Kisi UAS Riset Operasi [PDF]

Citation preview

Pemodelan dalam PLS-Path Modeling ada 2 model : 1. Model structural (Inner model) yaitu model struktural yang menghubungkan antar variabel laten. 2. Model Measurement (Outer Model yaitu model pengukuran yang menghubungkan indikator dengan variabel latennya.



Model Partial Least Square Dalam PLS Path Modeling terdapat 2 model yaitu outer model dan Inner model. Kriteria uji dilakukan pada kedua model tersebut. Outer model (Model Measurement) Model ini menspesifikasi hubungan antar variabel laten dengan indikator-indikatornya. atau dapat dikatakan bahwa outer model mendefinisikan bagaimana setiap indikator berhubungan dengan variabel latennya. Uji yang dilakukan pada outer model :  Convergent Validity. Nilai convergen validity adalah nilai loading faktor pada variabel laten dengan indikator-indikatornya. Nilai yang diharapkan >0.7.  Discriminant Validity. Nilai ini merupakan nilai cross loading faktor yang berguna untuk mengetahui apakah konstruk memiliki diskriminan yang memadai yaitu dengan cara membandingkan nilai loading pada konstruk yang dituju harus lebih besar dibandingkan dengan nilai loading dengan konstruk yang lain.  Composite Reliability. Data yang memiliki composite reliability >0.8 mempunyi reliabilitas yang tinggi.  Average Variance Extracted  (AVE). Nilai AVE yang diharapkan >0.5.  Cronbach Alpha. Uji reliabilitas diperkuat dengan Cronbach Alpha.Nilai diharapkan >0.6 untuk semua konstruk.  Uji yang dilakukan diatas merupakan uji pada outer model untuk indikator reflektif. Untuk indikator formatif dilakukan pengujian yang berbeda. Uji untuk indikator formatif yaitu :



 



Significance of weights. Nilai weight indikator formatif dengan konstruknya harus signifikan. Multicolliniearity. Uji multicolliniearity dilakukan untuk mengetahui hubungan antar indikator. Untuk mengetahui apakah indikator formatif mengalami multicolliniearity dengan mengetahui nilai VIF. Nilai VIF antara 5- 10 dapat dikatakan bahwa indikator tersebut terjadi multicolliniearity.



https://www.statistikian.com/2018/08/pengertian-partial-least-square-pls.html



Ada 2 pendekatan yang dapat dilakukan untuk menilai reliabilitas model pengukuran yaitu uji contruct reliability dan variance extracted pada masing-masing-masing variabel laten.



Construct reliability adalah ukuran konsistensi internal dari indikator-indikator sebuah variabel bentukan yang menunjukkan derajad dalam variabel yang dibentuk. Variance extracted adalah ukuran yang seberapa banyak jumlah varians dari indikator yang diektraksi oleh variabel yang dibentuk. http://www.statistikolahdata.com/2018/06/uji-construct-reliability-dan-variance.html Nilai batas (cut off) uji construct reliability diterima apabila nilainya  > 0.70, namun jika penelitian masih bersifat eksplanatori nilai di bawah 0.7 masih diterima. Nilai batas (cut off) uji variance extracted yang direkomendasikan > 0.50. Nilai variance Extracted (VE) > 0.50 Average Variance Extracted (AVE) Nilai AVE digunakan untuk mengukur banyaknya varians yang dapat ditangkap oleh konstruknya dibandingkan dengan variansi yang ditimbulkan oleh kesalahn pengukuran. Nilai AVE harus lebih besar (> 0.5). Formula AVE :



