Dilarang mengutip, memperbanyak dan menerjemahkan sebagian atau seluruh isi buku ini tanpa izin tertulis dari penerbit Minhaj Pustaka. Buku ini merupakan pelengkap dari Buku Corat Coret Catatan Statistisi Pemula dan Lanjutan dari Buku Aplikasi SmartPLS Untuk Statistisi Pemula. Buku ini berisikan langkah-langkah pengolahan statistika dengan aplikasi software SmartPLS, Model CBSEM dan Regresi.
Adapun metode yang dibahas dalam buku ini adalah model-model standard yang biasa digunakan peneliti mulai untuk pengolahan data primer yang menggunakan instrument kuesioner. Untuk edisi terbaru SmartPLS 4.0 juga dilengkapi dengan model-model yang menggunakan efek moderating, quadratic dan multigroup analysis. Sehingga penulis, sangat mengharapkan kritik dan saran dari pembaca demi penyempurnaan buku ini ke depan.
Akhir kata penulis berharap, buku ini dapat menambah referensi dan pemahaman pembaca akan metode statistika.
Konsep Dasar SEM PLS
Pengujian Model Pengukuran ( Outer Model ) a. Uji Validitas
Convergen validity dinilai berdasarkan korelasi antara item score/compound score dengan construct score yang dihitung dengan PLS. Selain itu nilai convergent validity juga dapat diukur dengan Average Variance Extracted (AVE) setiap konstruk dalam model. Salah satu melihat validitas adalah dengan melihat nilai cross loading faktor yang berguna untuk mengetahui apakah konstruk memiliki diskriminan yang memadai yaitu dengan cara membandingkan nilai loading pada konstruk yang dituju harus lebih besar dibandingkan dengan nilai loading dengan konstruk yang lain.
Selain itu juga dapay melihat dengan metode Fornnel dan Larcker yaitu membandingkan nilai square root of Average Variance Extracted (AVE) setiap konstruk dengan korelasi antara konstruk dengan konstruk lainnya dalam model. Jika nilai akar kuadrat AVE setiap konstruk lebih besar daripada nilai korelasi antara konstruk dengan konstruk lainnya dalam model, maka dikatakan memiliki nilai discriminant validity yang baik. Disamping uji validitas konstruk, dilakukan juga uji reliabilitas konstruk yang diukur dengan composite reliability dan cronbach’s alpha dari blok indikator yang mengukur konstruk.
Konstruk dinyatakan reliabel jika memiliki nilai composite reliability di atas 0,70 dan cronbach’s alpha di atas 0,70.
Pengujian Model Struktural ( Inner Model )
Tujuannya untuk melihat pengaruh langsung variabel independen terhadap variabel dependen, selain itu melihat pengaruh tidak langsung dengan mengalikan hasil koefisien pengaruh variabel independen-variabel intervening dengan variabel intervening-variabel dependen. Dalam hal ini menggunakan regresi linier menggunakan intervening atau lebih dikenal sebagai analisis jalur/ path analisis. Tujuannya untuk melihat pengaruh variabel independen terhadap variabel dependen, selain itu melihat pengaruh variabel moderator untuk memperkuat atau memperlemah pengaruh varaiebl independen terhadap varaiebl dependennya dengan cara mengalikan nilai standar (z score) variabel independen dengan niali standar (z score) variabel moderator.
Selain itu melihat apakah variabel independent tersebut juga berpengaruh secara kudratik tidak hanya linier saja terhadap varibel dependennya. Tujuannya untuk melihat apakah ada perbedaan pengaruh antar group data missal gender (apakah berbeda pengaruh varibel independen terhadap dependen untuk responden pria dan responden wanita).
Uji Model Mediasi/Intervening
- Persiapan Memasukkan Data File Create New Project
- Menggambar Pola Hubungan antar Variabel
- Melakukan Uji Outer dan Inner Model
- Pengujian Hypothesis
- Pengujian Pengaruh Langsung
- Pengujian Pengaruh Tidak Langsung
Dari hasil di atas terlihat semua indikator sudah berada di atas 0,6 (wana hijau) sehingga dapat dilanjutkan dengan pengujian lainnya. Dari hasil di atas terlihat nilai AVE semua variabel sudah berada di atas 0,5 (wana hijau) sehingga dapat dilanjutkan dengan pengujian lainnya. Dari hasil di atas terlihat nilai cross loading terbesar masing- masing indikator bersesuaian dengan variabel latennya.
Dari hasil di atas terlihat nilai akar AVE (nilai di diagonal utama) lebih besar dari masing-masing korelasi antar variabel latennya (nilai di bawah diagonal utama). Dari hasil di atas seluruh konstruk memiliki nilai composite reliability di atas 0,70 dan cronbach’s alpha di atas 0,70. Cohen (1988) mengatakan bahwa Effect Size f2 yang disarankan adalah di atas 0.15, dimana dengan variabel laten eksogen memiliki pengaruh moderat pada level structural.
