Anda baru membuka SmartPLS. Layar masih kosong, dan dosen pembimbing minta “model penelitiannya digambar dulu”. Bingung mulai dari mana: lingkaran ditaruh di mana, kotak indikator yang mana, panah ditarik ke arah mana. Padahal sebelum perangkat lunak menghitung apa pun, Anda harus memberitahu dia dulu bentuk teorinya.
Tahap memberitahu bentuk teori itu namanya spesifikasi model, dan dia menentukan semua hasil di belakangnya. Salah menggambar di sini, semua angka estimasi yang muncul nanti — loading, koefisien jalur, nilai signifikansi — menjawab pertanyaan yang keliru. Bukan soal angkanya salah hitung, tapi soal modelnya menjawab teori yang bukan teori Anda.
Apa Itu Spesifikasi Model
Spesifikasi model adalah tahap menerjemahkan teori dan hipotesis Anda menjadi sebuah diagram jalur (path diagram): kumpulan lingkaran, kotak, dan panah yang dibaca perangkat lunak sebagai instruksi “hitung yang ini”. Belum ada angka, belum ada estimasi. Yang ada baru bentuknya.
Bayangkan Anda menggambar peta sebelum melakukan perjalanan. Lingkaran adalah kota — konstruk yang tidak terukur langsung, seperti “kepuasan”. Kotak adalah patok terukur di lapangan — indikator, yaitu butir kuesioner. Panah adalah jalan yang menghubungkannya. Kalau petanya salah, perjalanan sebagus apa pun tetap nyasar.
Tiga istilah dasar yang akan dipakai terus di artikel ini, dijelaskan polos:
- Konstruk laten = hal yang ingin Anda ukur tapi tidak bisa diukur langsung dengan satu alat. “Kepuasan” tidak punya satuan seperti sentimeter; Anda menanyakannya lewat beberapa pertanyaan kuesioner. Di diagram, konstruk laten digambar sebagai lingkaran/oval.
- Indikator = butir kuesioner yang terukur langsung, satu jawaban satu angka. Misalnya pernyataan “Saya puas dengan layanan ini” dijawab di skala 1–5. Di diagram, indikator digambar sebagai kotak/persegi.
- Panah = hubungan berarah. Arah mata panah penting: dia menyatakan mana yang dianggap sebab dan mana akibat.
Sebuah model PLS-SEM punya dua lapis yang digambar terpisah tapi nyambung: model luar (hubungan konstruk dengan indikatornya) dan model dalam (hubungan antar konstruk). Kita bahas satu per satu, lalu lihat keduanya dalam satu gambar.
Model Luar: Konstruk dan Indikatornya
Model luar, disebut juga model pengukuran, menjelaskan tiap konstruk diukur pakai indikator apa saja. Satu lingkaran konstruk, beberapa kotak indikator yang menempel padanya lewat panah pendek.
Untuk tiap konstruk Anda menentukan arah panahnya, dan arah itu menentukan jenis indikatornya:
- Reflektif: panah dari konstruk menuju indikator. Konstruk dianggap sebab, indikator adalah cerminannya. Butir-butirnya saling mirip dan bisa saling menggantikan — contoh: tiga pertanyaan kepuasan yang isinya senada. Ini yang paling umum di skripsi manajemen.
- Formatif: panah dari indikator menuju konstruk. Indikator membentuk konstruk; tiap indikator menyumbang sisi yang berbeda dan tidak saling menggantikan — contoh: “status sosial ekonomi” dibentuk oleh pendidikan, pendapatan, dan jabatan, yang tidak bisa diwakili salah satunya saja.
Beda arah panah ini bukan kosmetik. Dia mengubah cara perangkat lunak menilai kualitas pengukuran dan cara Anda menafsir hasilnya. Pembahasan lengkap kapan pakai yang mana ada di Indikator Reflektif vs Formatif.
