Variance Based SEM dengan smartPLS 3.0

(Sesi 2)

Dr. Ananda Sabil Hussein

Box ini berisi file analisa yang kita kerjakan dalam PLS

Gambar model struktural

Nama project

Double klik untuk memasukkan data

Data excel yang dimasukkan harus berformat CSV (Comma delimited)

Untuk mendapatkan path koefisien

Path Coefficient 0,406 ini adalah koefisien pengaruh Brand Awareness terhadap Brand Image

0,141 ini adalah koefisien pengaruh Brand Awareness terhadap Customer Loyalty

Factor Loading

Ideal nya nilai faktor loading di atas 0,7. Tetapi sampai 0,6 masi diijinkan. Dibawah 0,6 harus di hapus

Semua nilai faktor loading di atas 0,6

Discriminant Validity

Square root of AVE (Akar kuadrat AVE)

Rule of thumb: Dikatakan tidak ada masalah discriminant validity jika nilai akar kuadrat AVE lebih besar dari pada korelasi dengan konstruk lainnya

Nilai korelasi Bran awareness dengan konstruk lainnya

Unidimensionality

Baik untuk alpha cronbach dan Composite Reliability harus di atas 0,7. Untuk Alpha cronbach sampai 0.6 masih diijinkan (Hair, et al. 2010)

Outer Model

• Predictive relevance (Q-square)

– Q2 = 1 – ( 1 – R12) ( 1 – R2

2 ) ( 1 – R32 )... ( 1- Rp

2 )

– Q square = 1 – (1-0,179)(1-0,495)(1-0,179)

– Q-square = 0,659

Outer Model

• GoF = 𝐴𝑉𝐸 𝑥 𝑅2 = 0.624 𝑥 0.295 = 0.429

AVE 𝑅^2

Brand Awareness 0.622

Brand Image 0.608 0.187

Customer Loyalty 0.628 0.511

Service Quality 0.639 0.188

0.624 0.295

Hypothesis Testing

Klik yang bootstrapping. Setelah di klik subsamples yang sering digunakan adalah 500 atau 1000

Hypothesis Testing

• Pengujian Hypothesis menggunakan kriteria t-statistik > t- tabel dan dari nilai probability (p values)

• T- statistik didapat dari perhitungan PLS

• T-tabel dilihat pada tabel t. Biasanya untuk alpha 5% nilai t-tabel dengan n >200 adalah 1,976

• Jika menggunakan alpha 5% maka nilai p values harus < 0.05

Nilai t-statistik Nilai path coefficient standardized

Nilai p values