27 Universitas Kristen Petra

(1)

27 Universitas Kristen Petra

3. METODE PENELITIAN

3.1 Jenis Penelitian

Jenis penelitian ini adalah kuantitatif dan causal research. Dikatakan kuantitatif karena penelitian ini digunakan untuk meneliti populasi dan sampel, pengumpulan data menggunakan instrumen penelitian, analisis data bersifat kuantitatif atau statistik, dengan tujuan untuk menguji hipotesis yang diajukan (Sugiyono, 2008, p. 11). Dikatakan causal research karena tujuan utama penelitian ini adalah mendapatkan bukti mengenai hubungan sebab-akibat (hubungan kausal) dari variabel-variabel penelitian (Malhotra, 2005, p. 364).

Data yang digunakan dapat diukur dan akan menghasilkan kesimpulan yang bersifat umum bagi sejumlah subyek yang diteliti, yaitu konsumen yang biasa berbelanja di Kaskus Online Shopping.

3.2 Gambaran Populasi dan Sampel 3.2.1 Populasi

Populasi sebagai keseluruhan obyek penelitian yang dapat terdiri dari manusia, benda, hewan, tumbuhan, gejala, nilai test, atau peristiwa, sebagai sumber data yang memiliki karakteristik tertentu dalam suatu penelitian (Sugiyono, 2008, p.

80). Populasi dalam penelitian ini adalah seluruh konsumen yang pernah berbelanja di Kaskus Online Shopping di Surabaya. Dalam hal ini populasi tidak terbatas luasnya dan tidak dapat dihitung jumlah dan besarnya secara pasti.

3.2.2 Sampel dan Teknik Pengambilan Sampel

Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut (Sugiyono,2006, p. 56). Survei sampel sebagai prosedur untuk menentukan sebagian dari populasi, diambil dan dipergunakan untuk menentukan ciri dan sifat yang dikehendaki dari populasi. Penentuan sampel dilakukan dengan metode convenience sampling yakni peneliti berusaha memperoleh sampel dari yang paling

(2)

mudah dihubungi, dikenal, dan mau bekerja sama dalam mengisi kuesioner (Sugiyono,2006, p.60). Sampel pada penelitian ini adalah konsumen pengguna Kaskus Online Shopping.

Sugiyono (2001,p. 13) menyatakan pendapat bahwa bila dalam penelitian akan melakukan analisis dengan multivariat (korelasi atau regresi berganda misalnya), maka jumlah anggota sampel minimal 5 kali dari jumlah indikator yang diteliti. Penelitian ini memiliki 18 indikator, sehingga penulis mengambil sampel sebanyak minimum 90 responden.

3.3 Jenis dan Sumber Data 3.3.1 Jenis data

 Data Kuantitatif

Data kuantitatif adalah data yang berbentuk angka, seperti keterangan tentang jumlah, rata-rata, persentase, dan rasio. Jadi, data kuantitatif merupakan data yang dapat dihitung jumlahnya, menggunakan pendekatan dengan metode statistik (Suliyanto, 2005, p. 6).

3.3.2 Sumber Data

Sumber data yang digunakan dalam penelitian ini terdiri dari 2 bagian, yaitu:

a. Data Primer

Menurut Bungin (2006, p. 122) data primer adalah data yang langsung dari sumber data pertama di lokasi penelitian atau obyek penelitian. Data ini didapat dari kuesioner yang dibagikan kepada masyarakat yang pernah berbelanja di Kaskus Online Shopping.

b. Data Sekunder

Menurut Kuncoro (2003, p. 136), data sekunder adalah data yang telah dikumpulkan oleh pihak lain. Data sekunder dapat diperoleh melalui

jurnal, blog internet, dan tabloid yang berhubungan dengan skripsi ini.

