Home › No Category

Partial Least Square Adalah

Written By Monday, September 21, 2020 Add Comment Edit


Applying Multigroup Analysis In Pls Sem A Step By Step

Partial Least Square

Partial Least Square (PLS) dikembangkan pertama kali oleh Herman Wold (1982). Ada beberapa metode yang dikembangkan berkaitan dengan PLS yaitu model PLS Regression (PLS-R) dan PLS Path Modeling (PLS-PM ). PLS Path Modeling dikembangkan sebagai alternatif pemodelan persamaan struktural ( SEM) yang dasar teorinya lemah. PLS-PM berbasis varian berbeda dengan metode SEM dengan software AMOS, Lisrel, EQS menggunakan basis kovarian. Ada beberapa hal yang membedakan analisis PLS dengan model analisis SEM yang lain :
  1. Data tidak harus berdistribusi normal multivariate.
  2. Dapat digunakan sampel kecil. Minimal sampel >30 dapat digunakan.
  3. PLS selain dapat digunakan unutk mengkonfirmasikan teori, dapat juga digunakan untuk menjelaskan ada atau tidaknya hubungan antar variabel laten.
  4. PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator reflektif dan formatif
  5. PLS mampu mengestimasi model yang besar dan kompleks dengan ratusan variabel laten dan ribuan indikator (Falk and Miller, 1992)
Pemodelan dalam PLS-Path Modeling ada 2 model :
  1. Model structural (Inner model) yaitu model struktural yang menghubungkan antar variabel laten.
  2. Model Measurement (Outer Model yaitu model pengukuran yang menghubungkan indikator dengan variabel latennya.
Model Partial Least Square
Dalam PLS Path Modeling terdapat 2 model yaitu outer model dan Inner model. Kriteria uji dilakukan pada kedua model tersebut. Outer model (Model Measurement)

Model ini menspesifikasi hubungan antar variabel laten dengan indikator-indikatornya. atau dapat dikatakan bahwa outer model mendefinisikan bagaimana setiap indikator berhubungan dengan variabel latennya. Uji yang dilakukan pada outer model :

  • Convergent Validity. Nilai convergen validity adalah nilai loading faktor pada variabel laten dengan indikator-indikatornya. Nilai yang diharapkan >0.7.
  • Discriminant Validity. Nilai ini merupakan nilai cross loading faktor yang berguna untuk mengetahui apakah konstruk memiliki diskriminan yang memadai yaitu dengan cara membandingkan nilai loading pada konstruk yang dituju harus lebih besar dibandingkan dengan nilai loading dengan konstruk yang lain.
  • Composite Reliability. Data yang memiliki composite reliability >0.8 mempunyi reliabilitas yang tinggi.
  • Average Variance Extracted (AVE). Nilai AVE yang diharapkan >0.5.
  • Cronbach Alpha. Uji reliabilitas diperkuat dengan Cronbach Alpha.Nilai diharapkan >0.6 untuk semua konstruk.
Uji yang dilakukan diatas merupakan uji pada outer model untuk indikator reflektif. Untuk indikator formatif dilakukan pengujian yang berbeda. Uji untuk indikator formatif yaitu :

  • Significance of weights. Nilai weight indikator formatif dengan konstruknya harus signifikan.
  • Multicolliniearity. Uji multicolliniearity dilakukan untuk mengetahui hubungan antar indikator. Untuk mengetahui apakah indikator formatif mengalami multicolliniearity dengan mengetahui nilai VIF. Nilai VIF antara 5- 10 dapat dikatakan bahwa indikator tersebut terjadi multicolliniearity.
Masih ada dua uji untuk indikator formatif yaitu nomological validity dan external validity.

Inner Model (Model Structural).

Uji pada model struktural dilakukan untuk menguji hubungan antara konstruk laten. Ada beberapa uji untuk model struktural yaitu :

  • R Square pada konstruk endogen. Nilai R Square adalah koefisien determinasi pada konstruk endogen. Menurut Chin (1998), nilai R square sebesar 0.67 (kuat), 0.33 (moderat) dan 0.19 (lemah)
  • Estimate for Path Coefficients, merupakan nilai koefisen jalur atau besarnya hubungan/pengaruh konstruk laten. Dilakukan dengan prosedur Bootrapping.
  • Effect Size (f square). Dilakukan untuk megetahui kebaikan model.
  • Prediction relevance (Q square) atau dikenal dengan Stone-Geisser's. Uji ini dilakukan untuk mengetahui kapabilitas prediksi dengan prosedur blinfolding. Apabila nilai yang didapatkan 0.02 (kecil), 0.15 (sedang) dan 0.35 (besar). Hanya dapat dilakukan untuk konstruk endogen dengan indikator reflektif.
Dalam outer model terdapat dua tipe indikator yaitu indikator reflektif dan indikator formatif.

