Indikator Reflektif vs Formatif

Dosen pembimbing menunjuk satu kotak di model Anda dan bertanya: “Indikator ini reflektif atau formatif?” Anda diam. Selama ini semua konstruk Anda perlakukan sama persis: cari nilai muatannya, hitung satu angka validitas, lapor satu angka reliabilitas, selesai. Padahal kalau arah hubungan antara konstruk dan indikatornya keliru, semua uji validitas tadi mengukur hal yang salah — dan hasilnya bisa runtuh di meja sidang.

Bedanya cuma satu hal, tetapi hal itu menentukan segalanya: arah sebab antara konstruk dan indikatornya. Apakah konstruk yang menyebabkan indikator, atau indikator yang membentuk konstruk? Artikel ini menjelaskan reflektif vs formatif dari nol, memberi empat kriteria untuk memutuskan, lalu menunjukkan kenapa salah pilih membuat seluruh uji validitas jadi keliru.

Intuisi: Dua Arah Panah

Konstruk laten — kepuasan, motivasi, kinerja — tidak bisa diukur langsung. Kita mengukurnya lewat beberapa indikator (item kuesioner). Satu-satunya pertanyaan: panah antara konstruk dan indikator menghadap ke mana?

Reflektif: konstruk → indikator. Konstruk adalah penyebab, indikator adalah cerminannya. Bayangkan “Kepuasan Pelanggan”. Orang yang puas akan menjawab tinggi di hampir semua item: “saya senang”, “saya akan kembali”, “saya merekomendasikan”. Tingginya jawaban itu akibat dari rasa puas yang ada di dalam. Indikator memantulkan konstruk — seperti tiga termometer yang sama-sama menunjukkan satu suhu ruangan. Ganti satu termometer dengan termometer lain yang sejenis, suhu yang terbaca tetap sama.

Formatif: indikator → konstruk. Indikator adalah penyebab, konstruk adalah hasil bentukannya. Bayangkan “Status Sosial Ekonomi”. Status ini dibentuk oleh pendidikan, pendapatan, dan jenis pekerjaan. Naiknya pendapatan menaikkan status, bukan sebaliknya. Tiap indikator menyumbang satu sisi yang berbeda — seperti tiga bahan berbeda yang dicampur jadi satu adonan. Buang satu bahan, adonannya berubah.

Itulah seluruh perbedaannya, dan paling jelas dilihat berdampingan:

Karena arah panahnya terbalik, semua konsekuensi metodologisnya pun berbeda — dari syarat korelasi sampai uji validitas yang sah. Tabel berikut merangkum ciri yang mengalir dari arah panah itu:

Empat Kriteria Penentu

Memutuskan jenis konstruk bukan soal selera, melainkan menjawab empat pertanyaan baku (dikenal sebagai kriteria Jarvis dan rekan, 2003). Tiap “ya” condong ke reflektif; tiga “ya” atau lebih biasanya menandakan konstruk reflektif.

1. Arah sebab — apakah konstruk menyebabkan indikator? Kalau perubahan konstruk membuat semua indikator ikut bergerak searah, itu ciri reflektif. Kalau justru indikator yang membentuk konstruk, itu formatif.
2. Apakah indikator bisa saling ditukar? Reflektif: indikator mengukur hal yang mirip, jadi bisa saling menggantikan tanpa mengubah makna. Formatif: tiap indikator menyumbang sisi berbeda, tak bisa ditukar.
3. Kalau satu indikator dihapus, apakah makna konstruk tetap? Reflektif: makna tetap, karena indikator lain masih memantulkan hal yang sama. Formatif: makna berubah, karena ada satu sisi yang hilang.
4. Apakah indikator wajib berkorelasi tinggi satu sama lain? Reflektif: ya, karena sama-sama bersumber dari satu konstruk. Formatif: tidak wajib, indikator bisa saja tak berkorelasi.