(3)

3.4 Metode dan Prosedur Pengumpulan Data

Metode dan prosedur pengumpulan data yang dipergunakan dalam penelitian ini adalah:

a. Metode survei

Penulis melakukan survei atau penelitian lapangan dengan menyebar kuesioner kepada konsumen. Dalam penelitian ini, penulis membagikan kuesioner kepada calon responden sesuai dengan metode sampling yang telah dijelaskan pada bab sebelumnya yaitu: convenience sampling. Sugiyono (2007, p. 142) mengemukakan bahwa kuesioner merupakan “teknik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan atau pernyataan tertulis kepada responden untuk dijawab” (Sugiyono, 2007, p. 142). Kuesioner dapat berupa “pernyataan tertutup atau terbuka, dapat diberikan kepada responden secara langsung atau dikirim melalui pos, atau internet.” Prosedur dalam pengumpulan data melalui survei ini dilakukan dengan tahapan sebagai berikut:

1. Mencari responden, yaitu orang-orang yang pernah menggunakan jasa dari berbelanja melalui Kaskus Online Shopping.

2. Meminta kesediaan responden mengisi kuesioner dan memberikan penjelasan tentang cara pengisian kuesioner.

3. Responden mengisi kuesioner.

4. Mengumpulkan kuesioner yang telah diisi oleh responden kemudian diseleksi sesuai karakteristik populasi, disortir, pemberian skor, ditabulasi, dan hasil tersebut diolah serta dianalisa untuk kepentingan penelitian.

Penulis menyebarkan sebanyak 90 kuesioner. Penyebaran kuesioner dilakukan di beberapa tempat, yaitu 20 kuesioner di food court Galaxy Mall, 20 kuesioner di food court Tunjungan Plaza, 30 kuesioner di Universitas Kristen Petra, dan 20 kuesioner di kos-kosan daerah Siwalankerto. Penyebaran kuesioner dilakukan pada tanggal 21 sampai 25 November 2011. Karakteristik responden yang diamati tersebut antara lain berdasarkan usia, jenis kelamin, pendidikan, pekerjaan, pendapatan, dan yang pernah melakukan transaksi pembelian di Kaskus Online Shop.

(4)

Skala Likert berhubungan dengan pernyataan tentang sikap seseorang terhadap sesuatu. Alternatif pernyataannya, misalnya adalah dari setuju sampai tidak setuju, senang sampai tidak senang, puas sampai tidak puas atau baik sampai tidak baik. Responden diminta mengisi pernyataan dalam skala interval berbentuk verbal dalam jumlah kategori tertentu bisa 5, 7 dan seterusnya (hendaknya ganjil, agar dapat menampung kategori yang netral) atau memasukkan kategori tidak tahu. Dengan skala Likert, maka variabel yang akan diukur dijabarkan menjadi indikator variabel.

Kemudian indikator variabel tersebut dijadikan titik tolak untuk menyusun item-item instrumen yang dapat berupa pernyataan atau pertanyaan. Ruslan (2003, p. 197) juga mengemukakan bahwa jawaban setiap item instrumen yang menggunakan skala likert menpunyai gradasi dari sangat positif sampai sangat negatif, yang dapat berupa kata- kata, antara lain sebagai berikut:

Tabel 3.1. Instrumen Skala Likert

No. Pernyataan Skala

1 Sangat Setuju (SS) 5

2 Setuju (S) 4

3 Cukup Setuju (CS) 3

4 Tidak Setuju (TS) 2

5 Sangat Tidak Setuju (STS) 1 Sumber: Ruslan (2003, p197)

Instrumen penelitian yang menggunakan skala Likert dapat dibuat dalam bentuk checklist ataupun pilihan ganda (Ruslan, 2003, p. 197). Kemudian dari hasil jawaban instrumen yang didapatkan akan dilakukan perhitungan skala dengan minitab dan ditransformasikan ke SPSS 16.00 untuk memberi skor sesuai dengan bobot alternatif tiap pertanyaan.

