Konstruk Undimensional dengan Indikator Format
Konstruk unimensional adalah konstruk yang dibentuk langsung dari manifest variabelnya dengan arah indikatornya dapat berbentuk formatif maupun reflektif (Ghozali dan Latan; 2012).
Sedangkan konstruk dengan indikator formatif mengasumsikan bahwa setiap indikatornya mendefinisikan atau menjelaskan karakter domain kosntruknya (Ghozali dan Latan: 2012).: Untuk melakukkan pengujian, menurut Ghozali dan Latan 2012, maka dilakukan evaluasi model berikut:
Measurement Model ( Outer Model)
Measurement model atau pengukuran model atau sering pula disebut outer model adalah pengujian yang dilaukan terhadap indikator yang membentuk variabel laten eksogen. Model pengukuran ini menggunakan confirmatory factor analysis (CFA).
Tujuan dari CFA adalah untuk mengetahui validitas dari indakator yang membentuk variabel laten eksogen tersebut. Untuk kosntruk reflektif yang dibutuhkan pengujian validitas atau reliabilitas kosntruk, sedangkan untuk konstruk formatif, pengukuran dilakukan hanya dengan melihat signifikansi weight-nya saja. Jika menggunaan konstruk formatif, maka yang perlu dilakukan dalam model pengukuran untuk penelitian ini diantaranya (Chin, 1998 dalam Ghozali dan Latan 2012):
Memperoleh signifikansi weight, melalui prosedur resampling (jackknifing atau bootstrapping), jika didapat nilai p-value <0.05 dan VIF < 5, maka dapat disimpulkan bahwa indikator kosntruk adalah valid.
Melakukan uji multikolonieritas dengan menghitung nilai Variane Inflation Factor (VIF) dan lawannya Tolerance. Untuk nilai VIF drekomendasikan <10 atau <5 dengan nilai Tolerance>0,10 atau >0,20.
Structural Model ( Inner Model)
Structrural model atau Inner model atau disebut juga model structural merupakan bagian dari pengujian hipotesis yang digunakan untuk menguji signifikansi variabel lten eksogen (independen) terhadap variabel laten endogen (dependen) dan nilai R2 (Ghozali dan Latan;2012) nilai T-Squares 0,75,0,50 dan 0,25 menunjukkan model kuat, moderate atau lemah (Hair et al; 2012 dalam Ghozali dan Latan:2012).
Selain itu dapat dilihat pula melalui Q-Squares, dimana jika Q-Squares>0, maka model memiliki Predictive relevance sedangkan sebalikna jika <0, maka model tidak memiliki predictive relevance.
