Goodness of fit PLS-SEM adalah serangkaian ukuran evaluasi untuk mengetahui seberapa baik model struktural dan pengukuran mampu merepresentasikan data empiris dalam analisis Partial Least Squares Structural Equation Modeling. Berbeda dengan CB-SEM, evaluasi kecocokan model pada SmartPLS lebih berfokus pada validitas prediktif menggunakan pendekatan non-parametrik yang fleksibel terhadap asumsi kenormalan data.
Apa Saja Ukuran Goodness of Fit dalam SmartPLS?
Ukuran goodness of fit dalam SmartPLS meliputi Standardized Root Mean Square Residual (SRMR) untuk mengukur selisih matriks kovarians, Normed Fit Index (NFI) untuk indeks kecocokan normal, serta RMS Theta untuk mengukur kecocokan model luar.
Evaluasi model menggunakan perangkat lunak SmartPLS tidak lagi mengandalkan satu indeks tunggal seperti Chi-Square tradisional. Karena karakteristik PLS-SEM adalah memaksimalkan varians konstruk laten yang dijelaskan, pendekatan pengujian kecocokan model dikelompokkan menjadi beberapa parameter spesifik yang harus dipenuhi oleh peneliti agar hasil olah data dapat dipertanggungjawabkan secara akademis.
Bagaimana Cara Menilai SRMR di SmartPLS?
SRMR adalah indeks yang menghitung akar kuadrat dari perbedaan rata-rata antara matriks kovarians sampel dan matriks kovarians teoretis, di mana nilai di bawah 0,10 atau lebih ketat di bawah 0,08 mengindikasikan kecocokan model yang baik. Nilai SRMR diperoleh secara otomatis pada menu laporan SmartPLS setelah proses kalkulasi algoritma selesai dijalankan dengan benar.
Sebagai metrik utama dalam mengevaluasi model keseluruhan pada PLS-SEM, SRMR membantu peneliti mendeteksi adanya misspecification pada model struktural yang dibangun. Jika nilai SRMR Anda berada di atas ambang batas 0,10, hal ini menandakan adanya perbedaan signifikan antara model teoretis dan data empiris di lapangan, sehingga perbaikan pada indikator atau jalur hubungan antarvariabel mutlak diperlukan sebelum melanjutkan ke tahap pengujian hipotesis.
Kapan Harus Menggunakan NFI dan RMS Theta?
NFI (Normed Fit Index) digunakan untuk menilai kelayakan model dengan nilai berkisar dari 0 hingga 1 di mana nilai mendekati 0,90 atau lebih menunjukkan kecocokan yang baik, sedangkan RMS Theta digunakan khusus untuk model dengan konstruk reflektif di mana nilai di bawah 0,12 menunjukkan model yang pas.
Meskipun NFI jarang menjadi fokus utama dalam literatur klasik PLS-SEM, banyak penguji skripsi di perguruan tinggi Indonesia yang tetap menanyakannya sebagai pembanding tambahan. Sementara itu, RMS Theta sangat berguna ketika Anda ingin memastikan bahwa model pengukuran refleksif Anda benar-benar bebas dari masalah residual yang berlebihan pada konstruk latennya.
Langkah Evaluasi Model Pengukuran dan Struktural
Sebelum melihat indeks kecocokan keseluruhan, mahasiswa wajib melalui tahapan evaluasi model luar dan model dalam secara sistematis agar interpretasi data menjadi valid dan reliabel.
| Tahapan Uji | Parameter Utama | Kriteria Penilaian |
|---|---|---|
| Outer Model (Reflektif) | Loading Factor, AVE, Cronbach’s Alpha | > 0,70 untuk loading, > 0,50 untuk AVE |
| Outer Model (Formatif) | Outer Weights & VIF | Signifikan dan VIF < 5,0 |
| Inner Model | R-Square, F-Square, Q-Square | > 0,67 (kuat), > 0,33 (moderat), > 0,19 (lemah) |
| Goodness of Fit | SRMR, NFI, RMS Theta | SRMR 0,90; RMS Theta < 0,12 |
Tabel di atas menyusun urutan kerja yang lazim digunakan dalam pengerjaan skripsi kuantitatif berbasis SmartPLS. Pastikan Anda menyelesaikan evaluasi outer model terlebih dahulu sebelum melangkah ke inner model dan uji kecocokan keseluruhan. Mengabaikan urutan ini sering kali menjadi penyebab utama hasil olah data ditolak oleh dosen pembimbing karena dianggap melanggar kaidah metodologi penelitian.
Mengapa Model SmartPLS Sering Dinyatakan Fit?
Model SmartPLS sering kali dinyatakan fit karena fokus utama algoritminya adalah prediksi dan maksimalisasi varians, sehingga batasan ketat seperti pada covariance-based SEM menjadi lebih longgar. Pendekatan ini membuat SmartPLS sangat populer untuk riset manajemen, pemasaran, dan ilmu sosial yang sering kali menggunakan sampel tidak normal atau indikator persepsional.
Kendati demikian, mahasiswa tidak boleh mengabaikan tahapan pelaporan goodness of fit ini dalam bab hasil penelitian skripsi. Menyertakan nilai SRMR, NFI, dan RMS Theta menunjukkan bahwa Anda memahami standar pelaporan ilmiah modern menggunakan software statistik terkini.
Pertanyaan Umum
Berapa nilai minimal SRMR yang baik dalam SmartPLS?
Nilai SRMR yang baik adalah kurang dari 0,10, dan model yang sangat ideal memiliki nilai SRMR di bawah 0,08.
Apakah NFI wajib dilaporkan saat menggunakan SmartPLS?
NFI tidak selalu wajib dalam literatur PLS-SEM murni, namun sangat disarankan untuk dilaporkan guna memenuhi permintaan penguji skripsi di Indonesia.
Bagaimana jika nilai goodness of fit SmartPLS tidak memenuhi syarat?
Jika nilai tidak memenuhi syarat, Anda harus memeriksa kembali indikator dengan nilai outer loading rendah atau memperbaiki jalur struktural model.
Memahami konsep goodness of fit PLS-SEM secara mendalam akan menyelamatkan Anda dari kebingungan saat menghadapi sidang skripsi. Jika Anda mengalami kendala teknis dalam proses interpretasi hasil atau penarikan kesimpulan statistik, manfaatkan layanan konsultasi profesional melalui jasa olah data SmartPLS yang siap membantu analisis data penelitian Anda secara akurat dan tepat waktu.