3.5.4 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.
3.5.5 Uji Composite Reliability
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.
3.5.6 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.
Jika semua indikator di standardized, maka ukuran ini sama dengan Average Communalities dalam blok. Composite reliability blok indikator yang
mengukur suatu konstruk dapat dievaluasi dengan dua macam ukuran yaitu internal consistency yang dikembangkan oleh Wert et al. 1979 dalam Ghozali
2008:25.
3.5.7 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.
Model PLS juga dievaluasi dengan melihat Q-square predictive relevance untuk model konstruk. Q-square predictive relevance mengukur
seberapa baik nilai observasi dihasilkan oleh model dan juga estimasi parameternya. Nilai Q-square predictive relevance lebih besar dari 0 menunjukan
bahwa model mempunyai nilai predictive relevance, sedangkan nilai Q-square
predictive relevance kurang dari 0 menunjukan bahwa model kurang memiliki predictive relevance Ghozali, 2008 :26.
3.5.8 Uji Hipotesis