Teknik Analisis Data METODE PENELITIAN
48
1. Model Pengukuran Outer Model Outer model merupakan model pengukuran untuk menilai validitas
dan reliabilitas model. Model pengukuran dalam PLS digunakan untuk menguji validitas dan reliabilitas melalui iterasi algoaritma.
Selain dalam pengukuran validitas dan reliabilitas, model pengukuran Outer Model memberikan informasi nilai R
2
sebagai parameter ketetapan model prediksi.
a. Uji Validitas Uji Validitas menurut Cooper et al 2006 dalam Jogiyanto 2011
:69 dilakukan untuk mengetahui kemampuan insrumen penelitian mengukur apa yang seharusnya diukur. Uji validitas yang
digunakan adalah uji validitas konstruk yang terdiri atas validitas konvergen dan validitas diskriminan.
1 Uji Validitas Konvergen Validitas konvergen berhubungan dengan prinsip bahwa
pengukur dari suatu konstruk seharusnya berkorelasi tinggi. Menurut Chin 1995 dalam Jogiyanto 2011:71 rule of
thumb yang digunakan untuk validitas konvergen adalah outer loading
0,7, communality 0,5 dan average variance extracted AVE 0,5. Mengutip dari Jogiyanto
2011:82 “Jika skor loading 0,5, indikator ini dapat dihapus dari konstruknya karena indikator tidak termuat
load ke konstruk yang mewakilinya. Jika skor loading
49
antara 0,5 – 0,7, sebaiknya peneliti tidak menghapus indikator yang memiliki loading tersebut sepanjang skor
AVE dan Communality indikator tersebut 0,5”. 2 Uji Validitas Diskriminan
“Validitas diskriminan berhubungan dengan prinsip bahwa pengukur-pengukur konstruk yang berbeda seharusnya tidak
berkorelasi dengan tinggi”Jogiyanto, 2011 : 71. Sehingga uji validitas diskriminan dengan membandingkan nilai
korelasi cross loading dengan variabel latennya harus lebih besar dibandingkan dengan korelasi dengan variabel latennya
yang lain. b. Uji Reliabilitas
Selain uji validitas, PLS juga melakukan uji reliabilitas untuk mengukur konsistensi internal alat ukur. Menurut Hartono
2008a “Reliabilitas menunjukkan akurasi, konsistensi dan ketetapan suatu alat ukur dalam melakukan pengukuran”. Uji
reliabilitas dalam PLS menggunakan dua metode, yaitu Cronbach’s alpha dan Composite reliability. Menurut Hair et al.,
2008 dalam Jogiyanto 2011:72 “Rule of thumb dari Cronbach’s alpha dan Composite reliability harus lebih besar dari 0,7 meskipun
0,6 masih dapat diterima. Cronbach’s alpha digunakan untuk mengukur batas bawah
nilai reliabilitas sedangkan Composite reliability digunakan untuk
50
mengukur nilai sesungguhnya suatu konstruk. Kedua nilai estimasi ini menurut Salisburry, Chin, Gopal, dan Newsted 2002 dalam
Jogiyanto 2011:72 menilai bahwa pengujian reliabilitas dengan menggunakan composite reliability lebih baik dalam mengestimasi
konsistensi internal dalam suatu konstruk. Berdasarkan pada pengertian diatas, dalam penelitian ini menggunakan composite
reliability untuk mengukur reliabilitas dengan rule of thumb harus lebih besar dari 0, 7.
2. Model Struktural Inner Model Model struktural pada prinsipnya adalah menguji pengaruh antara
satu variabel laten dengan variabel laten lainya Wiyono,2011:402. Model struktural dalam PLS dievaluasi dengan menggunakan R
2
untuk konstruk endogen. Nilai koefisien path atau t-value tiap path untuk uji signifikansi antar konstruk dalam model struktural. Uji
struktural dilakukan setelah data telah diuji validitas dan reliabilitas. Sebelum menjawab rumusan masalah dengan uji indikator,
terlebih dahulu menganalisis sejauh mana model yang diajukan dalam penelitian ini. Analisis model penelitian dengan menggunakan PLS
dengan menggunakan nilai R
2
yang diperoleh dari proses alogaritma PLS. Nilai R
2
digunakan untuk mengukur tingkat variansi perubahan variabel eksogen terhadap variabel endogen. Semakin tinggi nilai R
2
menunjukkan bahwa model prediksi yang diajukan semakin baik Sugiyono, 2011:72. Sebagai contoh, suatu model penelitian memiliki
51
nilai R
2
0,70 artinya bahwa variasi perubahan variabel endogen yang dapat dijelaskan oleh variabel eksogen adalah sebesar 70 persen,
sedangkan sisanya dijelaskan oleh variabel di luar model yang diajukan.
