a. Pertanyaan pertama mengenai upah yang diterima di perusahaan lain lebih
besar dari pada upah yang diterima responden sekarang sebagian besar responden setuju terhadap pernyataan tersebut hal tersebut dapat dilihat dari
skor terbanyak ada pada skor 6 sebanyak 45 jawaban atau 41,7 b.
Pertanyaan kedua mengenai kondisi temapt kerja responden sekarang yang kurang baik sebagian besar responden menjawab setuju hal ini dapat dilihat
dari skor jawaban terbanyak ada pada skor 5 yaitu sebanayk 32 jawaban atau 29,6
c. Pertanyaan ketiga mengenai adanya permasalahan dengan atasan sebagian
besar responden tidak setuju hal ini dapat dilihat dari skor terbanyak ada pada skor 1 yaitu sebanyak 58 orang atau 53,7
d. Pertanyaan keempat mengenai kondisi organisasi perusahaan lain yang lebih
baik sebagian besar responden menjawab setuju hal ini dapat dilihat dari skor jawaban terbanyak ada pada skor jawaban 5sebanyak 37 jawaban atau 34,3
4.3. Deskripsi Hasil Analisis Dan Uji Hipotesis
4.3.1. Uji Normalitas dan Sebaran Linieritas
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk
menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat
ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58. Hasil pengujian normalitas pada penelitian ini akan ditampilkan pada tabel
berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.7 Hasil Uji Normalitas
Variable min max
kurtosis c.r.
X11 3 7
0,102 0,217
X12 1 7
-0,555 -1,177
X13 1 7
-1,156 -2,453
X14 1 7
-1,039 -2,204
X21 4 7
1,470 3,118
X22 1 7
0,390 0,827
X23 3 7
0,232 0,491
X24 4 7
-0,206 -0,436
Y1 1 7
0,448 0,949
Y2 1 7
0,580 1,231
Y3 1 7
-0,507 -1,075
Y4 1 7
-0,339 -0,719
Multivariate -2,855 -0,809
Batas Normal ± 2,58
Sumber : Lampiran 3 Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di dalam ± 2,58
itu berarti asumsi normalitas terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler Chou [1987] bahwa jika teknik estimasi
dalam model SEM menggunakan maximum likelihood estimation [MLE] walau ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga
data layak untuk digunakan dalam estimasi selanjutnya
4.3.2. Evaluasi atas Outlier
Outlier adalah observasi atau data yang memiliki karakteristik unik yang
terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi
Hair,1998. Multivariate outlier
diuji dengan kriteria jarak Mahalanobis pada tingkat p
0,001. Jarak diuji dengan Chi-Square [ 2] pada df sebesar jumlah variabel
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
bebasnya df = 12. Ketentuan : bila Mahalanobis dari nilai 2 adalah
multivariate outlier . Pada penelitian ini terdapat outlier apabila nilai Mahalanobis
distancenya 32.090. Untuk lebih memperjelas uraian mengenai evaluasi outlier
multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate :
Tabel 4.8. Hasil Pengujian Outlier Multivariate
Minimum Maximum
Mean Std.
Deviation N
Predicted Value 17,220
88,384 54,500
17,078 108
Std. Predicted Value -2,183
1,984 0,000
1,000 108
Standard Error of Predicted Value
6,046 13,426 9,542
1,560 108
Adjusted Predicted Value 18,189
91,559 54,634
17,388 108
Residual -64,048
57,553 0,000
26,255 108
Std. Residual -2,299
2,065 0,000
0,942 108
Stud. Residual -2,380
2,154 -0,002
1,002 108
Deleted Residual -68,690
62,618 -0,134
29,721 108
Stud. Deleted Residual -2,442
2,197 -0,003
1,010 108
Mahalanobis Distance [MD] 4,047
23,851 11,889 4,230 108
Cooks Distance
0,000 0,058 0,010 0,013 108 Centered Leverage Value
0,038 0,223
0,111 0,040
108 a Dependent Variable :
NO. RESP Sumber : Lampiran 4
Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD maksimum adalah 23,581 lebih kecil dari 32,090. Oleh karena itu diputuskan
dalam penelitian tidak terdapat outlier multivariate antar variabel. 4.3.3.
Deteksi Multicollinierity dan Singularity
Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil, maka terjadi
multikolinieritas dan singularitas Tabachnick Fidell, 1998.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.0 diperoleh hasil Determinant of Sample Covariance Matrix adalah 0 yaitu sebesar
1.875.402.943 0mengindikasikan tidak terjadi multikolinieritas dan singularitas
dalam data ini sehingga asumsi terpenuhi. 4.3.4.
Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya
diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana
masing-masing indikator itu mengindikasikan sebuah konstruk yang umum. Karena indikator multidimensi, maka uji validitas dari setiap latent
variabel construct akan diuji dengan melihat faktor loading faktor dari hubungan
antara setiap observed variabel dan latent variabel. Sedangkan reliabilitas diuji dengan construct reliability dan variance extracted.
Dari hasil pengolahan data didapatkan hasil sebagai berikut : Tabel 4.9
Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis
Faktor Loading Konstrak Indikator
1 2 3 4
X11 0,384 X12 0,630
X13 0,767 Job Insecurity
X14 0,517 X21
0,619 X22
0,484 X23
0,639 Organizational
Commitment X24
0,504 Y1
0,289 Y2
0,511 Y3
0,539 Turnover Intention
Y4 0,764
Sumber: Lampiran 5
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loading masing-masing butir pertanyaan yang membentuk setiap construct belum
seluruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat
dikatakan validitasnya cukup baik. Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas
setiap skala variabel atau indikator observarian. Sementara itu item to total correlation
digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi butir-butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha
yang dihasilkan. Hasil pengujian reliabilitas Consistency Internal dalam penelitian ini dapat
dilihat pada tabel berikut ini : Tabel 4.10
Pengujian Reliability Consistency Internal Konstrak Indikator
Item to Total Correlation
Koefisien Cronbachs
Alpha X11 0,525
X12 0,763 X13 0,799
Job Insecurity X14 0,702
0,660 X21 0,640
X22 0,797 X23 0,673
Organizational Commitment
X24 0,636 0,601
Y1 0,557 Y2 0,702
Y3 0,715 Turnover
Intention Y4 0,741
0,615 Sumber : Lampiran 6
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan cukup baik dimana koefisien Cronbach’s Alpha yang diperoleh
belum seluruhnya memenuhi rules of thumb yang disyaratkan yaitu ≥ 0,7 [Hair
et.al.,1998]. Tidak terjadi eliminasi karena nilai item to total correlation indikator seluruhnya
≥ 0,5. Selain melakukan pengujian konsistensi internal Cronbach’s Alpha, perlu
juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian tersebut masih dalam koridor uji konsistensi internal yang akan
memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang sama. Construct reliability dan
Variance-extracted dihitung dengan rumus sebagai berikut:
j ading
dardize Lo S
Loading Stadardize
liability Construct
2 2
tan Re
j ading
dardize Lo S
Loading Stadardize
xtracted Variance E
2 2
tan Sementara
j
dapat dihitung dengan formula
j
= 1 – [Strespondenrdize loading]
secara umum, nilai construct reliability yang dapat diterima adalah 0,5
Hair at, 1998. Strespondenrdize loading dapat diperoleh dari output AMOS 4.01, dengan melihat estimasi setiap construct strespondenrdize regression weight
terhadap setiap butir sebagai indikatornya.
2
tan 1
ading dardize Lo
S j
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Hasil pengujan Construct Reliability dan Variance Extraced dalam penelitian ini akan ditampilkan pada tabel berikut:
Tabel 4.11 Construct Reliability Variance Extrated
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [
εj] Construct
Reliability Variance
Extrated X11 0,384
0,147 0,853
X12 0,630 0,397
0,603 X13 0,767
0,588 0,412
Job Insecurity X14 0,517
0,267 0,733
0,670 0,350 X21 0,619
0,383 0,617
X22 0,484 0,234
0,766 X23 0,639
0,408 0,592
Organizational Commitment
X24 0,504 0,254
0,746 0,650 0,320
Y1 0,289 0,084
0,916 Y2 0,511
0,261 0,739
Y3 0,539 0,291
0,709 Turnover
Intention Y4 0,764
0,584 0,416
0,614 0,305
Sumber : Lampiran 7 Hasil pengujian reliabilitas instrumen dengan construct reliability dan
variance extracted menunjukkan instrumen cukup reliabel, yang ditunjukkan dengan nilai construct reliability belum seluruhnya
≥ 0,7. Meskipun demikian angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian yang-
dilakukan bersifat exploratory, maka nilai di bawah 0,7 pun masih dapat diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi.
Dan variance extracted direkomendasikan pada tingkat 0,5.
4.3.5. Pengujian Model Dengan