  1. Indikator reflektif. Indikator ini mempunyai ciri-ciri : arah hubungan kausalitas dari variabel laten ke indikator, antar indikator diharapkan saling berkorelasi (instrumen harus memiliki consistency reliability), menghilangkan satu indikator, tidak akan merubah makna dan arti variabel yang diukur, dan kesalahan pengukuran (eror) pada tingkat indikator. Sebagai contoh model indikator reflektif adalah variabel yang berkaitan dengan sikap (attitude) dan niat membeli (purchase intention).
  2. Indikator formatif. Ciri-ciri model indikator reflektif yaitu : 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., dan kesalahan pengukuran berada pada tingkat variabel laten. Variabel laten dengan indikator formatif dapat berupa variabel komposit. Sebagai contoh variabel status sosial ekonomi diukur dengan indikator yang saling mutual exclusive (pendidikan, pekerjaan, dan tempat tinggal). variabel kualitas pelayanan dibentuk oleh 5 dimensi yaitu tangible, reliability, responsive, emphaty dan assurance.
Beberapa software PLS yang telah dikembangkan untuk analisis model Partial Least Square (PLS), antara lain :

  1. LVPLS versi 1.8 (Latent Variable Partial Least Square). Ini merupakan software yang pertama kali dikembangkan oleh Jan-Bernd Lohmoller (1984,1987,1989) under DOS, dapat didownload http://kiptron.psyc.virginia.edu/ . Kemudian dikembangkan lagi oleh Wynne Chin (1998,1999,2001) menjadi under Windows dengan tampilan grafis dan tambahan teknik validasi bootstrapping dan jacknifing. Software ini diberi nama PLS Graph versi 3.0. Untuk versi student dapat didownload di http://www.bauer.uh.edu.
  2. SmartPLS, software ini dikembangkan di University of Hamburg Jerman. Software ini dapat didownload di www.smartpls.de.
  3. Visual Partial Least Square (VPLS), dikembangkan oleh Jen Ruei Fu dari National Kaohsiung University Taiwan. Software ini dapat didownload di http://www2.kuas.edu.tw
  4. PLS-GUI, software ini dikembangkan oleh Yuan Li dari Management Science Department, The More School Business, Universitas of South Carolina. Software ini dapat didownload di http://dmsweb.badm.sc.edu
  5. WarpPLS, software ini dikembangkan oleh Ned Kock. Software ini merupakan alternatif path modeling linier dan nonlinier. Dapat didownload di http://www.scriptwarp.com
 Tutorial Partial Least Square Dengan SmartPLS [PDF]

Referensi :

  1. Jorg Henseller,et.al. The Use of Partial Least Squares Path Modeling in International Marketing.
  2. Michael, H., and Andreas, M.K (2004). A Beginner's Guide to Partial Least Square Analysis. Lawrence Erlbaum Association, Inc.
  3. Vincenzo et,.al. (2010). Handbook of Partial Least Square. Springer-Verlag Berlin Heidelberg.

