Statistika Industri II-PLS

5/21/2018 Statistika Industri II-PLS

1/31

PARTIAL LEAST SQUARE

1


2/31

Pengantar (1)

PLS pertama kali dikembangkan oleh HermanWold

PLSdikembangkan sebagai alternatif

PEMODELAN PERSAMAAN STUKTURALygdasar teorinya lemah

Indikator dari Variabel Laten tidakmemenuhimodel refleksif,akan tetapi formatif

Variabel Laten bisa berupa hasil pencerminan indikatornya,diistilahkan dengan indikator refleksif.

Variabel Laten bisa dibentuk (disusun) oleh indikatornya, diistilahkandengan indikator formatif

2


3/31

Pengantar (2)

3

Kondisi

Sosial

Keluarga

Bangunan Rumah

Kondisi

Ekonomi

Keluarga

Y21 Y22 Y23

Sikap thdp

Sekolah

KejuruhanPekerjaan

Pendidikan

Pendapatan

Keluarga yg Bekerja

Pengeluaran

Minat thdpSekolah

Kejuruhan

Y11 Y12 Y13


4/31

Pengantar (3)

4

Pendidikan

BangunanTempat Tinggal

Rasio DensitasKeluarga perLuas Lantai

Faktor StatusSosial Keluarga

Pendorong keLuar Negeri

Penarik yangberasal dari Luar

Negeri

Ikut Keluarga /

kawan

Motivasi Kerjake Luar Negeri

PendapatanKeluarga

PengeluaranKeluarga

Jumlah Angg.Keluarga ygBekerja

Faktor EkonomiKeluarga

KesejahteraanKeluarga

Kesehatan Kekayaan

Minat Kembalike Luar Negeri

Diri Sendiri Orang Lain


5/31

Pengantar (4)

PLS dapat digunakan sebagai konfirmasi teori(theoritical testing) dan merekomendasikanhubungan yang belum ada dasar teorinya(eksploratori)

SEM(software: AMOS, LISREL) berbasiskovarian, sedangkan PLS(software: SmartPLSatau Visual PLS) berbasis varian

PLS mampu menghindari: inadmissible solution: model rekursif

factor indeterminacy: indikator formatif

5


6/31

Metode PLS

PEMODELAN di dalamPLS:

Inner modelmodel struktural yang

menghubungkan antar variabel laten

Outer modelmodel pengukuran yang

menghubungkan indikator dengan variabel

latennya

6


7/31

Indikator

Refleksif

Formatif

7

Faktor

Utama 1

x1

x2

x3

e1

e3

e2

zeta1 Faktor

Komposit 1

x1

x2

x3


8/31

Indikator Model Refleksif

Contoh model indikator refleksif adalah Variabel yangberkaitan dengan sikap (attitude) dan niat membeli (purchaseintention).

Sikap umumnya dipandang sebagi respon dalam bentuk

favorable(menguntungkan) atau unfavorable(tidakmenguntungkan) terhadap suatu obyek dan biasanya diukurdengan skala multi item dalam bentuk semantik differencesseperti, good-bad, like-dislike, danfavorable-unfavorable.

Sedangkan niat membeli umumnya diukur dengan ukuran

subyektif seperti how likely-unlikely, probable-improbable,dan/ataupossible-impossible.

8


9/31

Ciri-ciri model indikator reflektif

Arah hubungan kausalitas dari variabel laten

ke indikator

Antar indikator diharapkan saling berkorelasi

(instrumen harus memiliki internal consistency

reliability)

Menghilangkan satu indikator, tidak akan

merubah makna dan arti variabel yg diukur

Kesalahan pengukuran (error) pada tingkat

indikator9


10/31

Indikator Model Formatif

Contoh model indikator formatif adalah di bidang ekonomi,seperti index of sustainable economics welfare, thehuman development index, the quality of life index.

