Jasa Olah Data SEM dengan SmartPLS: Dibimbing Gratis!

Penggunaan SEM (Structural Equation Modeling) dalam analisis data adalah hal yang saat ini lazim dilakukan akademisi (dosen dan mahasiswa). Apalagi ketika kita sedang butuh analisis data multivariat yang menguji hubungan dengan kompleksitas yang cukup tinggi.

SEM bekerja dengan kekuatan dua pendekatan statistik: analisis jalur (path analysis) dan analisis faktor (factor analysis). Software yang sering digunakan untuk analisis SEM adalah Lisrel (Scientific Software International, Inc) dan AMOS (IBM SPSS) untuk Covariance (CB-SEM) dan SmartPLS (SmartPLS GmbH) untuk Variance (PLS-SEM).

Dengan membawa empat tahun pengalaman panjang dalam dunia penelitian pendidikan, Mas Huda dan tim membuka jasa olah data SEM dengan SmartPLS untuk memecahkan permasalahan Anda. Kalau perlu, kami bimbing sampai dosen kamu ACC.

Pesan Sekarang! Cek Harga!

Pengalaman Analisis Data SEM-PLS

Panggil saya “Huda” atau “Mas Huda” juga bisa. Manusia biasa yang suka ngobrolin hal-hal yang berhubungan dengan penelitian pendidikan. Saya ingin share sedikit pengalaman menemani dan menjadi teman diskusi S2 dalam menyelesaikan skripsi dan tesis mereka.

1. Mahasiswa S2 dengan Tesisnya

Ada seorang mahasiswa S2 yang cukup sibuk (karena beliau sudah bekerja). Niat hati ingin segera lulus, namun ada banyak yang perlu diselesaikan. Jurusan dan Universitasnya tidak perlu saya sebut, yang jelas beliau meneliti tentang optimalisasi penjualan produk dan psikologi pembeli.

Beliau ingin mengangkat beberapa variabel seperti tingkat penjualan, minat beli pengunjung, strategi bisnis, kepercayaan terhadap produk, dan sejenisnya—saya tidak bisa mengungkap detailnya karena alasan ‘kerahasiaan klien’ saya.

Setelah diskusi panjang, saya bantu lakukan analisis SEM PLS-nya. Saya juga bantu memberikan arahan terhadap alur analisis dan beliau melakukannya dengan baik. Tak senggang lama, hasil analisis tersebut dikonsultasikan ke dosen dan akhirnya disetujui. Lantas sidang dan akhirnya lulus beberapa bulan lalu.

Ada banyak mahasiswa yang stuck karena rencana penelitian yang disarankan oleh dosen PA mereka. Khusus anak S1 dan S2, analisis SEM kadang terasa amat sulit dan cukup rumit. Prosesnya juga panjang dan harus belajar mulai dari nol. Sayangnya, tidak banyak yang memiliki minat untuk belajar dan kadang waktu juga mepet.

2. Mahasiswa S1 dengan Skripsinya

Awal mula ceritanya, saya kaget ada mahasiswa S1 menghubungi dengan niat mengambil analisis SEM. Setelah saya telisik, ternyata itu adalah arahan dari dosen. Setelah saya tanyakan, ternyata banyak juga mahasiswa S1 yang butuh melakukan penelitian dengan analisis SEM lewat SmartPLS. Katanya, “Pakai SmartPLS itu mudah, lebih mudah daripada SPSS.”

SmartPLS memang memudahkan siapa saja melakukan analisis SEM. Namun tidak semua orang mudah untuk mempelajari dan memahami. Dalam konteks cerita ini, saya membimbing dan melakukan Zoom Meeting (dia pilih paket + Bimbingan).

Ternyata memang benar, mahasiswa ini kurang paham dengan analisis yang ingin dia lakukan. Untuk itu, saya membantu analisis sekaligus memberikan arahan dan masukan untuk mengoptimalkan skripsi dia. Kalau ambil paket bimbingan, seringkali saya bimbing sampai skripsinya selesai.

Kadang saya tidak sampai hati kasihan melihat anak-anak S1 yang kesulitan analisis data dan bingung serta ketakutan dengan dosen ketika sidang nantinya. Kadang saya berikan sesi simulasi agar tidak kaget ketika sidang beneran nantinya.

3. Mahasiswa S3 dengan Disertasinya

Sebenarnya, saya masih lulusan S2. Namun karena ada mahasiswa S3 yang menghubungi butuh dibantu analisis data, tidak mungkin dong saya tolak? Sekilas, mahasiswa S3 cenderung berbeda, mereka lebih analitis dan kritis. Meskipun secara teknis banyak mahasiswa S3 yang tidak bisa analisis data dengan software tertentu seperti SmartPLS, mereka sudah memiliki pondasi yang kokoh dalam pelaksanaan penelitian.

