Portal baru • Belajar lebih terarah • 2026 Belajar Sudah. Sekarang, Berani Uji Kemampuanmu? Kenalan dengan Tryout Pendamping Akademik — satu tempat untuk menemukan latihan soal, tes prediksi, dan simulasi belajar mandiri, dari TKA SMA hingga TOEFL iBT . Jelajahi Portal Tryout Coba TKA Sosiologi Bukan Sekadar Menghafal, Saatnya Mengukur Kesiapan Pernah merasa sudah belajar berjam-jam tetapi masih ragu ketika melihat soal ujian? Itu alasan portal Tryout Pendamping Akademik hadir. Lewat latihan yang bisa diakses secara online, siswa dan peserta tes dapat membiasakan diri membaca soal, memahami konteks, serta melatih strategi menjawab secara lebih terarah. Di tengah perhatian besar terhadap Tes Kemampuan Akademik (TKA) 2026 , latihan mandiri menjadi semakin relevan. Berdasarkan informasi Kemendikdasmen, pelaksanaan utama TKA SMA/MA/SMK berlangsung pada 26 Oktober–8 November 2026, dengan tahap susulan dijadwalkan pada 16–29 November 2026. Informasi jadwal resmi dapat dili...
SmartPLS 3: Panduan Instalasi dan Analisis Data PLS-SEM
Memulai analisis SmartPLS 3 terasa lebih terarah ketika data, model penelitian, dan tahapan pengujian sudah disiapkan sejak awal.
Panduan ini membantu mahasiswa dan peneliti memahami persiapan instalasi, penyusunan model PLS-SEM, pembacaan hasil, serta pelaporannya untuk skripsi dan tesis. Informasi unduhan juga disesuaikan dengan status versi yang tersedia pada situs resmi.
Mengenal SmartPLS 3 untuk penelitian kuantitatif
SmartPLS 3 merupakan perangkat lunak untuk menyusun dan mengestimasi model Partial Least Squares Structural Equation Modeling atau PLS-SEM. Model tersebut menghubungkan konstruk penelitian dengan indikator pengukurannya serta hubungan antarkonstruk.
Dalam skripsi atau tesis, pengguna biasanya bekerja dengan dua bagian: model pengukuran untuk mengevaluasi indikator, serta model struktural untuk mengevaluasi hubungan yang dirumuskan dalam hipotesis.
Pemilihan PLS-SEM perlu mengikuti tujuan penelitian, dasar teori, jenis pengukuran, dan kebutuhan penjelasan atau prediksi. Sampel kecil atau data tidak normal dapat menjadi pertimbangan tambahan, tetapi keduanya belum cukup sebagai satu-satunya alasan memilih metode.[9]
Status SmartPLS 3 dan versi yang tersedia saat ini
Menurut catatan resmi, SmartPLS 3 sudah tidak dikembangkan. Rilis terakhir yang tercantum pada halaman versi 3 adalah 3.3.9, bertanggal 28 Maret 2022.[1]
Pada pemeriksaan 2 November 2026, halaman unduh utama penyedia menawarkan SmartPLS 4. Karena itu, gunakan halaman tersebut untuk memperoleh versi aktif, dan rujuk catatan versi atau dukungan resmi apabila penelitian Anda secara khusus memerlukan SmartPLS 3.[2]
Menentukan kebutuhan versi sebelum instalasi
Kebutuhan penelitian
Langkah yang sesuai
Melanjutkan proyek SmartPLS 3
Catat versi yang dipakai sebelumnya, simpan salinan workspace, dan periksa akses installer serta lisensi versi tersebut.
Memulai proyek baru
Periksa versi yang tersedia pada situs resmi dan sesuaikan dengan kebutuhan metode serta arahan akademik.
Memindahkan proyek ke SmartPLS 4
Gunakan prosedur impor resmi dan tinjau kembali pengaturan data serta hasil estimasinya. [6, 7]
Mulailah dengan mencatat sistem operasi komputer, versi aplikasi yang diperlukan, dan lokasi penyimpanan proyek. Cocokkan kompatibilitas komputer dengan informasi installer yang akan dipakai. Halaman persyaratan sistem yang aktif saat ini membahas SmartPLS 4, sehingga detailnya perlu dibedakan dari kebutuhan installer versi 3.
Bahan yang disiapkan sebelum analisis
Bahan
Pemeriksaan praktis
Komputer dan ruang simpan
Siapkan ruang untuk aplikasi, data, workspace, serta ekspor hasil. Simpan salinan proyek sebelum pemindahan atau perubahan besar.
Matriks data
Gunakan satu baris per responden atau unit observasi dan satu kolom per indikator.