Variabel laten dengan model indikator formatif berupa

variabel komposit Variabel Status Sosial Ekonomi, diukur berdasarkan indikator

yang saling mutually exclusive: Pendidikan, Pekerjaan danTempat Tinggal

Variabel kualitas pelayanandibentuk (formatif) oleh 5dimensi: tangible, reliability, responsive, emphaty danassurance.

10


11/31

Ciri-ciri model indikator formatif

Arah hubungan kausalitas dari indikator ke

variabel laten

Antar indikator diasumsikan tidak berkorelasi

(tidak diperlukan uji reliabilitas konsistensi

internal)

Menghilangkan satu indikator berakibat

merubah makna dari variabel laten

Kesalahan pengukuran berada pada tingkat

variabel laten (zeta)11


12/31

Notasi pada PLS

12


13/31

Notasi pada PLS

= Ksi, variabel latent eksogen

= Eta, variabel laten endogen

x = Lamnda (kecil), loading faktor variabel latent eksogen

y = Lamnda (kecil), loading faktor variabel latent endogen

x = Lamnda (besar), matriks loading faktor variabel latent eksogen

y = Lamnda (besar), matriks loading faktor variabel laten endogen = Beta (kecil), koefisien pngruh var. endogen terhadap endogen

= Gamma (kecil), koefisien pngruh var. eksogen terhadap endogen

= Zeta (kecil), galat model

= Delta (kecil), galat pengukuran pada variabel laten eksogen

= Epsilon (kecil), galat pengukuran pada variabel latent endogen

13


14/31

LANGKAH-LANGKAH PLS

14

Merancang Model Struktural

(inner model)

Merancang Model Pengukuran

(outer model)

Mengkonstruksi Diagram Jalur

Konversi Diagram Jalur ke

Sistem Persamaan

Estimasi: Koef. Jalur, Loading

dan Weight

Evaluasi Goodness of Fit

Pengujian Hipotesis

(Resampling Bootstraping)

1

2

3

4

5

6

7


15/31

LANGKAH KE-1

MERANCANG INNER MODEL

Pada SEM perancangan model adalah berbasis teori, akan

tetapi pada PLS bisa berupa:

Teori

Hasil penelitian empiris

Analogi, hubungan antar variabel pada bidang ilmu yang lain

Normatif, misal peraturan pemerintah, undang-undang, dan

lain sebagainya

Rasional

PLS: Bisa ekplorasihubungan antar variabel

15


16/31

LANGKAH KE-2

MERANCANG OUTER MODEL

Pada SEM semua bersifat refleksif, model

pengukuran tidak penting (sudah terjamin pada

DOV)

Pada PLS perancangan outer modelsangat

penting: refleksif atau formatif

Dasar: teori, penelitian empiris sebelumnya,atau rasional

16


17/31

TAHAP KE-3

17

KONSTRUKSI DIAGRAM JALUR


18/31

LANGKAH KE-4KONVERSI DIAGRAM JALUR KE PERSAMAAN

Outer model

Untuk variabel latent eksogen 1 (reflektif)

x1= x11+ 1

x2= x21+ 2

x3= x31+ 3

Untuk variabel latent eksogen 2 (formatif)

2= x4X4+ x5X5+ x6X6+ 4

Untuk variabel latent endogen 1 (reflektif)

y1= y11+ 1

y2= y21+ 2

Untuk variabel latent endogen 2 (reflektif)

y3= y32+ 3

y4= y42+ 4

18


19/31

LANGKAH KE-4KONVERSI DIAGRAM JALUR KE PERSAMAAN

Inner model:

1= 11+ 22+ 1

2=

1

1+

3

1+

4

2+

2

19


20/31

LANKAH KE-5

Pendugaan parameter :

Weight estimateyang digunakan untuk menghitung data variabellaten

Estimasi jalur(path estimate) yang menghubungkan antar variabellaten (koefisien jalur) dan antara variabel laten dengan

indikatornya (loading) Berkaitan dengan means dan lokasi parameter (nilai konstanta

regresi) untuk indikator dan variabel laten.

