Modul Praktikum

Structural Equation Modeling

Partial Least Square (PLS)

Dadan Dasari

Universitas Subang
2021
 1

SEKILAS TENTANG PARTIAL LEAST SQUARE (PLS)

Dalam ranah akuntansi, pengujian menggunakan pendekatan PLS biasanya

dilakukan untuk penelitian dengan pendekatan survey yang mana data
penelitiannya masuk kategori semi ordinal (Ratmono dan Shol;ihin, 2013).
Namu demikian, beberapa peneliti juga menggunakan PLS untuk pengujian
hipotesis dengan penelitian archival yang mana data penelitian memiliki skala
rasio. Dapat digunakan PLS untuk menguji hipotesis baik pada penelitian
survey maupun penelitian archival tidak lepas dari keunggulan PLS yang
dapat menganalisis hubungan antar variabel dengan berbagai jenis skala
pengukuran (nominal, ordinal, interval, dan rasio).

PLS juga tidak mensyaratkan terpenuhinya uji asumsi klasik untuk dapat
dilakukan uji hipotesis penelitian secara statistik. Namun, beberapa peneliti
dan akademisi menilai tidak disyaratkannya keterpenuhan uji asumsi klasik
oleh PLS merupakan kelemahan dari PLS, sehingga hasil pengujian hipotesis
dengan PLS diragukan validitasnya. Di sisi lain, ada banyak pula peneliti dan
akademisi yang menilai tidak disyaratkan terpenuhinya uji asumsi klasik
untuk dapat dilakukan uji hipotesis penelitian secara statistic oleh PLS adalah
merupakan keunggulan PLS dari alat uji statistic lain. Terlepas dari pro-kontra
PLS yang tidak mensyaratkan terpenuhinya uji asumsi klasik dalam pengujian
hipotesis penelitian tersebut, kita sebagai pengguna dan tidak begitu
mendalami ilmu statistik dan pula tidak terlibat dalam pembuatan software
statistik, maka seyogyanya bersikap husnudzan (berperasangka baik), karena
apapun yang dibuat manusia pasti tidak ada yang sempurna.
 2

SIMULASI PENGUJIAN HIPOTESIS PENELITIAN SURVEY MENGGUNAKAN

PARTIAL LEAST SQUARE (PLS)

Pengujian Hipotesis pada Kasus Penelitian dengan Model Sederhana

Pada paparan berikut, akan dijelaskan pengujian hipotesis pada model

penelitian sederhana, yakni antara beberapa variabel independen dan dua
variabl dependen dengan SmartPLS 3.

Secara umum, proses pengujian hipotesis dengan SmartPLS 3 adalah

sebagai berikut:

1. Menyiapkan data dalam file Microsoft excel dengan format CSV (comma
delimited).
2. Membuka program (software) SmartPLS 3
3. Membuat new project
4. Meng-import data yang sudah disiapkan (poin 1)
5. Menggambar model penelitian yang terdiri dari beberapa variabel laten
6. Memasukkan data kuesioner (indikator) ke dalam variabel laten
7. Melakukan pengujian kualitas model pengukuran (PLS algoritm)
8. Melakukan pengujian hipotesis (bootstrapping)

Untuk memperdalam pemahaman mengenai teknik pengujian hipotesis

dengan PLS, simaklah simulasi proses berikut ini:
 3

Pertama, siapkan data pada Microsoft excel yang disimpan dalam format CSV
(comma delimited)
 4

Selanjutnya, buka program PLS lalu klik menu New Project, dan tulis nama
project sesuai yang diinginkan, lalu klik OK.

Selanjutnya, lakukan impor data yang sudah disiapkan dengan cara mengklik
menu Double click to import data! (lihat bagian yang dilingkari pada gambar
dibawah ini).

