Simulasi SmartPLS (Structural Equation Modeling berbasis Variance)

Pengujian hipotesis dalam penelitian ini menggunakan metode Partial Least Square (PLS). PLS merupakan metode alternatif analisis dengan Structural Equation Modelling (SEM) yang berbasis variance. Keunggulan metode ini adalah tidak memerlukan asumsi dan dapat diestimasi dengan jumlah sampel yang relatif kecil. Alat bantu yang digunakan berupa program SmartPLS Versi 2 yang dirancang khusus untuk mengestimasi persamaan struktural dengan basis variance. Program SmartPLS Versi 2 dapat diperoleh secara gratis di www.smartpls.com. Model struktural dalam penelitian ini ditampilkan pada Gambar 1 di bawah.
Gambar 1
MODEL STRUKTURAL
MODEL STRUKTURAL
Gambar tersebut menunjukkan bahwa konstruk Kepemimpinan (KM) diukur dengan 5 buah indikator yaitu KM1, KM2, KM3, KM4 dan KM5. Demikian juga konstruk Budaya Organisasi (BO) diukur dengan 3 indikator yaitu BO1, BO2 dan BO3, konstruk Motivasi (MT) diukur dengan 3 indikator yaitu MT1, MT2 dan MT3 dan kontruk Kinerja Pegawai (KP) diukur dengan 6 indikator yaitu KP1, KP2, KP3,KP4, KP5 dan KP6. Arah panah antara indikator dengan kontruk laten adalah menuju indikator yang menunjukkan bahwa penelitian menggunakan indikator reflektif yang relatif sesuai untuk mengukur persepsi. Hubungan yang akan diteliti (hipotesis) dilambangkan dengan anak panah antara konstruk.


A.    Evaluasi Measurement (Outer) Model

1.      Uji Validitas

Suatu indikator dinyatakan valid jika mempunyai loading factor  di atas 0,5 terhadap konstruk yang dituju. Output SmartPLS untuk loading factor memberikan hasil sebagai berikut:
Tabel 1
Result for Outer Loading
 
BO
KM
KP
MT
BO1
0.89335
 
 

BO2
0.82232
 
 

BO3
0.84462
 
 

KM1
 
0.78001
 

KM2
 
0.84287
 

KM3
 
0.76889
 

KM4
 
0.80161
 

KM5
 
0.82647
 

KP1
 
 
0.70015

KP2
 
 
0.74459

KP3
 
 
0.74555

KP4
 
 
0.74742

KP5
 
 
0.78854

KP6
 
 
0.74880

MT1
 
 
 
0.78258
MT2
 
 
 
0.86810
MT3
 
 
 
0.80563

Pengujian validitas untuk indikator reflektif menggunakan korelasi antara skor item dengan skor konstruknya. Pengukuran dengan indikator reflektif menunjukkan adanya perubahan pada suatu indikator dalam suatu konstruk jika indikator lain pada konstruk yang sama berubah (atau dikeluarkan dari model). Indikator reflektif cocok digunakan untuk mengukur persepsi sehingga penelitian ini menggunakan indikator reflektif. Tabel di atas menunjukkan bahwa loading factor memberikan nilai di atas nilai yang disarankan yaitu sebesar 0,5. Nilai paling kecil adalah sebesar 0,70015 untuk indikator KP1. Berarti indikator yang dipergunakan dalam penelitian ini adalah valid atau telah memenuhi convergent validity. Berikut adalah diagram loading factor masing-masing indikator dalam model penelitian:
Gambar 2
NILAI LOADING FACTOR
NILAI LOADING FACTOR
Lebih lanjut, indikator reflektif juga perlu diuji discriminant validity dengan cross loading sebagai berikut:
 