Model Dalam: Hubungan Antar Konstruk
Model dalam, disebut juga model struktural, adalah panah antar konstruk — lingkaran ke lingkaran. Inilah hipotesis Anda yang digambar. Tiap panah di lapis ini harus berdasar teori, bukan ditarik karena “kelihatannya nyambung”.
Pemetaannya sesederhana ini: satu hipotesis arah = satu panah. Hipotesis “kualitas layanan berpengaruh terhadap kepuasan” menjadi satu panah dari lingkaran Kualitas Layanan ke lingkaran Kepuasan. Tiga hipotesis menjadi tiga panah struktural.
Konstruk Eksogen vs Endogen
Begitu panah dalam terpasang, tiap konstruk otomatis mendapat peran berdasarkan panah yang masuk ke dia:
- Konstruk eksogen: tidak ada panah struktural yang masuk (hanya keluar). Mirip variabel bebas. Dia menjelaskan, tidak dijelaskan.
- Konstruk endogen: ada minimal satu panah struktural yang masuk. Mirip variabel terikat. Dia dijelaskan oleh konstruk lain.
Satu konstruk bisa jadi endogen sekaligus penyebab bagi konstruk berikutnya. Inilah letak mediator: konstruk yang menerima panah dari satu sisi dan meneruskannya ke sisi lain. Pada contoh kita nanti, Kepuasan adalah mediator — dia dijelaskan oleh Kualitas Layanan, tapi sekaligus menjelaskan Loyalitas.
Dua lapis dan tiga peran ini terlihat sekaligus dalam satu diagram jalur:
Dua lapis pada gambar — panah laten→indikator (luar) dan panah antar-oval (dalam) — adalah persis dua hal yang Anda gambar saat spesifikasi. Galat ($\delta$, $\varepsilon$, $\zeta$) muncul otomatis di SmartPLS, bukan Anda tarik sendiri; dia mewakili bagian yang tidak terjelaskan: selisih antara nilai yang teramati dan nilai yang diprediksi model. Polosnya, untuk indikator: galat $= $ (jawaban responden $-$ nilai yang model duga dari konstruk). Anda tidak menghitungnya pada tahap spesifikasi — cukup tahu dia ada dan menempel di tiap kotak indikator serta tiap konstruk endogen.
Langkah Spesifikasi
Urutan praktis yang bisa Anda ikuti di SmartPLS:
- Definisikan konstruk. Daftar semua variabel laten dari kerangka teori. Tarik tiap konstruk sebagai lingkaran ke kanvas.
- Tetapkan indikator tiap konstruk. Hubungkan butir-butir kuesioner (dari data) ke konstruk yang sesuai. Tentukan reflektif atau formatif.
- Tarik jalur struktural sesuai hipotesis. Untuk tiap hipotesis arah, tarik satu panah antar konstruk.
- Cek dasar teori tiap jalur. Telusuri ulang: apakah setiap panah punya rujukan teori atau penelitian terdahulu? Kalau ada panah yang tidak bisa Anda pertanggungjawabkan, hapus.
Setelah model benar, baru jalankan Calculate → PLS Algorithm. Estimasi itu urusan tahap berikutnya, bukan sekarang.
Menghitung Anatomi Model dari Nol
Spesifikasi model belum melibatkan estimasi — itu butuh algoritma iteratif di perangkat lunak. Jadi yang kita hitung manual di sini adalah anatomi model: berapa banyak elemen yang Anda gambar, dan berapa ukuran sampel minimum yang dia tuntut. Semua aritmatikanya kelihatan, dari nol.
Ambil model tiga konstruk:
- Kualitas Layanan (eksogen), diukur 4 indikator.
- Kepuasan (endogen, sekaligus mediator), diukur 3 indikator.
- Loyalitas (endogen), diukur 3 indikator.
Tiga jalur struktural sesuai hipotesis:
- $H_1$: Kualitas Layanan → Kepuasan
- $H_2$: Kepuasan → Loyalitas
- $H_3$: Kualitas Layanan → Loyalitas
Diagramnya berantai: Kualitas Layanan → Kepuasan → Loyalitas, dengan jalur langsung tambahan dari Kualitas Layanan ke Loyalitas.
