Outer model dalam SmartPLS merupakan bagian yang menghubungkan variabel laten dengan indikator-indikatornya. Jika inner model membahas hubungan antar variabel, outer model justru fokus pada bagaimana sebuah konstruk diukur. Sebagai bagian dari SEM-PLS, outer model menentukan apakah indikator yang digunakan sudah valid dan reliabel sehingga menghasilkan pengukuran yang akurat. Dalam penelitian akademik, outer model sangat penting karena kualitas indikator akan memengaruhi seluruh hasil analisis.
Outer model juga dikenal sebagai model pengukuran. Ia menentukan apakah indikator bersifat reflektif atau formatif. Indikator reflektif memantulkan konstruk, sedangkan indikator formatif membentuk konstruk itu sendiri. Perbedaan ini harus dipahami agar peneliti tidak salah menentukan jenis indikator, karena kesalahan kecil bisa membuat hasil penelitian tidak dapat dipertanggungjawabkan.
Selain itu, outer model menilai beberapa aspek seperti convergent validity, discriminant validity, dan reliabilitas konstruk. Ketika ketiga aspek ini terpenuhi, peneliti dapat melanjutkan ke inner model dengan lebih percaya diri. Namun ketika outer model tidak valid, maka analisis tidak bisa dilanjutkan. Itulah sebabnya outer model adalah tahap fundamental dalam SmartPLS.
Dalam penelitian akademik, outer model menjadi syarat standar untuk memastikan bahwa data yang dianalisis benar-benar merepresentasikan konsep teoritis. Jika indikator tidak memenuhi syarat validitas, rumusan masalah dan hipotesis tidak akan terjawab dengan benar meskipun inner model terlihat baik. Oleh karena itu, memahami outer model menjadi langkah awal yang wajib dikuasai oleh setiap peneliti SmartPLS.

Baca Juga: Uji Validitas Penelitian SmartPLS dalam Analisis PLS-SEM

Komponen Utama dalam Outer Model SmartPLS

Outer model memiliki beberapa komponen yang harus diperiksa untuk memastikan kualitas pengukuran. Komponen pertama adalah indikator atau item pertanyaan yang merefleksikan variabel laten. Semua indikator harus relevan dan mampu mewakili konstruk yang diteliti. Komponen kedua adalah jenis hubungan antara indikator dan konstruk, apakah reflektif atau formatif. Pemilihan jenis hubungan ini sangat penting karena memengaruhi teknik evaluasi outer model.
Komponen berikutnya adalah nilai loading factor, yang menjadi ukuran awal validitas indikator. Loading yang baik umumnya berada di atas 0.7, meskipun dalam beberapa konteks penelitian awal nilai 0.6 masih bisa dipertimbangkan. Selain itu, terdapat nilai AVE (Average Variance Extracted) yang menunjukkan tingkat convergent validity. Jika nilai AVE di atas 0.5, indikator dianggap cukup baik dalam menjelaskan variabel laten.
Reliabilitas konstruk juga menjadi komponen penting, yang biasanya diukur dengan composite reliability dan Cronbach’s alpha. Keduanya menunjukkan seberapa konsisten indikator dalam mengukur konstruk yang sama. Ketika nilai-nilai ini memadai, outer model dapat dinyatakan reliabel.
Terakhir, outer model juga memeriksa discriminant validity. Evaluasi ini memastikan bahwa konstruk berbeda benar-benar berbeda satu sama lain. Jika dua konstruk tidak memiliki discriminant validity, artinya keduanya mengukur hal yang sama, dan model konstruksi menjadi tidak valid.

Cara Evaluasi Outer Model pada Penelitian

Dalam mengevaluasi outer model, peneliti harus melalui beberapa tahap penting agar hasil analisis layak dilanjutkan. Evaluasi ini mencakup beberapa aspek utama seperti:

• Memeriksa nilai outer loading setiap indikator.

• Menilai konvergen validity melalui AVE.

• Menilai reliabilitas konstruk menggunakan composite reliability.

• Memeriksa discriminant validity melalui Fornell-Larcker atau HTMT.

