AVE SmartPLS: Cara Menghitung dan Kriteria

AVE (Average Variance Extracted) adalah nilai yang dipakai untuk menguji validitas konvergen sebuah variabel laten di SmartPLS, dilakukan setelah kamu memeriksa nilai outer loading tiap indikator. Menghitung dan membaca AVE SmartPLS dengan benar penting karena kalau outer loading tiap indikator sudah bagus tapi AVE variabelnya masih di bawah kriteria, itu tandanya ada yang perlu dibenahi. Artikel ini membahas cara menghitung dan kriteria nilai AVE SmartPLS.

Apa Itu AVE dalam SmartPLS

AVE atau Average Variance Extracted adalah nilai rata-rata varians yang bisa dijelaskan oleh indikator-indikator terhadap variabel latennya di model SmartPLS. Nilai ini dipakai untuk menguji validitas konvergen, yaitu sejauh mana indikator-indikator dalam satu variabel benar-benar mengukur konstruk yang sama secara konsisten. Berbeda dari outer loading yang mengukur kekuatan tiap indikator secara individual, AVE menilai keseluruhan variabel laten sebagai satu kesatuan.

Kriteria Nilai AVE SmartPLS

Kriteria yang umum dipakai dalam penelitian PLS-SEM adalah nilai AVE di atas 0,5. Artinya, variabel laten tersebut mampu menjelaskan lebih dari separuh varians rata-rata dari indikator-indikatornya. Kalau nilai AVE berada di bawah 0,5, variabel tersebut dianggap belum memenuhi syarat validitas konvergen, meski masing-masing indikatornya mungkin terlihat baik secara individual di uji outer loading.

Cara Menghitung AVE

Secara teknis, kamu tidak perlu menghitung AVE secara manual karena SmartPLS otomatis menampilkan nilai ini di tabel output setelah kamu menjalankan algoritma PLS, biasanya pada bagian Construct Reliability and Validity. Secara konsep, AVE dihitung dari rata-rata kuadrat nilai outer loading semua indikator dalam satu variabel, dikurangi rata-rata varians error-nya. Semakin tinggi dan konsisten nilai outer loading tiap indikator, semakin besar kemungkinan AVE variabel tersebut memenuhi kriteria.

Kalau AVE Tidak Memenuhi Kriteria

Beberapa langkah yang bisa dicoba kalau nilai AVE variabelmu masih di bawah 0,5:

Periksa ulang indikator dengan outer loading paling rendah, dan pertimbangkan untuk membuangnya dari model.
Setelah membuang satu indikator, jalankan ulang algoritma dan cek apakah AVE sudah naik memenuhi kriteria.
Kalau setelah beberapa penyesuaian AVE tetap rendah, pertimbangkan apakah indikator-indikator tersebut memang secara konseptual mengukur konstruk yang sama.

Perlu diingat, membuang indikator harus dilakukan satu per satu, bukan sekaligus, supaya kamu bisa melihat dampak masing-masing indikator terhadap nilai AVE secara jelas. Kalau kamu masih kesulitan menafsirkan hasil AVE pada model penelitianmu, tim jasa olah data SmartPLS kami bisa membantu dari evaluasi validitas konvergen sampai interpretasi lengkap untuk keperluan sidang.

Pertanyaan yang Sering Diajukan (FAQ)

Apa beda AVE dengan outer loading?

Outer loading mengukur kekuatan satu indikator secara individual terhadap variabel latennya, sementara AVE mengukur rata-rata varians yang dijelaskan oleh seluruh indikator dalam variabel tersebut secara bersama-sama.

Apakah AVE di bawah 0,5 selalu berarti model gagal?

Tidak selalu gagal total, tapi variabel tersebut perlu diperbaiki dulu sebelum hasil penelitian bisa dipercaya. Beberapa peneliti menyarankan tetap melanjutkan kalau reliabilitas komposit variabel tersebut masih baik, tapi ini sebaiknya dikonsultasikan dengan pedoman metodologi yang dipakai.

Apakah AVE berkaitan dengan validitas diskriminan?

Ya, nilai AVE juga dipakai dalam uji validitas diskriminan lewat kriteria Fornell-Larcker, yaitu membandingkan akar kuadrat AVE suatu variabel dengan korelasinya terhadap variabel laten lain.

Berapa jumlah indikator minimal supaya AVE bisa memenuhi kriteria?

Tidak ada angka baku, tapi semakin sedikit dan semakin konsisten indikatornya, biasanya semakin mudah mencapai AVE di atas 0,5 dibanding variabel dengan banyak indikator yang outer loading-nya bervariasi jauh.

Kesimpulan

AVE SmartPLS adalah kelanjutan dari evaluasi outer loading dalam menguji validitas konvergen. Memahami kedua nilai ini bersama-sama, bukan terpisah, penting supaya kamu bisa menjelaskan proses evaluasi outer model secara utuh saat sidang, bukan sekadar melaporkan angka yang sudah memenuhi kriteria. Kalau kamu masih bingung menafsirkan nilai AVE SmartPLS pada model penelitianmu, tim Sisi Statistik siap membantu dari evaluasi awal sampai interpretasi hasil.

Konsultasikan hasil olah data SmartPLS-mu sekarang via WhatsApp: +62 851-5739-5951