Discriminant validity HTMT (Heterotrait-Monotrait Ratio of Correlations) adalah metode pengujian validitas diskriminan dalam analisis SEM (Structural Equation Modeling) menggunakan software SmartPLS yang dihitung berdasarkan rasio korelasi antar-indikator untuk memastikan konsep atau variabel laten benar-benar berbeda secara empiris dari variabel lainnya dalam model penelitian.
Apa Itu Discriminant Validity HTMT dalam SmartPLS?
Uji discriminant validity HTMT adalah teknik modern dalam Partial Least Squares Structural Equation Modeling yang diperkenalkan oleh Henseler et al. pada tahun 2015 sebagai alternatif yang jauh lebih superior dibandingkan metode tradisional seperti kriteria Fornell-Larcker atau cross-loadings dalam mendeteksi kurangnya validitas diskriminan pada model pengukuran.
Mengapa Uji HTMT Lebih Baik Daripada Fornell-Larcker?
Metode HTMT lebih disukai karena memiliki tingkat ketepatan (power) yang jauh lebih tinggi dalam mengidentifikasi masalah validitas diskriminan, terutama ketika data penelitian memiliki indikator yang sangat banyak atau korelasi antar-konstruk yang tinggi, sehingga mampu menghindari kesalahan penarikan kesimpulan pada penelitian kuantitatif mahasiswa.
Berapa Nilai Batas Kriteria HTMT yang Valid?
Kriteria nilai HTMT yang valid umumnya harus berada di bawah ambang batas 0,85 atau 0,90 agar konstruk dalam model penelitian Anda dapat dinyatakan memiliki validitas diskriminan yang baik dan tidak mengukur konsep teoretis yang sama persis.
Berikut adalah tabel ringkasan kriteria pengujian nilai Heterotrait-Monotrait Ratio dalam program SmartPLS:
| Nilai HTMT | Kategori Kriteria | Keputusan Model Pengukuran |
|---|---|---|
| Di bawah 0,85 | Sangat Ideal | Validitas diskriminan terpenuhi dengan sangat baik. |
| Di bawah 0,90 | Masih Diterima | Validitas diskriminan terpenuhi untuk konstruk yang mirip. |
| Di atas 0,90 | Tidak Valid | Terjadi masalah multikolinearitas atau tumpang tindih indikator. |
Bagaimana Langkah-Langkah Melakukan Uji HTMT di SmartPLS?
Langkah-langkah menjalankan uji HTMT di software SmartPLS sangatlah mudah dan dapat diselesaikan dalam beberapa tahapan menu sistem yang intuitif bagi peneliti pemula.
- Buka project pengolahan data Anda di aplikasi SmartPLS yang sudah terhubung dengan model konstruk outer model yang akan diuji.
- Klik tombol tab ‘Calculate’ pada menu bar utama bagian atas antarmuka perangkat lunak SmartPLS.
- Pilih opsi ‘PLS-SEM Algorithm’ atau langsung jalankan ‘Bootstrapping’ untuk mendapatkan nilai signifikansi statistik.
- Tunggu proses perhitungan algoritma selesai dikerjakan oleh sistem program SmartPLS secara otomatis.
- Pada hasil laporan output, cari dan klik bagian menu ‘Quality Criteria’ untuk melihat tabel ‘Heterotrait-Monotrait Ratio (HTMT)’.
- Periksa seluruh angka matriks korelasi antar-variabel untuk memastikan tidak ada nilai yang melanggar batas aturan baku.
Bagaimana Cara Mengatasi Nilai HTMT yang Lebih dari 0,90?
Cara mengatasi nilai HTMT yang lebih dari 0,90 adalah dengan menghapus indikator yang memiliki outer loading terendah pada salah satu konstruk yang bermasalah, atau menggabungkan dua variabel laten yang dinilai terlalu mirip secara konseptual ke dalam satu konstruk tunggal yang utuh.
Ketika Anda mendapati nilai HTMT melampaui batas toleransi, jangan langsung panik mengubah data mentah secara tidak sah. Lakukan evaluasi mendalam terhadap definisi operasional variabel di bab Tinjauan Pustaka. Seringkali, kemiripan indikator kuesioner membuat responden menjawab dengan pola yang hampir identik untuk dua variabel yang berbeda. Menghapus satu atau dua indikator yang redundan biasanya langsung menurunkan angka HTMT ke level yang aman.
Pertanyaan Umum
Apa itu discriminant validity HTMT dalam SmartPLS?
Discriminant validity HTMT adalah rasio rata-rata korelasi heterotrait-monotrait yang digunakan untuk menguji sejauh mana suatu konstruk benar-benar berbeda dari konstruk lainnya secara empiris di dalam model SmartPLS.
Berapa batas nilai HTMT yang baik untuk skripsi?
Batas nilai HTMT yang baik dan diterima secara umum dalam penelitian akademis adalah di bawah 0,85 atau paling tinggi 0,90 agar model terbebas dari masalah validitas.
Apa penyebab nilai HTMT terlalu tinggi di SmartPLS?
Nilai HTMT yang terlalu tinggi biasanya disebabkan oleh indikator kuesioner yang mengukur hal terlalu mirip atau adanya masalah redundansi indikator antar-variabel penelitian.
Melakukan analisis statistik dengan SmartPLS terkadang memang membutuhkan ketelitian ekstra, terutama saat menghadapi kendala outer loading atau nilai HTMT yang tidak sesuai harapan penguji. Jika Anda merasa kesulitan, memerlukan panduan komprehensif, atau ingin hasil analisis skripsi selesai dengan tepat waktu, manfaatkan layanan profesional jasa olah data SmartPLS yang siap membantu mengurai permasalahan data penelitian Anda secara akurat dan transparan sesuai kaidah ilmiah.