)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

7

Sekarang memasukkan variable indicator pada masing-masing variable

latent, dimana variable latent (komitmen professional) terdiri dari 6(enam)

indicator (KP1, KP2, …, KP6), dengan cara Klik KP1 pada Data (Manifest

Variabel) dan Klik Kiri KP1 tekan terus dan letakkan ke variable latent

(komitmen professional) (drag drop) seperti Gambar berikut.

Lakukan hal yang sama sampai semua indicator masuk dalam variable

latent seperti Gambar berikut.

(8)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

8

Jika semua indicator ingin diletakkan sebelah kiri dari variable laten,

lakukan Klik Kanan pilih Order indicator… dan pilih left, seperti pada

Gambar berikut:

(9)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

9

Lakukan sampai semua variabel latent terisi indikator-indikatornya, seperti

gambar berikut:

Untuk membuat jalur antar variable latent, Klik

. Selanjutnya Klik

variable latent yang akan dihubungkan variable latent yang lain, seperti

Gambar berikut.

(10)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

10

Dari sini, siap dilakukan analisis, tetapi terlebih dulu output apa yang akan

kita inginkan dapat dilihat dari Properties.

Dalam praktikum ini isikan seperti Gambar berikut:

(11)
(12)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

12

Output tersimpan dalam file HTML yaitu sebagai berikut:

PLS Output

Table of contents

Iterations of the PLS-Algorithm

Inner weights (structural model)

Outer weights (measurement model)

Outer loadings (measurement model)

Scores of the latent variables

Correlations of the latent variables

Iterations of the PLS-Algorithm

iteration KK1 KK2 KK3 KK4

0 1.000 1.000 1.000 1.000

1 0.335 0.237 0.285 0.286

2 0.340 0.233 0.284 0.287

3 0.340 0.233 0.285 0.287

iteration KK5 KO1 KO2 KO3

0 1.000 1.000 1.000 1.000

1 0.154 0.273 0.311 0.227

2 0.153 0.272 0.312 0.221

3 0.152 0.272 0.312 0.221

iteration KO4 KO5 KP1 KP2

0 1.000 1.000 1.000 1.000 1 0.220 0.253 0.132 0.197 2 0.224 0.255 0.132 0.197 3 0.224 0.255 0.132 0.197 iteration KP3 KP4 KP5 KP6 0 1.000 1.000 1.000 1.000 1 0.209 0.236 0.247 0.174 2 0.209 0.236 0.246 0.176 3 0.209 0.236 0.246 0.176 iteration PK1 PK2 PK3 PK4 0 1.000 1.000 1.000 1.000 1 0.241 0.202 0.257 0.277 2 0.239 0.202 0.256 0.276 3 0.239 0.202 0.256 0.277 iteration PK5 0 1.000 1 0.221 2 0.224 3 0.223

(13)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

13

Inner weights (structural model)

Komitmen Profesional Komitmen Organisasi Perilaku Kerja Kinerja Komitmen Profesional 0.215 0.167 Komitmen Organisasi 0.202 0.164 Perilaku Kerja 0.171 Kinerja

Outer weights (measurement model)

Komitmen Profesional Komitmen Organisasi Perilaku Kerja Kinerja

KK1 0.340 KK2 0.233 KK3 0.285 KK4 0.287 KK5 0.152 KO1 0.272 KO2 0.312 KO3 0.221 KO4 0.224 KO5 0.255 KP1 0.132 KP2 0.197 KP3 0.209 KP4 0.236 KP5 0.246 KP6 0.176 PK1 0.239 PK2 0.202 PK3 0.256 PK4 0.277 PK5 0.223

(14)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

14

Outer loadings (measurement model)

Komitmen Profesional Komitmen Organisasi Perilaku Kerja Kinerja

KK1 0.824 KK2 0.687 KK3 0.789 KK4 0.807 KK5 0.682 KO1 0.750 KO2 0.846 KO3 0.742 KO4 0.761 KO5 0.774 KP1 0.704 KP2 0.879 KP3 0.797 KP4 0.916 KP5 0.842 KP6 0.826 PK1 0.804 PK2 0.813 PK3 0.840 PK4 0.895 PK5 0.810

