Dokumen ini menjelaskan cara melakukan permodelan SEM PLS dengan menggunakan paket PLSPM di R. Terdapat penjelasan singkat tentang latar belakang, kesulitan, dan tampilan awal permodelan. Kemudian dijelaskan langkah-langkah permodelan mulai dari instalasi paket, memuat data, menentukan model dalam dan luar, melakukan permodelan PLS, mengevaluasi hasil, dan mengekspor hasil ke file teks.

1. SEM PLS dengan
PLSPM dalam R
(Model A (Reflektif)
AKHID YULIANTO, SE, MSC

2. Latar Belakang
 SEM yang tidak memenuhi syarat parametrik banyak ditemui
 Beberapa software mahal dan secara etika wajib dijaga
 R menyediakan banyak solusi opensources
 Kita gunakan SEM PLS dengan PLSPM dari
(Sanchez, Trinchera dan Russolillo, 2015)

3. Kesulitan
 Menyusun urutan proses agak unik
 Namun sudah dipermudah.
 Perlu ketelitian
 Sudah saya tambahkan untuk mencetak output dalam bentuk txt dan
dapat dibuka di excel atau note
 Kedepan perlu digabung dengan eksplorasi data.

4. Tampilan awal

5. 1. Install R dulu.
2. Install R studio
3. Permodelan pada sources
4. Run satu satu
5. Evaluasi
6. Dapat digunakan untuk permodelan
akan dating.
source
console

6. Untuk install paket apapun
yang kita butuhkan

7. Permodelan

8. Run satu perintah

9. Run satu perintah

10. Menu perintah keseluruhan untuk
permodelan:
Sources with echo (semua output akan
keluar)
Source (tidak keluar

11. Klik sources with echo:
maka semua output
keluar

12. Diagram Outer setelah di perbesar
(zoom)

13. Weight setelah diperbesar (Zoom)

14. File cetak hasil ouput Model PLS
dan hasil validasi bootstrap

15. Dapat dibuka di Excel langsung
atau copy paste

16. Permodelan di sourcenya
 #aktifkan PLS SEM
 library(plspm)
 #Aktifkan Data
 library(haven)
 lapas <- read_sav("retno/data 1.sav")
 View(lapas)
 data.frame(lapas)
 dim(lapas)
 #Inner Model
 X1 = c(0, 0, 0)
 X2 = c (0, 0, 0)
 Y = c (1, 1, 0)
 Y_path = rbind(X1, X2, Y)
 colnames(Y_path) = rownames(kin_path)
 Y_path
 innerplot(Y_path)

17.  #Outer Model
 XY_blocks = list(c("X11", "X12", "X13", "X14", "X15"), c("X21", "X22", "X23",
"X24"), c("Y1", "Y2", "Y3", "Y4", "Y5"))
 #Tentukan Model Reflektif
 XY_modes = rep("A", 3)
 #Running PLS
 Y_pls = plspm(lapas, Y_path, XY_blocks, modes = XY_modes)
 Y_pls
 #Melihat Hasil Keseluruhan
 summary(Y_pls)
 oke=summary(Y_pls)

18.  #ekspor Hasil ke file txt dapat dibuka dengan excel
 sink("YPLS.txt")
 print(oke)
 sink()
 #Gambar model, loading, weight
 plot(Y_pls)
 plot(Y_pls, what = "loadings", arr.width = 0.1)
 plot(Y_pls, what = "weights", arr.width = 0.1)
 #Pengujian Bootstrapped
 Y_val = plspm(lapas, Y_path, XY_blocks, modes = XY_modes, boot.val = TRUE, br = 200)
 #Cetak hasil bootstrapped menjadi file TXT yg dapat dibuka dengan excel
 sink("Yboot.txt")
 print(Y_val$boot)
 sink()

19. Bila ada yang tidak berfungsi
 Silahkan install.packages(Nama yang tidak berfungsi) artinya belum
terinstall
 Interpretasi dapat menyusul dan mirip dengan posting saya di warped PLS

20. Konsultasi
 Akhid Yulianto, SE, MSc
 082252609759