Uji validitas SmartPLS adalah proses untuk memastikan bahwa indikator yang digunakan benar-benar mampu mengukur konstruk yang seharusnya diukur. Dalam penelitian berbasis PLS-SEM, validitas menjadi tahap penting karena menentukan apakah instrumen kuesioner layak digunakan pada analisis berikutnya. Banyak mahasiswa yang kesulitan memahami konsep ini, padahal uji validitas merupakan fondasi sebuah model penelitian.

Validitas memastikan bahwa setiap indikator tidak sembarang digunakan, melainkan harus terbukti relevan dengan konstruknya. Jika suatu indikator tidak valid, maka indikator tersebut tidak boleh dipertahankan dalam model. Hal ini penting karena indikator yang buruk dapat merusak kualitas keseluruhan model penelitian. SmartPLS menyediakan beberapa jenis validitas yang bisa dianalisis dengan mudah melalui output yang dihasilkan.

Pada tahap awal, validitas konvergen dan validitas diskriminan menjadi dua komponen utama yang diperiksa. Keduanya memberikan gambaran apakah indikator sudah sesuai dengan konstruk masing-masing dan berbeda dari konstruk lainnya. Melalui analisis mendalam, mahasiswa dapat memahami bagaimana kualitas instrumen memengaruhi hasil penelitian.

Setiap peneliti wajib menjelaskan secara jelas metode uji validitas yang mereka gunakan. Penjelasan yang lengkap sangat membantu saat sidang skripsi karena penguji akan banyak mengajukan pertanyaan terkait kualitas instrumen. Pemahaman yang baik akan meningkatkan kepercayaan diri mahasiswa selama presentasi.

Uji validitas bukan hanya formalitas; ia menjadi penentu kelayakan data sebelum memasuki tahap analisis lanjutan seperti reliabilitas dan inner model. Karena itu, memahami dasar-dasarnya adalah langkah wajib dalam penelitian berbasis SmartPLS.

Baca Juga: Analisis Outer Model SmartPLS dalam Penelitian Kuantitatif

Jenis Validitas dalam SmartPLS yang Wajib Dipahami

Validitas dalam SmartPLS terdiri dari beberapa jenis, dan masing-masing memiliki peran penting dalam evaluasi model. Mahasiswa sering kali hanya menghafal nilainya tanpa benar-benar memahami makna setiap komponen. Padahal, pemahaman ini menjadi kunci agar pembahasan di skripsi lebih kuat dan akademis.

Validitas konvergen adalah jenis pertama yang dievaluasi. Validitas ini digunakan untuk melihat apakah indikator-indikator dalam satu konstruk benar-benar mengarah pada konsep yang sama. Kriteria utamanya terlihat pada nilai outer loading dan Average Variance Extracted. Jika dua nilai ini memenuhi standar, maka konstruk dianggap valid secara konvergen.

Jenis kedua adalah validitas diskriminan, yaitu kemampuan konstruk untuk membedakan dirinya dari konstruk lain. Jika konstruk tidak memiliki diskriminasi yang baik, maka model dianggap tidak tepat. Validitas diskriminan dilihat melalui Fornell-Larcker Criterion dan Heterotrait-Monotrait Ratio. Keduanya menjadi sorotan utama saat mengevaluasi model.

Selain dua jenis tersebut, ada juga validitas isi yang berkaitan dengan kualitas pertanyaan dalam kuesioner. Walaupun tidak muncul dalam output SmartPLS, validitas ini biasanya dinilai oleh para ahli atau pembimbing sebelum kuesioner disebarkan. Validitas isi memastikan bahwa indikator yang digunakan sudah benar dan sesuai teori.

Dengan memahami ketiga jenis validitas ini secara mendalam, mahasiswa dapat menjelaskan alasan pemilihan indikator dan konstruk dengan lebih percaya diri. Hal ini juga menunjukkan bahwa penelitian telah dilakukan dengan cermat dan sistematis.

Uji Validitas Konvergen: Outer Loading dan AVE

Uji validitas konvergen berfokus pada seberapa kuat indikator-indikator dalam satu konstruk berhubungan satu sama lain. Dalam SmartPLS, validitas ini dinilai melalui dua komponen utama: outer loading dan AVE. Keduanya wajib memenuhi nilai minimal tertentu untuk memastikan bahwa konstruk tersebut valid secara konvergen.

Outer loading menunjukkan kekuatan hubungan antara indikator dengan konstruknya. Nilai ideal untuk outer loading adalah lebih dari 0.7. Jika suatu indikator memiliki nilai di bawah 0.7, mahasiswa harus mempertimbangkan apakah indikator tersebut tetap dipertahankan atau dihapus dari model. Indikator dengan nilai yang sangat rendah biasanya tidak layak dipertahankan.

Ave atau Average Variance Extracted menggambarkan seberapa besar varian konstruk yang dijelaskan oleh indikatornya. Nilai minimal AVE adalah 0.5, yang berarti setidaknya setengah varian dapat dijelaskan dengan baik. Jika AVE berada di bawah batas minimal, mahasiswa perlu memeriksa kembali indikator yang dipakai.

Beberapa poin penting dalam uji validitas konvergen antara lain:

• Outer loading harus lebih dari 0.7 untuk hasil ideal

• Indikator dengan nilai 0.4–0.7 masih bisa dipertimbangkan jika konstruk tidak banyak indikator

• AVE minimal 0.5 sebagai syarat wajib

• Indikator yang buruk harus dihapus agar konstruk menjadi lebih kuat

• Penjelasan nilai harus dikaitkan dengan teori penelitian

Nilai outer loading yang tinggi menandakan bahwa indikator benar-benar mencerminkan konstruknya. Sebaliknya, nilai rendah menunjukkan bahwa indikator tidak relevan atau tidak stabil. Dengan memahami cara membaca nilai ini, mahasiswa dapat menjelaskan hasil analisis secara akademis dan sistematis.

