SEM PLS

Pengantar Y X1 X2 X3 REGRESI Melihat Pengaruh variabel bebas terhadap variabel terikat Semua Variabel dapat diukur langsung/diwakili oleh 1 nilai Tidak memiliki variabel perantara (mediasi/intervening)

Pengantar Y1 X1 X2 X3 ANALISIS JALUR Melihat Pengaruh variabel bebas terhadap variabel terikat Memiliki variabel perantara (mediasi/intervening) Melihat Pengaruh tidak langsung variabel bebas (X1,X2,X3) terhadap Y2 Semua Variabel dapat diukur langsung/diwakili oleh 1 nilai Y2

Y1 X1 X2 STRUCTURAL EQUATION MODELING Melihat Pengaruh variabel Memiliki variabel yang tidak dapat diukur langsung (menggunakan Indikator) Dapat Melihat Pengaruh langsung dan tidak langsung variabel Variabel bebas x biasa dinyatakan dengan Variabel Latent Eksogen Variabel terikat y biasa disebut dengan Variabel Latent Endogen Y2 x11 x12 x13 x21 x22 x23 y11 y12 y13 y21 y22

SEM-PLS

Pengantar SEM-PLS SEM-PLS atau biasa juga di sebut SEM (Vbase) SEM-PLS pertama kali dikembangkan oleh Herman Wold SEM-PLS dikembangkan sebagai alternatif pemodelan persamaan stuktural yg dasar teorinya lemah, namun juga dapat digunakan sebagai konfirmasi teori

PERBEDAAN PRINSIP SEM DAN SEM PLS KriteriaSEMSEM-PLS ObjektifBerorientasi pada modelBerorientasi pada prediksi PendekatanBerdasarkan kovarianBerdasarkan Varian Asumsimultivariat normal distribusi- Koefisien PendugaKonsistenKonsisten saat koefisien dugaan dan ukuran sampel meningkat Nilai Variabel Laten Faktor yang tidak dapat ditentukan (Factor indeterminacy), Diduga dengan tegas Hubungan Antara peubah Laten dan indikator Umumnya hanya dapat dimodelkan oleh indikator reflektif Dapat dimodelkan secara formatif dan reflektif ImplikasiOptimal untuk akurasi parameter modelOptimal untuk akurasi prediksi Kompleksitas ModelKompleksitas kecil hingga sedang (contoh: <100 indikator) Kompleksitas besar (contoh: 100 konstruk dan 1000 indikator) Ukuran SampelMinimal rekomendasi 200 sampai 800Minimal rekomendasi 30 sampai 100 Skala PengukuranSangat disarankan minimal intervalBisa nominal, ordinal, interval dan ratio Chin & Newsted, 1999 In Rick Hoyle (Ed.), Statistical Strategies for Small Sample Research, Sage Publication, pp Sarjono & Julianita, 2015, Structural Equation Modeling, aplikasi untuk penelitian bisnis.

VARIABEL SEM-PLS Variabel laten merupakan konsep abstrak (unobserved), contoh : perilaku orang, sikap, perasaan, dll Variabel laten eksogen (penyebab) Variabel laten endogen (akibat) Variabel manifest/indikator merupakan variabel teramati (observed)

Variabel Laten Simbol Path Diagram dari Variabel Laten atau Variabel laten eksogen dan endogen Simbol untuk menunjukkan hubungan kausal Latent Eksogen Latent Endogen VARIABEL SEM-PLS

VARIABEL SEM-PLS Variabel Teramati (Manifest/Indikator) Reflektif : variabel-variabel teramati dipandang sebagai indikator-indikator yang di pengaruhi oleh konsep yang mendasarinya (variabel laten) Formatif : yang membentuk/menyebabkan adanya penciptaan/perubahan dalam sebuah variabel

VARIABEL SEM-PLS Bentuk hubungan variabel laten dengan variabel teramati ReflektifFormatif Latent x1 x2 x3 Latent x1 x2 x3

VARIABEL SEM-PLS Reflektif Formatif Contoh 1 sakit Suhu badan Denyut nadi Tekanan darah sakit Kebiasaan makan Kebiasaan bekerja Kebiasaan merokok

VARIABEL SEM-PLS VARIABEL: KEPUASAN KERJA (Refleksif) Riang Senyum Semangat VARIABEL: KEPUSAN KERJA (Formatif) Lingkungan kerja kondusif Teman kerja menyenangkan Pekerjaan menyenangkan Kepuasan Kerja Riang Semangat Senyum Lingkungan Pekerjaan Teman Kepuasan Kerja Contoh 2

