Validitas artinya mengukur apa yang seharusnya diukur (Ghozali, 2016). Discriminant validity dilakukan untuk memastikan bahwa setiap konsep dari masing-masing model laten berbeda dengan variabel lainnya. Pengujian validitas dilakukan untuk mengetahui seberapa tepat suatu alat ukur melakukan fungsi pengukurannya (Ghozali, 2016). Dalam SMART-PLS pengujian discriminant validity dapat dinilai berdasarkan fornell-larcker criterion dan cross loading. Pada pengujian fornell-larcker criterion, discriminant validity dapat dikatakan baik jika akar dari AVE pada konstruk lebih tinggi dibandingkan dengan korelasi konstruk dengan variabel laten lainnya, sedangkan pada pengujian cross loading harus menunjukkan nilai indikator yang lebih tinggi dari setiap konstruk dibandingkan dengan indikator pada konstruk lainnya (Sekaran & Bougie, 2016).

Pengukuran validitas diskriminan menggunakan kriteria yang disampaikan Fornell-Larcker dan “crossloadings”. Postulat Fornell-Larcker menyebutkan bahwa suatu variabel laten berbagi varian lebih dengan indikator yang mendasarinya daripada dengan variabel-variabel laten lainnya. Nilai AVE setiap variabel laten harus lebih besar dari pada nilai r2 tertinggi dengan nilai variabel laten lainnya. Kriteria kedua untuk validitas diskriminan ialah ‘loading’ untuk masing-masing indikator diharapkan lebih tinggi dari ‘cross-loading’ nya masing-masing. Jika kriteria Fornell-Larcker menilai validitas diskriminan pada tataran konstruk (variabel laten), maka ‘cross-loading’ memungkinkan pada tataran indikator. Validitas diskriminan mempunyai makna bahwa dua konsep berbeda secara konspetual harus menunjukkan keterbedaan yang memadai. Maksudnya ialah seperangkat indikator yang digabung diharapkan tidak bersifat unidimensional. Salah satu metode pengujian validitas adalah dengan Pearson product moment correlation. Pengujian tersebut dilakukan dengan menghitung korelasi antara skor masing-masing item pertanyaan dengan total skor sehingga diperoleh nilai pearson correlation (r) (Ghozali, 2016).

Sebagai contoh nilai akar kuadrat AVE pada variabel keamanan (X2) adalah 0.815, lebih besar dibandingkan dengan nilai korelasi konstruk pada variabel laten lainnya. Begitu juga nilai akar kuadrat AVE pada  variabel manfaat ekonomi (X3) adalah 0.794, nilai akar kuadrat AVE pada variabel kemampuan finansial (X4) adalah 0.827 dan nilai akar kuadrat AVE pada variabel niat penggunaan berkelanjutan pada fintech payment di wilayah Jabodetabek (Y) adalah 0.809, semuanya lebih besar jika dibandingkan dengan nilai korelasi konstruk pada variabel laten lainnya. Hal tersebut dapat membuktikan bahwa seluruh variabel penelitian telah memenuhi discriminant validity.  Sebagai contoh masing-masing indikator pada variabel penelitian yang telah ditandai pada tabel tersebut memiliki nilai cross loading paling besar jika dibandingkan dengan nilai cross loading pada indikator-indikator variabel lainnya. Oleh sebab itu, dapat disimpulkan bahwa indikator-indikator yang digunakan pada penelitian telah memenuhi discriminant validity yang baik dalam penyusunan setiap variabel.

Kriteria pengambilan keputusan dalam uji validitas ini adalah sebagai berikut :

  • Apabila nilai r-hitung > r-tabel, maka item pertanyaan dalam kuesioner valid.
  • Apabila nilai r-hitung < r-tabel, maka item pertanyaan dalam kuesioner tidak valid.

Referensi:

  • 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.

Image Sources: Google Images