Binus University Management Laboratory

SMARTPLS
SmartPLS adalah software statistik yang digunakan untuk pengolahan data pada model
penelitian dengan metode Structural Equation Modelling (SEM). SmartPLS yang
digunakan adalah SmartPLS 4. SEM merupakan salah satu pengaplikasian metode
statistik dari analisis multivariat yang memungkinkan peneliti memasukkan variabel yang
tidak dapat diobservasi dan diukur secara tidak langsung oleh variabel indikator. SEM
terdiri dari 2 metode, yaitu: (1) Covariance-Based SEM (CB-SEM) dengan keutamaan
fungsi untuk mengonfirmasi teori yang sudah ada (confirmatory), dan (2) Partial-Least
Squares SEM (PLS-SEM) yang lebih utama digunakan untuk mengembangkan model
teori secara eksploratif (exploratory). Dibandingkan dengan first-generation techniques
yang pendekatannya berbasis regresi, seperti regresi berganda, regresi logistik, dan
analisis varians dengan model penelitian yang lebih sederhana, SEM sebagai second-
generation techniques digunakan untuk menganalisis model penelitian dengan hubungan
antar variabel konstruk laten yang lebih kompleks, dan SmartPLS menjadi software
populer yang mampu menguji tipe model penelitian secara simultan.
Secara teori, PLS-SEM menguji hipotesis penelitian yang menjelaskan hubungan
kompleks antar variabel laten terdiri dari variabel endogen (dependen) dan variabel
eksogen (independen) yang tervisualisasi dalam suatu model jalur (path model)
menggunakan analisis kausal-prediktif. Jenis-jenis variabel yang dapat diteliti
menggunakan metode PLS-SEM adalah sebagai berikut.

Tabel 1. Jenis-Jenis Variabel yang Dapat Diteliti Menggunakan Metode PLS-SEM

Jenis Variabel Deskripsi Ilustrasi
Variabel Independen Variabel yang menjelaskan
(Variabel Laten atau memberikan pengaruh
Eksogen) terhadap Variabel Dependen.
Variabel Dependen Variabel yang dijelaskan atau
(Variabel Laten diberikan pengaruh oleh
Endogen) Variabel Independen.
Variabel ketiga yang menjadi
perantara hubungan antara
Variabel Mediasi
Variabel Independen terhadap
Variabel Dependen.

1
Binus University Management Laboratory

Jenis Variabel Deskripsi Ilustrasi

Variabel ketiga yang berperan
memperkuat atau
Variabel Moderasi memperlemah hubungan
antara Variabel Independen
dengan Variabel Dependen.

Pengolahan data pada metode PLS-SEM terdiri dari 2 proses yang akan diolah
menggunakan SmartPLS, yaitu: (1) Model Pengukuran (Outer Model) dan (2) Model
Struktural (Inner Model). Berikut beberapa uji yang perlu dilakukan secara berurutan
beserta dasar pengambilan keputusannya.

Tabel 2. Uji dan Dasar Pengambilan Keputusan PLS-SEM Menggunakan SmartPLS

Proses
Nama Uji Dasar Pengambilan Keputusan
Pengujian
Model Uji Validitas Serangkaian variabel dan indikator yang digunakan
Pengukuran Konvergen dikatakan lolos uji validitas konvergen apabila:
(Outer • Nilai Outer Loading > 0.70
Model) • Nilai Average Variance Extracted (AVE) > 0.50
Uji Validitas Serangkaian variabel yang digunakan dikatakan lolos uji
Dilakukan Diskriminan validitas diskriminan apabila:
untuk • Heterotrait-Monotriat Ratio of Correlations (HTMT):
menguji seluruh nilai HTMT < 0.90 antara 2 konstruk.
kelayakan • Fornell Larcker: akar kuadrat nilai AVE lebih besar dari
indikator, korelasi tertinggi dengan konstruk lainnya.
variabel dan • Cross Loadings: nilai indicator loading setiap item
model dengan konstruknya lebih tinggi dari nilai cross
sebelum loadingnya.
dilakukan Uji Serangkaian variabel yang digunakan dikatakan lolos uji
pengujian
Reliabilitas reliabilitas apabila:
hipotesis.
• Nilai Composite Reliability > 0.70
• Nilai Cronbach’s Alpha > 0.70
Uji Model Fit Sebuah model dikatakan layak diuji pengaruh variabel
apabila nilai Standarized Root Mean Square Residual
(SRMR) < 0.08

