Cara pakai SmartPLS untuk pemula dimulai dengan mengunduh perangkat lunak, menyiapkan data dalam format CSV, membuat proyek baru, menggambar model jalur struktural, menghubungkan indikator ke konstruk laten, dan menjalankan algoritma pengolahan data Partial Least Squares Structural Equation Modeling atau PLS-SEM untuk menganalisis hubungan antarvariabel penelitian skripsi Anda.
Apa Saja Persiapan Awal Sebelum Memulai SmartPLS?
Persiapan awal sebelum memakai aplikasi ini adalah memastikan data penelitian telah terkumpul, dibersihkan dari nilai ekstrem atau outlier, dan disimpan dalam format file nilai terpisah koma atau CSV agar sistem dapat membacanya dengan lancar tanpa ada galat atau error saat proses impor berkas dilakukan.
Mahasiswa sering kali mengalami kendala pada tahap ini karena format data Excel biasa dengan ekstensi XLSX atau XLS tidak bisa dibaca langsung oleh perangkat lunak analisis jalur ini. Anda harus melakukan konversi berkas lembar kerja tersebut melalui menu simpan sebagai di perangkat lunak perkantoran Anda ke format teks berformat koma. Selain itu, pastikan tidak ada sel kosong atau huruf pada kolom data numerik yang akan dimasukkan, karena hal tersebut akan menghentikan proses komputasi algoritma iterasi secara otomatis oleh sistem perangkat lunak.
Bagaimana Cara Impor Data dan Membuat Model Jalur?
Cara impor data dan membuat model jalur di SmartPLS dilakukan dengan mengeklik menu buat proyek baru, memasukkan berkas CSV yang sudah disiapkan, lalu menggunakan alat pembentuk lingkaran dan panah untuk menggambarkan variabel laten beserta indikator manifestnya pada lembar kerja utama.
Setelah perangkat lunak terbuka, pilih opsi buat proyek baru dan beri nama sesuai judul penelitian skripsi Anda. Klik dua kali pada nama proyek tersebut untuk memasukkan berkas data mentah berformat CSV yang sudah Anda siapkan sebelumnya. Setelah data berhasil masuk ditandai dengan munculnya daftar indikator di sisi kanan layar, mulailah menggambar lingkaran yang merepresentasikan konstruk atau variabel laten. Tarik garis indikator dari daftar ke dalam lingkaran variabel laten tersebut. Gunakan alat panah penghubung untuk merepresentasikan pengaruh atau hubungan struktural antara variabel bebas atau eksogen terhadap variabel terikat atau endogen sesuai dengan kerangka konseptual penelitian skripsi Anda.
Langkah-Langkah Evaluasi Model Pengukuran Outer Model
Langkah evaluasi model pengukuran atau outer model dilakukan dengan menguji validitas konvergen, validitas diskriminan, dan reliabilitas konsistensi internal untuk memastikan setiap indikator mampu mengukur variabel latennya secara akurat dan konsisten.
Pengujian outer model atau model pengukuran merupakan tahapan krusial sebelum menguji hipotesis utama penelitian. Evaluasi ini melibatkan beberapa kriteria statistik penting yang harus dipenuhi oleh setiap indikator dan konstruk dalam model penelitian Anda.
| Jenis Uji | Parameter Statistik | Nilai Ambang Batas Kritis |
|---|---|---|
| Validitas Konvergen | Outer Loading | Lebih besar dari 0,70 |
| Validitas Konvergen | Average Variance Extracted | Lebih besar dari 0,50 |
| Reliabilitas | Cronbach Alpha & Composite Reliability | Lebih besar dari 0,70 |
| Validitas Diskriminan | Cross Loading & Fornell Larcker | Lebih tinggi dari variabel lain |
Jika terdapat indikator yang nilai outer loading-nya berada di bawah rentang batas minimal tersebut, mahasiswa biasanya disarankan untuk mengeluarkan indikator tersebut dari model agar nilai validitas keseluruhan memenuhi syarat akademis pengujian.
