Teknik Pengumpulan Data Teknik Analisis dan Pengujian Hipotesis

3.4. Teknik Pengumpulan Data

3.4.a. Jenis Data Untuk menganalisa data yang baik, maka diperlukan data yang valid atau mengandung kebenaran. Ada dua macam data yang dikumpulkan oleh peneliti, yaitu : a. Data Primer Data primer yaitu data yang diperoleh secara langsung dari wawancara dengan karyawan melalui kuesioner. b. Data Sekunder Data sekunder adalah data tentang karyawan PT. Petrokimia Gresik yang meliputi data sejarah, struktur organisasi dan uraian tugas. 3.4.b. Sumber Data Beberapa sumber yang dimanfaatkan oleh peneliti antara lain : a. Karyawan pada PT.Petrokimia Gresik sebagai responden b. Buku-buku serta literatur-literatur. 3.4.c. Pengumpulan Data Pengumpulan data dilakukan dengan menggunakan beberapa cara berikut : a. Observasi Adalah pengumpulan data dilakukan dengan melakukan pengamatan secara langsung terhadap obyek yang diteliti. b. Wawancara Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Adalah mengumpulkan data atau bahan-bahan keterangan dilakukan dengan melakukan tanya jawab secara langsung dengan pihak yang berwenang di PT. Petrokimia Gresik c. Dokumentasi Adalah pengumpulan data dilakukan dengan cara menggali dari buku- buku, catatan-catatan, dokumen-dokumen, serta arsip yang dimiliki karyawan PT. Petrokimia Gresik. d. Kuesioner Adalah pengumpulan data dilakukan dengan cara menyebarkan daftar pertanyaan kepada karyawan PT. Petrokimia Gresik.