Tabel 2
Result for Cross Loading
 
BO
KM
KP
MT
BO1
0.89335
0.63664
0.62885
0.49597
BO2
0.82232
0.65175
0.65580
0.53919
BO3
0.84462
0.61946
0.57426
0.60406
KM1
0.62461
0.78001
0.65380
0.54003
KM2
0.68888
0.84287
0.58820
0.51648
KM3
0.44786
0.76889
0.47245
0.50685
KM4
0.62650
0.80161
0.58733
0.61814
KM5
0.58046
0.82647
0.56924
0.52591
KP1
0.47064
0.45977
0.70015
0.56813
KP2
0.64951
0.75447
0.74459
0.66285
KP3
0.39754
0.40267
0.74555
0.41818
KP4
0.38730
0.35028
0.74742
0.35960
KP5
0.62638
0.51969
0.78854
0.48857
KP6
0.59890
0.57461
0.74880
0.60346
MT1
0.53108
0.52631
0.63638
0.78258
MT2
0.51768
0.63783
0.59191
0.86810
MT3
0.52699
0.48718
0.53629
0.80563

Suatu indikator dinyatakan valid jika mempunyai loading factor tertinggi kepada konstruk yang dituju dibandingkan loading factor kepada konstruk lain. Tabel di atas menunjukkan bahwa loading factor untuk indikator BO (BO1 sampai dengan BO3) mempunyai loading factor kepada konstruk BO lebih tinggi dari pada dengan konstruk yang lain. Sebagai ilustrasi loading factor BO1 kepada BO adalah sebesar 0,89335 yang lebih tinggi dari pada loading factor kepada KM (0,63664), KP (0,62885) dan MT (0,49597). Hal serupa juga tampak pada indikator-indikator yang lain.
Dengan demikian, kontrak laten memprediksi indikator pada blok mereka lebih baik dibandingkan dengan indikator di blok yang lain. Metode lain untuk melihat discriminant validity adalah dengan melihat nilai square root of average variance extracted (AVE). Nilai yang disarankan adalah di atas 0,5. Berikut adalah nilai AVE dalam penelitian ini:
Tabel 3
AVERAGE VARIANCE EXTRACTED (AVE)

Average variance extracted (AVE)
BO
0.729221
KM
0.647136
KP
0.556932
MT
0.671688

Tabel di atas memberikan nilai AVE di atas 0,5 untuk semua konstruk yang terdapat pada model penelitian. Nilai terendah AVE adalah sebesar 0,556932 pada konstruk KP (Kinerja Pegawai).

2.      Uji Reliabilitas

Uji reliabilitas dilakukan dengan melihat nilai composite reliability dari blok indikator yang mengukur konstruk. Hasil composite reliability akan menunjukkan nilai yang memuaskan jika di atas 0,7. Berikut adalah nilai composite reliability pada output:
Tabel 4
Composite Reliability

Composite Reliability
BO
0.889739
KM
0.901564
KP
0.882809
MT
0.859663

Tabel di atas menunjukkan bahwa nilai composite reliability untuk semua konstruk adalah di atas 0,7 yang menunjukkan bahwa semua konstruk pada model yang diestimasi memenuhi kriteria discriminant validity. Nilai composite reliability yang terendah adalah sebesar 0,859663 pada konstruk MT (Motivasi).
Uji reliabilitas juga bisa diperkuat dengan Cronbach’s Alpha di mana output SmartPLS Versi 2 memberikan hasil sebagai berikut:
Tabel 4
Cronbach’s alpha

Cronbachs Alpha
BO
0.813561
KM
0.863653
KP
0.843144
MT
0.754684

Nilai yang disarankan adalah di atas 0,6 dan pada tabel di atas menunjukkan bahwa nilai Cronbach’s Alpha untuk semua kontruk berada di atas 0,6. Nilai terendah adalah sebesar 0,754684 (MT).
Pengukuran Communality dan Redundancy dengan program SmartPLS Versi 2 memberikan hasil sebagai berikut:
Tabel 4.5
communality dan redundancy

Communality
Redundancy
BO
0.729221
0.403785
KM
0.647136

KP
0.556931
0.193178
MT
0.671688
0.201730

Tampak bahwa nilai communality pada semua kontruk di atas 0,5 yang memperkuat hasil pengujian dengan Composite Reliability dan Cronbach’s Alpha. Lebih lanjut, nilai Redundancy BO adalah sebesar 0,403786 yang termasuk tinggi. Juga R untuk KP dan MT di atas 0,15 di mana nilai tersebut adalah masuk pada kategori tinggi.

