no comments

Mempelajari dan Memahami

Skripsi kadang membuat  kita untuk gigih berjuang memahami setiap topik yang dibahas dalam setiap sub-bab yang ada. selalu menjadi sebuah fikiran apa lagi saat memasuki pengolahan data, bahkan skripsi sering  kali menjadi mainan pikiran baru yang selalu memenuhi firkiran pagi siang malam.

Ada beberapa kehebatan dari software SmartPLS :

  1. Orientasi analisis smartPLS lebih ke arah prediksi bukan konfirmasi model.
  2. Pendekatan smartPLS dianggap powerful karena tidak mendasarkan pada berbagai andaian.
  3. SmartPLS mampu mengkonfirmasi teori dan menjelaskan hubungan.
  4.  Jumlah sampel yang dibutuhkan dalam analisis relatif kecil dan data dalam analisis samrtPLS tidak harus memiliki distribusi normal.
  5.  SmartPLS mampu menguji model formatif dan reflektif dengan skala pengukuran indikator berbeda dalam satu model. Apapun bentuk skalanya (rasio kategori, Likert, dam lain-lain) dapat diuji dalam satu model.
Cara membaca dan memahami output of SmartPLS
 
A. validity
  1. pilih  calculate > PLS algorithm> finish kemudian report >> default report
  2. untuk melihat nilai discriminant validity boleh terus lihat dari gambar atau untuk lebih jelas bisa di lihat pada output cross loading (report >> default report>> quality criteria>> cross loading)Menurut Ghozali (2008) suatu indikator dianggap valid jika memiliki nilai korelasi di atas 0,70. Namun untuk loading 0,50 sampai 0,60 masih dapat diterima dengan melihat output korelasi antara indikator dengan konstruknya. 
  3. Cross loadings berguna untuk menilai apakah konstruk memiliki discriminant validity yang mencukupi, yaitu dengan cara membandingkan korelasi indikator suatu konstruk tersebut dengan konstruk lainnya. Jika korelasi indikator konstruk memiliki nilai lebih tinggi dibandingkan dengan korelasi indikator tersebut terhadap konstruk lain, maka dikatakan konstruk memiliki discriminant validitas yang tinggi.
  4. cara lain untuk mengukur discriminant validity dapat dilihat pada  AVE (>0,50) antara indikator dengan konstruknya. (report >> default report>> quality criteria>>overview>> AVE)
  5. Metode lain untuk menilai discriminant validity adalah dengan membandingkan Square Root of Average (AVE) untuk setiap konstruk dengan korelasi antara konstruk dengan konstruk lainnya dalam model. Model mempunyai discriminant validity yang cukup jika akar AVE untuk setiap konstruk lebih besar dari pada korelasi antara konstruk dengan konstruk lainnya dalam model.   (report >> default report>> quality criteria>>laten variable correlation)

B. reliability

  1. report >> default report>> quality criteria>>overview>> Composite reliability
  2. Uji reliability dilakukan dengan melihat nilai composite reliability dari blok indikator yang mengukur konstruk. Menurut Ghozali (2008) hasil composite reliability akan menunjukkan nilai yang memuaskan jika di atas 0,7.

C. pengujian model konstruk

  1. report >> default report>> quality criteria>>overview>>r-square
  2. r-square berfungsi menjelaskan kemampuan independent variable menjelaskan dependent variable. Semakin tinggi nilai R-square maka semakin besar kemampuan variabel independen tersebut dapat menjelaskan variabel dependen

D. Uji Hipotesis

  1. calculate>>bootstrapping>>
  2. pastikan jumlah cases dan sample yang di gunakan sesuai dengan jumlah data (kuesioner) yang ada pada data yang di input. kemuadian finish
  3. report >> default report>>bootstrapping>>totaleffect (Mean, STDEV, T-Value)>>t-statistict
  4. done.

Sumber : Plsblogspot

KOMEN ANDA

Komen

TENTANG KAMI | PENAFIAN | HUBUNGI | HANTAR ARTIKEL