modul praktik partial least square (pls)

38
Oleh: Hafiez Sofyani, SE., M.Sc Modul Praktik Partial Least Square (PLS) Untuk penelitian Akuntansi pendekatan Kuantitatif Prodi Akuntansi UMY

Upload: duonghanh

Post on 18-Jan-2017

254 views

Category:

Documents


7 download

TRANSCRIPT

Page 1: Modul Praktik Partial Least Square (PLS)

Oleh: Hafiez Sofyani, SE., M.Sc

Modul Praktik Partial Least Square (PLS) Untuk penelitian Akuntansi

pendekatan Kuantitatif

Prodi Akuntansi UMY

Page 2: Modul Praktik Partial Least Square (PLS)

1

SEKILAS TENTANG PARTIAL LEAST SQUARE (PLS)

Dalam ranah akuntansi, pengujian menggunakan pendekatan PLS biasanya

dilakukan untuk penelitian dengan pendekatan survey yang mana data

penelitiannya masuk kategori semi ordinal (Ratmono dan Shol;ihin, 2013).

Namu demikian, beberapa peneliti juga menggunakan PLS untuk pengujian

hipotesis dengan penelitian archival yang mana data penelitian memiliki skala

rasio. Dapat digunakan PLS untuk menguji hipotesis baik pada penelitian

survey maupun penelitian archival tidak lepas dari keunggulan PLS yang

dapat menganalisis hubungan antar variabel dengan berbagai jenis skala

pengukuran (nominal, ordinal, interval, dan rasio).

PLS juga tidak mensyaratkan terpenuhinya uji asumsi klasik untuk dapat

dilakukan uji hipotesis penelitian secara statistik. Namun, beberapa peneliti

dan akademisi menilai tidak disyaratkannya keterpenuhan uji asumsi klasik

oleh PLS merupakan kelemahan dari PLS, sehingga hasil pengujian hipotesis

dengan PLS diragukan validitasnya. Di sisi lain, ada banyak pula peneliti dan

akademisi yang menilai tidak disyaratkan terpenuhinya uji asumsi klasik

untuk dapat dilakukan uji hipotesis penelitian secara statistic oleh PLS adalah

merupakan keunggulan PLS dari alat uji statistic lain. Terlepas dari pro-kontra

PLS yang tidak mensyaratkan terpenuhinya uji asumsi klasik dalam pengujian

hipotesis penelitian tersebut, kita sebagai pengguna dan tidak begitu

mendalami ilmu statistik dan pula tidak terlibat dalam pembuatan software

statistik, maka seyogyanya bersikap husnudzan (berperasangka baik), karena

apapun yang dibuat manusia pasti tidak ada yang sempurna.

Page 3: Modul Praktik Partial Least Square (PLS)

2

SIMULASI PENGUJIAN HIPOTESIS PENELITIAN SURVEY MENGGUNAKAN

PARTIAL LEAST SQUARE (PLS)

Pengujian Hipotesis pada Kasus Penelitian dengan Model Sederhana

Pada paparan berikut, akan dijelaskan pengujian hipotesis pada model

penelitian sederhana, yakni antara beberapa variabel independen dan dua

variabl dependen dengan SmartPLS 3.

Secara umum, proses pengujian hipotesis dengan SmartPLS 3 adalah

sebagai berikut:

1. Menyiapkan data dalam file Microsoft excel dengan format CSV (comma

delimited).

2. Membuka program (software) SmartPLS 3

3. Membuat new project

4. Meng-import data yang sudah disiapkan (poin 1)

5. Menggambar model penelitian yang terdiri dari beberapa variabel laten

6. Memasukkan data kuesioner (indikator) ke dalam variabel laten

7. Melakukan pengujian kualitas model pengukuran (PLS algoritm)

8. Melakukan pengujian hipotesis (bootstrapping)

Untuk memperdalam pemahaman mengenai teknik pengujian hipotesis

dengan PLS, simaklah simulasi proses berikut ini:

Page 4: Modul Praktik Partial Least Square (PLS)

3

Pertama, siapkan data pada Microsoft excel yang disimpan dalam format CSV

(comma delimited)

Page 5: Modul Praktik Partial Least Square (PLS)

4

Selanjutnya, buka program PLS lalu klik menu New Project, dan tulis nama

project sesuai yang diinginkan, lalu klik OK.

Selanjutnya, lakukan impor data yang sudah disiapkan dengan cara mengklik

menu Double click to import data! (lihat bagian yang dilingkari pada gambar

dibawah ini).

Page 6: Modul Praktik Partial Least Square (PLS)

5

Setelah data di-import, maka akan muncul tampilan mengenai data yang di-

import tadi.

