Pengujian Hipotesis dan Hubungan Kasual Pengujian Model dengan

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 variable construct akan diuji dengan melihat loading factor dari hubungan antara setiap obseverd variable dan latent variable. Sedangkan reliabilitas diuji dengan construct reliability dan Variance –extracted. Construct reliability dan Variance – extracted dihitung dengan rumus sebagai berikut : Construct Reliability = Σεj] Loading] e Standardiz [[ Σ Loading] e Standardiz [ Σ 2 2 + Variance Extracted = εj] Σ ] Loading dize [ ΣΣ[Standa ] Loading ze [Standardi Σ 2 2 + Sementara j ε dapat dihitung dengan formula j ε = 1 – [Standardize Loading] secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0.7 dan variance extracted ≥ 0.5 [Hair et.al., 1998]. Standardize Loading dapat diperoleh dari output AMOS 4.01, dengan melihat nilai estimasi setiap Contruct Standardize regressions weights terhadap setiap butir sebagai indikatornya.

3.4.3. Pengujian Hipotesis dan Hubungan Kasual

Pengaruh langsung [koefisien jalur] diamati dari bobot regresi terstandar, dengan pengujian signifikan pembanding nilai CR [Critical Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Ratio] atau p [probability] yang sama dengan nilai t hitung. Apabila t hitung lebih besar dari pada t table berarti signifikan.

