PENGUJIAN JOS

 

Dalam (Partial Least Square-Stuructural Equation Modelling) PLS-SEM terdapat model pengukuran (outermodel) dan model struktural (inner model). Outer model digunakan untuk menentukan bagaimana variabel laten (konstruk) diukur sedangkan inner model menunjukkan bagaimana keterkaitan variabel laten satu sama lain, yaitu menunjukkan konstruksi dan hubungan jalur (Joseph F. Hair et al., 2019).

 

a.    Outer Model

Pengujian Outer model digunakan untuk menguji validitas dan reliabilitas model (Ghozali & Latan, 2020). Pengujian ini dilakukan untuk menunjukkan spesifikasi hubungan antara variabel laten dengan indikatornya. Pengujian model pegukuran dengan indicator reflektif menggunakan convergent validity, composit reliability, discriminant validity dan Cronbach’s alpha.

 

1)        Convergent validity merupakan hubungan antara skor indikator reflektif dengan skor variabel latennya. Convergent validity diuji dengan meliha nilai loading factor. Nilai loading factor harus diatas 0,7, disamping itu untuk pengujian validitas juga bisa menggunakan nilai AVE (average varianance extcaacted) harus lebih besar dari 0,5 (Joseph F. Hair et al., 2019).   

2)        Discriminat validity menunjukkan perbedaan sebuah kostruk dengan konstruk lainnya dengan standar empiris sehingga menetapkan validitas diskriminan (Joseph F. Hair et al., 2019). Untuk mengetahuinya dengan melihat nilai cross loading dan Fornell Locker Criterion. Cross loading yaitu pendekatan yang dinilai validitas diskriminan dari indikator harus lebih besar dari perbedaan silang konstruksi lainnya. Sedangkan Fornell Locker Criterion membandingkan akar kuadrat dari nilai AVE dengan korelasi varabel laten, akar kuadrat AVE harus lebih besar dari korelasi tertinggi dengan konstruk lainnya. Jika nilai akar kwadrat AVE setiap  konstruk lebih besar dari nilai korelasi antar kontruk dalam model dikatakan memiliki nilai discriminant validity yang baik (Ghozali & Latan, 2020). Nilai discriminant validity yang dianggap baik dan direkomendasikan adalah > 0,50 dan dapat digunakan untuk menetukan validitas konfergen, sedangkan varian yang nilainya < 0,50 dinyatakan tidak valid secara konvergen.

3)        Composite reliability. Selain Convergent validity dan discriminant validity, untuk mengukur reliabilitas konstruk juga bisa menggunakan nilai Cronbach Alpha dan Composit Reabiliity (Ghozali & Latan, 2020). Sedangkan menurut (Joseph F. Hair et al., 2019). Rule of Thumb dari composit reliability yang biasa digunakan adalah diatas 0,7 untuk penelitian confirmatory dan 0,6 – 0,7 untuk penelitian explanatory.

 

b.    Inner Model

Inner model dilakukan dengan teknik boostrapping. Tujuan evaluasi inner model adalah untuk memprediksi hubungan antar variabel laten (Ghozali & Latan, 2020).

1)   Path Coeficient

Koefisien jalur atau path coefficient menunjukkan hubungan antar variabel yang menjadi hipotesis penelitian (Joseph F. Hair et al., 2019). Hubungan atau pengaruh antar variabel dikatakan positif jika memiliki nilai original sample berada pada rentang 0 – 1, sebaliknya dikatakan negatif jika nilai original sample anatara -1 - 0. Adapun standar yang digunakan untuk mengukur signifikansi (two tailed) adalah nilai t-statistik diatas 1,967 untuk taraf kesalanan 5 %. Pengaruh atau hubungan antar variabel juga dapat dilihat dari nilai p-value, jika nilai p-value lebih kecil dari 0,05 (p-value < 0,05) , hipotesis diterima, dan jika lebih besar dari 0,05 (p-value > 0,05), hipotesis ditolak.

2)   R-square (Coefficient of Determination)

 

Pengertian R Square dan Adjusted R Square

Koefisien determinasi (R Square) merupakan cara untuk menilai seberapa besar konstruk endogen dapat dijelaskan oleh konstruk eksogen. Nilai koefisien determinasi (R Square) diharapkan antara 0 dan 1.

Nilai R Square sebesar 0,75, 0,50, dan 0,25 menunjukkan bahwa model kuat, moderat, dan lemah (Sarstedt dkk., 2017).

Chin memberikan kriteria nilai R Square sebesar 0,67, 0,33 dan 0,19 sebagai kuat, moderat, dan lemah (Chin, 1998 dalam Ghozali dan Latan, 2015).

Sedangkan Adjusted R Square adalah nilai R Square yang telah dikoreksi berdasarkan nilai standar error. Nilai Adjusted R Square memberikan gambaran yang lebih kuat dibandingkan R Square dalam menilai kemampuan sebuah konstruk exogen dalam menjelaskan konstruk endogen.

 

 

r-squqre merupakan ukuran kekuatan prediksi model sebagai korelasi kuadrat aktual konstruk endogen tertentu dan nilai prediksi (Joseph F. Hair et al., 2019). Jika meliliki nilai 0,75 tergolong kuat, nilai 0,50 tergolong moderat dan nilai 0,25 tergolong lemah.

3)   Effect Size

Selain menggunakan nilai f-square dari semua konstruk endogen, perubahan nilai f-square  saat nilai eksogen tertentu dihilangkan dari model dapat digunakan untuk mengevaluasi apakah konstruksi yang dihilangkan berdampak substantif terhadap endogen kosntruksi (Joseph F. Hair et al., 2019). Ukuran tersebut dinamakan efek (f²). Nilai f² 0,02 kecil, nilai 0,15 menengah dan nilai 0,035 besar.

4)   Blindfolding and Predictive Relevance

Pada inner model, jika nilai Q²  > 0 berarti bahwa variabel endogen menunjukkan prediksi relevansi yang baik untuk konstruk eksogen. Ukuran perhitungan nilai Q² sebesal 0,02 tergolong lemah, nilai 0,15 tergolong sedang dan nilai 0,35 tergolong besar.