Tabel 3.6 Hasil Uji Reliabilitas Instrumen Variabel Penelitian
No Variabel
Cronbach’s Alpha
N of Items
Keterangan
1 Motivasi
0.736 7
Reliabel 2
Pengembangan karir
0.623 5
Reliabel 3
Kepuasan kerja
0.830 4
Reliabel 4
Loyalitas kerja
0.749 6
Reliabel
Sumber: Hasil Penelitian 2013 Data Diolah
Berdasarkan Tabel 3.6 dapat dilihat bahwa pengujian reliabilitas instrumen variabel penelitian menunjukkan nilai Cronbach’s Alpha lebih besar dari o,6 yang berarti
bahwa instrumen variabel penelitian adalah reliabel.
3.8 Teknik Analisis Data
Teknik analisis yang digunakan dalam penelitian ini adalah Structural Equation Model SEM yang dioperasikan melalui program AMOS 18. Alasan penggunaan SEM
adalah karena SEM merupakan sekumpulan teknik-teknik statistik yang memungkinkan pengukuran sebuah rangkaian hubungan yang relatif ”rumit”, secara simultan.
Permodelan penelitian melalui SEM memungkinkan seorang peneliti dapat menjawab pertanyaan penelitian yang bersifat regresif maupun dimensional yaitu mengukur apa
dimensi-dimensi dari sebuah konsep. SEM juga dapat mengidentifikasi dimensi-dimensi sebuah konsep atau konstruk dan pada saat yang sama SEM juga dapat mengukur
pengaruh atau derajat hubungan faktor yang akan diidentifikasikan dimensi-dimensinya. Penelitian ini akan menggunakan 2 dua macam teknik analisis :
Universitas Sumatera Utara
1. Confirmatory factor Analysis pada SEM yang digunakan untuk mengkonfirmasikan faktor-faktor yang paling dominan dalam satu kelompok variabel dan mengidentifikasi
unidimensionalitas variabel. 2. Regression Weight pada SEM yang digunakan untuk meneliti seberapa besar hubungan
antar variabel. Menurut Ghozali 2011:11 untuk membuat pemodelan SEM yang lengkap perlu
dilakukan langkah-langkah berikut ini :
a Pengembangan Model Berdasar Teori
Model persaman structural didasarkan pada hubungan kausalitas, dimana perubahan satu variabel diasumsikan akan berakibat pada perubahan variabel lainnya.
Kuatnya hubungan kausalitas antara dua variabel yang diasumsikan oleh peneliti bukan terletak pada metode analisis yang dia pilih, tetapi terletak pada justifikasi pembenaran
secara teoritis untuk mendukung analisis. Jadi jelas bahwa hubungan antar variabel dalam
model merupakan deduksi dari teori Ghozali,2011:13.
b Pengembangan Diagram Alur Path Diagram
Ada dua hal yang perlu dilakukan yaitu menyusun model structural yaitu menghubungkan antar konnstruk laten baik endogen maupun eksogen dan
menyususn measurement model yaitu menghubungkan konstruk laten endogen atau eksogen dengan variabel indikator atau manifest Ghozali, 2011:122
Ketika measurement model telah terspesifikasi, maka peneliti harus menentukan reliabilitas dari indikator. Reliabilitas indikator dapat dilakukan dengan dua cara, 1
diestimasi secara empiris, 2 dispesifikasi Ghozali, 2011:122.
Universitas Sumatera Utara
Disamping menyusun model spesifikasi oleh peneliti memberi nilai fixed atau tetap baik structural dan measurement model, peneliti dapat juga menspesifikasi korelasi
antara konstruk eksogen atau antara konstruk endogen. Dengan mengkorelasikan konstruk eksogen beberapa kali maka hal ini menggambarkan “share” pengaruh terhadap
konstruk endogen. Mengkorelasikan antar konstruk endogen tidak banyak berguna dan tidak direkomendasikan untuk tujuan tertentu, oleh karena menggambarkan korelasi antar
persamaan structural sehingga menimbulkan kesulitan interpretasi Ghozali, 2011:122.
c Konversi Diagram Alur Path Diagram ke dalam Persamaan
Setelah teori atau model teoritis dikembangan dan digambarkan dalam sebuah diagram alur, peneliti dapat mulai mengkonversi spesifikasi model tersebut kedalam
rangkaian persamaan. Persamaan yang dibangun akan terdiri: 1. Persamaan-persamaan structural Structural Equations. Persamaan ini dirumuskan
untuk menyatakan hubungan kausalitas antar berbagai konstruk. 2. Persamaan spesifikasi model pengukuran Measurement Model. Pada spesifikasi itu
peneliti menentukan variabel mana mengukur konstruk mana, serta menentukan serangkaian matriks yang menunjukkan korelasi yang dihipotesakan antar konstruk atau
variabel.