NOTASI SEM-PLS

NOTASI SEM-PLS  = Ksi, variabel latent eksogen  = Eta, variabel laten endogen x = Lamnda (kecil), loading faktor variabel latent eksogen y = Lamnda (kecil), loading faktor variabel latent endogen  x = Lamnda (besar), matriks loading faktor variabel latent eksogen  y = Lamnda (besar), matriks loading faktor variabel laten endogen  = Beta (kecil), koefisien pngruh var. endogen terhadap endogen  = Gamma (kecil), koefisien pngruh var. eksogen terhadap endogen  = Zeta (kecil), galat model  = Delta (kecil), galat pengukuran pada variabel laten eksogen  = Epsilon (kecil), galat pengukuran pada variabel latent endogen

TAHAPAN SEM-PLS Merancang Model Struktural ( inner model ) Merancang Model Pengukuran ( outer model ) Mengkonstruksi Diagram Jalur ke Sistem Persamaan Estimasi: Koef. Jalur, Loading dan Weight Evaluasi Goodness of Fit Pengujian Hipotesis ( Resampling Bootstraping )

TAHAPAN SEM-PLS Pada SEM perancangan model adalah berbasis teori, akan tetapi pada PLS bisa berupa: Teori Hasil penelitian empiris Adopsi, hubungan antar variabel pada bidang ilmu yang lain Normatif, misal peraturan pemerintah, undang-undang, dan lain sebagainya Rasional PLS: Bisa ekplorasi hubungan antar variabel MERANCANG MODEL STRUKTURAL

TAHAPAN SEM-PLS Pada SEM semua bersifat refleksif Pada SEM-PLS perancangan outer model sangat penting: refleksif atau formatif Dasar: teori, penelitian empiris sebelumnya, atau rasional MERANCANG MODEL PENGUKURAN

TAHAPAN SEM-PLS MENGKONSTRUKSI KE SISTEM PERSAMAAN

TAHAPAN SEM-PLS MENGKONSTRUKSI KE SISTEM PERSAMAAN Outer model Untuk variabel latent eksogen 1 (reflektif) x 1 = x1  1 +  1 x 2 = x2  1 +  2 x 3 = x3  1 +  3 Untuk variabel latent eksogen 2 (formatif)  2 = x4 X 4 + x5 X 5 + x6 X 6 +  4 Untuk variabel latent endogen 1 (reflektif) y 1 = y1  1 +  1 y 2 = y2  1 +  2 Untuk variabel latent endogen 2 (reflektif) y 3 = y3  2 +  3 y 4 = y4  2 +  4 Inner model :  1 =  1  1 +  2  2 +  1  2 =  1  1 +  3  1 +  4  2 +  2

TAHAPAN SEM-PLS Weight estimate yang digunakan untuk menghitung data variabel laten Estimasi jalur (path estimate) yang menghubungkan antar variabel laten (koefisien jalur) dan antara variabel laten dengan indikatornya (loading) Estimasi nilai means Metode estimasi PLS: OLS dengan teknik iterasi ESTIMASI PARAMETER

TAHAPAN SEM-PLS Pengukuran model Reflektif Validitas dan Reliabilitas EVALUASI GOODNESS OF FIT Sumber: Chin (1995) dan Hair et al. (2006) dalam Jogiyanto dan Abdillah (2009) Uji ValiditasParameterRule of Thumbs Konvergen Faktor loading/Outer LoadingLebih dari 0,7 Average variance extracted (AVE)Lebih dari 0,5 DiskriminanCross loading Lebih dari 0,7 dan lebih besar dari variabel laten lain Uji Reliabilitas Cronbach’s alphaLebih dari 0,6 Composite reliabilityLebih dari 0,7

Pengukuran Model Struktural KriteriaDeskripsi R 2 variabel laten endogenNilai R2 sebesar 0,19 dikategorikan sebagai lemah Nilai R2 sebesar 0,33 dikategorikan sebagai moderate Nilai R2 sebesar 0,67 dikategorikan sebagai substansial(Chin, 1988) Nilai R2 sebesar > 0,7 dikategorikan sebagai kuat (Sarwono) Relevansi prediksi (Q2)Nilai Q 2 digunakan untuk melihat pengaruh relatif model struktural terhadap pengukuran observasi untuk variabel endogen Q 2 = 1 – ( 1 – R 1 2 ) ( 1 – R 2 2 )... ( 1- R p 2 ) EVALUASI GOODNESS OF FIT TAHAPAN SEM-PLS

