no comments

Uji Outer Model Pada PLS-Path Modeling.

Dalam model SEM yang berbasis varian atau PLS-Path Modeling, model ini terdiri dari Outer model  (model pengukuran) dan Inner model (model structural ). Dengan demikian evaluasi  model pada PLS-PM juga terdiri 2 peringkar iaitu evaluasi outer model dan Inner Model. Hal yang perlu diperhatikan dalam menggunakan PLS-PM adalah tidak ada satu kriteria statistik yang mampu menilai secara keseluruhan suatu model sehingga peneliti tidak mampu melakukan analisa inferensi untuk menguji kelayakan model. Sebagai alternatif, uji nonparametrik melalui metode re-sampling seperti Jackknifing dan Bootstrapping boleh digunakan pada estimasi suatu model yang dihasilkan.

OUTER MODEL
Pada outer model kita kenal 2 jenis hubungan indikator pada konstruknya, maka pengujian dilakukan sesuai dengan bentuk indikatornya iaitu indikator reflektif dan indikator formatif.
INDIKATOR REFLETIF
Loading Faktor
Nilai Loading faktor menunjukan korelasi antara indikator dengan konstruknya. Indikator dengan nilai loading yang rendah menunjukan bahawa indikator tersebut tidak sesuai pada model pengukurannya. nilai loading yang diharapkan > 0.7.
Cross Loading
Nilai Cross Loading merupakan ukuran lain dari validitas diskrimanan. Nilai yang diharapkan bahawa setiap indikator memiliki loading lebih tinggi untuk konstruk yang diukur dibandingkan dengan nilai loading ke konstruk yang lain.
Composite Reliability.
Nilai Composite reliability menunjukan internal consistency iaitu nilai composite reliability yang tinggi menunjukan nilai konsistensi dari masing-masing indikator dalam mengukur konstruknya. Nilai CR diharapkan > 0.7.
Average Variance Extracted (AVE)
Nilai AVE digunakan untuk mengukur berapa banyak  varians yang dapat ditangkap oleh konstruknya dibandingkan dengan varians yang ditimbulkan oleh kesalahan pengukuran. Nilai AVE harus lebih besar (> 0.5)

  • INDIKATOR FORMATIF
Pada model hubungan formatif, outer weight (penimbang) setiap indikator dbandingkan satu dengan yang lain untuk menentukan indikator yang memberikan kontribusi terbesar dalam satu konstruk. Pada alpha 5 % indikator dengan penimbang terkecil (t-statistik > 1.96). Selain signifikansi nilai weight, evaluasi dilakukan apakah terdapat multikolinieritas pada indikatornya. Untuk mengujinya dengan mengetahui nilai Variance Inflation factor (VIF). Nilai VIF < 10 mengindikasikan tidak terdapat multikol.
Sumber: Statistikdata.com
KOMEN ANDA

Komen

TENTANG KAMI | PENAFIAN | HUBUNGI | HANTAR ARTIKEL