Page 2

Partial Least Square (PLS) dikembangkan pertama kali oleh Herman Wold (1982). Ada beberapa metode yang dikembangkan berkaitan dengan PLS yaitu model PLS Regression (PLS-R) dan PLS Path Modeling (PLS-PM ). PLS Path Modeling dikembangkan sebagai alternatif pemodelan persamaan struktural ( SEM) yang dasar teorinya lemah. PLS-PM berbasis varian berbeda dengan metode SEM dengan software AMOS, Lisrel, EQS menggunakan basis kovarian. Ada beberapa hal yang membedakan analisis PLS dengan model analisis SEM yang lain :
  1. Data tidak harus berdistribusi normal multivariate.
  2. Dapat digunakan sampel kecil. Minimal sampel >30 dapat digunakan.
  3. PLS selain dapat digunakan unutk mengkonfirmasikan teori, dapat juga digunakan untuk menjelaskan ada atau tidaknya hubungan antar variabel laten.
  4. PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator reflektif dan formatif
  5. PLS mampu mengestimasi model yang besar dan kompleks dengan ratusan variabel laten dan ribuan indikator (Falk and Miller, 1992)
Pemodelan dalam PLS-Path Modeling ada 2 model :
  1. Model structural (Inner model) yaitu model struktural yang menghubungkan antar variabel laten.
  2. Model Measurement (Outer Model yaitu model pengukuran yang menghubungkan indikator dengan variabel latennya.
Model Partial Least Square
Dalam PLS Path Modeling terdapat 2 model yaitu outer model dan Inner model. Kriteria uji dilakukan pada kedua model tersebut. Outer model (Model Measurement)

Model ini menspesifikasi hubungan antar variabel laten dengan indikator-indikatornya. atau dapat dikatakan bahwa outer model mendefinisikan bagaimana setiap indikator berhubungan dengan variabel latennya. Uji yang dilakukan pada outer model :

  • Convergent Validity. Nilai convergen validity adalah nilai loading faktor pada variabel laten dengan indikator-indikatornya. Nilai yang diharapkan >0.7.
  • Discriminant Validity. Nilai ini merupakan nilai cross loading faktor yang berguna untuk mengetahui apakah konstruk memiliki diskriminan yang memadai yaitu dengan cara membandingkan nilai loading pada konstruk yang dituju harus lebih besar dibandingkan dengan nilai loading dengan konstruk yang lain.
  • Composite Reliability. Data yang memiliki composite reliability >0.8 mempunyi reliabilitas yang tinggi.
  • Average Variance Extracted (AVE). Nilai AVE yang diharapkan >0.5.
  • Cronbach Alpha. Uji reliabilitas diperkuat dengan Cronbach Alpha.Nilai diharapkan >0.6 untuk semua konstruk.
Uji yang dilakukan diatas merupakan uji pada outer model untuk indikator reflektif. Untuk indikator formatif dilakukan pengujian yang berbeda. Uji untuk indikator formatif yaitu :

  • Significance of weights. Nilai weight indikator formatif dengan konstruknya harus signifikan.
  • Multicolliniearity. Uji multicolliniearity dilakukan untuk mengetahui hubungan antar indikator. Untuk mengetahui apakah indikator formatif mengalami multicolliniearity dengan mengetahui nilai VIF. Nilai VIF antara 5- 10 dapat dikatakan bahwa indikator tersebut terjadi multicolliniearity.
Masih ada dua uji untuk indikator formatif yaitu nomological validity dan external validity.

Inner Model (Model Structural).

Uji pada model struktural dilakukan untuk menguji hubungan antara konstruk laten. Ada beberapa uji untuk model struktural yaitu :

  • R Square pada konstruk endogen. Nilai R Square adalah koefisien determinasi pada konstruk endogen. Menurut Chin (1998), nilai R square sebesar 0.67 (kuat), 0.33 (moderat) dan 0.19 (lemah)
  • Estimate for Path Coefficients, merupakan nilai koefisen jalur atau besarnya hubungan/pengaruh konstruk laten. Dilakukan dengan prosedur Bootrapping.
  • Effect Size (f square). Dilakukan untuk megetahui kebaikan model.
  • Prediction relevance (Q square) atau dikenal dengan Stone-Geisser's. Uji ini dilakukan untuk mengetahui kapabilitas prediksi dengan prosedur blinfolding. Apabila nilai yang didapatkan 0.02 (kecil), 0.15 (sedang) dan 0.35 (besar). Hanya dapat dilakukan untuk konstruk endogen dengan indikator reflektif.
Dalam outer model terdapat dua tipe indikator yaitu indikator reflektif dan indikator formatif.