Warna hijau menunjukkan bahwa data sudah

“ok” dan tidak ada masalah pada data seperti

data hilang, indikator tidak diskalakan secara

sama, dsb. Jika ada masalah pada data, maka

bagian ini akan menunjukkan tanda seru

berwarna merah. Jika data bermasalah, maka

analisis dengan PLS tidak dapat dijalankan

Jika import data berhasil, maka akan

muncul tampilan seperti ini !

Page 7: Modul Praktik Partial Least Square (PLS)

6

Proses selanjutnya adalah membuat New Model File, lalu menggambar model

penelitian. Caranya adalah dengan mengklik menu latihan 1 dan memberi

nama pada kotak dialog yang muncul dengan nama yang kita inginkan,

misalnya dalam kasus ini diberi nama Latihan1.

Setelah proses di atas dilakukan, maka akan muncul halaman kosong yang

tersedia untuk menggambar model penelitian seperti di bawah ini.

Klik dua kali menu Latihan1,

maka akan muncul kotak

dialog seperti yang ada di

samping kanan.

Page 8: Modul Praktik Partial Least Square (PLS)

7

Proses selanjutnya adalah membuat gambar model penelitian. Pertama-tama,

klik 2x menu latihan1 lalu klik menu Latent Variable (lihat bagian yang

dilingkari!) lalu gambar variabel independen dan dependen sesuai model yang

telah dirumuskan pada proposal penelitian.

Ketika dibuat, latent variable masih bernama “Latent Variable”. Oleh

karenanya nama ini perlu diubah sesuai dengan nama variabel yang

dirumuskan pada proposal penelitian. Caranya adalah dengan memosisikan

kursor mouse tepat berada pada variable yang namanya ingin diubah lalu

klik kanan, kemudian pilih menu “rename” dan tulis nama variabel baru

sesuai dengan nama yang diinginkan. Lihat gambar di bawah ini !

Latent Variable

Page 9: Modul Praktik Partial Least Square (PLS)

8

Setelah semua variabel selesai dibuat, selanjutnya buat garis penghubung

antar variabel sebagai indikasi dari arah hubungan antar variabel, sesuai yang

dirumuskan pada proposal penelitian (lihat gambar di bawah ini !).

Tulis nama variabel

yang diinginkan

Page 10: Modul Praktik Partial Least Square (PLS)

9

Cara untuk membuat garis adalah silakan klik menu “Connect” (lihat bagian

yang dilingkari), lalu klik variabel-variabel yang dihubungkan. Pada contoh di

atas, setelah mengklik menu “Connect”, penulis mengklik variabel KSI

(Keterbatasan Sistem Informasi), dan lalu mengklik variabel PIK (Penggunaan

Informasi Kinerja).

Setelah semua variabel dihubungkan dengan garis “Connect” tadi, maka

model penelitian sudah selesai dibuat, sebagaimana gambar yang nampak di

bawah ini.

Menu “Connect”

Page 11: Modul Praktik Partial Least Square (PLS)

10

Setelah gambar model penelitian selesai dibuat, selanjutnya adalah

memasukkan indikator-indikator pengukuran variabel1 ke dalam masing-

masing variabel. Caranya adalah:

blok nama-nama indikator -> klik+tahan -> drag ke variabel yang akan

dimasukkan indikator-indikator pengukurannya -> lepaskan klik mouse

Jika kita ingin memasukkan indikator-indikator dari variabel KSI, maka

indikator yang diklik+tahan dan di drag ke variabel KSI adalah indikator-

indikator yang namanya juga KSI. Dalam kasus ini terdapat empat indikator

dari KSI yang ditulis dengan KSI1, KSI2, KSI 3, dan KSI4. Jika indikator-

indikator variabel telah berhasil dimasukkan ke dalam variabelnya, maka akan

nampak tampilan seperti gambar di bawah ini.

1 Indikator-indikator pengukuran variabel adalah data penelitian yang bersumber dari hasil jawaban kusioner dan telah dikuantifikasikan. Misalnya jawaban sangat tidak setuju dikuantifikasikan menjadi 1, tidak setuju dikuantifikasikan menjadi 2, dst. Pada PLS, range kuantifikasi variabel harus seragam, misalnya jika variabel penelitian diukur dengan skala likert dengan range 5, maka semua variabel harus diukur dengan likert range 5, tidak boleh ada yang memnggunakan range 7. Karena hal itu akan dianggap error oleh PLS.

Page 12: Modul Praktik Partial Least Square (PLS)

11

Umumnya, ketika proses memasukkan indikator-indikator pengukuran

variabel ini berhasil dilakukan, maka indikator-indikator tersebut akan

muncul secara otomatis di sisi kiri variabel yang diukurnya. Seringkali posisi

tersebut menjadikan tampilan model penelitian tidak elok untuk dipandang,

sebagaimana yang nampak pada gambar di bawah. Oleh karenanya, indikator-

indikator pengukuran variabel tersebut perlu dipindah ke posisi yang lebih

baik.

