LANDASAN TEORI
2.1.6. Metode Analisis Component Based SEM atau Partial Least Square (PLS) Square (PLS)
Seperti telah dijelaskan sebelumnya bahwa tujuan Partial Least Square (PLS) adalah alat yang digunakan untuk menguji variabel laten untuk prediksi oleh peneliti. Untuk mendapatkan estimasi parameter PLS tidak perlu menggunakan teknik parametrik sebagai pengujian parameter yang signifikansi (Hair 2014). Pengukuran presepsi yang mempunyai sifat non parametrik Model dievaluasi oleh Smart PLS.Ada empat alasan utama metode analisis menurut (Ghozali,2014), yaitu :
1. PLS digunakan untuk penelitian kompleksitas yang tinggi dengan menggunakan variabel laten
2. Skala pengukuran (nominal, rasio, ordinal, dan interval) tidak mensyaratkan data harus berdistribusi normal dan dapat digunakan pada sample yang kecil saat menggunkan PLS
3. 30 tahun sudah teruji pendekatan PLS sudah teruji, dengan desain dasar dan konsep yang jelas
4. Software PLS memiliki dukungan fitur yang lengkap dan mudah
digunakan oleh pengguna
Dalam model evaluasi PLS terdapat tahap-tahap sebagai berikut:
a. Model Pengukuran atau Outer Model.
Validitas konstruk melibatkan apakah skor mengukur konstruk hipotetis target, yang laten dan dengan demikian dapat diukur hanya secara tidak langsung melalui indikatornya. Tidak ada tes validitas konstruk tunggal yang definitif, juga tidak ditetapkan dalam satu tes tunggal belajar.
Sebaliknya, penelitian berbasis pengukuran biasanya menyangkut aspek tertentu dari validitas konstruk. Misalnya, validitas terkait kriteria menyangkut apakah skor tes (X) berhubungan dengan kriteria (Y) dimana skor dapat dievaluasi (Kline, 2016).
Validitas konvergen dan validitas diskriminan melibatkan evaluasi tindakan terhadap satu sama lain, bukan terhadap standar eksternal.
Variabel yang dianggap mengukur konstruk yang sama menunjukkan validitas konvergen jika interkorelasinya cukup besar. Tetapi jika langkah-langkah yang seharusnya mencerminkan konstruksi yang sama juga berbagi metode pengukuran yang sama, interkorelasi mereka dapat meningkat dengan kesamaan varians metode. Jadi, kasus terbaik untuk validitas konvergen terjadi ketika ukuran sifat yang dianggap sama masing-masing didasarkan pada metode pengukuran yang berbeda (Campbell & Fiske, 1959). Demikian juga, validitas diskriminan didukung jika interkorelasi di antara satu set variabel yang dianggap mengukur konstruksi yang berbeda tidak terlalu tinggi, tetapi bukti ini lebih kuat
ketika tindakan tidak didasarkan pada metode yang sama. Penggukuran nilai loading 0,5 samapai dengan 0,6 dianggap sudah pas (Chopra et al., 2019).
Discriminat validity berkaitan dengan apakah item tes mewakili domain mereka seharusnya mengukur. Validitas isi seringkali penting untuk ukuran pencapaian skolastik, seperti tes yang seharusnya menilai keterampilan tertentu pada tingkat kelas tertentu. Penting juga untuk jenis tes lain, seperti penilaian gejala timbangan. Item skala peringkat depresi, misalnya, harus mewakili area gejala yang dianggap mencerminkan depresi klinis. Pendapat ahli adalah dasar untuk menetapkan validitas isi, bukan analisis statistik. Seperti dalam jenis metode statistik lainnya, SEM membutuhkan analisis skor dengan bukti yang baik untuk validitas. Karena reliabilitas skor umumnya diperlukan untuk skor validitas—tetapi tidak menjaminnya—persyaratan ini mencakup reliabilitas skor yang baik, juga (lihat Little et al., 1999, untuk pengecualian). Jika tidak, keakuratan interpretasi hasilnya diragukan. Jadi menggunakan SEM tidak membebaskan peneliti dari keharusan berpikir tentang pengukuran.
b. Model Struktural atau Inner Model.
Model struktural atau inner model dievaluasi untuk melihat nilai R-squares pada konstruk laten endogen, Q-square test untuk predictive relevance serta signifikansi dari koefisien parameter jalur struktural dengan melihat persentase variance yang dijelaskan. Nilai R-squares dapat berubah-ubah untuk menjelaskan hubungam variabel laten eksogen terhadap variabel endogen adanya pengaruh yang substantive.
Nilai R-squares ≤ 0,70, ≤ 0,45, ≤ 0,25 artinya model yang dibuat termasuk kuat, moderate dan lemah (Ghozali 2014). Jika nilai R besar artinya prediktor model semakin bagus dalam menjelaskan hubungan variance. Nilai 0,70 adalah batas maksimal dalam menggunakan PLS jika nilai R lebih besar kemungkinan model mengalami masalah collinearity (Hair, 2016).
c. Analisis efek mediasi
Prosedur pengujian hipotesis variabel pemediasi (mediating / intervening variable) adalah dengan dua langkah (Baron & Kenny 1986;
Hair et al. 2014; Mahruf dan Ratmono 2013) :
1. Kenny (2013) mengingatkan kita bahwa sama seperti model mediasi adalah model kausal, jadi juga merupakan model moderasi; dengan demikian, jika asumsi arah dasar tidak benar, hasilnya mungkin memiliki nilai yang kecil. Misalnya, efek interaktif antara X dan W dapat terbalik jika efek langsung antara X dan Y dibalik.
2. Kenny (2013) memberikan contoh bagaimana efek lengkung dan interaktif dapat bingung. Misalkan X adalah pendapatan dan Y adalah motivasi kerja. Hubungan mereka adalah lengkung sedemikian rupa sehingga asosiasi mereka lebih kuat pada tingkat pendapatan yang lebih rendah. Jika variabel W adalah usia, maka karena pekerja yang lebih muda menghasilkan lebih sedikit uang, "interaksi" antara usia dan pendapatan dapat ditemukan, sehingga hubungan antara pendapatan dan motivasi adalah lebih kuat untuk
pekerja yang lebih muda. Untuk menghindari membingungkan lengkung dan interaktif efek,
3. Edwards (2009) merekomendasikan penyertaan rutin istilah kekuatan X 2 dan W 2 setiap kali memperkirakan koefisien untuk suku produk XW .
Edwards (2009) mengingatkan kita bahwa meskipun istilah produk dapat direpresentasikan sebagai variable kausal dalam diagram jalur (misalnya, Gambar 17.4(a)), sebenarnya tidak memiliki potensi kausal. Ini karena istilah produk tidak mewakili entitas yang berbeda selain dari komponennya. variabel ponents. Ini hanyalah konstruksi matematis yang mewakili efek gabungan ketika dianalisis bersama dengan komponen komponennya.
Mahruf dan Ratmono (2013) menyebutkan bahwa pengambilan kesimpulan berdasarkan:
a. Jika koefisien jalur variabel independen terhadap variabel dependen pada pengujian secara simultan (langkah kedua) hasilnya tetap signifikan dan bernilai sama dengan nilai koefisien jalur pada pengujian direct effect (langkah pertama) maka hipotesis tidak didukung
b. Jika koefisien jalur variabel independen terhadap variabel dependen pada pengujian secara simultan (langkah kedua) nilainya turun dibandingkan dengan nilai koefisien jalur pada pengujian direct effect (langkah pertama) tetapi tetap signifikan maka bentuk mediasi adalah mediasi sebagian (partial mediation)
c. Jika koefisien jalur variabel independen terhadap variabel dependen hasil uji secara terus-menerus nilainya turun dibandingkan dengan nilai koefisien jalur pada hasil uji direct effect sehingga tidak signifikan dapat dikatakan mediasi penuh (full mediation)
2.1.7. Sus (System Usability Scale)
Skor SUS dihitung dengan mengikuti ketentuan sebagai berikut:
1. Setiap pernyataan nomor ganjil (1,3,5,7,9), bobot didapat dikurangi 1 (Pganjil-1)
2. Setiap pernyataan nomor genap (2,4,6,8,10), bobot didapat yaitu 5 dikurangi skor didapat (5 – Pgenap)
3. Total dari setiap pembobotan dikalikan 2,5
4. Terakhir hitung total hasil rata” responden (Sauro, 2011).
Secara matematis, rumus perhitungan skor SUS untuk setiap responden/partisipan dapat diformulasikan menjadi berikut ini (Sitanggang, 2018):
Skor pernyataan Responden = ((P1-1) + (5-P2) + (P3-1) + (5-P4) + (P5-1) + (5-P6) + (P7-1) + (5-P8) + (P9-1) + (5-P10)) * 2.5
Rumus skor SUS untuk semua responden:
Skor SUS =
Skor SUS yang dihasilkan kemudian diinterpretasikan dalam beberapa versi sebagai berikut:
a. Acceptability Ranges penerimaan pengguna skala peringkatnya yaitu Not
Acceptable, Marginal, dan Acceptable (Bangor et al., 2008).
b. Grade Scale yaitu: A (90-100), B (80- 90), C (70-80), D (60-70), dan F (<60) (Bangor, Kortum dan Miller, 2009).
c. Adjectives Rating Adalah kata sifat yang menterjemahkan skor numerik SUS ke dalam penilaian absolut terhadap usability (Bangor, Kortum dan Miller, 2009). Skala peringkat adjectives ini meliputi: Worst Imaginable, Awful, Poor, OK, Good, Excellent, Best Imaginable.
d. Percentiles Perhitungan persentil membandingkan data fakta hasil penelitian dengan database penelitian yang telah dilakukan sebelumnya (Sauro, 2011), Skor diatas (above average) dan di bawah rata-rata (below average).
e. Promoters and Detractors Sauro (2012) skor SUS dikorelasikan dengan Net Promoter Score (NPS). NPS yang digunkan untuk menghitung kepuasan atau merekomendasikan alat yang di pakai kepada orang lain(Hanifah, Rahayu dan Dirgantari, 2018). Hasil analisis yang diperoleh berupa evaluasi usability sistem yang dapat diterjemahkan dan disimpulkan.