analisis data menggunakan partial least square
TRANSCRIPT
-
8/19/2019 Analisis Data Menggunakan Partial Least Square
1/12
Analisis Data Menggunakan Partial Least Square (PLS)^ [Part 2]
Bagian ini merupakan revisi dari tulisan sebelumnya yaitu PLS Part1, dikarenakan beberapa pertimbangan dosen pembimbing akhirnya
metode analisis data ditambahkan Uji Asumsi (combine with SPSS )
Data yang diperoleh dari hasil penelitian kemudian diolah menggunakan teknik analisis
data yaitu Partial Least Square (PLS). PLS menurut Wold dalam Ghozali (2008)
merupakan metode analisis yang powerful oleh karena tidak didasarkan banyak
asumsi. enelitian ini menggunakan PLS sebagai teknik analisis data dengan software
SmartPLS !ersi 2.0."# yang dapat di$download dari http%&&'''.smartpls.de. "etode
PLS mempunyai keunggulan tersendiri diantaranya% data tidak harus berdistribusi
normal multivariate (indikator dengan skala kategori ordinal inter!al sampai rasio dapat
digunakan pada model yang sama) dan ukuran sampel tidak harus besar. al ini sesuai
dengan *umlah sampel pada penelitian ini yaitu +# responden. Walaupun PLS
digunakan untuk menkon,irmasi teori tetapi dapat *uga digunakan untuk men*elaskan
ada atau tidaknya hubungan antara !ariabel laten.
Tahapan yang digunakan untuk menganalisis data, yaitu:
a. Confirmatory Factor Analysis (-nalisis aktor /on,irmatori). hur1h dan urke dalam
Widhiarso (2003) mengatakan bah'a teknik -nalisis aktor /on,irmatori adalah salah
satu teknik yang 1ukup adekuat dalam menganalisis model sederhana dalam melihat
ber,ungsinya konstruk empirik (,aktor) di sebuah model struktural. Salah satu kelebihan
-nalisis aktor /on,irmatori adalah tingkat ,leksibilitasnya ketika diaplikasikan dalam
sebuah model hipotesis yang kompleks. 4u*uan dari analisis ,aktor ini adalah
men*elaskan dan menggambarkan dengan mereduksi *umlah parameter yang ada
http://annisty.blogspot.com/2010/01/analisis-data-menggunakan-partial-least.htmlhttp://annisty.blogspot.com/2010/01/analisis-data-menggunakan-partial-least.htmlhttp://www.smartpls.de/http://www.smartpls.de/http://annisty.blogspot.com/2010/01/analisis-data-menggunakan-partial-least.htmlhttp://annisty.blogspot.com/2010/01/analisis-data-menggunakan-partial-least.html
-
8/19/2019 Analisis Data Menggunakan Partial Least Square
2/12
(Widhiarso 2003). Confirmatory Factor Analysis konstruk digunakan untuk melihat
!aliditas dari masing$masing indikator dan untuk mengu*i reliabilitas dari konstruk
tersebut. /riteria !aliditas indikator diukur dengan convergent validity . 5ndikator
dikatakan !alid dengan convergent !alidity nilai loading 0.6 namun untuk penelitian
tahap a'al dari pengembangan nilai loading 0.7 sampai 0. dianggap 1ukup dan dapat
pula ditun*ukkan oleh nilai Average Variance Etracted (AVE) yang diatas 0.70.
9eliabilitas konstruk diukur dengan Composite !elia"ility dan Cron"ac# Alp#a. /onstruk
dikatakan relia"el *ika memiliki nilai Composite !elia"ility dan Cron"ac# Alp#a di atas
0.60 (Ghozali (2008).
enelitian yang menekankan pada pembangunan model perlu diu*i kesesuaiannya
termasuk penelitian yang menggunakan structural e$uation modeling . "odel Struktural
die!aluasi menggunakan %oodness of Fit &odel yaitu menun*ukkan perbedaan antara
nilai$nilai yang diamati dan nilai$nilai yang diperkirakan oleh model. ada model regresi
%oodness of Fit (pengu*ian kesesuaian) yang menun*ukkan nilai 92 di atas 80:
dianggap baik (;ogiyanto 2008).
". -nalisis 9egresi erganda dimaksudkan untuk melihat pengaruh langsung antar
konstruk berdasarkan hipotesis yang telah diungkapkan dan model persamaan
struktural (Gambar 3.
