Dalam model SEM yang berbasis varian atau PLS-Path Modeling, model ini terdiri dari Outer model  (model pengukuran). Outer Model Atau Pengukuran Bagian Luar disebut juga sebagai model pengukuran. Uji outer model bertujuan untuk menspesifikasikan hubungan antar variabel laten dengan indikator-indikatornya. Uji outer model ini menggunakan bantuan prosedur PLS Algorithm. Tahap analisis pada outer model diukur menggunakan pengujian validitas dan reliabilitas. Pengukuran bagian luar (outer model) PLS SEM ini ada 2 yaitu pengukuran model reflektif dan formatif. Pengukuran model PLS SEM pertama dalam outer model adalah pengukuran reflektif. Model pengukuran dinilai dengan menggunakan reliabilitas dan validitas. Untuk reliabilitas dapat digunakan Cronbach’s Alpha. Nilai ini mencerminkan reliabilitas semua indikator dalam model. Besaran nilai minimal ialah 0,7 sedang idealnya ialah 0,8 atau 0,9. Selain Cronbach’s Alpha digunakan juga nilai ρc (composite reliability) yang diinterpretasikan sama dengan nilai Cronbach’s Alpha. Indikator reflektif sebaiknya dihilangkan dari model pengukuran jika mempunyai nilai loadings baku bagian luar dibawah 0,4. Pada outer model kita kenal 2 tipe/jenis hubungan indikator pada konstruknya, maka pengujian dilakukan sesuai dengan bentuk indikatornya yaitu indikator reflektif dan indikator formatif (Ghozali, 2016).

Dalam outer model kita mengenal Loading Faktor. Nilai loading faktor menunjukan korelasi antara indikator dengan konstruknya. Indikator dengan nilai loading yang rendah menunjukan bahwa indikator tersebut tidak bekerja pada model pengukurannya. nilai loading yang diharapkan > 0.7. Dalam outer model kita mengenal Cross Loading. Nilai ini merupakan  ukuran lain dari validitas diskrimanan. Nilai yang diharapkan bahwa setiap indikator memiliki loading lebih tinggi untuk konstruk yang diukur dibandingkan dengan nilai loading ke konstruk yang lain. Dalam outer model kita mengenal Composite Reliability. Nilai ini menunjukan internal consistency yaitu nilai composite reliability yang tinggi menunjukan nilai konsistensi dari masing-masing indikator dalam mengukur konstruknya. Nilai CR diharapkan > 0.7.

Referensi

  • Ghozali, I. (2016) Aplikasi Analisis Multivariete Dengan Program IBM SPSS 23. Edisi 8. Semarang: Badan Penerbit Universitas Diponegoro.

Image Sources: Google Images