HASIL DAN PEMBAHASAN
3. Hasil Analisis Structural Equation Model-Partial Least Square a.Analisis Evaluasi Model Pengukuran (outer Model)
Menurut Yamin dan Kurniawan (2011) evaluasi outer model dibagi menjadi dua tahapan yaitu Convergen validity (indikator validitas, reabilitas Konstruk, nilai AVE) dan Diskriminan validity (Cross loading dan akar AVE). Evaluasi/pengunjung model pengukuran terlebih dahulu dilakukan pada tahap evaluasi convergent validity. Menurut Chin (1998) dalam Ghozali (2008) suatu indikator dikatakan mempunyai reliabilitas yang baik jika nilainya lebih besar dari 0.7.
1). Hasil Proses Analisis Outer Model Pengunjung Perpustakaan Total
Hasil proses dari analisis Structural Equation Model semua indikator memiliki nilai loading faktor yang lebih dari 0.7 artinya semua indikator memiliki realibilitas yang baik. Model akhir pengunjung perpustakaan total dalam pengujian ini melihat mengenai variabel endogen dan variabel eksogen yang dicerminkan dalam beberapa indikator. Setiap indikator pada model total dapat merefleksikan interelasi dalam menggambarkan masing-masing variabel laten dengan baik apabila lebih dari 0,7. Hal ini menunjukan bahwa kesesuain pelayanan terhadap harapan pengunjung. Gambar 3
Kriteria suatu konstruk dapat dikatakan reliabel adalah ketika nilai composite reability atau croncach’s alpha lebih dari 0.7. Dari hasil output SmartPLS menunjukan bahwa semua konstruk laten ER, PP, OS, TF, TLE, HSU, UV, US, UL pengguna memiliki nilai composite reliability
dan cronbach’s alpha lebih dari 0.7 ; sehingga dapat disimpulkan bahwa
semua konstruk memiliki tingkat reliabilitas dan validitas yang baik/tinggi dengan standar yang telah terpenuhi. Tabel 7.
Gambar 3 Model awal diagram jalur hasil output SmartPLS pengunjung total
Hasil output SmartPLS yaitu nilai Average Variance Extracted (AVE) dapat dilihat pada tabel 8. Kontruksi dapat memiliki validity yang baik adalah ketika nilai AVE lebih dari 0.5.
Tabel 7 Hasil Output SmartPLS pada Report Overview pengunjung total
Konstruk Laten
AVE Composite Reliability
ER 0.856368 0.922626 HSU 0.777765 0.933258 OS 0.873177 0.932295 PP 0.918379 0.957452 TF 0.904398 0.949797 TLE 0.890761 0.942224 UL 0.718444 0.884319 US 0.780507 0.914190 UV 0.733185 0.891759
Sumber : Data diolah 2014
Hasil output (Composite Reliability) menunjukkan korelasi
indikator ER1, ER2 dengan masing-masing variabel ER lebih tinggi dari korelasi dengan variabel lainnya masing-masing sebesar 0.921; 0.930. Sama halnya dengan korelasi indikator pada variabel HSU, OS, PP, TF, TLE, UV, US, UL, bahwa nilai korelasi indikator lebih tinggi dengan korelasi variabel masing-masing dari pada korelasi dengan variabel lainnya, sehingga dapat disimpulkan bahwa indikator pada variabel ER, PP, OS, TF, TLE, HSU, UV, US, UL memiliki tingkat discrimnat validity yang baik. Artinya bahwa indikator tersebut dapat dikatakan tingkat validitasnya baik.
Membandingkan korelasi antar variabel dengan akar AVE bahwa nilai akar AVE harus lebih besar dari nilai korelasi maksimal variabel. Perbandingan dilakukan dengan melihat akar AVE apabila korelasi setiap variabel dibawahnya. Perbandingan korelasi dengan akar AVE dapat dilihat pada Tabel 8.
