Outer loading adalah salah satu nilai pertama yang wajib kamu periksa saat mengolah data di SmartPLS, sebelum lanjut ke uji validitas dan reliabilitas lainnya. Nilai ini menentukan apakah indikator penelitianmu layak dipertahankan dalam model, atau justru harus dibuang. Artikel ini membahas kriteria nilai outer loading dan cara membaca hasilnya.
Daftar Isi
- Apa Itu Outer Loading
- Kriteria Nilai Outer Loading SmartPLS
- Cara Membaca Hasil Outer Loading
- Kalau Ada Indikator dengan Loading Rendah
- Hubungan Outer Loading dengan Uji Validitas Lainnya
- Pertanyaan yang Sering Diajukan (FAQ)
Apa Itu Outer Loading
Outer loading adalah nilai yang menunjukkan seberapa kuat sebuah indikator mencerminkan variabel latennya dalam model SmartPLS. Semakin tinggi nilainya, semakin baik indikator itu mewakili konstruk yang diukur. Uji ini menjadi langkah pertama dalam evaluasi outer model, sebelum kamu melanjutkan ke uji validitas konvergen, validitas diskriminan, dan reliabilitas konstruk.
Secara teknis, nilai outer loading dihasilkan dari algoritma PLS yang dijalankan lewat menu Calculate di SmartPLS, dan muncul sebagai koefisien pada setiap garis yang menghubungkan indikator dengan variabel latennya di diagram jalur.
Kriteria Nilai Outer Loading SmartPLS
Kriteria yang umum dipakai dalam penelitian PLS-SEM adalah sebagai berikut:
- Di atas 0,7: indikator dianggap kuat dan sebaiknya dipertahankan dalam model.
- Antara 0,4 sampai 0,7: perlu dipertimbangkan lebih lanjut, terutama dengan mengecek dampaknya terhadap nilai AVE (Average Variance Extracted) dan reliabilitas komposit setelah indikator itu dipertahankan atau dibuang.
- Di bawah 0,4: umumnya disarankan untuk dibuang dari model, karena indikator tersebut dianggap tidak cukup kuat mencerminkan variabel latennya.
Untuk penelitian yang bersifat eksploratori, ambang batas 0,6 kadang masih bisa diterima tergantung konteks dan pedoman metodologi yang dipakai. Untuk penelitian konfirmatori, standar 0,7 biasanya lebih ketat diberlakukan.
Cara Membaca Hasil Outer Loading
Misalnya hasil pengolahan menunjukkan indikator X1 memiliki nilai outer loading 0,812. Karena nilai ini di atas 0,7, artinya indikator tersebut valid dan kuat mencerminkan variabel latennya, sehingga layak dipertahankan dalam model. Sebaliknya, kalau ada indikator dengan nilai 0,3, kamu perlu mempertimbangkan untuk membuangnya, dengan catatan pembuangan itu tidak mengubah makna konstruk secara signifikan.
Keputusan membuang indikator tidak boleh diambil sembarangan hanya berdasarkan satu angka. Kamu tetap perlu memeriksa apakah nilai AVE dan reliabilitas komposit model masih memenuhi kriteria setelah indikator tersebut dibuang.
Kalau Ada Indikator dengan Loading Rendah
Beberapa hal yang bisa dicek kalau banyak indikator menunjukkan nilai outer loading di bawah kriteria:
- Kuesioner yang dipakai kurang jelas atau ambigu bagi responden.
- Jumlah sampel penelitian terlalu kecil dibanding kompleksitas model.
- Indikator tersebut sebenarnya kurang relevan dengan konstruk yang ingin diukur.
Menentukan indikator mana yang perlu dipertahankan atau dibuang butuh pertimbangan yang tidak sekadar mengejar angka di atas 0,7. Kamu juga perlu mempertimbangkan validitas konten secara teoritis, bukan cuma angka statistik semata, terutama kalau indikator itu punya justifikasi teori yang kuat dari penelitian sebelumnya. Kalau kamu masih ragu menafsirkan hasil outer loading pada model penelitianmu, tim jasa olah data SmartPLS kami bisa membantu dari evaluasi outer model sampai interpretasi lengkap untuk keperluan sidang.
Hubungan Outer Loading dengan Uji Validitas Lainnya
Outer loading tidak berdiri sendiri. Nilai ini menjadi dasar penghitungan Average Variance Extracted (AVE), yang dipakai untuk menguji validitas konvergen sebuah variabel laten secara keseluruhan. Kalau outer loading tiap indikator sudah memenuhi kriteria tapi AVE variabel tersebut masih di bawah 0,5, itu tandanya kombinasi indikatornya belum cukup kuat menjelaskan variansi konstruknya, meski masing-masing indikator secara individual terlihat baik.
Pertanyaan yang Sering Diajukan (FAQ)
Apakah semua indikator dengan loading di bawah 0,7 harus dibuang?
Tidak selalu. Untuk penelitian eksploratori, nilai antara 0,4 sampai 0,7 masih bisa dipertahankan kalau nilai AVE dan reliabilitas komposit tetap memenuhi kriteria setelah indikator itu diikutkan.
Apa beda outer loading dengan cross loading?
Outer loading mengukur kekuatan sebuah indikator terhadap konstruknya sendiri, sementara cross loading membandingkan nilai itu dengan konstruk lain di luar variabel latennya, dipakai untuk menguji validitas diskriminan.
Kenapa outer loading saya semua berada di bawah kriteria?
Kemungkinan penyebabnya bisa dari kuesioner yang kurang jelas, jumlah sampel yang terlalu kecil, atau indikator yang memang kurang relevan dengan konstruk yang diukur.
Apakah boleh membuang lebih dari satu indikator sekaligus?
Sebaiknya dilakukan satu per satu, dimulai dari indikator dengan nilai loading paling rendah, lalu jalankan ulang algoritma dan periksa dampaknya terhadap AVE dan reliabilitas sebelum memutuskan membuang indikator berikutnya.
Kesimpulan
Outer loading adalah fondasi awal dalam evaluasi outer model SmartPLS, dan menentukan apakah indikator penelitianmu layak dipertahankan. Kalau kamu masih bingung dengan hasil outer loading pada model penelitianmu, tim Sisi Statistik siap membantu evaluasi dari awal sampai interpretasi lengkap.
Konsultasikan hasil olah data SmartPLS-mu sekarang via WhatsApp: +62 851-5739-5951