,br/>
Pada umumnya sebelum melakukan analisis model structural, peneliti terlebih dahulu harus melakukan pengukuran model (measurement model), yang tujuannya untuk menguji apakah data yang dibangun tersebut memiliki validitas dan reliabilitas dari indikator-indikator pembentuk konstruk laten tersebut dengan melakukan analisis factor konfirmatori.
Outer model dengan indicator refleksif yang kita bahas sekarang ini harus dievaluasi melalui validitas convergent dan discriminant dari indicator pembentuk konstruk laten dan composite reliability serta Cronbach alpha untuk blok indikatornya.
Kemduian yang perlu diketahui lagi adalah bahwa, suatu konstruk secara konseptual itu ada dua macan yaitu Unidimensional dan Multidimensional. Jika konstruk berbentuk Unidimensional untuk menguji validitas konstruknya menggunakan apa yang disebut First Order Confirmatory Factor Analysis, seperti yang kita akan bahas sekarang ini. Sedangkan konstruk Multidimensional untuk menguji validitas konstruknya menggunakan apa yang disebut Second Order Confirmatory Factor Analysis.
Sekarang mari kita mulai untuk contoh kasus ini dengan menggunakan program SmartPLS versi 3.2.3. Contoh dalam pengujian fisrt oder konstruk indicator refleksif ini menggunakan sampel sebanyak 238 responden. Berikut tahapannya :
- Buka aplikasi SmartPLS versi 3.2.3, dengan tampilan menu seperti di bawah ini, kemudian klik New Project.
- Menu Create Project akan tampil seperti gambar di bawah ini.
Kemudian isikan nama project yang akan kita buat, dalam contoh ini nama projectnya adalah Confirmacy Factor Analysis Indikator Refleksif, seperti gambar di bawh ini.
Setelah memberikan nama untuk project baru tersebut kemudian klik OK. Dan selanjutnya kita akan disuguhkan pada tampilan menu seperti di bawah ini.
Dari gambar diatas dapat dilihat bahwa kita sudah berhasil membuat suatu project baru dengan nama Confirmatory Factor Analysis Indikator Refleksif. - Setelah berhasil membuat nama project baru tersebut kemudian kita harus menyiapkan data yang diperlukan untuk project tersebut, dalam contoh ini sudah disiapkan data sebanyak 238 responden. Selanjut kita ambil data tersebut dengan melakukan double klik pada tulisan “Double-click to import data”, seperti gambar berikut ini.
Perintah “Double-click to import data” akan mengarahkan kita ke explorer untuk mencari dimana data file project baru tersebut disimpan (lihat gambar di atas). Setelah data ditemukan, kemudian disorot dan klik open. Selanjutnya tampil menu SmartPLS untuk memverifikasi apakah sudah benar data tersebut yang akan digunakan, jika ya maka lanjutkan dengan klik OK, seperti gambar di bawah ini.
Maka secara otomatis data (Bab 6 Data Confirmatory Factor Analysis Indikator Refreksif) akan di import ke dalam project baru (Confirmatory Factor Analysis Indikator Refleksif) tersebut. Pada menu ini terdapat tiga pilihan tampilan, yaitu Indicators, Indicator Correlation, dan Raw File. Sesuai gambar di bawah ini maka kita pilih Raw File untuk menampilan data yang telah diimport tersebut.
Pada menu Project Explorer seperti gambar di bawah ini dapat kita lihat bahwa sudah terdapat dua informasi, yaitu Model CFA dan Datanya. Berarti kita sudah siap melakukan analisis tahap selanjutnya.
- Analisis selanjutnya adalah membuat model structural. Pada contoh ini digunakan sebanyak 7 variabel latent atau konstruk yaitu : Attitude, Enjoyment, Perceived Social Presence, Perceived Ease of Use, Perceived Usefulness, Telepresence, Trust.
Untuk membuat model structural dilakukan pada Drawing Area ditunjukkan pada No.3
Pertama aktifkan duu drawing area dengan melakukan double klik pada Confirmatory Factor Analysis Indikator Refleksif ditunjukkan pada No.1, kemudian akan muncul di tab Confirmatory Factor Analysis Indikator Refleksif, yaitu jendela Drawing Area yang digunakan untuk membuat model skrutural.
Yang ditunjukkan oleh pada No.2 adalah tools Variabel Latent yang digunakan untuk membuat variable laten atau konstruk, dengan tools ini maka kita dapat menggambarkan model structural yang dibutuhkan dalam analisis ini. - Gambarkan satu persatu Variabel Latent atau konstruk tersebut sebanyak 7 buah yang mewakili 7 variabel latent atau konstruk yang akan digunakan dalam analisis ini. Dengan menggunakan tools Variabel Latent seperti yang ditunjukkan pada No.2 pada gambar di atas.