Setelah data di-import, maka akan muncul tampilan mengenai data yang di-
import tadi.
Jika import data berhasil, maka akan
muncul tampilan seperti ini !
5
Warna hijau menunjukkan bahwa data sudah
“ok” dan tidak ada masalah pada data seperti
data hilang, indikator tidak diskalakan secara
sama, dsb. Jika ada masalah pada data, maka
bagian ini akan menunjukkan tanda seru
berwarna merah. Jika data bermasalah, maka
analisis dengan PLS tidak dapat dijalankan
 6

Proses selanjutnya adalah membuat New Model File, lalu menggambar model
penelitian. Caranya adalah dengan mengklik menu latihan 1 dan memberi
nama pada kotak dialog yang muncul dengan nama yang kita inginkan,
misalnya dalam kasus ini diberi nama Latihan1.

Klik dua kali menu Latihan1,

maka akan muncul kotak
dialog seperti yang ada di
samping kanan.

Setelah proses di atas dilakukan, maka akan muncul halaman kosong yang
tersedia untuk menggambar model penelitian seperti di bawah ini.
 7

Proses selanjutnya adalah membuat gambar model penelitian. Pertama-tama,

klik 2x menu latihan1 lalu klik menu Latent Variable (lihat bagian yang
dilingkari!) lalu gambar variabel independen dan dependen sesuai model yang
telah dirumuskan pada proposal penelitian.

Latent Variable

Ketika dibuat, latent variable masih bernama “Latent Variable”. Oleh

karenanya nama ini perlu diubah sesuai dengan nama variabel yang
dirumuskan pada proposal penelitian. Caranya adalah dengan memosisikan
kursor mouse tepat berada pada variable yang namanya ingin diubah lalu
klik kanan, kemudian pilih menu “rename” dan tulis nama variabel baru
sesuai dengan nama yang diinginkan. Lihat gambar di bawah ini !
 8

Tulis nama variabel

yang diinginkan

Setelah semua variabel selesai dibuat, selanjutnya buat garis penghubung

antar variabel sebagai indikasi dari arah hubungan antar variabel, sesuai yang
dirumuskan pada proposal penelitian (lihat gambar di bawah ini !).
 9

Menu “Connect”

Cara untuk membuat garis adalah silakan klik menu “Connect” (lihat bagian
yang dilingkari), lalu klik variabel-variabel yang dihubungkan. Pada contoh di
atas, setelah mengklik menu “Connect”, penulis mengklik variabel KSI
(Keterbatasan Sistem Informasi), dan lalu mengklik variabel PIK (Penggunaan
Informasi Kinerja).

Setelah semua variabel dihubungkan dengan garis “Connect” tadi, maka

model penelitian sudah selesai dibuat, sebagaimana gambar yang nampak di
bawah ini.
 10

Setelah gambar model penelitian selesai dibuat, selanjutnya adalah

memasukkan indikator-indikator pengukuran variabel 1 ke dalam masing-
masing variabel. Caranya adalah:

blok nama-nama indikator -> klik+tahan -> drag ke variabel yang akan
dimasukkan indikator-indikator pengukurannya -> lepaskan klik mouse

Jika kita ingin memasukkan indikator-indikator dari variabel KSI, maka

indikator yang diklik+tahan dan di drag ke variabel KSI adalah indikator-
indikator yang namanya juga KSI. Dalam kasus ini terdapat empat indikator
dari KSI yang ditulis dengan KSI1, KSI2, KSI 3, dan KSI4. Jika indikator-
indikator variabel telah berhasil dimasukkan ke dalam variabelnya, maka akan
nampak tampilan seperti gambar di bawah ini.

1
Indikator-indikator pengukuran variabel adalah data penelitian yang bersumber dari hasil jawaban kusioner dan
telah dikuantifikasikan. Misalnya jawaban sangat tidak setuju dikuantifikasikan menjadi 1, tidak setuju
dikuantifikasikan menjadi 2, dst. Pada PLS, range kuantifikasi variabel harus seragam, misalnya jika variabel
penelitian diukur dengan skala likert dengan range 5, maka semua variabel harus diukur dengan likert range 5,
tidak boleh ada yang memnggunakan range 7. Karena hal itu akan dianggap error oleh PLS.
 11

3. Tampilan variabel yang indicator-

indikatornya telah berhasil dimasukkan.
Secara otomatis, indikator-indikator akan
menempel di sisi kiri variabel.