Caranya adalah:

Posisikan kursor mouse tepat berada di variabel yang indikator-

indikatornya ingin dipindahkan -> klik kanan mouse -> Align, lalu pilih

posisi rataan yang diinginkan (Top/atas; Left/kiri; Buttom/bawah;

Right/kanan).

3. Tampilan variabel yang indicator-

indikatornya telah berhasil dimasukkan.

Secara otomatis, indikator-indikator akan

menempel di sisi kiri variabel.

Se

1. Klik dan tahan

2. Drag ke variabel yang dituju

Page 13: Modul Praktik Partial Least Square (PLS)

12

Pada kasus di atas, penulis memilih Right atau Rata Kanan agar tampilan

model peneltian menjadi lebih elok dipandang. Lihat hasilnya pada gambar di

bawah ini.

Posisi indikator-indikator pengukuran

variabel tidak pas, sehingga menjadikan

tidak sedap dipandang. Untuk itu posisi

indikator-indikator tersebut perlu dipindah.

Page 14: Modul Praktik Partial Least Square (PLS)

13

Jika proses memasukkan dan penyesuaian posisi indikator-indikator

pengukuran variabel ini telah selesai dilakukan, maka akan nampak tampilan

sebagaimana gambar di atas.

Apabila peneliti sudah sampai pada tahap ini, maka pengujian statistik sudah

siap untuk dilakukan. Pengujian terdiri dari uji kualitas model

pengukuran/instrumen (PLS algoritm) dan uji hipotesis (Bootstrapping).

Uji Kualitas Model Pengukuran

Untuk melakukan uji kualitas model pengukuran, caranya adalah:

Klik menu Calculate -> PLS Algoritm (lihat pada bagian yang dilingkari

pada gambar dibawah ini !)

Page 15: Modul Praktik Partial Least Square (PLS)

14

Setelah itu, maka akan muncul tampilan seperti gambar di bawah ini.

Selanjutnya, pilih (klik) Start Calculation.

Page 16: Modul Praktik Partial Least Square (PLS)

15

Setelah proses Calculation selesai, maka akan keluar hasil pengujian kualitas

model pengukuran (lihat gambar di bawah ini !).

Penyimpulan mengenai kualitas model pengukuran mengacu pada rule of

tumbs berikut ini:

Tabel 1. Parameter Uji Validitas dalam Model Pengukuran PLS

Uji Parameter Rule of tumbs

Validitas Konvergen Faktor Loading

(Outer Loading)

>0,7

Average Variance Extracted (AVE) >0,5

Communality >0,5

Validitas Deskriminan Akar AVE dan korelasi variabel laten

Akar AVE > korelasi variabel laten (Discriminant Validity)

Cross Loading

(Discriminant Validity)

>0,7 dalam satu variabel

Reliabilitas Cronbach Alpha >0,6

Composite Reliability >0,6

Sumber: Chin (1995); Werts et al. (1974) Salisbury et al. (2002); Hartono dan Abdillah (2011)

Pada gambar di bawah ini nampak hasil outer loadings (di SPSS diistilahkan

dengan Factor Loadings) digunakan untuk mengukur validitas konvergen

dari model pengukuran (instrumen). Pada kasus ini, hasil uji outer loadings

menunjukkan skor yang rendah pada variabel AKT (Akuntabilitas) yaitu

kurang dari rule of tumbs 0,70 (Chin, 1998). Skor kurang dari 0,70 juga

nampak pada konstruk KMUK4 dan KSI3. Nampak pula variabel INS (Insentif)

memiliki korelasi tidak hanya pada dirinya (INS) tetapi juga pada AKT

(Akuntabilitas). Dari hasil ini maka dapat disimpulkan bahwa variabel

Akuntabilitas (AKT) memiliki validitas konvergen yang kurang baik, sehingga

sebaiknya variabel ini dieliminasi dan tidak diikutkan dalam pengujian

hipotesis. Jika variabel akuntabilitas tetap diuji hipotesisnya maka hasil

penelitian akan memiliki validitas yang lemah. Namun, karena ini hanya

contoh, maka di bagian pengujian hipotesis nanti, variabel ini tetap diikutkan.

Sementara, untuk kasus rendahnya KMUK4 dan KSI3, maka sebelum uji

hipotesis dilakukan, kedua konstruk ini harus dieliminasi terlebih dahulu dari

Page 17: Modul Praktik Partial Least Square (PLS)

16

perannya sebagai salah satu item pengukur (indikator) dari variabel yang

diukurnya.

