CARA MEMBACA HASIL PLS SEM
Membaca Hasil Pengujian Program SmartPLS:
- Uji Validitas
- Uji Reliabilitas
- Uji Hipotesis
- Evaluasi Model
Uji validitas ada dua, iaitu validitas konvergen dan Validitas diskriminan.
Hasil pengujian validitas konvergen berupa faktor loading dan AVE. Faktor loading dapat dilihat
Kriteria: Faktor Loading > 0.70
Lihat hasil SmartPLS Algorithm Report >>> PLS >>> Calculation Result >>> Outer Loading.
– AVE
Kriteria: AVE > 0.50
Lihat hasil SmartPLS Algorithm Report >>> PLS >>> Quality Criteria >>> Overview >>> AVE
Atau lihat hasil SmartPLS Algorithm Report >>> PLS >>> Quality Criteria >>> AVE
- Validitas Diskriminan
– √AVE dibandingkan dengan korelasi antar konstruk.
– Kriteria: √AVE > korelasi antar konstruk
– Korelasi antara konstruk dapat dilihat dari hasil PLS Algorithm Report seperti berikut:
Lihat hasil SmartPLS Algorithm Report >>> PLS >>> Quality Criteria >>> Latent Variable Correlations.
- Reliabilitas
- Cronbachs Alpha
– Kriteria: Cronbachs Alpha > 0.60
– Lihat hasil SmartPLS Algorithm Report >>> PLS >>> Quality Criteria >>> Overview >>> Cronbachs Alpha.
– Atau lihat hasil SmartPLS Algorithm Report >>> PLS >>> Quality Criteria >>> Cronbachs Alpha.
- Composite Reliability
– Kriteria: Composite Reliability > 0.60
– Lihat hasil SmartPLS Algorithm Report >>> PLS >>> Quality Criteria >>> Overview >>> Composite Reliability.
– Atau lihat hasil SmartPLS Algorithm Report >>> PLS >>> Quality Criteria >>> Composite Reliability.
- Pengujian Hipotesis
- T-Statistics
– Menguji signifikansi konstruk.
– Apabila α=5%, t=1.96
– Kriteria: T-Statistics>1.96 dianggap signifikan.
– Nilai T-statistics dapat dilihat dari hasil pengolahan SmartPLS sebagai berikut:
Lihat hasil SmartPLS Bootstrapping Report >>> Bootstrapping >>> Inner Model T-Statistics.
b. Path Coefficient
– Menunjukkan sifat korelasi antar konstruk (positif/negative).
– Lihat SmartPLS Algorithm Report >>> PLS >>> Calculation >>> Path Coefficient.
- Evaluasi Model
- R-Square
– Menunjukkan koefisien determinasi. Sejauh mana suatu konstruk mampu menjelaskan model.
– Lihat hasil SmartPLS Algorithm Report >>> PLS >>> Quality Criteria >>> Overview >>> R-Square.
– Atau lihat hasil SmartPLS Algorithm Report >>> PLS >>> Quality Criteria >>> R-Square.
b. Q-Square
– Menunjukkan nilai predictive relevance
– Q-Square > 0, menunjukkan bahwa model mempunyai nilai predictive relevance.
– Lihat hasil SmartPLS Algorithm Report >>> PLS >>> Quality Criteria >>> Overview >>> Redundancy.
– Atau lihat hasil SmartPLS Algorithm Report >>> PLS >>> Quality Criteria >>> Redundancy.
SEMOGA BERMANFAAT
SUMBER: OM FARHAN BLOGSPOT