WORKSHOP METODE PENELITIAN KUANTITATIF UTA 45 JAKARTA Jumat

WORKSHOP METODE PENELITIAN KUANTITATIF UTA’ 45 JAKARTA Jumat, 20 Juni 2014 Metode “Structural Equation Modeling” dan Interpretasi Hasil Penelitian Dengan Menggunakan Program Smart PLS (Partial Least Square) Moderating Variabel Instruktur: Sihar Tambun, SE, M. Si, Ak. Email: sihar. tambun@yahoo. com Email: sihar. tambun@uta 45 jakarta. ac. id Software download Gratis: www. smartpls. de 1 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Introduction of PLS • Jika antar variabel independen terjadi korelasi (ada multikolinieritas), maka analisis regresi tidak layak dipakai, sehingga PLS diciptakan untuk solusi ini. • PLS mengakomodasi data besar (banyak) dan data kecil (sedikit) • PLS Tidak banyak asumsi • PLS bisa untuk konfirmasi dan prediksi • PLS bisa menggunakan indikator reflesif dan formatif • PLS menguji estimasi dan signifikansi dengan model Resampling (Bootstrap) • Tujuan Estimasi PLS adalah membuat komponen skor / bobot terbaik dari variabel laten endogen, untuk memprediksi hubungan variabel laten dengan indikatornya. • Inner Model: Hubungan antar sesama variabel Laten. • Outer Model: Hubungan antara indikator dengan variabel latennya. 2 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

PRAKTEK SEM – PLS MODEL MODERATING VARIABEL 3 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Langkah PLS untuk Moderating 1. Memperoleh data penelitian berdasarkan indikator pengukuran variabel. Data diinput di Ms. Excel dan kemudian di Save – As dalam format CSV (Comma Delimited). 2. Menggambar model penelitian sesuai dengan tujuan penelitian yang didukung oleh grand theory, riset pendahuluan dan hipotesis yang ingin diuji. 3. Menempatkan posisi moderating diantara variabel eksogen dan endogen. 4. Mengolah data estimate, untuk mengetahui Hasil Outer Model 5. Mengolah data Resampling Bootstrapping, untuk mendapatkan model terbaik. 6. Membaca goodness of fit dari model 7. Hasil pengujian hipotesis. 4 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Langkah 1: Pastikan data Moderating dengan nama “Latihan 2” telah dirubah dengan format CSV. Kemudian Create New Project “Latihan 2”. Hingga model siap untuk digambar: 5 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Gambarkan Model Penelitian seperti ini. Judul Penelitian : “Pengaruh Kualitas Dosen dan Proses Belajar Mengajar Terhadap Kepuasan Mahasiswa, dengan Fasilitas Belajar sebagai variabel Moderating. ” Jumlah data sebanyak 92. Tahapan menggambar liat pada slide berikutnya: 6 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Langkah 2: Gambarkan terlebih dahulu variabel latennya dan indikatornya seperti dibawah ini. Untuk interaksi dari variabel moderating tidak digambar sendiiri, tetap akan terbentu secara otomatis. 7 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Langkah 3: Untuk menambahkan gambar variabel interaksi antara variabel laten dengan moderatingnya, dapat dialukan dengan cara: Klik kanan variabel KM, pilih Create Moderating Effect. 8 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Moderasi Pertama, yaitu menempatkan “Fasilitas Belajar” sebagai variabel pemoderasi dari pengaruh “Kualitas Dosen “ terhadap “Kepuasan Mahasiswa”. Klik semua yang berwarna biru, Finish. 9 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Hasilnya: Dapat dilihat disebelah kanan (diperlukan pengaturan untuk menempatkan posisinya disana). Tanda bintang adalah lambang interaksi atau perkalian data. 10 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Moderasi Kedua, yaitu menempatkan “Fasilitas Belajar” sebagai variabel pemoderasi dari pengaruh “Proses Belajar Mengajar “ terhadap “Kepuasan Mahasiswa”. Klik semua yang berwarna biru, Finish. 11 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Hasilnya: Dapat dilihat disebelah kiri (diperlukan pengaturan untuk menempatkan posisinya disana). Tanda bintang adalah lambang interaksi atau perkalian antar data variabel. 12 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Langkah 4 s/d 7: Lakukan sama seperti Sesi – I “Langkah ke 4” sampai dengan “Langkah ke-7” akan mengeluarkan output PLS yang dibutuhkan, seperti dibawah ini. Bandingkan dengan hasil anda. Gambar: Hasil Outer Loadings 13 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Output PLS Bootstrapping untuk model Moderating Variabel. Hasil ini digunakan untuk menjawab permasalahan dan hiotesis penelitian, apakah signifikan atau tidak. Bootsrapping dilakukan dengan criterian “Cases 300” dan “Sample 92”. (Bandingkan dengan Hasil Anda) Gambar: Hasil Bootstrapping 14 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Output PLS model Moderating Variabel, khususnya untuk uji goodness of fit atau uji kelayakan data penelitian. (Bandingkan dengan Hasil Anda) 15 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Output PLS model Moderating Variabel. Lihat hasil pengujian pada kolom T Statistik, bila hasilnya > 1, 96 berarti bahwa hasil pengujian hipotesis adalah signifikan. (Bandingkan dengan Hasil Anda) 16 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt

Selesai Sampai Ketemu di Pelatihan Selanjutnya 17 SEM dengan Smart PLS Tim Dosen FEB UTA'45 Jkt