Selanjutnya, menurut perhitungan cross loading (discriminant validity) di atas,

dapat disimpulkan semua variabel memiliki korelasi tertinggi pada dirinya

sendiri dibandingkan dengan korelasi pada variabel lain. Dengan demikian,

syarat validitas diskriminan pada kasus penelitian ini terpenuhi.

Menu-menu ini adalah hasil-hasil dari

pengujian kualitas model pengukuran.

Untuk melihat hasil-hasil tersebut dapat

dilakukan dengan mengklik menu-menu

ini.

Page 18: Modul Praktik Partial Least Square (PLS)

17

Page 19: Modul Praktik Partial Least Square (PLS)

18

Sementara, untuk skor Cronbach Alpha dan Composite Reliability yang

mengukur relibilitas model pengukuran didapatkan hasil yang bagus, yakni

lebih dari rule of tumbs 0,60 (Werts et al., 1974 dikutip dari Salisbury et al.

2002). Dengan demikian dapat disimpulkan bahwa model pengukuran semua

variabel memiliki reliabilitas yang baik.

Catatan !

Untuk kriteria rule of tumbs, beberapa statistikan memiliki perbedaan

pendapat. Ada yang mensyaratkan harus lebih dari 0,70 seperti Chin (1998)

dan ada yang boleh kurang dari 0,70 tetapi paling tidak lebih dari 0,40

seperti pendapat Lai dan Fan (2008) serta Vinzi et al. (2010). Menurut

penulis sendiri tidak ada paksaan untuk mengikuti pendapat yang mana

karena semuanya ada dasarnya.

Setelah uji kualitas model pengukuran selesai dilakukan dan model

pengukuran dinyatakan valid dan reliabel, maka langkah selanjutnya adalah

pengujian hipotesis. Caranya adalah:

Klik menu Calculate -> Bootstrapping (Lihat bagian yang ditandai pada

gambar di bawah ini !)

Page 20: Modul Praktik Partial Least Square (PLS)

19

Setelah itu maka akan muncul jendela sebagaimana gambar di bawah ini.

Selanjutnya, pilih (klik) Start Calculation.

Page 21: Modul Praktik Partial Least Square (PLS)

20

Maka akan keluar hasil-hasil pengujian hipotesis sebagaimana pada gambar di

bawah ini.

Untuk melihat hasil pengujian hipotesis pada PLS dengan model sederhana

sebagaimana kasus yang sedang dikerjakan, pilihlah menu Path

Coefficients.

Rule of tumbs dari terdukungnya suatu hipotesis penelitian adalah: (1) jika

koefesien atau arah hubungan variabel (ditunjukkan oleh nilai original sample)

sejalan dengan yang dihipotesiskan, dan (2) jika nilai t statistik lebih dari 1,64

(two-tiled) atau 1,96 (one-tiled) dan probability value (p-value) kurang dari 0,05

atau 5%.

Pada kasus ini, mengacu pada hasil yang disajikan pada menu Path

Coefficients, hipotesis yang terdukung ada tiga, yakni: (1) INS->AKT, (2) PLT-

>AKT dan (3) PLT->PIK dengan masing-masing p-value senilai 0,000; 0,040

dan 0,000. Dari hasil tersebut maka dapat disimpulkan bahwa Insentif (INS)

berpengaruh positif terhadap akuntabilitas (AKT) dan pelatihan (PLT)

Menu-menu ini adalah hasil-hasil dari

pengujian hipotesis (Bootstrapping). Untuk

melihat hasil-hasil tersebut dapat dilakukan

dengan mengklik menu-menu ini.

Page 22: Modul Praktik Partial Least Square (PLS)

21

berpengaruh positif terhadap akuntabilitas dan penggunaan informasi kinerja

(AKT dan PIK).

Catatan:

Kesalahpahaman yang kerap ditemui penulis adalah, ketika koefesien hasil

uji statistik memiliki arah yang sama dengan hipotesis yang dirumuskan,

misalnya insentif berpengaruh positif terhadap penggunaan informasi

kinerja (INS->PIK), lalu ditemukan nilai koefesien (original sample) sebesar

0,231, tetapi nilai p-value (sig.) sebesar 0,665 (lebih dari 0,05 atau 5%).

Banyak penulis temui, dari hasil tersebut peneliti menyimpulkan dengan

kalimat yang kurang lebihnya sebagaimana berikut:

“…..maka dapat disimpulkan bahwa insentif berpengaruh positif terhadap penggunaan informasi kinerja tetapi tidak signifikan…..”

Penyimpulan seperti contoh di atas adalah penyimpulan yang keliru. Sebab,

jika nilai p-value atau sig. lebih dari 0,05 atau 5%, maka itu artinya variabel

independen tidak memiliki pengaruh terhadap variabel dependen walau

seperti apapun jua hasil koefesien yang muncul. Hal itu karena dua asumsi

untuk mendukung hipotesis tidak terpenuhi, yakni (1) koefesien sesuai

dengan arah yang dihipotesiskan dan (2) nilai p-value (sig.) lebih dari 0,05.

