DATA ANALYSIS USING SMARTPLS FOR RESEARCH

Pelatihan Data Analysis Using SmartPLS for Research dirancang untuk membekali peserta dengan pengetahuan dan keterampilan dalam melakukan analisis data penelitian menggunakan metode Partial Least Squares Structural Equation Modeling (PLS-SEM) melalui software SmartPLS. Pelatihan ini membantu peserta memahami proses analisis data mulai dari persiapan data, pengembangan model penelitian, pengujian model pengukuran hingga pengujian model struktural.

Peserta akan mempelajari cara mengolah data kuesioner, membangun model penelitian, melakukan evaluasi outer model dan inner model, serta menginterpretasikan hasil analisis seperti validitas, reliabilitas, koefisien jalur, R-Square, effect size, predictive relevance, hingga bootstrapping. Pelatihan ini cocok untuk mendukung kebutuhan penelitian akademik maupun riset bisnis.

Tujuan Pelatihan

• Memahami konsep dasar PLS-SEM dan SmartPLS.
• Memahami perbedaan dasar antara CB-SEM dan PLS-SEM.
• Mampu menyiapkan data penelitian sebelum proses analisis.
• Mampu membangun model penelitian pada SmartPLS.
• Memahami evaluasi measurement model atau outer model.
• Memahami evaluasi structural model atau inner model.
• Mampu melakukan pengujian hipotesis menggunakan bootstrapping.
• Mampu menginterpretasikan output SmartPLS.
• Mampu menyusun hasil analisis untuk laporan penelitian.
• Mampu menarik kesimpulan berdasarkan hasil pengujian model.

Materi Pelatihan

1. Introduction to Research Data Analysis

• Research Data Fundamentals
• Quantitative Research
• Variables & Constructs
• Indicators
• Research Framework
• Research Hypotheses
• Questionnaire Data
• Data Analysis Workflow

2. Introduction to PLS-SEM

• Structural Equation Modeling
• CB-SEM vs PLS-SEM
• PLS-SEM Fundamentals
• Measurement Model
• Structural Model
• Latent Variables
• Manifest Variables
• Reflective & Formative Constructs
• PLS-SEM Applications

3. Introduction to SmartPLS

• SmartPLS Interface
• Project Creation
• Data Import
• Variable Assignment
• Construct Creation
• Indicator Assignment
• Model Workspace
• Data View
• Basic Settings

4. Data Preparation

• Data Coding
• Data Entry
• Data Cleaning
• Missing Values
• Outlier Awareness
• Data Validation
• Variable Measurement
• Data Import Preparation
• Dataset Structure

5. Building the Research Model

• Conceptual Framework
• Construct Development
• Latent Variables
• Indicator Mapping
• Path Relationship
• Reflective Model
• Formative Model
• Model Specification
• Research Model Development

6. Outer Model Evaluation

• Measurement Model Evaluation
• Indicator Reliability
• Outer Loading
• Internal Consistency Reliability
• Cronbach’s Alpha
• Composite Reliability
• Convergent Validity
• Average Variance Extracted (AVE)
• Discriminant Validity
• Fornell-Larcker Criterion
• HTMT

7. Inner Model Evaluation

• Structural Model Evaluation
• Collinearity
• VIF
• Path Coefficients
• Coefficient of Determination
• R-Square
• Effect Size
• f-Square
• Predictive Relevance
• Q-Square
• Model Interpretation

8. Bootstrapping & Hypothesis Testing

• Bootstrapping Fundamentals
• Resampling
• Path Significance
• T-Statistics
• P-Values
• Confidence Interval
• Direct Effect
• Indirect Effect
• Total Effect
• Hypothesis Decision

9. Mediation & Moderation Analysis

• Mediation Fundamentals
• Indirect Effect
• Direct Effect
• Total Effect
• Mediation Analysis
• Moderator Variables
• Interaction Effect
• Moderation Analysis
• Result Interpretation