Contoh dari Nol: Mengklasifikasikan Sebuah Konstruk

Berbeda dari materi yang penuh rumus, inti reflektif vs formatif adalah keputusan terstruktur — kita jalankan keempat kriteria satu per satu, lalu rangkum jadi satu angka. Mari kita kerjakan dari nol.

Konstruk: “Kinerja Karyawan”, diukur tiga indikator — kualitas kerja (I₁), kuantitas kerja (I₂), ketepatan waktu (I₃).

Kriteria 1 — arah sebab. Apakah “kinerja yang tinggi” menyebabkan ketiga indikator naik? Ya. Karyawan yang kinerjanya bagus cenderung punya kualitas baik, kuantitas banyak, dan tepat waktu sekaligus. Kinerja (konstruk) ada lebih dulu, lalu memancar ke indikator. → konstruk → indikator (reflektif). Skor: 1.

Kriteria 2 — saling tukar. Apakah ketiga indikator mengukur hal yang mirip sehingga bisa saling menggantikan? Sebagian besar ya — ketiganya sama-sama wujud “bekerja dengan baik”. Kalau salah satu hilang, dua sisanya masih menggambarkan kinerja secara umum. → bisa ditukar (reflektif). Skor: 1.

Kriteria 3 — hapus satu indikator. Kalau “ketepatan waktu” dihapus, apakah makna “Kinerja Karyawan” berubah total? Tidak. Kinerja masih terwakili kualitas dan kuantitas. → makna tetap (reflektif). Skor: 1.

Kriteria 4 — wajib berkorelasi. Apakah ketiga indikator diharapkan berkorelasi tinggi? Ya. Karyawan baik biasanya unggul di ketiganya bersamaan, jadi skornya bergerak searah. → wajib berkorelasi (reflektif). Skor: 1.

Kumpulkan keempatnya dalam satu tabel:

Untuk merangkum, kita pakai skor kecenderungan — sekadar pecahan berapa kriteria yang menunjuk reflektif:

$$ \text{skor kecenderungan} = \frac{\text{kriteria menunjuk reflektif}}{\text{total kriteria}} = \frac{4}{4} = 1{,}00 $$

Penjelasan tiap bagian:

• pembilang = banyaknya kriteria yang jawabannya condong reflektif (di sini 4 dari 4).
• penyebut = total kriteria, selalu 4.
• Hasilnya angka antara 0 dan 1. Mendekati 1 = makin kuat ke reflektif; mendekati 0 = makin kuat ke formatif; tepat 0,50 (2 dari 4) = persis di garis batas, perlu pertimbangan teori lebih dalam.

Skor 1,00 menempatkan “Kinerja Karyawan” jelas di sisi reflektif. Maka validasinya nanti memakai outer loading (muatan), AVE, dan composite reliability — uji yang khas reflektif, yang kita bahas di bagian berikutnya.

Skor kecenderungan ini alat bantu pengajaran agar keputusannya terlihat, bukan uji statistik resmi. Keputusan akhir tetap berpijak pada teori dan logika konsep — bukan sekadar menghitung “ya”.

Contoh kontras: konstruk formatif

• “Kepuasan Pelanggan” (item: senang, akan kembali, merekomendasikan): semua item akibat dari satu rasa puas, saling berkorelasi, bisa ditukar. Skor 4/4 → reflektif.
• “Bauran Pemasaran 4P” (product, price, place, promotion): keempatnya membentuk strategi pemasaran, tak harus berkorelasi (harga murah tak menjamin promosi gencar), dan menghapus “price” mengubah makna bauran. Skor 0/4 → formatif.

Membuktikan Bedanya pada Data

Arah panah tampak abstrak, tetapi meninggalkan jejak yang bisa diukur pada korelasi antar-indikator. Mari kita lihat dengan data simulasi (500 responden).

