Calculate (smartPLS)

 Menu Calculate di SmartPLS — Penjelasan Lengkap

Menu Calculate adalah jantung analisis SmartPLS — di sinilah seluruh algoritma statistik PLS dijalankan terhadap model (path diagram) yang sudah digambar dan data yang sudah diimpor. Kalau di SPSS ini setara menu Analyze, dan di EViews setara Quick > Estimate Equation.

1. PLS-SEM Algorithm

Algoritma inti dan paling sering dijalankan pertama kali — menghitung nilai outer loadings (hubungan indikator-konstruk), path coefficients (hubungan antar konstruk), R-square, dan skor variabel laten.

Hasil dari algoritma ini menjadi dasar untuk evaluasi outer model (validitas & reliabilitas) dan inner model (hubungan struktural/hipotesis) sebelum lanjut ke uji signifikansi.

2. Bootstrapping

Prosedur resampling (biasanya 5000 subsample) untuk menghasilkan nilai t-statistics dan p-values — dibutuhkan karena PLS-SEM tidak mengasumsikan distribusi normal, sehingga signifikansi hubungan antar konstruk (uji hipotesis) tidak bisa dihitung langsung seperti regresi biasa.

Hasil Bootstrapping inilah yang dipakai untuk menyimpulkan apakah hipotesis penelitian diterima/ditolak (biasanya dengan kriteria t-statistic > 1,96 atau p-value < 0,05).

3. Blindfolding

Prosedur untuk menghitung predictive relevance (Q²) — mengevaluasi seberapa baik model memprediksi data, khusus untuk konstruk dengan indikator reflektif. Hanya bisa dijalankan pada model dengan skala data tertentu (biasanya butuh omission distance tertentu, umum dipakai angka 7).

4. Importance-Performance Map Analysis (IPMA)

Analisis tambahan yang menggabungkan hasil importance (total effect dari path coefficient) dengan performance (rata-rata skor konstruk) — menghasilkan matriks prioritas, berguna untuk rekomendasi manajerial (mis. konstruk mana yang penting tapi performanya masih rendah, jadi prioritas perbaikan).

5. PLSpredict

Prosedur validasi prediktif model (out-of-sample prediction) — mengevaluasi kemampuan model memprediksi data baru, relatif baru sebagai standar tambahan validasi model PLS-SEM di luar Q² dari Blindfolding.

6. Multi-Group Analysis (MGA) / PLS-MGA

Menguji apakah hubungan antar konstruk (path coefficient) berbeda signifikan antara dua atau lebih kelompok data (mis. membandingkan model antara responden pria vs wanita, atau perusahaan besar vs kecil).

7. Measurement Invariance of Composite Models (MICOM)

Prosedur yang wajib dijalankan sebelum MGA — memastikan instrumen pengukuran (konstruk) memang setara/invarian antar kelompok yang akan dibandingkan, supaya hasil perbandingan MGA valid secara metodologis.

8. Confirmatory Tetrad Analysis (CTA-PLS)

Uji statistik untuk memastikan apakah suatu konstruk sebaiknya dimodelkan sebagai reflektif atau formatif — dipakai kalau ragu-ragu menentukan tipe model pengukuran konstruk tertentu.

9. Necessary Condition Analysis (NCA) — jika tersedia

Analisis pelengkap PLS-SEM yang menguji apakah suatu variabel merupakan kondisi yang perlu (necessary), bukan hanya cukup (sufficient), bagi variabel lain — pendekatan berbeda dari analisis hubungan konvensional.

Ringkasan Fungsi Menu Calculate

Fitur Fungsi Utama

PLS-SEM Algorithm Hitung outer loading, path coefficient, R-square — wajib dijalankan pertama

Bootstrapping Hitung t-statistic/p-value untuk uji hipotesis (signifikansi)

Blindfolding Hitung Q² (predictive relevance)

PLSpredict Validasi prediktif out-of-sample

MGA / MICOM Bandingkan model antar kelompok (perlu MICOM dulu sebelum MGA)

CTA-PLS Uji tipe konstruk reflektif vs formatif

Alur Umum Analisis dengan Menu Calculate (Urutan yang Disarankan)

PLS-SEM Algorithm → cek outer model (loading, AVE, discriminant validity) dan inner model (R², path coefficient) dasar.

Evaluasi outer model dulu — kalau ada indikator dengan loading rendah (< 0,7), pertimbangkan dibuang, lalu jalankan ulang algoritma.

Bootstrapping → uji signifikansi hipotesis (t-statistic/p-value) — ini yang biasanya jadi tabel utama hasil uji hipotesis di skripsi.

Blindfolding (opsional tapi umum diminta) → hitung Q² untuk predictive relevance.

MICOM lalu MGA (kalau penelitian punya perbandingan kelompok, mis. gender/segmen) → uji apakah hubungan model berbeda antar kelompok.

Perbedaan dari "Analyze" SPSS / "Estimate Equation" EViews

Aspek Calculate (SmartPLS) Analyze (SPSS) Estimate Equation (EViews)

Basis Model path diagram visual (SEM-PLS) Pilih variabel di dialog Ketik spesifikasi model (Y C X1 X2)

Uji signifikansi Lewat Bootstrapping (non-parametrik, resampling) Lewat uji parametrik langsung (T Test, ANOVA) Lewat hasil regresi langsung (uji t, F)

Hasil utama Path coefficient, loading, R², Q² Mean, korelasi, signifikansi Koefisien regresi, R², signifikansi

Tips Praktis

PLS-SEM Algorithm dan Bootstrapping adalah dua yang wajib dijalankan hampir di setiap penelitian SEM-PLS — hasil keduanya biasanya jadi dua tabel utama di bab Hasil Penelitian (evaluasi model pengukuran & uji hipotesis).

Kalau penelitian membandingkan kelompok (mis. UMKM vs perusahaan besar), jangan lupa jalankan MICOM sebelum MGA — banyak skripsi ditolak reviewer karena langsung MGA tanpa uji invariance dulu.

Kriteria evaluasi lengkap (loading > 0,7, AVE > 0,5, Cronbach's Alpha/Composite Reliability > 0,7, dst.) sebaiknya dipelajari terpisah karena ini masuk ranah interpretasi hasil, bukan sekadar cara klik menu.