1.

Uji Reabilitas
Uji reabilitas meunurut Priyatno (2014) yaitu alat pengukur dikatakan
reliable bila dalam mengukur gejala yang pada waktu yang belainan menunjukan
hasil yang sama. Jadi alat yang reliable secra konsisten member hasil ukuran yang
sama. Metode uji realiabilitas yang digunakan dalam penelitian ini yaitu alpha
Cronbach.
Menurut Sugiono (2014) suatu kuesioner dikatakan reliabel atau handal
jika jawaban seorang responden terhadap pertanyaan konsisten atau stabil dari waktu
ke waktu. Untuk penelitian ini mencari realibilitas variable kepuasaan kerja,
peningkatan kinerja, peningkatan kompetensi, employee engagement dan learning
organization dengan Teknik Cronbach. Perhitungan realibilitas Cronbach alpha
dengan program.

Table 3.3 Klasifikasi Realibilitas (Sugiono, 2019)

Alpha Tingkat Relibialitas

0,00 s/d 0,20 Kurang Reliabel

0,20 s/d 0,40 Agak Reliabel

0,40 s/d 0,60 Cukup Reliabel

0,60 s/d 0,80 Reliabel

0,80 s/d 1.00 Sangat Realiabel

Sumber : Sugiyono (2019)

2. SEM – PLS
Penelitian ini menggunakan Struktural Equation Modelling (SEM) dengan
aplikasi SmartPLS 3.0 dalam analisis data penelitian. Struktural equation modelling
atau model peramaan structural yaitu model ststistik yang menejelaskan hubungan
anatar banyak variabel (Hair et al, 2010). SEM melakukan memeriksaan struktur
hubungan yang dinyatakan dalam serangkaian persamaan yang mirip dengan
persamaan regresi berganda. SEM terdapat pada dua teknis yaitu Teknik multivariat
atau anlisis factor dan anlisis reresi berganda. Tujuan dari SEM PLS yaitu pengujian
data dapat dilakukan tanpa dasar teori yang kuat. Jumlah sample terbatas,
mengabaikan beberapa asumsi (nonparametric) dan parameter ketepatan model
prediksi dilihat dari koefisien determinasi (R – Square).
Dalam analasisis SEM – PLS terdiri dari dua sub model yakin model
pengukuran (measurement model) atau outer model dan model struktural (struktural
model) atau inner model. Dengan model pengkuran ini maka akan menunjukan
bagaimana variabel manifest atau observed variabel mempresentasikan variable laten
untuk diukur dan untuk model struktural menunjukan kekuatan estimasi varaibel
laten atau konstruk.

A. Outer Model
Outer model umtuk mengurai hubungan anatara indicator dan varaibel laten,
yaitu untuk digunakan dalam menguji validita struktur dan reabilitas. Uji
validitas dilakukan untuk mengethaui kemampuang alat penelitian untuk
mengukur sedangkan uji reabilitas untuk mengkur konsisitensi indicator terhadap
konsep dan kosistensi
1) Validitas Konvergen
Validitas konvergen adalah untuk melihat korelasi yang tinggi anatara
indicator dan skor kontruk (variable). Variable manifes dianggap memenuhi
validitas dengan nilai outer loading untuk masing – masing indicator > 0,70
dan Average Variance Extracted (AVE) > 0,5 untuk penelitian confirmatory.
Sedangkan untuk penelitian exploratory nilai outer 0,6 – 0,7 n=masih dapat
diterima.
2) Validitas Diskriminan
Validitas diskrimina yakni pada inidikator reflektif dilakukan untuk
memastikan varaibel manifest konstruk tidak memiliki korelasi yang tinggi
dengan variable manifest yaitu :
a) Korelasi anatara kontruk dengan indicator dimana nilai harus lenih
tinggi dari nilai pengukuran kontruk lain yaitu cross loading setiap
variable harus > 0,7
b) Kriteria Fornell Larckel yaitu nilai akar kuadrat AVE setiap kontruk
yang lebih beras dari nilai korelasi antar konstruk dengan konstruk
lainnya maka model nilai validitas diskrimnan yang baik.
c) Heterotrait – Monotriat Ratio Of Correlation (HTMT) sebagai metode
alternative yang direkomendasikan untuk menilai validasi diskriminan
menngunakan multitrait – multimethod matrix untuk dasar pengukuran.
Nilai HTMT < 0,9 memastikan validitas diskriminan antar dua konstruk
reflektif ( Henseler et al, 2014)
3) Cronbach’s Apha
 Pengujian realinbilitas dilakukan untuk membuktikan akurasi,
konsistensi serta ketepatan instrument dalam mengukur konstruk.
Cronbach’s alpha dapat digunakan dalam PLS dengan melihat nilai >
0,7 untuk penelitian konfirmatori dan nilai >0,6 untuk penelitian
ekploratori. Crombach’s alpha dilakukan untuk menguji realibilitas
konstruk akan memberikan nilai yang lbeih rendah sehingga disarankan
menngunakan composite reliaibility dalam menguji reabilitas konstruk.
1) Composite Reliability
Composite reliability adalah pendekatan untuk menguji nilai realibilitas
yang mengukur seberapa reliabel suatu item. Composite realibility harus
lebih besar dari pada 0,7 untuk penelitian konfirmatori dan ilia 0,6 – 0,7
untuk penelitian eksploratori.

