Oleh: Hafiez Sofyani, SE., M.Sc
Modul Praktik Partial Least Square (PLS) Untuk penelitian Akuntansi pendekatan Kuantitatif Prodi Akuntansi UMY
1
SEKILAS TENTANG PARTIAL LEAST SQUARE (PLS) Dalam ranah akuntansi, pengujian menggunakan pendekatan PLS biasanya dilakukan untuk penelitian dengan pendekatan survey yang mana data penelitiannya masuk kategori semi ordinal (Ratmono dan Shol;ihin, 2013). Namu demikian, beberapa peneliti juga menggunakan PLS untuk pengujian hipotesis dengan penelitian archival yang mana data penelitian memiliki skala rasio. Dapat digunakan PLS untuk menguji hipotesis baik pada penelitian survey maupun penelitian archival tidak lepas dari keunggulan PLS yang dapat menganalisis hubungan antar variabel dengan berbagai jenis skala pengukuran (nominal, ordinal, interval, dan rasio). PLS juga tidak mensyaratkan terpenuhinya uji asumsi klasik untuk dapat dilakukan uji hipotesis penelitian secara statistik. Namun, beberapa peneliti dan akademisi menilai tidak disyaratkannya keterpenuhan uji asumsi klasik oleh PLS merupakan kelemahan dari PLS, sehingga hasil pengujian hipotesis dengan PLS diragukan validitasnya. Di sisi lain, ada banyak pula peneliti dan akademisi yang menilai
tidak disyaratkan terpenuhinya uji asumsi klasik
untuk dapat dilakukan uji hipotesis penelitian secara statistic oleh PLS adalah merupakan keunggulan PLS dari alat uji statistic lain. Terlepas dari pro-kontra PLS yang tidak mensyaratkan terpenuhinya uji asumsi klasik dalam pengujian hipotesis penelitian tersebut, kita sebagai pengguna dan tidak begitu mendalami ilmu statistik dan pula tidak terlibat dalam pembuatan software statistik, maka seyogyanya bersikap husnudzan (berperasangka baik), karena apapun yang dibuat manusia pasti tidak ada yang sempurna.
2
SIMULASI PENGUJIAN HIPOTESIS PENELITIAN SURVEY MENGGUNAKAN PARTIAL LEAST SQUARE (PLS) Pengujian Hipotesis pada Kasus Penelitian dengan Model Sederhana Pada paparan berikut, akan dijelaskan pengujian hipotesis pada model penelitian sederhana, yakni antara beberapa variabel independen dan dua variabl dependen dengan SmartPLS 3. Secara umum, proses pengujian hipotesis dengan SmartPLS 3 adalah sebagai berikut: 1. Menyiapkan data dalam file Microsoft excel dengan format CSV (comma delimited). 2. Membuka program (software) SmartPLS 3 3. Membuat new project 4. Meng-import data yang sudah disiapkan (poin 1) 5. Menggambar model penelitian yang terdiri dari beberapa variabel laten 6. Memasukkan data kuesioner (indikator) ke dalam variabel laten 7. Melakukan pengujian kualitas model pengukuran (PLS algoritm) 8. Melakukan pengujian hipotesis (bootstrapping) Untuk memperdalam pemahaman mengenai teknik pengujian hipotesis dengan PLS, simaklah simulasi proses berikut ini:
3
Pertama, siapkan data pada Microsoft excel yang disimpan dalam format CSV (comma delimited)
4
Selanjutnya, buka program PLS lalu klik menu New Project, dan tulis nama project sesuai yang diinginkan, lalu klik OK.
Selanjutnya, lakukan impor data yang sudah disiapkan dengan cara mengklik menu Double click to import data! (lihat bagian yang dilingkari pada gambar dibawah ini).
5
Setelah data di-import, maka akan muncul tampilan mengenai data yang diimport tadi.
Jika import data berhasil, maka akan muncul tampilan seperti ini !
Warna hijau menunjukkan bahwa data sudah “ok” dan tidak ada masalah pada data seperti data hilang, indikator tidak diskalakan secara sama, dsb. Jika ada masalah pada data, maka bagian ini akan menunjukkan tanda seru berwarna merah. Jika data bermasalah, maka analisis dengan PLS tidak dapat dijalankan
6
Proses selanjutnya adalah membuat New Model File, lalu menggambar model penelitian. Caranya adalah dengan mengklik menu latihan 1 dan memberi nama pada kotak dialog yang muncul dengan nama yang kita inginkan, misalnya dalam kasus ini diberi nama Latihan1.
