c. Kebutuhan akan afiliasi Y
1.3
Merupakan kebutuhan karyawan untuk bersosialisasi dengan karyawan lainnya.
d. Kinerja Y
2
Kinerja adalah hasil – hasil fungsi pekerjaankegiatan seseorang atau kelompok dalam suatu organisasi yang dipengaruhi oleh berbagai
faktor untuk mencapai tujuan organisasi dalam periode waktu tertentu Tika, 2006:121. Dalam hal ini adalah hasil –hasil fungsi pekerjaan yang
dihasilkan oleh karyawan PT. Hikmah Sejahtera Surabaya. Indikator – indikator kinerja menurut Dharma 2003:355 adalah :
a. Kuantitas Y
2.1
Merupakan jumlah keluaran atau output yang harus dihasilkan oleh karyawan dalam melaksanakan pekerjaannya.
b. Kualitas Y
2.1
Merupakan mutu output yang harus dihasilkan oleh karyawan dalam melaksanakan pekerjaannya.
c. Ketepatan Waktu Y
2.3
Merupakan kesesuaian waktu yang dihasilkan oleh karyawan dalam menyelesaikan pekerjaan dengan yang direncanakan.
Dari variabel diatas dinilai dengan menggunakan skala interval dengan bentuk skala Likert. dengan skala penilaian skor 1 sampai dengan
7, dengan variasi jawaban untuk masing-masing item pertanyaan adalah
”sangat setuju”, ”setuju”, ”agak setuju”, “netral”, ”agak tidak setuju”, ”tidak setuju” dan ”sangat tidak setuju”. Masing-masing pilihan jawaban
diberi nilai 1 untuk jawaban ekstrim negatif dan nilai 7 untuk jawaban ekstrim positif. Dan dapat
.
digambarkan sebagai berikut:
Dalam hal ini yang melakukan penilaian kinerja dan dapat mengisi kuisioner kinerja dilakukan oleh General Manager dibantu dengan
Operasional Manager, Manager HRD GA, Manager Purchasing, Admintrasi Purchasing, dan Staff HRD GA PT. Hikmah Sejahtera
Surabaya. Karena jajaran manajemenlah yang dirasa lebih mengerti kinerja dari karyawannya.
Populasi dan Sampel Populasi
Populasi adalah gabungan dari seluruh elemen yang berbentuk peristiwa, hal atau orang yang memiliki karakteristik yang serupa yang
menjadi pusat perhatian seorang peneliti karena itu dipandang sebagai sebuah semesta penelitian Ferdinand, 2006:223. Jadi populasi bukan
hanya orang, tetapi juga obyek dan benda-benda alam lainnya. Populasi juga bukan sekedar jumlah yang ada pada obyek atau subyek yang
dipelajari, tetapi meliputi seluruh karakteristiksifat yang dimiliki oleh subyek itu. Populasi yang dipergunakan dalam penelitian ini adalah
1 7
Sangat setuju Sangat tidak setuju
5
seluruh karyawan PT. Hikmah Sejahtera Surabaya. Maka jumlah populasi
yang dipakai sebesar 113 orang karyawan.
Sampel
Sampel dalam penelitian ini adalah karyawan PT. Hikmah Sejahtera Surabaya selain jajaran manajemen. Teknik pengambilan sempel
menggunakan purposive sampling. Pemilihan sampel ini dilakukan karena mereka memenuhi kriteria yang ditentukan oleh peneliti. Jumlah
sampelnya dalam penelitian ini adalah 107 orang karyawan PT. Hikmah Sejahtera Surabaya.
Sesuai dengan alat analisis SEM sebagaiman ditentukan oleh Ferdinand 2002 : 48. Yang menyatakan bahwa : dengan teknik Estimasi
Maximum Likelihood antara 100 – 200 tergantung pada jumlah
parameter yang diestimasi. Pedomannya adalah 5-10 jumlah parameter yang di estimasi tergantung pada jumlah indikator yang digunakan dalam
seluruh variabel laten. Jumlah sample adalah jumlah indikator dikali 5- 10. bila terdapat indicator besarnya sample adalah 100-200. bila sampelnya
sangat besar maka peneliti dapat memlilih teknik estimasi. Misalnya bila jumlah sample diatas 2500 teknik estimasi ADF asymptotically
distribution free estimation dapat digunakan.
