UAS Statistik Berbasis Komputer

Universitas Mercu buana

Nama: Wiwid Wahyu Prasetyo

NIM : 43118110322
Mata Kuliah : Statistik Berbasis Komputer

Uji Outer Model

1. Uji Validitas (Outer Model)

a) Convergent Validity
Gambar diatas menunjukkan bahwa indikator dari setiap variabel ada yang tidak valid. Oleh karena
itu, perlu dilakukan perhitungan ulang dengan cara indikator yang tidak valid harus dikeluarkan dari
model (dihapus).
Gambar diatas memperlihatkan bahwa indikator dari setiap variabel telah valid. Artinya bahwa setiap
variabel atau indikator-indikator diatas, sudah merupakan alat ukur yang tepat untuk mengukur
variabelnya. Didalam kuisioner tersebut, responden merasa bahwa pengukur-pengukur diatas penting
untuk mengukur masing-masing variabelnya.
Gambar diatas merupakan gambar dari Construct Reliability and Validity pada Uji Validitas. Dari
output diatas untuk masing-masing indikator cukup reliable tidak ada nilainya yang dibawah 0,5.

b) Discriminant Validity (AVE)²

Gambar diatas menunjukkan setiap indikator seharusnya mempunyai keeratan ke variabelnya

daripada variabel yang lain. Akan tetapi, hasil diatas menunjukkan bahwa variabel lain lebih besar. Itu
menunjukkan ada kecenderungan bahwa variabel tersebut lebih kuat mengukur variabel yang lain.
2. Uji Reliabilitas (Outer Model)

a) Composite Reliability

b) Cronbach’s Alpha
Gambar diatas merupakan gambar dari Construct Reliability and Validity pada Uji Reliabilitas. Dari
output diatas untuk masing-masing indikator cukup reliable tidak ada nilainya yang dibawah 0,5.
Selain itu dapat juga dilihat dari nilai composite reliability dan cronbach’s alpha untuk semua
konstruk sangat reliable karena memiliki nilai di atas 0,7

Uji Inner Model

1. Uji Ketepatan Model (Inner Model)

a) R-square

Digunakan untuk menilai Uji goodness-fit model (Uji Ketepatan Model)

Dari data tersebut dapat disimpulkan bahwa nilai R-square sebesar 0,576 dan 0,440 berarti model
tersebut memiliki tingkat goodness-fit model yang Moderate (Nilai R sebesar > 0,33) yang berarti
variabilitas variabel X dan Z yang dapat dijelaskan oleh variabel Y dalam model yaitu sebesar 57,6%
dan 44%, sedangkan 42,4% dan 56% dijelaskan oleh variabel lain yang tidak diteliti dalam model ini.

b) Q²

Pengujian Goodness of fit model struktural pada Inner model menggunakan nilai predictive-relevance
(Q2). Nilai Q-square lebih besar 0 (nol) menunjukan bahwa model mempunyai nilai predictive
relevance. Nilai predictive relevance diperoleh dengan rumus:

Q² = 1 – (1 – R1)(1 – Rp)

Q² = 1 – (1 – 0,576)(1 – 0,440)

Q² = 1 – (0,424)(0,560)

Q² = 1 – 0,23744
Q² = 0,76256

Hasil perhitungan diatas dapat memperlihatkan nilai predictive relevance sebesar 0,76256 (> 0). Hal
itu berarti bahwa 76,25% variasi pada variabel X dan Z dijelaskan oleh variabel-variabel yang
digunakan. Dengan demikian model dikatakan layak memiliki nilai prediktif yang relevan.

c) GoF

Merupakan ukuran tunggal yang digunakan untuk memvalidasi performa gabungan antara model
pengukuran (outer model) dan model struktural (inner model). Nilai Goodness of fit (GoF) diperoleh
dengan rumus :

GoF = √ AVE −R ²

GoF = √ 0,814−0,576 ²

GoF = √ 0,4822

GoF = 0,694

Nilai GoF besar = 0,38

2. Uji Hipotesis
Besarnya nilai t-statistik dari hipotesis I dapat dikatakan tidak signifikan karena variabel Y -> Z
sebesar 0,613 lebih kecil dari nilai t-table pada alpha 5% (1,96). Hipotesis 2 dapat dikatakan tidak
signifikan karena Y -> X sebesar 0,759 dimana nilai t-hitungnya lebih kecil dari t-table pada alpha 5%
(1,96). Dan hipotesis 3 juga dikatakan tidak signifikan karena X -> Z sebesar 0,064 lebih kecil dari
nilai t-table pada alpha 5% (1,96).

Variabel X ternyata berpengaruh positif terhadap variabel Z yang ditunjukan dengan koefisien
parameter sebesar 0,064, sedangkan variabel Y juga berpengaruh positif terhadap variabel X yang
ditunjukan dengan koefisien parameter sebesar 0,759 serta variabel Y berpengaruh positif terhadap
variabel Z yang ditunjukan dengan koefisien parameter sebesar 0,613.

PEMBAHASAN

Secara umum metode explanatory research adalah pendekatan metode yang menggunakan PLS. Hal
ini disebabkan pada metode ini terdapat pengujian Hipotesis. Menguji hipotesis dapat dilihat dari nilai
t-statistik dan nilai probabilitas. Untuk pengujian hipotesis menggunakan nilai statistik maka untuk
alpha 5% nilai t-statistik yang digunakan adalah 1,96. Sehingga kriteria penerimaan/penolakan
Hipotesis adalah Ha diterima dan H0 di tolak ketika t-statistik > 1,96. PLS tidak mengasumsikan data
berdistribusi normal: menggunakan teknik resampling dengan metode Bootstrapping. Penerapan
metode resampling, memungkinkan berlakunya data terdistribusi bebas (distribution free) tidak
memerlukan asumsi distribusi normal, serta tidak memerlukan sampel yang besar (direkomendasikan
sampel minimum 30). Apabila outter model signifikan: indikator bersifat valid dan inner model
signifikan: terdapat pengaruh signifikan.