Model pengukuran reflektif adalah spesifikasi model dalam Structural Equation Modeling di mana indikator-indikator dipandang sebagai manifestasi atau akibat dari variabel laten yang mendasarinya. Perubahan pada variabel laten teoretis akan menyebabkan perubahan serentak pada semua indikator refleksifnya, yang menjadi landasan utama pengujian validitas dan reliabilitas menggunakan SmartPLS.
Apa Itu Model Pengukuran Reflektif dalam SmartPLS?
Model pengukuran reflektif adalah kerangka hubungan antarvariabel di mana arah kausalitas mengalir dari konstruk laten ke indikator-indikator pengamatinya. Dalam pendekatan ini, indikator diasumsikan saling berkorelasi tinggi karena berasal dari satu sumber konstruk yang sama, sehingga jika satu indikator dibuang, indikator lain yang tersisa masih merepresentasikan konstruk tersebut dengan baik.
Dalam ekosistem perangkat lunak SmartPLS (Smart Partial Least Squares), pemahaman ini sangat krusial sebelum peneliti menarik kesimpulan statistik. Karakteristik utama dari indikator reflektif meliputi interkorelasi antarindikator yang positif dan tinggi, dapat saling menggantikan (interchangeable), serta memiliki galat pengukuran (error term) yang melekat pada masing-masing indikator pengamatan secara individual.
Bagaimana Cara Evaluasi Outer Model Reflektif?
Evaluasi outer model reflektif dilakukan melalui pengujian validitas konvergen, validitas diskriminan, dan reliabilitas konsistensi internal menggunakan metrik spesifik di SmartPLS. Tahapan ini wajib dilalui untuk membuktikan bahwa instrumen kuesioner yang disebar benar-benar akurat dan konsisten dalam mengukur variabel penelitian Anda.
Berikut adalah rincian kriteria pengujian yang harus dipenuhi oleh setiap indikator dan konstruk dalam model penelitian berbasis PLS-SEM:
| Jenis Pengujian | Parameter Statistik | Nilai Standar Kritis |
|---|---|---|
| Validitas Konvergen | Outer Loading | > 0.70 (minimal 0.40 untuk riset eksploratif) |
| Validitas Konvergen | Average Variance Extracted (AVE) | > 0.50 |
| Validitas Diskriminan | Kriteria Fornell-Larcker & Heterotrait-Monotrait Ratio (HTMT) | Nilai HTMT < 0.90 |
| Reliabilitas | Cronbach’s Alpha & Composite Reliability | > 0.70 (sangat baik jika > 0.80) |
Langkah-Langkah Uji Validitas Konvergen di SmartPLS
Uji validitas konvergen memastikan bahwa indikator dalam satu konstruk berbagi proporsi varians yang tinggi. Langkah pertama di SmartPLS adalah menjalankan algoritma PLS (PLS Algorithm) dengan opsi path weighting, lalu melihat nilai outer loadings pada tab outer loadings serta nilai AVE pada laporan konstruksi.
Jika Anda mendapati nilai outer loading suatu indikator berada di bawah 0.50, langkah praktis yang lazim dilakukan adalah menghapus indikator tersebut dari model, dengan catatan proses penghapusan tidak merusak konten teoretis konstruk. Setelah indikator lemah dihapus, jalankan ulang algoritma SmartPLS hingga nilai AVE dari konstruk tersebut mencapai minimal 0.50, yang berarti konstruk mampu menjelaskan lebih dari setengah varians dari indikator-indikatornya secara empiris.
Bagaimana Cara Menguji Reliabilitas Konsistensi Internal?
Uji reliabilitas konsistensi internal dilakukan dengan melihat nilai Cronbach’s Alpha dan Composite Reliability untuk memastikan kestabilan alat ukur. Composite reliability sering dianggap lebih unggul dalam PLS-SEM karena tidak mengasumsikan bobot beban indikator yang sama rata seperti halnya Cronbach’s Alpha.
Untuk memenuhinya, pastikan kedua nilai tersebut pada tabel laporan SmartPLS menunjukkan angka di atas 0.70. Apabila nilainya berada di bawah ambang batas tersebut, maka instrumen penelitian Anda dinilai kurang konsisten, sehingga responden cenderung memberikan jawaban yang tidak stabil saat mengisi kuesioner penelitian skripsi.
Pertanyaan Umum
Apa perbedaan model pengukuran reflektif dan formatif?
Model reflektif berasumsi bahwa konstruk menyebabkan indikator berubah dan indikator saling berkorelasi, sedangkan model formatif berasumsi bahwa indikator-indikator justru membentuk atau menyebabkan konstruk laten itu sendiri.
Berapa batas minimal outer loading untuk model reflektif?
Batas minimal outer loading adalah 0.70 untuk penelitian konfirmasi, namun nilai 0.40 hingga 0.69 masih dapat ditoleransi pada tahap riset eksploratif selama nilai AVE memenuhi syarat di atas 0.50.
Bagaimana jika nilai AVE di SmartPLS di bawah 0.50?
Jika nilai AVE di bawah 0.50, Anda harus mengeluarkan indikator dengan outer loading terendah satu per satu dari model pengukuran, kemudian menghitung ulang algoritma SmartPLS sampai nilai AVE mencapai standar minimum.
Memahami dan mengevaluasi model pengukuran reflektif secara tepat sangat menentukan validitas hasil riset skripsi Anda di SmartPLS. Jika Anda mengalami kendala teknis dalam pengolahan data atau interpretasi algoritma, manfaatkan layanan profesional seperti jasa olah data SmartPLS untuk memastikan analisis statistik berjalan valid dan sesuai standar akademik.