Klik dua kali menu Latihan1, maka akan muncul kotak dialog seperti yang ada di samping kanan.
Setelah proses di atas dilakukan, maka akan muncul halaman kosong yang tersedia untuk menggambar model penelitian seperti di bawah ini.
7
Proses selanjutnya adalah membuat gambar model penelitian. Pertama-tama, klik 2x menu latihan1 lalu klik menu Latent Variable (lihat bagian yang dilingkari!) lalu gambar variabel independen dan dependen sesuai model yang telah dirumuskan pada proposal penelitian.
Latent Variable
Ketika dibuat, latent variable masih
bernama “Latent Variable”.
Oleh
karenanya nama ini perlu diubah sesuai dengan nama variabel yang dirumuskan pada proposal penelitian. Caranya adalah dengan memosisikan kursor mouse tepat berada pada variable yang namanya ingin diubah lalu klik kanan, kemudian pilih menu “rename” dan tulis nama variabel baru sesuai dengan nama yang diinginkan. Lihat gambar di bawah ini !
8
Tulis nama variabel yang diinginkan
Setelah semua variabel selesai dibuat, selanjutnya buat garis penghubung antar variabel sebagai indikasi dari arah hubungan antar variabel, sesuai yang dirumuskan pada proposal penelitian (lihat gambar di bawah ini !).
9
Menu “Connect”
Cara untuk membuat garis adalah silakan klik menu “Connect” (lihat bagian yang dilingkari), lalu klik variabel-variabel yang dihubungkan. Pada contoh di atas, setelah mengklik menu “Connect”, penulis mengklik variabel KSI (Keterbatasan Sistem Informasi), dan lalu mengklik variabel PIK (Penggunaan Informasi Kinerja). Setelah semua variabel dihubungkan dengan garis “Connect” tadi, maka model penelitian sudah selesai dibuat, sebagaimana gambar yang nampak di bawah ini.
10
Setelah
gambar
model
penelitian
selesai
dibuat,
selanjutnya
adalah
memasukkan indikator-indikator pengukuran variabel 1 ke dalam masingmasing variabel. Caranya adalah: blok nama-nama indikator -> klik+tahan -> drag ke variabel yang akan dimasukkan indikator-indikator pengukurannya -> lepaskan klik mouse Jika kita ingin memasukkan indikator-indikator dari variabel KSI, maka indikator yang diklik+tahan dan di drag ke variabel KSI adalah indikatorindikator yang namanya juga KSI. Dalam kasus ini terdapat empat indikator dari KSI yang ditulis dengan KSI1, KSI2, KSI 3, dan KSI4. Jika indikatorindikator variabel telah berhasil dimasukkan ke dalam variabelnya, maka akan nampak tampilan seperti gambar di bawah ini.
1
Indikator-indikator pengukuran variabel adalah data penelitian yang bersumber dari hasil jawaban kusioner dan telah dikuantifikasikan. Misalnya jawaban sangat tidak setuju dikuantifikasikan menjadi 1, tidak setuju dikuantifikasikan menjadi 2, dst. Pada PLS, range kuantifikasi variabel harus seragam, misalnya jika variabel penelitian diukur dengan skala likert dengan range 5, maka semua variabel harus diukur dengan likert range 5, tidak boleh ada yang memnggunakan range 7. Karena hal itu akan dianggap error oleh PLS.
11
3.
Tampilan variabel yang indicatorindikatornya telah berhasil dimasukkan. Secara otomatis, indikator-indikator akan menempel di sisi kiri variabel.
Se 2.
Drag ke variabel yang dituju
1.
Umumnya,
ketika
proses
Klik dan tahan
memasukkan
indikator-indikator
pengukuran
variabel ini berhasil dilakukan, maka indikator-indikator tersebut akan muncul secara otomatis di sisi kiri variabel yang diukurnya. Seringkali posisi tersebut menjadikan tampilan model penelitian tidak elok untuk dipandang, sebagaimana yang nampak pada gambar di bawah. Oleh karenanya, indikatorindikator pengukuran variabel tersebut perlu dipindah ke posisi yang lebih baik. Caranya adalah: Posisikan
kursor
mouse
tepat
berada
di
variabel
yang
indikator-
indikatornya ingin dipindahkan -> klik kanan mouse -> Align, lalu pilih posisi
rataan
Right/kanan).
yang
diinginkan
(Top/atas;
Left/kiri;
Buttom/bawah;
12
Posisi indikator-indikator pengukuran variabel tidak pas, sehingga menjadikan tidak sedap dipandang. Untuk itu posisi indikator-indikator tersebut perlu dipindah.
