STRUCTURAL EQUATION MODELING - PLS SPSS for Windows
A. PENILAIAN MODEL PENGUKURAN Penilaian model pengukuran dibagi menjadi 2 pengukuran yaitu pengukuran model reflektif dan pengukuran model formatif. 1. Pengukuran Model Reflektif Pada tahap ini, akan dilakukan seleksi indikator yang akan dianalisa dengan SEM PLS. Kriteria yang harus dipenuhi dalam tahap ini ada 3, yaitu harus memenuhi: a. Validitas Konvergen ( Convergent Validity) syarat : nilai loading factor > 0,5 Indikator dengan nilai loading factor < 0,5 harus didrop dari model (Chin,1998) Output smartPLS3 : IF IF1
0.809
IF2
0.836
IF3
0.830
IF4
0.765
IF5
0.288
IF6
0.764
OF
OF1
0.846
OF2
0.782
OF3
0.803
OF4
0.827
OF5
0.811
OF6
0.727
SRP
SRP1
0.943
SRP2
0.931
SRP3
0.924
SRP4
0.907
SRP5
0.925
WEF
WEF1
0.815
WEF2
0.331
WEF3
0.813
WEF4
0.764
WEF5
0.833
Interpretasi hasil : nilai loading factor variabel IF5 adalah 0,288 < 0,5 dan nilai loading factor WEF 2 adalah 0,331 < 0,5, sehingga kedua variabel tersebut harus didrop dari model karena tidak memenuhi validitas konvergen. Dengan demikian indikator IF yang diikutkan dalam analisis
selanjutnya hanya IF1, IF2, IF3, IF4 dan IF 5 demikian juga dengan variabel WEF pada analisis selanjutnya hanya dikombinasi oleh indikator WEF1, WEF3, WEF4 dan WEF5. b. Validitas Deskriminan (Descriminant Validity) Syarat : nilai cross loading indikator ke konstruk lebih besar dari konstruk lainnya Output smart PLS : IF
OF
SRP
WEF
IF1
0.807
0.627
-0.594
0.632
IF2
0.846
0.580
-0.624
0.620
IF3
0.834
0.603
-0.641
0.639
IF4
0.767
0.456
-0.520
0.524
IF6
0.759
0.465
-0.480
0.519
OF1
0.645
0.846
-0.727
0.612
OF2
0.521
0.783
-0.573
0.539
OF3
0.506
0.802
-0.557
0.478
OF4
0.570
0.826
-0.666
0.502
OF5
0.535
0.811
-0.587
0.526
OF6
0.500
0.726
-0.540
0.451
SRP1
-0.680
-0.747
0.943
-0.657
SRP2
-0.663
-0.709
0.931
-0.633
SRP3
-0.699
-0.722
0.924
-0.596
SRP4
-0.634
-0.689
0.907
-0.579
SRP5
-0.644
-0.678
0.925
-0.571
WEF1
0.572
0.570
-0.541
0.812
WEF3
0.587
0.489
-0.485
0.818
WEF4
0.572
0.473
-0.466
0.763
WEF5
0.650
0.572
-0.623
0.849
Interpretasi hasil : nilai cross loading seluruh indikator ke konstruknya lebih besar dari nilai loading factor indikator ke konstruk lain, sehingga seluruh indikator telah memenuhi validitas deskriminan c. Reliabilitas Komposit ( composite Reliability), AVE & Crombach’s Alpha Standar : nilai compsite reliability > 0,7, AVE > 0,5 & crombach’s alpha >0,6 output smartPLS :
IF
Cronbach's Alpha 0.862
0.870
Composite Reliability 0.901
Average Variance Extracted (AVE) 0.645
OF
0.887
0.893
0.914
0.640
SRP
0.959
0.959
0.968
0.858
rho_A
WEF
0.826
0.832
0.885
0.658
Interpretasi hasil : Nilai composite reliability seluruh variabel lebih dari 0,7 yang berarti seluruh variabel adalah reliabel Nilai AVE seluruh variabel telah memenuhi standar yaitu lebih dari 0,5 Nilai crombach’s alpha seluruh variabeltelah memenuhi stndar yaitu lebih dari 0,6 2.
Pengukuran Model Formatif Pengukuran model formatif multikolinearitas. a. Pengukuran bobot IF IF1
0.267
IF2
0.266
IF3
0.275
IF4
0.220
IF6
0.213
meliputi
OF
OF1
0.247
OF2
0.202
OF3
0.191
OF4
0.217
OF5
0.205
OF6
0.185
pengukuran
SRP
SRP1
0.226
SRP2
0.217
SRP3
0.221
SRP4
0.208
SRP5
0.207
bobot
dan
deteksi
WEF
WEF1
0.313
WEF3
0.292
WEF4
0.282
WEF5
0.344
Seluruh indikator mempunyai bobot terhadap konstruknya masing-masing sehingga pengukuran bobot dapat dikatakan signifikan. b. Deteksi multikolinearitas Deteksi multikolinearitas dilakukan dengan melihat nilai VIF seluruh indikator, apabila nilai VIF indikator lebih < 10 maka dikatakan tidak ada
multikolinearitas antar indikator yang berarti asumsi multikolinearitas terpenuhi. Output smartPLS :
Outer VIF Values VIF IF1
1.895
IF2
2.239
IF3
2.078
IF4
1.777
IF6
1.724
OF1
2.468
OF2
1.958
OF3
2.073
OF4
2.413
OF5
2.156
OF6
1.681
SRP1
5.784
SRP2
4.968
SRP3
4.579
SRP4
3.804
SRP5
4.683
WEF1
1.864
WEF3
1.947
WEF4
1.642
WEF5
1.968
Nilai VIF seluruh indikator <10 yang berarti tidak ada multikolinearitas antar indikator yang berarti asumsi multikolinearitas terpenuhi. B. Peniliaian Model Struktural Penilaian Model Struktural meliputi beberapa pengukuran yaitu pengukuran R square dan estimasi koefisien jalur beserta signifikansinya yang merupakan bagian dari pengujian hipotesis penelitian. a. Latent Variable Correlation Syarat : valid jika r > 0,5 Output smartPLS: Latent Variable Correlations IF
OF
IF
1.000
OF
0.687
1.000
-0.717
-0.766
SRP
SRP
1.000
WEF
WEF
0.735
0.651
-0.656
1.000
Nilai koefisien korelasi (r) seluruh variabel telah memenuhi syarat yaitu lebih dari 0,5 yang berarti seluruh varabel bebas valid dalam mengukur variabel terikat. Dengan demikian koefisien path masing-masing variabel juga valid. b. Koefisien Path Berikut ini adalah nilai koefisien path masing-masing variabel eksogen terhadap variabel endogen : IF
OF
IF OF
SRP
WEF
-0.293 0.361
-0.483
0.500
-0.127
0.651
SRP WEF
Berdasarkan tabel di atas, Nilai koefisien path OF ke IF adalah 0,361 Nilai koefisien path WEF ke IF adalah 0,500 Nilai koefisien path IF ke SRP adalah -0,293 Nilai koefisien path OF ke SRP adalah -0,483 Nilai koefisien path WEF ke SRP adalah -0,127 Nilai koefisien path OF ke WEF adalah 0,651 c.
R Square Nilai R square menjelaskan besar kontribusi variabel eksogen terhadap variabel endogen. Dalam pengukuran nilai R Square, nilai R square sebesar 0,67 dikategorikan sebagai substansial, nilai R square sebesar 0,33 dikategorikan sebagai moderate, nilai R Square sebesar 0,19 dikategorikan sebagai lemah (Chin, 1988) dan nilai R square > 0,7 dikategorikan sebagai tinggi (Sarwono) Output smartPLS : R Square
R Square Adjusted
IF
0.616
0.612
SRP
0.663
0.658
WEF
0.424
0.421
Berdasarkan tabel di atas,
Nilai R square SRP adalah 0,663 yang berarti besar konstribusi yang diberikan variabel eksogen IF, OF dan WEF terhadap variabel SRP adalah 66,3% Nilai R square IF adalah 0,616 yang berarti besar konstribusi yang diberikan variabel eksogen IF (OF dan WEF) adalah 61,6% Nilai R square WEF adalah 0,424 yang bearrti besar kontribusi yang diberikan variabel eksogen WEF (OF) adalah 42,4%
d. Pengujian Hipotesis Pada awal analisa data penelitian, terdapat 6 hipotesis yang akan diuji dengan menggunakan metode SEM PLS, keempat hipotesis tersebut adalah :
H1 : IF berpengaruh terhadap SRP H2 : WEF berpengaruh terhadap SRP H3 : OF berpengaruh terhadap SRP H4 : WEF berpengaruh terhadap IF H5 : OF berpengaruh terhadap IF H6 : OF berpengaruh terhadap WEF
Seluruh pengujian hipotesis dilakukan dengan melihat nilai t hitung dan nilai probabilitas masing-masing variabel terhadap variabel endogennya. Dalam uji t ini, nilai t hitung menunjukkan sifat pengaruh variabel eksogen ke variabel endogennya (positif atau negatif) sedangkan nilai probabilitas menunjukkan signifikan tidaknya pengaruh variabel eksogen terhadap variabel endogen. Apabila nilai signifikan yang didapat < 0,05 maka dikatakan variabel eksogen berpengaruh signifikan terhadap variabel endogen, sedangkan jika signifikan. > 0,05 maka dikatakan variabel eksogen tidak berpengaruh signifikan terhadap variabel endogen. Output smartPLS: Original Sample (O)
Sample Mean (M)
IF -> SRP
-0.262
-0.265
Standard Deviation (STDEV) 0.095
OF -> IF
0.296
0.301
OF -> SRP
-0.446
OF -> WEF
0.520
WEF -> IF WEF -> SRP
T Statistics (|O/STDEV|)
P Values
2.775
0.006
0.073
4.060
0.000
-0.445
0.102
4.366
0.000
0.526
0.063
8.265
0.000
0.507
0.504
0.073
6.967
0.000
-0.136
-0.137
0.087
1.571
0.117
Berdasarkan tabel di atas, dapat disimpulkan : a.
IF berpengaruh terhadap SRP Berdasarkan tabel hasil uji t di atas, Nilai signifikan variabel IF terhadap SRP yang didapat dari hasil uji t adalah 0,006 < 0,05, yang berarti IF berpengaruh signifikan terhadap SRP. Nilai Original Sample variabel IF terhadap SRP adalah -0,262 dengan nilai probabilitas 0,006 yang berarti hubungan antara IF dan SRP adalah negatif, semakin tinggi nilai IF maka semakin rendah nilai SRP.
b. WEF tidak berpengaruh terhadap SRP Berdasarkan tabel hasil uji t di atas, Nilai signifikan variabel WEF terhadap SRP yang didapat dari hasil uji t adalah 0,117 > 0,05, yang berarti WEF tidak berpengaruh signifikan terhadap SRP. c.
OF berpengaruh terhadap SRP Berdasarkan tabel hasil uji t di atas, Nilai signifikan variabel OF terhadap SRP yang didapat dari hasil uji t adalah 0,000 < 0,05, yang berarti OF berpengaruh signifikan terhadap SRP. Nilai Original Sample variabel OF terhadap SRP adalah -0,446 yang berarti hubungan antara OF dan SRP adalah negatif, semakin tinggi nilai OF maka semakin rendah nilai SRP.
d. OF berpengaruh terhadap WEF Berdasarkan tabel hasil uji t di atas, Nilai signifikan variabel OF terhadap WEF yang didapat dari hasil uji t adalah 0,000 < 0,05, yang berarti OF berpengaruh signifikan terhadap WEF. Nilai Original Sample variabel OF terhadap WEF adalah 0,520 yang berarti hubungan antara OF dan WEF adalah positif, semakin tinggi nilai OF maka semakin tinggi nilai WEF. e.
WEF berpengaruh terhadap IF Berdasarkan tabel hasil uji t di atas, Nilai signifikan variabel IF terhadap WEF yang didapat dari hasil uji t adalah 0,000 < 0,05, yang berarti WEF berpengaruh signifikan terhadap IF.
f.
Nilai Original Sample variabel WEF terhadap IF adalah 0,507 yang berarti hubungan antara WEF dan IF adalah positif, semakin tinggi nilai WEF maka semakin tinggi nilai IF.
OF berpengaruh terhadap IF Berdasarkan tabel hasil uji t di atas, Nilai signifikan variabel OF terhadap IF yang didapat dari hasil uji t adalah 0,000 < 0,05, yang berarti OF berpengaruh signifikan terhadap IF. Nilai Original Sample variabel OF terhadap IF adalah 0,296 yang berarti hubungan antara OF dan IF adalah positif, semakin tinggi nilai OF maka semakin tinggi nilai IF.
PERSAMAAN JALUR Pada analisis regresi akan dihasilkan sebuah persamaan yang disebut sebagai persamaan regresi, pada analisis SEM PLS persamaan tersebut disebut dengan persamaan jalur. Berdasarkan diagram diagram Path yang didapat dari analisis SEM PLS dan hasil estimasi koefisien Path berikut, didapat beberapa persamaan jalur yaitu : Koefisien path : IF IF
OF
SRP
WEF
-0.293
OF
0.361
-0.483
0.500
-0.127
0.651
SRP WEF
Persamaan Jalur :
SRP = -0,293 IF – 0,483 OF – 0,127 WEF + e IF = 0,361 OF + 0,500 WEF + e WEF = 0,651 OF + e
