Inner model merupakan model struktural yang digunakan untuk memprediksi hubungan kausalitas (hubungan sebab-akibat) antar variabel laten atau variabel yang tidak dapat diukur secara langsung. Structural model (inner model) menggambarkan hubungan kausalitas antar variabel laten yang telah dibangun berdasarkan substansi teori. Pada uji structural model (inner model) menggunakan bantuan prosedur Bootstrapping dan Blindfolding dalam SMART PLS. Uji pada model struktural dilakukan untuk menguji hubungan antara konstruk laten. Ada beberapa uji untuk model struktural yaitu seperti (1) R Square pada konstruk endogen (Sekaran & Bougie, 2016). Nilai R Square adalah koefisien determinasi pada konstruk endogen. Menurut Chin (1998), nilai R square sebesar 0.67 (kuat), 0.33 (moderat) dan 0.19 (lemah); (2) Estimate for Path Coefficients, merupakan nilai koefisen jalur atau besarnya hubungan/pengaruh konstruk laten. Dilakukan dengan prosedur Bootrapping; (3) Effect Size (F Square). Dilakukan untuk megetahui kebaikan model; (4) Prediction relevance (Q square) atau dikenal dengan Stone-Geisser’s. Uji ini dilakukan untuk mengetahui kapabilitas prediksi dengan prosedur blinfolding. Apabila nilai yang didapatkan 0.02 (kecil), 0.15 (sedang) dan 0.35 (besar). Hanya dapat dilakukan untuk konstruk endogen dengan indikator reflektif (Ghozali, 2016).

Setelah mengevaluasi model pengukuran konstruk/variabel, tahap selanjutnya adalah mengevaluasi model struktural atau inner model adalah sebagai berikut (Ghozali, 2016) :

  • Langkah pertama adalah mengevaluasi model structural dengan melihat signifikansi hubungan antar konstruk/variabel. Hal ini dapat dilihat dari koefisien jalur (path coeficient) yang menggambarkan kekuatan-kekuatan hubungan antar konstruk. Tanda atau arah dalam jalur (path coefficient) harus sesuai dengan teori yang dihipotesiskan, signifikansinya dapat dilihat pada t test atau CR (critical ratio) yang diperoleh dari proses bootstrapping(resampling method).
  • Langkah kedua adalah mengevaluasi nilai R2. Interpretasi nilai R2sama dengan interpretasi R2 regresi linear, yaitu besarnya variability variabel endogen yang mampu dijelaskan oleh variabel eksogen. Menurut Chin (1998) kriteria R2 terdiri dari tiga klasifikasi, yaitu : nilai R267, 0.33 dan 0.19 sebagai substansial, sedang (moderate) dan lemah (weak). Perubahan nilai R2 dapat digunakan untuk melihat apakah pengaruh variabel laten eksogen terhadap variabel laten endogen memiliki pengaruh yang substantif. Hal ini dapat diukur dengan effect size f2. Cohen (1988) mengatakan bahwa Effect Size f2 yang disarankan adalah 0.02, 0.15 dan 0.35 dengan variabel laten eksogen memiliki pengaruh kecil, moderat dan besar pada level structural.
  • Untuk memvalidasi model struktural secara keseluruhan digunakan Goodness of Fit(GoF). GoF indeks merupakan ukuran tunggal untuk memvalidasi performa gabungan antara model pengukuran dan model struktural. Nilai GoF ini diperoleh dari akar kuadrat dari  average communalities index dikalikan dengan nilai rata-rata R2  Nilai GoF terbentang antara 0 sd 1 dengan interpretasi nilai-nilai : 0.1 (Gof kecil), 0,25 (GoF moderate), dan 0.36 (GoF besar).
  • Pengujian lain dalam pengukuran struktural adalah Q2predictive relevance yang berfungsi untuk memvalidasi model. Pengukuran ini cocok jika variabel latin endogen memiliki model pengukuran reflektif. Hasil Q2 predictive relevance dikatakan baik jika nilainya > yang menunjukkan variabel laten eksogen baik (sesuai) sebagai variabel penjelas yang mampu memprediksi variabel endogennya.

Referensi:

  • Chin, W. W. (1998). The Partial Least Squares Aproach to Structural Equation Modeling. Modern Methods for Business Research, 295, 336
  • Ghozali, I. (2016) Aplikasi Analisis Multivariete Dengan Program IBM SPSS 23. Edisi 8. Semarang: Badan Penerbit Universitas Diponegoro.
  • Sekaran, U. & Bougie, R.J., (2016). Research Methods for Business: A skill Building Approach. 7th Edition, John Wiley & Sons Inc. New York, US.