Cara membaca output SmartPLS dilakukan secara berurutan mulai dari mengevaluasi Outer Model (uji validitas dan reliabilitas indikator), lalu Inner Model (uji R-square dan koefisien jalur), hingga pengujian hipotesis akhir melalui nilai t-statistik dan p-value pada bootstrapping agar hasil olah data skripsi Anda dinyatakan valid secara statistik.
Bagaimana Urutan Langkah Membaca Output SmartPLS yang Benar?
Urutan langkah membaca output SmartPLS yang benar dimulai dari evaluasi model luar atau Outer Model, dilanjutkan dengan evaluasi model dalam atau Inner Model, dan diakhiri dengan uji hipotesis signifikansi pengaruh antar variabel penelitian.
Ketika Anda mengklik tombol Start Calculation pada algoritma PLS, perangkat lunak ini akan menghasilkan berbagai macam menu laporan. Mahasiswa sering kali merasa bingung karena banyaknya tabel yang tersedia. Kunci keberhasilan dalam memahami laporan ini adalah mengetahui parameter mana yang wajib dilaporkan dan parameter mana yang bersifat opsional untuk kebutuhan bab hasil penelitian skripsi.
Apa Saja Kriteria Evaluasi Outer Model dalam SmartPLS?
Evaluasi Outer Model dalam SmartPLS meliputi pengujian convergent validity menggunakan nilai outer loadings di atas 0,70, discriminant validity melalui kriteria Fornell-Larcker atau Cross Loadings, serta composite reliability dan Cronbach’s alpha dengan batas minimum 0,70.
Outer Model atau model pengukuran berfungsi untuk memastikan bahwa setiap indikator atau kuesioner yang Anda gunakan benar-benar layak dan valid untuk mengukur variabel latennya. Langkah pertama yang harus Anda lakukan adalah membuka menu Construct Reliability and Validity. Di sana, Anda akan melihat nilai Cronbach’s Alpha dan Composite Reliability. Pastikan kedua nilai tersebut berada di atas angka 0,70 agar instrumen penelitian Anda dinyatakan reliabel atau konsisten. Selanjutnya, periksa nilai Average Variance Extracted atau AVE yang harus bernilai lebih besar dari 0,50 untuk menunjukkan bahwa indikator mampu menjelaskan varian dari variabelnya dengan baik. Setelah itu, buka menu Outer Loadings untuk melihat kontribusi setiap indikator. Indikator dengan nilai muatan faktor di bawah 0,50 biasanya harus dihapus dari model, sementara nilai antara 0,50 hingga 0,70 masih dapat dipertimbangkan jika nilai AVE secara keseluruhan sudah memenuhi syarat minimum.
Bagaimana Cara Membaca Inner Model dan R-Square di SmartPLS?
Cara membaca Inner Model dan R-square di SmartPLS adalah dengan melihat besaran nilai koefisien determinasi atau R-square pada variabel endogen untuk mengetahui seberapa besar variasi variabel terikat dapat dijelaskan oleh variabel bebas di dalam model.
Inner Model atau model struktural bertujuan untuk memprediksi hubungan antar variabel laten yang telah Anda bangun di dalam kerangka konseptual penelitian. Menu utama yang harus Anda perhatikan adalah R-Square yang dapat ditemukan pada laporan Quality Criteria. Nilai R-square berkisar antara 0 hingga 1. Berdasarkan pedoman umum dalam analisis statistika multivariat, nilai R-square sebesar 0,75 dikategorikan sebagai model yang kuat, 0,50 sebagai model moderat, dan 0,25 sebagai model yang lemah. Sebagai contoh, jika variabel kinerja karyawan memiliki nilai R-square sebesar 0,650, artinya sebesar 65 persen variasi pada kinerja karyawan dapat dijelaskan oleh variabel motivasi dan kepemimpinan, sedangkan sisanya dipengaruhi oleh faktor lain di luar model penelitian Anda. Selain R-square, Anda juga perlu memeriksa nilai f-square untuk mengetahui ukuran efek dari setiap variabel prediktor serta nilai Q-square untuk menguji relevansi prediktif model struktural secara keseluruhan.