2
Binus University Management Laboratory

Proses
Nama Uji Dasar Pengambilan Keputusan
Pengujian
Model Koefisien Untuk mengetahui besaran persentase variabel independen
Struktural Determinasi mampu menjelaskan variabel dependennya.
(Inner (R Square/R2 ) • Nilai R2 sebesar 0.75 (75%) tergolong substansial.
Model) • Nilai R2 sebesar 0.50 (50%) tergolong sedang.
• Nilai R2 sebesar 0.25 (25%) tergolong lemah.
Dilakukan Uji Hipotesis Arah hubungan dalam pengujian hipotesis dapat dilihat
untuk melalui nilai koefisien jalur (path coefficient) dengan
menguji ketentuan sebagai berikut:
hipotesis atau • Nilai koefisien jalur mendekati +1 → hubungan
hubungan positif (searah).
antar variabel
• Nilai koefisien jalur mendekati -1 → hubungan
dengan
negatif (berlawanan arah).
model SEM.
Koefisien jalur juga digunakan untuk melihat besaran
relatif pengaruh variabel independen terhadap variabel
dependennya. Setiap penambahan variabel independen
sebanyak 1 unit/poin, maka akan meningkatkan nilai
variabel dependen sebesar koefisien jalur variabel
independen.
Pengujian hipotesis dapat disebut signifikan apabila nilai t-
statistics lebih besar dari nilai kritis (critical value) dan p-
values lebih kecil dari tingkat signifikansi (alpha) yang
digunakan. Ketentuan nilai kritis adalah sebagai berikut:
a) Nilai Kritis Two-Tailed Tests
• Jika tingkat signifikansi 0.01, nilai kritis = 1.65
• Jika tingkat signifikansi 0.05, nilai kritis = 1.96
• Jika tingkat signifikansi 0.10, nilai kritis = 2.57
b) Nilai Kritis One-Tailed Tests
• Jika tingkat signifikansi 0.01, nilai kritis = 1.28
• Jika tingkat signifikansi 0.05, nilai kritis = 1.65
• Jika tingkat signifikansi 0.10, nilai kritis = 2.33

3
Binus University Management Laboratory

Gambar 1. Logo SmartPLS 4

Modul ini membahas lebih lanjut terkait aplikasi SmartPLS dalam mengolah data
penelitian berbasis PLS-SEM menggunakan SmartPLS 4. Adapun kelebihan dari
SmartPLS sebagai berikut:
• Didesain sangat aplikatif dan mudah digunakan untuk para peneliti dalam
mengembangkan model penelitian.
• Jumlah sampel yang digunakan relatif kecil sehingga dianjurkan bagi penelitian
yang memiliki keterbatasan sampel.
• Mampu menguji model kompleks secara simultan, baik secara formatif dan
reflektif dengan menggunakan berbagai skala pengukuran .
• Data tidak perlu berdistribusi normal karena SmartPLS menggunakan metode
bootstrapping yang mampu menggandakan data secara acak.

Sebelum mengolah data berbasis PLS-SEM menggunakan software SmartPLS 4, pastikan

sudah menyiapkan:
1. Model penelitian yang jelas, meliputi variabel independen, variabel dependen,
dan jalur pada setiap hubungan yang akan diteliti.
2. Hasil pengumpulan data kuantitatif pada masing-masing indikator dari variabel-
variabel yang akan diteliti.
3. Data kuantitatif yang akan diolah wajib dimasukkan ke dalam spreadsheet dan
disimpan ke dalam format CSV (Comma Delimited) (.csv) atau Text (Tab
Delimited) (.txt) agar dapat dibaca dan diolah software SmartPLS 4.