Konstruk reflektif — ketiga indikator bersumber dari satu konstruk laten yang sama, jadi mereka pasti bergerak searah. Korelasi antar-pasangan indikator keluar tinggi:

Rata-rata korelasi antar-pasangan ≈ 0,63 — tinggi, persis yang diharapkan dari indikator yang sama-sama memantulkan satu konstruk.

Konstruk formatif — pendidikan, pendapatan, dan pekerjaan adalah tiga sisi berbeda yang masing-masing menyumbang ke status sosial ekonomi. Tidak ada sumber bersama yang memaksanya bergerak searah, jadi korelasinya mendekati nol:

Rata-rata korelasi antar-pasangan ≈ 0,00. Inilah kenapa menuntut indikator formatif berkorelasi tinggi (lewat AVE) adalah kesalahan — secara konsep mereka memang tak harus berkorelasi.

Memilih Uji Validitas yang Benar

Setelah jenis konstruk tetap, uji validitas yang sah pun berbeda. Inilah alasan keputusan tadi wajib benar sejak awal — bukan formalitas, tetapi penentu seluruh alat ukur Anda.

Beberapa istilah Inggris baku di sini dijelaskan saat pertama: loading (muatan) = kekuatan hubungan konstruk ke tiap indikator reflektif; weight (bobot) = sumbangan tiap indikator formatif ke konstruk; AVE (average variance extracted, varians rata-rata terekstraksi) = rata-rata seberapa besar konstruk menjelaskan indikatornya; composite reliability (reliabilitas komposit) = konsistensi internal indikator reflektif; VIF (variance inflation factor, faktor inflasi varians) = ukuran seberapa satu indikator bisa diramal dari indikator lain (deteksi kolinearitas).

Pada konstruk reflektif “Kinerja Karyawan” tadi, dengan muatan 0,80, 0,75, dan 0,85, validitas konvergennya dihitung dari AVE:

$$ \text{AVE} = \frac{\sum_{i=1}^{k} \lambda_i^{\,2}}{k} = \frac{0{,}80^2 + 0{,}75^2 + 0{,}85^2}{3} = \frac{1{,}925}{3} \approx 0{,}64 $$

Penjelasan tiap lambang:

• $\lambda_i$ (dibaca “lambda ke-$i$”) = outer loading indikator ke-$i$, yaitu kekuatan panah dari konstruk ke indikator itu. Contoh: $\lambda_1 = 0{,}80$.
• $\lambda_i^{\,2}$ = bagian varians indikator yang dijelaskan konstruk (komunalitas). Misalnya $0{,}80^2 = 0{,}64$ berarti 64% naik-turunnya indikator I₁ dijelaskan konstruk.
• $k$ = banyak indikator (di sini 3).
• $\sum_{i=1}^{k}$ artinya “jumlahkan untuk semua indikator, dari yang ke-1 sampai ke-$k$”.

Hasil AVE ≈ 0,64 melewati ambang 0,50 (Hair dan rekan, 2022) — artinya konstruk menjelaskan lebih dari separuh varians indikatornya, validitas konvergen lolos. Composite reliability-nya pun keluar ≈ 0,84, di atas ambang 0,70. Pada konstruk formatif, kedua angka ini tidak dihitung sama sekali; yang dilihat adalah signifikansi tiap weight dan nilai VIF (pada simulasi tadi VIF ≈ 1,0 — jauh di bawah 5, aman dari kolinearitas).

Di SmartPLS, jenis ini ditetapkan saat menggambar model: indikator reflektif memakai panah dari konstruk ke indikator (mode A), formatif memakai panah dari indikator ke konstruk (mode B). Salah pilih mode berarti SmartPLS menghitung dan menampilkan uji yang keliru. Untuk reflektif Anda baca tabel Outer Loadings dan Construct Reliability and Validity; untuk formatif Anda baca Outer Weights dan Collinearity Statistics (VIF).