Dari hasil di atas seluruh konstruk memiliki nilai f2 di atas 0,15 sehingga memiliki pengaruh moderat pada level struktural c.
Uji Model Mediasi/
Intervening dengan Efek Kuadratik
Multi Group Analysis (MGA) pada Model Mediasi/
Intervening
Uji Model Moderasi
- Pengujian Model Pengukuran ( Outer Model) a. Uji Validitas
Misalkan peneliti akan menguji pengaruh lingkungan kerja terhadap Kinerja Pegawai yang dimoerasi oleh kekakuan peraturan/. Klik Double-clik to import data, pilih data yang mau diolah missal data model moderasi. Untuk memindahkan letak posisi indakator, klik variabel laten klik kanan align indikator to left (right/top/bottom).
Selanjutnya kita dapat mengexsport hasil uji outer dan inner model ke excel pada menu: export to excel. Nilai ini merupakan nilai cross loading faktor yang berguna untuk mengetahui apakah konstruk memiliki diskriminan yang memadai yaitu dengan cara membandingkan nilai loading pada konstruk yang dituju harus lebih besar dibandingkan dengan nilai loading dengan konstruk yang lain. Selanjutnya dilakukan uji reliabilitas konstruk yang diukur dengan composite reliability dan cronbach’s alpha dari blok indikator yang mengukur konstruk.
Nilai r square adjusted sebesar 0,588 artinya variabel independen (lingkungan kerja), variabel mediator (kekakutan peraturan) serta interaksinya mampu menjelasakan variabel dependen (kinerja pegawai) sebesar 58.8 persen sisanya oleh variabel lain di luar model. Untuk melihat apakah pengaruh variabel laten eksogen terhadap variabel laten endogen memiliki pengaruh yang substantif digunakan effect size f2. Dari hasil di atas seluruh konstruk memiliki nilai f2 di atas 0,15 sehingga memiliki pengaruh moderat pada level structural.
Nilai Q-square lebih besar 0 (nol) menunjukkan bahwa model mempunyai nilai predictive relevance, sedangkan nilai Q-square kurang dari 0 (nol) menunjukkan bahwa model kurang memiliki predictive relevance. Evaluasi Goodness of Fit model diukur menggunakan variabel laten dependen dengan interpretasi yang sama dengan regresi. Pada test type pilih one tailed (jika di hipotesis ada arah hubungan missal pengaruh positif) atau two tail (jika hipotesis hanya pengaruh saja tanpa arah). Pada inner model: klik drop dowm pilih path and P-Value. Pada outer model: klik drop down pilih blank. Pada contructs pilih Rsquare adjusted. Pada hight Path: pilih use absolute value. Selanjutnya kita dapat mengexsport hasil uji outer dan inner model ke excel pada menu: export to excel. O/STDEV|) P Values Lingkungan *Peraturan ->.
Hal ini berarti kenaikan 1 poin lingkunagn kerja akan meningkatkan kinerja pegawai sebesar 0.365, dengan asumsi variabel lain konstan. Hal ini berarti kenaikan 1 poin kekakuan peraturan/ birokrasi akan menurunkan kinerja pegawai sebesar 0.607, dengan asumsi variabel lain konstan.
Regresi Linier Berganda pada Data Cross Section Gaussian
Persiapan Memasukkan Data File Create New Project
Selanjutnya akan muncul data yang siap diolah terdapat nama indicator, jumlah missing data serta informasi deskriptif masing- masing indicator seperti nilai min dan max lalu klik import. Nilai r adj-0.6271 artinya variasi kemiskinan tahun 2021 mampu dijelaskan oleh gini dan ipm sebesar 60.30 persen sisanya 39.70 oleh variabel lain di luar model. Karena nilai sign.prob value t =0.000 < alpha (0.05) maka tolak Ho dan disimpulkan variabel independent berpengaruh signifikan.
Nilai koefisien ipm negatif artinya kenaikan IPM akan menurunkan persentase kemiskinan dengan asumsi variabel lain konstan. Nilai koefisien gini positif artinya kenaikan gini akan menaikkan persentase kemiskinan dengan asumsi variabel lain konstan. 0.777 > alpha (0.05) maka tidak tolak Ho dan disimpulkan bahwa varian datanya homogen, bebas asumsi heterokedastisitas.
Regresi Binary Logistik pada Data Cross Section
Klik Double-clik to import data, pilih data yang mau diolah misal data binary logistik. Nilai pseudo r2 0.0401 artinya variasi kejadian bayi lahir rendah mampu dijelaskan oleh kelahiran kembar dan jarak kelahiran sebesar 4.01 persen sisanya variabel lain di luar model. Nilai koefisien jarak lahir positif artinya peluang BBLR lebih tinggi pada bayi yang lahir kembar dibanding yang tidak kembar dengan odds sebesar exp kali, dengan asumsi variabel lain konstan.
