Akuntansi (4)


Manajemen (3)
Statistik (23)





Aplikasi Analisis Multivariete SPSS 25 Edisi 9 (ST - 107)




SEM Metode Alternatif dengan menggunakan Partial Least Squares (PLS) ( Kode ST-106 )




Minggu, 26 April 2015 - 11:48:08 WIB
FAQ Structural Equation Modeling (SEM) 2
Diposting oleh :
Kategori: - Dibaca: 91 kali

TANYA :
Prof. Imam saya mulai menikmati mempelajari dan menggunakan PLS, saya udah membaca buku Prof dan semakin membantu saya dalam memahami PLS. Namun ada beberapa hal yang ingin saya tanyakan sehubungan dengan beberapa hal dalam PLS, yaitu: Masalah weighting scheme. Dalam buku Prof disebutkan bahwa hasil yang diperoleh dari ketiga skema yaitu Centroid, Factor, dan Path tidak jauh beda. Nah yang saya tanyakan idealnya kapan atau kondisi yang bagaimana bagi peneliti sebaiknya menggunakan atau memilih satu dari tiga skema tersebut? Saya belum menemukan definisi yang jelas tentang Bootstrapping, yang saya tahu hanya bahwa Bootstrapping sama dengan resampling. Pertanyaan saya Prof, apa sebenarnya makna dari Bootstrapping? Dalam Bootstrapping setting terdapat preprocessing option yang terdiri dari Constructlevel change dan individual sign change. Apakah maksudnya kedua pilihan tersebut dan kondisi bagaimana sebaiknya kita memilih salah satu pilihan tersebut Prof? Lalu kemudian pada Algorithm setting terdapat pilihan Data metric yaitu standardized (mean=0 dan variance=1) dan data original, maksudnya apa dengan kedua jenis data tersebut? Yang terakhir Prof, bila jumlah sampel hanya 40 apakah kasus per sampel juga default 50 atau bagaimana Prof sebaiknya jumlah kasus per sampelnya? Demikian Prof. Imam pertanyaan saya, terima kasih banyak atas jawaban dan bantuannya.

JAWAB:
Weighting scheme silahkan anda pilih salah satu Factor, Centroid atau Path, menurut Prof Chin (pembuat PLS Graph) sebaiknya menggunakan path. 
Bootsrapping adalah resampling, PLS menggunakan bootstraping dan Jacknifing untuk menentukan nilai t sehingga dapat diketahui tingkat signifikansi dari nilai t tersebut. Setiap kali anda melakukan bootsraping hasil nilai t akan berbeda karena menggunakan metode iterasi dan setiap komputer nenggunakan angka awal itersi yg berbeda. Oleh sebab itu gunakan bootstrapping > 500 supaya mendapatkan nilai t yg stabil. input data untuk PLS dapat berupa data mentah (original) atau standardized (mean=0, variance=1). dalam analisis SEM gunakan stndardized karenn kita ingin membandingkan antar jalur.

TANYA:
Didalam buku Prof. Imam (SEM- Metode alternatif dg PLS), sebelum meng-calculate model (RUN), sebelumnya ada setting yang harus dipilih.

1. Algorithm setting, ada bbrp setting yg dpt dipilih Data metric = standardized atau original 
2. Weighting scheme = centroid, factor dan path,tetapi lebih lanjut tdk ada penjelasan mengenai masing2 pilihan setting td. mohon dijelaskan pada kondisi seperti apa masing2 pilihan td digunakan (karena masing2 pilihan, outputnya berbeda)

JAWAB:
Pada data pilih standardized (hasil-nya nanti dalam standardidized), krn SEM menggunakan output standardized untuk interpretasi. Sedang weighting umumnya digunakana path

TANYA:
Menurut Pak Imam apa penyebab nilai error nilai loading factornya, sehingga variance extractnya kurang dari 0,50 Maksudnya di Drop apa Pak? Saya belum tahu istilah
tersebut...

JAWAB:
Coba anda lihat ada indikator dengan niali loading dibawah 0.50, kalau ada berarti indikator ini tdk valid dan menyebabkan AVE rendah. indikator yg tdk valid dibuang dari model

Tanya:
jika kita ingin menggunakan path analysis, berapa buah sampel seharusnya kita anbil? jika data kita berupa data kategorik, gimana cara kita merubahnya menjadi data interval. sehingga data kita bisa dianalisis menggunakan path analysis?

