Cara Analisis Data Menggunakan Partial Least Square – PLS

PLS adalah Partial Least Square menggunakan SmartPLS. SmartPLS merupakan alat yang handal untuk menguji model prediksi karena memiliki keunggulan dibanding LISREL, AMOS, dan OLS. SmartPLS dapat digunakan untuk memprediksi model dengan landasan teori yang lemah pada data yang mengalami masalah asumsi klasik. Untuk menguji model struktural berbasis Partial Least Square perlu diperhatikan 2 measurement utama yakni outer model daninner model, sebagai beriku:

MODEL OUTER MODEL

Model pengukuran atau outer model bertujuan untuk melakukan pengujian validitas dan reliabilitas dalam permodelan Partial Least Square yang menggunakan Validitas Konstruk. Validitas konstruk menunjukkan seberapa baik hasil yang diperoleh dari penggunaan suatu pengukuran sesuai teori-teori yang digunakan untuk mendefenisikan suatu konstruk. Korelasi yang kuat antara konstruk dan item-item pertanyaannya dan hubungan yang lemah dengan variabel lainnya merupakan salah satu cara untuk menguji validitas konstruk (construct validity).

Validitas konstruk terdiri atas validitas konvergen dan validitas diskriminan menjelaskan bawah uji validitas konstruk secara umum dapat diukur dengan parameter skor loading di model penelitian (rule of thumbs > 0,7) dan menggunakan parameter AVE, communality, dan redundancy. Skor AVE harus > 0,5, communality > 0,5, dan redundancy mendekati

1. Validitas konvergen berhubungan dengan prinsip bahwa pengukur-pengukur dari suatu konstruk seharusnya berkorelasi tinggi. Validitas konvergen terjadi jika skor yang diperoleh dari dua instrumen yang berbeda yang mengukur konstruk yang sama mempunyai korelasi tinggi. Uji validitas konvergen dalam Partial Least Square (PLS) dengan indikator reflektif dinilai berdasarkan loading factor (korelasi antara skor item/skor komponen dengan skor konstruk) indikator-indikator yang mengukur konstruk tersebut, parameter uji validitas konvergen dilihat dari skor AVE dan communality, masing-masing harus bernilai di atas 0,5.

2. Validitas diskriminan berhubungan dengan prinsip bahwa pengukur-pengukur konstruk yang berbeda seharusnya tidak berkorelasi dengan tinggi. Validitas diskriminan terjadi jika dua instrumen yang berbeda yang mengukur dua konstruk yang diprediksi tidak berkorelasi menghasilkan skor yang memang tidak berkorelasi. Uji validitas diskriminan dinilai berdasarkan cross loading pengukuran dengan konstruknya. Metode lain yang digunakan untuk menilai validitas diskriminan adalah dengan membandingkan akar AVE untuk setiap konstruk dengan korelasi antara konstruk dengan konstruk lainnya dalam model. Model mempunyai validitas diskriminan yang cukup jika akar AVE untuk setiap konstruk lebih besar daripada korelasi antara konstruk dengan konstruk Iainnya dalam model. Uji validitas diskriminan, parameter yang diukur adalah dengan membandingkan akar dari AVE suatu konstruk harus lebih tinggi dibandingkan dengan korelasi antar variabel laten tersebut, atau dengan melihat skor cross loading.

Kemudian untuk uji reliabilitas digunakan untuk mengukur konsistensi alat ukur dalam mengukur suatu konsep atau dapat juga digunakan untuk mengukur konsistensi responden dalam menjawab item pertanyaan dalam kuesioner atau instrumen penelitian. Uji reliabilitas untuk mengukur konsistensi internal alat ukur. Reliabilitas menunjukkan akurasi, konsistensi, dan ketepatan suatu alat ukur dalam melakukan pengukuran.  

Uji Reliabilitas dalam Partial Least Square (PLS) dapat menggunakan 2 metode, yaitu cronbach’s alpha dan composite reability. Cronbach’s alpha mengukur batas bawah nilai reliabilitas suatu konstruk, sedangkan composite reliability mengukur nilai sesungguhnya reliabilitas suatu konstruk. Sehingga composite reliability dinilai lebih baik dalam mengestimasi konsistensi internal suatu konstruk. Uji reliabilitas dapat dilihat dari nilai cronbach’s alpha dan nilai composite reliability. Untuk dapat dikatakan suatu konstruk reliabel, maka nilai cronbach’s alpha harus > 0,6 dan nilai composite reliability harus > 0.7.

MODEL INNER MODEL

Pengujian inner model dilakukan dengan metode resampling bootstrapping dalam Partial Least Square (PLS) yang menghasilkan nilai R-square (R2) untuk konstruk dependen dan tvalues setiap path untuk diuji signifikansi antar konstruk.

Nilai R-square digunakan untuk mengukur tingkat variasi perubahan variabel independen terhadap variabel dependen. Semakin tinggi nilai R-square berarti semakin baik model prediksi dari model penelitian yang diajukan. Namun, R2 bukanlah parameter absolut dalam mengukur ketetapan model prediksi karena dasar hubungan teoretis adalah parameter yang paling utama untuk menjelaskan hubungan kausalitas (Abdillah dan Jogiyanto, 2015).

Untuk mengukuran signifikansi keterdukungan hipotesis dapat digunakan perbandingan nilai T-table dan T-statistics. Jika nilai T-statistics lebih tinggi dibandingkan nilai T-table, berarti hipotesis terdukung. Untuk tingkat keyakinan 95 persen (alpha 5 persen) maka nilai T-table untuk hipotesis two-tailed adalah 1,96 dan untuk hipotesis one-tailed adalah 1,64 (Abdillah dan Jogiyanto, 2015).

Sumber: Abdillah dan Jogiyanto (2015). Partial Least Square (PLS). Alternatif Structural Equation Modeling (SEM) dalam Penelitian Bisnis. Yogyakarta: CV. Andi Offset.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Foto Google

You are commenting using your Google account. Logout /  Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.