Menilai Outer Model atau Measurement Model Uji Composite Reliability Uji Discriminant Validity Menilai Inner Model atau Structural Model

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.

3.5.3 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.

3.5.4 Uji Composite Reliability

Composite Reliability dari model pengukuran dengan refleksif indikator dinilai berdasarkan korelasi antara item scorecomponen score yang dihitung dengan PLS. Ukuran refleksif individual dikatakan tinggi jika berkorelasi lebih dari 0.70 dengan konstruk yang diukur. Namun demikian untuk penelitian tahap awal dari pengembangan skala pengukuran nilai loading 0.50 dianggap cukup Chin, 1998.

3.5.5 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.

3.5.6 Menilai Inner Model atau Structural Model

Pengujian inner model atau model struktural dilakukan 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. Pengujian hipotesis menggunakan analisis full model Struktural Equation Modeling SEM dengan smartPLS. Dalam full model Struktural Equatoin Modeling selain mengkonfirmasi teori, juga menjelaskan ada atau tidaknya hubungan antar variabel laten . Beberapa set hubungan dari analisis jalur semua variabel laten dalam PLS yaitu sebagai berikut: 1. Inner model yang menspesifikasi hubungan antar variabel laten. 2. Outer model yang menspesifikasi hubungan antara variabel laten dengan indikator atau variabel manifestnya. 3. Weight relation dimana nilai kasus dari variabel laten dapat diestimasi. Pengambilan keputusan atas penerimaan atau penolakan hipotesis dilakukan dengan ketentuan sebagai berikut: 1. Melihat nilai outer weight masing-masing indikator dan nilai signifikansinya. Nilai weight yang disarankan adalah diatas 0.50 negatif dan T-stasistic diatas nilai 1.289 untuk p 0.10; 1.659 untuk p 0.50; dan 2,362 untuk p 0.01. Indikator yang memiliki nilai dibawah ketentuan tersebut harus didrop dari model dan kemudian dilakukan pengujian ulang. 2. Melihat nilai inner weight dari hubungan antar variabel laten. Nilai weight dari hubungan tersebut harus menunjukan arah negatif dengan nilai T-statistic diatas 1.289 untuk p 0.10; 1.659 untuk p 0.50; dan 2,362 untuk p 0.01. 3. Hipotesis alternatif Ha diterima jika nilai weight dari hubungan antar variabel laten menunjukan arah negatif dengn nilai T-stasistic di atas 1.289 untuk p 0.10; 1.659 untuk p 0.50; dan 2,362 untuk p 0.01. T-stasistic diatas nilai 1.289 untuk p 0.10; 1.659 untuk p 0.50; dan 2,362 untuk p 0.01. Sebaliknya, Ha ditolak jika nilai weight dari hubungan antar variabel menunjukan arah positif dan nilai T-stasistic dibawah nilai 1.289 untuk p 0.10; 1.659 untuk p 0.50; dan 2,362 untuk p 0.01. Nilai t-tabel yang ditentukan dalam penelitian ini adalah sebesar 1,659 untuk signifikansi p 0,05. Selanjutnya nilai t-tabel tersebut dijadikan sebagai nilai cut off untuk penerimaan atau penolakan hipotesis yang diajukan.

3.5.7 Pengujian Hipotesis