Nilai jarak lahir positif artinya peluang BBLR lebih tinggi pada kelahiran dengan jarak < 2 tahun dibanding jarak kelahiran > 2 tahun, dengan odds sebesar exp kali, dengan asumsi variabel lain konstan.
Teori Dasar
Covarian Base SEM (CB-SEM)
Untuk jumlah sampel yang relatif besar (di atas 2000) terdapat metode Asymtot Distribution Free (ADF) yang tidak memerlukan asumsi normalitas pada data. Peneliti dapat dengan mudah memodifikasi model dengan second order untuk memperbaiki model yang telah disusun agar lebih layak secara statistik. Uji Kesesuaian dan Uji Statistik: Likelihood ratio chi-square statistic (χ2), Root Mean Square Error Approximation (RMSEA), Goodness of Fit Index (GFI), Adjusted Goodness of Fit Index (AGFI), The Minimum Sampel Discrepancy Function atau Degree of Freedom (CMIN/DF), Tucker Lewis Index (TLI) dan Comparative Fit Index (CFI).
2 – Chi-Square statistic, semakin kecil nilai 2 semakin baik model itu, dan diterima berdasarkan probabilitas dengan cut- off value sebesar p> 0,05 atau p>0,010. RMSEA (The Root Mean Square Error of Approximation), merupakan suatu indeks yang digunakan untuk mengkonpensasi chi-square dalam sampel yang besar. GFI (Goodness of fit Index), merupakan ukuran non statistical yang mempunyai rentang nilai antara 0 sampai dengan 1.
TLI (Tucker Lewis Indeex), merupakan incremental index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model. CFI (Comparative Fit Index), rentang nilai sebesar 0 -1, dimana semakin mendekati 1, mengindikasikan tingkat fit yang paling tinggi.
Aplikasi pada Model CBSEM Intervening/Mediasi
Klik Double-clik to import data, pilih data yang mau diolah missal data model mediasi. Pada kolom indikator blok semua indikator per variabel missal Brand Image (BI1-BI3) lalu draf ke area windows.
Model Process PLS (Mediasi dan Moderasi)
DAFTAR PUSTAKA
PROFIL PENULIS
Ade Marsinta Arsani, SST, MPMA, ME Ade Marsinta Arsani adalah seorang statistisi di Badan Pusat Statistik (BPS) RI sejak tahun 2013. Menyelesaikan Pedidikan Diploma IV Statistika Ekonomi pada tahun 2012 di Sekolah Tinggi Ilmu Statistik (STIS) Jakarta, dan Master Administration Public Policy di Rikkyo Jepang pada tahun 2021 dan Magister Ekonomi di Universitas Padjadjaran (Unpad) Bandung pada tahun 2022. Menyelesaikan pendidikan sarjana di Universiats Negeri Jakarta (UNJ) pada tahun 2015 pada program studi Pendidikan matematika.
Pada tahun 2018 menyelesaikan S2 di Universitas Negeri Jakarta (UNJ) pada pada program studi Penelitian dan Evaluasi Pendidikan. Penulis memiliki pengalaman sebagai pengajar dengan berbagai matakuliah evaluasi pembelajaran, manajemen sumber daya manusia, metode penelitian dan lainnya. Ranti Nugraheni adalah dosen pada program studi Akuntansi - S1 di Universitas Pembangunan Nasional Veteran Jakarta (UPNV Jakarta).
Pada tahun 2011 menyelesaikan pendidikan sarjana di Universitas Indonesia pada program studi matematika dan S2 di Universitas Trisakti pada program studi Akuntasi tahun 2017. Lianna Wijaya, A.Md., S.E., M.M.S.I Lianna Wijaya adalah dosen pada program studi PJJ Manajemen - S1 di Universitas Bina Nusantara (Binus) Jakarta. Penulis memiliki pengalaman sebagai pengajar dengan berbagai matakuliah ekonomi, tugas akhir skripsi, etika bisnis dan lainnya.
Pada tahun 2008 menyelesaikan pendidikan sarjana di Universitas Negeri Gorontalo dan S2 di Sekolah Tinggi Ilmu Administrasi Bina Taruna tahun 2011. Program Doktoral diselesaikan di Fakutas Ilmu Sosial dan Politik Universitas Hasanuddin Makassar pada Program Studi S3 Administrasi Publik tahun 2017. Pada edisi SmartPLS 4.0 ini selain dapat digunakan untuk SEM berbasis varian atau dikenal dengan SEM PLS, juga dapat digunakan untuk SEM berbasis covarian serta untuk data yang berupa data dengan distribusi campuran (data nominal, ordinal dan kuantitatif) dengan GSCA.
Aplikasi Smart PLS 4.0
UNTUK STATISTISI PEMULA