Universitas Sumatera Utara
Gambar 3.5 Diagram Alur Path Diagram
MOTIVASI X
1
X
2
X
3
X
4
X
5
X
6
X
7
e
1
e
2
e
3
e
4
e
5
e
6
e
7
KEPUASAN KERJA X
13
X
14
X
15
X
16
e
14
e
15
e
16
e
13
PENGEMBANGAN X
8
X
9
X
10
X
11
X
12
e
9
e
10
e
11
e
12
e
8
LOYALITAS KERJA X
17
X
18
X
19
X
20
X
21
e
18
e
19
e
20
e
21
e
17
X
22
e
22
e
24
e
23
Universitas Sumatera Utara
Berdasarkan model diagram alur di atas, maka persamaan dalam penelitian ini dapat
dilihat dalam Tabel 3.7 : Tabel 3.7 Model Persamaan
Konsep Eksogenous Model Pengukuran
Konsep Endogenous Model Pengukuran
X
1
=λ
1
Motivasi + e X
1 2
=λ
2
Motivasi + e X
2 3
=λ
3
Motivasi + e X
3 4
=λ
4
Motivasi + e X
4 5
=λ
5
Motivasi + e X
5 6
=λ
6
Motivasi + e X
6 7
=λ
7
Motivasi + e X
7 13
=λ
13
Kepuasan kerja + e X
13 14
=λ
14
Kepuasan kerjar + e X
14 15
=λ
15
Kepuasan kerja + e X
15 16
=λ
16
Kepuasan kerja + e
16
X
17
=λ
17
Loyalitas kerja + e X
17 18
= λ
18
Loyalitas kerja + e X
18 19
= λ
19
Loyalitas kerja + e X
19 20
= λ
20
Loyalitas kerja + e X
20 21
= λ
21
Loyalitas kerja + e X
21 22
= λ
22
Loyalitas kerja + e
22
X
8
= λ
8
Pengembangan karir + e X
8 9
= λ
9
Pengembangan karir + e X
9 10
=λ
10
Pengembangan karir + e X
10 11
=λ
11
Pengembangan karir + e X
11 12
=λ
12
Pengembangan karir + e
12
Model Struktural Kepuasan kerja = £
1
Motivasi + £
2
Pengembangan karir + e Loyalitas kerja = γ motivasi + γ pengembangan karir + γ epuasamn kerja + e
23 24
Seperti yang terlihat pada diagram, variabel terukur yang pertama dari tiap latent variable adalah dikhususkan memiliki faktor loading
dari λ = 1 λ adalah terminology yang digunakan oleh LISREL, serupa dengan koefisien dari model yang diukur berbobot regresi
pada AMOS untuk menentukan unit-unit yang diukur pada unobserb variable, Arbuckle dalam Ghozali 2011:63.
Universitas Sumatera Utara
d Memilih Matriks Input dan Estimasi Model Yang Diusulkan
Model persamaan structural berbeda dari teknik analisis multivariate lainnya, SEM hanya menggunakan data input berupa matrik variankovarian atau matrik korelasi Ghozali,
2011:63. Pada awalnya model persamaan structural diformulasikan dengan menggunakan
input matrik variankovarian sehingga juga dikenal dengan covariance structural analysis. Matrik kovarian memiliki kelebihan daripada matrik korelasi dalam memberikan validitas
perbandingan antara populasi yang berbeda atau sampel yang berbeda. Namun demikian interpretasi hasil lebih sulit jika menggunakan matrik kovarian oleh karena itu nilai koefisien
harus diinterpretasikan atas dasar unit pengukuran konstruk. Matrik korelasi memiliki range umum yang memungkinkan membandingkan langsung koefisien dalam model Ghozali,
2011:63.
e Menilai Identifikasi Model Structural
Problem identifikasi adalah ketidakmampuan proposed model untuk menghasilkan unique estimate. Cara melihat tidak adanya problem indentifikasi adalah dengan melihat hasil
estimasi yang meliputi: 1 adanya nilai standar error yang besar untuk satu atau lebih koefisien, 2 ketidakmampuan program untuk invert information matrik, 3 nilai estimasi
yang tidak mungkin misalnya error variance yang negatif, 4 adanya nilai korelasi yang tinggi 0,90 antar koefisien estimasi
Ghozali, 2011:65.