Tabel 8 Perbandingan korelasi dengan akar AVE pengunjung total
Konstruk Laten ER HSU OS PP TF TLE UL US UV ER 0,9255 HSU 0.5623 0,8815 OS 0.6070 0.6456 0,9345 PP 0.6001 0.6328 0.6624 0,9585 TF 0.5929 0.7204 0.6179 0.6667 0,951 TLE 0.4941 0.4758 0.4348 0.5163 0.569 0,9435 UL 0.3343 0.2825 0.3605 0.2432 0.289 0.3221 0,8473 US 0.6722 0.7480 0.7127 0.7148 0.719 0.6125 0.4282 0,8833 UV 0.4340 0.3948 0.4145 0.4511 0.436 0.6379 0.4755 0.5742 0,856
Akar AVE untuk variabel ER adalah 0.9255, sedangkan korelasi maksimal ER dengan variabel lainnya adalah 0.672291 (dengan variabel US). Nilai akar AVE ER (0.9255>0.6722) lebih tinggi dari korelasinya dengan variabel lainnya, maka dapat dikatakan bahwa variabel ER memiliki discriminant validity-nya baik. Sama halnya dengan akar AVE
pada variabel lainnya yang lebih tinggi dari korelasi maksimal antar variabel. Akar AVE pada diagonal (cetak tebal) dibandingkan nilai korelasi antar variabel (kolom bawah) ternyata akar AVE lebih tinggi nilainya. Hal ini berarti bahwa semua variabel memiliki discriminant validity yang tinggi. Dengan demikian semua variabel telah memehi convergent validity dan mempunyai discriminant validity yang tinggi, sehingga dapat dilanjutkan untuk analisis inner model.
2). Hasil Proses Analisis Outer Model Pengunjung Perpustakaan (Profesi Mahasiswa)
Model pengunjung profesi mahasiswa berdasarkan analisi outer model sama halnya dengan model total, bahwa setiap indikator dapat merefleksikan dalam menggambarkan masing-masing konstruk dengan baik pada semua variabel endogen dan variabel eksogen. Ini ditunjukan dengan nilai loading factor di atas 0,7. Nilai loading factor antar indikator dengan konstraknya dapat dilihat pada Gambar 4.
Kriteria suatu konstruk dapat dikatakan reliabel adalah ketika nilai composite reability lebih dari 0.7. Pengujian dari convergent validity adalah melihat hasil output SmartPLS yaitu nilai Average Variance Extracted (AVE) dapat dilihat pada tabel 10. Kontruksi dapat memiliki validity yang baik adalah ketika nilai AVE lebih dari 0.5. Nilai AVE dapat dilihat pada Tabel 9.
Tabel 9 Hasil Output SmartPLS pada Report Overview pengunjung profesi mahasiswa
Konstruk Laten AVE Composite
Reliability ER 0,833408 0,909135 HSU 0,817278 0,947019 OS 0,897153 0,945789 PP 0,915816 0,956058 TF 0,928338 0,962835 TLE 0,900750 0,947783 UL 0,804891 0,925186 US 0,717450 0,883096 UV 0,742065 0,895984
Nilai AVE pada variabel ER, PP, OS, TF, TLE, HSU, UV, US, UL pengguna semua memiliki nilai AVE diatas 0.5. Hal ini menunjukan bahwa variabel tersebut memiliki tingkat valid yang baik. Hasil output (Composite Reliability) menunjukkan korelasi indikator ER1, ER2 dengan masing-masing variabel ER lebih tinggi dari korelasi dengan variabel lainnya masing-masing sebesar 0.913; 0.913. Sama halnya dengan korelasi indikator pada variabel HSU, UV, US, UL, bahwa nilai korelasi indikator lebih tinggi dengan dengan korelasi variabel masing-masing dari pada korelasi dengan variabel lainnya, sehingga dapat disimpulkan bahwa indikator pada variabel ER, PP, OS, TF, TLE, HSU, UV, US, UL memiliki tingkat discrimnat validity yang baik. Artinya bahwa indikator tersebut dapat dikatakan tingkat validitasnya baik.
