Hasil dan Pembahasan
4.1. Pengolahan Data SEM
4.1.1. Model Jalur Path
Path diagram dibuat untuk melihat pengaruh kausalitas yang akan diuji oleh peneliti dengan mudah. Korelasi dengan menggunakan SEM digambarkan menggunakan dalam parth diagram, beda dengan pengujian lainnya hanya menggunakan persamaan. Dengan menggunakan Smart PLS Bahasa program akan di ubah menjadi gambar menjadi estimasi
Gambar 4.1. Path
4.1.2. Evaluasi Goodness of Fit, Model Pengukuran atau Outer Model 4.1.2.1. Convergent Validity
Convergent validity diukur untuk mencerminkan variable dan mengetahui valid atau tidaknya indicator. individu dianggap reliabel jika terdapat nilai korelasi di atas 0,70 dianggap reliabel (Ilyas & Zaman, 2020).
Namun demikian pada riset tahap pengembangan skala, loading 0,50 sampai 0,60 masih dapat diterima (Imam Ghozali, 2006).
a. Convergent Validity untuk Sikap Menggunakan Teknologi (Attitude toward Using Technologi (ATT)
Konstruk “ATT” terdapat dari 3 indikator yaitu ATT1, ATT2, dan ATT3. Berdasarkan hasil output SmartPLS 3, ATT1 terdapat loading sebesar 0,813, ATT2 terdapat loading sebesar 0,834 dan ATT3 terdapat Loading sebesar 0,796. Berdasarkan nilai loading tersebut, maka konstruk Attitude toward Using Technologi telah mencukupi Convergent Validity.
Tabel 4.1. Nilai Loading untuk ATT
No Indikator Nilai Loading Keterangan
1 AAT1 0,813 Mencukupi Convergent Validity
2 ATT2 0,834 Mencukupi Convergent Validity
3 ATT3 0,796 Mencukupi Convergent Validity
Sumber : Output Program SmartPLS 3, 2021 (Data Diolah)
b. Convergent Validity untuk Norma Subjektif (Subjective Norm) (SN) Konstruk SN terdapat tiga indikator yaitu SN1, SN2 dan SN3. SN1 terdapat loading sebesar 0,917, SN2 terdapat loading sebesar 0,535 dan SN3 terdapat loading sebesar 0,354. Maka nilai loading tersebut, dan
konstruk SN telah memenuhi convergent validity.
Tabel 4.2. Nilai Loading untuk konstruk SN No Indikator Nilai Loading Keterangan
1 SN1 0,917 Mencukupi Convergent Validity
2 SN2 0,535 Tidak Mencukupi Convergent Validity
3 SN3 0,354 Tidak Mencukupi Convergent Validity
Sumber : Output Program SmartPLS 3, 2021 (Data Diolah)
pada model ini terdapat dua indikator yaitu SN2 = 0,535 dan SN3 = 0,354. Satu indikator ini terdapat nilai loading factor dibawah 0,70. Ketika indikator ini dihilangkan salah satu variabel yang nilai faktornya rendah.
Setelah menghilangkan indikator variabel yang tidak valid dalam model, selanjutnya model kembali di calculate sehingga menghasilkan nilai outer loading yang baru.
Tabel 4.3. Nilai Loading untuk konstruk SN baru No Indikator Nilai Loading Keterangan
1 SN1 1,000 Mencukupi Convergent Validity
Sumber : Output Program SmartPLS 3, 2021 (Data Diolah)
c. Convergent Validity untuk Konstruk Kontrol Perilaku persepsian (Perceived Behavior Control) (PBC)
Konstruk PBC yang terdiri dari tiga indikator yaitu PBC1, PBC2, PBC3, dan PBC4. Berdasarkan hasil output SmartPLS 3, PBC1 terdapat loading sebesar 0,942, PBC2 terdapat loading sebesar 0,919, dan PBC3 terdapat loading sebesar 0,956. Berdasarkan nilai loading tersebut, maka konstruk PBC1, PBC2, PBC3 telah memenuhi Convergent Validity.
Tabel 4.4. Nilai Loading untuk konstruk PBC No Indikator Nilai Loading Keterangan
1 PBC1 0,942 Mencukupi Convergent Validity
2 PBC2 0,919 Mencukupi Convergent Validity
3 PBC3 0,956 Mencukupi Convergent Validity
Sumber : Output Program SmartPLS 3, 2021 (Data Diolah)
d. Convergent Validity untuk Konstruk Self-Efficacy menggunkan teknologi (SE)
Konstruk SE yang terdiri dari 3 indikator yaitu SE1, SE2, dan SE3.