4
Binus University Management Laboratory

Berikut adalah home dari software SmartPLS 4:

Contoh Penerapan PLS-SEM pada Kasus Bisnis:

PT XYZ adalah perusahaan yang bergerak di industri jamu dan farmasi. Sejak tahun 2000,
PT XYZ telah mengembangkan berbagai obat dan suplemen herbal yang dapat mengatasi
dan menjaga beberapa kondisi kesehatan. Produk-produk yang dijual mencakup jamu
kapsul dan tablet, jamu serbuk, jamu cair, permen herbal, dan minuman kesehatan. Saat
ini, PT XYZ sudah menjadi jamu favorit masyarakat Indonesia dan berencana melebarkan
sayapnya ke negara lain, yaitu Filipina. Maka dari itu, PT XYZ sedang melakukan
penelitian mengenai faktor-faktor apa saja yang memengaruhi market entry success dan
market export performance di Filipina. Berikut model penelitian yang dihasilkan oleh
peneliti berdasarkan kajian deskriptif.

5
Binus University Management Laboratory

Model penelitian tersebut terdiri dari 4 hipotesis, yaitu:

H1: Marketing Management Competence memiliki pengaruh yang signifikan terhadap
Market Entry Success.
H2: Market Entry Success memiliki pengaruh yang signifikan terhadap Market Export
Performance.
H3: Marketing Management Competence memiliki pengaruh yang signifikan terhadap
Market Entry Success dimoderasi oleh International Product Adaptation
H4: Marketing Management Competence memiliki pengaruh yang signifikan terhadap
Market Export Performance dimediasi oleh Market Entry Success.

Dengan tingkat kepercayaan 95%, buatlah analisis PLS-SEM menggunakan software

SmartPLS 4 yang mencakup: (1) Model Pengukuran (Validitas, Reliabilitas, dan
Model Fit), dan (2) Model Struktural (Koefisien Determinasi dan Pengujian
Hipotesis). Silahkan import data dari excel.
Berikut merupakan langkah-langkah dalam menggunakan SmartPLS 4:
1. Mengubah Data Excel menjadi Format CSV
2. Mengolah Data Menggunakan Software SmartPLS 4
3. Menganalisa Hasil Pengujian SmartPLS

Langkah Pengerjaan:
A. Mengubah Data Excel menjadi Format CSV.
1. Buka data penelitian pada Microsoft Excel.

6
Binus University Management Laboratory

2. Klik File → Save As → Browse (pilih folder penyimpanan file data) → masukkan
File Name sesuai yang dibutuhkan dan pastikan pilih CSV (Comma Delimited)
pada Save As Type → klik Save. TUTUP FILE EXCEL DATA PENELITIAN.

7
Binus University Management Laboratory

3. Cek folder penyimpanan file data penelitian, pastikan Type sudah menjadi CSV
(Comma Separated Value) File.

PASTIKAN FILE EXCEL SUDAH DITUTUP SEBELUM DIMASUKKAN

KE DALAM SMARTPLS 4.

B. Mengolah Data Menggunakan Software SmartPLS 4

1. Buka software SmartPLS 4 → klik Select your first workspace untuk memilih
folder yang akan menjadi tempat penyimpanan file.

8
Binus University Management Laboratory

2. Setelah klik Select your first workspace, maka akan muncul windows baru untuk
memilih/membuat folder untuk menyimpan file olah data SmartPLS → klik Select
folder. (Dalam contoh di modul ini, folder dibuat di Data (D:) dengan nama folder
SmartPLS).

3. Berikut adalah tampilan setelah Select Folder:

9
Binus University Management Laboratory

4. Klik New Project.

5. Masukkan nama project sesuai kasus penelitian → klik Create.

10
Binus University Management Laboratory

6. Masukkan data penelitian dengan cara klik Import Data File → pilih file data
penelitian yang ada di folder penyimpanan (file data CSV) → klik Open.

7. Pastikan data yang dimasukkan di SmartPLS 4 tidak ada missing value → klik
Import.

11
Binus University Management Laboratory

8. Berikut tampilan setelah data berhasil dimasukkan ke SmartPLS 4 dengan benar

→ klik Back.

9. Di dalam folder penelitian terkait, klik Create Model → pilih PLS-SEM pada
Model Type → masukkan Model Name yang sesuai dengan penelitian → klik
Save.

12
Binus University Management Laboratory

10. Klik Select → Masukkan seluruh indikator pada setiap variabel secara satu per satu
dengan cara click and drag dan berikan nama variabel yang sesuai, lalu tekan enter
pada keyboard sampai variabel dan seluruh indikatornya terlihat.