Setelah diketahui nilai R
2
yang dimiliki oleh model yang diajukan, proses selanjutnya adalah menguji hipotesis untuk menjawab rumusan
masalah yang diajukan dalam penelitian. PLS dalam menguji hipotesis dilakukan dengan menggunakan skor koefisien path atau inner model
yang ditunjukkan oleh nilai T-statistic. Penelitian ini akan menggunakan uji dua sisi untuk menguji
hipotesis yang telah diajukan. Penelitian ini menggunakan nilai alpha 5 persen uji dua sisi two tail dengan derajat kebebasan DF
diperoleh dengan cara jumlah data dikurangi jumlah variabel Sarjono .H dan Julianita .W .2011:130 sehingga diperoleh 89 diperoleh dari
94 dikurang 5 sama dengan 89 sehingga dalam t-tabel diperoleh nilai 1,9870. Tahapan dalam uji t-statistik dalam PLS dengan menggunakan
SmartPLS 2.0 M3 melalui metoda bootstrap, yaitu dengan
menggunakan metoda resempling Jogiyanto, 2011:127. Skema yang digunakan adalah no sign change yang merupakan
metoda resempling standar, tanpa mengkompensasi perubahan tanda apapun Tenenhaus et al, 2005 dalam Jogiyanto, 2011:84. Skema no
sign change menghasilkan nilai standar error yang sangat tinggi sehingga menurut Jogiyanto 2011 skema ini merupakan skema yang
52
konservatif. Setelah menentukan skema, proses selanjutnya adalah menentukan case dan sampels.
Case akan menunjukkan jumlah n data yang digunakan dalam pengujian tersebut. Menurut Jogiyanto 2011 standar minimum dalam
PLS adalah 10 n data untuk tiap jalur path yang dibangun. Berdasar pada teori Jogiyanto maka, jumlah case minimal yang digunakan
dalam perhitungan adalah 60 data yang diperoleh dari jumlah jalur yang dibangun yaitu 6 jalur. Case yang digunakan 94, ini sesuai
dengan jumlah sampel yang diperoleh melalui kuesioner, case ini sudah memenuhi teori dari Jogiyanto 2011.
Selanjutnya adalah menentukan menentukan sampel yang merupakan jumlah iterasi atau resempling yang akan dilakukan oleh
PLS. Menurut Chin dan Gopal 1997 dalam Jogiyanto 2011:85 “Jumlah iterasi sebaiknya diatas 100 atau antara 150-200 karena
memberikan nilai yang lebih stabil”. Jumlah sampels yang digunakan adalah 200, untuk memperoleh hasil yang stabil sesuai dengan teori
Chin dan Gopal 1997. Prosedur selanjutnya adalah menguji hipotesis yang diajukan
dengan melihat path coefficient. Nilai t statistik merupakan nilai signifikansi model prediksi dalam PLS jika nilai t-statistik t-tabel ini
bermakna signifikan. Pengujian hipotesis dilakukan dengan pengujian dua sisi, dengan membandingkan antara t tabel 1,9870 dengan t
statistik. Berikut adalah kriteria pengujian hipotesis :
53
Ho diterima jika -1,9870≤ t
hitung
≤ 1,9870 Ho ditolak jika t
hitung
1,9870 atau t
hitung
-1,9870 Dalam uji hipotesis nilai koefisen beta dalam SmartPLS
menggunakan original
sampel yang merupakan skor beta
unstandardize yang digunakan untuk melihat sifat prediksi variabel eksogen terhadap variabel endogen Jogiyanto, 2011:86. Nilai positif
koefisien beta menunjukkan sifat pengaruh yang positif, sedangkan nilai negatif menunjukkan pengaruh negatif variabel eksogen terhadap
variabel endogen.
54