Pada kasus di atas, penulis memilih Right atau Rata Kanan agar tampilan model peneltian menjadi lebih elok dipandang. Lihat hasilnya pada gambar di bawah ini.
13
Jika
proses
memasukkan
dan
penyesuaian
posisi
indikator-indikator
pengukuran variabel ini telah selesai dilakukan, maka akan nampak tampilan sebagaimana gambar di atas. Apabila peneliti sudah sampai pada tahap ini, maka pengujian statistik sudah siap
untuk
dilakukan.
Pengujian
terdiri
dari
uji
kualitas
model
pengukuran/instrumen (PLS algoritm) dan uji hipotesis (Bootstrapping).
Uji Kualitas Model Pengukuran Untuk melakukan uji kualitas model pengukuran, caranya adalah: Klik menu Calculate -> PLS Algoritm (lihat pada bagian yang dilingkari pada gambar dibawah ini !)
14
Setelah itu, maka akan muncul tampilan seperti gambar di bawah ini. Selanjutnya, pilih (klik) Start Calculation.
15
Setelah proses Calculation selesai, maka akan keluar hasil pengujian kualitas model pengukuran (lihat gambar di bawah ini !). Penyimpulan mengenai kualitas model pengukuran mengacu pada rule of tumbs berikut ini: Tabel 1. Parameter Uji Validitas dalam Model Pengukuran PLS Uji Validitas Konvergen
Parameter Rule of tumbs Faktor Loading >0,7 (Outer Loading) Average Variance Extracted (AVE) >0,5 Communality >0,5 Validitas Deskriminan Akar AVE dan korelasi variabel Akar AVE > korelasi variabel laten laten (Discriminant Validity) Cross Loading >0,7 dalam satu variabel (Discriminant Validity) Reliabilitas Cronbach Alpha >0,6 Composite Reliability >0,6 Sumber: Chin (1995); Werts et al. (1974) Salisbury et al. (2002); Hartono dan Abdillah (2011)
Pada gambar di bawah ini nampak hasil outer loadings (di SPSS diistilahkan dengan Factor Loadings) digunakan untuk mengukur validitas konvergen dari model pengukuran (instrumen). Pada kasus ini, hasil uji outer loadings menunjukkan skor yang rendah pada variabel AKT (Akuntabilitas) yaitu kurang dari rule of tumbs 0,70 (Chin, 1998). Skor kurang dari 0,70 juga nampak pada konstruk KMUK4 dan KSI3. Nampak pula variabel INS (Insentif) memiliki korelasi tidak hanya pada dirinya (INS) tetapi juga pada AKT (Akuntabilitas). Dari hasil ini maka dapat disimpulkan bahwa variabel Akuntabilitas (AKT) memiliki validitas konvergen yang kurang baik, sehingga sebaiknya variabel ini dieliminasi dan tidak diikutkan dalam pengujian hipotesis. Jika variabel akuntabilitas tetap diuji hipotesisnya maka hasil penelitian akan memiliki validitas yang lemah. Namun, karena ini hanya contoh, maka di bagian pengujian hipotesis nanti, variabel ini tetap diikutkan. Sementara, untuk kasus rendahnya KMUK4 dan KSI3, maka sebelum uji hipotesis dilakukan, kedua konstruk ini harus dieliminasi terlebih dahulu dari
16
perannya sebagai salah satu item pengukur (indikator) dari variabel yang diukurnya.
Menu-menu ini adalah hasil-hasil dari pengujian kualitas model pengukuran. Untuk melihat hasil-hasil tersebut dapat dilakukan dengan mengklik menu-menu ini.
Selanjutnya, menurut perhitungan cross loading (discriminant validity) di atas, dapat disimpulkan semua variabel memiliki korelasi tertinggi pada dirinya sendiri dibandingkan dengan korelasi pada variabel lain. Dengan demikian, syarat validitas diskriminan pada kasus penelitian ini terpenuhi.
