Inner model adalah tahap evaluasi struktural pada Partial Least Squares Structural Equation Modeling yang bertujuan untuk menguji hubungan antar variabel laten atau konstruk berdasarkan substansi teori penelitian. Pengujian ini melibatkan analisis nilai koefisien jalur, R-square, f-square, dan Q-square untuk memastikan kekuatan prediksi serta signifikansi hubungan kausalitas antar variabel dalam model penelitian Anda.
Apa Itu Inner Model dalam Analisis SmartPLS?
Inner model atau structural model adalah representasi hubungan antara variabel laten independen dan dependen yang dibangun berdasarkan landasan teoretis penelitian. Evaluasi inner model dilakukan setelah outer model atau measurement model dipastikan valid dan reliabel melalui uji konvergen, diskriminan, serta reliabilitas komposit.
Dalam praktiknya, pemahaman mendalam mengenai inner model sangat krusial bagi mahasiswa tingkat akhir yang mengerjakan skripsi kuantitatif berbasis SEM. Kesalahan dalam membaca hasil uji struktural ini dapat berakibat fatal pada kesimpulan hipotesis penelitian Anda. Oleh karena itu, mari kita bedah satu per satu tahapan evaluasinya secara sistematis.
Bagaimana Tahapan Evaluasi Inner Model di Software SmartPLS?
Evaluasi inner model di software SmartPLS dilakukan melalui beberapa tahapan pengujian statistik secara berurutan, mulai dari melihat nilai R-square, koefisien jalur, hingga ukuran effect size. Berikut adalah ringkasan kriteria pengujian struktural yang wajib dipenuhi dalam analisis data penelitian:
| Nama Uji / Metrik | Kriteria Nilai Standar | Interpretasi Statistik |
|---|---|---|
| R-Square (R²) | 0.75, 0.50, 0.25 | Menunjukkan kekuatan model kuat, moderat, atau lemah. |
| Koefisien Jalur (Path Coefficient) | p-value < 0.05 / t-statistic > 1.96 | Menentukan apakah hipotesis pengaruh antar variabel diterima. |
| Effect Size (f²) | 0.02 (kecil), 0.15 (sedang), 0.35 (besar) | Mengukur dampak prediktor terhadap variabel endogen. |
| Q-Square (Q²) | Nilai Q² > 0 | Menunjukkan relevansi prediktif (predictive relevance) model. |
Bagaimana Cara Membaca Nilai R-Square pada Inner Model?
Nilai R-square adalah koefisien determinasi yang mengukur seberapa besar variasi variabel endogen dapat dijelaskan oleh variabel eksogen yang mempengaruhinya. Cara membaca nilai R-square dalam SmartPLS adalah dengan melihat persentase varians yang mampu dijelaskan oleh model struktural pada jendela hasil bootstrapping atau calculation.
Berdasarkan pedoman umum dalam analisis PLS-SEM, nilai R-square sebesar 0.75 dikategorikan sebagai model yang kuat, nilai 0.50 dikategorikan moderat, dan nilai 0.25 dikategorikan lemah. Sebagai contoh, jika variabel Kepuasan Pelanggan memiliki nilai R-square sebesar 0.65, artinya 65 persen variasi Kepuasan Pelanggan dapat dijelaskan oleh variabel Kualitas Produk dan Harga, sedangkan sisanya dipengaruhi oleh faktor lain di luar model penelitian Anda.
Mengapa Uji Bootstrapping Penting untuk Path Coefficient?
Uji bootstrapping adalah prosedur resampling non-parametrik yang menghasilkan nilai t-statistik dan p-value untuk menguji signifikansi hubungan pada koefisien jalur inner model. Tanpa menjalankan prosedur bootstrapping di SmartPLS, peneliti tidak dapat mengetahui apakah hubungan antar variabel terbukti secara statistik atau hanya terjadi secara kebetulan.
Untuk menyatakan bahwa sebuah hipotesis diterima dalam pengujian inner model, nilai t-statistik harus lebih besar dari 1.96 dan nilai p-value harus lebih kecil dari taraf signifikansi 0.05 pada uji dua sisi (two-tailed). Jika kriteria tersebut terpenuhi, maka koefisien jalur dinyatakan signifikan secara statistik dan teori yang diajukan terbukti kebenarannya.
Bagaimana Menghitung Effect Size (f-Square) dalam Model Struktural?
Effect size atau f-square adalah ukuran statistik yang mengevaluasi dampak substansial dari penghilangan suatu variabel eksogen tertentu terhadap nilai R-square variabel endogen. Cara menghitung effect size di SmartPLS dapat dilihat langsung pada laporan matrix f-square setelah Anda menjalankan algoritma PLS Calculation.
Kriteria penilaian f-square ditetapkan melalui tiga kategori utama agar peneliti dapat menilai kontribusi relatif setiap variabel. Nilai f-square sebesar 0.02 menunjukkan pengaruh yang kecil, nilai 0.15 menunjukkan pengaruh yang sedang, dan nilai 0.35 menunjukkan pengaruh yang besar dari variabel prediktor terhadap konstruk endogen.
Apa Peran Q-Square dalam Evaluasi Predictive Relevance?
Q-square adalah ukuran yang dikembangkan oleh Stone-Geisser untuk mengevaluasi relevansi prediktif dari sebuah inner model dengan menggunakan prosedur blindfolding. Nilai Q-square yang bernilai lebih besar dari nol menunjukkan bahwa model struktural memiliki relevansi prediktif yang baik terhadap variabel endogen tertentu.
Jika hasil perhitungan blindfolding menunjukkan nilai Q-square di bawah nol, maka model tersebut dianggap kurang memiliki kemampuan prediksi yang memadai untuk konstruk yang diuji. Oleh karena itu, pengujian ini sangat penting dilaporkan dalam bab hasil analisis data skripsi kuantitatif Anda.
Pertanyaan Umum
Apa perbedaan antara outer model dan inner model di SmartPLS?
Outer model adalah evaluasi hubungan antara indikator dengan variabel latennya, sedangkan inner model adalah evaluasi hubungan antar variabel laten atau konstruk dalam struktur penelitian.
Berapa batas minimal nilai t-statistik untuk menguji hipotesis inner model?
Batas minimal nilai t-statistik untuk menyatakan hipotesis diterima adalah lebih besar dari 1.96 dengan tingkat signifikansi alpha sebesar 5 persen pada uji dua sisi.
Apa yang harus dilakukan jika nilai R-square dalam penelitian terlalu rendah?
Jika nilai R-square rendah, peneliti dapat menambahkan variabel eksogen relevan yang didukung teori, memperkuat indikator kuesioner, atau memperluas sampel penelitian.
Demikian panduan lengkap mengenai cara melakukan evaluasi inner model pada software SmartPLS untuk keperluan analisis data skripsi. Jika Anda mengalami kendala teknis dalam proses pengolahan data penelitian, manfaatkan layanan jasa SmartPLS profesional yang siap membantu merampungkan analisis statistik secara akurat dan tepat waktu.