BAGIAN IV

CONTOH PENELITIAN MANAJEMEN MODEL

MODERASI DENGAN SMART-PLS 3.0

Contoh analisis SEM dalam penelitian manajemen menggunakan Smart-PLS 3.0. berikut ini
menggunakan data dari file data_moderasi.xls pada Bab XIX yang terdapat di dalam CD kerja buku
ini.

A. Judul Penelitian.
Motivasi berprestasi sebagai pemoderasi hubungan kompensasi terhadap kinerja pegawai.

B. Kerangka Pemikiran.
Motivasi
Berprestasi
(X2)

Kompensasi Kinerja
(X1) Pegawai
(Y)

Gambar 4.1. Model Teoritik Penelitian.

C. Pengukuran Variabel
1. Kompensasi (X1) sebagai variabel eksogen diukur dengan tiga indikator, yaitu kepuasan
terhadap : gaji/upah (X1), pekerjaan (X2) dan rewards (X3).
2. Motivasi berprestasi (X2) sebagai variabel moderasi diukur dengan tiga indikator, yaitu :
kompetitif (X7), bersedia bekerja keras (X8), dan dorongan untuk mejau (X9).
3. Kinerja pegawai (Y) sebagai variabel endogen diukur dengan lima indikator, yaitu : kuantitas
kerja di atas standar (X4), kualitas kerja di atas standar (X5) dan sikap dan perilaku kerja (X6).

D. Hipotesis Penelitian.
Motivasi berprestasi sebagai pemoderasi pengaruh kompensasi terhadap kinerja pegawai.
Atau :
(Semakin tinggi motivasi berprestasi, maka pengaruh positif antara kompensasi terhadap kinerja
pegawai akan semakin meningkat. Sebaliknya, semakin rendah motivasi berprestasi, maka
pengaruh positif kompensasi terhadap kinerja pegawai akan semakin menurun).

E. Analisis Data dengan SmartPLS 3.0.

1. Menyiapkan data dengan cara merubah format *xls menjadi *csv. Dalam latihan ini, buka file
data_moderasi.xls pada CD kerja sehingga tampil seperti pada layar Gambar 4.2. berikut :

Modul Pelatihan PLS 3.0 PT. Intermedia Personalia Utama 46

 Gambar 4.2. File data_moderasi.xls dengan responden 100 orang.

2. File data dalam format *xls tersebut kemudian dirubah menjadi format *csv (Comma deleted)
disimpan dengan nama file moderasi.csv seperti yang terlihat pada Gambar 4.3. berikut :

47 Bagian IV Contoh Penelitian Model Moderasi dengan Smart PLS Release 3.0
 Gambar 4.3. Perintah merubah format data dari *xls menjadi *csv (Comma deleted).

Setelah disimpan dalam format *csv maka data siap dibaca oleh program SmartPLS 3.0.

3. Membuat diagram atau model utama penelitian dengan cara membuka program SmartPLS 3.0.
sehingga muncul layar kerja seperti pada Gambar 4.4.

Gambar 4.4. Layar Kerja Smartpls 3.0. Telah Siap Dioperasikan.

4. Langkah berikutnya adalah membuat diagram ketiga variabel, yaitu kompensasi dengan 3
indikator (X1, X2 dan X3), motivasi berprestasi (X4, X5 dan X6) serta kinerja pegawai (X7, X8
dan X9). Seperti terlihat pada gambar 4.5. di bawah ini

Modul Pelatihan PLS 3.0 PT. Intermedia Personalia Utama 48

5. Data yang sudah dalam format *csv (nama file : data_moderasi.csv) di-double klik sehingga
muncul pada layar kerja. Lalu sorot dengan klik pada inidikator X1 sd X9 seperti terlihat pada
Gambar 4.5.

Gambar 4.5. Diagram Model Utama Teoretik Utama Penelitian

6. Indikator yang sudah di-sorot kemudian di-drag (ditarik) pada variable laten kemudian dilepas
sehingga muncul ke 9 indikator seperti terlihat pada Gambar 4.6.

Gambar 4.6. Diagram Full Model dengan Indikator.