Daftar indikator
Cocokkan kode kolom dengan butir kuesioner dan definisi konstruk.
Pengodean jawaban
Periksa rentang nilai, butir negatif, data kosong, dan konsistensi skala.
Kerangka model
Siapkan arah hubungan, jenis pengukuran, serta hipotesis berdasarkan teori.
Untuk data hilang, tentukan penanda secara konsisten dan pastikan aplikasi mengenalinya. SmartPLS 3 menggunakan penanda, misalnya −99, yang perlu didefinisikan pada pengaturan data. Penanda tersebut harus berada di luar rentang jawaban yang sah.[7]
Catat jumlah data hilang dan cara penanganannya. Pilihan penanganan dapat memengaruhi data yang digunakan dan hasil estimasi.[8]
Cara menyiapkan instalasi SmartPLS 3
Langkah berikut ditujukan bagi pengguna yang telah memperoleh installer SmartPLS 3 dan akses lisensi yang sesuai. Ketersediaan installer versi lama dapat dikonfirmasi melalui penyedia atau pengelola lisensi institusi.
Pastikan versi yang dibutuhkan. Cocokkan versi dengan proyek sebelumnya, petunjuk perkuliahan, atau rancangan analisis penelitian.
Siapkan salinan proyek. Simpan data mentah, instrumen, dan workspace yang sudah ada pada lokasi terpisah.
Periksa paket instalasi. Cocokkan installer dengan sistem operasi dan ikuti petunjuk dari sumber resminya.
Jalankan proses pemasangan. Ikuti tahapan yang ditampilkan installer, lalu jalankan aplikasi setelah selesai.
Gunakan akses lisensi yang tersedia. Ikuti prosedur aktivasi untuk versi dan lisensi yang Anda miliki.
Uji dengan proyek latihan. Buka aplikasi, buat proyek sederhana, dan pastikan data dapat dibaca sebelum mengerjakan model penelitian utama.
Apabila aplikasi tidak dapat dijalankan, catat pesan kesalahan, versi SmartPLS, dan sistem operasi. Informasi tersebut membantu pengelola laboratorium atau dukungan resmi menelusuri kendalanya.
Alur analisis data menggunakan SmartPLS 3
1. Membuat proyek dan mengimpor data
Gunakan nama proyek yang mudah dikenali. Siapkan data dalam format yang didukung, misalnya CSV, lalu periksa pemisah kolom, tanda desimal, nama indikator, dan jumlah observasi setelah impor.
Jika kolom terbaca tidak sesuai, perbaiki pengaturan impor atau sumber datanya sebelum melanjutkan. Catat perubahan agar proses pengolahan dapat ditelusuri.[7]
2. Menyusun konstruk dan indikator
Buat konstruk sesuai kerangka penelitian, lalu tempatkan indikator pada konstruk yang tepat. Sebagai ilustrasi, penelitian keputusan pembelian dapat menghubungkan kualitas layanan dan citra merek dengan keputusan pembelian. Nama dan hubungan pada model perlu mengikuti teori serta instrumen yang digunakan.
Tentukan apakah pengukurannya reflektif atau formatif. Pada pengukuran reflektif, indikator mencerminkan konstruk; pada pengukuran formatif, indikator membentuk konstruk. Pemilihan ini menentukan evaluasi yang diperlukan.[3]
3. Menjalankan estimasi awal
Jalankan PLS Algorithm, lalu tinjau hasil pengukuran sebelum menyimpulkan hubungan struktural. Catat indikator yang memerlukan penelaahan dan pertimbangkan setiap perubahan berdasarkan isi instrumen serta dasar teori.
4. Melakukan bootstrapping
Bootstrapping mengambil sampel ulang dengan pengembalian untuk memperkirakan ketidakpastian estimasi. Laporkan jumlah subsampel, jenis pengujian, taraf signifikansi, dan metode interval kepercayaan yang digunakan.
Dokumentasi SmartPLS menyebut jumlah subsampel besar, misalnya 10.000, untuk hasil akhir. Angka subsampel berbeda dari jumlah responden penelitian.[5]
5. Mengekspor hasil dan menyusun interpretasi
Simpan tabel, diagram, serta catatan pengaturan. Susun penjelasan berdasarkan rumusan masalah dan hipotesis, dengan menuliskan angka yang relevan beserta dasar interpretasinya.