Uji validitas konvergen juga menjadi dasar sebelum menuju ke tahap reliabilitas. Tanpa validitas yang baik, reliabilitas tidak dapat dinilai dengan akurat.

Uji Validitas Diskriminan: Fornell-Larcker dan HTMT

Validitas diskriminan menunjukkan seberapa besar sebuah konstruk berbeda dari konstruk lainnya. Jika konstruk tidak cukup berbeda, maka model penelitian dianggap tumpang tindih dan tidak memiliki kualitas struktural yang jelas. Dalam SmartPLS, uji validitas diskriminan dilakukan dengan dua metode utama.

Metode pertama adalah Fornell-Larcker Criterion. Dalam metode ini, nilai akar AVE pada setiap konstruk harus lebih besar daripada korelasi antar konstruk. Jika nilai akar AVE lebih rendah, maka konstruk dianggap tidak memiliki diskriminasi yang baik. Mahasiswa sering salah membaca tabel ini, sehingga pemahaman yang akurat sangat diperlukan.

Metode kedua adalah HTMT atau Heterotrait-Monotrait Ratio. Nilai HTMT harus berada di bawah 0.85 untuk menunjukkan diskriminasi yang baik. Jika nilai HTMT lebih dari 0.9, konstruk tersebut dianggap tidak valid secara diskriminan. HTMT menjadi standar terbaru yang banyak digunakan dalam penelitian modern.

Beberapa poin untuk interpretasi HTMT dan Fornell-Larcker:

• Akar AVE harus lebih besar dari korelasi antar konstruk

• HTMT < 0.85 adalah standar ideal

• HTMT 0.85–0.9 masih ditoleransi dalam beberapa bidang penelitian

• Nilai di atas 0.9 dianggap tidak valid

• Perbandingan antar tabel harus dilakukan dengan teliti

Validitas diskriminan sangat berpengaruh pada model struktural. Jika sebuah konstruk terlalu mirip dengan konstruk lain, maka hipotesis yang dibangun tidak dapat diuji dengan jelas. Mahasiswa harus memahami hal ini agar pembahasan lebih kuat dan tidak sekadar menuliskan angka.

Dengan memahami metode ini, mahasiswa dapat menjelaskan kualitas konstruk dengan argumentasi ilmiah yang lebih solid.

Penyebab Indikator Tidak Valid dan Solusi Praktisnya

Dalam proses uji validitas SmartPLS, tidak jarang mahasiswa menemukan indikator yang tidak valid. Indikator yang tidak valid dapat merusak model dan menyebabkan hasil penelitian tidak sesuai harapan. Mahasiswa harus memahami penyebab indikator tidak valid dan mengetahui cara mengatasinya dengan tepat.

Beberapa penyebab umum indikator tidak valid:

• Pertanyaan kuesioner tidak jelas atau membingungkan

• Responden menginterpretasikan pertanyaan secara berbeda

• Indikator tidak sesuai dengan konstruk teoritis

• Jumlah indikator terlalu banyak sehingga variannya tersebar

• Data tidak stabil atau sampel terlalu sedikit

Untuk mengatasi masalah tersebut, ada beberapa solusi yang dapat diterapkan:

• Menghapus indikator dengan outer loading rendah

• Mengkaji ulang teori dasar konstruk

• Menggunakan indikator yang lebih relevan berdasarkan literatur

• Mengurangi jumlah indikator agar konstruk lebih fokus

• Memperbesar sampel agar data lebih stabil

Menghapus indikator sering kali menjadi solusi favorit mahasiswa karena cepat dan mudah. Namun penghapusan harus tetap sesuai teori, tidak boleh sembarangan. Jika terlalu banyak indikator dihapus, konstruk dapat kehilangan makna.

Dengan memahami penyebab dan solusi tersebut, mahasiswa dapat memperbaiki model dengan lebih efektif dan terarah.

Baca Juga: Pemahaman Uji Reliabilitas SmartPLS dalam Penyusunan Skripsi

Kesimpulan

Uji validitas SmartPLS merupakan tahap penting dalam penelitian PLS-SEM yang memastikan bahwa setiap indikator benar-benar mampu mengukur konstruknya. Validitas konvergen dan diskriminan menjadi komponen utama yang harus diperiksa sebelum melanjutkan analisis ke tahap berikutnya. Outer loading, AVE, Fornell-Larcker, dan HTMT menjadi alat penting dalam evaluasi ini.

Pemahaman mendalam mengenai validitas akan membantu mahasiswa menyusun skripsi yang lebih kuat, komprehensif, dan akademis. Dengan memastikan instrumen valid, hasil penelitian menjadi lebih akurat dan dapat dipertanggungjawabkan dalam sidang.

Ketahui lebih banyak informasi terbaru dan terlengkap mengenai skripsi dengan mengikuti terus artikel dari Skripsi Malang. Dapatkan juga bimbingan eksklusif untuk skripsi dan tugas akhir bagi Anda yang sedang menghadapi masalah dalam penyusunan skripsi dengan menghubungi Admin Skripsi Malang sekarang juga! Konsultasikan kesulitan Anda dan raih kelulusan studi lebih cepat.