Membandingkan korelasi antar variabel dengan akar AVE bahwa nilai akar AVE harus lebih besar dari nilai korelasi maksimal variabel. Perbandingan dilakukan dengan melihat akar AVE dengan korelasi setiap konstruk dibawahnya. Perbandingan korelasi dengan akar AVE dapat dilihat pada Tabel 10.
Tabel 10 Perbandingan korelasi dengan Akar AVE pengunjung profesi mahasiswa Konsru k Laten ER HSU OS PP TF TLE UL US UV ER 0,913 HSU 0,413 0,904 OS 0,620 0,448 0,948 PP 0,503 0,612 0,638 0,957 TF 0,507 0,679 0,557 0,697 0,964 TLE 0,554 0,358 0,458 0,485 0,549 0,949 UL 0,331 0,142 0,297 0,120 0,260 0,339 0,897 US 0,660 0,617 0,591 0,677 0,647 0,661 0,481 0,844 UV 0,451 0,202 0,356 0,359 0,298 0,650 0,522 0,579 0,871
Nilai akar AVE untuk variabel ER adalah 0.913, sedangkan korelasi maksimal ER dengan variabel lainnya adalah 0.66053 (dengan variabel US). Nilai akar AVE ER (0.913>0.66053) lebih tinggi dari korelasinya dengan variabel lainnya, maka dapat dikatakan bahwa variabel ER memiliki discriminant validity-nya baik. Sama halnya dengan akar AVE pada variabel lainnya yang lebih tinggi dari korelasi maksimal antar variabel. Akar AVE pada diagonal (cetak tebal) dibandingkan nilai korelasi antar variabel (kolom bawah) ternyata akar AVE lebih tinggi nilainya. Hal ini berarti bahwa semua variabel memiliki discriminant validity yang tinggi. Dengan demikian semua variabel telah memehi convergent validity dan mempunyai discriminant validity yang tinggi, sehingga dapat dilanjutkan untuk analisis inner model.
3). Hasil Proses Analisis Outer Model Pengunjung Perpustakaan (Profesi Non Mahasiswa)
Model yang berprofesi non mahasiswa juga sama halnya dengan model total dan mahasiswa, setiap indikator merefleksikan dalam menggambarkan indikator-indikator dengan baik pada setiap variabel endogen dan eksogen, karena memiliki nilai factor loading lebih dari 0,7.
Gambar 5 Hasil proses Outer Model pengunjung profesi non mahasiswa Pengujian terakhir dari convergent validity adalah melihat hasil output SmartPLS yaitu nilai Average Variance Extracted (AVE), variabel dapat memiliki validity yang baik adalah ketika nilai AVE lebih dari 0.5. Dapat dilihat pada tabel 11
Tabel 11 Hasil Output SmartPLS pada Report Overview pengunjung profesi non mahasiswa
Variabel Laten
Composite Reliability AVE
ER 0,920268 0,852318 HSU 0,922124 0,747721 OS 0,927663 0,865086 PP 0,948826 0,902642 TF 0,918492 0,849280 TLE 0,922906 0,856899 UL 0,817779 0,601350 US 0,927583 0,810280 UV 0,883696 0,717263
Nilai AVE pada variabel ER, PP, OS, TF, TLE, HSU, UV, US, UL semua memiliki nilai AVE diatas 0.5. Hal ini menunjukan bahwa konstruk tersebut memiliki tingkat valid yang baik. Hasil output (Composite Reliability) menunjukkan korelasi indikator ER1, ER2 dengan masing-masing variabel ER lebih tinggi dari korelasi dengan konstruk lainnya masing-masing sebesar 0.916; 0.930. Sama halnya dengan korelasi indikator pada konstruk PP, OS, TF, TLE, HSU, UV, US, UL, bahwa nilai korelasi indikator lebih tinggi dengan dengan korelasi variabel masing-masing dari pada korelasi dengan variabel lainnya, sehingga dapat disimpulkan bahwa indikator pada variabel ER, PP, OS, TF, TLE, HSU, UV, US, UL memiliki tingkat discrimnat validity yang baik. Artinya bahwa indikator tersebut dapat dikatakan tingkat validitasnya baik.
