Aplikasi SEM dengan SmartPLS

6

Aplikasi SEM dengan SmartPLS

Sebuah studi untuk mengetahui pengaruh dari sumberdaya usaha, peranan

pemerintah, dan orientasi kewirausahaan terhadap kinerja usaha industri mikro dan

keluarga (IMK) di Kabupaten Badung dilakukan oleh Kencana & Darmayanti (2012).

Riset yang mereka lakukan ditujukan untuk:

1. Mengidentifikasi pengaruh sumberdaya yang dimiliki IMK di Kabupaten Badung

terhadap kinerja usaha dan orientasi kewirausahaan pemilik IMK;

2. Mengidentifikasi pengaruh kebijakan pemerintah terhadap kinerja usaha dan

orientasi kewirausahaan pemilik IMK di Kabupaten Badung, dan;

3. Mengidentifikasi pengaruh orientasi kewirausahaan terhadap kinerja usaha IMK

di Kabupaten Badung.

Melalui sampel berukuran 150 IMK di Kabupaten Badung yang terdistribusi

secara proporsional di enam kecamatan, instrumen penelitian berupa kuesioner yang

item-item pernyataannya tersusun dalam skala Likert berderajat 5 digunakan untuk

mengetahui pendapat responden. Model konseptual penelitian yang dibangun seperti

gambar berikut:

Gambar 6. 1

Model Konseptual Penelitian (Sumber: Kencana & Darmayanti (2012))

Kasus Penelitian – SEM dengan SmartPLS © I Putu EN Kencana – 2017 51

Sebelum dilakukan analisis pada model persamaan struktural, kuesioner dipe-

riksa validitas item-item penyusun dan reliabilitasnya. Tabel-tabel berikut memper-

lihatkan hasil uji kelayakan instrumen keempat laten dalam model yang dibangun:

Tabel 6. 1

Nilai Alpha Cronbach dan Korelasi Item-Total Dikoreksi dari Laten Sumber Daya Usaha

Konsep Subkonsep Alpha ITEM Pernyataan

Sumberdaya Usaha IMK

Sumberdaya Fisik (SDF)

0,751

Kelayakan tempat usaha 0,420

Fasilitas usaha 0,676

Kemudahan memperoleh bahan baku 0,542

Sumberdaya Keuangan (SDK)

0,775

Ketersediaan dana operasional 0,548

Kemampuan efisiensi biaya 0,554

Laporan keuangan 0,536

Kemudahan memperoleh pinjaman modal usaha 0,431

Sumberdaya Manusia (SDM)

0,864

Ada waktu khusus untuk mengelola usaha 0,867

Kompetensi pemilik usaha 0,867

Motivasi pemilik usaha 0,762

Visi pengembangan usaha 0,529

Sumberdaya Teknologi (SDT)

0,812

Adopsi teknologi pada operasionalisasi usaha 0,573

Adopsi teknologi untuk akses informasi 0,821

Adopsi teknologi untuk pemasaran usaha 0,635

Sumber: Kencana & Darmayanti (2012)

Tabel 6. 2

Nilai Alpha Cronbach dan Korelasi Item-Total Dikoreksi dari Laten Kebijakan Pemerintah


Kebijakan Pemerintah

Distributif 0,850

Bantuan modal 0,765

Ketersediaan infrastruktur 0,816

Bantuan pengembangan SDM 0,619

Bantuan pendampingan 0,587

Regulatif 0,844

Adanya aturan persaingan usaha 0,662

Kemudahan proses perijinan 0,691

Iklim usaha yang kondusif bagi IMK 0,806



Tabel 6. 3

Nilai Alpha Cronbach dan Korelasi Item-Total Dikoreksi dari Laten Orientasi Kewirausahaan


