Software SmartPLS: Pengertian, Menu, Cara Pengoperasian, dan Kegunaannya

A. Pengertian SmartPLS

SmartPLS (singkatan dari Smart Partial Least Squares) adalah sebuah perangkat lunak (software) statistik yang digunakan khusus untuk melakukan analisis Structural Equation Modeling (SEM) dengan pendekatan Partial Least Squares (PLS), atau yang biasa disebut PLS-SEM. Software ini dikembangkan oleh tim peneliti yang dipimpin oleh Christian M. Ringle, Sven Wende, dan Jan-Michael Becker, dan saat ini banyak digunakan secara luas di kalangan akademisi dan peneliti di seluruh dunia.

Berbeda dengan SPSS yang lebih umum digunakan untuk analisis statistik dasar (seperti uji-t, ANOVA, atau regresi sederhana), dan EViews yang fokus pada data time series/ekonometrika, SmartPLS dirancang khusus untuk menganalisis hubungan antar variabel laten (variabel yang tidak dapat diukur secara langsung) yang diukur melalui beberapa indikator, seperti kepuasan konsumen, kualitas pelayanan, motivasi kerja, kepercayaan, atau loyalitas.

SmartPLS sangat populer digunakan dalam penelitian di bidang manajemen, bisnis, pemasaran (marketing), psikologi, pendidikan, sistem informasi, dan ilmu sosial lainnya, terutama untuk penelitian yang menggunakan model struktural yang kompleks dengan banyak variabel laten dan indikator, serta cocok digunakan meskipun jumlah sampel penelitian relatif kecil dan data tidak berdistribusi normal — dua hal yang menjadi kelebihan utama metode PLS-SEM dibandingkan metode SEM berbasis kovarian (seperti pada software AMOS atau LISREL).

B. Konsep Dasar dalam SmartPLS

Sebelum membahas menu, penting memahami beberapa istilah dasar dalam SmartPLS dan PLS-SEM:

Variabel Laten (Latent Variable/Construct) – variabel yang tidak bisa diukur secara langsung, digambarkan dengan bentuk lingkaran/oval dalam diagram jalur (path diagram), misalnya "Kepuasan Pelanggan" atau "Kualitas Produk"
Indikator (Indicator/Manifest Variable) – item-item pertanyaan atau pengukuran yang mewakili suatu variabel laten, digambarkan dengan bentuk kotak/persegi, biasanya berasal dari item kuesioner
Outer Model (Measurement Model) – model yang menunjukkan hubungan antara variabel laten dengan indikator-indikatornya (menguji validitas dan reliabilitas)
Inner Model (Structural Model) – model yang menunjukkan hubungan/pengaruh antar variabel laten satu dengan lainnya (menguji hipotesis penelitian)
Path Diagram – diagram visual yang menggambarkan keseluruhan model penelitian, lengkap dengan garis panah yang menunjukkan arah hubungan antar variabel
Reflective Indicator – indikator yang dianggap sebagai cerminan/refleksi dari variabel latennya (arah panah dari lingkaran ke kotak)
Formative Indicator – indikator yang dianggap membentuk variabel latennya (arah panah dari kotak ke lingkaran)
Project – file kerja utama dalam SmartPLS yang menyimpan seluruh model, data, dan hasil analisis

C. Tampilan dan Menu Utama dalam SmartPLS

SmartPLS memiliki tampilan yang sedikit berbeda dari SPSS atau EViews, karena berbasis diagram visual (drag and drop), bukan hanya tabel angka. Berikut bagian-bagian utamanya:

1. File

Digunakan untuk mengelola project secara keseluruhan:

New – membuat project baru
Open – membuka project yang sudah ada
Import – mengimpor data (biasanya dari file Excel atau CSV) ke dalam project
Export – mengekspor model atau hasil analisis
Save – menyimpan project

2. Edit

Digunakan untuk mengedit tampilan model/diagram:

Undo/Redo – membatalkan atau mengulang perubahan pada diagram
Cut, Copy, Paste – menyalin atau memindahkan objek dalam diagram (variabel laten atau indikator)
Delete – menghapus objek dari diagram

3. View

Digunakan untuk mengatur tampilan kerja, seperti memperbesar/memperkecil tampilan diagram (zoom), menampilkan grid, dan pengaturan visual lainnya.