10. Advanced PLS-SEM Analysis

• Multi-Group Analysis Awareness
• Importance-Performance Map Analysis
• Predictive Analysis Awareness
• Model Comparison
• Advanced Model Assessment
• Robustness Analysis

11. Result Interpretation & Research Reporting

• Output Interpretation
• Research Findings
• Hypothesis Results
• Result Discussion
• Theoretical Implications
• Practical Implications
• Research Conclusion
• Result Tables
• Research Reporting

12. SmartPLS Research Workshop

• Research Model Development
• Data Import
• Model Construction
• PLS Algorithm
• Outer Model Evaluation
• Inner Model Evaluation
• Bootstrapping
• Hypothesis Testing
• Mediation/Moderation Exercise
• Result Interpretation
• Research Report Development

Learning Outcomes

Setelah mengikuti pelatihan ini, peserta mampu:

• Memahami konsep dasar PLS-SEM.
• Menggunakan SmartPLS untuk analisis data penelitian.
• Menyiapkan dan mengimpor data penelitian ke dalam SmartPLS.
• Membangun model penelitian berdasarkan kerangka konseptual.
• Mengevaluasi outer model melalui pengujian validitas dan reliabilitas.
• Mengevaluasi inner model melalui R-Square, f-Square, Q-Square, dan path coefficient.
• Melakukan bootstrapping untuk menguji signifikansi hubungan antarvariabel.
• Menginterpretasikan T-Statistics, P-Values, dan Path Coefficients.
• Melakukan analisis pengaruh langsung, tidak langsung, mediasi, dan moderasi.
• Menyusun hasil analisis SmartPLS ke dalam laporan penelitian.
• Menarik kesimpulan berdasarkan hasil pengujian hipotesis.

Metode Pelatihan

• Instructor-Led Training
• Interactive Discussion
• Live SmartPLS Demonstration
• Hands-On Practice
• Research Data Analysis Exercise
• Model Building Workshop
• Outer Model Evaluation
• Inner Model Evaluation
• Bootstrapping Practice
• Hypothesis Testing Exercise
• Case Study
• Final Research Analysis Project

Peserta yang Direkomendasikan

• Mahasiswa S1, S2, dan S3
• Dosen
• Peneliti
• Research Assistant
• Data Analyst
• Business Analyst
• Market Researcher
• Research Consultant
• Academic Researcher
• Profesional yang melakukan penelitian kuantitatif
• Profesional yang ingin mempelajari PLS-SEM dan SmartPLS untuk analisis data penelitian.

Durasi Pelatihan

2–3 Hari

Fasilitas Pelatihan

• Modul pelatihan
• Training Kit
• Sertifikat Pelatihan
• Dataset untuk praktik
• SmartPLS Hands-On Practice
• Research Model Workshop
• Outer Model Evaluation Exercise
• Inner Model Evaluation Exercise
• Bootstrapping Practice
• Hypothesis Testing Workshop
• Case Study
• Final Research Analysis Project
• Coffee Break dan Lunch (kelas tatap muka)
• Konsultasi pasca pelatihan

Benefit Mengikuti Pelatihan

• Meningkatkan kemampuan melakukan analisis data penelitian menggunakan SmartPLS.
• Memahami proses PLS-SEM dari pembangunan model hingga interpretasi hasil.
• Mampu melakukan pengujian validitas dan reliabilitas.
• Memahami evaluasi measurement model dan structural model.
• Mampu melakukan pengujian hipotesis menggunakan bootstrapping.
• Meningkatkan kemampuan menginterpretasikan output statistik.
• Memahami analisis pengaruh langsung, tidak langsung, mediasi, dan moderasi.
• Membantu penyusunan hasil penelitian, skripsi, tesis, disertasi, maupun riset bisnis.
• Mendukung pengambilan keputusan dan pengembangan penelitian berbasis data.

Info Training & Pendaftaran

Untuk informasi jadwal Public Training, In-House Training, maupun Corporate Training, silakan menghubungi tim marketing kami:

📞 0878-9402-4805

Formulir

Judul *

Nama *

Nomor *

Email *

Kota *

Instansi *

Captcha *

Kirim Data