Orientasi Kewirausahaan

Sikap Inovatif 0,811

Mencari target/pasar baru 0,505

Menciptakan produk baru 0,716

Merancang sistem pelayanan baru 0,782

Menciptakan hubungan kemitraan 0,541

Proaktif 0,852

Mengalahkan pesaing 0,545

Mendahului pesaing 0,752

Bersaing melalui pelayanan 0,520

Bersaing melalui harga 0,436

Kebijakan kemitraan 0,592

Kebijakan harga kompetitif 0,604

Kebijakan efisiensi proses 0,768

Kualitas/variasi produk 0,594

Sikap terhadap Risiko Usaha

0,781

Perencanaan usaha secara berkala 0,578

Usaha dijalankan berdasarkan risiko moderat 0,577

Kehilangan kesempatan usaha = kegagalan usaha 0,590

Kegagalan usaha adalah sukses yang tertunda 0,606


Tabel 6. 4

Nilai Alpha Cronbach dan Korelasi Item-Total Dikoreksi dari Laten Kinerja Usaha


Kinerja Usaha Finansial 0,792

Kemampulabaan usaha 0,554

Kemampuan usaha mendukung perekonomian keluarga 0,566

Prospek keberlanjutan usaha 0,430


Dari 10 subkonsep yang menyusun empat konsep utama yaitu Sumberdaya

Usaha; Kebijakan Pemerintah; Orientasi Kewirausahaan; dan Kinerja Usaha IMK,

terlihat seluruh subkonsep disusun dengan nilai koefisien Alpha Cronbach di atas 0,7.

Selain memeriksa reliabilitas instrumen, maka validitas item-item penyusun dari

masing-masing subkonsep juga dilakukan. Cut-off value untuk menentukan dielimi-

nasinya sebuah item sebagai penyusun subkonsep adalah 0,3 di mana jika nilai vali-

ditas sebuah item di bawah 0,3 maka dapat dipertimbangkan untuk dikeluarkan.

Pemeriksaan tabel 6.1 hingga 6.4 pada kasus uji coba instrumen (ukuran sampel yang

dianalisis berjumlah 30) menunjukkan seluruh pernyataan memiliki koefisien korelasi

53 Kelompok Studi Sosiometrika, Fakultas MIPA UNUD

Pearson di atas 0,3. Besaran-besaran ini memverifikasi validitas dari seluruh item

pernyataaan pada kuesioner yang dirancang (Churchill, 1979).

Memperhatikan instrumen dan item-item penyusun subkonsep memiliki nilai

reliabilitas dan validitas yang baik, maka matriks data layak dianalisis lebih lanjut.

Model persamaan struktural yang digunakan dalam penelitian ini adalah model

persamaan struktural orde 2 (second order structural equation modeling/SEM) mem-

perhatikan variabel-variabel laten tersusun dari beberapa subkonsep seperti

dijelaskan pada tabel 6.1 – 6.4. Gambar 6.2 menunjukkan SEM berorde 2 yang

digunakan pada penelitian ini:

Gambar 6. 2

Model Operasional Penelitian (Sumber: Kencana & Darmayanti (2012))


Pada gambar 6.2 terlihat konsep sumberdaya usaha merupakan variabel laten

yang bersifat formatif, sedangkan konsep kebijakan pemerintah, orientasi kewira-

usahaan serta kinerja usaha merupakan variabel-variabel laten yang bersifat reflektif.

Memperhatikan adanya kombinasi 2 jenis laten, maka model SEM yang dibangun

disebut model formatif karena pada model formatif sekurang-kurangnya terdapat

sebuah laten formatif (Bollen, 2002). Mempertimbangkan adanya laten formatif pada

model, maka SEM berbasis covariance seperti LISREL dan AMOS, tidak dapat

digunakan sehingga untuk menganalisis model digunakan SEM berbasis komponen/

variance dengan SmartPLS 2.0 M3 (Ringle et al., 2005) sebagai program terpilih.

Tahapan analisis pemodelan persamaan struktural (structural equation mode-

ling/SEM), khususnya SEM berbasis komponen/variance, berbeda dengan tahapan

analisis statistika konvensional lainnya. Sebagai contoh, pada SEM berbasis kompo-

nen tidak dipersyaratkan asumsi kenormalan multivariat memperhatikan teknik

partial least square (PLS) yang digunakan tergolong ke dalam kelompok soft metho-

dology yang tidak membutuhkan pemenuhan dari asumsi kenormalan (Peng & Lai,

2012). Meskipun demikian, terdapat beberapa tahapan yang harus dikerjakan pene-

liti sebelum inferensia tentang estimasi model SEM dilakukan. Berikut adalah

ukuran-ukuran (measurement) yang diperiksa pada hasil analisis SmartPLS 2.0 M3:

Model pengukuran (measurement model) merupakan sub-model dalam SEM

yang digunakan untuk mengevaluasi kualitas hubungan dari laten dengan variabel

manifest-nya, dalam kasus penelitian ini, antara laten orde dua dengan item-item

pengukurnya. Evaluasi model pengukuran harus dilakukan sebelum model struktural

(structural model) yang menjadi pusat dari bangun model yang dikembangkan periset

diperiksa. Evaluasi dari model pengukuran sesungguhnya melibatkan beberapa tahap

analisis, diantaranya:

1. Memeriksa signifikasi dari loading factor (bila manifest variable/MV merupakan

refleksi dari laten) atau regression weight (bila MV merupakan pembentuk laten).