17
18
Sementara, untuk skor Cronbach Alpha dan Composite Reliability yang mengukur relibilitas model pengukuran didapatkan hasil yang bagus, yakni lebih dari rule of tumbs 0,60 (Werts et al., 1974 dikutip dari Salisbury et al. 2002). Dengan demikian dapat disimpulkan bahwa model pengukuran semua variabel memiliki reliabilitas yang baik. Catatan ! Untuk kriteria rule of tumbs, beberapa statistikan memiliki perbedaan pendapat. Ada yang mensyaratkan harus lebih dari 0,70 seperti Chin (1998) dan ada yang boleh kurang dari 0,70 tetapi paling tidak lebih dari 0,40 seperti pendapat Lai dan Fan (2008) serta Vinzi et al. (2010). Menurut penulis sendiri tidak ada paksaan untuk mengikuti pendapat yang mana karena semuanya ada dasarnya.
Setelah
uji
kualitas
model
pengukuran
selesai
dilakukan
dan
model
pengukuran dinyatakan valid dan reliabel, maka langkah selanjutnya adalah pengujian hipotesis. Caranya adalah: Klik menu Calculate -> Bootstrapping (Lihat bagian yang ditandai pada gambar di bawah ini !)
19
Setelah itu maka akan muncul jendela sebagaimana gambar di bawah ini. Selanjutnya, pilih (klik) Start Calculation.
20
Maka akan keluar hasil-hasil pengujian hipotesis sebagaimana pada gambar di bawah ini.
Menu-menu ini adalah hasil-hasil dari pengujian hipotesis (Bootstrapping). Untuk melihat hasil-hasil tersebut dapat dilakukan dengan mengklik menu-menu ini.
Untuk melihat hasil pengujian hipotesis pada PLS dengan model sederhana sebagaimana
kasus
yang
sedang
dikerjakan,
pilihlah
menu
Path
Coefficients. Rule of tumbs dari terdukungnya suatu hipotesis penelitian adalah: (1) jika koefesien atau arah hubungan variabel (ditunjukkan oleh nilai original sample) sejalan dengan yang dihipotesiskan, dan (2) jika nilai t statistik lebih dari 1,64 (two-tiled) atau 1,96 (one-tiled) dan probability value (p-value) kurang dari 0,05 atau 5%. Pada kasus ini, mengacu pada hasil yang disajikan pada menu Path Coefficients, hipotesis yang terdukung ada tiga, yakni: (1) INS->AKT, (2) PLT>AKT dan (3) PLT->PIK dengan masing-masing p-value senilai 0,000; 0,040 dan 0,000. Dari hasil tersebut maka dapat disimpulkan bahwa Insentif (INS) berpengaruh
positif
terhadap
akuntabilitas
(AKT)
dan
pelatihan
(PLT)
21
berpengaruh positif terhadap akuntabilitas dan penggunaan informasi kinerja (AKT dan PIK).
Catatan: Kesalahpahaman yang kerap ditemui penulis adalah, ketika koefesien hasil uji statistik memiliki arah yang sama dengan hipotesis yang dirumuskan, misalnya insentif berpengaruh positif terhadap penggunaan informasi kinerja (INS->PIK), lalu ditemukan nilai koefesien (original sample) sebesar 0,231, tetapi nilai p-value (sig.) sebesar 0,665 (lebih dari 0,05 atau 5%). Banyak penulis temui, dari hasil tersebut peneliti menyimpulkan dengan kalimat yang kurang lebihnya sebagaimana berikut: “…..maka dapat disimpulkan bahwa insentif berpengaruh positif terhadap penggunaan informasi kinerja tetapi tidak signifikan…..” Penyimpulan seperti contoh di atas adalah penyimpulan yang keliru. Sebab, jika nilai p-value atau sig. lebih dari 0,05 atau 5%, maka itu artinya variabel independen tidak memiliki pengaruh terhadap variabel dependen walau seperti apapun jua hasil koefesien yang muncul. Hal itu karena dua asumsi untuk mendukung hipotesis tidak terpenuhi, yakni (1) koefesien sesuai dengan arah yang dihipotesiskan dan (2) nilai p-value (sig.) lebih dari 0,05.
Selanjutnya,
untuk
mengetahu
seberapa
besar
kemampuan
variabel
independen menjelaskan variabel dependen dapat dilihat dengan mengklik menu R Square-Adjusted.