B.     Pengujian Model Struktural (Inner Model)

Setelah model yang diestimasi memenuhi kriteria Outer Model, berikutnya dilakukan pengujian model structural (Inner model). Berikut adalah nilai R-Square pada konstruk:
Tabel 6
R-Square

R-square
BO
0.556247
KM

KP
0.660472
MT
0.498196

Tabel di atas memberikan nilai 0,556247 untuk konstruk BO yang berarti bahwa KM mampu menjelaskan varians BO sebesar 55,6247%. Nilai R juga terdapat pada KP yang dipengaruhi oleh KM, MT dan BO yaitu sebesar 0,660472 dan MT yang dipengaruhi oleh KM dan BO yaitu sebesar 0,498196. Pengujian hipotesis adalah sebagai berikut:
Tabel 7
UJI HIPOTESIS

Original Sample (O)
Sample Mean (M)
Standard Deviation (STDEV)
Standard Error (STERR)
T Statistics (|O/STERR|)
BO -> KP
0.32109
0.30654
0.11268
0.11268
2.84958
BO -> MT
0.30948
0.31831
0.09762
0.09762
3.17041
KM -> BO
0.74582
0.74832
0.04127
0.04127
18.07381
KM -> KP
0.24342
0.25176
0.09068
0.09068
2.68447
KM -> MT
0.44423
0.43422
0.11648
0.11648
3.81383
MT -> KP
0.34999
0.35972
0.08581
0.08581
4.07855

Tabel di atas menunjukkan bahwa hubungan antara KM dengan KP adalah signifikan dengan T-statistik sebesar 2,68447 (> 1,96). Nilai original sample estimate  adalah positif yaitu sebesar 0,24342 yang menunjukkan bahwa arah hubungan antara MT dengan KP adalah positif. Dengan demikian hipotesis H1 dalam penelitian ini yang menyatakan bahwa ‘Kepemimpinan berpengaruh terhadap kinerja pegawai’ diterima
Tabel di atas menunjukkan bahwa hubungan antara BO dengan KP adalah signifikan dengan T-statistik sebesar 2,8496 (> 1,96). Nilai original sample estimate  adalah positif yaitu sebesar 0,32109 yang menunjukkan bahwa arah hubungan antara BO dengan KP adalah positif. Dengan demikian hipotesis H2 dalam penelitian ini yang menyatakan bahwa ‘Budaya Organisasi berpengaruh terhadap kinerja pegawai’ diterima.
Tabel di atas menunjukkan bahwa hubungan antara MT dengan KP adalah signifikan dengan T-statistik sebesar 4,07855 (> 1,96). Nilai original sample estimate  adalah positif yaitu sebesar 0,34999 yang menunjukkan bahwa arah hubungan antara MT dengan KP adalah positif. Dengan demikian hipotesis H3 dalam penelitian ini yang menyatakan bahwa ‘Motivasi berpengaruh terhadap kinerja pegawai’ diterima.
Tabel di atas menunjukkan bahwa hubungan antara KM dengan MT adalah signifikan dengan T-statistik sebesar 3,81383 (> 1,96). Nilai original sample estimate  adalah positif yaitu sebesar 0,44423 yang menunjukkan bahwa arah hubungan antara KM dengan MT adalah positif. Dengan demikian hipotesis H4 dalam penelitian ini yang menyatakan bahwa ’Kepemimpinan berpengaruh terhadap motivasi pegawai’ diterima.
Tabel di atas menunjukkan bahwa hubungan antara BO dengan MT adalah signifikan dengan T-statistik sebesar 3,17041 (> 1,96). Nilai original sample estimate  adalah positif yaitu sebesar 0,30948 yang menunjukkan bahwa arah hubungan antara BO dengan MT adalah positif. Dengan demikian hipotesis H5 dalam penelitian ini yang menyatakan bahwa ’Budaya organisasi berpengaruh terhadap motivasi pegawai’ diterima.
Tabel di atas menunjukkan bahwa hubungan antara KM dengan BO adalah signifikan dengan T-statistik sebesar 18,07381 (> 1,96). Nilai original sample estimate adalah positif yaitu sebesar 0,74582 yang menunjukkan bahwa arah hubungan antara KM dengan BO adalah positif. Dengan demikian hipotesis H6 dalam penelitian ini yang menyatakan bahwa ’Kepemimpinan berpengaruh terhadap budaya organisasi pegawai’ diterima.
Berdasarkan nilai original sample estimate maka diperoleh bahwa nilai tertinggi yang mempengaruhi motivasi (MT) adalah pada kepemimpinan (KM) yaitu sebesar 0,44423. Hal tersebut menunjukkan bahwa kepemimpinan mempunyai pengaruh terhadap motivasi lebih tinggi dari pada pengaruh antara budaya organisasi terhadap motivasi (0,30948). Lebih lanjut, dari tiga variabel yang mempengaruhi kinerja pegawai (KP) secara langsung, yaitu kepemimpinan, budaya organisasi dan motivasi, yang paling besar pengaruhnya adalah motivasi karena mempunyai nilai original sample estimate tertinggi yaitu sebesar 0,34999 dibandingkan dua variabel yang lain. Dengan demikian motivasi merupakan variabel yang paling dominan dalam mempengaruhi kinerja pegawai. Sedangkan variabel yang paling tidak dominan adalah kepemimpinan yaitu dengan original sample estimate terkecil yaitu sebesar 0,24342.
Berikut adalah diagram nilai T statistic berdasarkan output dengan SmartPLS Versi 2:
Gambar 3
OUTPUT BOOTSTRAPPING
OUTPUT BOOTSTRAPPING