Bila terdapat nilai loading factor atau regression weight dari MV yang tidak sig-

nifikan; maka peneliti disarankan untuk memeriksa koefisien alpha Cronbach

untuk item/MV yang bersangkutan. Bila nilai alpha juga di bawah nilai ambang,

maka sebaiknya peneliti mengeliminasi item/MV tersebut dan analisis diulangi

lagi; sebaliknya, peneliti harus mempertimbangkan kehadirannya secara cermat;


2. Bila MV merupakan refleksi laten atau laten bersifat reflektif, maka peneliti perlu

memeriksa validitas konvergensi (convergent validity) dengan mengamati nilai

Average Variance Extracted (AVE) atau Composite Reliability (CR) dari masing-

masing laten. Nilai-nilai ambang yang dianggap memenuhi kriteria validitas kon-

vergensi adalah 0,5 untuk AVE dan 0,7 untuk CR (Peng & Lai, 2012). Bilamana

ditemui satu atau lebih laten reflektif yang tidak memenuhi kriteria ini, maka

disarankan agar memeriksa ulang teori yang digunakannya untuk mengopera-

sionalisasikan laten termaksud.

Mengacu kepada dua tahap analisis di atas, maka evaluasi model pengukuran dari

riset yang dilakukan kedua peneliti memberikan hasil sebagai berikut:

Tabel 6. 5

Nilai Loading Factor Masing-masing Item pada Sub-Laten Formatif

dari Laten Sumber Daya Usaha

Sub-Laten

ITEM Pernyataan (Diringkas) Original Sample

Standard Error

T Statistic

Sumber Daya Fisik

FIS01 Kelayakan tempat usaha 0.898 0.326 0.793 ns

FIS02 Fasilitas usaha 0.709 0.244 0.813 ns

FIS03 Kemudahan memperoleh bahan baku 0.083 0.077 0.719 ns

Sumber Daya Finansial

KEU01 Ketersediaan dana operasional 0.773 0.471 1.643 ns

KEU02 Kemampuan efisiensi biaya 0.864 0.570 1.516 ns

KEU03 Laporan keuangan 0.798 0.536 1.488 ns

KEU04 Kemudahan memperoleh pinjaman modal usaha 0.582 0.558 1.044 ns

Sumber Daya Manusia

MAN01 Ada waktu khusus untuk mengelola usaha 0.903 0.427 2.115 *

MAN02 Kompetensi pemilik usaha 0.930 0.438 2.124 *

MAN03 Motivasi pemilik usaha 0.828 0.396 2.090 *

MAN04 Visi pengembangan usaha 0.697 0.347 2.012 *

Sumber Daya Teknologi

TEC01 Adopsi teknologi pada operasionalisasi usaha 0.855 0.525 1.630 ns

TEC02 Adopsi teknologi untuk akses informasi 0.868 0.544 1.596 ns

TEC03 Adopsi teknologi untuk pemasaran usaha 0.837 0.471 1.643 ns

Sumber: Kencana & Darmayanti (2012), Diolah

Pada tabel 6.5 terlihat – selain keempat MV pada sub-laten Sumber Daya

Manusia – sebagian besar MV memiliki nilai loading yang tidak nyata pada taraf uji

5 persen. Meskipun demikian, memperhatikan dalam analisis kelayakan instrumen

masing-masing MV memiliki korelasi melebihi nilai ambang 0,3; maka beralasan bila

masing-masing MV dipertahankan.