Dalam konteks mahasiswa S3 ini, saya justru lebih banyak bertukar ilmu. Model-model yang dikembangkan pun juga kreatif dan benar-benar baru pertama saya dengar. Mungkin sedikit rumit, “namun disitulah letak asyiknya…”

Kadang saya tidak hanya bantu analisis data, namun juga memperjelas desain dan prosedur penelitiannya. Karena banyak proposal yang metodologinya ditulis terlalu general. Padahal, kejelasan teknis penelitian perlu dipaparkan agar kesalahan penelitian tidak terjadi, mengingat penelitian itu sangat rentan terhadap error (Picho, 2016).¹

4. Dosen Dengan Penelitiannya

Analisis data adalah urusan teknis, yang sebenarnya “tidak semua akademisi” harus bisa. Misalnya ada seoarang dosen PJOK, sebenarnya tidak wajib tahu bagaimana teknis analisis Anova. Mereka hanya perlu tahu apa fungsi dari Anova. Misalnya tidak bisa teknis analisisnya, maka serahkan ke akademisi lain yang lebih ahli. Justru ini lebih baik untuk mengurangi kesalahan analisis data.

Nah, semacam itulah kasusnya disini. Ada dosen yang menghubungi kami karena tidak bisa analisis SEM-PLS. Kami langsung bantu. Kami tawarkan paketnya dan kami kerjakan semaksimal mungkin.

Berbeda dengan mahasiswa, dosen butuh analisis SEM-PLS untuk kebutuhan publikasi jurnal. Artikel ilmiah yang terbit di jurnal bereputasi adalah tuntutan seorang dosen. Kadang, beberapa penelitian membutuhkan analisis SEM yang cukup rumit. Untuk itu, saya ada berusaha untuk membantu.

Kalau dosen, kebutuhannya tidak semasif mahasiswa. Mungkin hanya perlu dibantu analisis saja. Untuk interpretasi dan analisis lebih dalam akan dikerjakan sendiri karena sudah tahu. Secara teknis mungkin tidak bisa, namun secara pemahaman dosen mungkin lebih tahu daripada saya, karena pengalaman dan jam terbangnya.

Kebutuhan Jasa Olah Data SEM

Ada banyak sekali mahasiswa yang diarahkan dosen PA-nya untuk menggunakan analisis SEM tanpa tahu bagaimana cara melakukannya. Itulah alasan utama kenapa jasa olah data SEM SmartPLS dibutuhkan. Alasan lain antara lain:

1. Tidak memiliki softwarenya (SmartPLS, AMOS, dan Lisrel), karena mahal juga harganya
2. Tidak memiliki pengalaman yang cukup dalam analisis data
3. Ingin mengonfirmasi apakah analisis yang dilakukan sendiri sudah benar
4. Tidak memiliki waktu luang untuk melakukan analisis sendiri
5. Kerentek hati ingin analisis SEM yang lebih dalam dengan output yang lebih lengkap
6. Tidak bisa melakukan interpretasi dari output software yang sudah ada

Bilamana Anda punya satu dari enam alasan di atas, jasa oleh data SEM dengan SmartPLS mungkin bisa menjadi solusi. Mengingat tidak mudah melakukannya, penyedia jasa akan melakukan analisis data secara lengkap dan tentunya 99% lebih cepat dan cepat.

Kenapa Pakai PLS-SEM dan SmartPLS?

Saat penelitian, seringkali kita ingin mencari tahu bagaimana hubungan kasual antar variabel. Tujuannya bisa jadi konfirmasi teoretis maupun prediksi. Berbeda dengan analisis Rasch model, ada beberapa hal yang menjadikan analisis PLS-SEM spesial:

1. Kita tidak harus sibuk mengurus normalitas data. Faktanya, kitab isa analisis PLS bahkan dengan data nominal sekalipun.
2. SEM umumnya butuh sampel yang besar agar akurat, PLS bahkan tetap relevan digunakan untuk sampel di bawah 100. Meskipun demikian aturan 10 x jumlah jalur tetap direkomendasikan (Hair dkk., 2013).² Lebih baik lagi ketika menggunakan aplikasi G*Power dalam penentuan sampel.
3. Punya kekuatan analisis yang besar dan bisa berperang dengan kompleksitas model yang diusulkan oleh peneliti. Oke-oke saja ketika digunakan untuk banyak variabel.
4. Banyak interpretasi yang dihasilkan dari satu data yang dianalisis
5. Data prediksi tinggi karena nilai R-Squared dalam variabel dependen.

Fakta-fakta kepraktisan PLS inilah yang membuat banyak penelitian menggunakan analisis tersebut. Dalam prosesnya, software yang sering digunakan adalah SmartPLS. Software ini sangat unggul karena kepraktisannya juga. Selain itu, SmartPLS juga:

1. Pondasi matematis di balik software sangat stabil, terpercaya oleh para ahli, dan menghasilkan estimasi yang akurat.
2. Aplikasi yang sangat user-friendly, fitur tidak membingungkan dan bisa dipahami bila dipelajari betul-betul
3. Ada versi gratis yang bisa digunakan free tanpa harus membayar
4. Banyak fitur analisis lanjutan yang tersedia seperti analisis multigroup analysis
5. Tampilan hasil cantik dan modern
6. Aplikasi ringan, tidak berat, tidak ada loading-loading yang berarti

Meski banyak keunggulannya, tak sedikit mahasiswa dan dosen yang bingung bagaimana cara analisis data lewat SmartPLS. Selain itu, banyak yang belum paham bagaimana cara mengeluarkan output analisis yang dibutuhkan. Untuk itu, jasa olah data SEM dengan SmartPLS sangat diperlukan.