Bagaimana Cara Menjalankan Evaluasi Model Struktural Inner Model?
Cara menjalankan evaluasi model struktural atau inner model dilakukan dengan melihat nilai koefisien jalur, besaran pengaruh atau R-square, dan relevansi prediktif atau Q-square untuk menguji hipotesis penelitian yang telah diajukan.
Setelah memastikan seluruh indikator valid dan reliabel pada tahap sebelumnya, Anda dapat melanjutkan analisis ke tahap struktural. Jalankan metode kalkulasi bootstrapping untuk mendapatkan nilai t-statistik dan nilai probabilitas signifikansi. Nilai R-square atau koefisien determinasi menunjukkan seberapa besar variasi variabel endogen dapat dijelaskan oleh variabel eksogen dalam model. Kategori nilai R-square umumnya dibagi menjadi kuat pada angka 0,67, moderat pada angka 0,33, dan lemah pada angka 0,19. Sementara itu, nilai Q-square yang bernilai di atas nol menunjukkan bahwa model memiliki relevansi prediktif yang baik terhadap data observasi.
Bagaimana Cara Membaca dan Menyimpan Hasil Analisis?
Cara membaca dan menyimpan hasil analisis adalah dengan memeriksa laporan keluaran berupa laporan matriks dan grafik jalur, lalu mengekspor ringkasan data tersebut ke dalam format dokumen laporan atau lembar kerja untuk disusun ke dalam bab hasil penelitian skripsi.
Perangkat lunak ini menyediakan laporan keluaran yang sangat lengkap dan terperinci setelah proses perhitungan selesai dilakukan. Mahasiswa perlu memahami bagian mana saja yang harus disalin ke dalam naskah laporan akhir. Fokuskan perhatian pada tabel hasil pengujian hipotesis jalur langsung dan tidak langsung untuk menjawab rumusan masalah penelitian Anda. Anda dapat menggunakan fitur ekspor laporan ke format HTML atau Excel agar tabel data statistik tersebut dapat disalin dengan mudah ke dalam dokumen pengolah kata yang sedang Anda kerjakan untuk keperluan bimbingan dosen pembimbing skripsi.
Pertanyaan Umum
Apa perbedaan utama antara SPSS dan SmartPLS untuk skripsi?
SPSS menggunakan pendekatan berbasis variancovariance atau analisis regresi klasik untuk sampel besar dengan indikator tunggal yang teramati, sedangkan perangkat lunak ini menggunakan pendekatan PLS-SEM berbasis varian yang sangat cocok untuk sampel kecil dan model rumit dengan variabel laten multivariat.
Berapa minimal sampel yang dibutuhkan untuk menggunakan SmartPLS?
Jumlah sampel minimal ditentukan berdasarkan aturan sepuluh kali lipat dari jumlah jalur maksimum yang mengarah ke suatu konstruk dalam model struktural, atau minimal berkisar antara 30 hingga 100 responden tergantung pada tingkat kompleksitas model penelitian Anda.
Bagaimana jika hasil uji validitas outer loading ada yang di bawah 0.70?
Indikator dengan nilai muatan luar di bawah ambang batas dapat dihapus secara bertahap dari model asalkan nilai rata-rata varian yang diekstrak atau AVE dari konstruk tersebut sudah memenuhi batas minimal 0,50 untuk menjaga kualitas validitas konvergen.
Menguasai perangkat lunak analisis data memerlukan ketelitian dan pemahaman konsep statistik yang mendalam agar kesimpulan penelitian skripsi Anda valid secara akademis. Jika Anda mengalami kendala teknis, interpretasi hasil, atau keterbatasan waktu dalam pengerjaan pengolahan data penelitian, Anda dapat mempercayakannya pada layanan profesional jasa olah data SmartPLS yang siap membantu mahasiswa menyelesaikan analisis skripsi dengan akurat, cepat, dan transparan.