🎯 “Lupakan sejenak rumus rumit. Mari kita baca hasil analisis SmartPLS Anda layaknya membaca papan skor pertandingan.”
🎯 Bagian 1: R-Square (Skor Kemampuan Model)
🤔 Apa Itu R-Square (R²)?
Lihat lingkaran di ujung panah (Variabel Endogen/Y). Ada angka di dalamnya. Itu adalah R².
🗣️ Bahasa Manusia:
R² = “Seberapa banyak cerita yang kita tahu?”
Misal R² Kepuasan Pelanggan = 0.75.
Artinya: Model Anda (Harga & Layanan) sukses menjelaskan 75% alasan kenapa pelanggan puas. Sisa 25%-nya adalah misteri (mungkin karena faktor cuaca, mood, atau hal lain yang tidak Anda teliti).
R² = “Seberapa banyak cerita yang kita tahu?”
Misal R² Kepuasan Pelanggan = 0.75.
Artinya: Model Anda (Harga & Layanan) sukses menjelaskan 75% alasan kenapa pelanggan puas. Sisa 25%-nya adalah misteri (mungkin karena faktor cuaca, mood, atau hal lain yang tidak Anda teliti).
📊 Panduan Nilai R² (Rule of Thumb)
| Nilai R² | Kategori | Analogi Senter |
|---|---|---|
| 0.75 | Kuat | Senter sangat terang. Prediksi akurat. |
| 0.50 | Moderat | Standar riset skripsi pada umumnya. |
| 0.25 | Lemah | Senter redup. Banyak faktor lain belum terungkap. |
🌌 Bagian 2: Bootstrapping (Konsep “Multiverse”)
🤔 Bagaimana PLS Tahu Hasilnya Bukan Kebetulan?
Ini bagian yang paling bikin deg-degan. “Apakah hipotesis saya diterima?” Dalam statistik, signifikan artinya: “Kejadian ini terjadi bukan karena kebetulan.”
🌌 Analogi “Multiverse” (Dunia Paralel):
Bayangkan SmartPLS menciptakan 5.000 dunia paralel (subsamples) dari data asli Anda melalui teknik Bootstrapping.
Bayangkan SmartPLS menciptakan 5.000 dunia paralel (subsamples) dari data asli Anda melalui teknik Bootstrapping.
- Jika di 5.000 dunia tersebut, Harga selalu mempengaruhi Kepuasan, maka hubungannya SIGNIFIKAN (Nyata).
- Jika di sebagian dunia berpengaruh, tapi di dunia lain tidak, maka hubungannya TIDAK SIGNIFIKAN (Kebetulan/Tidak Stabil).
💡 Cara Eksekusi di SmartPLS:
Klik menu Calculate → Bootstrapping (Setting 5.000 Subsamples, Complete Bootstrapping).
Klik menu Calculate → Bootstrapping (Setting 5.000 Subsamples, Complete Bootstrapping).
📊 Bagian 3: Cara Membaca Tabel Path Coefficients
🔍 Fokus pada 3 Kolom Ini
Buka tab “Path Coefficients” di output Bootstrapping. Abaikan kolom yang membingungkan, fokus saja pada ini:
| Kolom SmartPLS | Syarat Lolos | Terjemahan Bahasa Manusia |
|---|---|---|
| Original Sample (O) (Beta / β) |
Positif (+) atau Negatif (-) | “Gas & Rem” Jika positif, X di-gas, Y maju. Jika negatif, X di-gas, Y mengerem. |
| T-Statistics | Harus > 1.96 (Anggap saja > 2) |
“Kestabilan” Apakah hasil ini stabil di 5.000 dunia paralel? Kalau > 1.96, artinya Sangat Stabil. |
| P-Values | Harus < 0.05 | “Peluang Meleset” Kalau < 0.05 (kurang dari 5%), artinya kita 95% Yakin ini fakta, bukan kebetulan. |
💡 Tips Cepat (Jalan Ninja):
Lihat saja warnanya di SmartPLS. Jika P-Value berwarna HIJAU, langsung senyum lebar, Hipotesis Diterima. Jika MERAH, Hipotesis Ditolak (artinya tidak ada pengaruh).
