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 – Rn2)

Dimana nilai R12 , R22 … Rn2 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)

  Q2 Keterangan
Variabel Endogen (Kualitas Audit) 0,321 Memiliki nilai predictive relevance

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