Tabel 4. Tingkat keaktifan pekerja berdasarkan posisi di GKM
Lama di GKM
Posisi di GKM Keaktifan
Ketua Anggota
1 tahun A
14,3 22
TA 4
1-3 tahun A
71,4 57
TA 14,3
17 Total
100 100
Keterangan : A : Aktif ; TA ; Tidak Aktif d. Tingkat Keaktifan Aktivis GKM Berdasarkan pendidikan dan posisi di GKM
Persentase tingkat keaktifan aktivis GKM berdasarkan pendidikan menunjukkan bahwa anggota lebih aktif daripada ketua untuk aktivis GKM
berpendidikan SMA. Kesamaan level pendidikan antara anggota GKM dengan ketua menyebabkan anggota lebih banyak mendominasi dalam penyelesaian
masalah gugus, sehingga ketua gugus merasa rendah diri dan akhirnya kurang aktif dalam kegiatan GKM. Sedangkan responden berpendidikan perguruan tinggi
menunjukkan bahwa 100 persen ketua GKM aktif dalam kegiatan GKM. Dengan demikian, semakin tinggi tingkat pendidikan maka semakin aktif dalam kegiatan
GKM baik sebagai ketua maupun non ketua sekretaris dan anggota. Persentase tingkat keaktifan GKM berdasarkan pendidikan untuk lebih jelasnya dapat dilihat
pada Tabel 5.
Tabel 5. Tingkat keaktifan aktivis GKM berdasarkan riwayat pendidikan
Keterangan : A : Aktif ; TA : Tidak Aktif
4.3.4. Analisis Indikator Penentu Keberhasilan GKM
Analisis mengenai efektivitas proses gugus dilihat berdasarkan indikator- indikator penentu keberhasilan gugus, diantaranya komitmen manajemen puncak,
tujuan GKM, pendidikan dan pelatihan, komunikasi, partisipasi, seven tools, Posisi
Pendidikan Keaktifan
SMA Perguruan Tinggi
Ketua A
8 100
TA 4
Non Ketua A
69 TA
19 Total
100 100
kepemimpinan dan fasilitas. Dari ke delapan faktor pendukung tersebut akan dianalisis faktor-faktor mana saja yang paling berpengaruh terhadap efektivitas
proses GKM. Tahap pertama dalam analisis faktor adalah menilai mana saja variabel
yang dianggap layak untuk dimasukkan dalam analisis selanjutnya. Pengujian ini dilakukan dengan menggunakan
KMO and Bartlett’s test. Hasil pengujian KMO menunjukkan bahwa angka KMO adalah 0,596 lebih besar dari 0,5. Sedangkan
Barttlet Test menguji adanya korelasi antar variabel. Karena nilai Sig. 0,000 kurang dari0,05 maka dapat dikatakan bahwa terdapat korelasi antar variabel.
Karena nilai KMO berada diantara 0,5 sampai 1 dan terdapat korelasi antar variabel, berarti analisis faktor dapat dilakukan.
Tahap selanjutnya adalah ekstraksi terhadap sekumpulan atribut yang ada sehingga terbentuk satu faktor atau lebih. Pada tahap ini digunakan analisis
communalities, total variance explained serta component matrix. Nilai yang terbentuk pada analisis communalities menjelaskan seberapa besar suatu atribut
dapat dijelaskan
oleh faktor
yang terbentuk.
Semakin besar
nilai communalitiessebuah atribut, makin erat hubungannya dengan faktor yang
terbentuk. Nilai initial pada communalities merupakan varian sebelum dilakukan ekstraksi. Semua nilai initial bernilai 1 yang berarti bahwa sebelum dilakukan
ekstraksi variabel tersebut 100 persen membentuk faktor. Sedangkan nilai ekstraksi menggambarkan besarnya persentase varian suatu variabel yang dapat
dijelaskan oleh faktor yang terbentuk.