Share:

Simulasi Uji Validitas dan Uji Reliabilitas dengan SPSS


Berikut adalah simulasi uji validitas SPSS dengan korelasi Pearson dan uji reliabilitas dengan Split-Half dengan SPSS Versi 11.5. Di bagian akhir, kami berikan link video Youtube untuk lebih memperdalam tutorial ini.

1.      Uji Validitas

Uji validitas yang digunakan adalah dengan metode korelasi Pearson, dengan menu Analyze lalu pilih Correlate dan klik pada Bivariate seperti pada gambar di bawah ini:
Gambar 1
Menu Korelasi Pearson
Menu Korelasi Pearson
 Setelah diklik pada menu Bivariate maka program SPSS akan mengarahkan ke box sebagai berikut:
Gambar 2
Menu Box Bivariate Correlations
Menu Box Bivariate Correlations

 Di sebelah kiri merupakan indikator-indikator dari variabel penelitian, dan untuk menguji validitas pada indikator perilaku siswa, maka indikator ps01 sampai dengan ps14 dan Perilaku Siswa dipindah ke box sebelah kanan yang kosong sebagai berikut:
Gambar 3
Memasukkan Indikator
Memasukkan Indikator

Setelah itu tekan OK di sebelah kanan atas pada box, sehingga program akan menghitung nilai R Pearson pada masing-masing indikator dengan nilai Skor total yaitu pada variabel Perilaku Siswa. Nilai yang dipergunakan untuk menguji validitas indikator adalah pada kolom paling kanan, sehingga akan ditampilkan sebagai berikut:
Tabel 1
Uji Validitas Indikator Perilaku Siswa


Perilaku Siswa
PS01
Pearson Correlation
.642(**)

Sig. (2-tailed)
.000

N
72
PS02
Pearson Correlation
.655(**)

Sig. (2-tailed)
.000

N
72
PS03
Pearson Correlation
.581(**)

Sig. (2-tailed)
.000

N
72
PS04
Pearson Correlation
.633(**)

Sig. (2-tailed)
.000

N
72
PS05
Pearson Correlation
.634(**)

Sig. (2-tailed)
.000

N
72
PS06
Pearson Correlation
.772(**)

Sig. (2-tailed)
.000

N
72
PS07
Pearson Correlation
.698(**)

Sig. (2-tailed)
.000

N
72
PS08
Pearson Correlation
.755(**)