Membandingkan korelasi antar variabel dengan akar AVE, bahwa nilai akar AVE harus lebih besar dari nilai korelasi maksimal variabel. Perbandingan dilakukan dengan melihat akar AVE dan korelasi setiap variabel dibawahnya. Perbandingan korelasi dengan akar AVE dapat dilihat pada Tabel 12.
Tabel 12 Perbandingan Korelasi dengan akar AVE pengunjung profesi non mahasiswa ER HSU OS PP TF TLE UL US UV ER 0,923 HSU 0,614 0,864 OS 0,576 0,759 0,930 PP 0,577 0,598 0,664 0,950 TF 0,554 0,733 0,658 0,527 0,922 TLE 0,327 0,534 0,376 0,441 0,487 0,926 UL 0,220 0,349 0,355 0,253 0,187 0,185 0,773 US 0,640 0,814 0,767 0,717 0,764 0,535 0,350 0,900 UV 0,334 0,494 0,412 0,445 0,481 0,591 0,410 0,536 0,826
Ket: diagonal akar AVE (cetak tebal)
Nilai akar AVE untuk variabel ER adalah 0.923, sedangkan korelasi maksimal ER dengan variabel lainnya adalah 0.640575 (dengan variabel US). Nilai akar AVE ER (0.923>0.640575) lebih tinggi dari korelasinya dengan variabel lainnya, maka dapat dikatakan bahwa variabel Sumberdaya elektronik memiliki discriminant validity-nya baik. Sama halnya dengan akar AVE pada variabel lainnya yang lebih tinggi dari korelasi maksimal antar variabel. Akar AVE pada diagonal (cetak tebal) dibandingkan nilai korelasi antar variabel (kolom bawah) ternyata akar AVE lebih tinggi nilainya. Hal ini berarti bahwa semua variabel memiliki discriminant validity yang tinggi. Dengan demikian semua variabel telah memenuhi convergent validity dan mempunyai discriminant validity yang tinggi, sehingga dapat dilanjutkan untuk analisis inner model.
b. Analisis Evaluasi Model Struktural (Inner Model)
Evaluasi model struktural menggambarkan hubungan antara
konstruk/variabel laten eksogen dengan variabel endogen (adanya pengaruh langsung secara positif atau negatif) dilihat dari hasil output SmartPLS (Path coefficient (Mean, STDev, T-Value)) dan nilai signifikan (T_Statistik), nilai R Square (R2). Model penelitian terdiri dari enam variabel laten. ER, PP, OS, TF, TLE, HSU, sebagai variabel laten eksogen. Masing-masing variabel laten eksogen mempengaruhi langsung terhadap variabel laten endogen UV, US, serta mempengaruhi secara tidak langsung melalu UV, US terhadap UL. Nilai pengunjung sebagai variabel laten endogen yang mempengaruhi secara tidak langsung melalui US maupun langsung terhadap UL. Kepuasan sebagai variabel laten endogen yang mempengaruhi secara langsung terhadap UL. Untuk menjelaskan pengaruh variabel laten eksogen tertentu terhadap variabel laten endogen apakah mempunyai pengaruh yang substantif dapat dilihat pada perubahan nilai R-Square pada Tabel 13.
Tabel 13 Hasil Nilai R Square
R Square
Konstruk Laten Pengunjung
Perpustakaan Total Mahasiswa Non Mahasiswa
ER HSU OS PP TF TLE UL US UV 0,278763 0,759146 0,437684 0,393476 0,724912 0,442750 0,199383 0,802818 0,409857
1) Pembahasan Nilai R Square pada Model Pengunjung