Langkah 1 — total indikator. Jumlahkan indikator semua konstruk:
$$ 4 + 3 + 3 = 10 $$Langkah 2 — total panah luar (loading). Tiap indikator reflektif terhubung ke konstruknya lewat satu panah luar (bobot $\lambda$). Karena ada 10 indikator, ada 10 panah luar:
$$ \text{panah luar} = 10 $$Langkah 3 — jalur dalam. Hitung panah antar konstruk. Ada tiga hipotesis, jadi tiga jalur:
$$ \text{jalur dalam} = 3 $$Langkah 4 — panah masuk terbanyak ke satu konstruk. Lihat tiap konstruk endogen, hitung panah struktural yang masuk ke dia, lalu ambil yang terbesar:
$$ p_{\max} = \max_{\text{konstruk } k}\bigl(\text{panah struktural masuk ke } k\bigr) $$Di sini $p_{\max}$ adalah jumlah panah struktural masuk pada konstruk yang paling “ramai”, dan tanda $\max$ artinya “ambil nilai terbesar di antara semua konstruk”. Pada model kita:
- Kepuasan menerima 1 panah (dari Kualitas Layanan).
- Loyalitas menerima 2 panah (dari Kualitas Layanan dan dari Kepuasan).
Yang terbanyak adalah Loyalitas, jadi $p_{\max} = 2$.
Langkah 5 — ukuran sampel minimum (aturan 10 kali). Aturan praktis Hair: ukuran sampel minimal sepuluh kali jumlah panah masuk terbanyak ke satu konstruk:
$$ n_{\min} = 10 \times p_{\max} $$Di sini $n_{\min}$ adalah perkiraan kasar banyak responden minimum, dan $p_{\max}$ angka dari Langkah 4. Masukkan $p_{\max} = 2$:
$$ n_{\min} = 10 \times 2 = 20 $$Jadi model ini menuntut minimal sekitar 20 responden. Tegaskan ke diri sendiri: 20 ini batas bawah yang kasar, bukan target. Aturan 10 kali cuma rambu cepat agar model tidak under-identified (kekurangan data untuk menaksir semua jalur). Untuk angka yang benar-benar bisa dipertahankan di sidang, Hair menyarankan analisis daya uji (lewat program seperti G*Power), yang biasanya menghasilkan angka jauh lebih besar — ratusan — agar daya uji layak. Praktiknya, kebanyakan skripsi PLS pakai 100 sampai 200 responden.
Ringkasan anatomi model:
| Elemen | Cara hitung | Hasil |
|---|---|---|
| Total indikator | $4 + 3 + 3$ | 10 |
| Panah luar (loading) | = total indikator | 10 |
| Jalur dalam (struktural) | hitung hipotesis | 3 |
| Panah masuk terbanyak $p_{\max}$ | maks ke satu konstruk | 2 (Loyalitas) |
| Sampel minimum $n_{\min}$ | $10 \times 2$ | 20 |
Menafsirkan Angkanya
Perhatikan satu hal yang sering mengejutkan mahasiswa: yang menentukan ukuran sampel bukan banyaknya indikator, dan bukan total jalur, melainkan jalur masuk terbanyak ke satu konstruk ($p_{\max}$).
Bandingkan: kalau Anda menambah satu indikator ke Kualitas Layanan (jadi 5 indikator, total 11), $n_{\min}$ tetap 20 — karena $p_{\max}$ tidak berubah. Tapi kalau Anda menambah satu hipotesis baru yang masuk ke Loyalitas (jadi 3 panah masuk), $n_{\min}$ langsung melonjak ke $10 \times 3 = 30$. Logikanya: makin banyak prediktor yang menjelaskan satu konstruk sekaligus, makin banyak data yang dibutuhkan untuk memisahkan pengaruh masing-masing.