(5)

b. Metode analisa data sekunder

Studi kepustakaan adalah cara untuk mendapatkan data sekunder atau informasi melalui berbagai literatur yang berhubungan dengan pokok permasalahan yang akan dibahas. Penulis melakukan studi dengan membaca dan memakai literatur serta artikel yang sesuai dengan penelitian. Dokumen tersebut meliputi berbagai artikel dari majalah, koran serta jurnal-jurnal yang berkaitan dengan topik penelitian. Dokumen-dokumen yang ada dipelajari peneliti untuk memperoleh data dan informasi yang dibutuhkan dalam penelitian ini. Dokumen- dokumen tersebut digunakan oleh peneliti untuk data sekunder.

3.5 Definisi Operasional Variabel

Dalam penelitian terdapat dua macam variabel yaitu variabel bebas (independent variable) adalah variabel yang dapat mempengaruhi perubahan dalam variabel dependen di mana dilambangkan dengan X. Sedangkan variabel tidak bebas (dependent variable) adalah karakteristik yang berubah atau muncul, atau tidak muncul ketika peneliti mengenal, mengubah, atau mengganti variabel bebas dimana variabel tidak bebas ini dilambangkan dengan Y dan Z. (Kuncoro,2003,p. 42).

Pada penelitian ini variabel yang diidentifikasikan adalah sebanyak 5 buah variabel, dimana peneliti merumuskan definisi operasional masing-masing, sebagai berikut :

1. Produk (X1) adalah segala sesuatu yang ditawarkan kepada suatu pasar untuk memenuhi keinginan atau kebutuhan. Adapun indikatornya sebagai berikut:

1. Informasi produk yang terdapat pada Kaskus Online Shopping lengkap 2. Variasi produk yang ditawarkan banyak

3. Produk yang dijual berkualitas

4. Inovasi produk yang ditawarkan selalu diperbaharui

2. Harga (X2) adalah keseluruhan nilai yang ditukarkan konsumen untuk

mendapatkan keuntungan dari kepemilikan terhadap sebuah produk atau jasa. Adapun indikatornya sebagai berikut:

(6)

1. Harga yang terjangkau

2. Harga sesuai dengan kualitas produk yang ditawarkan 3. Harga sesuai dengan keinginan yang diharapkan 4. Harga sesuai dengan usaha yang dikorbankan

3. Tampilan Website (X3) adalah website yang meliputi sekumpulan konten online yang berisi katalog produk apa saja yang dijual. Adapun indikatornya sebagai berikut:

1. Akses website cepat

2. Website mudah dioperasikan 3. Website menarik

4. Tampilan website lengkap

4. Keputusan Pembelian (X₄) adalah suatu proses penilaian dan pemilihan dari berbagai alternatif sesuai dengan kepentingan-kepentingan tertentu dengan menetapkan suatu pilihan yang dianggap paling menguntungkan. Adapun indikatornya sebagai berikut:

1. Membeli produk berdasarkan manfaatnya 2. Membeli produk karena harga yang terjangkau 3. Membeli produk ketika melihat katalog di website

5. Kepuasan konsumen (X5) adalah hasil yang dirasakan konsumen setelah mengkonsumsi suatu produk atau layanan , baik sama maupun melebihi pengharapan konsumen tersebut. Pengukuran kepuasan konsumen dalam penelitian ini berdasarkan indikator empirik berikut :

1. Konsumen membeli ulang produk yang ada di Kaskus 2. Merekomendasikan Kaskus kepada konsumen yang lain

3. Kaskus Online Shop menjadi pertimbangan utama ketika membeli secara online

(7)

