Data merupakan sumber informasi yang sangat penting. Dengan data kita dapat mengetahui banyak informasi yang bermanfaat untuk pengambilan kebijakan atau strategi ke depan. Akan tetapi data harus diolah dan dianalisis agar dapat memberikan manfaat lebih. Untuk itu Politeknik Negeri Samarinda mengirimkan beberapa dosen terbaiknya guna mempelajari lebih lanjut mengenai pengolahan data statistik. Pelatihan analisis data kuantitatif menggunakan SPSS dan SmartPLS-SEM berlangsung selama 4 hari  tanggal 5-9 September 2023 bertempat di gedung Smile Group jalan Dr. Wahidin Sudirohusodo, Kuantan Square Mlati kav. R3-5 & A2 Sleman, Daerah Istimewa Yogyakarta.

SPSS (Statistical Program for Social Science) merupakan software aplikasi statistik yang populer bagi karena SPSS dapat membantu pengolahan data dan pengujian hipotesis untuk berbagai uji dan analisis dalam statistika, seperti uji t, uji F, uji-uji non parametrik, analisis regresi, korelasi, dan multivariat dan lain-lain. SPSS merupakan aplikasi statistik paling populer dengan berbagai alat analisis yang cukup lengkap dan mampu memproses data statistik secara cepat dan tepat, menjadikan berbagai output yang dikehendaki para pengambil keputusan. Dalam penelitian, pengolahan dan penganalisisan data memegang peranan penting. Data yang telah dikumpulkan terkadang sulit ditafsirkan, oleh karena itu data tersebut perlu disajikan dalam bentuk sebuah tabel atau diagram (grafik).

Structural Equation Modeling (SEM) adalah alat statistik yang dipergunakan untuk menyelesaikan model bertingkat secara serempak yang tidak dapat diselesaikan oleh persamaan regresi linear. SEM merupakan sebuah teknik pemodelan statistik yang sangat umum dan saat ini semakin populer digunakan secara luas diberbagai lingkup ilmu pengetahuan. Berbeda dengan metode statistik seperti parametrik, non parametrik maupun multivariate, SEM melibatkan banyak perhitungan matematis yang sangat kompleks. Dalam melakukan analisa SEM kadang-kadang kita terkendala pada jumlah sampel yang kurang mencukupi, tidak dipenuhinya asumsi Normalitas dan sulitnya mendapatkan model yang fit. Model SEM dengan Partial Least Square (PLS) merupakan metode analisa alternatif yang dikembangkan untuk menangani masalah tersebut. Analisa dengan metode PLS tidak membutuhkan jumlah data yang banyak dan juga tidak membutuhkan asumsi Murivariate Normalitas. Pada metode PLS dimana estimasi parameternya menggunakan pendekatan Least Square tidak mengharuskan dilakukan Evaluasi Kelayakan Model (Uji Fit Model).