SEM Kriteria PLS SEM AMOS/Lisrel SEM Tujuan Prediksi Parameter Pendekat an Variance Covariance Asumsi Nonparametrik Parametrik Sampel 30-100 200-800 Model Besar (100 konstruk dan 1000 indikator Kecil (<100 indikator) Solusi Admisable Determinacy Mungkin Inadmisable 1
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
SEM
Kriteria PLS SEM AMOS/Lisrel SEMTujuan Prediksi ParameterPendekatan Variance CovarianceAsumsi Nonparametrik ParametrikSampel 30-100 200-800Model Besar (100 konstruk
dan 1000 indikatorKecil (<100 indikator)
Solusi AdmisableDeterminacyidentified
Mungkin InadmisableMungkin IndeterminacyMungkin unidentified
1
Praktek SEM –Praktek SEM –Partial Least Square (PLS)Partial Least Square (PLS)
ModelModel Adopsi
Usefulness
Ease of use
2
Variabel Laten
•ReflektifReflektif• Arah hub dr konstruk ke Arah hub dr konstruk ke
•FormatifFormatif• Arah hub dr indikator ke Arah hub dr indikator ke
konstrukkonstruk
• Antar indikator tidak Antar indikator tidak berkorelasiberkorelasi
X
X1 e1
X3
X2 e2
e2
X
X1
X1
X1
e
3
Indikator dan Konstruk
• Operationalizing the ConstructsOperationalizing the Constructs• Scales from Prior ResearchScales from Prior Research
• Usfulness (U)Usfulness (U) 6 items 6 items ((Pikkarainen, 2004)• Ease of use (T)Ease of use (T) 6 items 6 items (Kim & Prabhakar (2004). • Adoption (AD)Adoption (AD) 4 items 4 items ((Bhattacherjee dan Sanford (2006)
4
Menjalankan PLSMenjalankan PLS
1. Buka layar PLS : 1. Buka layar PLS :
Klik icon java web start dan Klik icon java web start dan akan tampakakan tampak
2. klik start dan akan 2. klik start dan akan tampaktampak
5
Menjalankan PLSMenjalankan PLS
3.Membuat file baru3.Membuat file baru• Klik file dan pilih newKlik file dan pilih new
• Isi nama file diingninkan Isi nama file diingninkan misal LatihPLSmisal LatihPLS
• Klik data dan cari file yg Klik data dan cari file yg diinginkan (file dg diinginkan (file dg ekstensi CSVekstensi CSV
• Pada CSV separators: Pada CSV separators: ganti pilihan semicolon ganti pilihan semicolon dengan Commadengan Comma
• Klik okKlik ok
6
Menjalankan PLS –Menu UtamaMenjalankan PLS –Menu Utama
Selection modeSelection mode
Drawing modeDrawing mode
Connection modeConnection mode
CalculateCalculate
BootstrappingBootstrapping
7
Menjalankan PLS –Menu UtamaMenjalankan PLS –Menu Utama
• Untuk menggambar variabel latent klik Drawing mode Untuk menggambar variabel latent klik Drawing mode (tanda bundar) kemudian diklikan kembali pada layar kerja(tanda bundar) kemudian diklikan kembali pada layar kerja
• Untuk memberi nama variabel latent, klik connection mode Untuk memberi nama variabel latent, klik connection mode kemudian klik variabel latent 2 kali. Kemudian tekan enterkemudian klik variabel latent 2 kali. Kemudian tekan enter
• Untuk menghubungkan antar variabel latent, klik selection Untuk menghubungkan antar variabel latent, klik selection mode. Klik satu variabel latent dan drag ke variabel latent mode. Klik satu variabel latent dan drag ke variabel latent lain. Misal mulai dr variabel independen ke dependenlain. Misal mulai dr variabel independen ke dependen
• Untuk menggambar dan memberi nama variabel observed, Untuk menggambar dan memberi nama variabel observed, blok nama2 indikator dan drag ke variabel latentblok nama2 indikator dan drag ke variabel latent
• Indikator dapat disembunyikan dengan mengklik var latent, Indikator dapat disembunyikan dengan mengklik var latent, kemudian klik kanan. Pilih opsi-opsi yang diinginkankemudian klik kanan. Pilih opsi-opsi yang diinginkan
8
Menjalankan PLSMenjalankan PLS
4. Gambar model 4. Gambar model struktural dengan struktural dengan tombol yg adatombol yg ada
9
Menjalankan PLSMenjalankan PLS
4. Properties diisi 4. Properties diisi seperti berikutseperti berikut
5. Untuk 5. Untuk menghasilkan menghasilkan output, pilih output, pilih calculate model calculate model dan Bootstrappingdan Bootstrapping
10
Ouput PLS-Grafik
11
Uji Validitas
•Convergent validity Convergent validity ditunjukan oleh ditunjukan oleh korelasi antara korelasi antara indikator dengan indikator dengan skor konstruk. skor konstruk.
•Faktor Loading Faktor Loading >|.5| pada outer >|.5| pada outer loadingloading
• Indikator R1 dan Indikator R1 dan R4 tidak validR4 tidak valid
original sample estimate
mean of subsamples
Standard deviation
T-Statistic
Adopsi
AD1 0.720 0.612 0.229 3.149
AD2 0.745 0.693 0.155 4.824
AD3 0.740 0.735 0.097 7.656
AD4 0.749 0.749 0.126 5.928
Usefulness
U1 0.775 0.797 0.046 16.904
U2 0.725 0.721 0.072 10.122
U3 0.764 0.787 0.055 13.814
U4 0.775 0.760 0.110 7.057
U5 0.751 0.760 0.058 13.010
U6 0.716 0.730 0.076 9.435
ease of use
R1 -0.185 -0.161 0.184 1.003
R2 0.735 0.748 0.082 9.017
R3 0.787 0.800 0.046 17.207
R4 0.070 0.072 0.186 0.378
R5 0.719 0.691 0.099 7.279
R6 0.697 0.690 0.094 7.391
R7 0.741 0.714 0.078 9.495
R8 0.775 0.750 0.094 8.212
12
Uji Validitas
Cross loadings
• Discriminant validity Discriminant validity ditunjukan oleh cross ditunjukan oleh cross loading antara loading antara indikator dengan skor indikator dengan skor konstruk. konstruk.
• Korelasi konstruk dg Korelasi konstruk dg indikatornya lebih indikatornya lebih tinggi dibandingkan tinggi dibandingkan korelasi dengan korelasi dengan indikator lainnya indikator lainnya kecuali R1 dan R4kecuali R1 dan R4