1. PLS (Smart PLS)
29 Juni 2023
https://www.youtube.com/watch?v=WG5HdBuvBEs&t=11s

2. Link tutorial PLS
https://www.youtube.com/watch?v=WG5HdBuvBEs&t=11s
https://www.youtube.com/watch?v=teyrLfkCyOo

4. Imput data, dan save melalui excel style
CSV(delimited atau MSDOS), atau Notepad
• Dalam menggunakan data excel: save dengan style CSV (Delimited
atau MSDOS)
• Data dlm excel hanya satu baris nama vabel
• Data diletakkan mulai pojok kiri atas atau A1, agar data tsb bisa
dibaca oleh PLS
• Bila menggunakan Notepate: blok data di excel, buka notepad melalui
search, pilih open, save as, letakkan pd salah satu folder misalnya di
Download.
• Buka PLS: mulai dgn new project, double clik cari file excel atau file
notepad…dst

7. Pers Regresi (Unstandardized)
n Y X y=Y-Ybar x=X-Xbar y^2 x^2 xy x^2 A=y/SDY B=x/SDX
1 70 30 9.7 -3.8 94 14 -36.9 14.4 0.8 -0.5
2 78 32 17.7 -1.8 313 3 -31.9 3.2 1.5 -0.2
3 56 45 -4.3 11.2 18 125 -48.2 125.4 -0.4 1.3
4 45 24 -15.3 -9.8 234 96 149.9 96.0 -1.3 -1.2
5 68 46 7.7 12.2 59 149 93.9 148.8 0.7 1.5
6 67 32 6.7 -1.8 45 3 -12.1 3.2 0.6 -0.2
7 54 33 -6.3 -0.8 40 1 5.0 0.6 -0.5 -0.1
8 50 35 -10.3 1.2 106 1 -12.4 1.4 -0.9 0.1
9 45 20 -15.3 -13.8 234 190 211.1 190.4 -1.3 -1.6
10 70 41 9.7 7.2 94 52 69.8 51.8 0.8 0.9
Total 603 338 0.0 0.0 1238 636 388.6 635.6 0.0 0.0
Ybar 60.3
Xbar 33.8 b= 0.611
VarY y^2/(n-1)= 137.57 SDY 11.73 a= 39.635
VarX x^2/(n-1)= 70.62 SDX 8.40

8. Pers Regressi (Standardized)
n Y X y=Y-Ybar x=X-Xbar xy x^2
1 0.8 -0.5 0.8 -0.5 -0.4 0.2
2 1.5 -0.2 1.5 -0.2 -0.3 0.0
3 -0.4 1.3 -0.4 1.3 -0.5 1.8
4 -1.3 -1.2 -1.3 -1.2 1.5 1.4
5 0.7 1.5 0.7 1.5 1.0 2.1
6 0.6 -0.2 0.6 -0.2 -0.1 0.0
7 -0.5 -0.1 -0.5 -0.1 0.1 0.0
8 -0.9 0.1 -0.9 0.1 -0.1 0.0
9 -1.3 -1.6 -1.3 -1.6 2.1 2.7
10 0.8 0.9 0.8 0.9 0.7 0.7
Total 0.0 0.0 - - 3.9 9.0
Ybar 0.0 b= 0.438
Xbar 0.0 a= 0.000

9. Pers Regresi (SPSS & PLS)
Standardized
Coefficients
B Std. Error Beta
(Constant) 39.635 15.405 2.573 0.033
X 0.611 0.444 0.438 1.378 0.205
1
a. Dependent Variable: Y
Coefficientsa
Model
Unstandardized Coefficients
t Sig.

10. Prediksi periode: 11 - 13
Pers Reg =
n Y X Y X
8 -0.9 0.1 50 35
9 -1.3 -1.6 45 20
10 0.8 0.9 70 41
11 0.307 0.7 61 35
12 0.350 0.8 64 40
13 0.394 0.9 67 45
Y = 0 + 0.438 X Y = 39.6635 + 0.611 X

11. Prediksi Periode: 11 - 13
Pers Reg =
n Y X Y X
8 -0.9 0.1 50 35
9 -1.3 -1.6 45 20
10 0.8 0.9 70 41
11 0.307 0.7 61 35
12 0.350 0.8 64 40
13 0.394 0.9 67 45
11 64 kali SDY 11.7
12 64 Plus Ybar 60.3
13 65
Residual (e) e= Ŷ - Y e= Ŷ - Y
8 62 0.1 61 35
9 41 -1.6 52 20
10 70 0.9 65 41
Y = 0 + 0.438 X Y = 39.6635 + 0.611 X

