Evaluasi model pengukuran outer model

54 Dari gambar di atas hubungan dari X1 ke X1.1, X1.2, X1.3, X1.4, X1.5, X1.6, dan X1.7, serta hubungan dari X2 ke X2.1, X2.2, dan X2.3 adalah hubungan outer model atau konstruk pengukuran yang bersifat reflektif. Hubungan X1 dan X2 ke X yang merupakan variabel sekunder dan hubungan Y1, Y2, Y3, Y4, Y5, dan Y6 ke Y adalah hubungan outer model atau konstruk pengukuran yang bersifat reflektif. Serta hubungan X ke Y adalah inner model. 3 Konversi diagram jalur ke persamaan 1 Konversi persamaan model pengukuran outer model 1. Variabel laten eksogen X1 refleksif 1.1 1.5 1.2 1.6 1.3 1.7 1.4 1.1 1 1 1.5 1 5 1.2 1 2 1.6 1 6 1.3 1 3 1.7 1 7 1.4 1 4 X X X X X X X X X X X X X X X X X X X X X                             2. Variabel laten eksogen X2 refleksif

2.1 2.2

2.3 2.1 2 1 2.2 2 2 2.3 2 3 X X X X X X X X X             3. Variabel laten endogen Y refleksif 1 4 2 5 3 6 1 1 4 4 2 2 5 5 3 3 6 6 Y Y Y Y Y Y Y Y Y Y Y Y                               2 Konversi persamaan model struktural inner model y X      atau y Y X     4 Evaluasi model PLS-SEM Model evaluasi PLS berdasarkan pada pengukuran prediksi yang mempunyai sifat non-parametrik. Oleh karena itu, model evaluasi PLS dilakukan dengan menilai outer model dan inner model. Penjelasan lebih lanjut, adalah sebagai berikut:

1. Evaluasi model pengukuran outer model

Evaluasi outer model disebut pula dengan evaluasi model pengukuran dilakukan untuk menilai validitas dan reliabilitas model. Outer model dengan 55 indikator refleksif dievaluasi melalui validitas convergent dan discriminat untuk indikator pembentuk konstruk laten, serta melalui composite reliability dan Cronbach alpha untuk blok indikatornya Chin Newsteed, 1999:310 Validitas convergent berhubungan dengan prinsip bahwa pengukur- pengukur manifest variabel dari suatu konstruk seharusnya berkorelasi tinggi. Uji validitas convergent indikator refleksif dapat dilihat dari nilai loading factor untuk setiap konstruk, dimana nilai loading factor yang direkomendasikan harus lebih besar dari 0,7 untuk penelitian yang bersifat confirmatory, dan nilai loading factor antara 0,6 sd 0,7 untuk penelitian yang bersifat explatory masih dapat diterima, serta nilai average variance extracted AVE harus lebih besar dari 0,5. Validitas discriminant berhubungan dengan prinsip bahwa pengukur manifest variabel konstruk yang berbeda seharusnya tidak berkorelasi dengan tinggi. Cara untuk menguji validitas discriminant dengan indikator refleksif yaitu dengan melihat nilai cross loading untuk setiap variabel harus 0,70. Cara lain yang dapat digunakan untuk menguji validitas discriminant adalah dengan membandingkan akar kuadrat dari AVE untuk setiap konstruk dengan nilai korelasi antar konstruk dalam model. Validitas discriminant yang baik ditunjukkan dari akar kuadrat AVE untuk setiap konstruk lebih besar dari korelasi antar konstruk dalam model Fornell dan Larcker, 1981 dalam Ghozali, 2014:78. Adapun Rule of thumb uji validitas convergent dan discriminant dapat dilihat pada Tabel 3.3. Tabel 3.3 Uji Validitas Convergent dan Discriminant Sumber: Ghozali, 2014:76 Selain uji validitas, pengukuran model juga dilakukan untuk menguji reliabilitas keakuratan suatu konstruk. Uji reliabilitas dilakukan untuk 56 membuktikan akurasi, konsistensi dan ketepatan instrument dalam mengukur konstruk. Uji reliabilitas suatu konstruk dengan indikator refleksif dapat dilakukan dengan dua cara, yaitu composite reliability dan Cronbach’s alpha. Penggunaan Cronbach’s alpha untuk menguji reliabilitas konstruk akan memberikan nilai yang lebih rendah under estimate sehingga lebih disarankan untuk menggunakan composite reliability dalam menguji reliabilitas suatu konstruk. Rule of thumb uji reliabilitas konstruk dengan indikator refleksif dapat dilihat pada Tabel 3.4. Tabel 3.4 Uji Reliabilitas Konstruk Sumber: Ghozali, 2014:77

2. Evaluasi model struktural inner model