3.5. Teknik Analisis dan Pengujian Hipotesis

3.5.a. Uji Reliabilitas dan Validitas Variabel atau dimensi yang diukur melalui indikator-indikator dalam daftar pertanyaan perlu dilihat reliabilitasnya dan validitasnya, dimana hal ini dijelaskan sebagai berikut : a. Uji Validitas Validitas yang digunakan disini adalah validitas konstruk construct validity yang merujuk pada sejauh mana uji dapat mengukur apa yang sebenarnya yang kita ukur. b. Uji Reliabilitas Uji ini ditafsirkan dengan menggunakan koefisien Alpha Cronbach. Jika nilai alpha cukup tinggi berkisar 0,50 – 0,60 dapat ditafsirkan Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. suatu hasil pengukuran relatif konsisten apabila pengukuran diulangi dua kali atau lebih, dengan kata lain instrumen tersebut dapat diandalkan Ferdinand, 2002 : 193. 3.5.b. Uji Outlier Univariat dan Multivariat Outlier adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun multivariat yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi lainnya Ferdinand, 2002 : 52. 3.5.b.1. Uji Outlier Univariat Deteksi terhadap adanya outlier univariat dapat dilakukan dengan menentukan ambang batas yang akan dikategorikan sebagai outlier dengan cara mengkonversi nilai data penelitian ke dalam standar score atau yang biasa disebut dengan z-score, yang mempunyai rata-rata nol dengan standar deviasi sebesar satu, bila nilai-nilai itu telah dinyatakan dalam format yang standar z-score, maka perbandingan antar besaran nilai dengan mudah dapat dilakukan. Sampel besar diatas 80 observasi, pedoman evaluasi adalah nilai ambang batas dari z-score itu berada pada rentang 3 sampai dengan 4 Hair dkk, 1995 dalam Ferdinand, 2002 : 98,oleh karena itu apabila ada observasi-observasi yang memiliki z-score ≥ 3,0 akan dikategorikan sebagai outlier. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 3.5.b.2. Uji Outlier Multivariat Evaluasi terhadap multivariat outliers perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outlier pada tingkat univariat, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak Mahalanobis the Mahalanobis distance untuk tiap observasi dapat dihitung dan menunjukkan jarak sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional. Uji terhadap multivariat dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat ρ 0,001. Jarak Mahalanobis itu dapat dievaluasi dengan menggunakan nilai χ² pada derajat kebebasan sebesar jumlah item yang digunakan dalam penelitian. Dan apabila nilai Jarak Mahalanobisnya lebih besar dari nilai χ² Tabel adalah Outlier Multivariat. 3.5.c. Uji Normalitas Data Adapun metode yang digunakan untuk mengetahui apakah data tersebut berdistribusi normal atau tidak adalah menggunakan uji critical ratio dari Skewness dan Kurtosis dengan ketentuan sebagai berikut :  Kriteria Pengujian Pedoman dalam mengambil keputusan apakah sebuah distribusi data mengikuti distribusi normal adalah : Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. a Jika nilai critical yang diperoleh melebihi rentang ± 2,58 maka distribusi adalah tidak normal. b Jika nilai critical yang diperoleh berada pada rentang ± 2,58 maka distribusi adalah normal. 3.5.d. Analisis Path dengan menggunakan Permodelan SEM Structural Equation Modelling Sebuah pemodelan SEM yang lengkap pada dasarnya terdiri dari Measurement Model dan Structural Model. Measurement Model atau Model Pengukuran ditujukan untuk mengkonfirmasikan sebuah dimensi atau faktor berdasarkan indikator-indikator empirisnya. Structural Model adalah model mengenai struktur hubungan yang membentuk atau menjelaskan kausalitas antara faktor. Ferdinand, 2002 : 34 Untuk membuat pemodelan yang lengkap beberapa langkah berikut ini yang perlu dilakukan : a. Pengembangan model berbasis teori. Langkah pertama dalam pengembangan model SEM adalah pencarian atau pengembangan sebuah model yang mempunyai justifikasi teoritis yang kuat. Setelah itu, model tersebut divalidasi secara empirik melalui program SEM. b. Pengembangan diagram alur untuk menunjukkan hubungan kausalitas. Pada langkah kedua, model teoritis yang telah dibangun pada langkah pertama akan digambarkan dalam sebuah path diagram. Path diagram Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. tersebut akan memudahkan peneliti melihat hubungan-hubungan kausalitas yang ingin diujinya. c. Konversi diagram alur kedalam persamaan. Setelah teori model dikembangkan dan digambarkan dalam sebuah diagram alur, spesifikasi model dikonversikan kedalam rangkaian persamaan. d. Memilih Matriks Input dan Estimasi Model. Perbedaan SEM dengan teknik multivariat lainnya adalah dalam input data yang akan digunakan dalam pemodelan dan estimasinya. SEM hanya menggunakan matriks VariansKovarians atau matriks korelasi sebagai data input untuk keseluruhan estimasi yang dilakukannya. e. Menilai Problem Identifikasi. Problem identifikasi pada prinsipnya adalah problem mengenai ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik. Problem identifikasi dapat muncul melalui gejala-gejala berikut ini : 1. Standard error untuk satu atau beberapa koefisien adalah sangat besar. 2. Program tidak mampu menghasilkan matrik informasi yang seharusnya disajikan. 3. Muncul angka-angka yang aneh seperti adanya varians error yang negatif. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 4. Muncul korelasi yang sangat tinggi antar korelasi estimasi yang didapat misalnya lebih dari 0,9. f. Evaluasi Model. Pada langkah ini kesesuaian model dievaluasi, melalui telaah terhadap berbagai kriteria goodness-of-fit . Kriteria-kriteria tersebut adalah : 1. Ukuran sampel yang digunakan adalah minimal berjumlah 100 dan dengan perbandingan 5 observasi untuk setiap astimated parameter. 2. Normalitas dan Linieritas. 3. Outliers . 4. Multicolinierity dan Singularity . 3.5.e. Uji Hipotesis Umumnya dalam analisis SEM umumnya berbagai jenis fit index yang digunakan untuk mengukur derajad kesesuaian antara model yang dihipotesakan dengan data yang disajikan. Berikut ini adalah index kesesuaian dan cut-off valuenya untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak. a. χ² - Chi-Square Statistic . Alat uji paling fundamental untuk mengukur overall fit adalah likehood ratio Chi-Square Statistic . Model yang diuji akan dipandang baik atau memuaskan apabila nilai chi-square nya rendah. Semakin kecil nilai χ² Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. semakin baik model itu dan diterima berdasarkan probabilitas dengan cut-off value sebesar ρ 0,05 atau ρ 0,10. b. RMSEA The Root Mean Square Error of Approximation RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi chi-square statistic dalam sampel yang besar. Nilai RMSEA menunjukkan goodness-of-fit yang dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan index untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degree of freedom . c. GFI – Goodness of Fit Index Indeks kesesuaian fit indeks ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks populasi yang terestimasikan. GFI adalah sebuah ukuran non- statistikal yang mempunyai rentang nilai antara 0 poor fit sampai dengan 1,0 perfect fit . Nilai yang tinggi dalam indeks ini menunjukkan sebuah better fit . d. AGFI – Adjusted Goodness-of-Fit Index GFI adalah analog dari R² dalam regresi linier berganda yaitu suatu koefisien yang mengukur ketepatan sebuah model yang digunakan. Tingkat penerimaan yang direkomendasikan adalah bila AGFI Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. mempunyai nilai sama dengan atau lebih besar dari 0,09. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians dalam sebuah matriks kovarians sampel. e. CMINDF. The Minimum Sample Discrepancy Function CMIN dibagi dengan degree of freedom nya akan menghasilkan indeks CMINDF, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model. Nilai χ² relatif kurang dari 2,0 atau bahkan kurang dari 3,0 adalah indikasi dari acceptable fit antara model dan data. f. TLI Tucker Lewis Indeks TLI adalah sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan ≥ 0,95 dan nilai yang sangat mendekati 1 menunjukkan a very good fit . g. CFI- Comparative Fit Index Merupakan besaran indeks ini adalah pada rentang nilai sebesar 0 – 1, dimana semakin mendekati 1, mengidentifikasikan tingkat fit yang paling tinggi- a very good fit . Nilai yang direkomendasikan adalah CFI ≥ 0,95. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB IV KEADAAN UMUM PERUSAHAAN

4.1. Lokasi dan Letak Geografis Perusahaan

PT Petrokimia Gresik memiliki kantor pusat dan kantor perwakilan. Kantor pusat dan pabrik PT Petrokimia Gresik terletak di Jl. Jendral Ahmad Yani, Gresik, Jawa Timur, Indonesia, lokasi ini meliputi tiga buah kecamatan yaitu kecamatan Gresik, Kebomas dan Mayar. Sedangkan kantor perwakilan terletak di Jl, Tanah Abang III16, Jakarta, Indonesia. Pemilihan lokasi perusahaan adalah didasarkan pada beberapa kriteria, yaitu : 1. Terdapat lahan yang tidak produktif. 2. Cukup tersedia sumber air dari aliran sungai Brantas dan sungai Bengawan Solo. 3. Berdekatan dengan daerah konsumen pupuk terbesar, yaitu perkebunan dan petani tebu. 4. Dekat pelabuhan sebagai sarana pengangkutantransportasi. 5. Dekat kota Surabaya, sehingga tersedia tenaga-tenaga terampil.

4.2. Visi dan Misi PT Petrokimia Gresik

Visi PT Petrokimia Gresik Menjadi produsen pupuk dan produk kimia lainnya yang produknya berdaya saing tinggi dan paling diminati konsumen. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.