Bootstrapping Complete PLS SEM Dan Blindfolding

0
572

Bootstrapping Complete PLS SEM Menggunakan SMARTPLS

Saatnya kita sampai pada bagian untuk menjelaskan bagaimana melakukan analisis bootstrapping complete PLS SEM menggunakan SMARTPLS. Sebelumnya kita sudah bahasa serangkaian tutorial analisis PLS SEM dari awal hingga sampai tahap bootstrapping basic. Saatnya kita kupas lebih jauh terkait cara dan interpretasi bootstrapping complete pada PLS SEM ini. Pada bagian kedua artikel ini, akan kita bahas juga tentang Blindfolding dalam PLS SEM.

Sebelum memulai tutorial ini, jangan lupa baca artikel-artikel kami sebelumnya tentang PLS SEM. Anda bisa mulai baca pada artikel berikut: Pengertian dan Tujuan Partial Least Square SEM hingga artikel kami yang berjudul: Bootstrapping PLS SEM Metode Basic SMARTPLS.

Untuk mempermudah anda mempelajari tutorial ini, anda juga dapat mendownload file output hasil analisis bootstrapping complete yang sudah kami lakukan ini. File tersebut di link download berikut ini: Output Expor Excel Bootstrapping Complete PLS SEM.

Manfaat Bootstrapping Complete PLS SEM menggunakan SMARTPLS

Seperti yang telah dijelaskan sebelumnya pada artikel yang lalu, bahwa bootstrapping basic hanya menghitung tingkat signifikansi atau kemaknaan dari direct effects, indirect effects dan total effect serta juga menghitung signifikansi dari outer loading dan outer weight.

Pada bahasan kali ini, yaitu pada analisis bootstrapping complete PLS SEM menggunakan SMARTPLS, kita dapat melakukan bootstrapping pada nilai-nilai lainnya yang tidak ada pada analisis bootstrapping basic atau dasar. Nilai tersebut antara lain: R Square, Adjusted R Square, F Square, SRMR sebagai probabilitas model Fit, composite reliability, Rho A dan Cronbach’s Alpha.

Namun oleh karena bagian SRMR, composite reliability, Rho A dan Cronbach’s Alpha sudah dapat diambil kesimpulan berdasarkan analisis partial least square serta untuk analisis direct effects, indirect effects dan total effects sudah dapat dilakukan menggunakan metode basic, maka tidak akan dikupas lebih jauh dalam tutorial ini.

Sehingga pada tutorial ini hanya akan lebih fokus pada analisis yang hanya ada dan dibutuhkan dalam bootstrapping PLS SEM. Analisis tersebut antara lain: R Square, Adjusted R Square dan F Square.

Tutorial Bootstrapping Complete PLS SEM menggunakan SMARTPLS

Cara atau langkah untuk melakukan analisis Bootstrapping Complete PLS SEM menggunakan SMARTPLS adalah sebagai berikut: saat anda sudah melakukan analisis bootstrapping sebelumnya, silahkan klik menu calculate kemudian pilih bootstrapping. Selanjutnya akan terbuka jendela seperti analisis bootstrapping biasanya, yaitu sebagai berikut:

Bootstrapping Complete PLS SEM SMARTPLS
Bootstrapping Complete PLS SEM SMARTPLS

Langkahnya sama dengan analisis bootstrapping metode basic sebelumnya, hanya saja pada pilihan Amount of Results, anda pilih Complete Bootstrapping.

Output Bootstrapping Complete PLS SEM SMARTPLS

Hasil dari analisis Bootstrapping Complete PLS SEM menggunakan SMARTPLS adalah sebagai berikut:

R Square Bootstrapping Complete PLS SEM
R Square Bootstrap Metode Complete PLS SEM

Bootstrapping Complete Terhadap R Square

Berdasarkan output diatas, dapat kita lihat nilai dari hasil analisis bootstrap terhadap R Square metode complete.

Nilai P value  R Square pengaruh simultan terhadap Y maupun terhadap Z adalah kurang dari 0,05 sehingga terima H1. Maka dapat disimpulkan sebagai berikut:

  1. Pengaruh simultan konstruk X1 dan X2 terhadap Y berdasarkan probabilitas R Square adalah terima H1 atau bermakna secara statistik.
  2. Pengaruh simultan konstruk X1, X2 dan Y terhadap Z berdasarkan probabilitas R Square adalah terima H1 atau bermakna secara statistik.

Bootstrapping Complete Terhadap Adjusted R Square

Tidak jauh berbeda dengan R Square, berikut adalah hasil analisis bootstrap metode complete terhadap adjusted r square.

Adjusted R Square Bootstrap Metode Complete
Adjusted R Square Bootstrap metode Complete

Berdasarkan output diatas, dapat kita lihat hasil analisis bootstrapping Adjusted R Square metode complete.

Nilai P value  Adjusted R Square pengaruh simultan terhadap Y maupun terhadap Z adalah kurang dari 0,05 sehingga terima H1. Maka dapat disimpulkan sebagai berikut:

  1. Pengaruh simultan konstruk X1 dan X2 terhadap Y berdasarkan probabilitas Adjusted R Square adalah terima H1 atau bermakna secara statistik.
  2. Pengaruh simultan konstruk X1, X2 dan Y terhadap Z berdasarkan probabilitas Adjusted R Square adalah terima H1 atau bermakna secara statistik.