Se

2. Drag ke variabel yang dituju

1. Klik dan tahan

Umumnya, ketika proses memasukkan indikator-indikator pengukuran

variabel ini berhasil dilakukan, maka indikator-indikator tersebut akan
muncul secara otomatis di sisi kiri variabel yang diukurnya. Seringkali posisi
tersebut menjadikan tampilan model penelitian tidak elok untuk dipandang,
sebagaimana yang nampak pada gambar di bawah. Oleh karenanya, indikator-
indikator pengukuran variabel tersebut perlu dipindah ke posisi yang lebih
baik.

Caranya adalah:

Posisikan kursor mouse tepat berada di variabel yang indikator-

indikatornya ingin dipindahkan -> klik kanan mouse -> Align, lalu pilih
posisi rataan yang diinginkan (Top/atas; Left/kiri; Buttom/bawah;
Right/kanan).
 12

Posisi indikator-indikator pengukuran

variabel tidak pas, sehingga menjadikan
tidak sedap dipandang. Untuk itu posisi
indikator-indikator tersebut perlu dipindah.

Pada kasus di atas, penulis memilih Right atau Rata Kanan agar tampilan
model peneltian menjadi lebih elok dipandang. Lihat hasilnya pada gambar di
bawah ini.
 13

Jika proses memasukkan dan penyesuaian posisi indikator-indikator

pengukuran variabel ini telah selesai dilakukan, maka akan nampak tampilan
sebagaimana gambar di atas.

Apabila peneliti sudah sampai pada tahap ini, maka pengujian statistik sudah
siap untuk dilakukan. Pengujian terdiri dari uji kualitas model
pengukuran/instrumen (PLS algoritm) dan uji hipotesis (Bootstrapping).

Uji Kualitas Model Pengukuran

Untuk melakukan uji kualitas model pengukuran, caranya adalah:

Klik menu Calculate -> PLS Algoritm (lihat pada bagian yang dilingkari
pada gambar dibawah ini !)
 14

Setelah itu, maka akan muncul tampilan seperti gambar di bawah ini.
Selanjutnya, pilih (klik) Start Calculation.
 15

Setelah proses Calculation selesai, maka akan keluar hasil pengujian kualitas
model pengukuran (lihat gambar di bawah ini !).

Penyimpulan mengenai kualitas model pengukuran mengacu pada rule of

tumbs berikut ini:

Tabel 1. Parameter Uji Validitas dalam Model Pengukuran PLS

Uji Parameter Rule of tumbs

Validitas Konvergen Faktor Loading >0,7
(Outer Loading)
Average Variance Extracted (AVE) >0,5
Communality >0,5
Validitas Deskriminan Akar AVE dan korelasi variabel Akar AVE > korelasi variabel
laten laten (Discriminant Validity)
Cross Loading >0,7 dalam satu variabel
(Discriminant Validity)
Reliabilitas Cronbach Alpha >0,6
Composite Reliability >0,6
Sumber: Chin (1995); Werts et al. (1974) Salisbury et al. (2002); Hartono dan Abdillah (2011)

Pada gambar di bawah ini nampak hasil outer loadings (di SPSS diistilahkan
dengan Factor Loadings) digunakan untuk mengukur validitas konvergen
dari model pengukuran (instrumen). Pada kasus ini, hasil uji outer loadings
menunjukkan skor yang rendah pada variabel AKT (Akuntabilitas) yaitu
kurang dari rule of tumbs 0,70 (Chin, 1998). Skor kurang dari 0,70 juga
nampak pada konstruk KMUK4 dan KSI3. Nampak pula variabel INS (Insentif)
memiliki korelasi tidak hanya pada dirinya (INS) tetapi juga pada AKT
(Akuntabilitas). Dari hasil ini maka dapat disimpulkan bahwa variabel
Akuntabilitas (AKT) memiliki validitas konvergen yang kurang baik, sehingga
sebaiknya variabel ini dieliminasi dan tidak diikutkan dalam pengujian
hipotesis. Jika variabel akuntabilitas tetap diuji hipotesisnya maka hasil
penelitian akan memiliki validitas yang lemah. Namun, karena ini hanya
contoh, maka di bagian pengujian hipotesis nanti, variabel ini tetap diikutkan.

