merupakan metode analisis yang powerfull, karena tidak didasarkan pada banyak asumsi. Data juga tidak harus berdistribusi normalmultivariate
indikator dengan skala kategori, ordinal, interval sampai ratio dapat digunakan pada model yang sama, sampel tidak harus besar. PLS selain
dapat mengkonfirmasi teori, juga untuk menjelaskan ada atau tidaknya hubungan antar variabel laten sehingga dalam rangka penelitian berbasis
prediksi PLS lebih cocok untuk menganalisis data. PLS dapat sekaligus menganalisis konstruk yang dibentuk dengan
indikator refleksif dan formatif. Hal ini tidak dapat dilakukan oleh SEM yang berbasis kovarian karena akan menjadi unidentified model. Penelitian ini
menggunakan PLS karena , karena tidak didasarkan pada banyak asumsi. Data juga tidak harus berdistribusi normal multivariate indikator dengan
skala kategori, ordinal, interval sampai ratio dapat digunakan pada model yang sama, sampel tidak harus besar, dan dapat menganalisis variabel
formatif.
3.4.4 Menilai outer model atau measurement model
Tahap pertama dalam smartPLS adalah menilai outer model yaitu proses iterasi indikator dan variabel laten diperlakukan sebagai deviasi
penyimpangan dari nilai mean rata-rata dengan tujuan melihat hubungan antara indikator dengan konstruknya.
3.4.5 Uji Composite Reability
Reliabilitas reliability merupakan suatu alat pengukur yang menunjukkan akurasi, konsistensi dan ketepatan dari pengukurnya
Jogiyanto, 2004. Konsistensi menunjukkan seberapa baik item –item
pernyataan yang mengukur sebuah konsep bersatu menjadi sebuah kumpulan Sekaran, 2007.
Reliabilitas konstruk dalam penelitian ini akan diukur dengan menggunakan composite reliability dan cronbach alpha. Konstruk dikatakan
reliabel jika nilai composite reliability maupun cronbach alpha di atas 0,70 Ghozali, 2011:43.
3.4.6 Uji Discriminant Validity
Discriminant Validity dari model pengukuran dengan refleksif indikator dinilai berdasarkan Cross Loading pengukuran dengan konstruk.
Metode lain untuk menilai Discriminant Validity adalah membandingkan nilai Root Of Average Variance Extracted AVE setiap konstruk dengan
korelasi antara konstruk dengan konstruk lainnya dalam model. Jika nilai AVE setiap konstruk lebih besar daripada nilai korelasi antara konstruk
dengan konstruk lainnya dalam model, maka dikatakan memiliki nilai Discriminant Validity yang baik Fornell Larcker, 1981 dalam Ghozali
2008:25.
3.4.7 Menilai Inner Model atau Struktural Model
Pengujian inner model atau model struktural dilaukan untuk melihat hubungan antara konstruk, nilai signifikansi dan R-square dari model
penelitian. Model struktural dievaluasi dengan menggunakan R-square untuk kostruk dependen, stone-geisser Q-square test untuk predictive relevance dan
uji-t serta signifikansi dari koefisien parameter jalur struktural Ghozali, 2008:26. Perubahan nilai R-square dapat digunakan untuk menilai pengaruh
variabel laten independen tertentu terhadap variabel laten dependen apakah mempunyai pengaruh substantif.
3.4.8 Uji Hipotesis