13
Binus University Management Laboratory

Note: opsi untuk memindahkan posisi indikator dapat diakses melalui menu tools
yang ada di sebelah kanan menggunakan berbagai panah yang dapat dipilih pada
indicators.

14
Binus University Management Laboratory

11. Susun posisi variabel sesuai model penelitian.

12. Hubungkan path antar variabel menggunakan Connect dengan cara click and drag
hingga terbentuk keseluruhan model penelitian.

15
Binus University Management Laboratory

16
Binus University Management Laboratory

13. Untuk menambahkan efek moderasi, gunakan Moderating effect dengan cara click
and drag → hubungkan variabel moderasi pada garis path antar variabel yang
dituju.

14. Untuk mengeluarkan hasil perhitungan Model Pengukuran (Outer Model), klik
Calculate → PLS-SEM Algorithm → Start Calculation.

17
Binus University Management Laboratory

15. Maka akan muncul hasil seperti berikut:

18
Binus University Management Laboratory

C. Menganalisa Hasil Pengujian SmartPLS

OUTER MODEL (MODEL PENGUKURAN)
1. Uji Validitas Konvergen
Outer Loadings

Note:
• Dikarenakan nilai outer loading menjadi syarat awal uji validitas pada
validitas konvergen, apabila terdapat indikator dengan nilai outer loading
yang tidak sesuai syaratnya, yaitu di atas 0.70, maka indikator-indikator
tersebut perlu dikeluarkan dari model lalu kembali diuji ulang model
pengukurannya.
• Apabila seluruh outer loading sudah memenuhi syarat, lanjutkan dengan
memperhatikan syarat validitas, reliabilitas, dan model fit. Apabila masih
terdapat syarat yang tidak terpenuhi, data penelitian tidak dapat dilanjutkan ke
uji model struktural.

Pada hasil perhitungan Model Pengukuran (Outer Model), ditemukan bahwa

item MP4 memiliki nilai outer loading sebesar 0.331 yang lebih kecil dari 0.7,
sehingga tidak memenuhi syarat validitas konvergen. Maka dari itu, indikator
MP4 harus dikeluarkan dari model dan perlu dilakukan pengujian ulang.
Prosesnya adalah sebagai berikut:

19
Binus University Management Laboratory

1. Kembali ke tampilan model PLS-SEM dengan klik Edit.

2. Klik Select → klik kanan pada mouse di kotak indikator MP4 yang ada pada
model → Delete.

20
Binus University Management Laboratory

3. Untuk mengeluarkan hasil perhitungan Model Pengukuran (Outer Model) setelah

indikator MP4 dikeluarkan, klik Calculate → PLS-SEM Algorithm → Start
Calculation.

21
Binus University Management Laboratory

22
Binus University Management Laboratory

Output setelah item MP4 dikeluarkan:

OUTER MODEL (MODEL PENGUKURAN)
1. Uji Validitas Konvergen
Outer Loadings

Construct Reliability and Validity

Interpretasi Uji Validitas Konvergen:

Output SmartPLS di atas menunjukkan bahwa seluruh nilai Outer Loading antara
masing-masing indikator dengan konstruknya di atas 0.70 dan seluruh nilai Average
Variance Extracted (AVE) pada setiap variabel di atas 0.50, sehingga dipastikan
indikator dan variabel yang digunakan sudah memenuhi persyaratan Validitas
Konvergen.

23
Binus University Management Laboratory

2. Uji Validitas Diskriminan

Discriminant Validity – HTMT

Discriminant Validity – Fornell Larcker Criterion

24
Binus University Management Laboratory

Discriminant Validity – Cross Loadings

Interpretasi Uji Validitas Diskriminan:

Output SmartPLS di atas menunjukkan bahwa seluruh nilai Heterotrait-Monotriat
Ratio Of Correlations antara 2 konstruk adalah di bawah 0.90. Selain itu, berdasarkan
Fornell Larcker, dapat dilihat bahwa akar kuadrat nilai Average Variance Extracted
(AVE) lebih besar dibandingkan korelasi tertinggi dengan konstruk lainnya.
Didukung dengan nilai Indicator Loading setiap item dengan konstruknya lebih
tinggi dari nilai Cross Loadingnya, maka dapat dipastikan bahwa indikator dan
variabel yang dipakai pada penelitian ini telah memenuhi persyaratan Validitas
Diskriminan.

