SEM-PLS dengan Software SmartPLS

Salah satu pemodelan analisis regresi dengan menggunakan data primer yang dihasilkan dari kuesioner dengan menggunakan skala likert adalah model struktural equation model (SEM). Model SEM sering dianggap sebagai gabungan dari analisis regresi dan analisis faktor. Dalam pemodelan ini baik variabel independen maupun variabel dependennya pada umumnya adalah variabel laten/ kontruk. Di mana variabel laten yang dibentuk, berdasarkan teori yang diturunkan menjadi beberapa dimensi. Dari setiap dimensi, berdasarkan teori yang ada diturunkan menjadi beberapa indikator. Dari dari setiap indikator diturunkan menjadi satu atau lebih butir-butir pertanyaan yang relevan. Misalkan peneliti ingin melihat pengaruh lingkungan kerja, kompensasi, dan kepemimpinan terhadap kinerja karyawan dengan variabel motivasi sebagai variabel intervening dan variabel teknologi sebagai variabel moderasi. Dalam hal ini masing-masing variabel merupakan variabel laten yang diukur dengan kuesioner dengan menggunakan skala likert.

Jenis Model SEM

Awalnya model SEM yang dikenal berbasis pada analisis covarians, dan dalam pemodelan harus mempunyai dasar teori yang kuat, dengan jumlah sampel yang cukup besar serta berdasarkan asumsi normalitas. Beberapa software yang digunakan untuk SEM ini seperti AMOS, Lisrel, Tetrad, EQS dan lainnya. Perkembangan selanjutnya adalah SEM-PLS. Dalam SEM-PLS, tidak mensyaratkan data harus berdistribusi normal dan dapat digunakan untuk data kecil (> 50 sampel) dan basis analisisnya berdasarkan matriks korelasi. Dalam model SEM PLS menggunakan teknik bootstraping atau penggandaan secara acak dalam estimasi parameter. Salah satu software yang digunakan dalam SEM-PLS adalah SmartPLS dengan versi terbaru Smart PLS 3.3.3 (https://www.smartpls.com/). Dalam perkembangan selanjutnya, dalam SmartPLS tidak hanya mengakomodir untuk data primer tetapi juga untuk data sekunder berupa data kuantitatif.

Pemodelan Dalam SEM-PLS

Dalam SEM-PLS ada dua hal yang diukur yaitu outer model dan inner model. Outer model atau kadang disebut model measurement adalah model pengukuran yang menghubungkan indikator dengan variabel latennya. Terdapat dua tipe indikator dalam outer model yaitu indikator reflektif dan indikator formatif. Indikator reflektif digunakan jika arah hubungan kausalitas dari variabel laten ke indikator. Sedangkan, indikator formatif digunakan jika arah hubungan kausalitas dari indikator ke variabel laten. Inner model atau terkadang disebut model structural adalah model pengukuran yang menghubungkan antar variabel laten.

Kriteria Dalam Outer Model

Model outer yang sering digunakan adalah model reflektif. Adapun kriteria uji yang digunakan mencakup pengujian validitas dan reabilitas. Uji validitas digunakan untuk mengukur apakah indikator yang digunakan sudah tepat mengukur variabel yang diteliti. Sedangkan uji reabilitas, melihat kekonsistenan jawaban terkait dengan indikator yang ditanyakan, jika dilakukan secara berulang-ulang. Pengujian validitas mencakup convergent validity secara individual dan secara serentak serta discriminant validity. Sedangkan pengujian reabilitas mencakup cronbach alpa dan composite reability.

Pengjuian nilai convergen validity secara individual dapat dilihat dari nilai outer loading, dengan batasan nilai minimal yang diharapkan >0.7. Sedangkan secara serentak dari nilai average variance extracted (AVE) , dengan batasan minimal 0.5. Nilai AVE menggambarkan besarnya varian atau keragaman variable manifest yang dapat dimiliki oleh konstruk laten. Diskriminan validity dapat dilihat dari nilai cross loading antar indikator dengan variabel laten.Cara yang digunakan dengan membandingkan nilai loading pada konstruk yang dituju harus lebih besar dibandingkan dengan nilai loading dengan konstruk yang lain. Selain itu dapat melihat nilai kriteria Fornell-Larcker, yaitu membandingkan nilai dari akar AVE dengan korelasi antar variabel laten, diharapkan nilai akar mudarat AVE lebih besar dari korelasi antar variabel laten. Selanjutnya ukuran reabilitas dilihat dari nilai composite reliability dan cronbach alpa, dengan batasan nilai 0.7.