Hipotesis statistik untuk outer model: H0 : λi = 0 lawan H1 : λi ≠ 0 Hipotesis statistik untuk inner model: variabel laten eksogen terhadap endogen: H0 : γi = 0 lawan H1 : γi ≠ 0 Hipotesis statistik untuk inner model: variabel laten endogen terhadap endogen: H0 : βi = 0 lawan H1 : βi ≠ 0 Statistik uji: t-test; p-value ≤ 0,05 (alpha 5 %); signifikan Outter model signifikan: indikator bersifat valid Inner model signifikan: terdapat pengaruh signifikan PLS tidak mengasumsikan data berdistribusi normal: menggunakan teknik resampling dengan metode Bootstrap PENGUJIAN HIPOTESIS TAHAPAN SEM-PLS

STUDI KASUS Minat Mahasiswa Universitas ABC dalam Penggunaan Internet Banking sebagai Transaksi Pembayaran SPP Tujuan Penelitian 1.Untuk menguji pengaruh persepsi kegunaan terhadap sikap penggunaan internet banking pada mahasiswa Universitas Brawijaya dalam transaksi pembayaran SPP. 2.Untuk menguji pengaruh persepsi kemudahan penggunaan terhadap sikap penggunaan internet banking pada mahasiswa Universitas Brawijaya dalam transaksi pembayaran SPP. 3.Untuk menguji pengaruh persepsi keamanan web terhadap sikap penggunaan internet banking pada mahasiswa Universitas Brawijaya dalam transaksi pembayaran SPP. 4.Untuk menguji pengaruh sikap penggunaan internet banking terhadap minat penggunaan internet banking pada mahasiswa Universitas Brawijaya dalam transaksi pembayaran SPP.

STUDI KASUS Variabel dan Indikator NOVARIABEL LATENINDIKATOR 1.Persepsi Kegunaan (Perceived Usefulness) (X1)  Penyelesaian aktifitas lebih cepat (PU1)  Kemudahan menyelesaikan tugas (PU2)  Bermanfaat dalam penggunaan (PU3)  Keuntungan dalam penggunaan (PU4) 2. Persepsi Kemudahan Penggunaan (Perceived Ease of Use) (X2)  Mudah untuk digunakan (PEOU1)  Pengaplikasiannya yang mudah dan dapat dimengerti (PEOU2)  Keterampilan dalam penggunaan (PEOU3)  Mudah dalam penggunaan (PEOU4) 3. Persepsi Keamanan Web (Perceived Web Security) (X3)  Rasa aman untuk membagi informasi yang sensitive (PWS1)  Merupakan sarana yang aman untuk membagi informasi yang sensitive (PWS2)  Muncul perasaan aman untuk membagi informasi pribadi (PWS3)  Sarana yang aman untuk bertukar informasi (PWS4) 4. Sikap (Attitude) (Y1)  Ide yang bagus (ATT1)  Kenyamanan saat menggunakan (ATT2)  Keinginan dalam penggunaan (ATT3)  Merupakan penggunaan yang bijaksana (ATT4) 5.Minat (Intention) (Y2)  Penggunaan internet banking secara teratur (IU1)  Selalu tetap menggunakan internet banking (IU2)  Penggunaan internet banking di masa depan (IU3)

PU PU1 PU2 PU3 PU4 PEO U PEOU1 2 PEOU1.3 PEOU1.4 PWS PWS1 PWS.2 PWS3 PWS4 ATT ATT1 ATT2 ATT3ATT4 IU IU1 IU2 IU3 STUDI KASUS Kerangka Konseptual Penelitian

HASIL Outer loading Koefisien Jalur R 2 (koefisien determinasi) PLS Algorithm

AVE ATT IU PEOU PU PWS Nilai AVE ATTIUPEOUPUPWS ATT ATT ATT ATT IU IU IU PEOU PEOU PEOU PEOU PU PU PU PU PWS PWS PWS PWS Outer Loading Seluruh nilai AVE > 0.5, sedangkan untuk nilai outer loading, ada 1 indikator PU2, yang kurang dari 0.7, sehingga harus dilakukan re-estimaste indicator dengan menghilangkan nilai yang kurang dari 0.7. Evaluasi outer model Validitas Konvergen