Bootstrapping Complete Terhadap F Square

Hasil analisis bootstrapping metode complete pada F Square adalah sebagai berikut:

F Square Bootstrap Metode Complete
F Square Bootstrap Metode Complete

Berdasarkan nilai p value pada gambar tabel F Square diatas, dapat kita lihat bahwasanya semua nilai p value F Square >0,05. Maka artinya semua nilai F Square adalah tidak signifikan atau terima H0. hasil tersebut memberikan kesimpulan bahwa semua efek size tidak ada yang masuk dalam kategori besar.

Bootstrapping Complete Terhadap Nilai Lainnya

Oleh karena analisis lainnya sudah tercover oleh metode-metode analisis sebelumnya, baik metode partial least square maupun bootstrapping basic, maka tidak akan dibahas lebih lanjut disini.

Blindfolding PLS SEM

Setelah kita mempelajari analisis bootstrapping complete, maka saatnya kita juga pelajari tentang analisis blindfolding sebagai analisis relevansi prediksi.

Blindfolding adalah analisis yang digunakan untuk menilai tingkat relevansi prediksi dari sebuah model konstruk. Proses analisis tersebut menggunakan nilai Q Square. Jika Q Square > 0,05 maka dapat disimpulkan bahwa sebuah model konstruk adalah relevan. Artinya, variabel-variabel exogen yang digunakan untuk memprediksi variabel endogen sudah tepat.

Tutorial Blindfolding PLS SEM

Cara atau tutorial blindfolding pada PLS SEM tidak jauh berbeda dengan cara atau langkah analisis sebelumnya, baik partial least square, bootstrapping basic maupun bootstrapping complete. Anda tinggal klik menu CALCULATE kemudian pilih Blindfolding. Biarkan isian pada jendela analisis seperti apa adanya atau secara default. Kemudian klik start calculation.

Tampilannya adalah sebagai berikut:

Analisis Blindfolding PLS
Analisis Blindfolding PLS SEM

Output Analisis Blindfolding PLS SEM

Maka hasilnya dapat digambarkan seperti berikut sesuai dengan tutorial blindfolding PLS SEM ini:

Output Blindfolding PLS
Output Blindfolding PLS

Gambar tabel hasil analisis blindfolding tersebut sama dengan tampilan dalam bentuk diagram struktural sebagai berikut:

Diagram Blindfolding PLS
Diagram Blindfolding PLS

 

Untuk mempermudah para pembaca, anda bisa download hasil output analisis ini dalam format excel di link berikut: Output Analisis Blindfolding.

Kesimpulan Hasil Blindfolding PLS SEM

Berdasarkan tampilan diagram maupun tabel diatas, maka semua nilai Q Square baik pada konstruk Y maupun Z adalah lebih dari 0,05. Sehingga dapat diartikan bahwa prediksi terhadap konstruk Y dan Z sudah tepat atau relevan. Secara detail dapat disimpulkan sebagai berikut:

Relevansi prediksi X1 dan X2 terhadap Y berdasarkan nilai Q Square adalah sebesar 0,199>0,05 maka terima H0. Artinya dapat disimpulkan bahwa variabel exogen X1 dan X2 telah tepat atau relevan jika digunakan sebagai prediktor terhadap konstruk Y sebagai variabel endogen.

Relevansi prediksi X1, X2 dan Y terhadap Z berdasarkan nilai Q Square adalah sebesar 0,279>0,05 maka terima H0. Artinya dapat disimpulkan bahwa variabel exogen X1, X2 dan Y telah tepat atau relevan jika digunakan sebagai prediktor terhadap konstruk Z variabel endogen.

Kesimpulan Analisis PLS SEM Bootstrapping Complete dan Blindfolding

Demikian telah kita bahas dan pelajari bersama-sama, serangkan tutorial analisis tentang PLS SEM yang banyak digunakan. Kita telah mempelajari dasar-dasar teorinya beserta tutorial langkah analisisnya menggunakan aplikasi SMARTPLS.

Analisis yang telah kita pelajari bersama adalah analisis partial least square, bootstrapping metode basic atau dasar, bootstrapping complete atau lengkap serta analisis blindfolding.

Dengan semua tutorial tersebut kita telah selesai mempelajari cara atau langkah dan interpretasi dari model outer maupun model inner dalam analisis PLS SEM.

Semoga serangkan artikel ini bermanfaat bagi para pembaca sekalian dan pelanggan setia www.statistikian.com.

Pada kesempatan lainnya, kita akan mempelajari lebih jauh tentang tutorial SMARTPLS dan manfaatnya, seperti misalnya analisis PLS MGA (Multi Group Analysis).

Tetap bersama kami, Anwar Hidayat dalam www.statistikian.com. PLS SEM menjadi mudah bersama kami. Salam sejahtera. Terima kasih.

Referensi: https://www.smartpls.com/documentation/

 

Jasa Olah Data Aman Terpercaya

TINGGALKAN KOMENTAR

Please enter your comment!
Please enter your name here