Teknik Pengumpulan Data
1. Jenis Data
a. Data Primer
Data yang diperoleh dari penelitian yang berdasarkan hasil jawaban dari daftar pertanyaan kuisioner yang disebarkan kepada
responden tentang faktor-faktor yang berhubungan dengan obyek penelitian.
2. Sumber Data
a. Jawaban kuisioner yang disebarkan kepada responden.
b. Kantor PT. Hikmah Sejahtera Surabaya dibagian personalia.
3. Metode Pengumpulan Data
Pengumpulan data tidak lain dari suatu proses pengadaan data primer untuk keperluan penelitian. Pengumpulan data merupakan langkah
yang amat penting dalam metode ilmiah karena pada umumnya data yang dikumpulkan harus valid untuk digunakan dalam penelitian ini digunakan
beberapa metode dalam membantu pengumpulan data yang lengkap sehingga dapat mendukung landasan teori, memudahkan analisa dalam
rangka pemecahan masalah. Adapun teknik yang digunakan adalah: a.
Metode Kuisioner Teknik pengumpulan data dengan memberikan daftar pertanyaan
angket kepada karyawan PT. Hikmah Sejahtera Surabaya untuk memperoleh informasi langsung.
b. Metode Observasi
Merupakan suatu teknik pengumpulan data dengan melakukan pengamatan langsung pada obyek penelitian. Dalam hal ini peneliti
melakukan observasi langsung di PT. Hikmah Sejahtera Surabaya.
Teknik Analisis Data Uji Realibilitas
Realibilitas adalah ukuran mengenai konsistensi dari indikator- indikator sebuah konstruk yang menunjukkan derajat sampai dimana
masing - masing indikator mampu mengidentifikasi sebuah konstruk atau faktor variabel laten. Dengan kata lain bagaimana hal-hal spesifik saling
membantu dan menjelaskan sebuah fenomena yang umum. Composite Reliability
diperoleh melalui rumus berikut Ferdinand, 2002:62: ∑ Std. Loading
2
Construc Reability =
∑ Std. Loading
2
+ ∑
€
• Std. Loading
diperoleh langsung dari standardized loading untuk tiap-tiap indikator yang dapat diambil dari hasil perhitungan
komputer. j
Dimana:
• ∑
€
j adalah measurement error dari tiap-tiap indikator. Measurement
error dapat diperoleh dari 1- reabilitas indikator.
Variance Extracted
Variance Extracted adalah ukuran yang menunjukkan varians dari
indikator-indikator yang diekstrasi oleh konstruk laten yang dikembangkan. Nilai Variance Extracted ini direkomendasikan pada
tingkat paling sedikit 0.05. Variance Exracted diperoleh melalui rumus berikut Ferdinand, 2002:63:
Σ Std. Loading Variance extracted =
2
Std. Loading
2
+ Σ
€
Dimana: j
• Std. Loading
diperoleh langsung dari standardized loading untuk tiap-tiap indikator yang dapat diambil dari hasil perhitungan
computer. •
∑
€
j adalah measurement error dari tiap-tiap indikator. Measurement
error dapat diperoleh dari 1- reabilitas indikator.
Uji Validitas
Validitas menyangkut akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau ukurannya pengukurannya atas apa yang
seharusnya diukur. Validitas juga dapat digunakan untuk menentukan apakah indikator yang diestimasi secara valid mengukur dimensi dan
konsep yang diujinya.
Uji Normalitas
Selebaran data harus dianalisis untuk mengetahui apakah asumsi normalitas dipenuhi, sehingga data dapat diolah lebih lanjut pada path
diagram. Untuk menguji normalitas distribusi data yang diinginkan dalam analisis, peneliti dapat mengguanakan uji statistik. Uji paling mudah
adalah dengan mengamati Skewness Value dari data yang digunakan., yang biasanya disajikan dalam statistik deskriptif dari hampir semua program
staistik. Nilai statistik untuk menguji normalitas itu disebut sebagai Z – value
yang dihasilkan melalui rumus: Nilai Z = Skewmess
Uji Hipotesis
dimana N adalah ukuran sampel √6
n Bila nilai Z lebih besar dari kritis atau critical ratio Ferdinand,
2002:95. Maka dapat diduga bahwa distribusi data tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikan yang dikehendaki.