4. Insert

Digunakan untuk menyisipkan elemen ke dalam model/path diagram:

Add Latent Variable – menambahkan variabel laten baru (digambar sebagai lingkaran/oval) ke dalam diagram
Add Construct/Indicators – menyisipkan indikator dari data yang sudah diimpor ke dalam variabel laten tertentu

5. Modeling

Salah satu bagian penting yang berkaitan langsung dengan penyusunan model:

Menggambar hubungan (garis panah) antar variabel laten sesuai dengan kerangka/hipotesis penelitian, baik hubungan langsung, tidak langsung (mediasi), maupun moderasi

6. Calculate ⭐ (Menu Inti/Terpenting)

Ini adalah menu paling penting dalam SmartPLS, berisi seluruh algoritma perhitungan untuk menjalankan analisis:

PLS Algorithm – menjalankan algoritma dasar PLS-SEM untuk menghitung nilai outer loading, path coefficient, R-square, dan berbagai nilai lainnya dalam model
Bootstrapping – melakukan prosedur bootstrapping (pengulangan sampel secara acak) untuk menguji signifikansi hubungan antar variabel (menghasilkan nilai t-statistik dan p-value guna menguji hipotesis penelitian)
Blindfolding – menguji predictive relevance (Q²) dari model, khususnya untuk indikator reflektif
Importance-Performance Map Analysis (IPMA) – analisis tambahan untuk melihat tingkat kepentingan dan performa masing-masing variabel/indikator
Multi-Group Analysis (MGA) – menguji perbedaan model antar kelompok data (misalnya membandingkan hasil antara responden laki-laki dan perempuan)
fsQCA, PLSPredict, dan analisis lanjutan lainnya – beberapa fitur tambahan yang tersedia pada versi SmartPLS yang lebih baru

7. Reporting

Digunakan untuk melihat dan menyusun hasil akhir analisis:

Menampilkan hasil perhitungan dalam bentuk laporan yang lebih rapi, yang bisa langsung disalin ke dalam laporan penelitian/skripsi
Biasanya mencakup hasil ringkasan model, nilai-nilai penting (outer loading, path coefficient, R-square, F-square, Q-square), serta grafik model lengkap dengan angka-angka hasil perhitungan

8. Extras

Berisi pengaturan tambahan dan preferensi aplikasi SmartPLS.

9. Help

Berisi bantuan resmi mengenai penggunaan SmartPLS, termasuk penjelasan mengenai metode PLS-SEM.

D. Cara Mengoperasikan SmartPLS (Dasar)

Berikut langkah-langkah dasar dalam mengoperasikan SmartPLS:

1. Membuat Project Baru

Buka SmartPLS, pilih Create New Project, beri nama project sesuai judul penelitian.

2. Mengimpor Data

Import data hasil kuesioner (biasanya dalam format .csv atau .txt yang berasal dari Excel), di mana setiap kolom mewakili satu item/indikator pertanyaan, dan setiap baris mewakili satu responden.

3. Menggambar Model (Path Diagram)

Tambahkan variabel laten (construct) sesuai kerangka penelitian, misalnya "Kualitas Pelayanan", "Kepuasan Pelanggan", dan "Loyalitas Pelanggan"
Hubungkan setiap variabel laten dengan indikator-indikatornya (item kuesioner) dari data yang sudah diimpor
Gambar garis panah antar variabel laten untuk menunjukkan arah hubungan/pengaruh sesuai hipotesis penelitian (misalnya Kualitas Pelayanan → Kepuasan Pelanggan → Loyalitas Pelanggan)

4. Menjalankan PLS Algorithm

Klik Calculate > PLS Algorithm untuk menjalankan perhitungan dasar model, menghasilkan nilai-nilai seperti outer loading, path coefficient, dan R-square, yang digunakan untuk menguji outer model (validitas dan reliabilitas) serta melihat besarnya pengaruh antar variabel.

5. Menguji Validitas dan Reliabilitas (Outer Model)

Periksa hasil dari PLS Algorithm, khususnya nilai:

Outer Loading (idealnya > 0,7) untuk validitas indikator
Average Variance Extracted/AVE (idealnya > 0,5) untuk validitas konvergen
Composite Reliability & Cronbach's Alpha (idealnya > 0,7) untuk reliabilitas

6. Menjalankan Bootstrapping

Setelah outer model dinyatakan valid dan reliabel, klik Calculate > Bootstrapping untuk menguji signifikansi hubungan antar variabel (hipotesis penelitian), dengan melihat nilai T-Statistics (biasanya signifikan jika > 1,96) dan P-Values (biasanya signifikan jika < 0,05).