3.6 Teknik Analisa Data

3.6.1 Uji Validitas dan Uji Reliabilitas 3.6.1.1 Uji Validitas

Menurut Ghozali (2006, p.49), validitas adalah suatu derajat ketepatan alat ukur penelitian tentang isi sebenarnya yang diukur. Suatu tes atau instrumen pengukur dapat dikatakan mempunyai validitas yang tinggi apabila alat tersebut manjalankan fungsi ukurnya atau memberikan hasil ukur yang sesuai dengan maksud dilakukannya pengukuran tersebut. Tinggi rendahnya validitas instrumen menunjukkan sejauh mana data yang terkumpul tidak menyimpang dari gambaran tentang variabel yang dimaksud. Uji validitas dilakukan untuk melihat butir-butir pertanyaan mana yang layak (representative) untuk digunakan mewakili variabel- variabel laten dalam penelitian. Suatu kuesioner dinyatakan sah apabila mampu mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Validitas suatu item pertanyaan dapat dilihat pada hasil output SPSS pada tabel corrected item-total correlation. Menurut Ghozali (2006, p.49), validitas adalah suatu derajat ketepatan alat ukur penelitian tentang isi sebenarnya yang diukur. Tinggi rendahnya validitas instrumen menunjukkan sejauh mana data yang terkumpul tidak menyimpang dari gambaran tentang variabel yang dimaksud. Menurut Solimun suatu pertanyaan dikatakan valid bila koefisien korelasi antara skor suatu indikator dengan skor total seluruh indikator di atas 0.3 (r ≥ 0.3) (2002, p.59).

3.6.1.2 Uji Reliabilitas

Uji ini berkaitan dengan masalah adanya kepercayaan terhadap alat tes (instrumen) yang berhubungan secara langsung dengan ketetapan hasil penelitian.

Teknis pelaksanaan dari uji ini menggunakan uji Alpha Cronbach. Untuk mencari nilai reliabilitas instrumen, perlu diketahui dahulu variannya. Rumus dari varian yang dikutip dari Umar (2003, p. 97) yaitu:

(8)

𝝈

^𝟐

=

^∑𝑿

𝟐− ^{(∑𝑿)𝟐}

𝒏

^(3.1a.)

Keterangan:

𝜎² = varian

n = jumlah responden

X = nilai skor yang dipilih (total nilai dari nomor-nomor butir pertanyaan)

Setelah nilai varian tiap pernyataan telah diketahui maka dapat dicari nilai reliabilitas. Rumus dari Alpha Cronbach yang dikutip dari Umar (2003, p. 96) yaitu:

𝑟

₁₁

= (

^𝑘

𝑘−1

) ( 1 -

^∑𝜎^𝑏

2

𝜎_𝑡²

)

^(3.1b.)

Keterangan:

𝑟₁₁= reliabilitas instrumen k = banyak butir pertanyaan 𝜎_𝑡² = varian total

∑𝜎_𝑏² = jumlah varian butir

Menurut Ghozali (2006, p. 46), jika nilai Cronbach Alpha r-alpha > 0,60 maka alat ukur dinyatakan reliable (andal) atau dapat dikatakan bahwa hasil pengukuran relatif konsisten apabila dilakukan pengukuran ulang pada waktu berlainan. Sebaliknya apabila r-alpha < 0,60 maka alat ukur dinyatakan tidak reliable.

3.6.2 Analisa Statistik Deskriptif

Analisa statistik memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, dan lain-lain.

(9)

 Mean (𝑥 )

Mean atau rata-rata merupakan penjumlahan seluruh data dibagi dengan banyaknya data yang ada (Kuncoro, 2003, p. 173). Rumus yang digunakan untuk menghitung nilai mean adalah:

𝑥 =

^∑^𝑛^𝑖−1^𝑥^𝑖

𝑛 (3.2)

Keterangan:

n = banyaknya data yang ada 𝑥_𝑖 = data ke i

∑ = jumlah keseluruhan data

Untuk dapat menganalisa kuesioner yang menggunakan skala five point Likert scale dengan skor 1 (sangat tidak setuju) hingga 5 (sangat setuju), penulis menggunakan rentang skala. Hal ini dikarenakan untuk memperjelas kategori skala dan mempermudah penulis dalam menganalisa tiap pertanyaan berdasarkan rata-rata (mean) yang didapat. Rumus untuk mencari rentang skala menurut Umar (2003, p. 201) adalah:

RS = ^{(𝑚−𝑛)}

𝑏

Keterangan:

RS = Rentang skala

m = skor tertinggi yang mungkin n = skor terendah yang mungkin b = jumlah kelas

Perhitungan rentang skala:

RS = ⁽⁵⁻¹⁾

5

RS = 0,8

(10)

Dengan rentang skala 0,8 untuk skala five point Likert scale, maka skala linear numerik yang dipakai sebagai dasar adalah:

1.00-1.80 Sangat tidak baik 1.81-2.60 Tidak baik 2.61-3.40 Cukup 3.41-4.20 Baik

4.21-5.00 Sangat baik

3.6.3 SEM

Maruyama (1998) mendefinisikan SEM sebagai sebuah model statistik yang memberikan perkiraan perhitungan dari kekuatan hubungan hipotesis di antara variabel dalam sebuah model teoritis, baik secara langsung atau melalui variabel antara (intervening atau mediating variables) (dalam Wijaya, 2009, p. 1). SEM adalah model yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif rumit.

Model memiliki pengertian yang terkadang disamakan dengan teori, lingkupnya lebih sempit dari teori dan merupakan tipe khusus teori. Model merupakan integrasi sistematis fenomena penelitian, model menggambarkan analogi, menerapkan satu sistem yang lebih berkembang terhadap satu sistem yang belum berkembang (Valentine, 1982) (dalam Wijaya, 2009, p. 2).

Sharma (1996) mendefinisikan SEM sebagai metode generasi kedua dari metode multivariate (dalam Wijaya, 2009, p. 2). Pedhazur (1982) menyatakan SEM mengacu pada hubungan antara variabel endogen (endogenous variables) dan variabel eksogen (exogenous variables), yang merupakan variabel tidak dapat diamati atau dihitung secara langsung (unobserved variables) atau variabel laten (latent variables).

3.6.3.1 Partial Least Squares (PLS)

Analisis Partial Least Squares (PLS) adalah teknik statistika multivariat yang melakukan pembandingan antara variabel dependen berganda dan variabel independen berganda. PLS adalah salah satu metoda statistika SEM berbasis varian

(11)

yang didesain untuk menyelesaikan regresi berganda ketika terjadi permasalahan spesifik pada data, seperti ukuran sampel penelitian kecil, adanya data yang hilang (missing values) dan multikolinearitas (Jogiyanto, 2009, p. 11).

PLS telah diuji coba pada data riil dan dalam simulasi (Tennenhaus, 1998) (dalam Jogiyanto, 2009, p. 12). PLS sangat terkenal dalam sains eksakta, seperti bidang ilmu kimia dan kemometrika yang sering menghadapi masalah besar dalam korelasi banyak variabel dan keterbatasan jumlah observasi (Ryan et al., 1999) (dalam Jogiyanto, 2009, p. 12).

PLS sebagai model prediksi tidak mengasumsikan distribusi tertentu untuk mengestimasi parameter dan memprediksi hubungan kausalitas. Karena itu, teknik parametrik untuk menguji signifikansi parameter tidak diperlukan dan model evaluasi untuk prediksi bersifat non-parametrik. Evaluasi model PLS dilakukan dengan mengevaluasi outer model dan inner model (Jogiyanto, 2009, p. 57).