Bagaimana Cara Melakukan Uji Hipotesis dengan Bootstrapping SmartPLS?
Cara melakukan uji hipotesis dengan bootstrapping SmartPLS adalah dengan menjalankan prosedur resampling, kemudian melihat nilai t-statistik yang harus lebih besar dari 1,96 dan p-value yang harus lebih kecil dari 0,05 untuk menyatakan bahwa hipotesis diterima.
Setelah memastikan bahwa Outer Model dan Inner Model memenuhi kriteria kelayakan, tahap krusial berikutnya adalah melakukan uji hipotesis menggunakan prosedur bootstrapping. Klik menu Calculate, pilih Bootstrapping, dan atur jumlah subsamples minimal sebanyak 5,000 kali agar hasil estimasi menjadi stabil. Setelah perhitungan selesai, buka menu Path Coefficients pada laporan bootstrapping. Di tabel tersebut, Anda akan melihat kolom Original Sample, Sample Mean, Standard Deviation, T Statistics, dan P Values. Untuk menyatakan bahwa sebuah pengaruh langsung atau indirect effect dinyatakan signifikan pada tingkat kepercayaan 95 persen, nilai T Statistics harus melampaui angka kritis 1,96 dan nilai P Values harus berada di bawah taraf signifikansi alpha 0,05. Jika kedua syarat tersebut terpenuhi, maka hipotesis penelitian yang menyatakan adanya pengaruh suatu variabel terhadap variabel lain dapat diterima secara empiris.
| Nama Parameter | Menu di SmartPLS | Nilai Standar Minimum | Keterangan Status |
|---|---|---|---|
| Outer Loadings | Outer Loadings | > 0,70 (0,50-0,70 ditoleransi) | Validitas Konvergen Indikator |
| Cronbach’s Alpha | Construct Reliability and Validity | > 0,70 | Reliabilitas Konsistensi Internal |
| Composite Reliability | Construct Reliability and Validity | > 0,70 | Reliabilitas Konstruk Variabel |
| Average Variance Extracted | Construct Reliability and Validity | > 0,50 | Validitas Konvergen Variabel Laten |
| R-Square | Quality Criteria / R-Square | 0,25 (Lemah), 0,50 (Moderat), 0,75 (Kuat) | Kekuatan Prediksi Model Struktural |
| T-Statistics | Bootstrapping / Path Coefficients | > 1,96 (untuk alpha 5%) | Signifikansi Pengujian Hipotesis |
| P-Values | Bootstrapping / Path Coefficients | < 0,05 | Probabilitas Penolakan Hipotesis Nol |
Pertanyaan Umum
Berapa nilai minimum outer loadings agar indikator dinyatakan valid?
Nilai minimum outer loadings yang ideal adalah di atas 0,70, namun indikator dengan nilai muatan antara 0,50 sampai 0,69 masih dapat dipertahankan selama nilai AVE variabel tersebut sudah melebihi 0,50.
Bagaimana kriteria hipotesis diterima dalam pengujian SmartPLS?
Hipotesis penelitian dinyatakan diterima apabila nilai t-statistik hasil bootstrapping lebih besar dari 1,96 dan nilai p-value kurang dari 0,05 pada tingkat signifikansi lima persen.
Apa arti nilai R-square yang rendah pada output SmartPLS?
Nilai R-square yang rendah menunjukkan bahwa kemampuan variabel independen di dalam model masih terbatas dalam menjelaskan keragaman atau variasi yang terjadi pada variabel dependen penelitian.
Memahami seluruh rangkaian parameter statistik di atas akan sangat membantu Anda menyusun bab pembahasan skripsi dengan percaya diri tanpa rasa cemas. Apabila Anda mengalami kendala teknis saat mengoperasikan perangkat lunak atau membutuhkan bantuan profesional untuk menganalisis data penelitian, Anda bisa memanfaatkan layanan jasa olah data SmartPLS yang terpercaya untuk mendampingi proses penyelesaian tugas akhir Anda sampai tuntas.