Inilah yang membuat model bercabang (“banyak panah menumpuk ke satu variabel terikat”) jauh lebih lapar data daripada model berantai yang ramping. Saat merancang kerangka, ini pertimbangan nyata, bukan teknis belaka.
Bereksperimen Sendiri
Geser jumlah indikator dan jumlah jalur masuk terbanyak, lalu perhatikan: yang menggerakkan kebutuhan sampel adalah panah masuk, bukan banyak indikator.
- Geser indikator konstruk terbesar — lihat jumlah parameter (panah luar) ikut bertambah, tapi sampel minimum tidak bergerak.
- Geser jalur maksimum menuju satu konstruk — lihat saran sampel minimum melonjak kelipatan 10.
- Simpulkan sendiri: kebutuhan sampel ditentukan panah masuk ($p_{\max}$), bukan banyak indikator.
Memeriksa Kelayakan Spesifikasi
Setelah model digambar, lakukan pemeriksaan sebelum lanjut. Ini bukan soal angka estimasi, tapi soal apakah modelnya masuk akal:
| Periksa | Lolos kalau | Kalau tidak lolos |
|---|---|---|
| Tiap konstruk punya indikator | Minimal 1 indikator (reflektif idealnya $\geq 3$) | Tambah butir kuesioner; konstruk 1 indikator riskan |
| Arah panah luar konsisten | Semua reflektif atau sesuai teori formatif | Tinjau ulang sifat konstruk |
| Tiap jalur dalam punya dasar teori | Ada rujukan | Hapus jalur (hindari memancing data) |
| Ukuran sampel | $n \geq 10 \times p_{\max}$ | Tambah responden atau sederhanakan model |
Di SmartPLS, setelah Calculate → PLS Algorithm, baca model luar dulu (loading dan AVE, lihat Validitas Konvergen PLS), baru model dalam ($R^2$, $f^2$, koefisien jalur, lihat Inner Model PLS). Logika dua lapis saat membaca hasil ini persis mengikuti dua lapis saat Anda menggambar.
Cek Pemahaman
1. Sebuah model punya empat konstruk: A (eksogen, 3 indikator), B (endogen, 4 indikator), C (endogen, 3 indikator), D (endogen, 2 indikator). Hipotesisnya: A→B, A→C, B→D, C→D. Hitung total indikator, panah luar, jalur dalam, panah masuk terbanyak, dan sampel minimum aturan 10 kali.
Lihat jawaban
Total indikator $= 3 + 4 + 3 + 2 = 12$, jadi panah luar $= 12$. Jalur dalam $= 4$ (ada empat hipotesis). Panah masuk per konstruk: B menerima 1 (dari A), C menerima 1 (dari A), D menerima 2 (dari B dan C). Yang terbanyak: D dengan $p_{\max} = 2$. Sampel minimum $n_{\min} = 10 \times 2 = 20$.
2. Pembimbing Anda menyarankan menambah satu hipotesis: A→D (jadi D dijelaskan oleh A, B, dan C). Tanpa mengubah indikator apa pun, apa yang berubah pada kebutuhan sampel minimum, dan kenapa?
Lihat jawaban
Sekarang D menerima 3 panah masuk (dari A, B, dan C), sehingga $p_{\max} = 3$. Sampel minimum naik jadi $n_{\min} = 10 \times 3 = 30$. Total indikator tidak berubah (tetap 12), jadi banyak indikator tidak memengaruhi angka ini sama sekali — yang menggerakkan kebutuhan sampel adalah panah masuk terbanyak ke satu konstruk. Menambah satu jalur ke konstruk yang sudah paling ramai langsung menaikkan beban data.
3. Seorang teman menggambar konstruk “Status Sosial Ekonomi” dengan tiga indikator: pendidikan, pendapatan, dan jabatan, lalu menarik panah dari konstruk ke ketiga indikator (reflektif) seperti default SmartPLS. Apakah arah panah ini tepat? Jelaskan.
