Pada penelitian analisa jalur (path analysis) yang menghasilkan pertanyaan pengaruh variabel bebas terhadap variabel terikat, ataupun penelitian korelasional, yang menghasilkan pertanyaan hubungan antara variabel bebas dan variabel terikat, Â hipotesis penelitian diturunkan dari kerangka berfikir / konstelasi variabel penelitian yang sudah terkonfirmasi oleh Ahli (Expert) atau berdasarkan Grand Theory yang mendasarinya. Berdasarkan kerangka berpikir / konstelasi penelitian dan model statistik matematis disusun hipotesis penelitian. Pembuktian hipotesis adalah tantangan bagi peneliti untuk membuktikan secara ilmiah.
Menjadi syarat wajib bagi sebuah penelitian, bahwa pada tahap awal penelitian, perlu dilakukan uji normalitas terlebih dahulu sebelum melakukan pengujian lainnya yang berhubungan atau berpengaruh antara dua variabel yang berbeda. Salah satu aplikasi yang bisa direkomendasikan untuk kemudahan uji normalitas adalah aplikasi olah data SmartPLS, dengan beberapa keunggulannya yang dimilikinya. Pada tulisan kali ini, penulis mencoba memaparkan secara sederhana. Tulisan ini hanya dimaksudkan untuk memberikan penguatan memilih tool yang tepat pada saat pengolahan data.
Aplikasi olah data Smart-PLS adalah Software komputer yang digunakan untuk menganalisa data melalui pendekatan Variance Based SEM atau biasa disebut dengan Partial Least Square atau lebih dikenali dengan PLS. Maka dari itu untuk menggunakan perhitungan melalui pendekatan tersebut banyak yang menggunakan aplikasi Smart - PLS.Â
Partial least square (PLS) adalah suatu teknik statistik multivariat yang bisa untuk menangani banyak variabel respon serta variabel eksplanatori sekaligus. Analisis ini merupakan alternatif yang baik untuk metode analisis regresi berganda dan regresi komponen utama, karena metode ini bersifat lebih robust atau kebal. Robust artinya parameter model tidak banyak berubah ketika sampel baru diambil dari total populasi (Geladi dan Kowalski, 1986). Partial Least Square suatu teknik prediktif yang bisa menangani banyak variabel independen, bahkan sekalipun terjadi multikolinieritas diantara variabel-variabel tersebut (Ramzan dan Khan, 2010).
Proses mengolah data dengan menggunakan aplikasi ini yaitu menggunakan metode bootstrapping atau bisa juga dikenali dengan penggandaan secara acak. Itulah sebabnya, uji normalitas dapat dengan mudah untuk dihitung. Dengan demikian, tidak memerlukan syarat minimum sampel. Bahkan untuk sampel kecil pun bisa menggunakan metode ini. Kerangka dasar pada dalam smart - PLS, yaitu berbentuk regresi linear. Oleh sebab itu, semua hal yang terdapat pada regresi linear ada pula terdapat pada smart - PLS. Hanya saja dibedakan dengan simbol, lambang dan istilah yang berbeda. Dalam teknik smart - PLS, bisa menangani banyak variabel respon dan variabel eksplanatori.
Aplikasi olah data yang menggunakan teknik ini pertama kali dikembangkan pada tahun 1960 oleh Herman O. A. World. Walaupun terdapat multikolinearitas pada variabel tersebut, namun variabel tersebut masih dapat ditangani. Dengan demikian, pada kasus overfitting tersebut, bisa saja terjadi karena banyak faktor manifest.
Kapan Sebaiknya Menggunakan Aplikasi Smart - PLS?Â
Diantara banyaknya aplikasi untuk mengolah data statistik, seperti SPSS, SATA dan lainnya. Peneliti ada kalanya merasa kebingungan untuk menentukan aplikasi yang tepat pada data yang ditelitinya. Kecermatan memilih aplikasi adalah berkait dengan waktu dan akurasi hasil olah data. Yang selanjutnya interpretasi data dapat mendukung pembuktian hipotesis.  Dalam kajian penulis, ada  beberapa kondisi yang mengharuskan untuk menggunakan aplikasi SmartPLS adalah sebagai berikut :
1. Data Tidak Terdistribusi dengan NormalÂ
Apabila data tidak terdistribusi secara normal setelah dilakukan uji normalitas, Menurut hemat penulis sebaiknya peneliti  memilih menggunakan aplikasi Smart - PLS. Beberapa kasus terjadi data tidak berdistribusi normal pada kondisi dimana sampel dalam jumlah yang terlalu kecil.
