J. Teknik Analisis Data
Untuk menganalisis data pada penelitian ini digunakan
structural equation modeling
SEM
dan dibantu dengan program statistik AMOS. Model ini merupakan model multivariat yang berupa analisis struktural.
Model persamaan struktural,
structural equation modeling
SEM adalah sekumpulan teknik-teknik statistikal yang memungkinkan pengujian sebuah
rangkaian hubungan yang relatif “rumit”, secara simultan Ferdinand, 2002 : 6. Hubungan yang rumit itu dapat dibangun antara satu atau beberapa
variabel yang dipengaruhi
dependent
dengan satu atau beberapa variabel yang mempengaruhi
independent.
Menurut Pedhazur dalam Wijaya, 2009: 2, SEM mengarah pada hubungan antar variabel endogen dan variabel eksogen, yang merupakan
variabel tidak dapat diamati atau dihitung secara langsung atau laten. variabel eksogen selalu muncul sebagai variabel bebas pada semua persamaan yang
ada dalam model. Sedangkan variabel endogen merupakan variabel terikat pada paling sedikit satu persamaan dalam model, meskipun di semua
persamaan sisanya adalah variabel bebas. Besarnya ukuran sampel memiliki peran penting dalam interpretasi hasil
SEM.
Ukuran sampel memberikan dasar untuk mengestimasi
sampling error.
Dengan menggunakan model estimasi
maximum likelihood ML
minimum diperlukan jumlah sampel 100. Begitu sampel menjadi besar diatas 400-
500, maka metode
maximum likelihood ML
menjadi sangat sensitif dan selalu menghasilkan perbedaan secara signifikan sehingga ukuran
goodness
of fit
menjadi jelek. Dari pernyataan tersebut, maka direkomendasikan bahwa ukuran sampel 150-400 harus digunakan untuk metode estimasi
maximum likelihood ML.
Hal ini senada dengan yang diungkapkan oleh Santoso 2007: 66, yang menyatakan metode
maximum likelihood ML
akan efektif pada jumlah sampel antara 150 data sampai 400 data.
Beberapa konversi yang berlaku dalam diagram SEM Ferdinand, 2002 : 10 , adalah;
1. Variabel terukur
measured variable
Variabel terukur adalah variabel yang datanya harus dicari melalui penelitian lapangan atau survei. Variabel terukur sering disebut juga
indicator variables, observed variables
atau
manifest variables
yang digambarkan dalam bentuk segi empat atau bujur sangkar. Dalam
penelitian ini variabel terukurnya, yaitu: a.
Keadilan eksternal; keadilan pembayaran gaji secara eksternal, Keadilan tunjangan tambahan secara eksternal, keadilan promosi
secara eksternal, keadilan dalam pemberian insentif secara eksternal, keadilan kenaikan pemberian gaji secara eksternal, keadilan
aktualisasi diri secara eksternal. b.
Keadilan distributif internal; keadilan dalam kenaikan pembayaran gaji secara internal, keadilan tunjangan tambahan secara internal,
keadilan pemberian gaji secara internal, dan keadilan aktualisasi diri secara internal.
c. Komitmen organisasi; kesenangan berdiskusi, perasaan terhadap
masalah organisasi, perasaan bahwa perusahaan seperti bagian keluarga, berartinya perusahaan bagi karyawan, dan karyawan
merasa memiliki perusahaan. d.
Loyalitas karyawan; karyawan merasa setia pada perusahaan, menganggap perusahaan sebagai keluarga, dan perasaan untuk
mencintai pekerjaan dan perusahaan.
2. Faktor
latent variable
Faktor adalah sebuah variabel bentukan yang dibentuk melalui indikator-indikator yang diamati dalam dunia nyata. Faktor sering juga
disebut
construct variables
atau
unobserved varia bles
yang digambarkan dalam bentuk lingkar atau oval atau elips. Untuk membuat pemodelan
SEM diperlukan beberapa langkah, yaitu: a.
Pengembangan Model Teoretis Langkah pertama dalam pengembangan model SEM adalah
pencarian atau pengembangan sebuah model yang mempunyai justifikasi teoretis yang kuat. Setelah itu, model tersebut divalidasi
secara empirik melalui komputasi program SEM. Oleh karena itu dalam pengembangan model teoretis, harus dilakukan serangkaian
eksplorasi ilmiah melalui telaah pustaka yang intens guna mendapatkan justifikasi atas model teoretis yang dikembangkannya.
Tanpa dasar yang kuat SEM tidak dapat digunakan. Hal ini
disebabkan karena SEM tidak digunakan untuk menghasilkan sebuah model, tetapi digunakan untuk mengkonfirmasi model teoretis,
melalui data empirik. Tujuan analisis ini adalah untuk melihat pengaruh keadilan terhadap komitmen organisasi dan loyalitas
karyawan. Konstruk dimensi yang akan diteliti akan disajikan dalam tabel di bawah ini:
Tabel III. 1 Variabel dan Indikator Penelitian
Variabel Atribut Indikator
Simbol
Keadilan Eksternal Keadilan pembayaran gaji secara eksternal
Keadilan tunjangan tambahan secara eksternal Keadilan promosi secara eksternal
Keadilan dalam pemberian insentif secara eksternal Keadilan kenaikan pemberian gaji secara eksternal
Keadilan aktualisasi diri secara eksternal X
1.1
X
1.2
X
1.3
X
1.4
X
1.5
X
1.6
Keadilan Distributif Internal
Keadilan dalam kenaikan pembayaran gaji secara internal
Keadilan tunjangan tambahan secara internal Keadilan pemberian gaji secara internal
Keadilan aktualisasi diri secara internal X
2.1
X
2.2
X
2.3
X
2.4
Komitmen Organisasi
Kesenangan berdiskusi Perasaan terhadap masalah organisasi
Perasaan bahwa perusahaan seperti bagian keluarga Berartinya perusahaan bagi karyawan
Karyawan merasa memiliki perusahaan Y
1.1
Y
1.2
Y
1.3
Y
1.4
Y
1.5
Loyalitas karyawan
Karyawan merasa setia pada perusahaan Menganggap perusahaan sebagai keluarga
Perasaan untuk mencintai pekerjaan dan perusahaan Y
2.1
Y
2.2
Y
2.3
b. Pengembangan diagram alur
Path diagram
Pada langkah kedua, model teoretis yang telah dibangun pada langkah pertama akan digambarkan dalam sebuah
path diagram
.
Path diagram
tersebut akan mempermudah melihat hubungan- hubungan kausalitas yang ingin diujinya. Sedemikian jauh,
diketahui bahwa hubungan-hubungan kausal biasanya dinyatakan dalam bentuk persamaan. Akan tetapi, di dalam SEM hubungan
kausalitas itu cukup digambarkan dalam sebuah
path diagram
, dan selanjutnya bahasa program akan mengkonvensi gambar-
gambar persamaan, dan persamaan menjadi estimasi. Konstruk-konstruk yang dibangun dalam diagram alur, yaitu:
1 Konstruk eksogen
Exogenous Constructs
Konstruk eksogen dikenal juga sebagai “
source variables
” atau “
independent variables
” yang tidak diprediksi oleh variabel yang lain dalam model.
2 Konstruk endogen
Endogenous Constructs
Konstruk endogen adalah faktor-faktor yang diprediksi oleh satu atau beberapa konstruk. Konstruk endogen dapat
memprediksi satu atau beberapa konstruk endogen lainnya, tetapi konstruk eksogen hanya dapat berhubungan kausal
dengan konstruk endogen. Setelah pengembangan model teoretis dan konstruk
– konstruk dibangun maka penelitian ini dapat dimodelkan dalam diagram alur sebagai berikut :
Komitmen Organisasi
Keadilan Eksternal
Loyalitas karyawan
Keadilan Distributif
internal
Y
1.1
Y
1 2
Y
1 3
Y
1 4
Y
1 5
X
1.4
X
1.5
X
1.3
X
1.1
X
1.2
X
1.6
Y
2.1
Y
2.2
Y
2.3
X
2.1
X
2.2
X
2.3
X
2.4
Gambar III. 1 Diagram Alur
Path Diagram
c. Konversi diagram alur ke dalam persamaan
Setelah teori atau model teoretis dikembangkan dan digambarkan dalam sebuah diagram alur, peneliti dapat mengkonversi
spesifikasi model tersebut kedalam rangkaian persamaan. Persamaan yang akan dibangun terdiri dari :
1 Persamaan-persamaan struktural
structural equations
Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas antar berbagai konstruk. Persamaan struktural pada
dasarnya dibangun dengan pedoman berikut ini:
Variabel Endogen = Variabel Eksogen + Variabel Endogen + Erorr. Adapun persamaan tersebut, yaitu :
ɳ
1
= ƴ
11
ξ
1
+ ƴ
12
ξ
2
+ ζ
1
ɳ
2
= ƴ
21
ξ
1
+ ƴ
22
ξ
2
+ β
21
+ ζ
2
Dimana:
ξ = Variabel laten eksogen untuk Variabel X
ɳ = Variabel laten endogen untuk variabel Y
X = Indikator variabel eksogen Y = Indikator variabel endogen
ƴ = Hubungan langsung antara variabel eksogen terhadap variabel endogen
β =
Reggression Weight
hubungan langsung antara variabel endogen dengan variabel endogen
λ = Hubungan antara variabel laten eksogen maupun variabel laten endogen terhadap indikator-indikatornya
ζ = Kesalahan dalam persamaan yaitu antara variabel laten eksogen danatau endogen terhadap variabel endogen
=
measurement error
dari indikator variabel eksogen =
measurement error
dari indikator variabel endogen 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. Adapun persamaan tersebut, yaitu ;
Persamaan pengukuran variabel eksogen:
x
11
= λ
111
ξ
1
+
1
x
12
= λ
112
ξ
1
+
2
x
13
= λ
113
ξ
1
+
3
x
14
= λ
114
ξ
1
+
4
x
15
= λ
115
ξ
1
+
5
x
16
= λ
116
ξ
1
+
6
x
21
= λ
221
ξ
2
+
7
x
22
= λ
222
ξ
2
+
8
x
23
= λ
223
ξ
2
+
9
x
24
= λ
224
ξ
2
+
10
Persamaan pengukuran variabel eksogen:
y
11
= λ
311
ɳ
1
+
1
y
12
= λ
312
ɳ
1
+
2
y
13
= λ
313
ɳ
1
+
3
y
14
= λ
314
ɳ
1
+
4
y
15
= λ
315
ɳ
1
+
5
y
21
= λ
421
ɳ
2
+
6
y
22
= λ
422
ɳ
2
+
7
y
23
= λ
423
ɳ
2
+
8
ζ
1
β
21
ƴ
21
ƴ
22
ƴ
12
ƴ
11
λ
224
λ
223
λ
222
λ
221
δ7 δ9
δ10 δ8
λ
423
λ
422
λ
421 Ԑ6
Ԑ7
Ԑ8
λ
315
λ
314
λ
313
λ
312
λ
311 Ԑ1
Ԑ2 Ԑ3
Ԑ 4 Ԑ5
X23 X24
X22 X21
Y13 Y14
Y15 Y12
Y11
ɳ
1
ɳ
2
ξ
2
ξ
1
Y21
Y22
Y23
λ
116
λ
115
λ
114
λ
113
λ
111
λ
112
δ
1
δ
3
δ
4
δ
5
δ
6
δ
2
X13 X14
X15 X12
X11 X16
ζ
2
Gambar III. 2 Diagram Alur
Yang telah dikonversikan
d. Memilih Matriks Input dan Estimasi Model
Perbedaan SEM dengan teknik-teknik multivariat lainnya adalah dalam input data yang digunakan dalam pemodelan dan
estimasinya. SEM hanya menggunakan matriks varians atau kovarians atau matriks korelasi sebagai data input keseluruhan
estimasi yang dilakukannya. Teknik Estimasi yang tersedia dalam AMOS 18.0 adalah :
1
Maximum Likehood Estimation ML
2
Generalized Least Square Estimation GLS
3
Unweigthed Least Square Estimation ULS
4
Scale Free Least Square Estimation SLS
5
Asymptotically Distribution-Free Estimation ADF
Berikut ini dikemukan beberapa teknik estimasi yang dapat dipilih berdasarkan besarnya sampel yang digunakan sebagai
berikut :
Tabel III. 2 Memilih Teknik Estimasi
Pertimbangan Teknik yang
dapat dipilih Keterangan
Bila asumsi normalitas dipenuhi dan ukuran
sampel kecil 100-200 ML
ULS dan SLS biasanya tidak menghasilkan uji χ
2
, karena itu tidak menarik
perhatian peneliti. Bila asumsi normalitas
dipenuhi dan ukuran sampel antara 200-500
ML dan GLS Bila ukuran sampel
kurang dari 500, hasil GLS cukup baik.
Bila asumsi normalitas kurang dipenuhi dan
ukuran sampel lebih dari 2500
ADF ADF kurang cocok bila
ukuran sampel kurang dari 2500
Dalam penelitian ini teknik estimasi dalam
structural equation modeling
yang digunakan adalah
maximum likehood estimation ML,
karena sampel yang digunakan sebanyak 130 responden. e.
Kemungkinan munculnya masalah identifikasi Problem indetifikasi dapat muncul melalui 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
Munculnya angka-angka yang aneh seperti adanya varians error yang negatif.
f. Evaluasi kriteria
goodness-of-fit
Pada langkah ini kesesuaian model dievaluasi, melalui telaah terhadap berbagai kriteria
goodness-of-fit
. Untuk itu tindakan pertama yang dilakukan adalah mengevaluasi apakah data yang
digunakan dapat memenuhi asumsi-asumsi SEM.
K. Uji Kesesuaian dan Uji Statistik
Kategori