13. Y X1 X2
6 30 70
7 32 78
5 45 56
5 24 45
6 46 68
7 32 67
6 33 54
8 35 50
6 20 45
8 41 70
Data Penelitian
Y = Kinerja
X1= Incentive
X2= Lingkungan

14. Standardized
Coefficients
B Std. Error Beta
(Constant) 4.363 2.101 2.076 0.077
X1 -0.003 0.050 -0.025 -0.064 0.951
X2 0.036 0.036 0.388 0.997 0.352
1
a. Dependent Variable: Y
Coefficientsa
Model
Unstandardized Coefficients
t Sig.
SPSS
PLS

15. Manual (Beta-Unstandardized Coefficients)
n Y X1 X2 X1Y X2Y X1X2 X1^2 X2^2
1 6 30 70 180 420 2100 900 4900
2 7 32 78 224 546 2496 1024 6084
3 5 45 56 225 280 2520 2025 3136
4 5 24 45 120 225 1080 576 2025
5 6 46 68 276 408 3128 2116 4624
6 7 32 67 224 469 2144 1024 4489
7 6 33 54 198 324 1782 1089 2916
8 8 35 50 280 400 1750 1225 2500
9 6 20 45 120 270 900 400 2025
10 8 41 70 328 560 2870 1681 4900
Jumlah 64 338 603 2175 3902 20770 12060 37599
Y X1 X2 X1Y X2Y X1X2 X1^2 X2^2
64 338 603 2,175 3,902 20,770 12,060 37,599 n
Ybar X1bar X2bar n 1
6.4 33.8 60.3 10 2
x1y = X1Y - (X1. Y)/n 2,175 338 64 12 A 3
x2y = X2Y - (X2.Y)/n 3,902 603 64 42.80 B 4
x1x2 =X1X2 -(X1. X2)/n 20,770 338 603 389 C 5
x1^2 = X1^2 - (X1)^2/n 12,060 338 636 D 6
X2^2 = X2^2 - (X2)^2/n 37,599 603 1,238 E 7
b1 = (EA - CB)/(DE- CC) 14,610 16,632 786,936 151,010 (0.003) 8
b2 = (DB - CA)/(DE - CC) 27,204 4,585 786,936 151,010 0.036 9
b0 = Ybar - (b1.Xbar) - (b2. X2bar) 6.4 0.11
- 2.14 4.363 10
Persamaan Reg : Jumlah
Y =4.363 - 0.003 X1 + 0.03 X2

16. Manual ( Beta – Standardized Coefficients)
n Y X1 X2 y x1 x2 y^2 x1^2 x2^2 Y=y/SDY X1=x1/SDX1 X2=x2/SDX2 X1Y X2Y X1X2 X1^2 X2^2
1 6 30 70 -0.4 -3.8 9.7 0.16 14.44 94.09 0.37
- 0.45
- 0.83 0.168 -0.308 -0.374 0.204 0.684
2 7 32 78 0.6 -1.8 17.7 0.36 3.24 313.29 0.56 0.21
- 1.51 -0.120 0.842 -0.323 0.046 2.277
3 5 45 56 -1.4 11.2 -4.3 1.96 125.4 18.49 1.30
- 1.33 0.37
- -1.736 0.477 -0.489 1.776 0.134
4 5 24 45 -1.4 -9.8 -15.3 1.96 96.04 234.09 1.30
- 1.17
- 1.30
- 1.519 1.699 1.521 1.360 1.702
5 6 46 68 -0.4 12.2 7.7 0.16 148.8 59.29 0.37
- 1.45 0.66 -0.540 -0.244 0.953 2.108 0.431
6 7 32 67 0.6 -1.8 6.7 0.36 3.24 44.89 0.56 0.21
- 0.57 -0.120 0.319 -0.122 0.046 0.326
7 6 33 54 -0.4 -0.8 -6.3 0.16 0.64 39.69 0.37
- 0.10
- 0.54
- 0.035 0.200 0.051 0.009 0.289
8 8 35 50 1.6 1.2 -10.3 2.56 1.44 106.09 1.49 0.14 0.88
- 0.213 -1.307 -0.125 0.020 0.771
9 6 20 45 -0.4 -13.8 -15.3 0.16 190.4 234.09 0.37
- 1.64
- 1.30
- 0.611 0.485 2.142 2.697 1.702
10 8 41 70 1.6 7.2 9.7 2.56 51.84 94.09 1.49 0.86 0.83 1.275 1.231 0.709 0.734 0.684
Jumlah 64 338 603 0
- 0 0 10.4 635.6 1238.10 0.0 0.0 0.0 1.306 3.395 3.943 9.000 9.000
Rt 6.4 33.8 60.3 1.3
Var 1.16 70.62 137.57
SD 1.07 8.40 11.73
Y X1 X2 X1Y X2Y X1X2 X1^2 X2^2
(0) 0 0 1.306 3.395 3.943 9.000 9.000 n
Ybar X1bar X2bar n 1
0.0
- 0.0 0.0 10 2
x1y = X1Y - (X1. Y)/n 1.306 0.000 0.000
- 1.306 A 3
x2y = X2Y - (X2.Y)/n 3.395 0.000 0.000
- 3.395 B 4
x1x2 =X1X2 -(X1. X2)/n 3.943 0.000 0.000 3.943 C 5
x1^2 = X1^2 - (X1)^2/n 9.000 0.000 9.000 D 6
X2^2 = X2^2 - (X2)^2/n 9.000 0.000 9.000 E 7
b1 = (EA - CB)/(DE- CC) 11.756 13.383 81.000 15.544 (0.025) 8
b2 = (DB - CA)/(DE - CC) 30.552 5.150 81.000 15.544 0.388 9
b0 = Ybar - (b1.Xbar) - (b2. X2bar) 0.000
- 0.000
- 0.000 (0.000) 10
Persamaan Reg : Jumlah
Y = 0 - 0.025 X1 + 0.388 X2 Rt

