76
Tabel 4.5. Hasil Jawaban Responden untuk Pertanyaan Variabel Disiplin Kerja Y
Skor Jawaban No
Pertanyaan 1
2 3
4 5
6 7
Total
1 Menurut anda, mengenai
standar minimal tingkat kehadiran absensi yang
ditetapkan perusahaan guna meningkatkan disiplin kerja
karyawan ? 0 2 12
31 32
24 9 110
2 Menurut anda, sanksi
hukuman yang diberikan perusahaan kepada
karyawan yang tidak disiplin ?
0 1 11 23 34 29 12 110
Total 0 3 23 54 66 53 21 220
Sumber: Hasil Penyebaran Kuesioner diolah peneliti pada lampiran 2 Berdasarkan hasil penyebaran kuesioner diketahui bahwa
responden cenderung setuju dengan pertanyaan yang diberikan. Hal ini ditunjukkan dengan banyaknya responden yang memberikan skor jawaban
5 dengan total jawaban sebanyak 66, meskipun juga terdapat 3 responden yang memberikan jawaban pada skor 2.
Responden menyatakan bahwa standar minimal tingkat kehadiran absensi yang ditetapkan perusahaan guna meningkatkan disiplin kerja
karyawan sangat diperhatikan seluruh karyawan dan sudah berjalan cukup baik dan juga mengenai sanksi hukuman karyawan dinilai cukup berat dan
tegas bagi karyawan yang tidak disiplin.
4.4. Deskripsi Hasil Analisis dan Uji Hipotesis
4.4.1. Asumsi Model
4.4.1.1. Evaluasi Atas Outlier
Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya
77
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 bebasnya df = 13. Ketentuan : bila Mahalanobis dari
nilai 2 adalah multivariate outlier. Pada penelitian ini terdapat outlier
apabila nilai Mahalanobis distancenya 34,528. Untuk lebih memperjelas uraian mengenai evaluasi outlier
multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate :
Tabel 4.6. Hasil Pengujian Outlier Multivariate
Minimum Maximum
Mean Std.
Deviation N
Predicted Value 23,757
106,093 55,500
15,122 110
Std. Predicted Value -2,099
3,346 0,000
1,000 110
Standard Error of Predicted Value 7,242
14,697 10,554
1,620 110
Adjusted Predicted Value 16,325
107,393 55,549
15,721 110
Residual -61,391
58,186 0,000
28,086 110
Std. Residual -2,051
1,944 0,000
0,938 110
Stud. Residual -2,191
2,104 -0,001
1,002 110
Deleted Residual -70,022
68,173 -0,049
32,071 110
Stud. Deleted Residual -2,236
2,144 -0,001
1,008 110
Mahalanobis Distance [MD] 5,392
25,296 12,882
4,201 110
Cooks Distance 0,000
0,054 0,010
0,011 110
Centered Leverage Value 0,049
0,232 0,118
0,039 110
a Dependent Variable : NO. RESP
Sumber : lampiran 3 Berdasarkan tabel diatas, steleh dilakukan pengujian tidak
terdapat outlier multivariat [antar variabel], karena MD Maksimum 25,296 34,528
78
4.4.1.2. Uji Reliabilitas
Hasil pengujian reliabilitas Consistency Internal dalam penelitian ini dapat dilihat pada tabel berikut ini :
Tabel 4.7. Pengujian Reliability Consistency Internal
Konstrak Indikator
Item to Total Correlation Koefisien Cronbachs
Alpha
X11 0,490
X12 0,603
Work-Family Conflict
X13 0,498
-0,292 X21
0,454 X22
0,612 X23
0,470 Kepuasan Kerja
X24 0,453
-0,022 X31
0,551 X32
0,396 X33
0,380 Lingkungan Kerja
X34 0,551
-0,021 Y1
0,687 Disiplin Kerja
Y2 0,685
-0,127 tereliminasi
Sumber : lampiran 3 Koefisien Cronbach’s Alpha dihitung untuk mengestimasi
reliabilitas setiap skala [variabel atau indikator observasian]. Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-
ukuran dan mengeliminasi item-item yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan.
Proses eleminasi diperlakukan pada item to total correlation pada
indikator yang nilainya 0,5 [Purwanto,2003]. Terjadi eliminasi karena nilai item to total correlation indikator belum seluruhnya
≥ 0,5. Indikator yang tereliminasi tidak disertakan dalam perhitungan
cronbachs alpha. Perhitungan cronbachs dilakukan setelah proses eliminasi.
Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil yang tidak semuanya baik, dimana
79
koefisien Cronbach’s Alpha yang diperoleh tidak seluruhnya memenuhi rules of thumb yang disyaratkan yaitu
≥ 0,7 [Hair et.al.,1998].
4.4.1.3. Uji Validitas
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 derajad sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum.
Karena indikator multidimensi, maka uji validitas dari setiap latent variabelconstruct 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 4.8. Hasil Pengujian Validitas
Faktor Loading Konstrak
Indikator 1
2 3
4
X11 0,997 X12 0,082
Work-Family Conflict
X13 -0,237 X21 0,997
X22 0,073 X23 -0,078
Kepuasan Kerja X24 0,081
X31 -0,350
LingkunganKerja X34
0,093 Y1 0,352
Disiplin Kerja Y2 -0,216
Sumber : Hasil Pengolahan Data Lampiran 3
80
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap
construct sebagian besar lebih besar dari 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya
baik.
4.4.1.4. Uji Construct Reliability Variance Extrated
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. 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:
[ Standardize Loading]
Construct Reliability = [
Standardize Loading]
+ ]
j 2
[Standardize Loading ] Variance Extracted =
2
[Standardize Loading ] +
j
81
Sementara
j
dapat dihitung dengan formula
j
= 1 – [ Standardize loading ] secara umum, nilai construct reliability yang
dapat diterima adalah 0,5 Hair at, 1998. Standardize loading dapat
diperoleh dari output AMOS 4.01, dengan melihat estimasi setiap construct standardize regression weight terhadap setiap butir sebagai
indikatornya.
j
= 1 - [Standardize Loading]
2
Hasil pengujan Construct Reliability dan Variance Extraced dalam penelitian ini akan ditampilkan pada tabel berikut:
Tabel 4.9. Construct Reliability Variance Extrated
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error [
εj] Construct
Reliability Variance
Extrated
X11 0,997 0,994 0,006
X12 0,082 0,007 0,993
Work- Family
Conflict X13 -0,237 0,056
0,944 0,267 0,352
X21 0,997 0,994 0,006
X23 0,073 0,005 0,995
Kepuasan Kerja
X24 -0,078 0,006 0,994
0,330 0,335 X31 0,081 0,007
0,993 Lingkungan
Kerja X34 -0,350 0,123
0,878 0,037 0,065
Y1 0,093 0,009 0,991
Dsiplin Kerja
Y2 0,352 0,124 0,876
0,096 0,066 Batas
Dapat Diterima
≥ 0,7 ≥ 0,5
Sumber : Hasil Pengolahan Data Lampiran 3 Selain melakukan pengujian konsistensi internal Cronbach’s
Alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian tersebut masih termasuk uji konsistensi
internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran
yang sama. Hasil pengujian reliabilitas instrumen dengan construct reliability
dan variance extracted menunjukkan instrumen kurang reliabel, yang
82
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 0,70 pun masih dapat diterima sepanjang disertai alasan–
alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50.
4.4.1.5. Uji Normalitas Sebaran dan Linieritas
Uji normalitas sebaran dilakukan dengan Skweness 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 :
Tabel 4.10. Hasil Pengujian Normalitas
Variable min
Max kurtosis
c.r.