22
Pada kasus ini nilai R Square Adjusted untuk Akuntabilitas (AKT) adalah 0,907 (90,7%) dan Penggunaan Informasi Kinerja (PIK) adalah 0,119 (11,9%). Artinya adalah,
kemampuan
variabel
independen
menjelaskan
variabel
dependen akuntabilitas (AKT) adalah 90,7% dan sisanya dijelaskan oleh variabel independen lain yang tidak ada di dalam model penelitian yang dirumsukan pada penelitian ini. Sementara, kemampuan variabel independen menjelaskan variabel dependen penggunaan informasi kinerja (PIK) adalah 11,9% dan sisanya dijelaskan oleh variabel independen lain yang tidak ada di dalam model penelitian yang dirumsukan pada penelitian ini.
23
Pengujian Hipotesis Penelitian dengan Variabel Pemediasi (Intervening) Proses
pengujian
pemediasi
hipotesis
(intervening)
dengan
model
yang
sebenarnya tidak jauh
menyertakan
berbeda
dengan
variabel proses
pengujian hipotesis dengan model sederhana, seperti yang dijelaskan pada bagian sebelumnya. Proses yang dimaksud yaitu: 1. Menyiapkan data dalam file Microsoft excel dengan format CSV (comma delimited). 2. Membuka program (software) SmartPLS 3 3. Membuat new project 4. Meng-import data yang sudah disiapkan (poin 1) 5. Menggambar model penelitian yang terdiri dari beberapa variabel laten 6. Memasukkan data kuesioner (indikator) ke dalam variabel laten 7. Melakukan pengujian kualitas model pengukuran (PLS algoritm) 8. Melakukan pengujian hipotesis (bootstrapping) Yang
membedakan
antara
model
sederhana
dengan
model
dengan
memasukkan variabel pemediasi adalah letak (posisi) susunan variabel yang harus dibuat atau digambar dalam program SmartPLS. Untuk mempermudah memahami bagaimana proses pengujian hipotesis dengan model yang memuat variabel pemediasi, simaklah simulasi berikut ini.
24
Pertama-tama,
buatlah
gambar
model
penelitian
sesuai
dengan
yang
dirumuskan pada proposal penelitian. Pada contoh kasus ini, model yang dibuat berdasrkan pada tiga hipotesis berikut: H1: Pengembangan Sistem Pengukuran Kinerja (PSPK) berpengaruh positif terhadap Akuntabilitas (AKT). H2: Pengembangan Sistem Pengukuran Kinerja (PSPK) berpengaruh positif terhadap Penggunaan Informasi Kinerja (PIK). H3:
Pengembangan Sistem Pengukuran Kinerja (PSPK) berpengaruh positif terhadap Penggunaan Informasi Kinerja (PIK) melalui Akuntabilitas (AKT)
Hipotesis 1 dan 2 adalah hubungan langsung variabel independen terhadap variabel dependen / efek utama, sedangkan Hipotesis 3 adalah hubungan tidak langsung variabel independen terhadap variabel dependen /indirect
25
effect/ efek mediasi. Mengacu pada Baron dan Kenney (1986) sebagaimana dikutip Hartono dan Abdillah (2014), pengujian efek dari variabel pemediasi dapat dilakukan jika efek utama variabel independen terhadap variabel dependen adalah signifikan. Jika hal tersebut tidak terpenuhi, maka pengujian efek mediasi tidak perlu dilanjutkan karena biasanya hasilnya pasti tidak signifikan. Asumsi ini juga berlaku untuk pengujian pada model yang terdapat variabel pemoderasi (moderating) di dalamnya. Setelah model penelitian selesai digambar, masukkan indikator-indikator pengukuran variabel seperti gambar di bawah ini.
Setelah model selesai dibuat dengan sempurna (sebagaimana gambar di atas), maka langkah selanjutnya adalah melakukan uji kualitas model pengukuran (instrumen) penelitian dengan cara: Klik menu Calculate -> PLS Algoritm -> Start Calculation
26
Kemudian lihat kualitas validitas konvergen, validitas diskriminan, dan reliabilitas pada menu-menu yang ada pada hasil uji model pengukuran sebagaimana contoh kasus pengujian hipotesis pada model sederhana yang dijelaskan
di
pembahasan
sebelumnya.