-
8/19/2019 Analisis Data Menggunakan Partial Least Square
3/12
Gambar 3.
-
8/19/2019 Analisis Data Menggunakan Partial Least Square
4/12
semua ukuran indikator diasumsikan semuanya !alid mengukur suatu konstruk
sehingga *ika terdapat dua ukuran indikator yang sama reliabilitasnya dapat saling
dipertukarkan (Ghozali 2008).
c. Pat# analysis (analisis *alur)
Gambar 3.2 menun*ukkan hubungan langsung antar konstruk dan antara konstruk
dengan indikator. Cangkah selan*utnya untuk mengu*i besarnya kontribusi yang
ditun*ukkan koe,isien *alur pada setiap diagram *alur dari hubungan kausal antar
konstruk digunakan Pat# Analysis. Pat# Analysis akan mengungkapkan pengaruh
langsung dan pengaruh tidak langsung antar konstruk didasarkan pada koe,isien
regresi yang standardi'ed .
d. *i -sumsi /lasik
*i ini dimaksudkan untuk membuktikan bah'a model regresi penelitian telah
memenuhi asumsi klasik tidak terdapat masalah$masalah regresi yang tidak
diperbolehkan dalam pengolahan data regresi se1ara statistik. *i asumsi klasik akan
diketahui hasilnya dengan batuan software SPSS !ersi
-
8/19/2019 Analisis Data Menggunakan Partial Least Square
5/12
garis diagonalnya. ;ika data menyebar disekitar garis diagonal danmengikuti arah garis diagonal atau gra,ik histogram&gra,ik normal plotnyamenun*ukkan pola distribusi normal maka model regresi memenuhiasumsi normalitas.
1. 2) eteroskedastisitasF bertu*uan untuk mengu*i kemungkinan ter*adiketidaksamaan variance dari residual satu pengamatan ke pengamatanyang lain. ;ika variance satu pengamatan ke pengamatan lain berbedamaka disebut heteroskedastisitas. Salah satu 1ara untuk mendeteksi adatidaknya heteroskedastisitas adalah melihat gra,ik plot antara prediksi!ariabel terikat (dependen) yaitu B9D dengan residualnya S9S5D.Deteksi ada tidaknya heteroskedastisitas dapat dilakukan denganmelihat ada atau tidaknya pola tertentu pada gra,ik s1atter plot antaraS9S5D dan B9D dimana sumbu A adalah A yang telah diprediksidan sumbu = adalah residual (A prediksi H A sesungguhnya) yang telahdisudenti'ed . -pabila dari gra,ik s1atter plot terlihat bah'a titik$titik
menyebar se1ara a1ak serta tersebar baik diatas maupun diba'ahangka nol pada sumbu A maka dapat disimpulkan bah'a tidak ter*adiheteroskedastisitas pada model regresi yang digunakan.
1. #) "ultikolinearitasF bertu*uan untuk mengu*i penemuan korelasi antar!ariabel bebas. "odel regresi yang baik seharusnya tidak ter*adi korelasidiantara !ariabel bebas. ;ika !ariabel bebas saling berkorelasi maka!ariabel$!ariabel ini tidak ortogal (yaitu !ariabel bebas yang nilai korelasiantar sesama !ariabel bebas sama dengan nol). *i multikolonieritasdapat *uga dilihat dari% (
-
8/19/2019 Analisis Data Menggunakan Partial Least Square
6/12
Simulasi SmartPLS (Structural Equation Modeling berbasis ariance)
Pengujian hipotesis dalam penelitian ini menggunakan metode Partial Least Square (PLS).PLS merupakan metode alternatif analisis dengan Structural Equation Modelling (SEM) yang
berbasis variance. eunggulan metode ini adalah tidak memerlukan asumsi dan dapat diestimasidengan jumlah sampel yang relatif ke!il. "lat bantu yang digunakan berupa program SmartPLS
#ersi 2 yang diran!ang khusus untuk mengestimasi persamaan struktural dengan basis variance.
Program SmartPLS #ersi 2 dapat diperoleh se!ara gratis di $$$.smartpls.de. Model struktural
dalam penelitian ini ditampilkan pada %ambar 1 di ba$ah.
