Metode Analisis yang sering digunakan dalam menganalisa data kuisioner adalah metode Structural Equation Modeling (SEM). Structural Equation Modeling (SEM) adalah metode statistik yang digunakan untuk menguji hipotesis tentang hubungan antara variabel laten (tidak terlihat secara langsung) dan variabel manifest (terlihat secara langsung). SEM memungkinkan peneliti untuk mengembangkan model konseptual yang menggambarkan hubungan antara variabel yang berbeda, serta memungkinkan peneliti untuk menguji hipotesis tentang hubungan tersebut secara langsung.
Metode analisis SEM sendiri ada 2 jenis yaitu SEM dan SEM PLS. Baca artikel SEM berikut jika anda masih bingung menggunakan metode SEM yang mana. Artikel kali ini akan membahasa khusus pengolahan data menggunakan metode SEM PLS. Salah satu software yang sering dipakai untuk analisis SEM PLS adalah SmartPLS.
Smart PLS adalah salah satu perangkat lunak yang tersedia untuk menganalisis data dengan menggunakan metode SEM. Smart PLS merupakan perangkat lunak yang mudah digunakan dan memiliki antarmuka yang intuitif. Selain itu, Smart PLS juga menyediakan beragam fitur yang memudahkan pengguna dalam melakukan analisis SEM, seperti pembangunan model, pengujian hipotesis, dan interpretasi hasil.
Dengan menggunakan Smart PLS, pengguna dapat dengan mudah menganalisis data menggunakan metode SEM dan memperoleh hasil yang berguna untuk pengambilan keputusan. Namun, penting untuk diingat bahwa hasil analisis SEM tergantung pada kualitas data yang digunakan, sehingga penting untuk memastikan bahwa data yang digunakan sudah bersih dan valid sebelum melakukan analisis.
Terdapat beberapa langkah utama dalam analisis data SEM menggunakan Smart PLS yakni:
Menguji validitas dan reliabilitas data hasil kuesioner
Tujuan Penelitian: Mengetahui pengaruh product knowledge dan communication skill Pegawai Customer Service terhadap client trust yang dimediasi oleh innovation. Alasan menggunakan SEM PLS adalah kerangka penelitian ini untuk memvalidasi teori diatas.
Berikut tahapan uji validitas dan reliabilitas pada SmartPLS.
Klik Calculate dan PLS Algorithm
Biarkan settingan tetap pada default program dan selanjutnya klik Start Calculation
Selanjutnya akan muncul summary output PLS Algorithm
Untuk melihat Outer Loadings klik pada kolom Final Results
Selanjutnya akan muncul nilai Outer Loadings pada masing-masing indikator
Selanjutnya klik Construct Reliability and Validity untuk melihat nilai AVE, CR dan Cronbach’s Alpha
Dapat dilihat pada output tersebut bahwa nilai AVE untuk seluruh variabel bernilai lebih besar dari 0,5 sehingga dapat dikatakan bahwa seluruh indikator valid konvergen dalam membentuk variabel masing-masing. Selain itu diperoleh juga nilai Cronbach’s Alpha dan CR yang memiliki nilai lebih besar dari 0,6 untuk seluruh variabel. Sehingga dapat dikatakan bahwa seluruh indikator reliabel dalam membentuk variabel.
Untuk melakukan pembentukan model klik Calculate lalu Bootstraping
Selanjutnya biarkan seluruh settingan dalam format default lalu klik Start Calculation
Selanjutnya akan muncul summary output sebagai berikut
Untuk melihat hubungan tidak langsung dapat klik Specific Indirect Effects pada Final Results
6. Pengujian Goodness of Fit
Koefisien Determinasi
Kembali ke tab PLS Algorithm lalu klik R-Square
Uji Kesesuaian Model Lainnya
Untuk melihat kesesuaian model lainnya klik Model Fit.
Setelah Anda melakukan step tersebut, nanti akan ada output yang muncul otomatis dari SmartPLS. Untuk lebih jelas mengenai cara membaca output dan mengartikannya, Anda bisa klik di lanjutan artikel ini di link berikut.