f Menilai Kriteria Goodness of Fit
Ada tiga asumsi dasar seperti halnya pada teknik multivariate yang lain untuk dapat menggunakan model persamaan structural yaitu:
1. Observasi data independen
2. Responden diambil secara random random sampling respondent
Universitas Sumatera Utara
3. Memiliki hubungan linear
Setelah asumsi SEM dipenuhi melihat ada tidaknya offending estimate yaitu estimasi koefisien baik dalam model structural maupun model pengkuran yang nilainya diatas batas
yang dapat diterima Ghozali, 2011:65. Goodness-of-Fit mengukur kesesuaian input obervasi atau sesungguhnya matrik
kovarian atau korelasi dengan prediksi dari model yang diajukan proposed model. Ada tiga jenis ukuran goodness-of-fit yaitu 1 absolute fit measure, 2 incremental fit mesure, 3
parsimonious fit measures. g
Uji Kesesuaian dan Uji Statistik
Beberapa indeks kesesuaian dan cut off value-nya yang digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak adalah sebagai berikut :
a.Chi- Square Statistic χ
2
Model yang diuji dipandang baik atau memuaskan apabila Chi Square-nya rendah. Semakin kecil nilai χ
2
b. RMSEA The Root Mean Square Error of Approximation , semakin baik model itu dan diterima berdasarkan probabilitas
denga cutt-off value sebesar p 0,05 atau p 0,10
Merupakan sebuah indeks yang dapat digunakan untuk mengkompensasikan Chi- Square Statistic dalam sampel yang besar. Nilai RMSEA menunjukkan nilai goodness of fit
yang dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA yang kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan
sebuah close fit dari model tersebut berdasarkan degrees of freedom. c. GFI Goodness of Fit Index
Merupakan ukuran non statistikal yang mempunyai rentang nilai antara 0 poor fit sampai dengan 10 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan better fit.
Universitas Sumatera Utara
d. AGFI Adjusted Goodness Fit Index Adalah analog dari R
2
e. CMINDF dalam regresi berganda. Tingkat penerimaan yang
direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90.
The minimum Sampel Discrepancy Function CMIN dibagi dengan degree of freedomnya. CMINDF tidak lain merupakan statistic chi-
square,χ
2
dibagi dengan DF-nya sehingga disebut χ
2
f. TLI Tucker Lewis Index relatif, dengan nilai diharapkan kurang dari 3.0 yang menunjukkan bahwa
antara model dan data berindikasikan acceptabel fit.
TLI untuk membandingkan model yang diuji terhadap baseline model, dengan besarnya nilai diharapkan sama atau lebih dari 0,95 yang menunjukkan bahwa model yang
sangat baik dan nilai yang mendekati 1 menunjukkan a very good fit. g. CFI Comparative Fit Index
CFI untuk mengukur tingkat penerimaan model, dengan besarnya nilai diharapkan sama atau lebih dari 0,95 yang menunjukkan tingkat fit yang paling tinggi.
Tabel 3.8 Goodness of-fit Indices Goodness of Fit Index
Cut off Value χ2-Chi Square
Diharapkan Kecil Significance Probability
≥ 0,05 RMSEA
≤ 0,08 GFI
≥ 0,90 AGFI
≥ 0,90 CMINDF
≤ 2,00 TLI
≥ 0,95 CFI
≥ 0,95
Universitas Sumatera Utara
h Interpretasi dan Modifikasi Model
Ketika model telah dinyatakan diterima, maka peneliti dapat mempertimbangkan dilakukannya modifikasi model untuk memperbaiki penjelasan teoritis atau goodness-of-fit.
Modifikasi dari model awal harus dilakukan setelah dikaji banyak pertimbangan. Jika model dimodifikasi, maka model tersebut harus di cross-validated diestimasi dengan data terpisah
sebelum model modifikasi diterima. Pengukuran model dapat dilakukan dengan modification indices. Nilai modification indices sama dengan terjadinya penurunan chi-squares jika
koefisien diestimasi. Nilai sama dengan atau 3,84 menunjukkan telah terjadi penurunan chi- square secara signifikan Ghozali, 2011:71.
Universitas Sumatera Utara
BAB IV
HASIL DAN PEMBAHASAN
4.1 Gambaran Umum 4.1.1 Sejarah Singkat Hotel Inna Dharma Deli Medan
