Tutorial analisis SmartPLS langkah demi langkah adalah panduan praktis bagi mahasiswa untuk melakukan pengolahan data menggunakan metode Partial Least Squares Structural Equation Modeling, mulai dari impor data mentah, pembuatan model jalur, evaluasi model luar dan dalam, hingga membaca hasil hipotesis akhir skripsi secara akurat dan benar.
Bagaimana Cara Memulai Analisis Data di Software SmartPLS?
Memulai analisis data memerlukan persiapan file data tabular berformat CSV dan pembuatan proyek baru di dalam aplikasi SmartPLS sebelum diagram jalur digambar. SmartPLS (Partial Least Squares) adalah perangkat lunak statistika berbasis varians yang dirancang khusus untuk menguji hubungan kompleks antarvariabel laten pada model penelitian prediktif.
Langkah awal yang harus dilakukan adalah mengunduh dan menginstal aplikasi SmartPLS pada perangkat komputer Anda. Setelah itu, siapkan data penelitian dari kuesioner yang sudah ditabulasi ke dalam Microsoft Excel, lalu simpan berkas tersebut dalam format CSV (Comma Separated Values). Buka aplikasi SmartPLS, buat proyek baru dengan mengeklik menu New Project, lalu impor berkas CSV yang sudah disiapkan sebelumnya ke dalam ruang kerja proyek tersebut agar variabel-variabel penelitian terbaca otomatis oleh sistem.
Bagaimana Cara Membuat Model Outer dan Inner di SmartPLS?
Membuat model luar (outer model) dilakukan dengan menyeret indikator ke lingkaran konstruk, sedangkan model dalam (inner model) menghubungkan antarvariabel laten menggunakan garis panah pengarah. Model luar merepresentasikan hubungan antara konstruk dengan indikator-indikator pembentuknya, sedangkan model dalam merepresentasikan hubungan antarvariabel laten berdasarkan teori yang mendasari kerangka konseptual penelitian skripsi Anda.
Untuk menggambar model pengukuran outer model, klik dua kali pada nama proyek Anda, lalu seret indikator dari daftar ke area kerja hingga membentuk lingkaran konstruk. Ubah nama konstruk sesuai variabel penelitian, misalnya variabel X1, X2, dan Y. Selanjutnya, untuk membentuk inner model, gunakan alat sambung (connect tool) berupa panah untuk menghubungkan variabel independen menuju variabel dependen atau intervening sesuai hipotesis penelitian Anda. Setelah diagram jalur selesai digambar, jalankan algoritma perhitungan dasar dengan mengeklik tombol Calculate lalu pilih PLS Algorithm untuk memulai proses iterasi awal.
| Tahapan Evaluasi | Parameter Utama | Nilai Kriteria Batas |
|---|---|---|
| Outer Model (Reflektif) | Outer Loading & AVE | > 0.70 (Loading) & > 0.50 (AVE) |
| Reliabilitas Konstruk | Cronbach Alpha & Composite | > 0.70 untuk kedua nilai |
| Inner Model | R-Square (R2) & F-Square | > 0.67, 0.33, 0.19 (Kuat, Sedang, Lemah) |
| Uji Hipotesis | Path Coefficients & P-Values | P-Values 1.96 |
Bagaimana Cara Melakukan Evaluasi Outer Model SmartPLS?
Evaluasi outer model dilakukan dengan memeriksa nilai validitas konvergen, validitas diskriminan, serta reliabilitas konstruk dari setiap indikator penelitian. Validitas konvergen (convergent validity) diukur melalui nilai outer loading dengan batas minimal 0.70 dan nilai Average Variance Extracted atau AVE yang harus bernilai di atas 0.50 agar indikator dinyatakan valid merepresentasikan konstruknya.
Selain validitas konvergen, uji validitas diskriminan (discriminant validity) dapat dilakukan dengan melihat nilai Fornell-Larcker Criterion atau Cross Loadings untuk memastikan korelasi konstruk dengan indikatornya lebih tinggi daripada korelasi dengan konstruk lain. Untuk uji reliabilitas konstruk (construct reliability), perhatikan nilai Cronbach’s Alpha dan Composite Reliability yang keduanya wajib berada di atas angka 0.70. Jika terdapat indikator yang memiliki nilai outer loading di bawah 0.70, indikator tersebut umumnya harus dikeluarkan dari model (drop indicator) agar nilai validitas dan reliabilitas keseluruhan konstruk menjadi memenuhi syarat standar akademik.
Bagaimana Cara Melakukan Evaluasi Inner Model dan Uji Hipotesis?
Evaluasi inner model dilakukan dengan menganalisis nilai R-Square untuk mengukur kekuatan prediksi model struktural dan uji bootstrapping untuk menguji signifikansi hipotesis. R-Square (R²) adalah koefisien determinasi yang menunjukkan seberapa besar variasi variabel dependen dapat dijelaskan oleh variabel independen di dalam model penelitian.
Setelah memastikan model struktural layak, langkah krusial berikutnya adalah melakukan uji hipotesis melalui teknik Bootstrapping yang ada di menu Calculate. Atur jumlah subsamples minimal menjadi 5000 untuk mendapatkan hasil estimasi yang stabil dan akurat. Perhatikan tabel Path Coefficients untuk melihat nilai Original Sample, t-statistics, dan p-values. Sebuah hipotesis dinyatakan diterima jika nilai t-statistics lebih besar dari 1.96 atau nilai p-values lebih kecil dari tingkat signifikansi alpha 0.05. Jika Anda memerlukan bantuan profesional untuk menyelesaikan tahapan rumit ini, Anda bisa memanfaatkan layanan jasa olah data SmartPLS yang tepercaya untuk mendampingi pengerjaan skripsi Anda sampai tuntas dengan hasil analisis yang valid, teruji, dan siap dipertanggungjawabkan di hadapan dosen penguji.
Pertanyaan Umum
Apa itu SmartPLS?
SmartPLS adalah perangkat lunak analisis statistik berbasis metode Partial Least Squares Structural Equation Modeling yang sering digunakan dalam penelitian ilmu sosial dan bisnis.
Berapa nilai minimal outer loading di SmartPLS?
Nilai minimal outer loading yang disarankan untuk riset skripsi adalah di atas 0.70, meskipun nilai 0.50 hingga 0.60 masih dapat ditoleransi pada tahap pengembangan skala awal.
Bagaimana kriteria hipotesis diterima pada SmartPLS?
Hipotesis penelitian dinyatakan diterima apabila nilai t-statistics lebih besar dari 1.96 dan nilai p-values lebih kecil dari 0.05 pada hasil uji bootstrapping.