{"id":290,"date":"2023-05-31T08:56:44","date_gmt":"2023-05-31T08:56:44","guid":{"rendered":"https:\/?p=290"},"modified":"2023-05-31T08:58:36","modified_gmt":"2023-05-31T08:58:36","slug":"analisis-data-statistik-dengan-smartpls","status":"publish","type":"post","link":"https:\/\/ebizmark.id\/artikel\/analisis-data-statistik-dengan-smartpls\/","title":{"rendered":"Analisis Data Statistik dengan SmartPLS"},"content":{"rendered":"\n

Analisis Data Statistik dengan SmartPLS, Penjelasan Sederhana<\/strong><\/h1>\n\n\n\n

Statistik dan statistika memiliki arti yang berbeda. Statistik berarti data yang biasanya berupa angka sementara statistika adalah ilmu untuk mengolah data tersebut (KBBI V, 2022). Meski terkesan sederhana, namun statistik yang dimaksud bisa sangat beragam rupa dan jenisnya sehingga butuh alat bantu dalam mengolahnya. Salah satu alat bantu yang kini banyak digunakan adalah Aplikasi SmartPLS, terutama untuk penelitian yang menggunakan teknik analisis data Pemodelan Persamaan Struktural (SEM). Berikut ini adalah penjelasannya.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Apa itu SmartPLS?<\/strong><\/h2>\n\n\n\n

SmartPLS (Smart Partial Least Square) merupakan aplikasi pengolah data yang dikembangkan di Jerman sejak tahun 2015 dan memiliki spesialisasi pada pemberian solusi bagi para peneliti dalam mengolah data. Aplikasi ini digunakan untuk mengolah data primer kuantitatif oleh para peneliti. Data primer kuantitatif yang seperti apa? Data primer yang menggunakan model structural equation modelling<\/em> (SEM) dapat diolah pada SmartPLS. Banyaknya users<\/em> SmartPLS tak lain karena instalasinya cenderung lebih mudah dipraktikkan, hasilnya akurat, dan yang paling menggiurkan adalah karena tersedia open source<\/em> dengan kata lain aplikasi dapat diakses secara gratis.<\/p>\n\n\n\n

Fungsi Utama SmartPLS<\/strong><\/h2>\n\n\n\n

1. PLS Algorithm<\/strong><\/h3>\n\n\n\n

Selain karena open source<\/em> SmartPLS juga memiliki tiga fungsi utama. Pertama adalah PLS Algorithm<\/em><\/strong> yang merupakan algoritma paling utama dalam menghitung komponen (faktor) PLS. Ini menjadi inti dari penggunaan SmartPLS, biasa disebut dengan nonlinear iterative partial least square<\/em> (NIPALS). Hasil analisis yang didapat dari PLS Algorithm di antaranya adalah nilai koefisien (path coefficient<\/em>), outer loadings<\/em>, direct effect<\/em>, indirect effect<\/em>, total effect<\/em>, R square<\/em>, F square<\/em>, construct reliability<\/em> & validity<\/em>, discriminant validity<\/em>, dan collinearity statistic<\/em>.<\/p>\n\n\n\n

2. Bootstrapping<\/strong><\/h3>\n\n\n\n

Setelah mengetahui validitas dan reliabilitas dari data penelitian yang didapat seorang peneliti harus melakukan uji hipotesis. Uji hipotesis inilah yang diproses pada Bootstrapping<\/em><\/strong>. Pada fungsi Bootstrapping<\/em><\/strong> <\/em>ini juga kita dapat menilai tingkat signifikansi atau kemungkinan dari direct effects<\/em>, indirect effects<\/em>, dan total effects<\/em>. Hasil analisis yang keluar adalah nilai t statistic<\/em>, nilai p value<\/em>, dan original sampel yang digunakan.<\/p>\n\n\n\n

3. Blindfolding<\/strong><\/h3>\n\n\n\n

Selain PLS Algorithm<\/em><\/strong> dan Bootstrapping<\/em><\/strong>, ada juga fungsi Blindfolding yang dapat digunakan untuk menilai tingkat relevansi. Biasanya tingkat relevansi dinilai dari Q square<\/em>. Hasilnya disebut relevan apabila angkanya lebih dari 0,05.<\/p>\n\n\n\n

Dari ketiga fungsi tersebut Lenni Khotimah Harahap menyimpulkan SmartPLS dapat membantu peneliti untuk tiga analisis secara bersamaan, yakni pemeriksaan validitas dan reliabilitas instrumen (confirmatory factor analysis<\/em>), pengujian model hubungan antar variabel (path analysis<\/em>), dan mendapat model yang bermanfaat untuk prediksi (model structural dan analisis regresi).<\/p>\n\n\n\n

Langkah Analisis dengan SmartPLS<\/strong><\/h2>\n\n\n\n
    \n
  1. Persiapan\n