Validasi Model Reflektif Validasi Model
57 memiliki nilai indikator kurang dari 0,7 dikeluarkan dari perhitungan secara
bertahap dimulai dari yang terkecil sehingga didapatkan model yang memiliki reliabilitas indikator yang baik. Hasil tersebut disajikan pada tabel 10.
Tabel 10. Hasil Akhir Outer Loading
Sumber : Data Primer diolah Keterangan
MOTn : Indikator subvariabel motivasi ke-n PERSn : Indikator subvariabel persepsi ke-n
SIKPn : Indikator subvariabel sikap ke-n
Indikator dikeluarkan secara bertahap dikarenakan setiap indikator yang tidak memenuhi syarat apabila dikeluarkan dapat menyebabkan nilai outer
loading atau nilai korelasi indikator lainnya bertambah. Tabel 10 menyatakan bahwa dari total sepuluh indikator dengan tiga subvariabel tersisa enam indikator.
Indikator tersebut yang akan digunakan pada model akhir. Model dapat dikatakan memiliki reliabilitas komposit apabila nilai
reliabilitas kompositnya 0,7 Latan dan Ghazali, 2012:81. Perhitungan reliabilitas komposit digunakan untuk mengetahui seberapa baik sebuah konstruk
dapat diukur oleh indikator yang menyusunnya. Reliabilitas komposit dari suatu Kode Indikator
Subvariabel Motivasi
Persepsi Sikap
MOT1 Drop
MOT2 Drop
MOT3 0,783
MOT4 0,847
PERS1 0,864
PERS2 0,907
PERS3 Drop
SIKP1 0,851
SIKP2 0,866
SIKP3 Drop
58 model dapat dilihat dari report atau laporan dari software smartPLS. Sedangkan
untuk validitas konvergen dilihat dari nilai AVE average variance extract atau nilai yang menyatakan ukuran konvergen dari suatu item atau indikator yang
mewakili konstruk. Model dapat dikatakan memiliki validitas konvergen jika nilai AVE 0,5. Hasil tersebut disajikan pada tabel 11.
Tabel 11. Hasil AVE dan Reliabilitas Komposit AVE
Composite Reliability Motivasi
0,665 0,799
Persepsi 0,785
0,879 Sikap
0,737 0,849
Sumber : Data Primer diolah
Nilai AVE dan reliabilitas komposit berdasarkan tabel 13 telah memenuhi kriteria yang telah ditentukan karena memiliki nilai AVE0,5 dan nilai Composite
Reliability0,7 sesuai pada tabel 11. Model dapat dikatakan telah memenuhi reliabilitas komposit dan validitas konvergen. Nilai tersebut didapatkan setelah
indikator dengan nilai outer loading 0,7 dibuang. Pengujian validitas diskriman dilakukan dengan cara membandingkan nilai
akar dari nilai AVE dengan korelasi antar konstruk lainnya dalam model. Pengujian pada tahapan ini menyatakan bahwa model telah memenuhi validitas
diskriminan. Hal ini dapat dilihat pada tabel 12.
Tabel 12. Pengukuran Validitas Diskriminan
Catatan: angka yang dicetak tebal merupakan hasil akar dari nilai AVE
Sumber : Data Primer diolah Motivasi
Persepsi Sikap
Motivasi 0,8154
Persepsi 0,365
0,8860
Sikap 0,356
0,565 0,8585
59 Pengujian validitas model dengan empat kriteria tersebut menghasilkan
model yang baik. Namun, hal tersebut dilakukan dengan membuang empat indikator yang tidak memenuhi kriteria validitas model. Indikator yang dibuang
berasal dari subvariabel motivasi sebanyak dua indikator, subvariabel persepsi sebanyak satu indikator, dan subvariabel sikap sebanyak satu indikator. Hasil
akhir pada model reflektif ini menghasilkan enam indikator.
60