Kenapa salah spesifikasi berbahaya

Ambil kasus paling sering: konstruk yang sebenarnya formatif terlanjur dipasang reflektif. Software akan menuntut indikatornya berkorelasi tinggi dan ber-AVE bagus. Tetapi indikator formatif memang tak berkorelasi — pada simulasi tadi rata-rata korelasinya 0,00. Akibatnya AVE jatuh: dengan tiga indikator yang nyaris tak berkorelasi, AVE keluar hanya ≈ 0,36 — jauh di bawah ambang 0,50.

Reaksi refleks mahasiswa: buang indikator yang muatannya kecil sampai AVE lolos. Padahal tiap indikator formatif adalah satu sisi konstruk, dan membuangnya menyempitkan makna. Hasilnya konstruk yang namanya “status sosial ekonomi” tetapi isinya tinggal pendapatan saja — pendidikan dan pekerjaan terbuang. Angka validitas terlihat cantik, tetapi yang diukur sudah bukan konsep yang dimaksud. Penguji yang jeli akan langsung menanyakan ini.

Coba Sendiri

Jalankan keempat kriteria pada konstruk Anda sendiri, lihat skor kecenderungan bergerak, dan saksikan arah panah berbalik saat skor melewati setengah.

Tiga eksperimen yang layak dicoba:

1. Default “Kinerja Karyawan” (4/4 reflektif). Lihat verdict REFLEKTIF dan diagram panah konstruk → indikator yang menyala.
2. Ubah “saling tukar” dan “wajib berkorelasi” jadi Tidak. Skor turun ke 2/4 = 0,50; perhatikan verdict berada tepat di garis batas.
3. Buat semua jawaban Tidak (0/4). Verdict FORMATIF penuh, panah berbalik jadi indikator → konstruk.

Berkas Excel Pendamping

⬇ Unduh reflektif-vs-formatif.xlsx

Berkas pendamping memuat tabel keputusan empat kriteria untuk “Kinerja Karyawan” dengan skor 1/0 per kriteria dan formula penjumlahan yang terlihat, perhitungan skor kecenderungan dan verdict otomatis (lewat IF), tabel ciri reflektif vs formatif, dua contoh kontras (Kepuasan & Bauran 4P), serta panduan uji validitas yang dipakai tiap jenis.

Cek Pemahaman

1. Sebuah konstruk “Kepuasan Kerja” diukur tiga item: “saya menikmati pekerjaan saya”, “saya bersemangat datang kerja”, “saya jarang ingin pindah kerja”. Semuanya berkorelasi tinggi, bisa saling menggantikan, dan menghapus satu tidak mengubah makna. Berapa skor kecenderungannya, dan jenis apa konstruk ini?

Lihat jawaban

Jalankan empat kriteria: (1) kepuasan menyebabkan ketiga item naik — ya; (2) bisa saling tukar — ya; (3) hapus satu, makna tetap — ya; (4) wajib berkorelasi — ya. Empat “ya”. Skor kecenderungan $= 4/4 = 1{,}00$ → reflektif. Validasinya pakai outer loading, AVE, dan composite reliability.

2. (Transfer) Seorang mahasiswa memodelkan “Daya Tarik Destinasi Wisata” dengan tiga indikator: keindahan alam, kelengkapan fasilitas, dan keterjangkauan harga. Ketiganya tidak harus searah — pantai indah bisa saja mahal dan minim fasilitas. Mahasiswa itu memasangnya reflektif lalu kaget karena AVE-nya cuma 0,33. Apa yang salah, dan apa saran Anda?

Lihat jawaban

Konstruk ini sebenarnya formatif: ketiga indikator membentuk daya tarik dari sisi berbeda, tak harus berkorelasi, dan menghapus satu (misalnya “harga”) mengubah makna. Skor kecenderungan ≈ 0/4. AVE rendah bukan tanda data jelek — itu konsekuensi wajar memaksa indikator formatif yang tak berkorelasi ke kerangka reflektif. Saran: ganti ke mode B (formatif) di SmartPLS, lalu nilai dengan signifikansi outer weight dan VIF (< 5), bukan AVE. Jangan membuang indikator demi mengejar AVE — itu akan menyempitkan makna konstruk.