Tabel 6. Nilai ekstraksi dari setiap variabel
No. Variabel
Varian Sebelum Eksraksi
Nilai Ekstraksi
1 Komitmen Manajemen Puncak
1,000 0,808
2 Tujuan GKM
1,000 0,764
3 Pendidikan dan Pelatihan
1,000 0,582
4 Komunikasi
1,000 0,632
5 Partisipasi
1,000 0,713
6 Seven Tools
1,000 0,733
7 Kepemimpinan
1,000 0,631
8 Fasilitas
1,000 0,645
Nilai ekstraksi dari setiap indikator pada Tabel 6 dapat dijelaskan sebagai berikut :
a. Variabel kepemimpinan manajemen puncak memilikinilai ekstraksi
sebesar 0,808 atau 80,8 persen varian dari variabel kepemimpinan manajemen puncak dapat dijelaskan oleh faktor yang terbentuk.
b. Variabel tujuan GKM memiliki nilai ekstraksi sebesar 0,764 atau 76,4 persen varian dari variabel tujuan GKM dapat dijelaskan oleh faktor yang terbentuk.
c. Variabel pendidikan dan pelatihan memiliki nilai ekstraksi sebesar 0,582 atau 58,2 persen varians dari variabel pendidikan dan pelatihan dapat dijelaskan
oleh faktor yang terbentuk. d. Variabel komunikasi memiliki nilai ekstraksi sebesar 0,632 atau 63,2 persen
varians dari variabel komunikasi dapat dijelaskan oleh faktor yang terbentuk. e. Variabel partisipasi memiliki nilai ekstraksi sebesar 0,713 atau 71,3 persen
varians dari variabel partisipasi dapat dijelaskan oleh faktor yang terbentuk. f. Variabel seven tools memiliki nilai ekstraksi sebesar 0,733 atau 73,3 persen
varians dari variabel seven tools dapat dijelaskan oleh faktor yang terbentuk. g. Variabel kepemimpinan memiliki nilai ekstraksi sebesar 0,631 atau sekitar 63,1
persen varians dari variabel kepemimpinan dapat dijelaskan oleh faktor yang terbentuk.
h. Variabel fasilitas memiliki nilai ekstraksi sebesar 0,645 atau sekitar 54,5 persen varians dari variabel fasilitas dapat dijelaskan oleh faktor yang terbentuk.
Total variance menjelaskan keragaman variabel yang mampu dijelaskan oleh faktor-faktor yang terbentuk. Pemilihan jumlah faktor yang diambil
ditentukan dari nilai keragaman ini. Dengan menetapkan faktor yang diambil adalah yang memiliki nilai eigenvalue lebih besar dari 1 diperoleh tiga faktor,
yaitu faktor 1, faktor 2, dan faktor 3. Faktor 1 dengan nilai eigenvalue sebesar 2,82 mampu menerangkan 35,28 persen keragaman semua variabel. Sedangkan
faktor 2 dengan nilai eigenvalue sebesar 1,35 mampu menerangkan 16,90 persen keragaman semua variabel. Kedua faktor tersebut mampu menerangkan
keragaman data sebesar 52,18 persen. Faktor 3 dengan nilai eigenvalue sebesar 1,33 mampu menerangkan 16,64 persen keragaman semua variabel. Ketiga faktor
tersebut mampu menerangkan keragaman data sebesar 68,82 persen.
Susunan eigenvalues selalu diurutkan dari yang terbesar sampai yang terkecil, dengan kriteria bahwa angka eigenvalues di bawah satu tidak digunakan
dalam menghitung jumlah faktor yang terbentuk. Dari tabel total variance lihat Lampiran 14 terlihat bahwa hanya tiga faktor yang terbentuk, karena dengan dua
faktor, angka eigenvalues diatas satu yaitu 2,82 dan 1,35, dengan satu faktor angka eigenvalues juga masih diatas satu yaitu 1,33. Namun ada lima faktor
yang angka eigenvalues dibawah satu, sehingga proses pemfaktoran seharusnya berhenti pada tiga faktor saja.
Setelah diketahui bahwa tiga faktor yang mampu menjelaskan keragaman variabel, maka dapat diketahui distribusi kedelapan variabel berdasarkan nilai
faktor loding pada analisis Component Matrix yang dapat dilihat pada Tabel 7.