Jawab
Apakah data ordinal harus diubah dahulu menjadi interval? Beberapa universitas di Indonesia mengharuskan data ordinal hrs diubah dahulu menjadi interval baru dapat dianalisis dengan multivariate statitik. 
Di barat sono perdebatan ini sudah selesai tahun 1950an. Data ordinal dengan Skala Likert STS(1),TS(2),N(3),S(4) SS(5) jika diubah skalanya menjadi interval maka skore interval akan mirip sama urutannya dengan skore asli ordinal dan berkorelasi sebesar 99%. Jadi data asli ordinal sama dengan interval dan dapat dianggap interval. kaitan dengan interpretasi 
Misalkan saya punya Y = a + b1X1 +b2X2

Y = 0.50 +0.25X1 +0.30X2

Jika data kita interval misal Y=GDP, X1=Inflasi dan X2=Kurs, maka saya dpt menginterpretasikan bahwa kalau inflasi naik 10% maka GDP naik 2.5%, kalau kurs naik 10%, maka GDP naik 3%. Akan tetapi kalau data kita ordinal (kualitatif) misal Y=kepuasan kerja, X1=Komitmen, X2=motivasi, maka saya tdk bisa interpretasi jika komitmen naik 10% maka kepuasan naik 2.5% (karena data kita kualitatif) jadi kita hanya bisa mengatakaan bahwa komitmen berpengaruh thdp kepuasan seberapa besar pengaruhnya tdk tahu (kualiatif). walaupun data ordinal tadi sdh menjadi interval tetap saja kita tdk bisa interpretasi krn data kita aslinya adalah kualitatif

Di jurnal-jurnal ilmiah tdk pernah dipersoalkan bahwa data ordinal hrs diubah dahulu mejadi interval, krn mereka sdh clear masalah ini 50 tahun lalu dan kita masih mempersoalkan sampai saat ini Yang berminat saya berikan referensi diskusi hal ini dari salah satu buku terbitan 1957

Tanya:
saya irwan hadianto, mahasiswa teknik industri atmajaya jakarta. saya merupakan orang awam yang hanya mengetahui sangat sedikit pengetahuan tentang menggunakan SEM dengan metode alternatif dengan PLS (dlm hal ini saya menggunakan software smartPLS 2.0). dalam model yang saya buat, saya menggunakan second order factor model, menurut buku yang bapak tulis yaitu SEM dengan metode alternatif dengan PLS, saya pun menggunakan repeated indicators approach. 
(1) jika saya harus menghapus beberapa indikator dari first order LV, haruskah saya mengahapus indikator yang sama dari second orde LV saya??
(2) manakah yang harus lebih didahulukan, nilai outer loading (crossloading dari indikator ke LV) atau kah nilai dari T-statistic. walaupun mayoritas sama (jika menurut crossloading tidak berpengaruh, maka memiliki nilai T-statistic yang rendah sehingga tidak signifikan) namun, ada beberapa indikator yang agak berbeda. mis, menurut crossloading harus di-delete namun, menurut T-statistic tidak boleh di-delete ??

Besar harapan saya, agar bapak kiranya mau membantu saya.
Terima kasih sebesar-besarnya,
irwan hadianto.


Jawab
Salam kenal kembali. Pertanyaan anda ini kelihatannya pernah anda posting di forum www.smartpls.de, sepintas saya membaca disana dan belum ada respons.
Pada model second order yg menggunakan repeated measure, jika indikator anda delete dari first order, mk dengans endirinya juga hrs didelete pada second ordernya.
Analisis pada partial least square ada dua:
1. Analisis pada outer model atau measurement model yg terdiri dari:
a. Convergent validity - nilai loading minimal hrs 0.70
b. Cross-loading untuk m,enguji unidimesionalitas dari konstruk atau variabel laten
c. Discriminant Validity
d. Construct Reliability
e. Average Variance extracted
Kalau semua ini sudah ok atau lolos kriteria, baru menguji inner model atau structural model:

2. Analisis inner model
a. melihat nilai koefisien antar variabel laten
b. dengan bootstraping atau jacknifing anda akan memperoleh nilai t statistik masing-masing koefisien
c. lihat nilai R2
Mudah-mudahan menjawab pertanyaan anda dan semua ada pada buku saya (sat ini sedang saya revisi total dengan SmartPLS versi 2)