17. Istilah
• Variabel Laten merupakan variabel yang tidak dapat diukur secara
langsung kecuali dengan satu atau lebih variabel manifest
(indicator). Variabel laten (tidak dapat diukur secara langsung, msi:
tingkat sehatan) dapat berfungsi sebagai variabel eksogen
(independent) maupun endogen (dependen).

18. Jenis variabel
•Berdasarkan perannya dalam suatu hubungan
• 1. Variabel Independen/Prediktor/Bebas
• 2. Variabel Dependent/Respon/Terikat
• 3. Variabel Eksogen
• 4. Variabel Endogen
• 5. Variabel Intervening/Mediasi
• 6. Variabel Moderating
•Berdasarkan cara pengukurannya
• 1. Variabel Laten (variabel kosntrak)
• 2. Variabel Indikator / Manifest

19. Berdasarkan perannya dalam suatu hubungan
1. Variabel Independen/Prediktor/Bebas
Merupakan variabel yang mempengaruhi variabel lain dalam suatu hubungan. Variabel
ini dapat dijumpai di model regresi linier, regresi logistik, model probit/gompit, analisis
data panel, model GLM dan lainnya.
2. Variabel Dependent/Respon/Terikat
Merupakan variabel yang dipengaruhi oleh variabel lain dalam suatu model hubungan.
Variabel ini dapat dijumpai di model regresi linier, regresi logistik, model probit/gompit,
analisis data panel, model GLM dan lainnya. Seringkali, di bidang Bisnis/Ekonomi
cenderung menggunakan nama variabel dependent, Sedangkan di bidang Ilmu
Kehidupan (Biologi dan Pertanian) cenderung akan menggunakan nama variabel Respon.
3. Variabel Eksogen
Pengertian variabel ini sama dengan variabel independent, namun tidak dikatakan
variabel independent karena dalam hubungannya ada yang bertindak sebagai variabel
independent sekaligus variabel dependent. Jenis variabel ini dapat dijumpai dalam
analisis Jalur (Path Analysis).

20. 4. Variabel Endogen
Pengertian variabel ini sama dengan variabel dependent, namun tidak dikatakan
variabel dependent karena dalam hubungannya ada yang bertindak sebagai
variabel independent sekaligus variabel dependent. Jenis variabel ini dapat
dijumpai dalam analisis Jalur (Path Analysis).
5. Variabel Intervening/Mediasi
Variabel ini seolah-olah bertindak sebagai variabel independent dan dependent
variabel sekaligus dalam suatu set hubungan. Variabel ini dapat dijumpai dalam
analisis jalur (Path Analysis)
6. Variabel Moderating
Merupakan variabel yang dapat melemahkan atau memperkuat hubungan
antara variabel satu dengan variabel lainnya.

21. Berdasarkan cara pengukurannya
1. Variabel Laten (variabel kosntrak)
Merupakan variabel yang tidak bisa diukur secara langsung. Oleh karena itu, kita perlu
sejumlah variabel lain untuk menyatakannya. Contoh variabel laten adalah Tingkat
Kesehatan, Loyalitas, Kebijaksanaan, dan Kepuasan. Untuk mengukur variabel ini kita
perlu kombinasi variabel lain (a.k.a indikator).
Contohnya, variabel Tingkat Kesehatan bisa diukur menggunakan kombinasi beberapa
indikator seperti tekanan darah, kadar asam urat, kadar glukosa dalam darah, dan
kolesterol.
2. Variabel Indikator / Manifest
Merupakan variabel yang bisa diukur secara langsung sehingga dia seringkali menjadi
penyusun variabel laten. Contoh variabel Manifest adalah tinggi badan, berat badan,
dan suhu.