Metode estimasi PLS: OLS dengan teknik iterasi Interaction variable

Pengukuran untuk variabel moderator, dengan teknik : menstandarkanskor indikator dari variabel laten yang dimoderasi dan yang memoderasi,kemudian membuat variabel laten interaksi dengan cara mengalikan nilaistandar indikator yang dimoderasi dengan yang memoderasi

20


21/31

LANGKAH KE-6

GOODNESS OF FIT - OUTER MODEL

Outer modelrefleksif :

Convergentdan discriminant validity

Composite realibility

Outer modelformatif :

dievaluasi berdasarkan pada substantive content-

nya yaitu dengan melihat signifikansi dari weight

21


22/31

GOODNESS OF FIT- OUTER MODEL

Convergent validity

Nilai loading0.5 sampai 0.6 dianggap cukup, untuk jumlahindikator dari variabel laten berkisar antara 3 sampai 7

Discriminant validity Direkomendasikan nilai AVE lebih besar dari 0.50.

22

2

2AVE var( )

i

i ii


23/31

GOODNESS OF FIT- OUTER MODEL

Composite reliability

Nilai batas yang diterima untuk tingkat reliabilitas

komposit (c) adalah 0.7, walaupun bukan merupakan

standar absolut.

23

2

2

( )

( ) var( )ii

ic

i


24/31

GOODNESS OF FIT- INNER MODEL

Diukur menggunakan Q-Square predictive

relevance

Rumus Q-Square:

Q2= 1( 1R12) ( 1R2

2 ) ... ( 1- Rp2 )

dimana R12, R2

2... Rp2 adalah R-square variabel

endogen dalam model Interpretasi Q2 sama dg koefisien determinasi total

pada analisis jalur (mirip dengan R2pada regresi)

24


25/31

LANGKAH KE-7

PENGUJIAN HIPOTESIS

Hipotesis statistik untuk outer model:

H0 : i = 0 lawan

H1 : i 0

Hipotesis statistik untuk inner model: variabel laten eksogen terhadap

endogen:H0 : i = 0 lawan

H1 : i 0

Hipotesis statistik untuk inner model: variabel laten endogen terhadapendogen:

H0 : i = 0 lawan

H1 : i 0

Statistik uji: t-test;p-value 0,05 (alpha 5 %); signifikan

Outter modelsignifikan: indikator bersifat valid

Inner modelsignifikan: terdapat pengaruh signifikan

PLS tidak mengasumsikan data berdistribusi normal: menggunakan teknik

resamplingdengan metode Bootstrap 25


26/31

ASUMSI PLS

Asumsidi dalam PLS hanya berkaitan dengan

pemodelanpersamaan struktural:

Hubungan antar variabel laten dalam inner model

adalah linier dan aditif Model srtuktural bersifat rekursif.

26


27/31

SAMPLE SIZE

Ukuran sampel dalam PLS, dengan perkiraan

sebagai berikut:

Sepuluh kali jumlah indikator formatif (mengabaikan

indikator refleksif) Sepuluh kali jumlah jalur (paths) yang mengarah pada

model struktural

Sample size: 3050 atau besar > 200

27


28/31

SOFTWARE PLS

Software PLS pertama kali dikembangkan oleh Jan-Bernd Lohmoller (1984, 1987, 1989) underDOS dan disebut LVPLS Versi 1.8 (Latent Variable Partial Least Square), dapat didownload dihttp://kiptron.psyc.virginia.edu . Software ini dikembangkan lebih lanjut oleh Wynne W Chin(1998, 1999, 2001) menjadi under windows dengan tampilan grafis dan tambahan perbaikanteknik validasi dengan memasukkan bootstrapping dan jacknifing. Software yang dikembangkanoleh Chindiberi nama PLS GRAPHversi 3.0, versi student dapat didownload secara gratis diwww.bauer.uh.edu. Versi student ini mampu mengolah maksimum 30 variabel.