Kriteria Inner Model

Beberapa kriteria inner model mencakup R square, Q square, F square dan goodness of fit (GoF). R square atau dalam istilah lain disebut koefisien determinasi, mengukur seberapa besar variasi variabel dependen mampu dijelaskan oleh seluruh variabel independennya. Q square atau terkadang disebut prediction relevance atau Stone-Geisser's, digunakan untuk mengetahui kapabilitas prediksi dengan prosedur blinfolding, dengan batasan nilai 0.3. F square atau terkadang disebut effect size dilakukan untuk mengetahui kebaikan model, dengan batasan nilai 0.2. Dan nilai GoF, yang merupakan akar kuadrat dari perkalian antara rata-rata r sqaure dengan rata-rata AVE variabel independen. GoF juga melihat kebaikan/ kesesuaian model dengan batasan nilai 0.38.

Pengujian Hipotesis

Langkah selanjutnya setelah dilakukan uji outer dan inner model, adalah pengujian hipotesis. Terdapat beberapa efek hubungan antar variabel yang dapat digunakan, di antara efek mediasi/ intervening, efek moderasi, efek kuadratik, dan perbandingan efek perbandingan antar kelompok data. Efek mediasi/ intervening melihat hubungan pengaruh tidak langsung antar variabel indepnden dengan variabel dependennya. Efek mediasi ini dapat berupa total mediasi (jika variabel independen hanya memiliki hubungan tak langsung dengan variabel dependennya melalui variabel mediasinya) maupun parsial mediasi (jika variabel independen memiliki hubungan langsung sekaligus tak langsung dengan variabel dependennya). Dalam SmarPLS dapat dihitung pengaruh tidak langsung yang setara dengan pengujian Sobelt Test.

Selain itu dalam software Smartpls juga dapat dihitung efek moderasi, yaitu efek variabel moderasi untuk memperkuat atau memperlemah hubungan variabel independen terhada dependennya. Efek moderasi ini dapat berupa total moderasi (jika variabel moderasi tidak memiliki hubungan langsung dengan variabel dependennya) maupun parsial moderasi (jika variabel moderasi juga memiliki hubungan langsung terhada variabel dependennya, dalam hal ini variabel moderasinya juga sebagi variabel independen). Efek moderasi dihitung dari koefisien regresi, perkalian nilai standar variabel independen dengan variabel moderasinya.

Efek kuadratik digunakan jika suatu variabel independen berdasarkan teorinya tidak berbentuk linier, tetapi berbentuk kuadaratik seperti dampak variabel umur terhadap produktivitas. Sedangkan efek antar kelompok data disebut multi grup analisis. Misalnya peneliti ingin melihat pengaruh lingkungan kerja, kompensasi, kepemimpinan terhadap kinerja karyawan dengan variabel motivasi sebagai variabel intervening jika dibandingkan antara pegawai laki-laki dan perempuan, atau dibandingkan berdasarkan tingkat pendidikannya (SMA, S1 dan pasca sarjana)

Penutup

Dari pembahasan di atas, dapat kita simpulkan bahwa ada beberapa kriteria dan asumsi di dalam penggunaan metode SEM-PLS. Dengan mengetahui berbagai kriteria dan asumsi yang digunakan, diharapkan para peneliti/ penulis dapat menggunakan model SEM PLS yang tepat sesuai dengan kondisi data yang dimiliki. Jika uji yang dipilih tepat maka kesimpulan dari hasil yang didapat juga tepat, sehingga dapat diimplementasikan dengan kebijakan yang tepat pula.