Ringkasan dokumen tersebut adalah: 1. Dokumen tersebut membahas tentang analisis data penelitian menggunakan Structural Equation Modeling (SEM) dan perbandingannya antara Partial Least Square Path Modeling (PLS-SEM) dengan Covariance-based Structural Equation Modeling (CB-SEM). 2. Diberikan pula kriteria dan kelebihan masing-masing pendekatan SEM beserta contoh evaluasi model outer dan inner. 3. Terdapat juga penjelasan singkat mengenai validitas dan reliab

1. PENGOLAHAN DAN ANALISIS DATA PENELITIAN
By
Mohammad Sofyan, S.E., M.M
https://scholar.google.com/citations?user=JPk48hgAAAAJ&hl=id

2. SEM (Structural Equation Modeling)
(Hair et al, 2006)
• Suatu teknik statistik yang mampu menganalisis pola hubungan
antara konstruk laten dan indikatornya, konstruk laten yang satu
dengan lainnya, serta kesalahan pengukuran secara langsung.
SEM
Covariance-based Structural Equation Modeling (CB-SEM) yang
dikembangkan oleh Joreskog (1969)
Partial Least Square Path Modeling (PLS-SEM) sering disebut Component-
based Structural Equation Modeling yang dikembangkan oleh Wold (1974).

3. Kriteria PLS-SEM CB-SEM
Tujuan Untuk mengembangkan teori atau
membangun teori (orientasi prediksi)
Untuk menguji teori atau
mengkonfirmasi teori (orientasi
parameter)
Pendekatan Berdasarkan variance Berdasarkan covariance
Evaluasi Model dan Asumsi
Normalitas Data
Tidak mensyaratkan data terdistribusi normal
dan estimasi parameter dapat langsung
dilakukan tanpa persyaratan kriteria
goodness of fit
Mensyaratkan data terdistribusi normal
dan memenuhi kriteria goodness of fit
sebelum estimasi parameter
Metode Estimasi Lease Square Maximum Likelihood (umumnya)
Hubungan epistemic antara
peubah laten dan
indikatornya
Dapat dalam bentuk indikator
reflektif maupun formatif
Hanya dengan indikator reflektif
Implikasi Optimal untuk ketepatan prediksi Optimal untuk ketepatan
parameter
Kompleksitas Model Kompleksitas besar (100
konstruk dan 100 indikator)
Kompleksitas kecil sampai menengah
(kurang dari 100 indikator)
Besar Sample • Kekuatan analisis didasarkan pada porsi
dari model yang memiliki jumlah
predictor terbesar.
• Minimal direkomendasikan berkisar dari
30 – 100
• Kekuatan analisis didasarkan pada
model spesifik.
• Minimal direkomendasikan berkisar
dari 200 sampai 800
Spesifikasi Model dan
Parameter Model
Component two loadings, path koefisien dan
component weight
Factors one loadings, path koefisien,
error variances dan factor means
Pengujian Signifikansi Tidak dapat diuji dan difalsifikasi (harus
melalui prosedur bootstrap atau jackknife)
Model dapat diuji dan difalsifikasi
*Falsifikasi adalah kebalikan dari verifikasi, yaitu pengguguran teori lewat fakta-fakta.

4. ALASAN PENGGUNAAN PLS-SEM
• PLS tidak terbatas hanya untuk hubungan antara indikator
dengan konstrak latennya yang bersifat reflektif saja, tetapi
juga dipakai untuk hubungan yang bersifat formatif.
• PLS dapat digunakan untuk menaksir model path
• PLS dapat digunakan untuk model yang sangat kompleks
yaitu terdiri dari banyak peubah laten dan manifest tanpa
mengalami masalah dalam estimasi data.
• PLS dapat digunakan ketika distribusi data sangat miring
atau tidak tersebar diseluruh nilai rata-ratanya.
• PLS dapat digunakan untuk menghitung peubah moderator
secara langsung, karena penelitian ini sendiri terdiri dari 1
peubah moderator.
https://www.smartpls.com/downloads
Pada kesempatan ini kita akan mempelajari hasil pengolahan data menggunakan
Aplikasi Smart-PLS versi 3.3.2 yang dapat di download pada link berikut:

5. Gambar. Paradigma Penelitian
Model Penelitian:
𝜂1 = 𝛽1 𝜉1 + 𝛽2 𝜉2 + 𝜁1
Kepatuhan WP = PersepsiWP + PengetahuanWP + Epsilon1
𝜂2 = 𝛽1 𝜂1 + 𝛽2 𝜉1 + 𝛽3 𝜉2 + 𝜁2
Kesadaran WP = Kepatuhan WP + PersepsiWP + PengetahuanWP + Epsilon2

6. RINGKASAN EVALUASI PENGUKURAN OUTER MODEL
(Imam Ghozali, 2014)
Validitas dan Reliabilitas Parameter Rule of Thumb
Validitas Convergent Loading Faktor • > 0.70 untuk Confirmatory
Research
• > 0.60 untuk Explanatory
Research
Average Variance
Extracted (AVE)
• > 0.50 untuk Confirmatory
maupun Explanatory Research
Validitas Discriminant Cross Loading • > 0.70 untuk setiap peubah
Reliabilitas Cronbach’s Alpha • 0.70 untuk Confirmatory Research
• 0.60 masih dapat diterima untuk
Explanatory Research
Composite Reliability • 0.70 untuk Confirmatory Research
• 0.60 masih dapat diterima untuk
Explanatory Research
Analisa outer model dilakukan untuk memastikan bahwa pengukuran yang digunakan valid dan
reliabel.