Pada
contoh
kasus
berikut,
diasumsikan model pengukuran memenuhi syarat validitas dan reliabilitas. Selanjutnya, dilakukan uji hipotesis dengan cara: Klik menu Calculate -> Bootstrapping -> Start Calculation Untuk melihat hasil uji hipotesis efek utama, dapat dilakukan dengan mengklik menu “Path Coefficients”.
Dari hasil analisis statistic menggunakan PLS, dapat disimpulkan bahwa Pengembangan
Sistem
Pengukuran
Kinerja
(PSPK)
berpengaruh
positif
terhadap Akuntabilitas (AKT) (H1 terdukung) dan juga terhadap Penggunaan Informasi Kinerja (PIK) (H2 terdukung) dengan p-value < 0,05 yakni masingmasing 0,000 dan 0,015. Dengan demikian, dapat disimpulkan bahwa asumsi
27
efek utama variabel independen tehadap variabel dependen harus signifikan telah terpenuhi, sehingga uji efek mediasi dapat dilakukan (Baron dan Kenney, 1986). Untuk melihat hasil uji hipotesis efek mediasi, dapat dilakukan dengan mengklik menu “Inderect Effects”.
Dari hasil analisis PLS, ditemukan bahwa Pengembangan Sistem Pengukuran Kinerja (PSPK) berpengaruh positif terhadap Penggunaan Informasi Kinerja (PIK) melalui Akuntabilitas (AKT) dengan signifkansi sebesar 0,030 atau <0,05. Selanjutnya untuk mengetahui apakah mediasi ini bersifat mediasi penuh atau semu (fully mediating or quasi-meadiating), dapat dilakukan dengan mengklik menu “Total Effects”.
28
Dari hasil analisis total effects menggunakan PLS sebagaimana gambar di atas, ditemukan bahwa hubungan Pengembangan Sistem Pengukuran Kinerja (PSPK) terhadap Penggunaan Informasi Kinerja (PIK) masih signifikan dengan p-value 0,000 (<0,05). Dengan demikian, dapat disimpulkan bahwa mediasi ini hanya bersifat semu (quasi-mediating). Mediasi penuh (fully mediating) terjadi jika
pada
total
effects
ditemukan
hubungan
Pengembangan
Sistem
Pengukuran Kinerja (PSPK) terhadap Penggunaan Informasi Kinerja (PIK) menjadi tidak signifikan (Hartono dan Abdillah, 2014).
29
Pengujian Hipotesis Penelitian dengan Variabel Pemoderasi (Moderating) Contoh Moderasi 1 Proses
pengujian
hipotesis
dengan
model
yang
menyertakan
variabel
pemoderasi (moderating) sebenarnya tidak jauh berbeda dengan proses pengujian hipotesis dengan model sederhana dan model pemediasi, seperti yang dijelaskan pada bagian sebelumnya. Proses yang dimaksud yaitu: 1. Menyiapkan data dalam file Microsoft excel dengan format CSV (comma delimited). 2. Membuka program (software) SmartPLS 3 3. Membuat new project 4. Meng-import data yang sudah disiapkan (poin 1) 5. Menggambar model penelitian yang terdiri dari beberapa variabel laten 6. Memasukkan data kuesioner (indikator) ke dalam variabel laten 7. Memunculkan variabel pemoderasi (moderating effect/interaction effect) 8. Melakukan pengujian kualitas model pengukuran (PLS algoritm) 9. Melakukan pengujian hipotesis (bootstrapping) Yang
membedakan
antara
model
sederhana
dengan
model
dengan
memasukkan variabel pemoderasi terletak pada poin 7 (tulisan yang di-boldkan). Untuk mempermudah memahami bagaimana proses pengujian hipotesis dengan model yang memuat variabel pemoderasi, simaklah simulasi berikut ini.
30
Seperti biasa, langkah pertama yang harus dilakukan adalah menggambar model penelitian.
