Cara Membaca Hasil Smart PLS

Langkah-langkah mengolah menggunakan Smart PLS telah anda pelajari cara mengolah data kuesioner di SmartPLS. Untuk mengetahui hasil dari software Smart PLS

1. Validitas dan Reliabilitas

Pertama kita akan menguji apakah indikator yang anda gunakan bagus atau tidak dalam mengukur sebuah variabel. Indikator yang biasa digunakan dalam uji validitas dan reabilitas di SEM PLS adalah Composite Reability, Cronbach Alpha dan Average Variance. Indikator yang bagus nilai diatas 0,6.

Dari output diatas nilai AVE untuk seluruh variabel bernilai lebih besar dari 0,5 sehingga dapat dikatakan bahwa seluruh indikator valid konvergen dalam membentuk variabel masing-masing. Selain itu diperoleh juga nilai Cronbach’s Alpha dan CR yang memiliki nilai lebih besar dari 0,6 untuk seluruh variabel. Dapat disimpulkan bahwa seluruh variabel dan item yang digunakan pada penelitian ini memenuhi validitas dan reliabilitas dalam pengukuran variable.

2. Pengujian Goodness of Fit

Kedua adalah Pengujian Goodness of Fit ini digunakan untuk mengetahui apakah data-data anda untuk mengukur hubungan antar variable bagus atau tidak. Indikator yang digunakan dalam pengujian ini ada 2 yaitu koefisien determinasi dan uji kesesuaian model.

Koefisien Determinasi

Koefisien determinasi digunakan untuk melihat seberapa besar kontribusi variabel independen dalam menjelaskan hubungannya dengan variabel dependen. Koefisien determinasi dilakukan dengan melihat nilai statistik R-Squared pada masing-masing hubungan variabel.

Kembali ke tab PLS Algorithm lalu klik R-Square

Dapat dilihat bahwa nilai R-Square pada variabel CT dan INO berturut-turut sebesar 0,030 dan 0,055. Angkat tersebtu menggambarkan bahwa variabel Communication Skill dan Product Knowledge memiliki kontribusi dalam menjelaskan variabel Innovation sebesar 5,5% sedangkan 94,5% lainnya dijelaskan oleh variabel lain di luar model. Selain itu variabel Communication Skill, Product Knowledge dan Innovation hanya mampu menjelaskan variabel Client Trust sebesar 3% sedangkan 97% sisanya dijelaskan oleh variabel lain di luar model. Oleh karena itu perlu memasukkan variabel lain yang kemungkinan dapat menjelaskan variabel Client Trust dengan baik.

Uji Kesesuaian Model

Uji kesesuaian model menggunakan beberapa indikator statistik diantaranya, Standardized Root Mean Square Residual (SRMR), Normed Fit Index (NFI) dan RMS_theta. Untuk mendapatkan model yang sesuai maka indikator tersebut harus memenuhi suatu nilai yakni SRMS < 0,08; NFI > 0,90; RMS_theta mendekati nol.

Untuk melihat kesesuaian model lainnya klik Model Fit

Berdasarkan output tersebut diperoleh bahwa nilai SRMS sebesar 0,071 yakni kurang dari 0,08. Selain itu nilai NFI sebesar 0,747 kurang dari 0,900. Nilai RMS_theta dihasilkan sebesar 0,247 yakni mendekati nilai 0. Dari ketiga indikator tersebut dapat disimpulkan bahwa model yang terbentuk sudah memenuhi kriteria kesesuaian sehingga model dapat digunakan dan bagus dalam menggambarkan hubungan antar variabel.

3. Pembentukan Model SEM

Pada pembentukan model SEM terdapat 2 hubungan yakni hubungan langsung (direct effect) dan hubungan tidak langsung (indirect effect). Hubungan antar variabel signifikan jika p-value T-Statistic kurang dari tingkat signifikansi 5%. Hubungan tersebut dapat dilihat pada output berikut.

Direct Effects

Dapat dilihat pada output tersebut bahwa seluruh hubungan langsung (direct effect) seluruh variabel memiliki nilai p-value kurang dari tingkat signifikansi 0,05 sehingga signifikan.

Indirect Effects

Dapat dilihat pada output tersebut diperoleh bahwa seluruh hubungan tidak langsung variabel memiliki p-value lebih besar dari tingkat signifikansi 0,05 sehingga tidak signifikan.

Interpretasi Model / Kesimpulan

1. Hubungan Communication Skill dengan Innovation (0,013)

Communication Skill memiliki pengaruh yang positif dan signifikan terhadap Innovation dengan pengaruh sebesar 0,156. Sehingga saat Communication Skill meningkat akan meningkatkan Innovation pegawai begitupun sebaliknya.

2. Hubungan Product Knowledge dengan Innovation (0,042)

Product Knowledge memiliki pengaruh yang positif dan signifikan terhadap Innovation dengan pengaruh sebesar 0,134. Sehingga saat Product Knowledge meningkat akan meningkatkan Innovation pegawai begitupun sebaliknya.

3. Hubungan Innovation dengan Client Trust (0,007)

Innovation memiliki pengaruh yang positif dan signifikan terhadap Client Trust dengan pengaruh sebesar 0,172. Sehingga saat Innovation meningkat akan meningkatkan Client Trust begitupun sebaliknya.

4. Hubungan Communication Skill dengan Client Trust yang dimediasi oleh Innovation (0,099)

Communication Skill memiliki pengaruh yang positif tetapi tidak signifikan terhadap Client Trust saat dimediasi oleh Innovation. sehingga variabel Innovation tidak berhasil mediasi hubungan antara Communication Skill dan Client Trust.

5. Hubungan Product Knowledge dengan Client Trust yang dimediasi oleh Innovation (0,178)

Product Knowledge memiliki pengaruh yang positif tetapi tidak signifikan terhadap Client Trust saat dimediasi oleh Innovation. sehingga variabel Innovation tidak berhasil mediasi hubungan antara Product Knowledge dan Client Trust.

---

> Butuh bantuan mengolah data untuk skripsi atau tesis? Tim Restat siap membantu — konsultasi gratis sekarang.