Workshop Pengolahan Data Dengan SMART-PLS
Pada hari Sabtu, 18 November 2023, bertempat di ruang aula Diamond 1 Jambi ASTON Hotel & Conference beralamat di Jl. Sultan Agung No.99, Murni, Kec. Telanaipura, Kota Jambi, Jambi 36122, Magister Ilmu Akuntansi (MIA) Universitas Jambi sukses mengadakan workshop dengan tema “Pengolahan Data Dengan SMART-PLS”.
Kegiatan ini mendatangkan 1 orang narasumber yaitu Nara Ria Haq, S.ST., M.M. (Statistisi Badan Pusat Statistik Kabupaten Tebo), dan dipandu oleh moderator yaitu Heriani, S.E., M.Ak. (Dosen Akuntansi Fakultas Ekonomi dan Bisnis Universitas Jambi). Peserta workshop adalah Dosen Akuntansi, Mahasiswa Program Studi Magister Ilmu Akuntansi Fakultas Ekonomi dan Bisnis Universitas Jambi.
Kegiatan ini dilaksanakan dengan metode menyampaikan Aplikasi Smart-PLS kepada peserta melalui mempersentasikan cara penggunaannya dan dilanjutkan diskusi dua arah antara narasumber dan peserta berupa tanya jawab yang dipandu oleh moderator. Kegiatan workshop ini diharapkan dapat memberikan output yang baik kepada para peserta agar dapat meningkatkan pemahaman terkait pengolahan data menggunakan alat aplikasi smart-PLS.
Dari kegiatan workshop ini, dapat disimpulkan beberapa kelebihan dari software SmartPLS yaitu antara lain : (1) SmartPLS atau Smart Partial Least Square adalah software statistik yang sama tujuannya dengan Lisrel dan AMOS yaitu untuk menguji hubungan antara variabel; (2) Pendekatan smartPLS dianggap powerful karena tidak mendasarkan pada berbagai asumsi. (3) Jumlah sampel yang dibutuhkan dalam analisis relatif kecil. Penggunaan Smart PLS sangat dianjurkan ketika kita mememiliki keterbatasan jumlah sampel sementara model yang dibangung kompleks. hal ini tidak dapat dilakukan ketika kita menggunakan kedua software di atas. Lisrel dan AMOS membutuhkan kecukupan sampel; (4) Data dalam analisis smartPLS tidak harus memiliki distribusi normal karena SmartPLS menggunakan metode bootstraping atau penggandaan secara acak. Oleh karenanya asumsi normalitas tidak akan menjadi masalah bagi PLS. Selain terkait dengan normalitas data, dengan dilakukannya bootstraping maka PLS tidak mensyaratkan jumlah minimum sampel; (5) SmartPLS mampu menguji model SEM formatif dan reflektif dengan skala pengukuran indikator berbeda dalam satu model. Apapun bentuk skalanya (rasio kategori, Likert, dam lain-lain) dapat diuji dalam satu model. Namun kelemahan dari SmartPLS yaitu SmartPLS hanya bisa membaca data Excel dalam bentuk CSV.