Sebagaimana dijelaskan pada bagian sebelumnya, mengacu pada Baron dan Kenney (1986) sebagaimana dikutip Hartono dan Abdillah (2014), pengujian efek dari variabel pemoderasi hanya dapat dilakukan jika efek utama variabel independen terhadap variabel dependen adalah signifikan. Jika hal tersebut tidak terpenuhi, maka pengujian efek moderasi tidak perlu dilanjutkan karena biasanya hasilnya pasti tidak signifikan. Asumsi ini juga berlaku untuk pengujian pada model yang terdapat variabel pemediasi (mediating) di dalamnya. Model penelitian kali ini adalah ingin menguji pengaruh Insentif (INS) terhadap hubungan Pelatihan (PLT) dan Akuntabilitas (AKT). Jika dirumuskan dalam bentuk hipotesis, maka dapat ditulis:
31
H1:
Insentif berpengaruh positif terhadap akuntabilitas.
H2:
Pelatihan berpengaruh positif terhadap akuntabilitas.
H3:
Insentif memoderasi hubungan positif dari pelatihan dan akuntabilitas.
Dari rumusan hipotesis di atas, Hipotesis 1 dan 2 merupakan pengujian efek utama dan Hipotesis 3 merupakan pengujian efek moderasi dari insentif. Untuk menjadikan variabel insentif (INS) sebagai variabel pemoderasi caranya adalah: Letakkan posisi kursor pada variabel Dependen (AKT) -> klik kanan mouse -> Add interaction effect
Menu: Add interaction effect
Setelah itu maka akan muncul kotak dialog sebagaimana gambar di bawah. Pada menu isian Moderator Variable, pilih nama variabel yang akan dijadikan variabel pemoderasi (dalam kasus ini adalah variabel Insentif). Sedangkan pada menu Predictor Variable, pilih nama variabel independen yang akan
32
diinteraksikan dengan variabel moderator (dalam kasus ini adalah variabel pelatihan).
Moderator Variable diisi nama variabel yang akan dijadikan variabel pemoderasi (dalam kasus ini adalah variabel Insentif). Sedangkan pada Predictor Variable diisi nama variabel independen yang akan diinteraksikan dengan variabel moderator (dalam kasus ini adalah variabel pelatihan). Setelah itu klok “OK”.
Jika proses ini selesai dilakukan, maka akan muncul variabel baru dengan warna berbeda sebagaimana yang ditampilkan pada gambar di bawah ini.
Variabel pemoderasi
33
Setelah model selesai dibuat dengan sempurna (sebagaimana gambar di atas), maka langkah selanjutnya adalah melakukan uji kualitas model pengukuran (instrumen) penelitian dengan cara: Klik menu Calculate -> PLS Algoritm -> Start Calculation Kemudian lihat kualitas validitas konvergen, validitas diskriminan, dan reliabilitas pada menu-menu yang ada pada hasil uji model pengukuran, sebagaimana contoh kasus pengujian hipotesis pada model sederhana dan model dengan variabel pemediasi yang dijelaskan di pembahasan sebelumnya. Pada contoh kasus berikut, diasumsikan model pengukuran memenuhi syarat validitas dan reliabilitas. Selanjutnya, dilakukan uji hipotesis dengan cara: Klik menu Calculate -> Bootstrapping -> Start Calculation Untuk melihat hasil uji hipotesis efek utama, dapat dilakukan dengan mengklik menu “Path Coefficients” atau juga bisa pada menu “Total Effects”.
Variabel pemoderasi
34
Dari hasil analisis statistik menggunakan PLS, dapat disimpulkan bahwa Insentif (INS) dan Pelatihan (PLT) berpengaruh positif terhadap Akuntabilitas (AKT), dengan p-value <0,05 yakni masing-masing 0,003 dan 0,045. Dengan ini maka dapat disimpulkan Hipotesis 1 dan 2 terdukung. Dengan demikian pula, asumsi efek utama variabel independen tehadap variabel dependen harus signifikan telah terpenuhi, sehingga uji efek moderasi dapat dilakukan (Baron dan Kenney, 1986). Hasil pengujian efek moderasi sendiri sebenarnya sudah tersaji pada gambar di atas, yakni pada bagian yang ditandai. Nilai pvaluenya adalah 0,137 atau >0,05. Dengan demikian maka dapat disimpulkan bahwa hipotesis 3 tidak terdukung, yang artinya Insentif (INS) tidak memiliki pengaruh moderasi atas hubungan variabel Pelatihan (PLT) dan Akuntabilitas (AKT).
