Analisis Statistik dengan SmartPLS

 

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