SmartPLS

 

SmartPLS bukan sekadar aplikasi yang "klik-klik lalu keluar hasil". Jika langsung mengikuti tutorial tanpa memahami konsepnya, hasil analisis sering kali salah diinterpretasikan. Karena itu, saya akan menjelaskan dari tingkat paling dasar, seolah-olah Anda belum pernah membuka SmartPLS sama sekali.

Gambaran Besar Proses SEM-PLS

Di SmartPLS, urutan pekerjaannya hampir selalu seperti ini:

1. Menyiapkan data

        ↓

2. Membuat Project

        ↓

3. Import data

        ↓

4. Membuat konstruk (latent variables)

        ↓

5. Memasukkan indikator

        ↓

6. Menghubungkan konstruk

        ↓

7. Menjalankan PLS Algorithm

        ↓

8. Mengecek Outer Model

        ↓

9. Memperbaiki model jika perlu

        ↓

10. Menjalankan Bootstrapping

        ↓

11. Menginterpretasikan hasil

        ↓

12. Menulis hasil penelitian

Seluruh proses ini dapat dibagi menjadi 12 langkah.

LANGKAH 1

Menyiapkan Data

Misalnya penelitian Anda mengenai:

• Project Based Learning
• Technology Literacy
• Critical Thinking
• Lesson Plan Design

Setiap variabel memiliki beberapa pertanyaan.

Contoh:

Project Based Learning

Kode

PBL1

PBL2

PBL3

PBL4

Technology Literacy

Kode

TL1

TL2

TL3

TL4

Critical Thinking

Kode

CT1

CT2

CT3

CT4

Lesson Plan

Kode

LP1

LP2

LP3

LP4

Data di Excel harus seperti ini.

ID	PBL1	PBL2	PBL3	PBL4	TL1	TL2	...
1	5	4	4	5	4	5
2	4	5	4	5	5	5
3	3	4	3	4	4	4

Sangat penting:

• Baris = responden.
• Kolom = indikator.
• Tidak boleh ada sel kosong (missing value) jika memungkinkan.
• Gunakan angka (misalnya skala Likert 1–5), bukan teks.

LANGKAH 2

Simpan Data

Simpan sebagai:

data.xlsx

atau

data.csv

LANGKAH 3

Membuka SmartPLS

Saat SmartPLS dibuka, pilih:

New Project

Lalu beri nama, misalnya:

Technology Literacy

Klik Create.

LANGKAH 4

Import Data

Klik:

Import Data File

Pilih file Excel atau CSV Anda.

Setelah berhasil, semua nama kolom (PBL1, PBL2, dst.) akan muncul di panel data.

LANGKAH 5

Membuat Konstruk (Latent Variables)

Klik ikon Create Construct (atau klik kanan pada kanvas dan pilih untuk menambah konstruk).

Buat empat konstruk:

Project Based Learning

Technology Literacy

Critical Thinking

Lesson Plan Design

Di layar akan muncul empat lingkaran atau oval (tergantung versi SmartPLS).

LANGKAH 6

Memasukkan Indikator ke Konstruk

Di panel kiri akan terlihat daftar indikator.

Misalnya:

PBL1

PBL2

PBL3

PBL4

Seret (drag) semua indikator PBL ke konstruk Project Based Learning.

Lakukan hal yang sama untuk konstruk lainnya:

• TL1–TL4 → Technology Literacy
• CT1–CT4 → Critical Thinking
• LP1–LP4 → Lesson Plan Design

Hasilnya, setiap konstruk memiliki panah menuju indikator-indikatornya (untuk model reflektif).

LANGKAH 7

Menghubungkan Konstruk

Gunakan alat Connect (ikon panah).

Misalnya model penelitian Anda:

Project Based Learning

          ↓

Technology Literacy

          ↓

Critical Thinking

          ↓

Lesson Plan Design

Klik konstruk asal, lalu klik konstruk tujuan untuk membuat panah.

