Cara olah kuesioner SmartPLS adalah proses menganalisis data primer penelitian menggunakan pendekatan *Partial Least Squares Structural Equation Modeling* (PLS-SEM), yaitu metode statistik berbasis varians yang dirancang untuk menguji hubungan antarvariabel laten yang kompleks secara simultan dengan jumlah sampel yang relatif kecil.
Apa Saja Tahapan Olah Kuesioner SmartPLS?
Tahapan olah kuesioner SmartPLS secara umum terbagi menjadi dua fase utama, yaitu evaluasi model pengukuran atau outer model untuk memastikan instrumen valid dan reliabel, serta evaluasi model struktural atau inner model untuk menguji hipotesis penelitian melalui pengujian koefisien jalur dan nilai R-square.
Sebelum memulai pengolahan data menggunakan perangkat lunak SmartPLS, pastikan data hasil kuesioner dari responden telah ditransfer ke dalam format lembar kerja digital seperti Microsoft Excel. Data tersebut biasanya berupa angka hasil tabulasi jawaban responden menggunakan skala pengukuran tertentu, seperti Skala Likert mulai dari angka satu hingga lima. Setelah data siap, langkah awal yang harus dilakukan adalah membuat proyek baru di dalam aplikasi SmartPLS dan mengimpor berkas data tersebut ke dalam lembar kerja perangkat lunak.
Bagaimana Cara Melakukan Evaluasi Outer Model?
Evaluasi outer model adalah tahap pengujian kualitas instrumen penelitian yang melibatkan uji validitas konvergen, validitas diskriminan, dan uji reliabilitas konstruk untuk memastikan bahwa setiap indikator benar-benar mampu mengukur variabel yang hendak diteliti.
Dalam uji validitas konvergen, parameter utama yang dilihat adalah nilai *outer loading* dari setiap indikator terhadap konstruknya. Berdasarkan standar metodologi penelitian, nilai *outer loading* dikatakan ideal jika berada di atas 0,70, meskipun untuk penelitian tahap awal atau eksplorasi, nilai 0,60 masih dapat ditoleransi. Selain itu, nilai *Average Variance Extracted* (AVE) dari setiap variabel laten harus bernilai lebih besar dari 0,50. Jika nilai AVE sudah di atas ambang batas tersebut, berarti varians dari indikator yang dapat dijelaskan oleh konstruknya lebih besar daripada varians dari kesalahan pengukuran.
Selanjutnya, pengujian validitas diskriminan dilakukan untuk memastikan bahwa konstruk suatu variabel memiliki perbedaan yang memadai dengan variabel lainnya di dalam model penelitian. Evaluasi ini umumnya menggunakan kriteria Fornell-Larcker, di mana akar kuadrat AVE untuk setiap konstruk harus lebih tinggi daripada nilai korelasi antara konstruk tersebut dengan variabel laten lainnya di dalam model. Pengujian ini juga dapat didukung dengan memeriksa nilai *Cross Loadings*, di mana nilai korelasi indikator pada konstruknya sendiri harus lebih tinggi daripada korelasi dengan konstruk lain.
Tahap akhir dalam evaluasi model pengukuran adalah uji reliabilitas konstruk guna menguji konsistensi internal dari alat ukur kuesioner. Dua metrik utama yang lazim digunakan dalam SmartPLS adalah *Cronbach’s Alpha* dan *Composite Reliability*. Suatu variabel dinyatakan memiliki reliabilitas yang baik jika nilai *Composite Reliability* dan *Cronbach’s Alpha* bernilai di atas 0,70. Apabila seluruh indikator telah memenuhi kriteria validitas konvergen, validitas diskriminan, dan reliabilitas, maka model pengukuran dinyatakan valid dan layak dilanjutkan ke tahap berikutnya.
Bagaimana Cara Melakukan Evaluasi Inner Model?
Evaluasi inner model adalah tahap pengujian struktural yang dilakukan untuk melihat seberapa kuat pengaruh antarvariabel laten atau menguji hipotesis penelitian yang telah dirumuskan sebelumnya oleh mahasiswa.
Langkah pertama dalam evaluasi inner model adalah melihat nilai koefisien determinasi atau nilai R-square ($R^2$) pada variabel laten endogen. Nilai R-square merepresentasikan besarnya persentase varians variabel endogen yang dapat dijelaskan oleh variabel-variabel eksogen yang mempengaruhinya. Berdasarkan pedoman umum dalam analisis PLS-SEM, nilai R-square sebesar 0,75 dikategorikan sebagai model yang kuat, 0,50 dikategorikan moderat, dan 0,25 dikategorikan lemah.
