Mengapa Pengolahan Data SmartPLS Menjadi Tantangan bagi Mahasiswa?

Jurnalis: Azzahra Bahiyyah

Kabar Baru, Jakarta – Menulis skripsi dengan metode penelitian kualitatif maupun kuantitatif sering kali menjadi tantangan tersendiri bagi mahasiswa. Bukan hanya pada tahap menentukan topik, menyusun rumusan masalah, atau mencari referensi jurnal, tetapi juga ketika mahasiswa sudah masuk ke tahap pengolahan dan analisis data. Pada penelitian yang menggunakan pendekatan kuantitatif, salah satu tahapan yang cukup sering menjadi kendala adalah ketika mahasiswa harus menggunakan aplikasi statistik seperti SmartPLS.

SmartPLS banyak digunakan dalam penelitian yang berkaitan dengan manajemen, ekonomi, bisnis, akuntansi, sistem informasi, pemasaran, hingga bidang sosial lainnya. Aplikasi ini memungkinkan peneliti melakukan analisis menggunakan metode Partial Least Squares Structural Equation Modeling (PLS-SEM). Dengan metode tersebut, mahasiswa dapat menganalisis hubungan antara variabel laten, indikator, serta hubungan struktural yang terdapat dalam model penelitian.

Namun, memahami cara kerja SmartPLS tidak selalu mudah bagi mahasiswa yang baru pertama kali menggunakannya. Permasalahan dapat dimulai sejak tahap memasukkan data, menentukan indikator, membuat konstruk, hingga membaca hasil analisis. Ketika jumlah responden semakin banyak, kompleksitas pengolahan data juga dapat meningkat.

Hal tersebut menjadi salah satu keluhan yang cukup sering muncul di kalangan mahasiswa. Berdasarkan sejumlah keluhan yang dihimpun, terdapat 43 mahasiswa yang mengalami kesulitan dalam proses pengolahan data penelitian menggunakan SmartPLS. Keluhan tersebut tidak hanya berkaitan dengan penggunaan aplikasinya, tetapi juga dengan pemahaman terhadap output yang dihasilkan.

Salah satu kondisi yang cukup umum terjadi adalah mahasiswa sudah memiliki data hasil penyebaran kuesioner, tetapi belum memahami bagaimana data tersebut harus dipersiapkan sebelum dianalisis. Data yang jumlahnya puluhan hingga ratusan responden perlu disusun secara sistematis agar dapat digunakan dalam proses analisis. Kesalahan kecil dalam penginputan atau pengaturan data dapat menyebabkan hasil pengolahan menjadi tidak sesuai dengan yang diharapkan.

Selain persoalan teknis, mahasiswa juga perlu memahami konsep yang berada di balik setiap hasil analisis. SmartPLS tidak sekadar digunakan untuk menghasilkan angka atau tabel. Output seperti outer loading, Cronbach’s Alpha, Composite Reliability, Average Variance Extracted (AVE), R-Square, path coefficient, T-statistics, dan P-values perlu dipahami berdasarkan konteks penelitian.

Misalnya, ketika seorang mahasiswa melakukan penelitian mengenai pengaruh kualitas pelayanan dan kepuasan pelanggan terhadap loyalitas pelanggan, mahasiswa perlu mengetahui bagaimana konstruk tersebut dibangun. Setiap konstruk biasanya memiliki sejumlah indikator yang diperoleh dari instrumen penelitian. Setelah data dimasukkan ke dalam SmartPLS, peneliti harus mengevaluasi apakah indikator dan konstruk tersebut memenuhi kriteria yang diperlukan sebelum melanjutkan ke analisis berikutnya.

Pada tahap inilah banyak mahasiswa mulai mengalami kebingungan. Mereka mungkin dapat mengikuti tutorial penggunaan SmartPLS, tetapi belum tentu memahami alasan mengapa suatu indikator harus dipertahankan atau dihapus. Begitu pula ketika mendapatkan nilai tertentu pada hasil pengujian, mahasiswa perlu mengetahui bagaimana hasil tersebut diinterpretasikan dan dikaitkan dengan hipotesis penelitian.

Jumlah data yang besar juga dapat membuat proses pengolahan menjadi semakin melelahkan. Bayangkan seorang mahasiswa memiliki ratusan responden dengan banyak indikator pertanyaan. Data tersebut harus diperiksa, disusun, dan dipastikan konsisten sebelum masuk ke tahap analisis. Jika dilakukan secara manual tanpa pemahaman yang cukup, proses ini dapat memakan waktu cukup lama.

Kondisi tersebut akhirnya dapat memengaruhi proses penyelesaian skripsi secara keseluruhan. Mahasiswa yang seharusnya sudah mulai menulis bagian hasil penelitian justru masih berkutat dengan data mentah dan aplikasi pengolahan data. Akibatnya, jadwal bimbingan dapat tertunda dan proses penyelesaian skripsi menjadi lebih panjang.

Karena itu, kemampuan memahami pengolahan data menjadi salah satu bagian penting dalam penelitian. Mahasiswa tidak cukup hanya mengetahui cara menjalankan software, tetapi juga perlu memahami konsep statistik dan metodologi penelitian yang digunakan. Dengan pemahaman tersebut, hasil analisis dapat digunakan secara lebih bertanggung jawab dan tidak sekadar menjadi angka yang ditempelkan ke dalam bab hasil penelitian.

Di sisi lain, mahasiswa yang mengalami kesulitan teknis dapat mempertimbangkan bantuan profesional dalam proses pengolahan data. Bantuan tersebut idealnya digunakan sebagai pendampingan agar mahasiswa tetap memahami data, metode, serta interpretasi hasil penelitian yang digunakan.

Bagi mahasiswa yang sedang menghadapi kendala dalam pengolahan data SmartPLS, Mastahtugas hadir menyediakan layanan jasa olah data SmartPLS yang dapat dipesan oleh client. Layanan ini ditujukan untuk membantu proses pengolahan data penelitian secara lebih terstruktur, terutama bagi mahasiswa yang menghadapi data dalam jumlah besar dan membutuhkan pendampingan dalam memahami hasil analisis SmartPLS.