Variance Based SEM dengan smartPLS 3.0
(Sesi 2)
Dr. Ananda Sabil Hussein
Box ini berisi file analisa yang kita kerjakan dalam PLS
Gambar model struktural
Nama project
Double klik untuk memasukkan data
Data excel yang dimasukkan harus berformat CSV (Comma delimited)
Untuk
mendapatkan path koefisien
Path Coefficient
0,406 ini adalah koefisien pengaruh Brand Awareness terhadap Brand Image
0,141 ini adalah koefisien pengaruh Brand Awareness terhadap Customer Loyalty
Factor Loading
Ideal nya nilai faktor loading di atas 0,7.
Tetapi sampai 0,6 masi diijinkan. Dibawah 0,6 harus di hapus
Semua nilai faktor loading di atas 0,6
Discriminant Validity
Square root of AVE (Akar kuadrat AVE)
Rule of thumb: Dikatakan tidak ada masalah discriminant validity jika nilai akar kuadrat AVE lebih besar dari pada korelasi dengan konstruk lainnya
Nilai korelasi Bran awareness dengan konstruk lainnya
Unidimensionality
Baik untuk alpha cronbach dan Composite Reliability harus di atas 0,7. Untuk Alpha cronbach sampai 0.6 masih diijinkan (Hair, et al. 2010)
Outer Model
• Predictive relevance (Q-square)
– Q
2= 1 – ( 1 – R
12) ( 1 – R
22) ( 1 – R
32)... ( 1- R
p2) – Q square = 1 – (1-0,179)(1-0,495)(1-0,179)
– Q-square = 0,659
Outer Model
• GoF = 𝐴𝑉𝐸 𝑥 𝑅 2 = 0.624 𝑥 0.295 = 0.429
AVE 𝑅^2
Brand Awareness 0.622
Brand Image 0.608 0.187
Customer Loyalty 0.628 0.511
Service Quality 0.639 0.188
0.624 0.295
Hypothesis Testing
Klik yang
bootstrapping. Setelah di klik subsamples yang sering digunakan
adalah 500 atau 1000
Hypothesis Testing
• Pengujian Hypothesis menggunakan kriteria t- statistik > t- tabel dan dari nilai probability (p values)
• T- statistik didapat dari perhitungan PLS
• T-tabel dilihat pada tabel t. Biasanya untuk alpha 5% nilai t-tabel dengan n >200 adalah 1,976
• Jika menggunakan alpha 5% maka nilai p
values harus < 0.05
Nilai t-statistik Nilai path coefficient
standardized
Nilai p values