Tabel 6. 6

Nilai Loading Factor Masing-masing Item pada Sub-Laten Reflektif

dari Laten Kebijakan Pemerintah

Sub-Laten ITEM Pernyataan (Diringkas) Original Sample

Standard Error

T Statistic

Kebijakan Regulatif

REG01 Adanya aturan persaingan usaha 0.887 0.021 42.232 **

REG02 Kemudahan proses perijinan 0.851 0.045 19.127 **

REG03 Iklim usaha yang kondusif bagi IMK 0.916 0.017 54.137 **

Kebijakan Distributif

DIS01 Bantuan modal 0.737 0.061 12.027 **

DIS02 Ketersediaan infrastruktur 0.870 0.030 28.816 **

DIS03 Bantuan pengembangan SDM 0.836 0.039 21.523 **

DIS04 Bantuan pendampingan 0.835 0.025 34.144 **


Berbeda dengan MV keempat sub-laten formatif dari Sumber Daya Usaha,

kedua sub-laten reflektif dari Kebijakan Pemerintah memiliki nilai loading factor

yang signifikan pada taraf uji 1 persen yang memverifikasi masing-masing sub-laten

terefleksikan dengan baik pada masing-masing manifest-nya.

Tabel 6. 7

Nilai Loading Factor Masing-masing Item pada Sub-Laten Reflektif

dari Laten Orientasi Kewirausahaan


Standard Error

T Statistic

Sikap Inovatif

INO01 Mencari target/pasar baru 0.809 0.049 16.376 **

INO02 Menciptakan produk baru 0.841 0.037 22.718 **

INO03 Merancang sistem pelayanan baru 0.849 0.035 24.261 **

INO04 Menciptakan hubungan kemitraan 0.581 0.113 5.168 **

Sikap Proaktif

PRO01 Mengalahkan pesaing 0.692 0.096 7.233 **

PRO02 Mendahului pesaing 0.655 0.078 8.442 **

PRO03 Bersaing melalui pelayanan 0.492 0.100 4.905 **

PRO04 Bersaing melalui harga 0.662 0.065 10.273 **

PRO05 Kebijakan kemitraan 0.648 0.087 7.475 **

PRO06 Kebijakan harga kompetitif 0.783 0.047 16.669 **

PRO07 Kebijakan efisiensi proses 0.649 0.098 6.647 **

PRO08 Kualitas/variasi produk 0.572 0.090 6.335 **

Sikap terhadap Risiko

RIS01 Perencanaan usaha secara berkala 0.801 0.044 18.342 **

RIS02 Usaha dijalankan berdasarkan risiko moderat 0.795 0.046 17.331 **

RIS03 Kehilangan kesempatan usaha = kegagalan usaha 0.772 0.069 11.229 **

RIS04 Kegagalan usaha adalah sukses yang tertunda 0.781 0.045 17.347 **



Seperti halnya dengan kumpulan variabel manifest pada laten reflektif Kebi-

jakan Pemerintah, seluruh MV dari ketiga sub-laten pada laten Orientasi Kewirausa-

haan dari para pengusaha IMK di Kabupaten Badung menunjukkan nilai loading

yang signifikan pada taraf uji 1 persen. Hal ini mengkonfirmasi, seperti juga dengan

nilai validitas dari masing-masing MV, model pengukuran pada laten ini sangat baik.

Tabel 6. 8

Nilai Loading Factor Masing-masing Item dari Laten Kinerja Usaha


Standard Error

T Statistic

Finansial

KIN01 Kemampulabaan usaha 0.661 0.143 4.629 **

KIN02 Kemampuan usaha mendukung perekonomian keluarga

0.860 0.083 10.327 **

KIN03 Prospek keberlanjutan usaha 0.853 0.103 8.248 **


Mencermati tabel 6.8, ketiga MV dari laten Kinerja Usaha menunjukkan signi-

fikansi pada taraf uji 1 persen. MV dengan loading tertinggi KIN02 yang secara

empiris membuktikan bahwa usaha yang dimiliki pelaku IMK di Kabupaten Badung

mampu mendukung perekonomian keluarga.

Selanjutnya analisis dilanjutkan dengan mencermati nilai AVE dan CR dari

seluruh laten reflektif (baik laten orde satu maupun orde dua) pada model yang

dikembangkan. Tabel berikut menunjukkan kedua nilai ini:

Tabel 6. 9

Nilai Loading Factor Masing-masing Item dari Laten Kinerja Usaha

Orde Variabel Laten AVE CR Keterangan

Dua

Sumber Daya Fisik 0.438 0.629 Tidak Valid dan Tidak Reliabel

Sumber Daya Finansial 0.580 0.844 Valid dan Reliabel

Sumber Daya Manusia 0.713 0.908 Valid dan Reliabel

Sumber Daya Teknologi 0.729 0.890 Valid dan Reliabel

Kebijakan Distributif 0.674 0.892 Valid dan Reliabel

Kebijakan Regulatif 0.783 0.915 Valid dan Reliabel

Sikap Inovatif 0.605 0.857 Valid dan Reliabel

Sikap Proaktif 0.421 0.852 Tidak Valid dan Reliabel

Sikap terhadap Risiko 0.620 0.867 Valid dan Reliabel

Satu

Kebijakan Pemerintah 0.641 0.925 Valid dan Reliabel

Orientasi Kewirausahaan 0.355 0.896 Tidak Valid dan Reliabel

Kinerja Usaha 0.635 0.837 Valid dan Reliabel



Nilai-nilai AVE dan CR pada tabel 768 dapat dievaluasi menggunakan kriteria

yang diusulkan oleh Fornell & Larcker (1981) dan Chin et al. (2003). Seperti dinya-

takan oleh Hair et al. (2012, p.424), meskipun koefisien alpha Cronbach biasa digu-

nakan untuk mengevaluasi reliabilitas kuesioner; perlu untuk disadari bahwa koefisien

ini mengasumsikan seluruh MV bersifat tau-equivalence (memiliki tingkat reliabilitas

yang sama antara satu MV dengan lainnya); sedangkan CR tidak membutuhkan

asumsi ini yang lebih realistis pada SEM di mana reliabilitas antar-MV memiliki

peluang berbeda yang lebih besar. Memperhatikan nilai ambang untuk AVE dan CR

masing-masing sebesar 0,5 dan 0,7; maka terlihat sub-laten Sumber Daya Fisik dan

Sikap Proaktif tidak memiliki validitas konvergensi yang baik. Dari kedua laten ini,

memperhatikan Sumber Daya Fisik merupakan satu-satunya sub-laten yang memiliki

nilai AVE dan CR di bawah nilai ambang, ada baiknya dipertimbangkan untuk

mengeliminasinya dari bangun model. Selain itu, mengingat Sikap Proaktif memiliki

nilai CR yang lebih besar dari nilai ambang yang dipersyaratkan yang menunjukkan

reliabilitas komposit yang memadai, maka sub-laten ini dapat dipertahankan.

Pemeriksaan terakhir yang perlu dilakukan pada model pengukuran (outer

atau measurement model) adalah memeriksa discriminant validity dari masing-masing

sub-laten yang membentuk ataupun merefleksikan laten yang sama. Discriminant

validity sebuah sub-laten bisa dievaluasi dengan membandingkan nilai √ dengan

nilai korelasi yang dibentuk dari sub-laten tersebut dengan sub-laten lainnya dalam

kelompok laten yang sama. Bila nilai √ melebihi nilai korelasinya, maka sub-

laten tersebut dapat dinyatakan memiliki validitas diskriminan yang baik (Fornell &

Larcker, 1981). Memperhatikan pada SEM yang dibangun kedua peneliti terdapat 3

laten yang memiliki sub-sub laten, maka terdapat 3 kelompok pemeriksaan seperti

ditunjukkan pada 3 tabel berikut:

Tabel 6. 10

Evaluasi Discriminant Validity pada Masing-masing Sub-Laten dari Laten Sumber Daya Usaha

SD Fisik SD Finansial SD Manusia SD Teknologi

SD Fisik 0.6620

SD Finansial 0.2786 0.7615

SD Manusia 0.3989 0.6400 0.8443

SD Teknologi 0.2838 0.4319 0.7283 0.8536

Keterangan : Nilai-nilai pada diagonal utama menunjukkan nilai √ , dan nilai-nilai lainnya menun-

jukkan korelasi antarsub-laten



Tabel 6. 11

Evaluasi Discriminant Validity pada Masing-masing Sub-Laten dari Laten Kebijakan Pemerintah

Kebijakan Distributif Kebijakan Regulatif

Kebijakan Distributif 0.8211

Kebijakan Regulatif 0.7909 0.8847




Tabel 6. 12

Evaluasi Discriminant Validity pada Masing-masing Sub-Laten dari Laten Orientasi Kewirausahaan