Scores of the latent variables

Komitmen Profesional Komitmen Organisasi Perilaku Kerja Kinerja

0 -0.890 0.353 -0.365 -0.697 1 -0.103 0.718 -0.230 0.328 2 -0.160 -1.127 0.394 0.561 3 0.848 -0.022 -1.676 -0.700 4 0.087 0.161 1.511 0.556 5 0.860 -0.022 -1.175 1.527 6 -0.837 -1.127 -0.384 -0.223 7 -0.802 -0.761 0.234 -0.327 8 -0.456 -0.387 -0.959 0.395 9 0.784 -0.761 0.943 0.395 10 -0.731 -0.022 -0.107 0.026

(15)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

15

11 0.701 -0.204 1.511 0.121 12 -0.731 -0.568 -1.175 -1.016 13 -0.879 -0.102 -0.384 0.058 14 0.924 -0.884 0.943 0.337 15 -1.031 0.679 -0.368 -0.334 16 -0.784 -0.147 -0.107 0.395 17 0.817 0.218 0.634 -1.522 18 -0.967 -0.063 -1.700 1.065 19 0.878 -1.339 -1.855 -1.294 20 -0.720 -0.579 0.909 -1.132 21 -0.174 0.141 0.048 0.164 22 0.358 0.556 -0.091 -0.223 23 0.484 -1.684 -0.666 -1.136 24 -1.129 -2.050 -2.071 -0.518 25 -1.185 -0.134 1.098 -1.090 26 -1.435 0.698 0.220 1.065 27 -0.872 -1.522 -0.477 -1.921 28 0.943 -0.894 0.762 -0.737 29 -0.872 -0.204 -0.350 0.121 30 -0.977 -1.705 -1.527 -0.506 31 -1.435 -1.705 -0.876 0.167 32 1.037 -0.406 0.082 0.623 33 -0.988 -0.184 -1.873 -2.265 34 -1.063 -0.568 -0.400 1.527 35 0.256 -0.856 0.039 -0.859 36 1.781 1.488 0.131 -0.801 37 -1.101 1.286 0.264 0.794 38 0.809 0.979 -0.583 -0.688 39 1.647 -0.713 0.503 0.389 40 -1.302 0.777 -0.057 1.511 41 -0.874 -1.541 0.952 0.161 42 -0.683 -0.618 -1.666 0.435 43 -1.008 -0.618 -0.537 0.161 44 -1.207 -0.252 0.832 0.784 45 -0.383 -0.099 -0.057 0.510 46 0.805 0.624 -0.356 0.510 47 0.620 -1.281 0.177 0.118 48 1.687 0.103 0.503 -0.899

(16)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

16

49 -0.411 -1.281 -1.175 -1.915 50 1.478 0.056 0.832 0.118 51 -0.653 0.159 -1.391 -0.111 52 0.113 -0.663 0.986 0.118 53 0.045 -0.589 0.918 0.118 54 -1.020 -1.127 -1.364 -1.477 55 -0.923 -2.050 -0.287 0.392 56 0.904 -0.204 1.511 0.118 57 -0.757 -1.127 -1.175 -1.915 58 -0.290 1.641 -1.330 0.392 59 -0.081 0.103 -1.700 -1.477 60 1.644 0.718 0.366 -0.307 61 -1.110 -2.050 0.918 -0.581 62 0.694 1.641 1.134 -0.057 63 1.214 -0.204 0.211 -0.414 64 -0.874 0.718 0.334 1.801 65 0.729 0.718 -1.209 0.784 66 -1.142 0.718 0.643 0.784 67 -0.741 1.641 0.581 -0.240 68 -0.711 1.641 0.702 0.266 69 -0.363 -0.670 0.643 1.577 70 0.664 -1.243 1.511 -2.265 71 1.549 0.316 0.454 0.270 72 -1.153 -0.204 -1.546 -0.226 73 1.064 -1.270 1.322 -0.681 74 -0.581 0.262 0.979 -0.621 75 1.102 1.641 1.106 -1.248 76 0.659 0.718 0.770 1.075 77 0.968 1.641 0.581 -0.323 78 1.781 1.641 1.322 0.058 79 0.659 0.718 0.581 1.075 80 0.529 1.641 0.797 -0.166 81 1.175 0.718 0.486 1.303 82 -1.001 -1.127 -1.657 0.287 83 -0.854 -2.050 1.322 0.287 84 1.175 0.718 1.511 1.577 85 -1.331 0.718 0.581 0.784 86 1.090 -0.511 -0.394 -2.265

