Populasi Instrumen Penelitian METODE PENELITIAN
41
Selanjutnya pada Tabel 6 menunjukkan bahwa semua item pernyataan pada masing-masing variabel mengelompok menjadi
satu, dengan nilai loading factor di atas dan di bawah 0,50. Hal ini menunjukkan bahwa indikator tersebut merupakan satu kesatuan
alat ukur yang mengukur satu konstruk yang sama dan dapat memprediksi apa yang seharusnya diprediksi.
Tabel 7. Rotated Component Matrix Tahap 1
Berdasarkan tabel di atas diketahui bahwa tidak semua item pernyataan dinyatakan valid di atas 0,5. Item kinerja 5, komitmen
organisasi 6, dan item beban kerja 5 dinyatakan gugur karena
Rotated Component Matrix
a
,720 ,762
,768 ,737
,449 ,694
,693 ,767
,677 ,570
,686 ,691
,715 ,700
,499 ,634
,710 ,770
,766 ,428
BK1 BK2
BK3 BK4
BK5 BK6
BK7 BK8
BK9 KO1
KO2 KO3
KO4 KO5
KO6 Kinerja1
Kinerja2 Kinerja3
Kinerja4 Kinerja5
1 2
3 Component
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
Rotation converged in 5 iterations. a.
42
memiliki nilai loading factor di bawah 0,5. Selanjutnya berdasarkan hasil uji CFA pertama dengan adanya beberapa item yang dinyatakan
gugur, maka item-item tersebut dihapuskan dan tidak digunakan dalam penelitian selanjutnya. Jumlah item yang gugur yaitu
sebanyak 3 butir pernyataan dari 20 butir item keseluruhan sehingga yang digunakan sebanyak 17 butir item pernyataan.
Tabel 8. Rotated Component Matrix Tahap 2
Berdasarkan Tabel 8 diketahui bahwa semua item telah mengelompok sesuai dengan indikatornya dan berdasarkan hasil di
atas diketahui semua item pernyataan dinyatakan valid dengan nilai loading factor di atas 0,50.
Rotated Component Matrix
a
,775 ,806
,805 ,789
,752 ,747
,805 ,712
,782 ,865
,840 ,803
,855 ,731
,850 ,861
,782 BK1
BK2 BK3
BK4 BK6
BK7 BK8
BK9 KO1
KO2 KO3
KO4 KO5
Kinerja1 Kinerja2
Kinerja3 Kinerja4
1 2
3 Component
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
Rotation converged in 5 iterations. a.
43
Selanjutnya dilakukan uji validitas convergent validitydan divergent validity.
1 Convergent Validity
Convergent validity digunakan untuk mengetahui nilai masing-masing konstruk sama atau tidak. Convergent validity diukur
berdasarkan nilai loading factor dan average variance extracted AVE. Fornell dan Larcker, 1981 mengatakan nilai convergent
validity diterima jika nilai AVE di atas 0,50.
Tabel 9. Mean, Standard Deviation SD, AVE, Cronbach`s value and
Correlations
Variabel Mean
SD AVE
1 2
3 Beban_Kerja
3,59 0,37 0,696
0,906
Komitmen_Organisasi 3,59
0,45 0,643 -0,280 0,826
Kinerja 3,70
0,55 0,662 -0,442 0,543 0,826
Sumber: Data diolah tahun 2017 Nilai Cronbach` s Alpha pada angka bercetak tebal.
2 Divergent Validity
Divergent validity diukur berdasarkan nilai korelasi dan discriminant validity. Divergent validity digunakan untuk menguji apakah antar
konstruk signifikan berbeda. Campbell dan Fiske 1959 menyatakan bahwa nilai discriminant validity harus kurang dari 0,85. Pada Tabel
10 nilai discriminant validity kurang dari 0,85 hal ini menunjukkan bahwa antar variabel memang berbeda. Nilai discriminant validity
ditunjukkan pada tabel berikut.