Lihat jawaban
Tidak tepat. Pendidikan, pendapatan, dan jabatan membentuk status sosial ekonomi, tidak mencerminkannya — ketiganya menyumbang sisi berbeda dan tidak saling menggantikan (orang berpendidikan tinggi belum tentu berpendapatan tinggi). Ini konstruk formatif, jadi panah seharusnya dari indikator menuju konstruk, bukan sebaliknya. Salah arah membuat SmartPLS menilai pengukuran dengan kriteria yang keliru (mencari korelasi antar indikator yang justru tidak diharapkan tinggi pada formatif). Tentukan sifat konstruk dulu sebelum menarik panah luar — lihat Indikator Reflektif vs Formatif.
Kesalahan Umum
Menarik jalur tanpa dasar teori. Panah struktural bukan dipasang karena dua konstruk “mungkin berhubungan”. Tiap jalur adalah hipotesis dan butuh rujukan. Model yang dipenuhi panah spekulatif sulit dipertahankan di sidang.
Salah arah indikator (reflektif vs formatif). Memasang panah dari indikator ke konstruk padahal teorinya reflektif (atau sebaliknya) mengubah seluruh cara penilaian. Tentukan sifat konstruk dulu sebelum menarik panah luar.
Konstruk eksogen diberi panah masuk yang tak disengaja. Kalau variabel bebas Anda ternyata menerima panah, dia berubah jadi endogen dan tafsirannya bergeser. Periksa ulang arah tiap panah dalam.
Mengira aturan 10 kali sudah cukup. Angka $10 \times p_{\max}$ hanya batas bawah kasar agar model teridentifikasi. Untuk daya uji memadai, hitung lewat analisis daya uji; jangan laporkan $n = 20$ lalu merasa aman.
Mencampur indikator antar konstruk. Satu butir kuesioner menempel ke satu konstruk. Memetakan butir kepuasan ke konstruk loyalitas mengacaukan model pengukuran sejak awal.
Dipakai di Dunia Nyata
Skripsi manajemen dengan model mediasi. Pola “kualitas → kepuasan → loyalitas” atau “kepemimpinan → motivasi → kinerja” adalah roti-mentega PLS-SEM di skripsi pemasaran dan sumber daya manusia. Spesifikasi yang rapi di awal menghemat berbulan-bulan revisi.
Riset bisnis dengan sampel terbatas. PLS-SEM toleran terhadap sampel kecil dan data tidak normal, jadi dipakai saat responden susah dikumpulkan — misalnya survei manajer level atas. Aturan 10 kali jadi pegangan awal untuk menilai apakah target responden realistis.
Model penelitian sosial yang kompleks. Saat banyak konstruk laten saling terkait (kepercayaan, sikap, niat, perilaku), spesifikasi model yang rapi menjaga analisis tetap terkendali sebelum estimasi — dan mencegah model membengkak melebihi data yang sanggup Anda kumpulkan.
Lanjutan
Setelah model tergambar benar dan datanya cukup, langkah berikutnya adalah membaca hasil estimasi — model luar dulu, baru model dalam:
- Validitas Konvergen PLS (AVE & Outer Loading) — apakah indikator benar-benar mengukur konstruknya.
- Inner Model PLS (R², f², Koefisien Jalur) — seberapa kuat antar konstruk saling memengaruhi.
Perlu memantapkan fondasi dulu?
- Pengantar SEM — variabel laten dan beda CB-SEM vs PLS-SEM.
- Indikator Reflektif vs Formatif — menentukan arah panah luar dengan benar.
Reference
- 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.
- Hair, J.F., Black, W.C., Babin, B.J., & Anderson, R.E. (2019), Multivariate Data Analysis, 8th ed., Cengage.
- Ghozali, I. & Latan, H. (2015), Partial Least Squares: Konsep, Teknik dan Aplikasi Menggunakan Program SmartPLS 3.0, Badan Penerbit Universitas Diponegoro.