7. Buat diagram efek moderasi, dengan cara klik kanan pada konstruk kinerja pegawai, lalu pilih
“Add Interaction Effect” tampak seperti pada Gambar 4.7. berikut :

49 Bagian IV Contoh Penelitian Model Moderasi dengan Smart PLS Release 3.0
 Gambar 4.7. Tampilan Perintah Membuat Diagram Efek Moderasi.

8. Klik Add Interaction Effect, akan muncul layar kerja perintah membuat efek moderasi sperti
pada Gambar 4.8. Pada bagian Moderating Effect, tulis motivasi berprestasi sebagai
Moderator Variable dan kompensasi sebagai Predictor atau Independent Variable.
Sedangkan sebagai variable dependent variable adalah kinerja pegawai. Pada Calculation
Method pilih Product Indicator dan pada Advanced Setting, pilih Standardized. Klik Ok.

Gambar 4.8. Isian Perintah Membuat Diagram Efek Moderasi.

Modul Pelatihan PLS 3.0 PT. Intermedia Personalia Utama 50

9. Setelah di-klik Ok, hasilnya terlihat pada Gambar 4.9.

Gambar 4.9. Diagram PLS-SEM dengan Efek Moderasi.

10. Tepat pada bulatan variable laten Interaction Effect (Motivasi Berprestasi) klik kanan, lalu
pilih Show Indicators of selected Constructs seperti terlihat pada Gambar 4.10.

Gambar 4.10. Perintah Membuat Efek Interaksi Kepuasan*Produktivitas.

11. Setelah di-klik Ok, maka hasilnya akan muncul konstruk interaksi Motivasi
Berprestasi*Kompensasi dengan indikator interaksinya (X1*X4, X1*X5, X1*X6), (X2*X4,
X2*X5, X2*X6) dan (X3*X4, X3*X5, X3*X6) seperti terlihat pada Gambar 4.11.

51 Bagian IV Contoh Penelitian Model Moderasi dengan Smart PLS Release 3.0
 Gambar 4.11. Hasil Konstruk Interaksi Kepuasan*Produktivitas.

12. Calculate program SmartPLS. Hasil atau out put SmartPLS dari perintah Calculate PLS 
PLS Algorithm menghasilkan Koefisien Jalur seperti yang tampak seperti pada Gambar
4.12. berikut :

Gambar 4.12. Output Koefisien Jalur.

13. Hasil atau out put SmartPLS dari perintah Calculate PLS  Bootstrapping menghasilkan T
Statistic seperti yang tampak seperti pada Gambar 4.13. berikut:

Modul Pelatihan PLS 3.0 PT. Intermedia Personalia Utama 52

 Gambar 4.13. Output T Statistik.

Evaluasi Model Pengukuran  Calculate PLS Algorithm

14. Melakukan Evaluasi Model Pengukuran, dengan melihat hasil validitas indikator dan
reliabilitas konstruk (convergent validity dan discriminant validity).

a. Pengujian Validitas Konstruk

Validitas indikator dilihat dari nilai Loading Factor (LF) yang dihasilkan. Sesuai aturan
umum (rule of thumb), nilai LF indikator ≥ 0,7 dikatakan valid. Namun demikian, dalam
pengembangan model atau indikator baru, nilai LF antara 0.5 – 0.6 masih dapat diterima (Yamin dan
Kurniawan, 2011:202). Sedangkan Wijaya dan Mustafa (2012:124) menerangkan bahwa nilai kritis
LF berbeda-beda kriterianya, namun beberapa ahli menyarankan minimal 0.4. Berdasarkan hasil print
out perintah Calculate PLS Algorithm pada Gambar 4.13. di atas, semua indikator memiliki nilai
LF ≥ 0.6 sehingga seluruh indikator dinyatakan valid.
Pengujian LF juga dapat melalui hasil print out perintah Calculate PLS Bootstrapping pada
Gambar 20.11. untuk melihat nilai T Statistic. Indikator yang memiliki nilai T Statistic ≥ 1,96 (Ada
yang membulatkan menjadi 2) dikatakan valid. Indikator juga dapat dikatakan valid jika memiliki P
Value ≤ 0.05. Dari Gambar 4.1. dan Table 4.2. diketahui seluruh indikator memiliki nilai T Statistic
≥ 1.96 dan P-Value < 0.05 sehingga seluruh indikator pembentuk konstruk dinyatakan valid sehingga
dapat digunakan untuk menguji hipotesis pada tahap pengukuran struktural.

