SkriptasSPSS atau SmartPLS? Kapan Memakai Masing-Masing untuk Skripsi
Perbedaan SPSS dan SmartPLS, kapan cukup regresi di SPSS dan kapan perlu PLS-SEM, plus gambaran tahapan analisis dan kriteria evaluasi model di SmartPLS.
Pertanyaan ini hampir selalu muncul saat menyusun metodologi. Jawabannya bergantung pada model penelitian Anda, bukan pada mana yang lebih "keren". Berikut cara memilihnya.
Perbedaan singkat
| SPSS | SmartPLS | |
|---|---|---|
| Fokus | Statistik umum: deskriptif, uji beda, korelasi, regresi | Pemodelan persamaan struktural berbasis varians (PLS-SEM) |
| Model | Variabel diukur langsung atau lewat skor total | Konstruk laten dengan banyak indikator, bisa ada mediasi berlapis |
| Cocok untuk | Regresi linear, uji t, ANOVA, chi-square | Model dengan beberapa konstruk saling terkait |
| Ukuran sampel | Mengikuti kebutuhan uji | Relatif fleksibel untuk sampel kecil sampai menengah |
Kapan cukup memakai SPSS
- Model sederhana: beberapa variabel bebas memengaruhi satu variabel terikat.
- Anda membandingkan kelompok (uji beda rata-rata) atau melihat hubungan dua variabel.
- Pembimbing meminta analisis regresi berganda dengan uji asumsi klasik.
Kapan SmartPLS lebih tepat
- Variabel adalah konstruk laten yang diukur dengan banyak indikator kuesioner.
- Ada variabel mediasi atau moderasi dalam satu model.
- Sampel terbatas atau data tidak sepenuhnya berdistribusi normal.
- Penelitian berfokus pada prediksi dan pengembangan model.
Gambaran tahapan analisis di SmartPLS
- Gambar model (inner model) dan hubungkan indikator ke konstruk (outer model).
- Evaluasi model pengukuran: outer loading, Average Variance Extracted (AVE), Composite Reliability, dan validitas diskriminan.
- Evaluasi model struktural: nilai R-square, ukuran efek, dan signifikansi jalur lewat bootstrapping.
- Interpretasi dan penulisan hasil sesuai hipotesis.
Kriteria yang umum dipakai
| Ukuran | Batas umum |
|---|---|
| Outer loading | ≥ 0,70 (0,40 – 0,70 masih bisa dipertimbangkan) |
| AVE | ≥ 0,50 |
| Composite Reliability / Cronbach's Alpha | ≥ 0,70 |
| HTMT (validitas diskriminan) | < 0,90 |
| Signifikansi jalur (bootstrapping) | t-statistik > 1,96 atau p-value < 0,05 |
Cara memutuskan
Mulailah dari kerangka konseptual Anda. Jika modelnya berupa konstruk laten berlapis, pilih SmartPLS. Jika hanya regresi sederhana, SPSS sudah memadai dan lebih mudah dipertanggungjawabkan. Sebelum memutuskan, konsultasikan dengan pembimbing karena beberapa kampus punya preferensi metode tertentu.
Angka batas di atas adalah acuan yang lazim di literatur. Rujukan pasti sebaiknya mengikuti buku atau jurnal yang Anda pakai di bab metodologi.