Sementara, untuk kasus rendahnya KMUK4 dan KSI3, maka sebelum uji
hipotesis dilakukan, kedua konstruk ini harus dieliminasi terlebih dahulu dari
 16

perannya sebagai salah satu item pengukur (indikator) dari variabel yang
diukurnya.

Menu-menu ini adalah hasil-hasil dari

pengujian kualitas model pengukuran.
Untuk melihat hasil-hasil tersebut dapat
dilakukan dengan mengklik menu-menu
ini.

Selanjutnya, menurut perhitungan cross loading (discriminant validity) di atas,

dapat disimpulkan semua variabel memiliki korelasi tertinggi pada dirinya
sendiri dibandingkan dengan korelasi pada variabel lain. Dengan demikian,
syarat validitas diskriminan pada kasus penelitian ini terpenuhi.
17
 18

Sementara, untuk skor Cronbach Alpha dan Composite Reliability yang

mengukur relibilitas model pengukuran didapatkan hasil yang bagus, yakni
lebih dari rule of tumbs 0,60 (Werts et al., 1974 dikutip dari Salisbury et al.
2002). Dengan demikian dapat disimpulkan bahwa model pengukuran semua
variabel memiliki reliabilitas yang baik.

Catatan !
Untuk kriteria rule of tumbs, beberapa statistikan memiliki perbedaan
pendapat. Ada yang mensyaratkan harus lebih dari 0,70 seperti Chin (1998)
dan ada yang boleh kurang dari 0,70 tetapi paling tidak lebih dari 0,40
seperti pendapat Lai dan Fan (2008) serta Vinzi et al. (2010). Menurut
penulis sendiri tidak ada paksaan untuk mengikuti pendapat yang mana
karena semuanya ada dasarnya.

Setelah uji kualitas model pengukuran selesai dilakukan dan model

pengukuran dinyatakan valid dan reliabel, maka langkah selanjutnya adalah
pengujian hipotesis. Caranya adalah:

Klik menu Calculate -> Bootstrapping (Lihat bagian yang ditandai pada
gambar di bawah ini !)
 19

Setelah itu maka akan muncul jendela sebagaimana gambar di bawah ini.
Selanjutnya, pilih (klik) Start Calculation.
 20

Maka akan keluar hasil-hasil pengujian hipotesis sebagaimana pada gambar di

bawah ini.

Menu-menu ini adalah hasil-hasil dari

pengujian hipotesis (Bootstrapping). Untuk
melihat hasil-hasil tersebut dapat dilakukan
dengan mengklik menu-menu ini.

Untuk melihat hasil pengujian hipotesis pada PLS dengan model sederhana
sebagaimana kasus yang sedang dikerjakan, pilihlah menu Path
Coefficients.

Rule of tumbs dari terdukungnya suatu hipotesis penelitian adalah: (1) jika
koefesien atau arah hubungan variabel (ditunjukkan oleh nilai original sample)
sejalan dengan yang dihipotesiskan, dan (2) jika nilai t statistik lebih dari 1,64
(two-tiled) atau 1,96 (one-tiled) dan probability value (p-value) kurang dari 0,05
atau 5%.

Pada kasus ini, mengacu pada hasil yang disajikan pada menu Path
Coefficients, hipotesis yang terdukung ada tiga, yakni: (1) INS->AKT, (2) PLT-
>AKT dan (3) PLT->PIK dengan masing-masing p-value senilai 0,000; 0,040
dan 0,000. Dari hasil tersebut maka dapat disimpulkan bahwa Insentif (INS)
berpengaruh positif terhadap akuntabilitas (AKT) dan pelatihan (PLT)
 21

berpengaruh positif terhadap akuntabilitas dan penggunaan informasi kinerja

(AKT dan PIK).