Re-Estimate Outer Loading Nilai AVE > 0.5, sedangkan untuk nilai outer loading, seluruh indicator telah memiliki nilai yang lebih besar dari 0.7, sehingga dapat ditarik kesimpulan valid secara konvergen Evaluasi outer model Validitas Konvergen ATTIUPEOUPUPWS ATT ATT ATT ATT IU IU IU PEOU PEOU PEOU PEOU PU PU PU PWS PWS PWS PWS AVE ATT IU PEOU PU PWS Nilai AVE

Evaluasi outer model Validitas Diskriminan Nilai cross loading Nilai cross loading menunjukkan besaran keragaman indicator baik terhadap variabel latennya maupun terhadap variabel latent yang lain. Nilai cross loading yang baik antara indikator AVE pada semua variabel lebih besar dari korelasi antar variabel laten. indikator-indikator yang digunakan untuk mengukur masing-masing variabel telah valid. ATTIUPEOUPUPWS ATT ATT ATT ATT IU IU IU PEOU PEOU PEOU PEOU PU PU PU PWS PWS PWS PWS

Evaluasi outer model RELIABILITAS nilai cronbachs alpha lebih dari 0,6 dan nilai dari composite reliability adalah lebih dari 0,7. Sehingga dapat disimpulkan bahwa variabel-variabel yang digunakan dalam penelitian ini telah reliabel. Untuk mengukur reliabilitas bisa dengan alpha cronbach dan composite reliability (CR). Namun, composite reliability (CR) dinilai lebih baik dalam mengestimasi konsistensi internal suatu konstruk (Salisbury, Chin, Gopal, & Newsted, 2002). Composite Reliability Cronbachs Alpha ATT IU PEOU PU PWS

Evaluasi Inner model Kebaikan Model R 2 (koefisien determinasi)  Q 2 = 1 – ( 1 – R 1 2 ) ( 1 – R 2 2 ) = 1- ( )( ) =0.71  Hal tersebut diartikan bahwa secara keseluruhan variabel independen (X) yang terdiri dari persepsi kegunaan, persepsi kemudahan penggunaan, persepsi keamanan web dan sikap dapat menjelaskan sebesar 71% minat penggunaan internet banking. dan sisanya dijelaskan oleh variabel lain R Square ATT IU

UJI HIPOTESIS  H0: Variabel Tidak berpengaruh  H1: persepsi kegunaan (PU) berpengaruh terhadap sikap (ATT) penggunaan internet banking  H2: persepsi kemudahan penggunaan (PEOU) berpengaruh terhadap sikap (ATT) penggunaan internet banking  H3: persepsi keamanan web (PWS) berpengaruh terhadap sikap (ATT) penggunaan internet banking  H4: sikap (ATT) berpengaruh terhadap minat (IU) penggunaan internet banking

Interpretasi 1.Berdasarkan hasil pengujian menunjukkan bahwa nilai p-value lebih kecil dari alpha (0.05), sehingga tolak H0. Terdapat pengaruh yang signifikan antara variabel persepsi kegunaan (PU) terhadap sikap perilaku (ATT) mahasiswa untuk menggunakan internet banking dalam transaksi pembayaran SPP. 2.Berdasarkan hasil pengujian menunjukkan bahwa nilai p-value lebih besar dari alpha (0.05), sehingga gagal tolak H0. Yang berarti tidak terdapat pengaruh yang signifikan dari variabel persepsi kemudahan penggunaan (PEOU) terhadap sikap perilaku mahasiswa (ATT) untuk menggunakan internet banking dalam transaksi pembayaran SPP. 3.Berdasarkan hasil pengujian menunjukkan bahwa nilai nilai p-value lebih besar dari alpha (0.05), sehingga gagal tolak H0. Yang berarti tidak terdapat pengaruh yang signifikan dari variabel persepsi keamanan web (PWS) terhadap sikap perilaku mahasiswa (ATT) untuk menggunakan internet banking dalam transaksi pembayaran SPP. 4.Berdasarkan hasil pengujian menunjukkan bahwa nilai p-value lebih kecil dari alpha (0.05), sehingga tolak H0. Terdapat pengaruh yang signifikan dari variabel sikap (ATT) terhadap minat mahasiswa (IU)untuk menggunakan internet banking dalam transaksi pembayaran SPP.

TERIMA KASIH