no comments

CARA MEMBACA DAN MEMAHAMI OUTPUT OF SMARTPLS

validity

  • pilih calculate > PLS algorithm> finish kemudian report >> default report
  • untuk melihat nilai discriminant validity bisa lansung dilihat 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.
  • Cross loadings berguna untuk menilai apakah konstruk memiliki discriminant validityyang memadai, 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.
  • cara lain untuk mengukuran discriminant validity dapat dilihat pada AVE (>0,50) antara indikator dengan konstruknya. (report >> default report>> quality criteria>>overview>> AVE)
  • Metode lain untuk menilai discriminant validity adalah dengan membandingkanSquare 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)

reliability

  • report >> default report>> quality criteria>>overview>> Composite reliability
  • 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.

pengujian model konstruk

  • report >> default report>> quality criteria>>overview>>r-square
  • 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

 

Uji Hipotesis

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

    sumber : sutantocilacapblog

 

KOMEN ANDA

Komen

TENTANG KAMI | PENAFIAN | HUBUNGI | HANTAR ARTIKEL