3. (Transfer) Pada konstruk reflektif dengan empat indikator bermuatan 0,72, 0,68, 0,81, dan 0,79, hitung AVE-nya dan putuskan apakah validitas konvergennya lolos.

Lihat jawaban

$\text{AVE} = (0{,}72^2 + 0{,}68^2 + 0{,}81^2 + 0{,}79^2)/4 = (0{,}5184 + 0{,}4624 + 0{,}6561 + 0{,}6241)/4 = 2{,}2610/4 \approx 0{,}57$. Karena $0{,}57 \ge 0{,}50$, validitas konvergen lolos. (Catatan: muatan 0,68 sedikit di bawah pedoman 0,70 — boleh dipertahankan karena AVE dan reliabilitas keseluruhan masih memenuhi syarat, sesuai pedoman Hair dan rekan.)

Kesalahan Umum

Menganggap semua konstruk reflektif. Default banyak mahasiswa: pasang panah konstruk → indikator untuk semuanya, lalu hitung AVE. Konstruk seperti status sosial ekonomi atau bauran pemasaran sebenarnya formatif, dan AVE tak berlaku di sana.

Memaksa AVE dan CR pada konstruk formatif. AVE dan composite reliability mengukur seberapa indikator memantulkan satu konstruk. Pada formatif, indikator tidak memantulkan apa-apa — mereka membentuk. Melaporkan AVE di sini salah kaprah; pakai weight dan VIF.

Menghapus indikator formatif karena muatan rendah. Pada reflektif, indikator bermuatan lemah boleh dibuang. Pada formatif, membuang indikator menghilangkan satu sisi konstruk dan mengubah maknanya, sekalipun bobotnya kecil.

Mengira formatif berarti indikator tak boleh berkorelasi. Formatif hanya berarti korelasi tidak diwajibkan. Kalau kebetulan korelasinya terlalu tinggi, justru muncul masalah kolinearitas yang dicek lewat VIF.

Menentukan jenis dari data, bukan teori. Jenis reflektif atau formatif ditetapkan dari logika konsep dan teori sebelum ambil data, bukan dipilih belakangan karena hasilnya “lebih bagus”.

Dipakai di Dunia Nyata

• Skripsi PLS-SEM. Sebelum menggambar model di SmartPLS, tiap konstruk wajib diputuskan reflektif atau formatif agar uji validitasnya benar. Ini sering jadi pertanyaan pertama penguji.
• Riset perilaku dan sikap. Konstruk sikap, kepuasan, dan niat umumnya reflektif: item-itemnya memantulkan satu perasaan yang sama.
• Indeks komposit sosial-ekonomi. Indeks seperti status sosial ekonomi, kualitas hidup, atau bauran pemasaran umumnya formatif: indikator membentuk indeks dari berbagai sisi.
• Praktik survei kepuasan dan keterlibatan. Konsultan dan tim SDM menyusun skala kepuasan/keterlibatan kerja sebagai reflektif sehingga item bisa disederhanakan tanpa kehilangan makna.

Lanjutan

• Spesifikasi Model PLS-SEM — merakit konstruk dan jalur jadi satu model utuh.
• Validitas Konvergen PLS (AVE) — mendalami AVE dan composite reliability untuk konstruk reflektif.

Perlu menyegarkan fondasinya dulu? Balik ke Pengantar SEM.

Referensi

• Hair, J.F., Hult, G.T.M., Ringle, C.M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM) (3rd ed.). Sage.
• Jarvis, C.B., MacKenzie, S.B., & Podsakoff, P.M. (2003). A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Research. Journal of Consumer Research, 30(2), 199–218.
• Ghozali, I. (2018). Aplikasi Analisis Multivariate dengan Program SPSS. Badan Penerbit Universitas Diponegoro.