Selanjutnya, untuk mengetahu seberapa besar kemampuan variabel

independen menjelaskan variabel dependen dapat dilihat dengan mengklik

menu R Square-Adjusted.

Page 23: Modul Praktik Partial Least Square (PLS)

22

Pada kasus ini nilai R Square Adjusted untuk Akuntabilitas (AKT) adalah

0,907 (90,7%) dan Penggunaan Informasi Kinerja (PIK) adalah 0,119 (11,9%).

Artinya adalah, kemampuan variabel independen menjelaskan variabel

dependen akuntabilitas (AKT) adalah 90,7% dan sisanya dijelaskan oleh

variabel independen lain yang tidak ada di dalam model penelitian yang

dirumsukan pada penelitian ini. Sementara, kemampuan variabel independen

menjelaskan variabel dependen penggunaan informasi kinerja (PIK) adalah

11,9% dan sisanya dijelaskan oleh variabel independen lain yang tidak ada di

dalam model penelitian yang dirumsukan pada penelitian ini.

Page 24: Modul Praktik Partial Least Square (PLS)

23

Pengujian Hipotesis Penelitian dengan Variabel Pemediasi (Intervening)

Proses pengujian hipotesis dengan model yang menyertakan variabel

pemediasi (intervening) sebenarnya tidak jauh berbeda dengan proses

pengujian hipotesis dengan model sederhana, seperti yang dijelaskan pada

bagian sebelumnya. Proses yang dimaksud yaitu:

1. Menyiapkan data dalam file Microsoft excel dengan format CSV (comma

delimited).

2. Membuka program (software) SmartPLS 3

3. Membuat new project

4. Meng-import data yang sudah disiapkan (poin 1)

5. Menggambar model penelitian yang terdiri dari beberapa variabel laten

6. Memasukkan data kuesioner (indikator) ke dalam variabel laten

7. Melakukan pengujian kualitas model pengukuran (PLS algoritm)

8. Melakukan pengujian hipotesis (bootstrapping)

Yang membedakan antara model sederhana dengan model dengan

memasukkan variabel pemediasi adalah letak (posisi) susunan variabel yang

harus dibuat atau digambar dalam program SmartPLS.

Untuk mempermudah memahami bagaimana proses pengujian hipotesis

dengan model yang memuat variabel pemediasi, simaklah simulasi berikut ini.

Page 25: Modul Praktik Partial Least Square (PLS)

24

Pertama-tama, buatlah gambar model penelitian sesuai dengan yang

dirumuskan pada proposal penelitian. Pada contoh kasus ini, model yang

dibuat berdasrkan pada tiga hipotesis berikut:

H1: Pengembangan Sistem Pengukuran Kinerja (PSPK) berpengaruh positif

terhadap Akuntabilitas (AKT).

H2: Pengembangan Sistem Pengukuran Kinerja (PSPK) berpengaruh positif

terhadap Penggunaan Informasi Kinerja (PIK).

H3: Pengembangan Sistem Pengukuran Kinerja (PSPK) berpengaruh positif

terhadap Penggunaan Informasi Kinerja (PIK) melalui Akuntabilitas (AKT)

Hipotesis 1 dan 2 adalah hubungan langsung variabel independen terhadap

variabel dependen / efek utama, sedangkan Hipotesis 3 adalah hubungan

tidak langsung variabel independen terhadap variabel dependen /indirect

Page 26: Modul Praktik Partial Least Square (PLS)

25

effect/ efek mediasi. Mengacu pada Baron dan Kenney (1986) sebagaimana

dikutip Hartono dan Abdillah (2014), pengujian efek dari variabel pemediasi

dapat dilakukan jika efek utama variabel independen terhadap variabel

dependen adalah signifikan. Jika hal tersebut tidak terpenuhi, maka pengujian

efek mediasi tidak perlu dilanjutkan karena biasanya hasilnya pasti tidak

signifikan. Asumsi ini juga berlaku untuk pengujian pada model yang terdapat

variabel pemoderasi (moderating) di dalamnya.

Setelah model penelitian selesai digambar, masukkan indikator-indikator

pengukuran variabel seperti gambar di bawah ini.