53 Bagian IV Contoh Penelitian Model Moderasi dengan Smart PLS Release 3.0
 Tabel 4.1. Hasil Outer Loadings (Mean, STDEV, T-Value) T Statistic dan P Value.

b. Pengujian Reliabilitas Konstruk

Evaluasi terhadap nilai reliabilitas konstruk diukur dengan nilai Cronbach’s Alpha dan
Composite Reliability dengan perintah Calculate PLs Algoritm. Nilai Cronbach’s Alpha semua
konstruk harus ≥ 0,7.
Table 4.2. di bawah ini memperlihatkan nilai Cronbach’s Alpha untuk semua konstruk ≥ 0.7,
sehingga dapat disimpulkan indikator konsisten dalam mengukur konstruknya. Hasil nilai Cronbach’s
Alpha untuk kinerja pegawai (0.873), kompensasi (0.799), motivasi berprestasi (0.763), motivasi
berprestasi*kompensasi (0.929) semua nilai Cronbach’s Alpha lebih besar dari 0.7.
Nilai AVE juga dapat digunakan untuk menunjukkan besarnya varian indikator yang
dikandung oleh konstruknya. Nilai kritis AVE ≥ 0.5. Hasil nilai AVE untuk kinerja pegawai (0.799),
kompensasi (0.716), motivasi berprestasi (0.678) dan motivasi berprestasi*kompensasi (0.634) semua
nilai AVE lebih besar dari 0.5.

Table 4.2. Hasil Pemeriksaan Reliabilitas Konstruk berdasarkan Convergent Validity

Composite Cronbach’s
Construct AVE R2
Reliability Alpha
Kinerja pegawai 0.799 0.923 0.873
Kompensasi 0.716 0.881 0.799
Motivasi berprestasi 0.678 0.862 0.763
Motivasi berprestasi*Kompensasi 0.634 0.939 0.928 0.259

Pengujian reliabilitas konstruk berikutnya adalah mengevaluasi discriminant validity dengan

melihat cross loading dan membandingkan nilai akar AVE dengan korelasi antar konstruk. Hasil
output cross loading seperti terlihat pada Tabel 4.3. di bawah ini.

Modul Pelatihan PLS 3.0 PT. Intermedia Personalia Utama 54

 Table 4.3. Hasil Cross Loading Discriminant Validity.

Indikator Kinerja Kompensasi Motivasi Motivasi

Pegawai Berprestasi Berprestasi*Kompoensasi
X1 0.216 0.668 0.434 0.143
X2 0.442 0.947 0.726 - 0.028
X3 0.334 0.896 0.691 - 0.007
X4 0.336 0.724 0.831 - 0.035
X5 0.349 0.473 0.745 - 0.116
X6 0.486 0.655 0.888 0.012
X7 0.906 0.335 0.370 - 0.305
X8 0.944 0.434 0.485 - 0.204
X9 0.828 0.322 0.445 - 0.069
X4*X1 - 0.154 0.126 0.084 0.772
X4*X2 - 0.135 - 0.064 - 0.067 0.860
X4*X3 - 0.163 - 0.069 - 0.090 0.863
X5*X1 - 0.081 0.125 0.031 0.678
X5*X2 - 0.251 - 0.051 - 0.138 0.759
X5*X3 - 0.202 - 0.022 - 0.107 0.829
X6*X1 - 0.145 0.209 0.161 0.683
X6*X2 - 0.205 - 0.028 - 0.054 0.806
X6*X3 - 0.145 0.034 - 0.039 0.884

Berdasarkan Tabel 4.3. cross loadings di atas dapat disimpulkan bahwa semua indikator
mempunyai koefisien korelasi yang lebih besar dengan masing-masing konstruknya dibandingkan
dengan nilai koefisein korelasi indikator pada blok konstruk pada kolom lainnya. Dengan demikian
dapat disimpulkan bahwa masing-masing indikator dalam blok adalah penyusun konstruk dalam
kolom tersebut.
Pemeriksaan selanjutnya adalah membandingkan akar AVE dengan korelasi antar konstrak,
seperti terlihat pada Tabel 4.4. dan Tabel 4.5. di bawah ini.