25. Standardized Coefficients
B Std. Error Beta
(Constant) 2.705 0.905 2.988 0.020
X1 0.323 0.237 0.437 1.360 0.216
X2 -0.045 0.055 -0.264 -0.820 0.439
a. Dependent Variable: Y
Coefficientsa
Model
Unstandardized Coefficients
t Sig.
1

26. Standardized Coefficients
B Std. Error Beta
(Constant) 2.364 0.787 3.002 0.017
X1 0.364 0.227 0.492 1.600 0.148
Standardized Coefficients
B Std. Error Beta
(Constant) 3.873 0.301 12.870 0.000
X2 -0.061 0.056 -0.355 -1.075 0.314
Sig.
1
a. Dependent Variable: Y
Coefficients
a
Model
Unstandardized Coefficients
t Sig.
1
a. Dependent Variable: Y
Coefficientsa
Model
Unstandardized Coefficients
t

29. Standardized Coefficients
B Std. Error Beta
(Constant) 8.264 2.676 3.088 0.018
X1 0.304 0.239 0.410 1.270 0.245
X2 -0.047 0.053 -0.289 -0.896 0.400
Standardized Coefficients
B Std. Error Beta
(Constant) 7.231 2.385 3.032 0.016
X1 0.343 0.232 0.463 1.478 0.178
Standardized Coefficients
B Std. Error Beta
(Constant) 11.501 0.849 13.553 0.000
X2 -0.059 0.054 -0.364 -1.107 0.301
1
a. Dependent Variable: Y
1
a. Dependent Variable: Y
Coefficients
a
Model
Unstandardized Coefficients
t Sig.
1
a. Dependent Variable: Y
Coefficientsa
Model
Unstandardized Coefficients
t Sig.
Coefficientsa
Model
Unstandardized Coefficients
t Sig.

30. Standardized Coefficients
B Std. Error Beta
(Constant) 8.264 2.676 3.088 0.018
X1 0.304 0.239 0.410 1.270 0.245
X2 -0.047 0.053 -0.289 -0.896 0.400
1
a. Dependent Variable: Y
Coefficientsa
Model
Unstandardized Coefficients
t Sig.

32. R R Square Adjusted R Square Std. Error of the Estimate
1 .543a
0.295 0.094 1.34995
Model Summary
Model
a. Predictors: (Constant), X2, X1

35. Standardiz
ed
Coefficient
s
B Std. Error Beta
(Constant) 4.363 2.101 2.076 0.077
X1 -0.003 0.050 -0.025 -0.064 0.951
X2 0.036 0.036 0.388 0.997 0.352
Coefficientsa
Model
Unstandardized
Coefficients
t Sig.
1
a. Dependent Variable: Y

38. R R Square
Adjusted R
Square
Std. Error
of the
Estimate
1 .378
a
0.143 -0.102 1.12854
Model Summary
Model
a. Predictors: (Constant), X2, X1

39. Standardiz
ed
Coefficient
s
B Std. Error Beta
(Constant) 5.772 1.554 3.715 0.006
X1 0.019 0.045 0.145 0.415 0.689
Standardiz
ed
Coefficient
s
B Std. Error Beta
(Constant) 4.315 1.840 2.345 0.047
X2 0.035 0.030 0.377 1.152 0.283
Standardiz
ed
Coefficient
s
B Std. Error Beta
(Constant) 4.363 2.101 2.076 0.077
X1 -0.003 0.050 -0.025 -0.064 0.951
X2 0.036 0.036 0.388 0.997 0.352
Coefficients
a
Model
Unstandardized
Coefficients
t Sig.
1
a. Dependent Variable: Y
1
a. Dependent Variable: Y
1
a. Dependent Variable: Y
Coefficients
a
Model
Unstandardized
Coefficients
t Sig.
Coefficientsa
Model
Unstandardized
Coefficients
t Sig.

42. b = xy/x^2 = 0.611
a = Ybar - b(Xbar) = 39.63
MANUAL
Standardize
d
Coefficients
B Std. Error Beta
(Constant) 39.635 15.405 2.573 0.033
X1 0.611 0.444 0.438 1.378 0.205
1
a. Dependent Variable: YX2
Coefficientsa
Model
Unstandardized
Coefficients
t Sig.
b = xy/x^2 = 0.438
a = Ybar - b(Xbar) = 0.00
Standardized
Unstandardized