Setelah model selesai dibuat dengan sempurna (sebagaimana gambar di atas),

maka langkah selanjutnya adalah melakukan uji kualitas model pengukuran

(instrumen) penelitian dengan cara:

Klik menu Calculate -> PLS Algoritm -> Start Calculation

Page 27: Modul Praktik Partial Least Square (PLS)

26

Kemudian lihat kualitas validitas konvergen, validitas diskriminan, dan

reliabilitas pada menu-menu yang ada pada hasil uji model pengukuran

sebagaimana contoh kasus pengujian hipotesis pada model sederhana yang

dijelaskan di pembahasan sebelumnya. Pada contoh kasus berikut,

diasumsikan model pengukuran memenuhi syarat validitas dan reliabilitas.

Selanjutnya, dilakukan uji hipotesis dengan cara:

Klik menu Calculate -> Bootstrapping -> Start Calculation

Untuk melihat hasil uji hipotesis efek utama, dapat dilakukan dengan

mengklik menu “Path Coefficients”.

Dari hasil analisis statistic menggunakan PLS, dapat disimpulkan bahwa

Pengembangan Sistem Pengukuran Kinerja (PSPK) berpengaruh positif

terhadap Akuntabilitas (AKT) (H1 terdukung) dan juga terhadap Penggunaan

Informasi Kinerja (PIK) (H2 terdukung) dengan p-value < 0,05 yakni masing-

masing 0,000 dan 0,015. Dengan demikian, dapat disimpulkan bahwa asumsi

Page 28: Modul Praktik Partial Least Square (PLS)

27

efek utama variabel independen tehadap variabel dependen harus signifikan

telah terpenuhi, sehingga uji efek mediasi dapat dilakukan (Baron dan Kenney,

1986).

Untuk melihat hasil uji hipotesis efek mediasi, dapat dilakukan dengan

mengklik menu “Inderect Effects”.

Dari hasil analisis PLS, ditemukan bahwa Pengembangan Sistem Pengukuran

Kinerja (PSPK) berpengaruh positif terhadap Penggunaan Informasi Kinerja

(PIK) melalui Akuntabilitas (AKT) dengan signifkansi sebesar 0,030 atau <0,05.

Selanjutnya untuk mengetahui apakah mediasi ini bersifat mediasi penuh

atau semu (fully mediating or quasi-meadiating), dapat dilakukan dengan

mengklik menu “Total Effects”.

Page 29: Modul Praktik Partial Least Square (PLS)

28

Dari hasil analisis total effects menggunakan PLS sebagaimana gambar di atas,

ditemukan bahwa hubungan Pengembangan Sistem Pengukuran Kinerja

(PSPK) terhadap Penggunaan Informasi Kinerja (PIK) masih signifikan dengan

p-value 0,000 (<0,05). Dengan demikian, dapat disimpulkan bahwa mediasi ini

hanya bersifat semu (quasi-mediating). Mediasi penuh (fully mediating) terjadi

jika pada total effects ditemukan hubungan Pengembangan Sistem

Pengukuran Kinerja (PSPK) terhadap Penggunaan Informasi Kinerja (PIK)

menjadi tidak signifikan (Hartono dan Abdillah, 2014).

Page 30: Modul Praktik Partial Least Square (PLS)

29

Pengujian Hipotesis Penelitian dengan Variabel Pemoderasi (Moderating)

Contoh Moderasi 1

Proses pengujian hipotesis dengan model yang menyertakan variabel

pemoderasi (moderating) sebenarnya tidak jauh berbeda dengan proses

pengujian hipotesis dengan model sederhana dan model pemediasi, seperti

yang dijelaskan pada bagian sebelumnya. Proses yang dimaksud yaitu:

1. Menyiapkan data dalam file Microsoft excel dengan format CSV (comma

delimited).

2. Membuka program (software) SmartPLS 3

3. Membuat new project

4. Meng-import data yang sudah disiapkan (poin 1)

5. Menggambar model penelitian yang terdiri dari beberapa variabel laten

6. Memasukkan data kuesioner (indikator) ke dalam variabel laten

7. Memunculkan variabel pemoderasi (moderating effect/interaction

effect)

8. Melakukan pengujian kualitas model pengukuran (PLS algoritm)

9. Melakukan pengujian hipotesis (bootstrapping)

Yang membedakan antara model sederhana dengan model dengan

memasukkan variabel pemoderasi terletak pada poin 7 (tulisan yang di-bold-

kan).

Untuk mempermudah memahami bagaimana proses pengujian hipotesis

dengan model yang memuat variabel pemoderasi, simaklah simulasi berikut

ini.

Page 31: Modul Praktik Partial Least Square (PLS)

30

Seperti biasa, langkah pertama yang harus dilakukan adalah menggambar

model penelitian.