7. Convergent Validity
•Pengujian terhadap
indikator dalam peubah
laten untuk memastikan
bahwa indikator yang
digunakan dalam
penelitian ini benar-benar
mampu dipahami dengan
baik oleh responden
sehingga responden
tidak mengalami
kesalahpahaman terhadap
indikator yang digunakan.
Discriminant Validity
•Pengukuran indikator
refleksif berdasarkan cross
loading dengan peubah
latennya. Bilamana nilai
cross loading setiap
indikator pada peubah
bersangkutan lebih besar
dibandingkan dengan cross
loading pada peubah laten
lainnya maka dikatakan
valid.
•Metode lain dengan
membandingkan nilai
square root of average
variance extracted (AVE)
setiap konstruk dengan
korelasi antar konstruk
lainnya dalam model.
•Jika AVE konstruk lebih
besar dari korelasi dengan
seluruh konstruk lainnya
maka dikatakan memiliki
discriminant validity yang
baik.
Composite reliability
•Indeks yang menunjukkan
sejauh mana suatu alat
pengukur dapat dipercaya
untuk diandalkan. Bila
suatu alat dipakai dua kali
untuk mengukur gejala
yang sama dan hasil
pengukuran yang
diperoleh relatif konsisten
maka alat tersebut
reliabel.
•Dengan kata lain,
reliabilitas menunjukkan
suatu konsistensi alat
pengukur dalam gejala
yang sama.

11. RINGKASANHASILUJIVALIDITAS
Peubah Laten Indikator Nilai loading Faktor Keterangan
Persepsi Wajib Pajak Persep1 0.735 Valid
Persep2 0.710 Valid
Persep3 0.817 Valid
Persep4 0.839 Valid
Persep5 0.748 Valid
Persep6 0.779 Valid
Pengetahuan Wajib Pajak Penget1 0.705 Valid
Penget2 0.752 Valid
Penget3 0.780 Valid
Penget4 0.806 Valid
Penget5 0.729 Valid
Penget6 0.781 Valid
Kepatuhan Wajib Pajak Patuh1 0.775 Valid
Patuh2 0.857 Valid
Patuh3 0.880 Valid
Patuh4 0.860 Valid
Patuh5 0.742 Valid
Patuh6 0.776 Valid
Kesadaran Wajib Pajak Sadar1 0.836 Valid
Sadar2 0.836 Valid
Sadar3 0.796 Valid
Sadar4 0.913 Valid
Sadar5 0.872 Valid

12. RINGKASAN HASIL UJI RELIABILITAS
Peubah Laten Nilai Cronbach’s Alpha Keterangan
Persepsi Wajib Pajak 0.864 Reliabel
Pengetahuan Wajib Pajak 0.854 Reliabel
Kepatuhan Wajib Pajak 0.899 Reliabel
Kesadaran Wajib Pajak 0.905 Reliabel
Sumber: Data Penelitian diolah

13. RINGKASAN EVALUASI PENGUKURAN INNER MODEL
(Imam Ghozali, 2014)
Kriteria Rule of Thumb
Signifikansi • > 1.65 (significance level = 10%)
• > 1.96 (significance level = 5%)
• > 2.58 (significance level = 1%)
R-Square • 0.75 menunjukkan model kuat
• 0.50 menunjukkan model
moderate
• 0.25 menunjukkan model lemah
Analisa inner model/analisa struktural model dilakukan untuk memastikan bahwa model struktural
yang dibangun akurat.

15. RINGKASAN OUTPUT INNER MODEL
(Direct Effects)

17. RINGKASAN PENGARUH LANGSUNG, TAK
LANGSUNG, DAN TOTAL
Pengaruh
Langsung
Pengaruh Tak
langsung
Pengaruh Total
Persepsi WP →
Kepatuhan WP
t_observasi 2.995 - 5.262
Koefisien Jalur 0.327 - 0.327
Pengetahuan WP
→ Kepatuhan WP
t_observasi 11.589 - 10.634
Koefisien Jalur 0.634 - 0.634
Persepsi WP →
Kesadaran WP
t_observasi 2.995 2.609 3.698
Koefisien Jalur 0.224 0.175 0.399
Pengetahuan WP
→ Kesadaran WP
t_observasi 0.829 2.609 3.648
Koefisien Jalur 0.148 0.338 0.486
Kepatuhan WP →
Kesadaran WP
t_observasi 3.715 - 3.715
Koefisien Jalur 0.534 - 0.534
Sumber: Data Penelitian diolah

18. TAUTAN LATIHAN SMART-PLS
https://www.youtube.com/channel/UCL69RzClmy8cvjdeEyd_Kcw/videos

19. MY PROFILE
• Google Scholar
https://scholar.google.com/citations?user=JPk48hgAAAAJ&hl=id
• Sinta
http://sinta.ristekbrin.go.id/authors/detail?id=6178187&view=overview
• Orcid
https://orcid.org/0000-0002-2216-9371
• Ketua Bidang Penelitian IAEI Komisariat Institut Ilmu Sosial dan Manajemen STIAMI
• Penulis Buku Metodologi Penelitian Keuangan dan Bisnis
https://drive.google.com/file/d/1lMSTppT5XOuJe0xCr0tZsxnVGmtC5bSA/view?usp=sharing
• Ilomata International Journal
https://www.ilomata.org/index.php/ijtc/about/editorialTeam
https://www.ilomata.org/index.php/ijjm/about/editorialTeam
https://www.ilomata.org/index.php/ijss/about/editorialTeam
• Maker: Jurnal Manajemen
https://maker.ac.id/index.php/maker/about/displayMembership/3
• Journal of Sharia Economics
http://journal.iaialhikmahtuban.ac.id/index.php/JSE/about/editorialTeam
• Sofyan Frozen
https://sites.google.com/view/sofyan-frozen-food/

20. TERIMA KASIH