Sig. (2-tailed)
.000

N
72
PS09
Pearson Correlation
.717(**)

Sig. (2-tailed)
.000

N
72
PS10
Pearson Correlation
.802(**)

Sig. (2-tailed)
.000

N
72
PS11
Pearson Correlation
.784(**)

Sig. (2-tailed)
.000

N
72
PS12
Pearson Correlation
.741(**)

Sig. (2-tailed)
.000

N
72
PS13
Pearson Correlation
.689(**)

Sig. (2-tailed)
.000

N
72
PS14
Pearson Correlation
.695(**)

Sig. (2-tailed)
.000

N
72
Perilaku Siswa
Pearson Correlation
1

Sig. (2-tailed)
.

N
72
                    **  Correlation is significant at the 0.01 level (2-tailed).

Interpretasi dapat dilakukan dengan 3 cara yaitu sebagai berikut:
1.   Menggunakan tanda flag (*) di mana tanda satu buah flag (*) menunjukkan bahwa indikator tersebut signifikan pada taraf 5% dan tanda dua buah flag (**) menunjukkan bahwa indikator tersebut valid pada taraf 1%.
2.    Menggunakan signifikansi pada baris kedua masing-masing indikator di mana indikator dinyatakan valid pada taraf 5% jika mempunyai signifikansi di bawah 0,05 dan valid pada taraf 1% jika mempunyai signifikansi di bawah 0,01.
3.   Menggunakan R tabel, yaitu membandingkan nilai Pearson Correlation (baris pertama masing-masing indikator) dengan nilai R yang terdapat pada Tabel, di mana nilai R untuk sampel sebanyak 72 pada taraf 5% adalah sebesar 0,230.
Dengan demikian tampak bahwa semua indikator yang dipergunakan untuk mengukur variabel perilaku siswa adalah valid karena semua indikator terdapat tanda flag dua buah, dan signifikansi di bawah 0,05 semua. Selain itu, nilai Pearson Correlation semuanya juga di atas nilai R tabel yaitu sebesar 0,230.

2.      Uji Reliabilitas

Uji reliabilitas menggunakan metode split half yaitu dengan memilih Analyze >> Scale >> Reliabilty yaitu sebagai berikut:
Gambar 5
Navigasi Menu Uji Reliabilitas
Navigasi Menu Uji Reliabilitas

Setelah diklik pada menu Reliability Analysis, maka program akan mengarahkan ke menu box sebagai berikut:
Gambar 6
Menu Uji Reliabilitas
Menu Uji Reliabilitas

Pindahkan indikator ps01 sampai dengan ps14 dari kotak kiri ke kotak kosong di sebelah kanan dan pada Model di kiri bawah pilih menu Split half, yaitu sebagai berikut:
Gambar 7
Memasukkan Indikator
Memasukkan Indikator

Setelah itu tekan OK, sehingga program akan menghitung dan mengeluarkan output sebagai berikut:

Gambar 8

Output Uji Reliabilitas Perilaku Siswa
Output Uji Reliabilitas Perilaku Siswa

Tampak bahwa terdapat N of cases yaitu jumlah sampel sebanyak 72 dengan indikator N of Items sebanyak 14. Korelasi antara part 1 dengan part 2 adalah sebesar 0,7032 dan Guttman Split Half adalah sebesar 0,8160 yang berada di atas nilai R tabel untuk 72 sampel yaitu sebesar 0,230. Dengan demikian dinyatakan bahwa rangkaian kuesioner yang dipergunakan pada variabel perilaku siswa adalah reliabel.
Berikut simulasi Uji Validitas SPSS dan Uji Reliabilitas dengan SPSS Versi 25:

Share:

Artikel Terbaru

Translate

Artikel Terbaru

Tutorial Cara Download File dari Google Drive

Dalam artikel sebelumnya telah kita sampaikan bahwa jika menginginkan file yang dipergunakan dalam simulasi di blog ini dapat di download di...

Artikel Populer Seminggu Terakhir

Komentar Terbaru

`

Ingin menghubungi kami untuk kerja sama?

Nama

Email *

Pesan *