Selain R-square, penguji juga perlu mengevaluasi nilai *f-square* ($f^2$) untuk mengetahui ukuran efek dari masing-masing variabel eksogen terhadap variabel endogen pada tingkat struktural. Nilai *f-square* sebesar 0,02 menunjukkan pengaruh yang kecil, 0,15 menunjukkan pengaruh yang sedang, dan 0,35 menunjukkan pengaruh yang besar. Evaluasi tambahan yang sering disertakan adalah nilai *Q-square* ($Q^2$) melalui prosedur *blindfolding* untuk mengukur relevansi prediktif dari model struktural.
Tabel berikut menyajikan ringkasan kriteria pengujian dalam SmartPLS agar lebih mudah dipahami dan dijadikan sebagai panduan praktis:
| Jenis Pengujian | Parameter Utama | Kriteria Nilai Ideal |
|---|---|---|
| Validitas Konvergen | Outer Loading & AVE | > 0,70 (Loading) & > 0,50 (AVE) |
| Validitas Diskriminan | Fornell-Larcker Criterion | Akar AVE > Korelasi antar konstruk |
| Reliabilitas Konstruk | Composite Reliability | > 0,70 |
| Evaluasi Model Struktural | R-square ($R^2$) | 0,25 (Lemah), 0,50 (Moderat), 0,75 (Kuat) |
| Pengujian Hipotesis | Path Coefficients & p-value | p-value < 0,05 (Signifikan) |
Bagaimana Cara Menguji Hipotesis Penelitian?
Pengujian hipotesis dalam SmartPLS dilakukan dengan menjalankan prosedur *bootstrapping*, yaitu teknik resampling non-parametrik yang menghasilkan nilai t-statistic dan p-value untuk mengevaluasi signifikansi hubungan antarvariabel.
Untuk melakukan pengujian hipotesis, peneliti harus menjalankan algoritma *bootstrapping* dengan menetapkan jumlah *subsamples* minimal sebanyak 5,000 serta menggunakan tingkat signifikansi tertentu, yang umumnya sebesar 5 persen atau 0,05. Setelah proses perhitungan selesai, hasil analisis akan menampilkan nilai koefisien jalur (*path coefficients*), nilai t-statistic, dan nilai p-value untuk setiap jalur hubungan antarvariabel yang telah digambarkan pada model struktural.
Sebuah hipotesis penelitian dinyatakan diterima atau berpengaruh signifikan apabila nilai p-value kurang dari 0,05 atau nilai t-statistic lebih besar dari nilai t-table, yang umumnya bernilai 1,96 untuk tingkat signifikansi dua arah sebesar 5 persen. Jika syarat tersebut terpenuhi, maka hubungan kausalitas antara variabel eksogen dan variabel endogen terbukti secara empiris di dalam sampel penelitian tersebut. Mahasiswa kemudian dapat menyusun interpretasi hasil temuan dengan membandingkan temuan empiris tersebut dengan teori-teori relevan yang telah dijabarkan pada bab tinjauan pustaka skripsi.
Apabila dalam proses pengolahan data kuesioner ini Anda mengalami kendala teknis terkait interpretasi output, perbaikan model, atau pengujian data yang rumit, Anda dapat memanfaatkan layanan jasa SmartPLS dari jurnalskripsi.net untuk mendampingi proses penyelesaian skripsi Anda secara profesional dan akurat.
Pertanyaan Umum
Berapa minimal sampel untuk olah kuesioner SmartPLS?
Jumlah sampel minimal untuk SmartPLS umumnya menggunakan aturan sepuluh kali lipat dari jumlah indikator terbesar dalam satu variabel laten, atau minimal 30 hingga 100 responden tergantung pada kompleksitas model penelitian.
Apa bedanya outer model dan inner model di SmartPLS?
Outer model adalah tahap evaluasi untuk menguji validitas dan reliabilitas hubungan antara indikator dengan variabel latennya, sedangkan inner model adalah tahap evaluasi untuk menguji hubungan struktural antarvariabel laten dan hipotesis penelitian.
Bagaimana jika nilai outer loading di bawah 0,70?
Jika nilai outer loading berada di kisaran 0,40 hingga 0,70, indikator tersebut sebaiknya dihapus jika dengan penghapusan tersebut dapat meningkatkan nilai Average Variance Extracted dan Composite Reliability di atas batas minimum.