25
Binus University Management Laboratory

3. Uji Reliabilitas
Construct Reliability and Validity

Interpretasi Uji Reliabilitas:

Output SmartPLS di atas menunjukkan bahwa seluruh nilai Cronbach’s Alpha dan
Composite Reliability pada setiap variabel di atas 0.70 sehingga dipastikan variabel
yang digunakan sudah memenuhi persyaratan Reliabilitas.

4. Uji Model Fit

Construct Reliability and Validity

Interpretasi Uji Model Fit:

Output SmartPLS di atas menunjukkan nilai Standarized Root Mean Square
Residual (SRMR) sebesar 0.068 yang di bawah 0.08, maka dapat disimpulkan bahwa
model penelitian yang digunakan telah memenuhi persyaratan Model Fit.

26
Binus University Management Laboratory

INNER MODEL (MODEL STRUKTURAL)

1. Koefisien Determinasi (R Square/R2)
R Square

Interpretasi Uji Koefisien Determinasi:

Hasil Koefisien Determinasi pada output SmartPLS di atas menunjukkan bahwa nilai
R Square pada Market Entry Success adalah sebesar 0.709 yang berarti sebesar
70.9% variabel Marketing Management Competence dan International Product
Adaptation dapat menjelaskan variasi variabel Market Entry Success, sisanya
sebesar 29.1% dijelaskan oleh variabel lain di luar penelitian. Selain itu, ditemukan
juga nilai R Square pada Market Export Performance sebesar 0.604 yang berarti
sebesar 60.4% variabel Marketing Management Competence, International Product
Adaptation, dan Market Entry Success dapat menjelaskan variasi variabel Market
Export Performance, sisanya sebesar 39.6% dijelaskan oleh variabel lain di luar
penelitian.

27
Binus University Management Laboratory

4. Untuk mengeluarkan hasil perhitungan Model Struktural (Inner Model),

Kembali ke tampilan model PLS-SEM dengan klik Edit → Calculate →
Bootstrapping → Start Calculation.

28
Binus University Management Laboratory

5. Maka akan muncul hasil seperti berikut:

29
Binus University Management Laboratory

2. Uji Hipotesis
Path Coefficients

Total Indirect Effects

30
Binus University Management Laboratory

Interpretasi Uji Koefisien Determinasi:

Hipotesis Path Coefficients T-Statistics P-Values Keterangan
Marketing Management
H1 Competence → Market Entry 0.250 2.320 0.020 Signifikan
Success
Market Entry Success → Market
H2 0.777 14.476 0.000 Signifikan
Export Performance
International Product
Adaptation*Marketing
H3 -0.125 2.341 0.019 Signifikan
Management Competence→
Market Entry Success
Marketing Management
Competence → Market Entry
H4 0.194 2.230 0.026 Signifikan
Success → Market Export
Performance

Hasil pengujian hipotesis dari output SmartPLS menunjukkan bahwa seluruh

hipotesis memiliki pengaruh yang signifikan karena P-Values < 0.05 dan T-
Statistics > 1.96.

Apabila terdapat hipotesis yang tidak didukung, peneliti harus menemukan referensi
pendukung yang menunjukkan hasil serupa dengan hipotesis yang tidak didukung
tersebut.

Note: SmartPLS menggunakan metode bootstrapping yang mampu menggandakan

data secara acak, sehingga hasil pengujian model struktural akan selalu menghasilkan
hasil output yang berbeda jika diuji pada waktu yang berbeda. Pastikan untuk
melakukan screenshot secara lengkap sesuai dengan kebutuhan sebelum menutup
software SmartPLS.

31
Binus University Management Laboratory

REFERENSI
Hair Jr, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data
Analysis Eighth Edition. United Kingdom: Annabel Ainscow.
Hair Jr, J. F., Hult, G. T., Ringle, C. M., & Sarstedt, M. (2017). A Primer on Partial Least
Squares Structural Equation Modeling (PLS-SEM) Second Edition. United States
of AMerica: SAGE Publications, Inc.

32