!ambar "
M#DEL S$%&'$&%AL
%ambar tersebut menunjukkan bah$a konstruk epemimpinan (M) diukur dengan &
buah indikator yaitu M1' M2' M' M dan M&. *emikian juga konstruk +udaya,rganisasi (+,) diukur dengan indikator yaitu +,1' +,2 dan +,' konstruk Moti-asi (M)
diukur dengan indikator yaitu M1' M2 dan M dan kontruk inerja Pega$ai (P) diukur
dengan / indikator yaitu P1' P2' P'P' P& dan P/. "rah panah antara indikator
http://www.smartpls.de/http://www.smartpls.de/
-
8/19/2019 Analisis Data Menggunakan Partial Least Square
7/12
dengan kontruk laten adalah menuju indikator yang menunjukkan bah$a penelitian
menggunakan indikator reflektif yang relatif sesuai untuk mengukur persepsi. 0ubungan yang
akan diteliti (hipotesis) dilambangkan dengan anak panah antara konstruk
A
Ealuasi Measurement
(Outer
) Model" &*i aliditas
Suatu indikator dinyatakan -alid jika mempunyai loading factor di atas '& terhadapkonstruk yang dituju. ,utput SmartPLS untuk loading factor memberikan hasil sebagai berikut
$abel "
%ES&L$ +#% #&$E% L#AD,-!
+, M P M
+,1 .34&
+,2 .3222
+, .3/2
M1 .531
M2 .3235
M .5/334
M .31/1
M& .32/5
P1 .51&
P2 .5&4
P .5&&&
P .552
P& .533&
P/ .533
M1 .532&3
M2 .3/31
M .3&/
Pengujian -aliditas untuk indikator reflektif menggunakan korelasi antara skor item dengan
skor konstruknya. Pengukuran dengan indikator reflektif menunjukkan adanya perubahan padasuatu indikator dalam suatu konstruk jika indikator lain pada konstruk yang sama berubah (atau
dikeluarkan dari model). 6ndikator reflektif !o!ok digunakan untuk mengukur persepsi sehingga
penelitian ini menggunakan indikator reflektif. abel di atas menunjukkan bah$a loading factor memberikan nilai di atas nilai yang disarankan yaitu sebesar '&. 7ilai paling ke!il adalah
sebesar '51& untuk indikator P1. +erarti indikator yang dipergunakan dalam penelitian ini
adalah -alid atau telah memenuhi convergent validity. +erikut adalah diagram loading factor masing8masing indikator dalam model penelitian
-
8/19/2019 Analisis Data Menggunakan Partial Least Square
8/12
!ambar 2
-,LA, L#AD,-! +A.$#%
Lebih lanjut' indikator reflektif juga perlu diuji discriminant validity dengan cross loading sebagai berikut
$abel 2
%ES&L$ +#% .%#SS L#AD,-!
+, M P M
+,1 .34& ./// ./233& .4&45
+,2 .3222 ./&15& ./&&3 .&414
+, .3/2 ./14/ .&52/ .//
M1 ./2/1 .531 ./&3 .&
M2 ./3333 .3235 .&332 .&1/3
M .53/ .5/334 .52& .&/3&
M ./2/& .31/1 .&35 ./131
M& .&3/ .32/5 .&/42 .&2&41
P1 .5/ .&455 .51& .&/31
P2 ./4&1 .5&5 .5&4 .//23&
P .45& .2/5 .5&&& .1313
P .35 .&23 .552 .&4/
P& ./2/3 .&14/4 .533& .33&5
P/ .&434 .&5/1 .533 .//
M1 .&13 .&2/1 .//3 .532&3
-
8/19/2019 Analisis Data Menggunakan Partial Least Square
9/12
M2 .&15/3 ./53 .&4141 .3/31
M .&2/44 .3513 .&/24 .3&/
Suatu indikator dinyatakan -alid jika mempunyai loading factor tertinggi kepada konstruk
yang dituju dibandingkan loading factor kepada konstruk lain. abel di atas menunjukkan bah$aloading factor untuk indikator +, (+,1 sampai dengan +,) mempunyai loading factor kepada
konstruk +, lebih tinggi dari pada dengan konstruk yang lain. Sebagai ilustrasi loading factor +,1 kepada +, adalah sebesar '34& yang lebih tinggi dari pada loading factor kepada M
('///)' P ('/233&) dan M ('4&45). 0al serupa juga tampak pada indikator8indikator
yang lain.