Rumus AVE



Dimana    adalah component loading ke indikator dan   http://www.statistikolahdata.com/2013/07/uji-outer-model-pada-pls-path-modeling.html Fungsi Partial Least Square kalau dikelompokkan secara awam ada 2, yaitu inner model dan outer model. Outer model itu lebih kearah uji validitas dan reliabilitas. Sedangkan inner



model itu lebih kearah regresi yaitu untuk menilai pengaruh satu variabel terhadap variabel lainnya. 1. Penilaian kecocokan model bagian luar atau outer model antara lain: Reliabilitas dan validitas variabel laten reflektif dan validitas variabel laten formatif. 2. Penilaian kecocokan model bagian dalam antara lain: Penjelasan varian variabel laten endogenous, ukuran pengaruh yang dikontribusikan dan relevansi dalam prediksi.



https://www.statistikian.com/2018/08/pengertian-partial-least-square-pls.html Pengukuran Model Reflektif Pengukuran model PLS SEM pertama dalam outer model adalah pengukuran reflektif. Model pengukuran dinilai dengan menggunakan reliabilitas dan validitas. Untuk reliabilitas dapat digunakan Cronbach’s Alpha. Nilai ini mencerminkan reliabilitas semua indikator dalam model. Besaran nilai minimal ialah 0,7 sedang idealnya ialah 0,8 atau 0,9. Selain Cronbach’s Alpha digunakan juga nilai ρc (composite reliability) yang diinterpretasikan sama dengan nilai Cronbach’s Alpha. Setiap variabel laten harus dapat menjelaskan varian indikator masing-masing setidaktidaknya sebesar 50%. Oleh karena itu korelasi absolut antara variabel laten dan indikatornya harus > 0,7 (nilai absolut loadings baku bagian luar atau disebut outer loadings). Indikator reflektif sebaiknya dihilangkan dari model pengukuran jika mempunyai nilai loadings baku bagian luar dibawah 0,4. Terdapat dua jenis validitas dalam PLS SEM, yaitu validitas konvergen dan validitas diskriminan. Validitas konvergen mempunyai makna bahwa seperangkat indikator mewakili satu variabel laten dan yang mendasari variabel laten tersebut. Perwakilian tersebut dapat didemonstrasikan melalui unidimensionalitas yang dapat diekspresikan dengan menggunakan nilai rata-rata varian yang diekstraksi (Average Variance Extracted / AVE). Nilai AVE setidak-tidaknya sebesar 0,5. Nilai ini menggambarkan validitas konvergen yang memadai yang mempunyai arti bahwa satu variabel laten mampu menjelaskan lebih dari setengah varian dari indikator-indikatornya dalam rata-rata. https://www.statistikian.com/2018/08/pengertian-partial-least-square-pls.html



================================================================== Kasus 1. Riset tentang pengaruh kualitas produk dan kemauan merekomendasi dengan dua variabel intervening yaitu kepuasan dan loyalitas. Software yang digunakan SmartPLS. Output pertama yang pertama dilihat construct reliability and validity.



Variabel laten Kepuasan masih merah (minimal 0.5). Lihat matriks outer loading pada indikator variabel yang menyusun Kepuasan (Y1). Cari yang paling kecil, klik kotaknya dan delete (Y1.3) dan calculate ulang.



Kemudian delete lagi yang outler loadingnya paling kecil yaitu Y1.7 dan recalculate. Y1.7 dinilai tidak mengkonstruk variabel kepuasan.



Delete lagi Y1.4



Kemudian cek collinierity statistics VIF (variance inflation factor) untuk melihat adanya multikolinieritas atau korelasi antara variabel independent. Kemudian masuk uji hipotesis melalui menu calculate – bootstraping.



Kualitas produk berpengaruh secara langsung ke semua variabel dependent.



Pengaruh kualitas terhadap kemampuan terhadap kemauan merekomendasi bersifat indirect effect (signifikan atau p value < 0.05). Namun perlu dilihat lagi apakah melalui kepuasan, melalui loyalitas, atau melalui kepuasan dan loyalitas. Untuk itu perlu dilihat tabel specific indirect effect.