B. Inner Model
Evalusi model structural dilakukan untuk menghubungkan varaibel latel satu
sama lain.
1) Variance Inflamtion Faktor (VIF)
Uji multikolinieritas untuk konstruk formatif mutlak diperlukan dengan
menghitung VIF dan tolerance. Nilai VIF direkomendasikan < 10 atau
< 5 dan nilai tolerance > 10,10 atau > 0,20 yang menunjukan tidak
terjadi multikolinieritas.
2) T – Statistik
Uji signifikan yaitu metode yang dilakukan untuk resampling melalui
boostrapping yang menunjukan sejauh mana kemandirian variable
secara parsial memiliki hubungan signifikan terhadap variable
dependen. Ui T ini dilakukan untuk memprediksi hubungan kausalitas.
Nilai t – hitung > t tabel (1,96) pada taraf signifikansi (5%) maka nilai
estimasi koefisien jalur signifikan.
3) R Square (Koefisien Determinasi)
R2 (R – Square)adalah digunakan untuk mengevaluasi model structural
sebagai ukuran untuk memprediksi model dimana menejelaskan
pengaruh variable laten eksogen tertentu terhadap variable laten
endogen (Hair et al., 2017). R Square mewakili jumlah varians dalam
kontruksi endogen dijelaskan oleh semua kontruksi eksogen yang
terkait dengannya. Nilai R2 0,19 kategori lemah, 0,33 kategori sedang
dan 0,67 kategori kuat (Chin, 1998)
4) Q2 Predictive Relevance atau Predictive Sample Reuse
Ini dilakukan untuk menilai model yang harus dapat memperediksi
setiap indicator pada varaibel endogen laten yang diukur dai nilai Q2
dengan metode blindfolding (Hair et al., 2011). Q2 mengevaluasi
besarnya nilai R2 sebagai kriteria akurasi prediksi. Besaran Q2
memiliki rentang 0 < Q2<1, jika nilai semakin mendekati 1 berarti
model semakin baik. Uji dikenal dengan Stone – Geisser .
5) Model Fit
Kriteria model fit yang digunakan yaitu :
a) Standardrize Root Mean Square Residual (SRMT) adalah
sebagai oemebeda korelasi yang diamati dan matriks tersirat
model. Dan memungkinkan untuk menilai besarnya rata – rata
perbedaan anatara korelasi yang diamati dan korelasi yang
diharapkan sebagai ukuran absolut dari kriteria fit. SRMR
sebagai ukuran goodness of fit untuk PLS – SEM yang
didaparkan digunakan untuk menghindari kesalahan spesifikasi
model dan rekomendasikan nilai kurang dai 0,10 atau 0,08
( Henseler et al., 2014).
b) Normed Fit Index (NFI) t=atau Bentker and Bonett Index
Metode ini untuk menghitung nilai Chi2 dari model yang
diusulkan dan membandingkan dengan tolak ukur yang berarti.
Semakin dekat NFI ke 1, semakin baik kecocokannya. Nilai NFI
> 0,09 mewakili kecocokan yang dapat diteri,a.
c) RMS _ theta
Metode ini dilakukan untuk menilai sejauh mana residual outer
model berkolerasi. Ukurannya harus mendekati nol untuk
menunjukan kecocokan model yang baik. Karea akan
menyiratkan bahwa korelasi anatara outer model sangat kecil
(mendekati nol). RMS_theta dibangun atas residual outer,
dengan perbedaan anatara nilai indicator yang diprediksi dan
yang diamati. Nilai RMS_theta < 0,12 menunjukan model yang
cocok (Henseler et al., 2014).