(17)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

17

87 -0.736 -2.050 0.288 -0.232 88 0.658 1.641 0.118 0.784 89 0.995 -0.907 -2.071 -2.265 90 -0.526 1.641 1.322 0.784 91 1.184 -1.262 1.184 -2.265 92 0.975 -1.665 0.616 0.712 93 0.282 0.289 -1.314 0.105 94 0.533 -0.745 0.632 0.682 95 -1.158 1.236 1.322 1.065 96 0.026 0.779 -0.607 0.774 97 0.563 0.220 0.797 0.613 98 0.809 -0.289 0.427 1.339 99 -1.207 -0.196 0.115 -1.450 100 0.519 -0.882 0.523 -2.090 101 -1.041 -0.337 -1.873 -1.086 102 -1.114 1.641 -2.071 0.587 103 0.675 1.641 0.986 -0.185 104 -1.114 0.353 0.813 -1.226 105 1.553 1.458 1.134 -0.583 106 -1.207 0.718 0.543 0.956 107 -1.146 -0.761 -0.376 -0.368 108 1.622 0.901 0.002 0.034 109 1.781 0.901 1.322 0.317 110 1.454 0.748 -0.334 -1.638 111 1.500 1.641 0.132 0.613 112 -1.114 -0.204 -1.777 0.285 113 0.661 0.594 1.322 0.587 114 0.514 0.594 -1.504 1.058 115 1.224 1.305 -1.530 -0.234 116 -1.010 0.594 -0.782 1.177 117 0.805 0.856 -1.700 -1.137 118 -1.292 0.768 0.354 1.801 119 -1.193 -1.888 -1.873 0.236 120 1.781 0.911 -1.364 -1.741 121 -0.279 -0.511 0.493 0.328 122 0.154 -0.031 -0.094 -1.127 123 -0.131 1.034 0.488 0.067 124 -0.356 1.073 0.261 0.610

(18)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

18

125 -0.818 0.241 0.832 0.825 126 -0.198 -0.178 0.461 -0.057 127 1.000 -0.042 0.770 1.527 128 1.781 0.589 -0.349 1.801 129 1.781 -0.202 -0.126 -0.021 130 1.037 0.660 -1.364 -1.813 131 0.486 -0.175 -0.030 1.573 132 1.781 0.165 0.122 0.556 133 -1.426 1.317 0.554 0.158 134 -0.121 -0.180 -0.711 -1.123 135 1.401 0.992 1.295 0.561 136 1.553 -1.166 -1.503 -0.700 137 -0.172 -0.812 0.666 0.008 138 -1.099 0.136 0.461 0.561 139 -1.439 1.439 0.632 0.117 140 0.606 1.641 1.372 0.176 141 -1.573 -1.121 -0.168 -0.235 142 0.482 0.883 0.616 0.212 143 -1.101 -2.050 -1.700 0.282 144 -0.858 -0.175 1.045 0.846 145 -1.008 -0.142 0.770 0.606 146 0.671 0.180 0.341 1.008 147 -0.963 -0.162 0.755 -0.700 148 0.190 0.371 0.770 0.298 149 0.398 0.456 0.450 1.573 150 1.024 -2.050 -1.348 1.573 151 -0.847 0.718 0.365 0.556 152 -0.967 -2.050 -1.159 0.846 153 -0.711 1.641 0.443 1.054 154 -0.363 -0.267 0.832 0.108 155 -1.013 -1.243 -1.314 -1.816 156 1.549 0.316 0.643 1.461 157 -1.154 -2.050 -1.546 0.556 158 1.064 -0.560 1.511 0.046 159 -0.581 0.165 1.168 0.113 160 -1.573 0.103 0.261 -2.265 161 -1.114 1.305 -1.777 0.631 162 0.661 0.901 1.322 0.817