Tabel di atas untuk mengetahui signifikan atau tidaknya



-----------------------------------------------------------------------------------------------------------------------Jelaskan pengertian independent variables (IV), dependent variables (DV), moderating variables (MV) dan Intervening variables (IVV) Independent variable The presumed cause in an experimental study. All other variables that may impact the dependent variable are controlled. The values of the independent variable are under experimenter control. Strictly speaking, “independent variable”



Dependent variable The presumed effect in an experimental study. The values of the dependent variable depend upon another variable, the independent variable. Strictly speaking, “dependent



Moderating variable A variable that influences, or moderates, the relation between two other variables and thus produces an interaction effect.



Intervening variable A variable that explains a relation or provides a causal link between other variables. Also called by some authors “mediating variable” or “intermediary variable.” Example: The statistical association between income and longevity needs to be explained because just having money does not make one live longer. Other variables intervene between money and long life. People with high incomes tend



to have better medical care than those with low incomes. Medical care is an intervening variable. It mediates the relation between income and longevity. Mediating variable Synonym for intervening variable. Example: Parents transmit their social status to their children directly, but they also do so indirectly, through education: viz. Parent’s status ➛ child’s education ➛ child’s status



Tentukan jenis-jenis variabel dari pernyataan berikut ini “The introduction of the four-day workweek will lead to increased office productivity per worker-hour by increasing job satisfaction” The introduction of the four-day workweek (IV) will lead to increased office productivity per worker-hour (DV) by increasing job satisfaction (IVV)



Tentukan jenis-jenis variabel dari pernyataan berikut ini “The introduction of the four-day workweek will lead to increased office productivity per worker-hour especially among younger workers “



The introduction of the four-day workweek (IV) will lead to increased office productivity per workerhour (DV) especially among younger workers (MV) ----------------------------------------------------------------------------------------------------------------Sebuah restoran cepat saji (fast food) menyediakan menu baru, yaitu burger ayam. Restoran tersebut mengundang beberapa pelanggan tetapnya untuk mencoba dan menanyakan apakah pelanggan tersebut menyukai rasa burger ayam tersebut. Buatlah masing-masing satu pertanyaan dengan menggunakan skala pengukuran rating berikut: a. b. c.



Simple Category – Dichotomy Likert Numerical rating list Jawab: a) Apakah anda menyukai rasa burger ayam ini? a. Ya b. Tidak b) Apakah anda setuju bahwa burger ayam ini rasanya enak? a. Sangat setuju b. Setuju c. Netral d. Tidak setuju e. Sangat tidak setuju



c) Bagaimana rasa burger ayam ini? Sangat tidak enak 1 2



3



4



5



6



7 sangat enak



-----------------------------------------------------------------------------------------------------------------



Jelaskan makna dari ketiga output di bawah ini. K=kinerja, KK=kepuasan kerja, KO=komitmen organisasi



•



Goodness of fit yang dihasilkan cukup baik dengan nilai chi-square 43,66 dan p value 0,082 >0,05. Kriteria lain juga sudah memenuhi persyaratan.



Interpretasi : Kepuasan kerja berpengaruh signifikan terhadap kinerja dengan nilai t statistik 11,15 > 1,96 dengan koef. Unstandardized 0,94. Komitmen organisasi tidak berpengaruh signifikan terhadap kinerja dengan nilai t statistik 1,57 < 1,96 dengan koef. Unstandardized 0,093



Terlihat bahwa semua indikator pembentuk konstruk KK (X1-X4), KO (X5-X6) dan K (X7-X10) memiliki nilai loading factor > 0.50 sehingga dapat disimpulkan bahwa semua indikator adalah valid.