*engan demikian' kontrak laten memprediksi indikator pada blok mereka lebih baik dibandingkan dengan indikator di blok yang lain. Metode lain untuk melihat discriminant
validity adalah dengan melihat nilai square root of average variance extracted ("#E). 7ilai yang
disarankan adalah di atas '&. +erikut adalah nilai "#E dalam penelitian ini
$abel /
AE%A!E A%,A-.E E0$%A.$ED (AE)
"-erage -arian!e e9tra!ted ("#E)
+, .524221
M ./51/
P .&&/42
M ./51/33
abel di atas memberikan nilai "#E di atas '& untuk semua konstruk yang terdapat pada
model penelitian. 7ilai terendah "#E adalah sebesar '&&/42 pada konstruk P (inerjaPega$ai).
2 &*i %eliabilitas
:ji reliabilitas dilakukan dengan melihat nilai composite reliability dari blok indikator
yang mengukur konstruk. 0asil composite reliability akan menunjukkan nilai yang memuaskan
jika di atas '5. +erikut adalah nilai composite reliability pada output
$abel 1
.#MP#S,$E %EL,A,L,$3
;omposite
-
8/19/2019 Analisis Data Menggunakan Partial Least Square
10/12
kriteria discriminant validity. 7ilai composite reliability yang terendah adalah sebesar '3&4//
pada konstruk M (Moti-asi).
:ji reliabilitas juga bisa diperkuat dengan Cronbach’s lpha di mana output SmartPLS#ersi 2 memberikan hasil sebagai berikut
$abel 1
.%#-A.45S ALP4A;ronba!hs "lpha
+, .31&/1
M .3//&
P .31
M .5&/3
7ilai yang disarankan adalah di atas '/ dan pada tabel di atas menunjukkan bah$a nilaiCronbach’s lpha untuk semua kontruk berada di atas '/. 7ilai terendah adalah sebesar
'5&/3 (M).Pengukuran Communality dan !edundancy dengan program SmartPLS #ersi 2memberikan hasil sebagai berikut
$abel 16
.#MM&-AL,$3 DA- %ED&-DA-.3
;ommunality
-
8/19/2019 Analisis Data Menggunakan Partial Least Square
11/12
abel di atas memberikan nilai '&&/25 untuk konstruk +, yang berarti bah$a M
mampu menjelaskan -arians +, sebesar &&'/25?. 7ilai < juga terdapat pada P yangdipengaruhi oleh M' M dan +, yaitu sebesar '//52 dan M yang dipengaruhi oleh M
dan +, yaitu sebesar '4314/. Pengujian hipotesis adalah sebagai berikut
$abel :&;, 4,P#$ES,S
#riginal
Sam
-
8/19/2019 Analisis Data Menggunakan Partial Least Square
12/12
sebesar '5&32 yang menunjukkan bah$a arah hubungan antara M dengan +, adalah positif.
*engan demikian hipotesis 0/ dalam penelitian ini yang menyatakan bah$a Bepemimpinan
berpengaruh terhadap budaya organisasi pega$aiB diterima.+erdasarkan nilai original sample estimate maka diperoleh bah$a nilai tertinggi yang
mempengaruhi moti-asi (M) adalah pada kepemimpinan (M) yaitu sebesar '2. 0al
tersebut menunjukkan bah$a kepemimpinan mempunyai pengaruh terhadap moti-asi lebihtinggi dari pada pengaruh antara budaya organisasi terhadap moti-asi ('43). Lebih lanjut'
dari tiga -ariabel yang mempengaruhi kinerja pega$ai (P) se!ara langsung' yaitu
kepemimpinan' budaya organisasi dan moti-asi' yang paling besar pengaruhnya adalah moti-asikarena mempunyai nilai original sample estimate tertinggi yaitu sebesar '444 dibandingkan
dua -ariabel yang lain. *engan demikian moti-asi merupakan -ariabel yang paling dominan
dalam mempengaruhi kinerja pega$ai. Sedangkan -ariabel yang paling tidak dominan adalah
kepemimpinan yaitu dengan original sample estimate terke!il yaitu sebesar '22.+erikut adalah diagram nilai statisti! berdasarkan output dengan SmartPLS #ersi 2
!ambar /
#&$P&$ ##$S$%APP,-!