Catatan:
Kesalahpahaman yang kerap ditemui penulis adalah, ketika koefesien hasil
uji statistik memiliki arah yang sama dengan hipotesis yang dirumuskan,
misalnya insentif berpengaruh positif terhadap penggunaan informasi
kinerja (INS->PIK), lalu ditemukan nilai koefesien (original sample) sebesar
0,231, tetapi nilai p-value (sig.) sebesar 0,665 (lebih dari 0,05 atau 5%).
Banyak penulis temui, dari hasil tersebut peneliti menyimpulkan dengan
kalimat yang kurang lebihnya sebagaimana berikut:

“…..maka dapat disimpulkan bahwa insentif berpengaruh positif terhadap

penggunaan informasi kinerja tetapi tidak signifikan…..”

Penyimpulan seperti contoh di atas adalah penyimpulan yang keliru. Sebab,

jika nilai p-value atau sig. lebih dari 0,05 atau 5%, maka itu artinya variabel
independen tidak memiliki pengaruh terhadap variabel dependen walau
seperti apapun jua hasil koefesien yang muncul. Hal itu karena dua asumsi
untuk mendukung hipotesis tidak terpenuhi, yakni (1) koefesien sesuai
dengan arah yang dihipotesiskan dan (2) nilai p-value (sig.) lebih dari 0,05.

Selanjutnya, untuk mengetahu seberapa besar kemampuan variabel

independen menjelaskan variabel dependen dapat dilihat dengan mengklik
menu R Square-Adjusted.
 22

Pada kasus ini nilai R Square Adjusted untuk Akuntabilitas (AKT) adalah
0,907 (90,7%) dan Penggunaan Informasi Kinerja (PIK) adalah 0,119 (11,9%).
Artinya adalah, kemampuan variabel independen menjelaskan variabel
dependen akuntabilitas (AKT) adalah 90,7% dan sisanya dijelaskan oleh
variabel independen lain yang tidak ada di dalam model penelitian yang
dirumsukan pada penelitian ini. Sementara, kemampuan variabel independen
menjelaskan variabel dependen penggunaan informasi kinerja (PIK) adalah
11,9% dan sisanya dijelaskan oleh variabel independen lain yang tidak ada di
dalam model penelitian yang dirumsukan pada penelitian ini.
 23

Pengujian Hipotesis Penelitian dengan Variabel Pemediasi (Intervening)

Proses pengujian hipotesis dengan model yang menyertakan variabel

pemediasi (intervening) sebenarnya tidak jauh berbeda dengan proses
pengujian hipotesis dengan model sederhana, seperti yang dijelaskan pada
bagian sebelumnya. Proses yang dimaksud yaitu:

1. Menyiapkan data dalam file Microsoft excel dengan format CSV (comma
delimited).
2. Membuka program (software) SmartPLS 3
3. Membuat new project
4. Meng-import data yang sudah disiapkan (poin 1)
5. Menggambar model penelitian yang terdiri dari beberapa variabel laten
6. Memasukkan data kuesioner (indikator) ke dalam variabel laten
7. Melakukan pengujian kualitas model pengukuran (PLS algoritm)
8. Melakukan pengujian hipotesis (bootstrapping)

Yang membedakan antara model sederhana dengan model dengan

memasukkan variabel pemediasi adalah letak (posisi) susunan variabel yang
harus dibuat atau digambar dalam program SmartPLS.

Untuk mempermudah memahami bagaimana proses pengujian hipotesis

dengan model yang memuat variabel pemediasi, simaklah simulasi berikut ini.
 24

Pertama-tama, buatlah gambar model penelitian sesuai dengan yang

dirumuskan pada proposal penelitian. Pada contoh kasus ini, model yang
dibuat berdasrkan pada tiga hipotesis berikut:

H1: Pengembangan Sistem Pengukuran Kinerja (PSPK) berpengaruh positif

terhadap Akuntabilitas (AKT).

H2: Pengembangan Sistem Pengukuran Kinerja (PSPK) berpengaruh positif

terhadap Penggunaan Informasi Kinerja (PIK).

