Outer model SmartPLS atau model pengukuran adalah tahapan evaluasi untuk menilai validitas dan reliabilitas hubungan antara indikator dengan variabel latennya dalam analisis Partial Least Squares Structural Equation Modeling. Evaluasi ini memastikan bahwa setiap kuesioner atau instrumen penelitian mengukur konstruk secara akurat sebelum diuji pada struktur hipotesis utama.
Apa Pengertian dan Fungsi Outer Model dalam SmartPLS?
Outer model adalah bagian dari diagram jalur PLS-SEM yang menghubungkan variabel manifes atau indikator dengan variabel latennya. Fungsi utama dari tahapan pengukuran ini adalah untuk memastikan bahwa instrumen pengumpulan data yang digunakan memiliki kualitas yang memadai secara psikometris sebelum peneliti melanjutkan pengujian hipotesis struktural.
Dalam ekosistem PLS-SEM, pemodelan ini dibagi menjadi dua jenis utama, yaitu model reflektif dan model formatif. Model reflektif berasumsi bahwa indikator dipengaruhi oleh variabel laten, sedangkan model formatif berasumsi bahwa indikator justru membentuk atau menyebabkan variabel laten tersebut. Pemahaman yang tepat mengenai jenis model ini sangat menentukan parameter uji statistik apa saja yang harus dipilih di dalam perangkat lunak SmartPLS.
Bagaimana Tahapan Evaluasi Outer Model Reflektif?
Evaluasi outer model reflektif dilakukan melalui pengujian validitas konvergen, validitas diskriminan, serta uji reliabilitas konstruk menggunakan nilai Alpha Cronbach dan Composite Reliability.
Berikut adalah rincian kriteria pengujian untuk model reflektif yang wajib dipahami oleh peneliti skripsi:
- Validitas Konvergen: Dilihat dari nilai outer loading yang harus di atas 0,70 (untuk penelitian konfirmatori) atau minimal 0,50 hingga 0,60 (untuk penelitian eksploratori), serta nilai Average Variance Extracted (AVE) yang harus bernilai lebih besar dari 0,50.
- Validitas Diskriminan: Dievaluasi dengan membandingkan nilai akar AVE dengan korelasi antarvariabel laten menggunakan kriteria Fornell-Larcker, serta melihat nilai Cross Loading indikator.
- Reliabilitas Konstruk: Diukur melalui nilai Composite Reliability dan Cronbach’s Alpha di mana seluruh konstruk harus memiliki nilai di atas 0,70 agar dikategorikan reliabel.
Apa Saja Kriteria Evaluasi Outer Model Formatif?
Evaluasi outer model formatif dilakukan dengan memeriksa signifikansi bobot outer weight, multikolinearitas antarindikator menggunakan nilai Variance Inflation Factor, serta relevansi bobot indikator tersebut. Berbeda dengan model reflektif yang mengutamakan korelasi tinggi antarindikator, model formatif justru menghendaki indikator yang relatif independen satu sama lain agar tidak terjadi bias informasi di dalam konstruk.
Untuk menguji model formatif di dalam aplikasi SmartPLS, peneliti harus memeriksa apakah nilai Variance Inflation Factor berada di bawah angka 5,0 untuk memastikan tidak ada masalah multikolinearitas yang serius. Selain itu, nilai outer weight harus signifikan secara statistik berdasarkan hasil uji bootstrapping, atau jika nilai weight tidak signifikan tetapi outer loading-nya bernilai di atas 0,50, maka indikator tersebut tetap dapat dipertahankan dalam analisis penelitian.
Bagaimana Langkah-Langkah Uji Outer Model di SmartPLS?
Pengujian outer model di dalam software SmartPLS dapat dilakukan melalui beberapa tahapan sistematis mulai dari pemodelan jalur hingga eksekusi algoritma perhitungan statistik.
| Langkah | Proses di SmartPLS | Kriteria Nilai yang Diterima |
|---|---|---|
| 1. Kalkulasi Dasar | Jalankan menu PLS Algorithm pada perangkat lunak | Menghasilkan nilai outer loading dan AVE awal |
| 2. Cek Validitas | Evaluasi nilai outer loading dan Average Variance Extracted | Loading > 0,70 dan AVE > 0,50 |
| 3. Cek Reliabilitas | Periksa Cronbach’s Alpha dan Composite Reliability | Nilai kedua metrik harus > 0,70 |
| 4. Bootstrapping | Jalankan menu Bootstrapping untuk uji signifikansi | Nilai t-statistic > 1,96 atau p-value < 0,05 |
Melalui tabel ringkasan di atas, Anda dapat melihat bahwa proses evaluasi ini menuntut kedisiplinan dalam memeriksa setiap indikator. Apabila terdapat indikator yang tidak memenuhi ambang batas kriteria, maka peneliti biasanya harus mengeluarkan indikator tersebut dari model melalui proses drop indicator sebelum melanjutkan pengujian inner model atau structural model.
Pertanyaan Umum
Apa perbedaan utama antara outer model dan inner model di SmartPLS?
Outer model adalah model pengukuran yang menghubungkan indikator dengan variabel latennya, sedangkan inner model adalah model struktural yang menghubungkan antarvariabel laten atau hipotesis penelitian.
Berapa nilai minimal outer loading yang baik dalam SmartPLS?
Nilai outer loading yang ideal adalah di atas 0,70, namun untuk penelitian tahap pengembangan skala atau eksplorasi, nilai 0,50 sampai 0,60 masih dapat diterima dengan syarat nilai AVE memenuhi kriteria.
Mengapa suatu indikator harus dihapus dari outer model?
Indikator harus dihapus apabila nilai outer loading-nya terlalu rendah atau di bawah batas minimum, karena hal tersebut menunjukkan bahwa indikator gagal merefleksikan konstruk laten yang sedang diukur secara valid.
Memahami dan mengevaluasi outer model SmartPLS secara teliti merupakan kunci utama agar hasil uji struktural penelitian Anda valid dan kredibel di hadapan penguji sidang skripsi. Jika Anda mengalami kendala teknis dalam proses pengolahan data maupun interpretasi nilai statistik pada perangkat lunak ini, Anda dapat memanfaatkan layanan jasa analisis SmartPLS profesional untuk membantu menyelesaikan riset akademik Anda dengan akurat.