Kemudian memberikan nama dan jenis data pada setiap variable latent tersebut, seperti gambar berikut ini.
Pertama aktifkan dulu drawing area dengan melakukan double klik pada Confirmatory Factor Analysis Indikator Refleksif ditunjukkan pada No.1, kemudian akan muncul di tab Confirmatory Factor Analysis Indikator Refleksif, yaitu jendela Drawing Area yang digunakan untuk membuat model skrutural.
Yang ditunjukkan oleh pada No.2 adalah tools Variabel Latent yang digunakan untuk membuat variable laten atau konstruk, dengan tools ini maka kita dapat menggambarkan model structural yang dibutuhkan dalam analisis ini. - Langkah selanjutnya men-drag indicator-indikator yang terletak di sebelah kiri di drag ke kanan. Di mana indicator-indikator yang digunakan untuk masing-masing variable latent tersebut adalah :
Attitude memiliki indikator ATT1, ATT2, ATT3, ATT4. Perceived Usefullnes memiliki indikator PU1, PU2, PU3, PU4. Perceived Ease of Use memiliki indikator EOU1, EOU2, EOU3, EOU4. Perceived Social Presences memiliki indikator PSP1, PSP2, PSP3. Trust memiliki indikator TRS1, TRS2, TRS3, TRS4. Enjoyment memiliki indikator ENJ1, ENJ2, ENJ3, ENJ4.
Hasil dari men-drag masing-masing indicator tersebut ke masing-masing varibel latentnya dapat dilihat pada gambar di bawah ini.
- Terakhir lakukan path analisis dengan menggunakan tools anak panah seperti pada gambar di bawah ini.
Lakukan untuk semua variable latent seperti tampak pada gambar di bawah ini.
Terlihat bahwa setelah dilakukan semua path analisis maka lingkaran merah variable latent menjadi berwarna biru ini menunjukkan bahwa semua variable tersebut sudah siap dilanjutkan ketahap berikutnya yaitu tahap Calculate. Tahap me-running Pengujian First Order Konstruk Indikator Refleksif. Seperti tampak pada gambar di bawah ini.
Selanjutnya akan tampil menu seperti gambar di bawah ini, karena data yang diminta sudah sesuai, dimana Path Weighting Shceme yang diminta adalah mean = 0, Var = 1, Maximum Iteration = 300
- Start Calculation, untuk meng-execute atau me-running Confirmatory Factor Analysis Indikator Refleksif, dan hasilnya dapat dilihat pada gambar di bawah ini.
Terdapat tiga bagian informasi, dimana dua informasi lainnya sudah dibicarakan sebelumnya, yaitu informasi Bab 6 Data Confirmatory Factor Analysis Indikator Refreksif, informasi Confirmatory Factor Analysis Indikator Refleksif, dan hasil running terakhir adaah informasi PLS Algorithm. Yang memberikan informasi output yang dibutuhkan dalam pengambilan keputusan.
- Pengambilan keputusan :
Diperlukan beberapa informasi dalam mengambil keputusan terhadap analisis Confirmatory Factor Analysis Indikator Refleksif. Antara lain : AVE, Cronbach Alpha, dan Composite Reliability. Seperti pada gambar berikut ini.
Dengan mengklik pilihan Average Variance Extracted (AVE) dapat diketahui bahwa nilai yang dihasilkan oleh semua konstruk yaitu di atas > 0,5. Sehingga memenuhi persyaratan validitas konvergen.
Cronbach Alpha
Nilai Cronbach Alpha yang dihasilkan semua konstruk sangat baik yaitu di atas > 0,7. Sehingga dapat disimpulkan bahwa semua indicator adalah reliabel atau memenuhi uji reliabilitas.
Composite Reliability
Nilai Composite Reliability yang dihasilkan semua konstruk sangat baik yaitu di atas > 0,7. Sehingga dapat disimpulkan bahwa semua indicator konstruk adalah reliabel atau memenuhi uji reliabilitas.
Dengan langkahnya :
Pertama tujukan kursor pada lingkaran merah yang mewakili variable latent. Setelah itu double klik kanan pada lingkaran tersebut dan akan tampil menu seperti pada gambar yang ditunjukkan pada anak panah No.2 yaitu menu Indicator Weighting Mode, dan pilih Mode A. selanjutnya klik OK.
Kedua kembali tujukan kursor pada lingkaran merah dan lakukan klik kanan maka akan tampil menu seperti berikut ini .
Pada anak panah No.2, yaitu Rename digunakan untuk memberikan nama variable latent tersebut. Dicontoh ini misalnya, Latent Variable 1 diganti dengan nama Attitude, dan seterus lakukan pada keenam variable latent lainnya, seperti tampak pada gambar di bawah ini.
Ayo Like Facebooknya