H3: Pengembangan Sistem Pengukuran Kinerja (PSPK) berpengaruh positif

terhadap Penggunaan Informasi Kinerja (PIK) melalui Akuntabilitas (AKT)

Hipotesis 1 dan 2 adalah hubungan langsung variabel independen terhadap

variabel dependen / efek utama, sedangkan Hipotesis 3 adalah hubungan
tidak langsung variabel independen terhadap variabel dependen /indirect
 25

effect/ efek mediasi. Mengacu pada Baron dan Kenney (1986) sebagaimana
dikutip Hartono dan Abdillah (2014), pengujian efek dari variabel pemediasi
dapat dilakukan jika efek utama variabel independen terhadap variabel
dependen adalah signifikan. Jika hal tersebut tidak terpenuhi, maka pengujian
efek mediasi tidak perlu dilanjutkan karena biasanya hasilnya pasti tidak
signifikan. Asumsi ini juga berlaku untuk pengujian pada model yang terdapat
variabel pemoderasi (moderating) di dalamnya.

Setelah model penelitian selesai digambar, masukkan indikator-indikator

pengukuran variabel seperti gambar di bawah ini.

Setelah model selesai dibuat dengan sempurna (sebagaimana gambar di atas),

maka langkah selanjutnya adalah melakukan uji kualitas model pengukuran
(instrumen) penelitian dengan cara:

Klik menu Calculate -> PLS Algoritm -> Start Calculation

 26

Kemudian lihat kualitas validitas konvergen, validitas diskriminan, dan

reliabilitas pada menu-menu yang ada pada hasil uji model pengukuran
sebagaimana contoh kasus pengujian hipotesis pada model sederhana yang
dijelaskan di pembahasan sebelumnya. Pada contoh kasus berikut,
diasumsikan model pengukuran memenuhi syarat validitas dan reliabilitas.
Selanjutnya, dilakukan uji hipotesis dengan cara:

Klik menu Calculate -> Bootstrapping -> Start Calculation

Untuk melihat hasil uji hipotesis efek utama, dapat dilakukan dengan
mengklik menu “Path Coefficients”.

Dari hasil analisis statistic menggunakan PLS, dapat disimpulkan bahwa

Pengembangan Sistem Pengukuran Kinerja (PSPK) berpengaruh positif
terhadap Akuntabilitas (AKT) (H1 terdukung) dan juga terhadap Penggunaan
Informasi Kinerja (PIK) (H2 terdukung) dengan p-value < 0,05 yakni masing-
masing 0,000 dan 0,015. Dengan demikian, dapat disimpulkan bahwa asumsi
 27

efek utama variabel independen tehadap variabel dependen harus signifikan

telah terpenuhi, sehingga uji efek mediasi dapat dilakukan (Baron dan Kenney,
1986).

Untuk melihat hasil uji hipotesis efek mediasi, dapat dilakukan dengan
mengklik menu “Inderect Effects”.

Dari hasil analisis PLS, ditemukan bahwa Pengembangan Sistem Pengukuran

Kinerja (PSPK) berpengaruh positif terhadap Penggunaan Informasi Kinerja
(PIK) melalui Akuntabilitas (AKT) dengan signifkansi sebesar 0,030 atau <0,05.

Selanjutnya untuk mengetahui apakah mediasi ini bersifat mediasi penuh

atau semu (fully mediating or quasi-meadiating), dapat dilakukan dengan
mengklik menu “Total Effects”.
 28

Dari hasil analisis total effects menggunakan PLS sebagaimana gambar di atas,
ditemukan bahwa hubungan Pengembangan Sistem Pengukuran Kinerja
(PSPK) terhadap Penggunaan Informasi Kinerja (PIK) masih signifikan dengan
p-value 0,000 (<0,05). Dengan demikian, dapat disimpulkan bahwa mediasi ini
hanya bersifat semu (quasi-mediating). Mediasi penuh (fully mediating) terjadi
jika pada total effects ditemukan hubungan Pengembangan Sistem
Pengukuran Kinerja (PSPK) terhadap Penggunaan Informasi Kinerja (PIK)
menjadi tidak signifikan