aplikasi sem dengan smartpls
TRANSCRIPT
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
Konsep Subkonsep Alpha ITEM Pernyataan
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
Sumber: Kencana & Darmayanti (2012)
Kasus Penelitian – SEM dengan SmartPLS © I Putu EN Kencana – 2017 52
Tabel 6. 3
Nilai Alpha Cronbach dan Korelasi Item-Total Dikoreksi dari Laten Orientasi Kewirausahaan
Konsep Subkonsep Alpha ITEM Pernyataan
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
Sumber: Kencana & Darmayanti (2012)
Tabel 6. 4
Nilai Alpha Cronbach dan Korelasi Item-Total Dikoreksi dari Laten Kinerja Usaha
Konsep Subkonsep Alpha ITEM Pernyataan
Kinerja Usaha Finansial 0,792
Kemampulabaan usaha 0,554
Kemampuan usaha mendukung perekonomian keluarga 0,566
Prospek keberlanjutan usaha 0,430
Sumber: Kencana & Darmayanti (2012)
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))
Kasus Penelitian – SEM dengan SmartPLS © I Putu EN Kencana – 2017 54
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;
55 Kelompok Studi Sosiometrika, Fakultas MIPA UNUD
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.
Kasus Penelitian – SEM dengan SmartPLS © I Putu EN Kencana – 2017 56
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 **
Sumber: Kencana & Darmayanti (2012), Diolah
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
Sub-Laten ITEM Pernyataan (Diringkas) Original Sample
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 **
Sumber: Kencana & Darmayanti (2012), Diolah
57 Kelompok Studi Sosiometrika, Fakultas MIPA UNUD
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
Sub-Laten ITEM Pernyataan (Diringkas) Original Sample
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 **
Sumber: Kencana & Darmayanti (2012), Diolah
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
Sumber: Kencana & Darmayanti (2012), Diolah
Kasus Penelitian – SEM dengan SmartPLS © I Putu EN Kencana – 2017 58
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
Sumber: Kencana & Darmayanti (2012), Diolah
59 Kelompok Studi Sosiometrika, Fakultas MIPA UNUD
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
Keterangan : Nilai-nilai pada diagonal utama menunjukkan nilai √ , dan nilai-nilai lainnya menun-
jukkan korelasi antarsub-laten
Sumber: Kencana & Darmayanti (2012), Diolah
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
Keterangan : Nilai-nilai pada diagonal utama menunjukkan nilai √ , dan nilai-nilai lainnya menun-
jukkan korelasi antarsub-laten
Sumber: Kencana & Darmayanti (2012), Diolah
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.
Kasus Penelitian – SEM dengan SmartPLS © I Putu EN Kencana – 2017 60
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 **
Sumber: Kencana & Darmayanti (2012), Diolah
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-
61 Kelompok Studi Sosiometrika, Fakultas MIPA UNUD
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.
Kasus Penelitian – SEM dengan SmartPLS © I Putu EN Kencana – 2017 62
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].