Langkah-Langkah Analisis PLS (skripsi dan tesis)

Langkah analisis dalam PLS untuk penelitian ini adalah sebagai berikut: 

1. Merancang Model Struktural (inner model). Struktural model adalah model yang menspesifikasikan hubungan antar variabel laten. Model ini menggambarkan hubungan antar variabel laten berdasarkan teori substantif (Ghozali, 2006)

.2. Merancang Model Pengukuran (outer model). Outer model adalah model yang menspesifikasikan hubungan antara variabel laten dengan indikatorindikatornya, atau dapat dikatakan bahwa outer model mendefinisikan bagaimana setiap indikator berhubungan dengan variabel latennya (Ghozali, 2006). 

3. Mengkonstruksi Diagram Jalur. Langkah ini lebih mudah untuk dipahami, dimana hasil perancangan inner model dan outer model tersebut Estimasi: Koefisien Jalur, Loading dan Weight. Metode pendugaan parameter (estimasi) didalam metode PLS adalah metode kuadrat terkecil (ordinary least square). Proses perhitungan dilakukan dengan cara interaksi, dimana interaksi akan berhenti jika telah mencapai kondisi konvergen.

 5. Evaluasi Goodness of Fit. Evaluasi goodness of fit dibagi menjadi dua yaitu outer model dan inner model. 

a. Outer model dibagi menjadi dua, yaitu formatif dan reflektif. Dalam penelitian ini, indikator yang digunakan adalah indikator reflektif. Outer model dengan indikator refleksif dievaluasi dengan convergent dan discriminant validity dari indikatornya dan composite reliability untuk blok indikator. Convergent validity dinilai berdasarkan korelasi antara item score/ component score dengan construct score yang dihitung dengan PLS. Ukuran refleksif individual dikatakan tinggi jika berkolerasi lebih dari 0,7 dengan konstruk yang ingin diukur. Namun untuk penelitian tahap awal dari pengembangan skala pengukuran nilai loading 0,5 sampai 0,6 dianggap cukup (Chin, 1998). Discriminant validity dinilai berdasarkan crossloading pengukuran dengan konstruk. Jika korelasi konstruk dengan item pengukuran lebih besar daripada ukuran konstruk lainnya, hal tersebut menunjukkan bahwa konstruk laten memprediksi ukuran pada blok mereka lebih baik daripada ukuran pada blok lainnya. Selain itu untuk menilai discriminant validity juga dapat dilakukan dengan membandingkan nilai square root of Average Variance Extracted (AVE) setiap konstruk dengan korelasi antara konstruk dengan konstruk lainnya dalam model. Jika nilai kuadrat AVE setiap konstruk lebih besar daripada nilai korelasi antara konstruk dengan konstruk lainnya dalam model, maka dikatakan memiliki discriminant validity yang baik (Fornell dalam Ghozali, 2006). Fornnel dan Larcker (1981) dalam Ghozali (2006) menyatakan bahwa pengukuran ini dapat dilakukan untuk mengukur reliabilitas component score variabel laten dan hasilnya lebih konservatif dibanding composite reliability. Nilai AVE harus lebih besar dari 0,5. Composite reliability blok indikator yang mengukur suatu konstruk dapat dievaluasi dengan dua macam ukuran yaitu internal consistency dan cronbach alpha. 

b. Inner model dievaluasi dengan melihat prosentase varian yang dijelaskan, yaitu dengan melihat R2 . Perubahan nilai R2 dapat digunakan untuk menilai pengaruh variabel laten independen tertentu terhadap variabel laten dependen apakah mempunyai pengaruh yang substantif. Nilai ƒ 2 sama dengan 0,02; 0,15; dan 0,35 dapat diinterpretasikan bahwa predictor variabel laten memiliki pengaruh kecil, menengah, dan besar pada level struktural. Selain itu dilakukan evaluasi Stone-Geisser Q-square untuk predictive relevance dan uji t serta signifikansi dari koefisien parameter jalur struktural. Q-square mengukur seberapa baik nilai observasi dihasilkan oleh model dan juga parameternya. Nilai Q-square lebih besar dari 0 (nol) menunjukkan bahwa model mempunyai nilai predictive relevance, sedangkan nilai Q-square kurang dari 0 (nol) menunjukkan bahwa model kurang memiliki predictive relevance

6. Pengujian Hipotesis Langkah terakhir adalah pengujian hipotesis dengan kriteria sebagai berikut: Jika H : λ ≤ 0 ; maka berarti hipotesis ditolak Jika H : λ > 0 ; maka berarti hipotesis diterima