Statistik adalah kumpulan data yang
bisa memberikan gambaran tentang suatu keadaan yang ditekankan pada angka.
Sedangkan statistika adalah Ilmu yang mempelajari cara-cara pengumpulan,
penyajian, analisis, interpretasi dan pengambilan kesimpulan dari data yang
didapat. Dalam pengertian yang lebih luas, statistik artinya kumpulan data
dalam bentuk angka maupun bukan angka yang disusun dalam bentuk tabel (daftar)
dan atau diagram yang menggambarkan (berkaitan) dengan suatu masalah tertentu.
Biasanya suatu data diikuti atau dilengkapi dengan keterangan-keterangan yang
berkaitan dengan suatu peristiwa atau keadaan tertentu. Secara umum fungsi
statistik adalah sebagai alat bantu dalam mengolah hasil penelitian. Banyak
ragam analisis yang dilakukan dalam penelitian, salah satunya yaitu SEM
(Structural Equation Modeling).
SEM merupakan suatu metode analisis
statistik multivariat pengembangan dari regresi dan analisis jalur. Olah data
SEM lebih rumit, karena SEM dibangun oleh model pengukuran dan model
struktural. Di dalam SEM terdapat 3 kegiatan secara bersamaan, yaitu
pemeriksaan validitas dan reliabilitas instrumen (confirmatory factor
analysis), pengujian model hubungan antara variabel (path analysis), dan
mendapatkan model yang cocok untuk predeksi (analisis model struktural dan
analisis regresi). Sebuah pemodelan lengkap pada dasamya terdiri dari model
pengukuran (measurement model) dan structural model atau causal
model. Model pengukuran dilakukan untuk menghasilkan penilaian mengenai
validitas dan validitas diskriminan, sedangkan model struktural, yaitu
pemodelan yang menggambarkan hubungan-hubungan yang dihipotesakan. Untuk
melakukan olah data SEM dengan lebih mudah dapat menggunakan bantuan software
statistik. Saat ini sudah tersedia berbagai macam software untuk olah data SEM
diantaranya adalah Lisrel, AMOS dan Smart PLS.
Penggunaan analisis SEM berbasis covariat
semacam Lisrel dan AMOS, menuntut berbagai macam persyaratan yang sangat ketat
mulai dari kecukupan jumlah sampel, skala pengukuran data, model fit, dan
pemenuhan asumsi lain seperti normality, linearity, dan multikolinearity. Untuk mendapatkan data yang memenuhi semua
syarat tersebut seringkali sulit untuk dipenuhi sehingga perlu ada alternatif
lain. Analisis SEM berbasis Partial Least Square dapat menjadi jawaban yang tepat
untuk mengatasi kelemahan tersebut. Analisis ini tidak menuntut banyak
persyaratan, tapi model yang dihasilkan cukup handal untuk digunakan. Salah
satu program yang populer digunakan adalah SmartPLS.
SmartPLS. Beberapa kelebihan dari software
SmartPLS yaitu antara lain : (1) SmartPLS atau Smart Partial Least
Square adalah software statistik yang sama tujuannya dengan Lisrel dan
AMOS yaitu untuk menguji hubungan antara variabel; (2) Pendekatan smartPLS dianggap powerful karena
tidak mendasarkan pada berbagai asumsi. (3) Jumlah sampel yang dibutuhkan dalam
analisis relatif kecil. Penggunaan Smart PLS sangat dianjurkan ketika kita
mememiliki keterbatasan jumlah sampel sementara model yang dibangung kompleks.
hal ini tidak dapat dilakukan ketika kita menggunakan kedua software di atas.
Lisrel dan AMOS membutuhkan kecukupan sampel; (4) Data dalam analisis
smartPLS tidak harus memiliki distribusi normal karena SmartPLS menggunakan
metode bootstraping atau penggandaan secara acak. Oleh karenanya
asumsi normalitas tidak akan menjadi masalah bagi PLS. Selain terkait dengan
normalitas data, dengan dilakukannya bootstraping maka PLS tidak
mensyaratkan jumlah minimum sampel; (5) SmartPLS mampu menguji model SEM 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. Namun kelemahan dari SmartPLS yaitu SmartPLS hanya bisa
membaca data dalam format CSV.
Berikut daftar isi dari panduan penggunaan SmartPLS:
COVER i
DAFTAR ISI iii
PENDAHULUAN 1
Mengenal SmartPLS 1
Persiapan 2
Langkah Analisis 2
Penafsiran Hasil Analisis 3
Bagian 1. Analisis Jalur 5
Tujuan 5
Contoh Model 5
Langkah-langkah analisis 5
• Persiapan 5
• Memulai Project 6
• Analisis PLS Algorithm 9
• Analisis Bootstrapping 10
Bagian 2. Confirmatory Factor Analysis (CFA) 13
Tujuan 13
Contoh Masalah 13
Langkah-langkah analisis 13
• Persiapan 13
• Memulai Project 14
• Analisis PLS Algorithm 17
Bagian 3. Structural Equation Model (SEM) 21
Tujuan 21
Contoh Masalah 21
Langkah-langkah analisis 21
• Persiapan 21
• Memulai Project 22
• Analisis PLS Algorithm 24
• Analisis Bootstrapping 28
Referensi 31
Link: Download Analisis Statistik dengan SmartPLS