Di University of Hamburg Jermanjuga dikembangkan software PLS yang diberi nama SmartPLS.Versi pertama adalah SmartPLS versi 1.01, kemudian dikembangkan lagi ke versi 2.0 dan yangterakhir (akhir tahun 2006) adalah SmartPLS versi 2.0 M3. Pengembangan software ini meliputiperbaikan tampilan, penambahan fasilitas untuk efek moderator, tambahan report / outputyakni communality, redundancy, dan Alpha Cronbach. Software SmartPLS dapat didownloadsecara gratis di www.smartpls.de.

Software PLS lain dikembangkan oleh Jen Ruei Fudari National Kaohsiung University, Taiwan,yang diberi nama VPLS(VisualPLS). Software ini dapat didownload secara gratis dihttp://www2.kuas.edu.tw.

Software lain yang dapat menjalankan PLS melalui tampilan grafis adalahPLS-GUIyangdikembangkan oleh Yuan Lidari Management Science Department, The More School ofBusiness, University of SouthCarolina. Software ini dapat di download gratis darihttp://dmsweb.badm.sc.edu.

28
http://kiptron.psyc.virginia.edu/http://kiptron.psyc.virginia.edu/http://www.bauer.uh.edu/http://www.smartpls.de/http://www2.kuas.edu.tw/http://dmsweb.badm.sc.edu/http://dmsweb.badm.sc.edu/http://dmsweb.badm.sc.edu/http://www2.kuas.edu.tw/http://www.smartpls.de/http://www.bauer.uh.edu/http://kiptron.psyc.virginia.edu/


29/31

PERBANDINGAN ANTARA ANALISIS PATH (JALUR),

PLS, DAN SEM

29

Kriteria Path PLS SEM

Landasan Teori Kuat Kuat maupun Lemah,

bahkan eksploratif

Kuat

Bentuk hubungan

antar variabel

Linier Linier Linier

Model Struktural Rekursif Rekursif Rekursif dan Nonrekursif

Asumsi Distribusi Normal Tidak diperlukan;

pendekatan resampling

dengan Bootstrapping

-Normal atau

-Tidak diperlukan;

pendekatan resampling

dengan Bootstrapping

Model pengukuran

Di luar pemodelan

- Refleksif- Formatif

Refleksif

- Total Skor

- Rata-rata

Skor

- Rescoring

- Skor Faktor

- Skor

Komponen

Utama

- Indikator

Terkuat


30/31

PERBANDINGAN ANTARA ANALISIS PATH (JALUR),

PLS, DAN SEM

30

Kriteria Path PLS SEM

Ukuran Sampel Sampel minimal 10 kali

jumlah variabel (rule of tumb

dari multivariate abalysis)

Sampel minimal 30-50 atau

sampel besar di atas 200

Sampel minimal

direkomendasikan 100-

200

Modifikasi Model Tidak ada modifikasi Tidak memerlukan

modifikasi indeks, korelasi

antar indikator

Jika model tidak fit,

dapat dilakukan

modifikasi, denganpenuntun berupa indeks

modofikasi

Goodness of fit Koefisien determinasi total Q-Square predictive

relevance, yang pada

dasarnya adalah sama

dengan Koefisien

determinasi total

RMSEA,Chisquare/DF,

dll

(terdapat sebanyak 26

jenis goodness of fit)

Pengujan model Theory Triming, membuang

jalur yang nonsignifikan

Theory Triming,

membuang jalur yang

nonsignifikan

Theory Triming,

membuang jalur yang

nonsignifikan

Output Faktor determinan,

pengujian model

Faktor determinan dan

model struktural, pengujian

model, uji Validitas dan

Reliabilitas

Faktor determinan dan

model struktural,

pengujian model, uji

Validitas dan Reliabilitas


31/31

Terima kasih

31

Documents

Statistika Industri II-PLS