Structural Equation Modeling SEM
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structual Equation Modeling SEM, yaitu sekumpulan teknik-
teknik statistik yang memungkinkan pengujian hubungan yang relatif rumit secara simultan. Hubungan yang rumit tersebut dibangun antara satu
variabel dependen dipengaruhi dengan satu variabel independent mempengaruhi. Masing-masing variabel dependen dan variabel
independen dapat berbentuk konstruk yang dibangun dari beberapa variabel dependen Ferdinand, 2002:16. Model pengukuran variabel
kompensasi, kepemimpinan, motivasi, dan kinerja menggunakan Confirmatory factor analysis CFA, yaitu uji kesesuaian model serta uji
signifikasi bobot factor latenkonstruk laten.
Evaluasi Outlier
Outliers adala observasi yang muncul dengan nilai-nilai ekstrim
baik secara unvariate maupun multivariate Ferdinand, 2002:52-53. Dapat diadakan perlakuan khusus pada outliers ini asal diketahui bagaimana
munculnya outliers itu. Outliers pada dasarnya muncul dalam empat kemungkinan:
a. Karena kesalan prosedur, seperti kesalahan dalam memasukkan
data atau kesalahan dalam mengkoding data. b.
Kesalahan keadaan yang benar-benar khusus yang mungkin memprofilkan datanya lain daripada yang lain, tetapi peneliti
mempunyai penjelasan mengenai penyebab munculnya nilai ekstrim itu.
c. Karena adanya suatu alasan tetapi peneliti tidak dapat mengetaui
apa penyebabnya atau tidak ada penjelasan mengenai sebab-sebab munculnya nilai ekstrim itu.
d. Outliers
dapat muncul dalam range nilai yang ada, tetapi dikombinasi dengan variabel lain, kombinasinya menjadi tidak
lazim atau sangat eksrim. Nilai yang disebut multivariate outliers.
Evaluasi Multicolienarity dan Singularity
Untuk melihat apakah pada data penelitian terdapat multikolinearitas atau singulartas dalam kombnasi-kombinasi variabel,
maka yang perlu diamati adalah determinan dari matriks kovarians sampelnya. Determinan yang kecil atau mendekati nol akan
mengindkasikan adanya multikolinearitas atau singularitas, sehingga data itu tidak dapat digunakan dalam penelitian Ferdinand, 2002:108.
Evaluasi Kriteria Goodness of Fit
Pada langkah ini kesesuaian model dievaluasi, melalui telaah terhadap berbagai kriteria. Untuk itu tindakan pertama yang harus
dilakukan adalah mengevaluasi apakah data yang dipakai memenuhi asumsi yang telah ditetapkan. Pada penelitian ini tidak menguji kevalidan
model, hanya mencari pengaruh faktor-faktor kompensasi dan kepemimpinan terhadap motivasi serta kinerja karyawan maka tidak
memakai uji kesesuaian dan uji statistik.
Pengujan Hipotesis dan Hubungan Kausal
Pengaruh langsung koefisien jalur diamati dari bobot regresi terstandar, dengan pengujian signifikasi pembanding nilai CR Critical
Ratio yang sama dengan nilai t hitung. Apabila t hitung lebih besar dari t
table berarti signifikan.
Evaluasi Model
Hair et.al. 1998, menjelaskan bahwa pola “confirmatory” menunjukkan prosedur yang dirancang untuk mengevaluasi utilitas
hipotesis-hipotesis dengan pengujian fit antara model teoritis dan data empiris. Jika model teoritis menggambarkan “good fit” dengan data,
maka model dianggap sebagai yang diperkuat. Sebaliknya, suatu model teoritis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit”
dengan data. AMOS dapat menguji apakah model “good fit” atau “poor fit”
. Jadi, “good fit” model yang diuji sangat penting dalam
penggunaan Structual Equaton Modeling. Pengujan terhadap model yang dikembangkan dengan berbaai kriteria goodness of fit, yakni Chi Square,
Probability , RMSEA.