Berdasarkan hasil output SmartPLS 3, SE1 terdapat loading sebesar 0,749, EE2 terdapat loading sebesar 0,822 dan SE3 terdapat loading sebesar 0,726.
Berdasarkan nilai loading tersebut, maka konstruk SE1, SE2 dan SE3 telah memenuhi Convergent Validity.
Tabel 4.5. Nilai Loading untuk konstruk SE No Indikator Nilai Loading Keterangan
1 SE1 0,749 Mencukupi Convergent Validity
2 SE2 0,822 Mencukupi Convergent Validity
3 SE3 0,726 Mencukupi Convergent Validity
Sumber : Output Program SmartPLS 3, 2021 (Data Diolah)
e. Convergent Validity untuk Konstruk Niat menggunakan teknologi (Behavioalr Intention to Use) (BI)
Konstruk BI yang terdiri dari tiga indikator yaitu BI1, BI2, dan BI3.
Berdasarkan hasil output SmartPLS, BI1 terdapat loading sebesar 0,801, BI2 terdapat loading sebesar 0,734, dan BI3 terdapat loading sebesar 0,711.
Berdasarkan nilai loading tersebut, maka konstruk BI telah memenuhi Convergent Validity.
Tabel 4.6. Nilai Loading untuk konstruk BI No Indikator Nilai Loading Keterangan
1 BI1 0,801 Mencukupi Convergent Validity
2 BI2 0,734 Mencukupi Convergent Validity
3 BI3 0,711 Mencukupi Convergent Validity
Sumber : Output Program SmartPLS , 2021 (Data Diolah)
f. Convergent Validity untuk Konstruk Kemapuan Akses (Accessibility) (AS)
Konstruk AS1 yang terdiri dari tiga indikator yaitu AS1, AS2, dan AS3. Berdasarkan hasil output SmartPLS 3, AS1 terdapat loading sebesar 0,797, AS2 terdapat loading sebesar 0,824, dan AS3 terdapat loading sebesar 0,835. Berdasarkan nilai loading tersebut, maka konstruk AS1, AS2 dan AS3 telah memenuhi Convergent.
Tabel 4.7. Nilai Loading untuk konstruk AS
No Indikator Nilai Loading Keterangan
1 AS1 0,797 Mencukupi Convergent Validity
2 AS2 0,824 Mencukupi Convergent Validity
3 AS3 0,835 Mencukupi Convergent Validity
Sumber : Output Program SmartPLS, 2021 (Data Diolah)
g. Convergent Validity untuk Konstruk Efektivitas E-Learning (E-Learning Effectiveness)(EE)
Konstruk EE yang terdiri dari empat indikator yaitu EE1, EE2, EE3 dan EE4. Berdasarkan hasil output SmartPLS 3, EE1 terdapat loading sebesar 0,248, EE2 terdapat loading sebesar 0,760, EE3 terdapat loading sebesar 0,825 dan EE4 terdapat loading sebesar 0,818. Berdasarkan nilai loading
tersebut, maka konstruk EE1 belum memenuhi Convergent Validity dan konstruk EE2, EE3, dan EE4 telah memenuhi Convergent Validity
Tabel 4.8. Nilai Loading untuk konstruk EE No Indikator Nilai Loading Keterangan
1 EE1 0,248 Tidak Mencukupi Convergent Validity
2 EE2 0,760 Mencukupi Convergent Validity
3 EE3 0,825 Mencukupi Convergent Validity
4 EE4 0,818 Mencukupi Convergent Validity
Sumber : Output Program SmartPLS, 2021 (Data Diolah)
pada model terdapat satu indicator yang dieleminasi yaitu EE1 = 0,248. Satu indikator ini terdapat nilai loading factor dibawah 0,70. Ketika indikator ini dihilangkan salah satu variabel yang nilai faktornya rendah. Dengan menghilangkan indikator variabel yang tidak valid dalam model, kemudian model kembali di calculate sehingga menghasilkan nilai outer loading yang baru.
Tabel 4.9. Nilai Loading untuk konstruk EE baru No Indikator Nilai Loading Keterangan
1 EE2 0,769 Memenuhi Convergent Validity
2 EE3 0,829 Memenuhi Convergent Validity
3 EE4 0,819 Memenuhi Convergent Validity
Sumber : Output Program SmartPLS, 2021
Hasil nilai outer loading Sebelum modifikasi dan telah modifikasi dapat dilihat pada gambar 4.5 dan gambar 4.6 path diagram berikut ini:
Gambar 4.2. Model Struktural Sebelum Modifikasi
Gambar 4.3. Model Struktural Sesudah Dimodifikasi Sumber : Output Program SmartPLS 3, 2021