MEMAHAMI PREDICTIVE RELEVANCE (Q2) DALAM SMART PLS DALAM PENELITIAN ILMIAH

Predictive relevance merupakan suatu uji yang dilakukan dalam menunjukkan seberapa baik nilai observasi yang dihasilkan dengan menggunakan prosedur blindfolding dengan melihat pada nilai Q square. Jika nilai Q square > 0 maka dapat dikatakan memiliki nilai observasi yang baik, sedangkan jika nilai Q square < 0 maka dapat dinyatakan nilai observasi tidak baik. Q-Square predictive relevance untuk model struktural, megukur seberapa baik nilai onservasi dihasilkan oleh model dan juga estimasi parameternya. Nilai Q-square > 0 menunjukkan model memiliki predictive relevance; sebaliknya jika nilai Q-Square ≤ 0 menunjukkan model kurang memiliki predictive relevance. Perhitungan Q-Square dilakukan dengan rumus: Q2 = 1 – ( 1 – R1 2 ) ( 1 – R2 2 ) … ( 1- Rp 2 ) dimana R1 2 , R2 2 … Rp 2 adalah R-square variabel endogen dalam model persamaan. Besaran Q2 memiliki nilai dengan rentang 0 < Q2 < 1, dimana semakin mendekati 1 berarti model semakin baik. Besaran Q2 ini setara dengan koefisien determinasi total pada analisis jalur (path analysis). Stone-Geisser Q-square test (Chin, 1998). Q-Square dapat mengukur seberapa baik nilai observasi yang dihasilkan oleh model dan juga estimasi parameternya (Ghozali, 2016). Nilai Q-Square lebih besar dari 0 (nol) menunjukkan bahwa model mempunyai nilai predictive relevance. Sedangkan jika nilai Q-Square kurang dari 0 (nol), maka model kurang atau tidak memiliki predictive relevance (Chin, 1998). Nilai predictive – relevance diperoleh dengan rumus (Hair, 2011):

Q² = 1 – (1 – R₁²) (1 – R₂²) …. (1 – R_n²)

Dimana nilai R₁² , R₂² … R_n² adalah nilai R-Square variabel endogen dalam model. Berdasarkan nilai R-Square yang terdapat pada Tabel 4.14 di atas, maka nilai Q-Square dengan menggunakan rumus Stone-Geisser Q Square Test adalah sebagai berikut (Ghozali, 2016):

Q² = 1 – (1 – R₁²)

Q² = 1 – (1 – 0.674)

Q² = 0.674

Hasil perhitungan Q-Square pada penelitian ini sebesar 0,674 atau 67,40%, dengan demikian dapat disimpulkan bahwa model pada penelitian ini memiliki nilai prediktif yang relevan, dimana model yang digunakan dapat menjelaskan informasi yang ada dalam data penelitian sebesar 67,40%.

Sebagai contoh berikut ini merupakan nilai Q square dari variabel dependen (endogen) dalam sebuah penelitian, dapat dilihat pada table 1 berikut :

Tabel 1 Predictive Relevance (Q²)

Sumber : Output SmartPLS 3.3.3, Data diolah (2021).

Berdasarkan data yang disajikan pada tabel 1 dapat diketahui bahwa nilai Q square pada variabel dependen (endogen) adalah 0,321. Dengan melihat pada nilai tersebut, maka dapat disimpulkan bahwa penelitian ini memiliki nilai observasi yang baik/bagus karena nilai Q square > 0 (nol) yaitu 0,321 (Chin, 1998).

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.
• Hair, Jr., Joseph F., et. al. (2011). Multivariate Data Analysis. Fifth Edition. New Jersey: PrenticeHall, Inc.

Image Sources: Google Images