3.6.3.1.1 Evaluasi Goodness of FIT Model PLS

Pada tahap ini dilakukan pengujian terhadap kesesuaian model melalui berbagai kriteria goodness of fit. Evaluasi model PLS dilakukan dengan mengevaluasi outer model dan inner model. Model pengukuran (outer model), suatu konsep dan model penelitian tidak dapat diuji dalam suatu model prediksi hubungan relasional dan kausal jika belum melewati tahap purifikasi dalam model pengukuran. Model pengukuran sendiri digunakan untuk menguji validitas konstruk dan reliabilitas instrument. (Jogiyanto, 2009, p.57)

a) Outer Model

Outer model merupakan model pengukuran untuk menilai validitas dan reliabilitas model. Melalui proses iterasi algoritma, parameter model pengukuran (validitas konvergen, validitas diskriminan, composite reliability, dan cronbach’s alpha) diperoleh, termasuk nilai 𝑅² sebagai parameter ketepatan model prediksi (Jogiyanto, 2009, p. 57).

Validitas konstruk menunjukkan seberapa baik hasil yang diperoleh dari penggunaan suatu pengukuran sesuai teori-teori yang digunakan untuk

(12)

mendefinisikan suatu konstruk (Jogiyanto, 2009, p. 59). Korelasi yang kuat antara konstruk dan item-item pertanyaannya dan hubungan yang lemah dengan variabel lainnya merupakan salah satu cara untuk menguji validitas konstruk. Validitas konstruk terdiri atas validitas konvergen dan validitas diskriminan (Jogiyanto, 2009, p. 59).

 Validitas Konvergen

Validitas konvergen berhubungan dengan prinsip bahwa pengukur-pengukur dari suatu konstruk seharusnya berkorelasi tinggi. Validitas konvergen terjadi jika skor yang diperoleh dari dua instrumen yang berbeda yang mengukur konstruk yang sama mempunyai korelasi tinggi (Hartono, 2008) (dalam Jogiyanto, 2009, p.

60). Uji validitas konvergen dalam PLS dengan indikator reflektif dinilai berdasarkan loading factor (korelasi antara skor item dengan skor konstruk) indikator-indikator yang mengukur konstruk tersebut. Hair et al. (2006) (dalam Jogiyanto , 2009, p. 60) mengemukakan bahwa rule of thumb yang biasanya dugunakan untuk membuat pemeriksaan awal dari matrik faktor adalah + 0.30 dipertimbangkan telah memenuhi level minimal, untuk loading + 0.40 dianggap lebih baik, dan untuk loading > 0,50 dianggap signifikan secara praktikal. Dengan demikian, semakin tinggi nilai faktor loading, semakin penting peranan loading dalam menginterpretasikan matrik faktor. Rule of outer loading > 0,70, communality > 0,5 (Chin, 1995) (dalam Jogiyanto, 2009, p. 60).

 Validitas Diskriminan

Validitas diskriminan berhubungan dengan prinsip bahwa pengukur-pengukur konstruk yang berbeda seharusnya tidak berkorelasi dengan tinggi. Validitas diskriminan terjadi jika dua instrumen yang berbeda yang mengukur dua konstruk yang diprediksi tidak berkorelasi menghasilkan skor yang memang tidak berkorelasi (Hartono, 2008) (dalam Jogiyanto, 2009, p. 61). Uji validitas diskriminan dinilai berdasarkan cross loading pengukuran dengan konstruknya.

Metode lain yang digunakan untuk menilai validitas diskriminan adalah dengan membandingkan akar AVE untuk setiap konstruk dengan korelasi antara konstruk dengan konstruk lainnya dalam model. Model mempunyai validitas diskriminan

(13)

yang cukup jika akar AVE untuk setiap konstruk lebih besar daripada korelasi antara konstruk dengan konstruk lainnya dalam model (Chin, 1997) (Jogiyanto, 2009, p. 61). Rumus yang digunakan untuk menghitung AVE adalah:

AVE =

 _

i



²



^ⁱ² ^



ⁱ^²

 

^eⁱ ^(3.3)

Keterangan:

𝜆_𝑖 = faktor loading 𝑒_𝑖 = 1 – 𝜆²_𝑖

 Composite Reliability

Composite reliability dinilai lebih baik dalam mengestimasi konsistensi internal suatu konstruk. Rule of thumb nilai alpha atau composite reliability harus lebih besar dari 0,7 (Jogiyanto, 2009, p. 61).