Contoh Moderasi 2 Pada contoh moderasi 2 ini, penulis hanya ingin menunjukkan bahwa ketika asumsi efek utama tidak terpenuhi, maka hasil pengujian variabel pemoderasi akan tidak signifikan. Oleh karenanya, jika efek utama tidak signifikan, maka tidak perlu dilakukan uji efek moderasi, karena hal itu hanya akan membuang-buang waktu, tenaga dan pikiran. Misalnya, pada kasus ini, dirumuskan model yang menguji pengaruh Kesulitan menentukan Ukuran Kinerja (KMUK) dan Pelatihan (PLT) terhadap Pengembangan Sistem Pengukuran Kinerja (PSPK). Hipotesis yang dirumuskan adalah sebagai berikut: H1: Kesulitan Menentukan Ukuran Kinerja (KMUK) berpengaruh negatif terhadap Pengembangan Sistem Pengukuran Kinerja (PSPK). H2: Pelatihan (PLT) berpengaruh positif terhadap Pengembangan Sistem Pengukuran Kinerja (PSPK).
35
H3: Pengaruh negatif dari Kesulitan Menentukan Ukuran Kinerja (KMUK) terhadap Pengembangan Sistem Pengukuran Kinerja (PSPK) akan menjadi lemah jika terdapat Pelatihan (PLT). Dari model penelitian yang dirumuskan, maka model yang digambarkan pada program SmartPLS adalah sebagai berikut:
Selanjutnya,
variabel
Pelatihan
(PLT)
diatur
untuk
menjadi
variabel
pemoderasi dengan cara yang sama seperti kasus moderasi 1, yaitu: Letakkan posisi kursor pada variabel Dependen (PSPK) -> klik kanan mouse -> Add interaction effect Selanjutnya, pada kotak dialog yang muncul, pada menu isian Moderator Variable dipilih variabel Pelatihan (PLT), dan pada menu Predictor Variable dipilih variabel Kesulitan Menentukan Ukuran Kinerja (KMUK). Setelah itu maka akan muncul variabel baru dengan warna berbeda yang berlaku sebagai variabel pemoderasi.
36
Variabel pemoderasi
Setelah model selesai dibuat dengan sempurna (sebagaimana gambar di atas), maka langkah selanjutnya adalah melakukan uji kualitas model pengukuran (instrumen) penelitian dengan cara: Klik menu Calculate -> PLS Algoritm -> Start Calculation Kemudian lihat kualitas validitas konvergen, validitas diskriminan, dan reliabilitas pada menu-menu yang ada pada hasil uji model pengukuran, sebagaimana contoh kasus pengujian hipotesis pada model sederhana dan model dengan variabel pemediasi yang dijelaskan di pembahasan sebelumnya. Pada contoh kasus berikut, diasumsikan model pengukuran memenuhi syarat validitas dan reliabilitas. Selanjutnya, dilakukan uji hipotesis dengan cara: Klik menu Calculate -> Bootstrapping -> Start Calculation
37
Untuk melihat hasil uji hipotesis efek utama, dapat dilakukan dengan mengklik menu “Path Coefficients” atau juga bisa pada menu “Total Effects”.
Variabel pemoderasi
Dari hasil analisis statistik menggunakan PLS, dapat disimpulkan bahwa Kesulitan Menentukan Ukuran Kinerja (KMUK) dan Pelatihan (PLT) tidak berpengaruh terhadap Pengembangan Sistem Pengukuran Kinerja (PSPK) dengan p-value >0,05 yakni masing-masing 0,399 dan 0,507. Dengan ini maka dapat disimpulkan Hipotesis 1 dan 2 tidak terdukung. Dengan demikian pula, asumsi efek utama variabel independen tehadap variabel dependen harus signifikan tidak terpenuhi, sehingga uji efek moderasi tidak perlu dilakukan karena hasil sudah tentu tidak akan signifikan pula (Baron dan Kenney, 1986). Namun, karena hasil pengujian efek moderasi di PLS dilakukan secara serentak dengan efek utama (tidak seperti SPSS yang dilakukan secara bertahap), maka hasil efek moderasi sebenarnya sudah tersaji pada gambar di atas, yakni pada bagian yang ditandai. Nilai p-valuenya adalah 0,561 atau >0,05. Dengan demikian maka dapat disimpulkan bahwa hipotesis 3 tidak terdukung, yang artinya keberadaan Pelatihan tidak dapat memoderasi hubungan dari variabel Kesulitan Menentukan Ukuran Kinerja (KMUK) dan Pengembangan Sistem Pengukuran Kinerja (PSPK).