----------------------------------------------------------------------------------------------------------Apakah motivasi memediasi hubungan kompensasi dengan kinerja? Dataset : bab2.2.xls



Coefficientsa



Standardized Unstandardized Coefficients Model 1



B



Coefficients



Std. Error



(Constant)



1,603



1,605



Kompensasi



1,019



,112



Beta



t



,860



Sig. ,998



,326



9,076



,000



a. Dependent Variable: Motivasi Coefficientsa Standardized Unstandardized Coefficients Model 1



B



Coefficients



Std. Error



(Constant)



,383



,994



Kompensasi



,423



,134



Motivasi



,294



,113



Beta



t



Sig. ,385



,703



,512



3,160



,004



,421



2,600



,015



a. Dependent Variable: Kinerja



Suatu variabel dikatakan sebagai variabel intervening jika hubungan tidak langsung lebih besar dari hubungan langsung Besarnya hubungan tidak langsung = 0,860 x 0,421 = 0,362 Hubungan langsung = 0,512 lebih besar dari 0,362 artinya variabel motivasi bukan merupakan variabel intervening tetapi variabel motivasi berhubungan langsung dengan kinerja. Dataset : bab2.2.xls



Coefficientsa Standardized Unstandardized Coefficients Model 1



B



Std. Error



(Constant)



1,603



1,605



Kompensasi



1,019



,112



Coefficients Beta



t



,860



Sig. ,998



,326



9,076



,000



a. Dependent Variable: Motivasi Coefficientsa Standardized Unstandardized Coefficients Model 1



B



Coefficients



Std. Error



(Constant)



,383



,994



Kompensasi



,423



,134



Motivasi



,294



,113



Beta



t



Sig. ,385



,703



,512



3,160



,004



,421



2,600



,015



a. Dependent Variable: Kinerja



Suatu variabel dikatakan sebagai variabel intervening jika hubungan tidak langsung lebih besar dari hubungan langsung Besarnya hubungan tidak langsung = 0,860 x 0,421 = 0,362 Hubungan langsung = 0,512 lebih besar dari 0,362 artinya variabel motivasi bukan merupakan variabel intervening tetapi variabel motivasi berhubungan langsung dengan kinerja.



----------------------------------------------------------------------------------------------------------------



Berdasarkan gambar di atas, manakah yang merupakan variabel laten eksogen serta variabel laten endogen. Jelaskan alasan jawaban anda berdasarkan gambar tersebut. Manakah pula yang dimaksud dengan variabel-variabel indikator yang mengukur variabel laten endogen dan variabel laten eksogen.



Jawab : variabel laten pelayanan merupakan variabel laten eksogen. Variabel laten eksogen bercirikan tidak terdapat anak panah yang masuk ke arah variabel laten tersebut. Dengan kata lain, variabel laten eksogen tidak dipengaruhi oleh variabel laten lainnya. Variabel laten kepuasan dan loyalitas merupakan variabel laten endogen. Variabel laten endogen bercirikan terdapat anak panah yang masuk ke arah variabel laten tersebut. Dengan kata lain, variabel laten endogen dipengaruhi oleh variabel laten lainnya. Dalam Lisrel, variabel laten endogen ditandai dengan adanya simbol “x” pada ETA (Gambar 2). Perhatikan juga bahwa variabel-variabel indikator yang mengukur variabel laten endogen juga ditandai dengan adanya simbol “x” pada Y (Gambar 2). -----------------------------------------------------------------------------------------------------Manakah yang merupakan variabel moderasi dan proses pengolahan datanya dalam path analysis.



Jawab : Kompensasi adalah variabel moderasi. Buat variabel baru yang merupakan perkalian dari motivasi dan kompensasi. Lakukan analisis regresi linier variabel motivasi, kompensasi dan moderasi (motivasi x kompensasi) terhadap kinerja



Tuliskan persamaan regresinya serta jelaskan makna p value atau sig dari output di bawah ini untuk setiap IV serta kesimpulan akhirnya



Jawab : y = -6,686 + 1,347x1 + 1,176x2 – 0,090x1x2 Interaksi antara motivasi dan kompensasi signifikan (sig 0,008 < 0,05) berarti kompensasi merupakan variabel moderasi. Nilai 0,05 adalah taraf nyata atau significance level.