blindfolding
yakni
cross-validated communality H
2
dan
cross-validated redundancy
F
2
Chin, 1998. Nilai
Q
2
0 = model mempunyai
predictive relevance
; nilai
Q
2
0 = model kurang memiliki
predictive relevance
. Perubahan
Q
2
memberikan dampak relatif terhadap model struktural yang dapat diukur dengan nilai
q
2
predictive relevance
: 0.02 = lemah; 0.15 =
moderate
; 0.35 = kuat Latan dan Ghozali, 2012.
4.6.5.3 Nilai signifikansi
T-Value
Untuk mengetahui pengaruh antar variabel dapat dilihat dari nilai signifikansi
melalui prosedur
bootstrapping
. Pendekatan
bootstraping
mereprensentasi
nonparametric
untuk
precision
dari estimasi
PLS
. Metoda ini dikembangkan oleh Efron sekitar tahun 1970-an. Prosedur
bootsrapping
menggunakan seluruh sampel asli untuk melakukan resampling kembali. Hair
et al
. 2011 dan Henseler
et al
. 2009 dalam Latan dan Ghozali, 2012 memberikan rekomendasi untuk
number of bootsrapping samples
yaitu sebesar 5.000 dengan catatan jumlah tersebut harus lebih besar dari original sampel.
Namun Chin 2003; 2010a dalam Latan dan Ghozali 2012 menyarankan
number of bootstrapping samples
sebesar 200-1000 sudah cukup untuk mengoreksi
standart error
estimasi PLS. T-tabel atau menentukan besarnya taraf signifikansi sebesar 0,05 atau 5
adalah dengan menggunakan
Degree of Freedom DF
atau Derajat Kebebasan DK dengan ketentuan : DK = n
– 2 Wiyono, 2011 dan Sarwono, 2012 sehingga untuk penelitian ini DK = 151
– 2 = 149. Dari ketentuan tersebut diperoleh T-tabel sebesar 1,655
significance level
= 5. Nilai signifikansi dapat
Universitas Sumatera Utara
juga digunakan dengan
two-tailed
T-Value 1.65
significance level
= 10, 1.96
significance level
= 5, dan 2.58
significance level
= 1 Latan dan Ghozali, 2012.
4.6.5.4.
Quality Indexes
Model berbasis varian sangat berorientasi pada prediksi. Validasi model berfokus pada kemampuan prediktif model, setiap bagian dari model perlu
divalidasi: model pengukuran, model struktural dan model secara keseluruhan. PLS PathModeling menyediakan tiga indeks fit yang berbeda: indeks
communality
, indeks
redundansi
dan indeks
Goodness-of-Fit
GoF. Kriteria global
goodness of fit
telah diusulkan oleh Tenenhaus et al. 2004: indeks GoF untuk memperhitungkan kinerja dalam dua model pengukuran dan model
struktural dan memberikan ukuran tunggal untuk kinerja keseluruhan prediksi model. Indeks GoF diperoleh sebagai rata-rata geometris akar kuadrat dari rata-
rata indeks
communality
dan rata-rata nilai
R
2
.
GoF
= √
average Com
x
average R
2
Nilai
communality
yang direkomendasikan = 0.50 Fornel dan Larcker, 1981 dan nilai
R-squares Small
= 0.02,
Medium
= 0.13, dan
Large
= 0.26 Cohen, 1998, maka :
GoF small
= √0.50.02 = 0.10,
GoF medium
= √0.50.13 = 0.25,
GoF large
= √0.50.26 = 0.36 Latan dan Ghozali, 2012.
4.7. Pengujian Hipotesis