Setiap aspek tersebut memiliki standar yang harus dipenuhi. Jika indikator tidak valid, indikator tersebut biasanya dihapus agar model menjadi lebih baik. SmartPLS menyediakan output lengkap yang memudahkan peneliti menilai apakah model pengukuran sudah memenuhi kriteria atau belum.
Proses evaluasi outer model terkadang mengharuskan peneliti memahami teori pengukuran. Misalnya, indikator formatif tidak menggunakan loading factor sebagai penilaian, dan harus dinilai melalui signifikansi indikator serta collinearity. Karena itu, pemahaman teori sangat penting agar penilaian outer model tidak salah. Ketika evaluasi dilakukan dengan tepat, hasil penelitian menjadi lebih kuat dan dapat dipertanggungjawabkan.

Peran Outer Model dalam Keberhasilan Penelitian

Outer model berperan sebagai pondasi dalam penelitian SEM-PLS. Jika indikator tidak valid, inner model tidak dapat menghasilkan kesimpulan yang benar. Karena itu, outer model adalah tahap yang harus selalu diperiksa sebelum interpretasi dilakukan. Dalam penelitian akademik, outer model memastikan bahwa konstruksi teori diukur secara tepat oleh data empiris.
Outer model yang baik menghasilkan model struktural yang stabil. Ketika variabel laten diukur secara benar, pengaruh antar variabel akan lebih akurat. Sebaliknya, ketika outer model lemah, hasil penelitian akan bias meskipun inner model menunjukkan hubungan signifikan. Oleh karena itu, banyak dosen pembimbing atau penguji skripsi menekankan pentingnya pemahaman outer model.
Peneliti juga perlu memahami bahwa outer model bukan sekadar angka. Ia merepresentasikan konsep teoritis yang harus diterjemahkan ke dalam indikator empiris. Jika indikator tidak tepat, penelitian akan kehilangan maknanya. SmartPLS membantu memvisualisasikan hal tersebut secara jelas sehingga peneliti bisa mengambil keputusan lebih baik.
Peran outer model tidak berhenti pada analisis saja, tetapi juga memengaruhi bagian metodologi dalam laporan skripsi atau tesis. Dalam laporan akademik, penjelasan outer model menjadi bukti bahwa peneliti melakukan pengukuran dengan benar dan sesuai standar ilmiah.

Contoh Penerapan Outer Model SmartPLS

Untuk memahami penerapan outer model secara praktis, bayangkan sebuah penelitian yang mengukur konstruk Kepuasan Pengguna dengan lima indikator. Ketika model dijalankan di SmartPLS, hasil menunjukkan bahwa tiga indikator memiliki loading di atas 0.7, satu indikator 0.61, dan satu indikator 0.42. Dalam kasus ini, peneliti dapat mempertimbangkan menghapus indikator dengan loading 0.42 karena dianggap tidak valid.
Selain itu, nilai AVE dapat digunakan sebagai ukuran konvergen validity. Jika AVE konstruk berada di atas 0.5, konstruk tersebut memiliki validitas konvergen yang baik. Pada penelitian formatif, indikator tidak dihapus berdasarkan loading, tetapi dinilai melalui signifikansi dan collinearity.
Contoh lain, jika konstruk memiliki composite reliability di atas 0.7, maka reliabilitasnya dapat diterima. Namun jika HTMT antar konstruk lebih besar dari 0.9, maka discriminant validity gagal. Kondisi ini mengharuskan peneliti meninjau kembali konstruk atau indikator yang digunakan.
Contoh-contoh ini menunjukkan bahwa outer model adalah proses evaluasi yang memerlukan analisis kritis, bukan hanya menerima hasil apa adanya.

Baca Juga: Inner Model SmartPLS dalam Penelitian Akademik

Kesimpulan

Outer model SmartPLS adalah bagian fundamental dalam penelitian SEM-PLS karena memastikan bahwa indikator mengukur konstruk secara valid dan reliabel. Evaluasi outer model mencakup pemeriksaan loading, AVE, reliabilitas, serta discriminant validity. Ketika seluruh aspek ini terpenuhi, peneliti dapat melanjutkan ke analisis inner model dengan yakin. Outer model yang kuat menciptakan fondasi penelitian yang solid dan memastikan hasil analisis tidak bias. Dengan memahami fungsinya secara mendalam, peneliti dapat menyusun penelitian yang lebih berkualitas dan ilmiah.

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.