Table 4.4. Perbandingan AVE dengan Akar AVE

Construct AVE Akar AVE

Kinerja pegawai 0.716 0.846
Kompensasi 0.634 0.796
Motivasi berprestasi 0.679 0.824
Motivasi berprestasi*Kompensasi 0.513 0.716

Table 4.5. Laten Variabel Correlation

55 Bagian IV Contoh Penelitian Model Moderasi dengan Smart PLS Release 3.0
 Berdasarkan Tabel 4.4 Perbandingan AVE dengan Akar AVE dan Tabel 4.5 Laten
Variabel Correlation dapat dijelaskan bahwa Akar AVE untuk konstruk kinerja pegawai adalah
0.846, sedangkan korelasi secara maksimal kinerja pegawai dengan konstrak lainnya adalah 0.485,
sehingga nilai akar AVE konstrak kinerja pegawai lebih besar dari nilai korelasi konstrak lainnya. Hal
ini menunjukkan bahwa syarat discriminant validity lainnya terpenuhi. Begitu juga dengan konstrak
lainnya yang menunjukkan akar AVE lebih besar dari korelasi konstrak.

Evaluasi Model Struktural  Calculate PLS  Bootstrapping

15. Melakukan Evaluasi Model Struktural.

Pada tahap evaluasi model struktural akan dianalisis dengan melihat signifikansi hubungan
antar konstruk yang ditunjukkan oleh nilai t statistic yang dihasilkan dari out put dari options
Calculate PLS  Bootstrapping. Besarnya pengaruh antar konstruk dan efek interaksi (moderasi)
diukur dengan nilai koefisien jalur (path coefficient). Path coeffisient yang memiliki nilai T Statistic
≥ 1,96 (atau dibulatkan menjadi 2) atau memiliki P Value ≤ 0,05 dinyatakan signifikan.

Tabel 4.6. Path Coefficients

Berdasarkan Tabel 4.6. Path Coefficients di atas dapat dilakukan pengujian hipotesis sebagai
berikut :

Hipotesis : Motivasi berprestasi sebagai pemoderasi pengaruh kompensasi terhadap kinerja

pegawai.
Atau :
(Semakin tinggi motivasi berprestasi, maka pengaruh positif antara kompensasi terhadap kinerja
pegawai akan semakin meningkat. Sebaliknya, semakin rendah motivasi berprestasi, maka pengaruh
positif kompensasi terhadap kinerja pegawai akan semakin menurun).

Nilai signifikansi efek interaksi atau moderasi ditunjukkan oleh t statistic 1.700 ≤ 1.96.
Dengan demikian dapat disimpulkan bahwa motivasi berprestasi bukan sebagai pemoderasi pengaruh

Modul Pelatihan PLS 3.0 PT. Intermedia Personalia Utama 56

kompensasi terhadap kinerja pegawai. Dengan kata lain, naik atau turunnya motivasi berprestasi para
pegawai tidak mempengaruhi secara signifikan pengaruh kompensasi terhadap kinerja pegawai.
Sedangkan besarnya koefisien pengaruh antar konstruk yang di hipotesiskan di tunjukkan
oleh nilai koefisien jalurnya. Secara partial, dapat disimpulkan :
1. Di lokasi penelitian, kompensasi berpengaruh positif namun signifikan terhadap kinerja pegawai
karena t satistik 0.927 ≤ 1.96 atau P-Value 0.354 > 0.05.
2. Motivasi berprestasi berpengaruh signifikan terhadap kinerja pegawai karena t satistik 2.494 ≥
1.96 atau P-Value 0.013 ≤ 0.05.

57 Bagian IV Contoh Penelitian Model Moderasi dengan Smart PLS Release 3.0