(19)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

19

163 1.352 0.901 0.616 1.058 164 0.805 0.856 -1.700 -1.925 165 -1.292 -0.038 0.354 1.801 166 -1.059 -0.641 -1.873 0.236 167 -0.995 0.307 0.427 -2.090 168 1.239 -0.511 0.493 -0.021 169 0.154 -0.031 -0.094 -1.477

Correlations of the latent variables

Komitmen Profesional Komitmen Organisasi Perilaku Kerja Kinerja Komitmen Profesional 1.000 Komitmen Organisasi 0.215 1.000 Perilaku Kerja 0.210 0.238 1.000 Kinerja -0.048 0.204 0.210 1.000

Goodness of fit measures

Table of contents

R-square

Composite Reliability

Average variance extracted (AVE)

Cross loadings

R-square

R-square Komitmen Profesional Komitmen Organisasi 0.046 Perilaku Kerja 0.083 Kinerja 0.069

(20)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

20

Composite Reliability

Composite Reliability Komitmen Profesional 0.929 Komitmen Organisasi 0.883 Perilaku Kerja 0.919 Kinerja 0.872

Average variance extracted (AVE)

Average variance extracted (AVE) Komitmen Profesional 0.689

Komitmen Organisasi 0.602

Perilaku Kerja 0.694

Kinerja 0.578

Cross loadings

Komitmen Profesional Komitmen Organisasi Perilaku Kerja Kinerja

KK1 0.024 0.208 0.173 0.824 KK2 -0.146 0.129 0.152 0.687 KK3 0.007 0.163 0.157 0.789 KK4 -0.065 0.149 0.183 0.807 KK5 -0.064 0.029 0.155 0.682 KO1 0.220 0.750 0.240 0.110 KO2 0.241 0.846 0.228 0.221 KO3 0.039 0.742 0.275 0.175 KO4 0.137 0.761 0.124 0.231 KO5 0.260 0.774 0.166 0.133 KP1 0.704 0.077 0.174 0.021 KP2 0.879 0.152 0.228 -0.033 KP3 0.797 0.231 0.161 -0.061 KP4 0.916 0.244 0.202 -0.055 KP5 0.842 0.237 0.274 -0.077 KP6 0.826 0.158 0.153 -0.036 PK1 0.162 0.153 0.804 0.219 PK2 0.201 0.185 0.813 0.140 PK3 0.175 0.219 0.840 0.188 PK4 0.201 0.184 0.895 0.241 PK5 0.216 0.270 0.810 0.092

(21)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

21

(22)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

22

Bootstrapping results

Table of contents

Settings

results for inner weights

results for outer loadings

results for outer weights

outer weights for each sample

outer loadings for each sample

inner weights for each sample

Settings

number of samples 170

number of cases in original sample 170

cases per sample 50

preprocessing option no changes

results for inner weights

original sample estimate mean of subsamples Standard deviation T-Statistic Komitmen Profesional -> Komitmen Organisasi 0.215 0.222 0.165 1.303 Komitmen Profesional -> Perilaku Kerja 0.167 0.187 0.136 1.223 Komitmen Organisasi -> Perilaku Kerja 0.202 0.241 0.172 1.175 Komitmen Organisasi -> Kinerja 0.164 0.201 0.192 0.850 Perilaku Kerja -> Kinerja 0.171 0.216 0.178 0.957

(23)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

23

results for outer loadings

original sample estimate mean of subsamples Standard deviation T-Statistic Komitmen Profesional KP1 0.704 0.714 0.126 5.580 KP2 0.879 0.862 0.058 15.079 KP3 0.797 0.787 0.088 9.076 KP4 0.916 0.900 0.047 19.656 KP5 0.842 0.827 0.066 12.788 KP6 0.826 0.812 0.077 10.772 Komitmen Organisasi KO1 0.750 0.724 0.138 5.425 KO2 0.846 0.845 0.061 13.831 KO3 0.742 0.737 0.147 5.058 KO4 0.761 0.770 0.091 8.381 KO5 0.774 0.756 0.097 7.976 Perilaku Kerja PK1 0.804 0.808 0.066 12.121 PK2 0.813 0.821 0.061 13.342 PK3 0.840 0.833 0.068 12.391 PK4 0.895 0.891 0.031 29.058 PK5 0.810 0.797 0.080 10.187 Kinerja KK1 0.824 0.796 0.144 5.727 KK2 0.687 0.653 0.169 4.060 KK3 0.789 0.762 0.159 4.958 KK4 0.807 0.769 0.136 5.931 KK5 0.682 0.658 0.198 3.437

