Variance Based SEM dengan

smartPLS 3.0
(Sesi 2)

Dr. Ananda Sabil Hussein

Box ini berisi file analisa yang kita

kerjakan dalam PLS

Gambar model
struktural

Nama project

Double klik untuk memasukkan data

Data excel yang dimasukkan harus berformat

delimited)

Untuk
mendapatkan
path koefisien

Path Coefficient
0,406 ini adalah koefisien
pengaruh Brand Awareness
terhadap Brand Image

0,141 ini adalah koefisien

pengaruh Brand Awareness
terhadap Customer Loyalty

Factor Loading

Ideal nya nilai faktor

loading di atas 0,7.
Tetapi sampai 0,6 masi
diijinkan. Dibawah 0,6
harus di hapus

Semua nilai faktor loading di atas 0,6

Discriminant Validity
Nilai korelasi Bran awareness
dengan konstruk lainnya
Square root of AVE (Akar kuadrat AVE)

Rule of thumb: Dikatakan tidak ada masalah discriminant validity jika

nilai akar kuadrat AVE lebih besar dari pada korelasi dengan konstruk
lainnya

Unidimensionality

Baik untuk alpha cronbach dan Composite Reliability harus di atas 0,7. Untuk
Alpha cronbach sampai 0.6 masih diijinkan (Hair, et al. 2010)

Outer Model
Predictive relevance (Q-square)
Q2 = 1 ( 1 R12) ( 1 R22 ) ( 1 R32 )... ( 1- Rp2 )
Q square = 1 (1-0,179)(1-0,495)(1-0,179)
Q-square = 0,659

Outer Model
GoF = 2 = 0.624 0.295 = 0.429
AVE

^2

Brand Awareness

0.622

Brand Image

0.608

0.187

Customer Loyalty

0.628

0.511

Service Quality

0.639

0.188

0.624

0.295

Hypothesis Testing
Klik yang
bootstrapping. Setelah
di klik subsamples yang
sering digunakan
adalah 500 atau 1000

Hypothesis Testing
Pengujian Hypothesis menggunakan kriteria tstatistik > t- tabel dan dari nilai probability (p
values)
T- statistik didapat dari perhitungan PLS
T-tabel dilihat pada tabel t. Biasanya untuk
alpha 5% nilai t-tabel dengan n >200 adalah
1,976
Jika menggunakan alpha 5% maka nilai p
values harus < 0.05

Nilai path coefficient

standardized

Nilai t-statistik
Nilai p values