Eksekusi PLS

1. Buka SmartPLS -> New Project -> Nama Project

2. Import Data

3. Buat Model
a) Buat relasi model antar variabel laten sesuai dengan hipotesa yang telah dibuat.

Jumlah sample minimal adalah jumlah relasi ke variabel laten endogenous dikali empat.

b) Import indikator dari data yang telah diimport sebelumnya dengan cara drag indikator yang bersesuaian ke masing-masing laten

4. Perhitungan loading, weight, R-square, persamaan linier
Calculate -> PLS Algorithm

Hasil :

R-square = 0,136
R-square hanya ada pada laten endogenous (dependent variable)

Weight :
Tingkat pendidikan = 0,613
Skill = 0,124
Sertifikasi Kompetensi = 0,535
Gaji = 0,942
Aset = 0,010
Bisnis = 0,142

Loading :
Jenis tempat tinggal = 0,813
Jenis kendaraan = 0,871
Jumlah aset = 0,837
Gaya hidup = 0,700
Semua indikator reflektif digunakan karena memiliki nilai loading minimal 0,7 (Cohen, 1983)

Pendidikan -> Kesejahteraan Keluarga ,  Beta = 1,127
Tingkat Ekonomi -> Kesejahteraan Keluarga , Beta = 2,940

5. Mengitung nilai t dengan bootstrapping
Calculate -> Bootstrapping

Pendidikan -> Kesejahteraan Keluarga , t = 1,127
Tingkat Ekonomi -> Kesejahteraan Keluarga , t = 2,940

dengan menggunakan toleransi error 5% (alpha 0,05) dengan jumlah data 98 (n=98, pembulatan ke n=100) maka didapatkan t-table = 1,660

Sehingga jika dibandingkan maka :

• Pendidikan -> Kesejahteraan Keluarga , t = 1,127 < t-table = 1,660 , kesimpulan = hipotesa ditolak
• Tingkat Ekonomi -> Kesejahteraan Keluarga , t = 2,940 > t-table = 1,660 , kesimpulan = hipotesa diterima.