Apa yang Dianalisis dengan SmartPLS?

Dalam SmartPLS, umumnya kita akan menganalisis dua komponen utama: outer model (model pengukuran) dan inner model (model struktural). Dalam model struktural, kita akan melakukan evaluasi statistik poin-poin indikator dengan variabel latennya. Analisis tersebut meliputi:

1. Validitas Konvergen: dianggap cukup bila nilai loading factor lebih besar dari (>) 0.70 dan average variance extracted (AVE) > 0.5
2. Validitas diskriminan dengan Fornell-Larcker Criterion atau menggunakan Heterotrait-Monotrait Ratio (HTMT); dan
3. Realiabilitas yang diukur dengan nilai Composite Reliability atau Cronbach’s Alpha >0.70

Biasanya, nilai-nilai tersebut digunakan untuk menilai sebuah data instrumen apakah valid atau tidak. Bila semua nilai telah masuk kriteria, maka analisis bisa dilanjutkan ke model struktural yang digunakan untuk menilai efek mediasi dan moderasi (bila ada variabel yang memoderasi). Umumnya, analisis model struktural ini digunakan untuk mengevaluasi model antar variabel laten. Analisis yang digunakan meliputi:

1. Koefisien Determinasi (R²)
2. Path Coefficients (β)
3. Efek mediasi dan moderasi dengan melihat nilai signifikansi (p value)
4. Predictive Relevance (Q²) untuk mengukur seberapa baik model

Dalam beberapa kasus, kita juga bisa menghitung nilai Goodness of Fit (GoF) dengan data yang ada, biasanya dari SRMR (Standardized Root Mean Square Residual) atau yang mengalikan AVE dan R².³ Meski demikian, urgensi mencari nilai GoF di dalam analisis PLS masih diperdebatkan sebagai sesuatu yang opsional atau tidak wajib dilakukan.

Harga Jasa Olah Data SEM dengan SmartPLS

Pada dasarnya, tidak ada patokan umum harga jasa olah data SEM dengan SmartPLS. Bergantung dengan kompleksitas model yang diteliti, jumlah variabel, dan paket apa yang dipilih (pakai interpretasi atau hanya analisis data mentah saja).

Namun pada kesempatan ini, tim Mas Huda hendak menawarkan harga yang paling murah di Indonesia. Paket analisis inner dan outer model dengan harga mulai dari Rp250.000 saja.

Harga lebih lengkap, bisa pilih paket di bawah ini:

Note:

Harga di atas adalah harga untuk maksimal 5 variabel, lebih dari itu maka harga bisa kita diskusikan. Tenang, lebih dari 5 variabel tidak selalu akan naik harganya, karena kami akan mempertimbangkan tingkat kesulitannya.

Layanan Add-Ons

• Layanan kilat = Rp150.000
• Isi kuesioner orang asli (bukan partisipan buat-buat) = Rp5000/partisipan (hanya untuk kuesioner-kuesioner tertentu)
• Bimbingan/Pengarahan = Rp150.000/perpetemuan (50 menit)

*Harga di atas ditentukan berdasarkan tingkat kesulitan dan waktu yang dibutuhkan untuk menyelesaikan tugas (task).

Seringkali, kami memberikan potongan-potongan harga dalam berbagai kesempatan. Maka dari itu, segera hubungi kami dan diskusikan kebutuhan analisis data yang Anda inginkan. Kami akan selalu buka dan terbuka untuk menampung berbagai ide penelitian dan analisis data Anda.

Hubungi Kami Sekarang!

Kami tidak berusaha memaksa Anda untuk memesan jasa, kami hanya ingin membantu dan membuktikan bahwa kami siap menyelesaikan analisis data yang Anda butuhkan. Tidak perlu pusing mikirin bagaimana cara analisisnya, cukup hubungi tim Mas Huda dan dapatkan layanan terbaiknya.

Jasa olah data SmartPLS di sini siap melayani dengan sepenuh hati. Gratis 100% konsultasi dan diskusi pra maupun pasca pemesanan. Tunggu apa lagi, hubungi kami sekarang juga!

Pesan Sekarang!

Referensi:

1. Picho, K. & Artino, A. R. (2016). 7 Deadly Sins in Educational Research. Journal of Graduate Medical Education, 8(4), 483–487. https://doi.org/10.4300/JGME-D-16-00332.1 ↩︎
2. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2013). A primer on partial least squares structural equation modeling (PLS-SEM). Sage Publications. A primer on partial least squares structural equation modeling (PLS-SEM) ↩︎
3. Pavlov, G., Maydeu-Olivares, A., & Shi, D. (2021). Using the Standardized Root Mean Squared Residual (SRMR) to Assess Exact Fit in Structural Equation Models. Educational and psychological measurement, 81(1), 110–130. https://doi.org/10.1177/0013164420926231 ↩︎