c=

 _

i



²



^ⁱ² ^



ⁱ^²

 

^eⁱ (3.4) Keterangan:

𝜆_𝑖 = faktor loading 𝑒_𝑖 = 1 – 𝜆²_𝑖

b) Inner Model

Inner model merupakan model struktural untuk memprediksi hubungan kausalitas antar variabel laten. Melalui proses bootstrapping, parameter uji T- statistic diperoleh untuk memprediksi adanya hubungan kausalitas (Jogiyanto, 2009, p. 57).

Model struktural dalam PLS dievaluasi dengan menggunakan 𝑅² untuk konstruk dependen, nilai koefisien path atau t-values tiap path untuk uji

(14)

signifikansi antar konstruk dalam model struktural. Nilai 𝑅² digunakan untuk mengukur tingkat variasi perubahan variabel independen terhadap variabel dependen. Semakin tinggi nilai 𝑅² berarti semakin baik model prediksi dari model penelitian yang diajukan. Sebagai contoh, jika nilai 𝑅² sebesar 0,7 artinya variasi perubahan variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 70 persen, sedangkan sisanya dijelaskan oleh variabel lain di luar model yang diajukan. Namun, 𝑅² bukanlah parameter absolut dalam mengukur ketepatan model prediksi karena dasar hubungan teoritikal adalah parameter yang paling utama untuk menjelaskan hubungan kausalitas tersebut (Jogiyanto, 2009, p. 62).

Nilai koefisien path atau inner model menunjukkan tingkat signifikansi dalam pengujian hipotesis. Skor koefisien path atau inner model yang ditunjukkan oleh nilai t-statistic, harus di atas 1,96 untuk hipotesis dua ekor (two-tailed) dan di atas 1,64 untuk hipotesis satu ekor (one-tailed) untuk pengujian hipotesis pada alpha 5 persen dan power 80 persen (Jogiyanto, 2009, p. 63).

Model struktural atau inner model dievaluasi dengan melihat persentase varian yang dijelaskan yaitu dengan melihat R²(R-square variabel eksogen) untuk konstruk laten dependen dengan menggunakan ukuran Stone-Geisser Q-Square test dan juga melihat besarnya koefisien jalur srukturalnya. Stabilitas dari estimasi ini dievaluasi dengan menggunakan uji t-statistik yang didapatkan melalui prosedur bootstrapping (Jogiyanto, 2009, p. 63).

Nilai Q-Square > 0 menunjukkan model memiliki predictive relevance.

Sebaliknya, jika nilai Q-square < 0 menunjukkan model kurang memiliki predictive relevance (Jogiyanto, 2009, p. 63). Perhitungan Q-square dilakukan dengan rumus :

𝑄² = 1 - {(1 - 𝑅₁²) (1 - 𝑅₂²) ……. (1 - 𝑅_𝑝²) } (3.5) Dengan asumsi data terdistribusi bebas (distribution free), model sruktural pendekatan prediktif PLS dievaluasi dengan R-square untuk konstruk dependen, Q-square test untuk relevansi prediktif (Jogiyanto, 2009, p. 63).

(15)

Tabel 3.2. Parameter Uji Validitas dalam Model Pengukuran PLS

Uji Validitas Parameter Rule of Thumbs

Konvergen

Faktor loading Lebih dari 0,5

Average variance extracted (AVE) Lebih dari 0,5

Communality Lebih dari 0,5

Diskriminan

Akar AVE dan korelasi variabel laten Akar AVE > korelasi variabel laten

Cross loading Lebih dari 0,7 dalam

satu variabel Sumber: Chin (1995) (dalam Jogiyanto, 2009, p. 61)

27 Universitas Kristen Petra

𝝈

=

𝑟

= (

) ( 1 -

)

𝑥 =

 







 

 







 

 _

 _