Cara pakai analisis SmartPLS untuk pemula dimulai dengan mengunduh perangkat lunak, mengimpor data penelitian berformat CSV, membuat diagram jalur struktural dengan menghubungkan variabel laten dan indikatornya, lalu menjalankan algoritma PLS untuk mengevaluasi model pengukuran luar, model struktural dalam, serta melihat nilai koefisien jalur dan signifikansi hipotesis secara akurat.
Apa Saja Persiapan Awal Sebelum Menggunakan SmartPLS?
Persiapan awal sebelum menjalankan SmartPLS adalah memastikan data penelitian Anda sudah bersih, lengkap, dan berformat comma-separated values atau CSV agar terbaca sistem dengan sempurna. SmartPLS atau Partial Least Squares Structural Equation Modeling adalah sebuah teknik analisis multivariat berbasis varian yang sangat cocok untuk menguji model hubungan yang kompleks dengan ukuran sampel kecil dan tidak harus berdistribusi normal.
Sebelum memasukkan data ke dalam aplikasi, susunlah variabel laten penelitian Anda berdasarkan landasan teori yang kuat. Variabel dalam penelitian biasanya dibagi menjadi variabel eksogen atau variabel bebas yang memengaruhi, dan variabel endogen atau variabel terikat yang dipengaruhi. Pastikan setiap variabel memiliki indikator atau manifest variabel yang valid dan reliabel. Siapkan pula lembar kerja tabulasi data dari kuesioner Anda di Microsoft Excel, lalu simpan berkas tersebut ke dalam format CSV MS-DOS atau CSV Comma Delimited agar kompatibel dengan sistem impor perangkat lunak ini.
Bagaimana Langkah-Langkah Impor Data dan Pembuatan Proyek Baru?
Langkah awal di dalam aplikasi adalah membuat proyek baru melalui menu file, lalu memasukkan berkas data CSV yang sudah disiapkan sebelumnya. Setelah proyek berhasil dibuat, Anda akan melihat ruang kerja kosong tempat Anda bisa menggambar model jalur penelitian Anda.
Berikut adalah rincian tahapan awal di dalam aplikasi:
- Buka aplikasi SmartPLS di komputer Anda dan pilih menu New Project untuk membuat direktori kerja baru.
- Klik dua kali pada nama proyek yang baru dibuat, lalu pilih berkas data CSV Anda untuk melakukan impor data secara otomatis.
- Perhatikan pratinjau data yang muncul untuk memastikan semua kolom variabel dan baris responden sudah terbaca dengan benar tanpa ada simbol yang rusak.
- Klik ikon lingkaran di jendela kerja untuk menggambar konstruk variabel laten, lalu beri nama sesuai dengan variabel penelitian skripsi Anda.
- Tarik garis panah dari indikator menuju variabel latennya untuk model reflektif, atau sebaliknya untuk model formatif sesuai panduan teori Anda.
Bagaimana Cara Menjalankan Evaluasi Outer Model atau Model Pengukuran?
Cara menjalankan evaluasi outer model adalah dengan mengeksekusi algoritma PLS untuk menguji validitas konvergen, validitas diskriminan, dan reliabilitas konsistensi internal dari setiap indikator. Evaluasi model pengukuran ini wajib dilakukan terlebih dahulu sebelum Anda menguji hipotesis struktural agar instrumen penelitian dinyatakan layak.
Dalam tahap ini, terdapat beberapa kriteria pengujian utama yang harus dipenuhi oleh peneliti:
| Nama Pengujian | Parameter Penilaian | Nilai Kriteria Standar |
|---|---|---|
| Outer Loading | Korelasi antara indikator dan variabel | Lebih besar dari 0.70 |
| Cronbach Alpha | Reliabilitas konsistensi internal | Lebih besar dari 0.60 |
| Composite Reliability | Reliabilitas konstruk variabel laten | Lebih besar dari 0.70 |
| AVE | Average Variance Extracted | Lebih besar dari 0.50 |
| Fornell-Larcker | Validitas diskriminan antar konstruk | Nilai akar AVE lebih tinggi dari korelasi |
Jika terdapat indikator yang nilai outer loadingnya berada di bawah rentang standar, Anda disarankan untuk menghapus indikator tersebut secara hati-hati agar nilai validitas keseluruhan konstruk meningkat, selama penghilangan tersebut tidak merusak definisi konseptual dari variabel penelitian Anda.
Bagaimana Cara Membaca Hasil Inner Model dan Uji Hipotesis?
Cara membaca hasil inner model dilakukan dengan menjalankan proses bootstrapping untuk melihat nilai koefisien jalur, nilai t-statistik, dan tingkat signifikansi p-value guna membuktikan hipotesis penelitian. Inner model atau structural model bertujuan untuk memprediksi hubungan kausalitas antar variabel laten yang telah Andahipotesiskan sebelumnya dalam bab kerangka pemikiran skripsi.
Untuk menjalankan uji hipotesis, pilihlah menu calculate lalu klik bootstrapping dengan jumlah subsamples minimal sebanyak 5000 kali untuk mendapatkan hasil estimasi yang stabil. Setelah proses kalkulasi selesai, perhatikan tabel path coefficients pada jendela hasil laporan. Nilai t-statistik harus lebih besar dari 1.96 dan nilai p-value harus kurang dari 0.05 agar hipotesis penelitian Anda dinyatakan diterima atau signifikan pada taraf kesalahan lima persen. Selain itu, Anda juga perlu melaporkan nilai R-square atau koefisien determinasi untuk mengukur seberapa besar variasi variabel endogen dapat dijelaskan oleh variabel eksogen yang memengaruhinya. Nilai R-square sebesar 0.67 dikategorikan kuat, 0.33 dikategorikan moderat, dan 0.19 dikategorikan lemah dalam bidang ilmu sosial.
Pertanyaan Umum
Apa perbedaan utama antara SmartPLS dan SPSS untuk analisis data?
SPSS berbasis pada covariance atau regresi linier biasa yang menuntut asumsi normalitas data ketat dan sampel besar, sedangkan SmartPLS berbasis varian atau PLS-SEM yang lebih fleksibel untuk sampel kecil, data tidak normal, dan model kompleks.
Berapa batas minimal jumlah sampel untuk analisis menggunakan SmartPLS?
SmartPLS terkenal sangat toleran terhadap ukuran sampel kecil, di mana aturan praktis umumnya menyarankan minimal 30 hingga 100 responden tergantung pada kompleksitas model struktural dan jumlah indikator terbanyak pada satu konstruk.
Bagaimana jika hasil outer loading indikator penelitian saya di bawah 0.70?
Indikator dengan nilai outer loading antara 0.40 hingga 0.70 masih boleh dipertahankan jika nilai AVE dan composite reliability konstruk tersebut sudah memenuhi ambang batas standar, namun indikator di bawah 0.40 sebaiknya dihapus.
Menguasai perangkat lunak pengolahan data memang membutuhkan ketelitian tinggi dari tahap persiapan hingga interpretasi angka keluaran sistem. Jika Anda mengalami kendala teknis, keterbatasan waktu, atau kebingungan dalam menjabarkan hasil bab pembahasan penelitian, serahkan kebutuhan pengolahan data Anda pada layanan profesional terpercaya melalui jasa SmartPLS yang siap membantu analisis skripsi Anda secara tuntas dan akurat.