Sebagaimana dijelaskan pada bagian sebelumnya, mengacu pada Baron dan

Kenney (1986) sebagaimana dikutip Hartono dan Abdillah (2014), pengujian

efek dari variabel pemoderasi hanya dapat dilakukan jika efek utama variabel

independen terhadap variabel dependen adalah signifikan. Jika hal tersebut

tidak terpenuhi, maka pengujian efek moderasi tidak perlu dilanjutkan karena

biasanya hasilnya pasti tidak signifikan. Asumsi ini juga berlaku untuk

pengujian pada model yang terdapat variabel pemediasi (mediating) di

dalamnya.

Model penelitian kali ini adalah ingin menguji pengaruh Insentif (INS) terhadap

hubungan Pelatihan (PLT) dan Akuntabilitas (AKT). Jika dirumuskan dalam

bentuk hipotesis, maka dapat ditulis:

Page 32: Modul Praktik Partial Least Square (PLS)

31

H1: Insentif berpengaruh positif terhadap akuntabilitas.

H2: Pelatihan berpengaruh positif terhadap akuntabilitas.

H3: Insentif memoderasi hubungan positif dari pelatihan dan akuntabilitas.

Dari rumusan hipotesis di atas, Hipotesis 1 dan 2 merupakan pengujian efek

utama dan Hipotesis 3 merupakan pengujian efek moderasi dari insentif.

Untuk menjadikan variabel insentif (INS) sebagai variabel pemoderasi caranya

adalah:

Letakkan posisi kursor pada variabel Dependen (AKT) -> klik kanan mouse

-> Add interaction effect

Setelah itu maka akan muncul kotak dialog sebagaimana gambar di bawah.

Pada menu isian Moderator Variable, pilih nama variabel yang akan dijadikan

variabel pemoderasi (dalam kasus ini adalah variabel Insentif). Sedangkan

pada menu Predictor Variable, pilih nama variabel independen yang akan

Menu: Add interaction effect

Page 33: Modul Praktik Partial Least Square (PLS)

32

diinteraksikan dengan variabel moderator (dalam kasus ini adalah variabel

pelatihan).

Jika proses ini selesai dilakukan, maka akan muncul variabel baru dengan

warna berbeda sebagaimana yang ditampilkan pada gambar di bawah ini.

Moderator Variable diisi nama variabel yang akan dijadikan variabel pemoderasi (dalam kasus ini adalah variabel Insentif). Sedangkan pada

Predictor Variable diisi nama variabel independen yang akan

diinteraksikan dengan variabel moderator (dalam kasus ini adalah

variabel pelatihan). Setelah itu klok “OK”.

Variabel pemoderasi

Page 34: Modul Praktik Partial Least Square (PLS)

33

Setelah model selesai dibuat dengan sempurna (sebagaimana gambar di atas),

maka langkah selanjutnya adalah melakukan uji kualitas model pengukuran

(instrumen) penelitian dengan cara:

Klik menu Calculate -> PLS Algoritm -> Start Calculation

Kemudian lihat kualitas validitas konvergen, validitas diskriminan, dan

reliabilitas pada menu-menu yang ada pada hasil uji model pengukuran,

sebagaimana contoh kasus pengujian hipotesis pada model sederhana dan

model dengan variabel pemediasi yang dijelaskan di pembahasan sebelumnya.

Pada contoh kasus berikut, diasumsikan model pengukuran memenuhi syarat

validitas dan reliabilitas. Selanjutnya, dilakukan uji hipotesis dengan cara:

Klik menu Calculate -> Bootstrapping -> Start Calculation

Untuk melihat hasil uji hipotesis efek utama, dapat dilakukan dengan

mengklik menu “Path Coefficients” atau juga bisa pada menu “Total

Effects”.

Variabel pemoderasi

Page 35: Modul Praktik Partial Least Square (PLS)

34

Dari hasil analisis statistik menggunakan PLS, dapat disimpulkan bahwa

Insentif (INS) dan Pelatihan (PLT) berpengaruh positif terhadap Akuntabilitas

(AKT), dengan p-value <0,05 yakni masing-masing 0,003 dan 0,045. Dengan

ini maka dapat disimpulkan Hipotesis 1 dan 2 terdukung. Dengan demikian

pula, asumsi efek utama variabel independen tehadap variabel dependen

harus signifikan telah terpenuhi, sehingga uji efek moderasi dapat dilakukan

(Baron dan Kenney, 1986). Hasil pengujian efek moderasi sendiri sebenarnya

sudah tersaji pada gambar di atas, yakni pada bagian yang ditandai. Nilai p-

valuenya adalah 0,137 atau >0,05. Dengan demikian maka dapat disimpulkan

bahwa hipotesis 3 tidak terdukung, yang artinya Insentif (INS) tidak memiliki

pengaruh moderasi atas hubungan variabel Pelatihan (PLT) dan Akuntabilitas

(AKT).

Contoh Moderasi 2

Pada contoh moderasi 2 ini, penulis hanya ingin menunjukkan bahwa ketika

asumsi efek utama tidak terpenuhi, maka hasil pengujian variabel pemoderasi

akan tidak signifikan. Oleh karenanya, jika efek utama tidak signifikan, maka

tidak perlu dilakukan uji efek moderasi, karena hal itu hanya akan

membuang-buang waktu, tenaga dan pikiran.

Misalnya, pada kasus ini, dirumuskan model yang menguji pengaruh

Kesulitan menentukan Ukuran Kinerja (KMUK) dan Pelatihan (PLT) terhadap

Pengembangan Sistem Pengukuran Kinerja (PSPK). Hipotesis yang dirumuskan

adalah sebagai berikut:

H1: Kesulitan Menentukan Ukuran Kinerja (KMUK) berpengaruh negatif

terhadap Pengembangan Sistem Pengukuran Kinerja (PSPK).

H2: Pelatihan (PLT) berpengaruh positif terhadap Pengembangan Sistem

Pengukuran Kinerja (PSPK).

Page 36: Modul Praktik Partial Least Square (PLS)

35

H3: Pengaruh negatif dari Kesulitan Menentukan Ukuran Kinerja (KMUK)

terhadap Pengembangan Sistem Pengukuran Kinerja (PSPK) akan menjadi

lemah jika terdapat Pelatihan (PLT).

Dari model penelitian yang dirumuskan, maka model yang digambarkan pada

program SmartPLS adalah sebagai berikut:

Selanjutnya, variabel Pelatihan (PLT) diatur untuk menjadi variabel

pemoderasi dengan cara yang sama seperti kasus moderasi 1, yaitu:

Letakkan posisi kursor pada variabel Dependen (PSPK) -> klik kanan

mouse -> Add interaction effect

Selanjutnya, pada kotak dialog yang muncul, pada menu isian Moderator

Variable dipilih variabel Pelatihan (PLT), dan pada menu Predictor Variable

dipilih variabel Kesulitan Menentukan Ukuran Kinerja (KMUK). Setelah itu

maka akan muncul variabel baru dengan warna berbeda yang berlaku sebagai

variabel pemoderasi.

Page 37: Modul Praktik Partial Least Square (PLS)

36

Setelah model selesai dibuat dengan sempurna (sebagaimana gambar di atas),

maka langkah selanjutnya adalah melakukan uji kualitas model pengukuran

(instrumen) penelitian dengan cara:

Klik menu Calculate -> PLS Algoritm -> Start Calculation

Kemudian lihat kualitas validitas konvergen, validitas diskriminan, dan

reliabilitas pada menu-menu yang ada pada hasil uji model pengukuran,

sebagaimana contoh kasus pengujian hipotesis pada model sederhana dan

model dengan variabel pemediasi yang dijelaskan di pembahasan sebelumnya.

Pada contoh kasus berikut, diasumsikan model pengukuran memenuhi syarat

validitas dan reliabilitas. Selanjutnya, dilakukan uji hipotesis dengan cara:

Klik menu Calculate -> Bootstrapping -> Start Calculation

Variabel pemoderasi

Page 38: Modul Praktik Partial Least Square (PLS)

37

Untuk melihat hasil uji hipotesis efek utama, dapat dilakukan dengan

mengklik menu “Path Coefficients” atau juga bisa pada menu “Total

Effects”.

Dari hasil analisis statistik menggunakan PLS, dapat disimpulkan bahwa

Kesulitan Menentukan Ukuran Kinerja (KMUK) dan Pelatihan (PLT) tidak

berpengaruh terhadap Pengembangan Sistem Pengukuran Kinerja (PSPK)

dengan p-value >0,05 yakni masing-masing 0,399 dan 0,507. Dengan ini maka

dapat disimpulkan Hipotesis 1 dan 2 tidak terdukung. Dengan demikian

pula, asumsi efek utama variabel independen tehadap variabel dependen

harus signifikan tidak terpenuhi, sehingga uji efek moderasi tidak perlu

dilakukan karena hasil sudah tentu tidak akan signifikan pula (Baron dan

Kenney, 1986).

Namun, karena hasil pengujian efek moderasi di PLS dilakukan secara

serentak dengan efek utama (tidak seperti SPSS yang dilakukan secara

bertahap), maka hasil efek moderasi sebenarnya sudah tersaji pada gambar di

atas, yakni pada bagian yang ditandai. Nilai p-valuenya adalah 0,561 atau

>0,05. Dengan demikian maka dapat disimpulkan bahwa hipotesis 3 tidak

terdukung, yang artinya keberadaan Pelatihan tidak dapat memoderasi

hubungan dari variabel Kesulitan Menentukan Ukuran Kinerja (KMUK) dan

Pengembangan Sistem Pengukuran Kinerja (PSPK).

Variabel pemoderasi