Lihat saja warnanya di SmartPLS. Jika P-Value berwarna HIJAU, langsung senyum lebar, Hipotesis Diterima. Jika MERAH, Hipotesis Ditolak (artinya tidak ada pengaruh).
📝 Bagian 4: Template Kalimat untuk Skripsi & Jurnal
📄 Contoh Penulisan Akademis (Tinggal Salin)
Jangan hanya menulis “Diterima” atau “Ditolak”. Gunakan format baku ini agar skripsi Anda terlihat profesional di mata dosen penguji:
1. Hipotesis Diterima (Signifikan Positif):
“Berdasarkan hasil uji hipotesis, ditemukan bahwa Harga berpengaruh positif dan signifikan terhadap Kepuasan Pelanggan (β=0.45, T=4.21, p<0.05). Hal ini membuktikan bahwa semakin kompetitif harga yang ditawarkan, tingkat kepuasan pelanggan akan meningkat secara nyata.”
“Berdasarkan hasil uji hipotesis, ditemukan bahwa Harga berpengaruh positif dan signifikan terhadap Kepuasan Pelanggan (β=0.45, T=4.21, p<0.05). Hal ini membuktikan bahwa semakin kompetitif harga yang ditawarkan, tingkat kepuasan pelanggan akan meningkat secara nyata.”
2. Hipotesis Ditolak (Tidak Signifikan):
“Hasil pengujian menunjukkan bahwa Layanan tidak berpengaruh signifikan terhadap Kepuasan Pelanggan (β=0.05, T=0.85, p>0.05). Temuan ini mengindikasikan bahwa variasi kualitas layanan dalam sampel penelitian ini tidak cukup kuat untuk mendorong perubahan tingkat kepuasan.”
“Hasil pengujian menunjukkan bahwa Layanan tidak berpengaruh signifikan terhadap Kepuasan Pelanggan (β=0.05, T=0.85, p>0.05). Temuan ini mengindikasikan bahwa variasi kualitas layanan dalam sampel penelitian ini tidak cukup kuat untuk mendorong perubahan tingkat kepuasan.”
💡 Catatan Penting:
Hipotesis yang DITOLAK bukanlah kegagalan! Itu adalah temuan ilmiah yang valid. “Tidak berpengaruh” juga sebuah ilmu baru yang bisa Anda bahas di Bab Pembahasan (misal: karena responden tidak peduli soal layanan, atau ada variabel lain yang lebih dominan).
Hipotesis yang DITOLAK bukanlah kegagalan! Itu adalah temuan ilmiah yang valid. “Tidak berpengaruh” juga sebuah ilmu baru yang bisa Anda bahas di Bab Pembahasan (misal: karena responden tidak peduli soal layanan, atau ada variabel lain yang lebih dominan).
🌍 Bagian 5: Contoh Interpretasi Lintas Bidang
🏢 Bidang Ekonomi & SDM
Kasus: Pengaruh Insentif terhadap Kinerja Karyawan.
- Hasil: β=0.60, T=5.5, p=0.000 Diterima
- Interpretasi: “Terdapat pengaruh positif yang kuat. Kenaikan insentif finansial secara nyata mendongkrak produktivitas karyawan.”
🏭 Bidang Teknik Industri
Kasus: Pengaruh Preventive Maintenance terhadap Machine Downtime.
- Hasil: β=-0.75, T=8.2, p=0.000 Diterima (Negatif)
- Interpretasi: “Terdapat pengaruh negatif signifikan. Semakin rutin perawatan dilakukan (Gas naik), frekuensi kerusakan mesin justru menurun drastis (Rem pakem). Ini hasil yang diharapkan dalam efisiensi produksi.”
🤝 Bidang Kesejahteraan Sosial
Kasus: Pengaruh Bantuan Sosial Tunai (BST) terhadap Ketahanan Pangan.
- Hasil: β=0.12, T=1.1, p=0.250 Ditolak
- Interpretasi: “Bantuan Tunai tidak berpengaruh signifikan. Data lapangan menunjukkan uang bantuan mungkin digunakan untuk kebutuhan non-pangan (seperti kuota internet), sehingga tidak langsung meningkatkan kualitas gizi keluarga.”