Sikap Inovatif Sikap Proaktif Sikap terhadap Risiko

Sikap Inovatif 0.7777

Sikap Proaktif 0.6452 0.6489

Sikap terhadap Risiko 0.4401 0.4693 0.7871




Merujuk kepada tiga tabel sebelumnya, jelas terlihat masing-masing sub-laten

dalam kelompok laten yang sama memiliki nilai √ melebihi nilai korelasinya

dengan sub-laten lainnya. Hal ini memvalidasi bahwa seluruh sub-laten memiliki

validitas diskriminan yang baik. Pemeriksaan yang dilakukan pada model pengukur-

an memberikan beberapa kesimpulan berikut:

1. Sub-laten Sumber Daya Fisik merupakan satu-satunya laten yang: (a) terefleksi-

kan ke dalam 3 pernyataan yang seluruhnya memiliki nilai loading yang tidak

signifikan (tabel 6.5); (b) tidak memiliki validitas konvergensi dan reliabilitas

komposit yang baik; meskipun (c) memiliki validitas diskriminan yang memadai.

Penulis berpendapat kedua peneliti sebaiknya mengeliminasi sub-laten ini sebagai

formasi dari laten Sumber Daya Usaha;

2. Sub-laten Sikap Proaktif yang merupakan refleksi dari laten Orientasi Kewirausa-

haan tidak memiliki validitas konvergensi yang baik pada item-itemnya tetapi

memiliki reliabilitas komposit dan validitas diskriminan yang memadai. Mengacu

kepada fakta-fakta ini, Sikap Proaktif bisa dipertahankan pada model;

3. Sub-laten lainnya, memiliki validitas konvergensi dan validitas diskriminan yang

baik, kecuali untuk item-item pada sub-laten Sumber Daya Finansial dan Sumber

Daya Teknologi yang tidak signifikan, dapat dipertahankan pada model.


Merujuk kepada ketiga kesimpulan sebelumnya, maka analisis pada model

struktural (inner atau structural model) bisa dilanjutkan. Sebagai ilustrasi, model

struktural yang dianalisis adalah model yang digunakan kedua peneliti. Analisis dari

model yang mengeliminasi Sumber Daya Fisik dicantumkan pada lampiran bab ini.

Seperti terlihat pada gambar 6.2, model persamaan struktural yang dibentuk

adalah model berorde dua. Jadi, akan sangat bermanfaat bila hubungan kausal dari

laten orde dua dengan orde satu diperiksa mendahului hubungan kausal antarlaten

orde satu. Gambar berikut menunjukkan koefisien jalur antarlaten yang memiliki

hubungan kausal:

Merujuk kepada gambar 4.2, terdapat tiga variabel laten berorde satu yang

memiliki hubungan kausal dengan laten berorde dua yaitu Sumber Daya Usaha,

Kebijakan Pemerintah, dan Orientasi Kewirausahaan. Tabel 6.13 menunjukkan nilai-

nilai koefisien jalur antarhubungan kausal yang terjadi:

Tabel 6. 13

Nilai Koefisien Jalur pada Hubungan antara First Order dengan Second Order Latent

First Order Laten (SO) Second Order Latent (FO) Arah Hubungan

Original Sample

Standard Error

T Statistic

Sumber Daya Usaha

Sumber Daya Fisik

FO SO

0.180 0.418 0.431 ns

Sumber Daya Keuangan 0.390 0.441 0.886 ns

Sumber Daya Manusia -0.522 0.700 0.746 ns

Sumber Daya Teknologi 1.090 0.615 1.773 *

Kebijakan Pemerintah Kebijakan Distributif

SO FO 0.953 0.007 131.249 **

Kebijakan Regulatif 0.939 0.009 102.594 **

Orientasi Kewirausahaan

Sikap Inovatif

SO FO

0.842 0.033 25.409 **

Sikap Proaktif 0.898 0.026 34.320 **

Sikap terhadap Risiko 0.722 0.066 10.983 **


Tabel 6.13 memperlihatkan dari 4 laten berorde 2, hanya Sumber Daya Tek-

nologi yang terbukti signifikan (taraf uji 5 persen) mempengaruhi sumber daya usaha

IMK di Kabupaten Badung. Ketiga variabel laten orde dua lainnya tidak terbukti

mampu mempengaruhi pembentukan sumber daya usaha. Pada variabel-variabel

laten orde satu Kebijakan Pemerintah dan Orientasi Kewirausahaan, seluruh variabel

laten orde dua yang bersesuaian terbukti secara nyata direfleksikan oleh masing-


masing variabel laten orde satunya. Selain itu, terlihat pula sikap terhadap risiko

memiliki koefisien jalur terendah dibandingkan dengan sikap inovatif dan sikap pro-

aktif dari IMK di Kabupaten Badung.