(24)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

24

results for outer weights

original sample estimate mean of subsamples Standard deviation T-Statistic Komitmen Profesional KP1 0.132 0.155 0.110 1.195 KP2 0.197 0.197 0.076 2.577 KP3 0.209 0.207 0.105 1.979 KP4 0.236 0.222 0.075 3.130 KP5 0.246 0.236 0.091 2.709 KP6 0.176 0.164 0.082 2.140 Komitmen Organisasi KO1 0.272 0.243 0.111 2.448 KO2 0.312 0.298 0.080 3.903 KO3 0.221 0.225 0.117 1.889 KO4 0.224 0.245 0.089 2.506 KO5 0.255 0.241 0.089 2.862 Perilaku Kerja PK1 0.239 0.244 0.075 3.210 PK2 0.202 0.219 0.064 3.176 PK3 0.256 0.248 0.070 3.646 PK4 0.277 0.266 0.048 5.781 PK5 0.223 0.212 0.066 3.376 Kinerja KK1 0.340 0.327 0.168 2.028 KK2 0.233 0.217 0.148 1.576 KK3 0.285 0.268 0.133 2.134 KK4 0.287 0.256 0.119 2.410 KK5 0.152 0.157 0.202 0.754

(25)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

25

LATIHAN_1,

Gunakan data:

kinerja.xls

dengan model sebagai berikut:

LATIHAN_2.

Gunakan data:

market.xls

dengan model sebagai berikut:

X1

X2

Y1

Y2

Y3

X14 e4 1 1 X13 e3 1 X12 e2 1 X11 e1 1 X24 e8 1 1 X23 e7 1 X22 e6 1 X21 e5 1 Y11 e9 1 1 Y12 e10 1 Y13 e11 1 Y23 e14 1 1 Y22 e13 1 Y21 e12 1 Y31 e15 1 1 Y32 1 e16 Y33 1 e17 Y34 1 e18 e19 1 e20 1 e21 1 e22 1 e23 1

(26)

SEM dengan Partial Least Square (PLS) bambang_wo@statistika.its.ac.id -

26

Daftara Pustaka

Chin, W. W. (1998). The partial least squares approach for structural equation

modeling. In George A. Marcoulides (Ed.),

Modern Methods for Business

Research

, Lawrence Erlbaum Associates, pp. 295-336.

Chin, W. W., and Newsted, P. R. (1999). Structural Equation Modeling

analysis with Small Samples Using Partial Least Squares. In Rick Hoyle

(Ed.),

Statistical Strategies for Small Sample Research

, Sage Publications, pp.

307-341.

Falk, R. F., & Miller, N. B. (1992).

A primer for soft modeling

. Akron: The

University of Akron Press.

Fornell, C. & Barclay, D. W. (1983).

Jackknifing in PLS

. Graduate School of

Business Administration, The University of Michigan, Ann Arbor, MI.

Efron, B. & Tibshirani, R. J. (1993).

An introduction to the bootstrap

. New York:

Chapman and Hall.

Gray, H. L & Schucany, W. R. (1972).

The generalized jackknife statistic

. New

York: Marcel Dekker.

Wildt, A. R., Lambert, Z. V., & Durand, R. M. (1982). Applying the jackknife

statistic in testing and interpreting canonical weights, loadings, and

cross-loadings.

Journal of Marketing Research

, 19, pp. 99-107.

Figur

Gambar di atas berisi 3(tiga) kotak dialog yaitu (Model name, Data source  and name, CSV Separators)

Gambar di

atas berisi 3(tiga) kotak dialog yaitu (Model name, Data source and name, CSV Separators) p.3
Gambar di atas merupakan tampilan Model Editor. SmartPLS model editor  terdiri dari 3(tiga) area, yaitu Data, Properties dan Drawing board

Gambar di

atas merupakan tampilan Model Editor. SmartPLS model editor terdiri dari 3(tiga) area, yaitu Data, Properties dan Drawing board p.4

Referensi

Memperbarui...

Related subjects :