Tabel 7. Nilai faktor loadingdari setiap faktor
No Variabel
Nilai Faktor loading Faktor 1
Faktor 2 Faktor 3
1 Komitmen Manajemen Puncak
0,658 0,457
-0,408 2
Tujuan GKM 0,652
-0,268 0,516
3 Pendidikan dan Pelatihan
0,643 -0,269
-0,311 4
Komunikasi 0,246
0,408 0,636
5 Partisipasi
0,402 -0,613
-0,418 6
Seven Tools 0,631
-0,414 0,404
7 Kepemimpinan
0,583 0,483
-0,240 8
Fasilitas 0,770
0,225 0,036
Angka-angka yang ada pada Tabel 7 merupakan faktor loading yang menunjukkan besar korelasi antara suatu variabel dengan faktor 1, faktor 2 atau
faktor 3. Proses penentuan variabel yang akan masuk ke dalam salah satu faktor dilakukan dengan melakukan perbandingan besar korelasi pada setiap baris.
Korelasi antara variabel komitmen manajemen puncak dengan faktor satu sebesar 0,658 kuat karena diatas 0,5, korelasi variabel komitmen manajemen puncak
dengan faktor 2 sebesar 0,457 lemah karena di bawah 0,5, dan korelasi variabel komitmen manajemen puncak dengan faktor 3 sebesar -0,408 lemah karena di
bawah 0,5 dan hubungannya terbalik. Korelasi antara variabel komitmen manajemen puncak dengan ketiga
faktor berlaku pula dengan ke tujuh variabel lainnya yang menunjukkan korelasi dengan ketiga faktor yang terbentuk. Jika angka faktor loading diatas 0,5 maka
berkorelasi kuat dengan faktor yang terbentuk, begitu pula sebaliknya. Karena
tidak ada korelasi yang jelas akan dimasukkan ke dalam faktor 1, 2 atau 3, maka perlu dilakukan proses rotasi rotation yang dapat dilihat pada Tabel 8.
4
Tabel 8. Distribusi variabel yang telah diekstrak terhadap setiap faktor
No Variabel
Nilai faktor loading Faktor 1
Faktor 2 Faktor 3
1 Komitmen Manajemen Puncak
0,891 -0,007
0,116 2
Tujuan GKM 0,114
0,866 0,001
3 Pendidikan dan Pelatihan
0,409 0,327
0,555
4 Komunikasi
0,188 0,414
0,652
5 Partisipasi
0,070 0,233
0,808
6 Seven Tools
0,053 0,837
0,174 7
Kepemimpinan 0,792
0,041 -0,033
8 Fasilitas
0,670 0,443
0,008 Hasil proses rotasi menunjukkan bahwa variabel komitmen manajemen
puncak, kepemimpinan, dan fasilitas merupakan anggota faktor 1 karena korelasinya kuat dengan faktor 1, dan lemah dengan faktor lainnya. Hal ini
ditunjukkan oleh angka faktor loading pada ketiga variabel diatas 0,5. Variabel tujuan GKM dan Seven tools adalah anggota dari faktor 2 karena korelasinya kuat
dengan faktor 2 dan lemah dengan faktor lainnya . Sedangkan variabel pendidikan dan pelatihan, komunikasi dan partisipasi berkorelasi kuat dengan faktor 3 dan
lemah dengan faktor lainnya karena angka faktor loading diatas 0,5. Hasil analisis faktor pada proses rotasi menunjukkan bahwa terdapat tiga
faktor yang menjadi indikator efektivitas, dimana faktor 1 dinamakan faktor dukungan terdiri dari variabel komitmen manajemen puncak, kepemimpinan dan
fasilitas. Faktor 2 dinamakan faktor teknik pemecahan masalah terdiri dari variabel tujuan GKM dan seven tools, sedangkan faktor 3 dinamakan faktor
hubungan internal terdiri dari variable pendidikan dan pelatihan, komunikasi dan partisipasi. Faktor 1 menjelaskan keragaman data terbesar sehingga faktor paling
berpengaruh sebagai indikator efektivitas. Oleh karena itu, variabel yang tergabung dalam faktor 1 juga merupakan variabel yang paling berpengaruh
sebagai indikator efektivitas proses. Sehingga variabel komitmen manajemen
puncak, kepemimpinan dan fasilitas paling berpengaruh terhadap keberhasilan GKM.
4.3.5. Dampak Pelaksanaan GKM terhadap Kinerja Karyawan