7. Menginterpretasikan Hasil

Baca hasil output berupa diagram path lengkap dengan angka-angka koefisien, serta tabel-tabel pendukung, untuk menyimpulkan apakah hipotesis penelitian diterima atau ditolak.

8. Menyimpan Project

Simpan seluruh pekerjaan melalui File > Save, project akan tersimpan dalam format project SmartPLS.

E. Kegunaan (Fungsi) SmartPLS

SmartPLS memiliki berbagai kegunaan penting, khususnya dalam penelitian yang menggunakan model struktural, di antaranya:

Menganalisis hubungan antar variabel laten – variabel yang tidak dapat diukur secara langsung, seperti kepuasan, kepercayaan, motivasi, atau loyalitas
Menguji model penelitian yang kompleks – dengan banyak variabel dan hipotesis sekaligus dalam satu model (path diagram), termasuk pengujian variabel mediasi dan moderasi
Menguji validitas dan reliabilitas instrumen penelitian – melalui outer model, memastikan indikator/item kuesioner benar-benar valid dan reliabel dalam mengukur variabel laten
Menguji hipotesis penelitian – melalui inner model dan prosedur bootstrapping, untuk melihat pengaruh signifikan atau tidak signifikan antar variabel
Cocok digunakan untuk sampel penelitian yang relatif kecil – salah satu kelebihan utama PLS-SEM dibandingkan metode SEM berbasis kovarian yang membutuhkan sampel besar
Tidak mensyaratkan data berdistribusi normal – berbeda dengan beberapa metode statistik lain yang mengharuskan data terdistribusi normal
Mendukung penelitian di bidang manajemen dan bisnis – sangat populer digunakan dalam penelitian skripsi, tesis, dan disertasi bidang manajemen pemasaran, manajemen SDM, manajemen operasional, sistem informasi, dan perilaku konsumen
Menyajikan hasil analisis secara visual – melalui path diagram yang menggambarkan keseluruhan model penelitian secara jelas dan mudah dipahami

Kesimpulan

SmartPLS adalah perangkat lunak statistik yang dirancang khusus untuk melakukan analisis Structural Equation Modeling berbasis Partial Least Squares (PLS-SEM), yang memungkinkan peneliti menganalisis hubungan antar variabel laten (tidak terukur langsung) melalui indikator-indikatornya secara visual dalam bentuk path diagram. Dengan menu utama seperti Modeling untuk menyusun model penelitian dan Calculate (berisi PLS Algorithm dan Bootstrapping) sebagai inti dari proses analisis, SmartPLS memudahkan peneliti untuk menguji validitas-reliabilitas instrumen sekaligus menguji hipotesis penelitian dalam satu model yang terintegrasi. Kelebihannya yang bisa digunakan pada sampel kecil dan tidak mensyaratkan data berdistribusi normal menjadikan SmartPLS sebagai salah satu software SEM paling populer, khususnya di bidang manajemen, bisnis, dan ilmu sosial.

00112 - Konsep Agunan pada Perbankan Syariah

00021 - Akad Hawalah pada Perbankan Syariah

00024 - Akad Ijarah pada Perbankan Syariah: Kajian Komprehensif

00028 - Akad Istishna' pada Perbankan Syariah: Kajian Komprehensif

00033 - Akad Kafalah pada Perbankan Syariah

00035 - Akad Mudharabah pada Perbankan Syariah: Kajian Komprehensif

00051 - Akad Murabahah pada Perbankan Syariah: Kajian Komprehensif

00044 - Akad Musyarakah Pada Perbankan Syariah: Kajian Komprehensif

00047 - Akad Qardh pada Perbankan Syariah: Kajian Komprehensif

00053 - Akad Salam pada Perbankan Syariah: Kajian Komprehensif

00056 - Akad Sharf pada Perbankan Syariah: Kajian Komprehensif

00059 - Akad Wadiah pada Perbankan Syariah: Kajian Komprehensif