Nilai-nilai koefisien jalur dari hubungan antarlaten berderajat satu pada model

persamaan struktural yang dibangun diperlihatkan pada tabel berikut:

Tabel 6. 14

Nilai Path Coefficients pada Hubungan antarlaten Orde Satu

Hubungan Kausal Sample

Mean Standard Deviation

Standard Error

T Statistic

Sumber Daya Usaha Kinerja Usaha -0.087 0.204 0.204 0.426 ns

Sumber Daya Usaha Orientasi Kewirausahaan 0.102 0.234 0.234 0.435 ns

Kebijakan Pemerintah Kinerja Usaha 0.178 0.099 0.099 1.798 *

Kebijakan Pemerintah Orientasi Kewirausahaan 0.296 0.105 0.105 2.814 **

Orientasi Kewirausahaan Kinerja Usaha 0.435 0.106 0.106 4.108 **

Keterangan :

ns : Tidak signifikan

** : Signifikan pada taraf uji 1 persen

Sumber : Kencana & Darmayanti (2012), Diolah

Pada tabel 6.14 terlihat dua koefisien jalur yang tidak nyata pada taraf uji 5

persen. Kedua koefisien ini merupakan koefisien yang menghubungkan Sumber Daya

Usaha dengan Kinerja Usaha dan Orientasi Kewirausahaan. Hal ini menunjukkan

bahwa tidak terdapat bukti ada pengaruh langsung dari sumber daya usaha IMK di

Kabupaten Badung dengan kinerja usaha dan orientasi kewirausahaan pemiliknya.

Kinerja usaha IMK di daerah ini lebih dipengaruhi oleh kebijakan pemerintah dan

orientasi kewirausahaan para pemilik.

Pada model persamaan struktural, selain pengaruh langsung sebuah variabel

terhadap variabel lainnya yang terlihat pada masing-masing koefisien jalur pada

model, juga bisa dihitung pengaruh mediasi dan moderasi – bila secara teoritis di-

mungkinkan – dari sebuah variabel laten lain pada hubungan kausal yang terbentuk.

Pengaruh sebuah laten eksogenus terhadap laten endogenus, melalui mediasi atau

moderasi laten lainnya, disebut pengaruh tak langsung (indirect effect). Bila penga-

ruh tak langsung ini dijumlahkan dengan pengaruh langsungnya, maka diperoleh

pengaruh total dari laten eksogenus terhadap laten endogenus. Kita diskusikan

pengaruh mediasi atau moderasi pada bab selanjutnya.


Bollen, K.A., 2002. Latent Variables in Psychology and the Social Sciences. Annual

Review of Psychological, 53, pp.605-34.

Chin, W.W., Marcolin, B.L. & Newsted, P.R., 2003. A Partial Least Square Latent

Variable Modeling Approach for Measuring Interaction Effects. Information

System Research, 14(2), pp.189-217.

Churchill, G.A., 1979. A Paradigm for Developing Better Measures of Marketing

Constructs. Journal of Marketing Research, 16(1), pp.64-73.

Fornell, C. & Larcker, D.F., 1981. Evaluating Structural Equation Models with

Unobservable Variables and Measurement Error. Journal of Marketing

Research, 18(1), pp.39-50.

Hair, J.F., Sarstedt, M., Ringle, C.M. & Mena, J.A., 2012. An assessment of the use

of partial least squares structural equation modeling in marketing research.

Journal of Academic Marketing Science, 40, pp.414-33.

Kencana, I.P.E.N. & Darmayanti, T., 2012. Studi tentang Pemberdayaan Industri

Mikro dan Keluarga di Kabupaten Badung. Research Report. Mangupura:

BAPPEDA Badung Kabupaten Badung.

Peng, D.X. & Lai, F., 2012. Using partial least squares in operations management

research: A practical guideline and summary of past research. Journal of

Operation Management, 30, pp.467-80.

Ringle, C.M., Wende, S. & Will, A., 2005. SmartPLS 2.0. [Online] Available at:

http://www.smartpls.de [Accessed 12 October 2012].

http://www.smartpls.de/

Aplikasi SEM dengan SmartPLS

Documents

Transcript of Aplikasi SEM dengan SmartPLS