Membaca outer model dan inner model secara bertahap
Evaluasi hasil mengikuti jenis pengukuran dan tujuan penelitian. Tabel berikut merangkum ukuran yang sering ditemui pada model reflektif dan struktural.[3]
Ukuran evaluasi yang perlu dipahami
Bagian
Ukuran utama
Fokus pembacaan
Model reflektif
Outer loading
Loading sekitar 0,708 atau lebih lazim menjadi acuan. Indikator yang lebih rendah ditelaah bersama kualitas konstruk dan isi instrumen. [3]
Model reflektif
Reliabilitas dan AVE
Alpha dan composite reliability umumnya ≥ 0,70; AVE ≥ 0,50 untuk validitas konvergen. [3]
Model reflektif
Validitas diskriminan
Gunakan HTMT dengan ambang yang sesuai dasar konsep, misalnya 0,85 atau 0,90. [3]
Model struktural
Kolinearitas dan koefisien jalur
Periksa VIF, arah hubungan, besaran koefisien, dan hasil inferensi. [4]
Model struktural
R² dan evaluasi prediksi
R² menunjukkan daya jelas pada sampel estimasi; prediksi data baru memerlukan evaluasi tersendiri. [4]
Untuk indikator dengan loading sekitar 0,40–0,708, pertimbangkan dampak penghapusan terhadap reliabilitas, validitas konvergen, dan cakupan konsep. Dokumentasikan keputusan tersebut.[3]
Pada pengujian jalur dua arah dengan taraf signifikansi 5%, interval kepercayaan 95% yang tidak mencakup nol mendukung signifikansi koefisien. Baca hasil ini bersama arah hipotesis, kualitas pengukuran, dan konteks penelitian.[4]
Model formatif memerlukan pemeriksaan tersendiri, termasuk kolinearitas serta signifikansi dan relevansi bobot indikator. Sesuaikan prosedur dengan jenis model yang benar-benar digunakan.
Menyiapkan hasil untuk skripsi dan tesis
Laporan yang jelas memudahkan pembaca menelusuri hubungan antara pertanyaan penelitian, metode, dan kesimpulan. Siapkan ringkasan berikut sebelum menulis pembahasan:
Versi perangkat lunak, jumlah observasi, dan penanganan data hilang.
Dasar teori konstruk, indikator, serta jenis pengukurannya.
Hasil evaluasi pengukuran dan alasan perubahan indikator, apabila ada.
Koefisien jalur, hasil bootstrapping, ukuran penjelasan, dan evaluasi lain yang relevan.
Interpretasi yang sesuai arah hipotesis serta keterbatasan desain penelitian.
Hubungan statistik perlu ditafsirkan sesuai rancangan penelitian. Klaim sebab akibat memerlukan dasar desain dan asumsi yang mendukungnya.
Jika proyek dipindahkan ke SmartPLS 4
SmartPLS menyediakan prosedur untuk mengimpor proyek versi 3 ke workspace versi 4. Aplikasi bekerja pada salinan proyek; proyek asli dalam workspace SmartPLS 3 tetap tersedia. Salinan yang telah diedit di versi 4 tidak dapat dibuka kembali di versi 3.[6]
Setelah impor, periksa kembali pengaturan data, penanda nilai hilang, perlakuan missing value, dan standardisasi hasil. Perbedaan pengaturan atau algoritma dapat menghasilkan perbedaan estimasi antarversi.[7]
Catatan resmi menyatakan bahwa SmartPLS 3 sudah tidak dikembangkan. Halaman unduh utama saat pemeriksaan artikel ini menawarkan SmartPLS 4.[1][2]
Apakah semua penelitian kuantitatif perlu SmartPLS?
Pilih metode berdasarkan pertanyaan penelitian, teori, dan karakteristik pengukuran. PLS-SEM merupakan salah satu pilihan analisis yang perlu diberi alasan metodologis.[9]
Mengapa angka hasil berbeda setelah berganti versi?
Tinjau data impor, pengaturan nilai hilang, skala, standardisasi, dan algoritma. Dokumentasi resmi menyediakan daftar pemeriksaan untuk perbandingan hasil versi 3 dan 4.[7]
Pendampingan analisis data di Yogyakarta
Pendamping Akademik menyediakan pendampingan bagi mahasiswa, dosen, dan peneliti yang ingin memahami proses analisis data. Pembahasan dapat difokuskan pada penyiapan data, penyusunan model, evaluasi instrumen, serta interpretasi dan pelaporan hasil.
Siapkan kerangka penelitian, daftar indikator, dan bagian output yang ingin dibahas agar konsultasi memiliki arah yang jelas.
Diskusikan analisis penelitian Anda bersama Pendamping Akademik.
Pendampingan diarahkan agar Anda dapat menjelaskan proses dan keputusan analisis dalam penelitian sendiri.
Komentar
Posting Komentar