CMHC Committee 
Evaluasi model merupakan langkah penting dalam analisis SEM PLS. Tujuannya adalah untuk memastikan bahwa model yang dibangun fit dengan data dan menghasilkan hasil yang akurat dan reliable. Untuk lebih jelas terkait apa itu SEM PLS bisa akses materi sebelumnya:
Cara Mudah Pahami Structural Equation Modeling (SEM)
Perbedaan SEM PLS dengan SEM Konvensional
Cara Menentukan Variabel dan Indikator dalam SEM PLS
Cara Menentukan Model Pengukuran dan Model Struktural dalam SEM PLS
Kriteria Evaluasi Model SEM PLS
Terdapat beberapa kriteria yang digunakan untuk mengevaluasi model SEM PLS:
1. Goodness-of-Fit
- R-squared: Menunjukkan proporsi varians variabel dependen yang dijelaskan oleh variabel independen. Nilai R-squared yang tinggi menunjukkan bahwa model fit dengan data.
- Q-squared: Menunjukkan goodness-of-fit model dibandingkan dengan model baseline. Nilai Q-squared yang positif menunjukkan bahwa model fit dengan data.
- SRMR: Menunjukkan standar deviasi root mean square residual. Nilai SRMR yang kecil menunjukkan bahwa model fit dengan data.
2. Signifikansi Parameter
- Nilai t: Digunakan untuk menguji signifikansi parameter model. Nilai t yang tinggi menunjukkan bahwa parameter tersebut signifikan.
- P-value: Digunakan untuk menguji signifikansi parameter model. Nilai p-value yang kecil menunjukkan bahwa parameter tersebut signifikan.
3. Konvergensi
- Nilai iterasi: Menunjukkan jumlah iterasi yang diperlukan untuk mencapai konvergensi. Nilai iterasi yang rendah menunjukkan bahwa model konvergen dengan cepat.
- Nilai maksimum likelihood: Menunjukkan nilai maksimum likelihood dari model. Nilai maksimum likelihood yang tinggi menunjukkan bahwa model fit dengan data.
4. Ukuran Efek
- Koefisien path: Menunjukkan kekuatan hubungan antar variabel laten.
- Loading: Menunjukkan kekuatan hubungan antara variabel laten dan variabel terukur.
5. Uji Validitas
- Uji cross-validation: Digunakan untuk menguji validitas model pada data yang tidak digunakan untuk membangun model.
- Uji holdout: Digunakan untuk menguji validitas model pada data yang tidak digunakan untuk membangun model.
Tutorial Evaluasi Model SEM PLS
Berikut adalah tutorial evaluasi model SEM PLS menggunakan software SmartPLS:
1. Buka file project SmartPLS yang berisi model SEM PLS yang ingin dievaluasi.
2. Klik pada tab “Output”.
3. Pada bagian “Goodness-of-Fit”, perhatikan nilai R-squared, Q-squared, dan SRMR.
4. Pada bagian “Parameter Estimates”, perhatikan nilai t dan p-value untuk setiap parameter model.
5. Pada bagian “Convergence”, perhatikan nilai iterasi dan nilai maksimum likelihood.
6. Pada bagian “Effect Sizes”, perhatikan nilai koefisien path dan loading.
7. Pada bagian “Cross-Validation”, perhatikan nilai Q-squared dan RMSE untuk cross-validation.
8. Pada bagian “Holdout”, perhatikan nilai Q-squared dan RMSE untuk holdout.
Referensi:
- Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A primer on partial least squares structural equation modeling (PLS-SEM). Sage publications.
- Chin, W. W. (1998). The partial least squares approach to structural equation modeling. In G. A. Marcoulides (Ed.), Modern methods for business research (pp. 295-336). Lawrence Erlbaum Associates.