LANGKAH 8

Menjalankan PLS Algorithm

Klik tombol:

Calculate

Pilih:

PLS Algorithm

Umumnya, pengaturan bawaan (default) sudah cukup untuk pemula.

Klik:

Start Calculation

Setelah selesai, SmartPLS akan menampilkan nilai pada diagram.

LANGKAH 9

Evaluasi Outer Model

Fokus pertama adalah kualitas indikator.

a. Outer Loading

Buka hasil Outer Loadings.

Kriteria umum:

Loading	Interpretasi
>0.70	Sangat baik
0.60–0.70	Masih dapat diterima dalam kondisi tertentu
<0.40	Sebaiknya dihapus

Contoh:

Item	Loading
PBL1	0.91
PBL2	0.87
PBL3	0.83
PBL4	0.45

Karena PBL4 hanya 0.45, indikator tersebut sering dipertimbangkan untuk dihapus, tetapi keputusan harus didasarkan pada teori, bukan angka semata.

b. Composite Reliability (CR)

Lihat tabel Construct Reliability and Validity.

Kriteria:

• ≥ 0.70 menunjukkan reliabilitas yang baik.

c. Cronbach's Alpha

Kriteria:

• ≥ 0.70 dianggap memadai.

d. AVE (Average Variance Extracted)

Kriteria:

• ≥ 0.50 menunjukkan validitas konvergen yang baik.

e. Discriminant Validity

Periksa:

• Kriteria Fornell–Larcker, atau
• HTMT (Heterotrait-Monotrait Ratio).

HTMT umumnya diharapkan < 0.85 atau < 0.90, tergantung konteks penelitian.

LANGKAH 10

Bootstrapping

Setelah model pengukuran memenuhi syarat, lakukan uji signifikansi hubungan.

Klik:

Calculate

Pilih:

Bootstrapping

Untuk pemula, gunakan pengaturan default. Banyak penelitian menggunakan 5.000 subsampel bootstrap.

Klik:

Start

LANGKAH 11

Membaca Hasil Bootstrapping

Perhatikan tabel Path Coefficients.

Contoh:

Hubungan	β	t	p
PBL → TL	0.71	8.12	<0.001
TL → CT	0.59	6.88	<0.001
CT → LP	0.67	9.54	<0.001

Interpretasi:

• β menunjukkan arah dan kekuatan hubungan.
• Nilai p < 0.05 menunjukkan hubungan signifikan.

LANGKAH 12

Melihat Nilai R²

Contoh:

Variabel	R²
Technology Literacy	0.53
Critical Thinking	0.42
Lesson Plan Design	0.61

Artinya, misalnya, 61% variasi kualitas lesson plan dapat dijelaskan oleh konstruk-konstruk dalam model.

Ringkasan Alur Kerja

Tahap	Tujuan
Import Data	Memasukkan data ke SmartPLS
Buat Konstruk	Membuat variabel laten
Hubungkan Indikator	Menyusun model pengukuran
Hubungkan Konstruk	Menyusun model struktural
PLS Algorithm	Mengevaluasi outer model dan menghitung estimasi awal
Periksa Loading, CR, AVE, HTMT	Menilai validitas dan reliabilitas
Bootstrapping	Menguji signifikansi hubungan
Interpretasi	Menjawab hipotesis penelitian

Agar lebih mudah dipelajari

Untuk seseorang yang benar-benar baru menggunakan SmartPLS, saya menyarankan mempelajarinya dalam urutan berikut:

1. Mengenal antarmuka SmartPLS (apa fungsi setiap menu dan ikon).
2. Membangun model dari nol dengan contoh data sederhana.
3. Memahami evaluasi outer model (loading, CR, AVE, HTMT).
4. Memahami evaluasi inner model (VIF, path coefficient, R², f², Q²).
5. Melakukan bootstrapping dan membaca hasilnya.
6. Menulis hasil SEM-PLS sesuai format artikel ilmiah.

Pendekatan bertahap ini biasanya jauh lebih mudah dipahami dibanding langsung mempelajari semua output SmartPLS sekaligus.