GFI, TLI, AGFI, CMIN DF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan pendekatan two step
approach to SEM . Berikut ini disajkan beberapa indeks kesesuaian dan cut
off . Valuennya untuk digunakan dalam menguji apakah model daoat
diterima atau ditolak: a.
χ² – Chi-Square Statistic Chi square bersifat sangat sensitif teradap besarnya sampel yaitu
sample yang terlalu kecil 50 maupun terhadap sampel yang terlalu besar 50. Penggunaan Chi square hanya sesuai bila
ukuran sampel antara 100 – 200 sampel. Bila diluar rentang itu, uji signifikan akan menjadi kurang reliable. Oleh karena itu perlu
dilengkapi dengan alat yang lain. χ² yang kecil dan tidak signifikan
yang diharapkan agar hipotesis nol sulit ditolak. b.
RMSEA – The Root Mean Square Error of Approximation Nilai RMSEA yang lebi kecil atau sama dengan 0.08 merupakan
indeks untuk dapat diterimanya model yang menunjukkan close fit dari model itu bedasarkan degrees of freedom.
c. GFI – Goodness of Fit Index
Indeks kesesuaian ini akan menghitung proporsi tertimbang dari varians dalam bentuk matrik kovarian populasi yang
terestimasikan, GFI yang diharapkan adalah sebesar ≥ 0.09.
d. AGFI – Adjusted Goodness of Fit Index
Indeks ini diperoleh dengan rumus sebagai berikut: Db
AGFI = 1 – 1 – GFI
D
Dimana: Db =
∑ P = jumlah – sample – momen D = degrees of freedom
AGFI yang diharapkan adalah sebesar ≥ 0.09
e. CMIN DF
Indeks ini disebut juga χ² relative yang diperoleh dari perbadingan
antara nilai χ² dengan degrees of freedomnya. χ² relative yang
diharapkan adalah sebesar ≤ 2.0’
f. Tucker Lewis Indeks
Indeks ini diperoleh dengan rumus: Cb C
Db C
TLI =
Cb
Db 1
Dimana: C
= Diskrepansi ketidaksesuaian dari model yang dievaluasi D
= Degrees of freedom dari model yang dievaluasi Cb
= Diskrepansi dari baseline model yang yang dijadikan pembanding
Db = Degrees of freedom dari basaline model yang dijadikan
pembanding TLI yang diharapkan adalah sebesar
≥ 0,95.
g. CFI – Comparative Fit Index
Indeks ini adalah relative moncentrality index RNI, yang diperoleh dengan rumus:
1. C – d
b. CFI = RINI =
1. 1-Cb-db
CFI yang diharapkan adalah sebesar ≥ 0,95.
Tabel 2 Goodness of Fit Indixes
Goodness of Fit Index
Keterangan Cut – off Value
χ² Menguji apakah covariance populasi
yang diestimasi sama dengan covariance sample [apakah sesuai dengan data]
– chi – square
Diharapkan kecil, 1 s.d 5 atau paling baik
diantara 1 dan 2
Probability Uji signifikasi terhadap perbedaan
matriks covariance yang diestimasi. Minimum 0,1 atau
0,2 atau ≥ 0,05
RMSEA Mengkompensasi kelemahan Chi-Square
pada sample besar. ≤ 0.08
GFI Menghitung proporsi tertmbang varians
dalam matriks sampel yang dijelaskan oleh matriks covariance populasi yang
diestimasi [analog denan R dalam regresi berganda].
≥ 0,90
AGFI GFI yang disesuaikan terhadap DF
≥ 0,90 CMINDDF Kesesuaian atara data dan model
≤ 2,00 TLI
Pembandingan antara model yang diuji teradap baseline model
≥ 0,95
CFI Uji kelayakan model yang tidak
sensitive terhadap besarnya sampel dan kerumitan model.
≥ 0,94
Sumber : Hair et. al, 1998.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN