Uji AVE adalah prosedur evaluasi dalam analisis SEM-PLS yang digunakan untuk mengukur tingkat varian suatu indikator yang dapat dijelaskan oleh konstruk latennya dibandingkan dengan varian dari error pengukuran. Pengujian Average Variance Extracted dilakukan guna memastikan bahwa indikator-indikator dalam variabel penelitian benar-benar merepresentasikan konstruk tersebut dengan baik secara konvergen.
Apa Kriteria Nilai AVE yang Baik dalam SmartPLS?
Nilai Average Variance Extracted yang dianggap baik dan memenuhi syarat validitas konvergen adalah minimal 0.50 untuk setiap variabel laten. Jika nilai suatu konstruk berada di atas batas tersebut, berarti lebih dari separuh varians dari indikator-indikator tersebut berhasil dijelaskan oleh konstruk latennya.
Ketika seorang mahasiswa melakukan pengolahan data menggunakan perangkat lunak SmartPLS, pemeriksaan nilai Average Variance Extracted menjadi tahapan krusial setelah mengevaluasi outer loading. Apabila suatu konstruk memiliki skor di bawah batas minimum tersebut, peneliti harus mengambil tindakan korektif demi menyelamatkan model pengukuran penelitiannya.
Bagaimana Langkah Melakukan Uji AVE di SmartPLS?
Langkah melakukan uji Average Variance Extracted di SmartPLS dimulai dengan menjalankan algoritma PLS, lalu memeriksa tabel Construct Reliability and Validity pada menu laporan hasil kalkulasi. Proses ini dapat diselesaikan dalam beberapa tahapan sistematis yang sangat mudah dipelajari oleh mahasiswa tingkat akhir.
- Buka proyek penelitian Anda di dalam aplikasi SmartPLS yang sudah terhubung dengan data tabulasi.
- Klik tombol Calculate pada menu utama bagian atas, lalu pilih opsi PLS-Algorithm.
- Biarkan pengaturan standar pada jendela dialog yang muncul, kemudian klik tombol Start Calculation.
- Setelah perhitungan selesai, arahkan pandangan ke panel hasil di sisi kiri layar komputer Anda.
- Pilih menu Quality Criteria, lalu klik sub-menu Construct Reliability and Validity untuk melihat rincian datanya.
- Perhatikan kolom bertuliskan AVE guna membaca besaran angka validitas konvergen dari masing-masing variabel laten.
Tabel Standar Evaluasi Nilai AVE dan Tindakannya
Tabel berikut menyajikan ringkasan kriteria penilaian Average Variance Extracted beserta tindakan praktis yang harus diambil oleh peneliti saat menyusun laporan hasil analisis skripsi.
| Rentang Nilai AVE | Status Validitas | Tindakan yang Harus Dilakukan |
|---|---|---|
| ≥ 0.50 | Valid (Konvergen Baik) | Pertahankan indikator, lanjutkan ke tahap evaluasi struktural berikutnya. |
| < 0.50 | Tidak Valid | Evaluasi outer loading, hapus indikator bermasalah yang nilainya paling kecil secara satu persatu. |
Apa Solusi Jika Nilai AVE di Bawah 0.5?
Solusi utama ketika skor Average Variance Extracted kurang dari 0.5 adalah menghapus indikator yang memiliki nilai outer loading paling rendah pada konstruk tersebut. Penghapusan indikator ini harus dilakukan secara hati-hati dan bertahap, dimulai dari indikator dengan nilai muatan faktor terkecil, kemudian jalankan ulang algoritma PLS hingga angka AVE mencapai batas standar minimum yang dipersyaratkan.
Terkadang, mahasiswa merasa ragu untuk menghapus indikator karena alasan instrumen kuesioner. Namun, dalam pendekatan Partial Least Squares Structural Equation Modeling, indikator yang tidak valid secara statistik memang harus dieliminasi agar tidak merusak kualitas model keseluruhan. Setelah indikator dibuang, nilai Average Variance Extracted biasanya akan meningkat secara signifikan melewati angka 0.50.
Pertanyaan Umum
Berapa nilai minimal AVE yang harus dicapai dalam pengujian SmartPLS?
Nilai minimal Average Variance Extracted yang harus dicapai adalah 0.50 agar konstruk dinyatakan memiliki validitas konvergen yang baik.
Mengapa nilai AVE bisa bernilai di bawah 0.5 pada model penelitian saya?
Nilai Average Variance Extracted berada di bawah 0.5 karena sebagian besar indikator dalam konstruk tersebut memiliki varian error yang lebih besar daripada varian yang dijelaskan oleh konstruk laten itu sendiri.
Apa bedanya uji AVE dengan nilai outer loading pada SmartPLS?
Outer loading mengukur validitas tiap indikator secara individual terhadap konstruknya, sedangkan Average Variance Extracted mengukur rata-rata varian yang diekstrak dari seluruh indikator pada satu konstruk laten.
Demikian panduan lengkap mengenai prosedur dan kriteria penilaian Average Variance Extracted dalam analisis data menggunakan perangkat lunak SmartPLS untuk keperluan skripsi Anda. Apabila Anda mengalami kendala teknis yang pelik selama proses pengolahan data penelitian, jangan ragu untuk memanfaatkan layanan profesional seperti jasa SmartPLS guna memastikan hasil analisis valid dan siap diuji oleh dosen pembimbing.