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.
Pada paparan berikut, akan dijelaskan pengujian hipotesis pada model penelitian sederhana, yakni antara beberapa variabel independen dan dua variabel dependen dengan SmartPLS. Secara umum, proses pengujian hipotesis dengan SmartPLS adalah sebagai berikut:
- Menyiapkan data dalam file Microsoft excel dengan format CSV (comma delimited).
- Membuka program (software) SmartPLS
- Membuat new project
- Meng-import data yang sudah disiapkan (poin 1)
- Menggambar model penelitian yang terdiri dari beberapa variabel laten
- Memasukkan data kuesioner (indikator) ke dalam variabel laten
- Melakukan pengujian kualitas model pengukuran (PLS algoritm)
- Melakukan pengujian hipotesis (bootstrapping)
Pertama, siapkan data pada Microsoft excel yang disimpan dalam format CSV (comma delimited)
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).
Setelah data di-import, maka akan muncul tampilan mengenai data yang diimport tadi.
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.
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 !
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 !).
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
Setelah gambar model penelitian selesai dibuat, selanjutnya adalah memasukkan indikator-indikator pengukuran variabel1 ke dalam masingmasing 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 indikatorindikator 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.
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, indikatori-ndikator 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 di inginkan (Top/ atas Left/kiri Buttom/bawah; Right/kanan).
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
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)