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.