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 : IF1 0.809 IF2 0.836 IF3 0.830 IF4 0.765 IF5 0.288 IF6 0.764 OF1 0.846 OF2 0.782 OF3 0.803 OF4 0.827 OF5 0.811 OF6 0.727 SRP1 0.943 SRP2 0.931 SRP3 0.924 SRP4 0.907 SRP5 0.925 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 : 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 : Cronbach's Composite Average Variance rho_a Alpha Reliability Extracted (AVE) IF 0.862 0.870 0.901 0.645 OF 0.887 0.893 0.914 0.640 SRP 0.959 0.959 0.968 0.858
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 meliputi pengukuran bobot dan deteksi multikolinearitas. a. Pengukuran bobot IF1 0.267 IF2 0.266 IF3 0.275 IF4 0.220 IF6 0.213 OF1 0.247 OF2 0.202 OF3 0.191 OF4 0.217 OF5 0.205 OF6 0.185 SRP1 0.226 SRP2 0.217 SRP3 0.221 SRP4 0.208 SRP5 0.207 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 1.000 OF 0.687 1.000 SRP -0.717-0.766 1.000
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 -0.293 OF 0.361-0.483 0.651 SRP WEF 0.500-0.127 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) Standard Deviation (STDEV) T Statistics ( O/STDEV ) P Values IF -> SRP -0.262-0.265 0.095 2.775 0.006 OF -> IF 0.296 0.301 0.073 4.060 0.000 OF -> SRP -0.446-0.445 0.102 4.366 0.000 OF -> WEF 0.520 0.526 0.063 8.265 0.000 WEF -> IF 0.507 0.504 0.073 6.967 0.000 WEF -> SRP -0.136-0.137 0.087 1.571 0.117
Berdasarkan tabel di atas, dapat disimpulkan : a. IF berpengaruh terhadap SRP 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 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 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 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 Nilai signifikan variabel IF terhadap WEF yang didapat dari hasil uji t adalah 0,000 < 0,05, yang berarti WEF berpengaruh signifikan terhadap IF.
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. f. OF berpengaruh terhadap IF 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 -0.293 OF 0.361-0.483 0.651 SRP WEF 0.500-0.127 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