  1. Indikator reflektif. Indikator ini mempunyai ciri-ciri : arah hubungan kausalitas dari variabel laten ke indikator, antar indikator diharapkan saling berkorelasi (instrumen harus memiliki consistency reliability), menghilangkan satu indikator, tidak akan merubah makna dan arti variabel yang diukur, dan kesalahan pengukuran (eror) pada tingkat indikator. Sebagai contoh model indikator reflektif adalah variabel yang berkaitan dengan sikap (attitude) dan niat membeli (purchase intention).
  2. Indikator formatif. Ciri-ciri model indikator reflektif yaitu : 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., dan kesalahan pengukuran berada pada tingkat variabel laten. Variabel laten dengan indikator formatif dapat berupa variabel komposit. Sebagai contoh variabel status sosial ekonomi diukur dengan indikator yang saling mutual exclusive (pendidikan, pekerjaan, dan tempat tinggal). variabel kualitas pelayanan dibentuk oleh 5 dimensi yaitu tangible, reliability, responsive, emphaty dan assurance.
Beberapa software PLS yang telah dikembangkan untuk analisis model Partial Least Square (PLS), antara lain :

  1. LVPLS versi 1.8 (Latent Variable Partial Least Square). Ini merupakan software yang pertama kali dikembangkan oleh Jan-Bernd Lohmoller (1984,1987,1989) under DOS, dapat didownload http://kiptron.psyc.virginia.edu/ . Kemudian dikembangkan lagi oleh Wynne Chin (1998,1999,2001) menjadi under Windows dengan tampilan grafis dan tambahan teknik validasi bootstrapping dan jacknifing. Software ini diberi nama PLS Graph versi 3.0. Untuk versi student dapat didownload di http://www.bauer.uh.edu.
  2. SmartPLS, software ini dikembangkan di University of Hamburg Jerman. Software ini dapat didownload di www.smartpls.de.
  3. Visual Partial Least Square (VPLS), dikembangkan oleh Jen Ruei Fu dari National Kaohsiung University Taiwan. Software ini dapat didownload di http://www2.kuas.edu.tw
  4. PLS-GUI, software ini dikembangkan oleh Yuan Li dari Management Science Department, The More School Business, Universitas of South Carolina. Software ini dapat didownload di http://dmsweb.badm.sc.edu
  5. WarpPLS, software ini dikembangkan oleh Ned Kock. Software ini merupakan alternatif path modeling linier dan nonlinier. Dapat didownload di http://www.scriptwarp.com
 Tutorial Partial Least Square Dengan SmartPLS [PDF]

Referensi :

  1. Jorg Henseller,et.al. The Use of Partial Least Squares Path Modeling in International Marketing.
  2. Michael, H., and Andreas, M.K (2004). A Beginner's Guide to Partial Least Square Analysis. Lawrence Erlbaum Association, Inc.
  3. Vincenzo et,.al. (2010). Handbook of Partial Least Square. Springer-Verlag Berlin Heidelberg.

Gallery Partial Least Square Adalah

Variance Based Structural Equation Modeling Guidelines For

Least Squares Approximation Video Khan Academy

Partial Least Squares Structural Equation Modeling Pls Sem

Pdf A Primer On Partial Least Squares Structural Equation

Penggunaan Smartpls 2 0 M Untuk Analisis Sem Partial Least

Tutorial Understanding Linear Regression And Regression

My Partial Least Square E P A R A W I R A

Partial Least Squares Discriminant Analysis Pls Da For

Perbandingan Metode Partial Least Square Pls Dengan

Mediation Smartpls

Rpubs Partial Least Square Regression

Partial Least Squares Structural Equation Modeling Pls Sem

Structural Equation Modelling Partial Least Square Ppt

Added By Olah Data Dan Tugas Akhir Instagram Post

Using Pls Path Modeling In New Technology Research Updated

Partial Least Square Pls Pengertian Fungsi Tujuan Cara

Partial Least Squares Regression Using Spss

Mengapa Pilihan Jatuh Pada Partial Least Square Arif

Using Spss And Pasw Ordinary Least Squares Regression

Partial Least Square Regression Statistika Komputasi

Pls Statwiki

Chemometrics Data Analysis Software Pls Toolbox

Applying Multigroup Analysis In Pls Sem A Step By Step

Jual Buku Generasi Baru Mengolah Data Penelitian Dengan

Why Pls Sem Is Suitable For Complex Modelling An Empirical

What S The Difference Between Logistic Regression And Pls Da


0 Response to "Partial Least Square Adalah"

Post a Comment

Subscribe to: Post Comments (Atom)

Iklan Atas Artikel

Iklan Tengah Artikel 1

Iklan Tengah Artikel 2

Iklan Bawah Artikel