3.4.4. Pengujian Model dengan

Two-Step Approach Two – Step Approach to Structural Equation Modeling [SEM]digunakan untuk menguji model yang diajukan pada gambar 3.3. Two-Step Approach digunakan untuk mengatasi masalah sample data yang kecil jika dibandingkan dengan jumlah butir instrumentasi yang digunakan [Hartline Ferrell, 1996], dan keakuratan reliabilitas indikator-indikator terbaik dapat dicapai dengan two-step approach ini. Two-Step Approach bertujuan untuk menghindari interaksi antara model pengukuran dan model structural pada One Step Approach [Hair et.al., 1998]. Yang dilakukan dalam Two-Step Approach to SEM adalah : estimasi terhadap measurement model dan Estimasi terhadap structural model [Anderson dan Gerbing, 1998]. Cara yang dilakukan dalam menganalisis SEM dengan Two-Step Approach adalah sebagai berikut : a. Menjumlahkan skala butir-butir setiap konstuk menjadi sebuah indikator summed-scale bagi setiap konstruk. Jika terdapat skala yang berbeda setiap indikator tersebut distandardisasi [Z-score] dengan mean = 0, deviasi standar = 1, yang tujuannya adalah untuk mengeliminasi pengaruh-pengaruh skala yang berbeda-beda tersebut [Hair et.al., 1998]. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. b. Menetapkan error [ ε ] dan lamda [ λ ] terms, error terms dapat dihitung dengan rumus 0.1 kali 2 σ dan lamda terms dengan rumus 0.95 kali σ [Andeson dan Gerbing, 1998]. Perhitungan contruct reliability [ α ] telah dijelaskan pada bagian sebelumnya dan deviasi standar [ σ ] dapat dihitung dengan bantuan program aplikasi statistic SPSS. Setelah error [ ε ] dan lamda [ λ ] terms diketahui, skor-skor tersebut dimasukkan sebagai parameter fix pada analisis model pengukuran SEM. Diagram jalur dengan Two-Step Approach dapat dilihat sebagai berikut: Gambar 3.4 Model Pengukuran dan Kausal Kepuasan Kerja dan Motivasi Terhadap Kinerja Karyawan Model Specification : Two Step Approach CX1 er_1 er_2 CX2 Kepuasan Kerja X1 Motivasi X2 Kinerja Karyawan Y d_k er_3 CY Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Keterangan symbol-symbol di atas adalah sebagai berikut : : faktor construt latent variabel unobserved variabel yaitu sebuah variabel bentukan, yang dibentuk melalui indikator-indikator yang diamati dalam dunia nyata. : variabel terukur Obseverd variabel indicators variables yaitu variable yang datanya harus dicari melalui observasi, misalnya melalui instrument- instrument survey. Garis dengan anak panah satu arah [ →] = garis yang menunjukkan hubungan yang dihipotesiskan antara dua variabel dimana variable yang dituju anak panah merupakan variabel dependen. CX1 = indikator kepuasan kerja yang sudah dikomposit CX2 = indikator motivasi yang sudah dikomposit CY = indikator Kinerja karyawan yang sudah dikomposit er_i = error term masing-masing indikator yang sudah dikomposit d_i = disturbanceerror masing-masing variable latent [konstrain] 3.4.5. 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 kata, maka model dianggap sebagai yang diperkuat. Sebaliknya, suatu model Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. teoritis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit” dengan data Amos dapat menguji apakah model “good fit” atau “poof fit”. Jadi. “good fit” model yang diuji sangat penting dalam penggunaan Structural Equation Modeling. Pengujian terhadap model dikembangkan dengan berbagai criteria Goodness of fit , yakni Chi-Square, Probability, RMSEA, GFI, TLI, CFI, AGFI, CMINDF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan pendekatan Two-Step Approach to SEM. Berikut ini disajikan beberapa indeks kesesuaian dan cut off, valuenya untuk digunakan dalam menguji apakah model dapat diterima dan ditolak. Tabel 3.1 Goodness of Fit Indices GOODNESS OF FIT INDEK KETERANGAN CUT-OFF VALUE X 2 Menguji apakah covariance populasi yang diestimasi sama dengan covariance sample [apakah model sesuai dengan data] -Chi-Square Diharapkan kecil, 1 sd 5 atau paling baik diantara 1 dan 2 Probability Uji signifikan terhadap perbedaan matriks covariance data dan matriks covariance yang diestimasi Minimum 0.1 atau 0.2 ≥ 0.05 RMSEA Mengkompensasi kelemahan Chi-Square pada sample besar ≤ 0.08 GFI Menghitung proporsi tertimbang varians dalam matriks sample yang dijelaskan oleh matriks covariance populasi yang diestimasi [analog dengan R 2 ≥ 0.90 dalam regresi terhadap berganda]. AGI I GFI yang disesuaikan terhadap DF ≥ 0.90 CMINDF Kesesuaian antara data dan model ≤ 2.00 TLI Pembanding antara model yang diuji terhadap baseline model ≥ 0.95 CFI Uji Kelayakan model yang tidak sensitive terhadap besarnya sample dan kerumitan model. ≥ 0.94 Sumber : Hair et.Al., [1998] Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 1. Chi-Square X 2 Alat uji paling fundamental untuk mengukur overall fit adalah Likelihood Chi-Square Statistic. Chi Square bersifat sangat sensitive terhadap besarnya sample yang digunakan 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 rentan itu, uji signifikan akan menjadi kurang realibel. Oleh karena itu perlu dilengkapi dengan alat yang lain X 2 2. RMSEA The Root Mean Square Error of Approaximation yang kecil dan tidak signifikan yang diharapkan agar hipotesis nol sulit ditolak. RMSEA adalah sebuah indeks yang dapat digunakan mengkompensasi Chi-Square Statistic dalam sampel yang besar. Nilai RMSEA yang lebih kecil atau sama dengan 0.08 merupakan indeks untuk dapat diterima model yang menunjukkan close fit dari model itu berdasarkan degrees of freedom. 3. GFI – Goodness of Fir Index GFI adalah analog dari R 2 dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi tertimbang dari varians dalam bentuk matrik kovarian populasi yang terestimasikan, GFI adalah sebuah ukuran nol-statistikal yang mempunyai rentan nilai antara 0 poor fit sampai dengan 1.0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah better fit. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 4. AGFI-Asdjustyed Goodness of Fit Index AGFI = GFIDF tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0, 90. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians dalam sebuah matrix kovarians sampel. Nilai sebesar 0,95 dapat diinterpretasikan sebagai tingkatan yang baik Good Overal Model Fit sedangkan besaran nilai antara 0,90 – 095 menunjukkan tingkatan cukup Adequate Fit. Indeks ini diperoleh dengan rumus sebagai berikut : AGFI = 1 – 1 GFI D df Dimana : Db = Σ P = jumlah - sampel – moments d = degrees of freedom AGFI yang diharapkan adalah sebesar ≥ 0.90 5. CMINDF CMINDF sebagai salah satu indicator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMINDF tidak lain adalah Stasti Chi-Square, X 2 dibagi DF-nya sehingga disebut juga X 2 relative. Nilai X 2 relative kurang dari 2,0 atau bahkan kadang kurang dari 3,0 adalah indikasi dari acceptable fit antara model dan data. Nilai X 2 relative yang tinggi menandakan adanya perbedaan yang signifikan antara matriks kovarians yang diobservasi dan yang diestimasi X 2 relative diharap adalah sebesar ≤ 2.0. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 6. TLI – Tucker Lewis Index TLI adalah sebuah alternatif incremental fit indeks yang membanding sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan ≥ 0,95 da n nilai yang sangat mendekati 1 menunjukkan A Very Good Fit. Indeks ini diperoleh dengan rumus : Dimana : C = Diskrepansi ketidaksesuaian dari model yang dievaluasi d = Degrees of freedom baseline model yang dievaluasi Cb = Diskrepansi dari baseline model yang dijadikan pembanding Db = Degrees of freedom dari baseline model yang dijadikan pembanding TLI yang diharapkan adalah sebesar ≥ 0.95 . 7. CFI – Comparative Fit Index Besaran indeks ini adalah pada rentan nilai sebesr 0-1, dimana semakin mendekati 1, mengindikasikan tingkat fit yang paling tinggi A Very Goods Fit. Nilai yang direkomendasikan adalah CFI 0.95 keunggulan dari indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. sebuah model. Indeks CFI adalah tidak identik dengan Relative Noncentrality Indeks RNI. Indeks ini adalah indeks dengan relative noncentrality indeks RNI yang diperoleh dengan rumus : CFI = RNI = db Cb d C 1 − − − CFI yang diharapkan adalah sebesar ≥ 0.95. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1. Gambaran Umum Obyek Penelitian

4.1.1. Sejarah Singkat Perusahaan

Sido Jangkung merupakan salah satu perusahaan yang bergerak dibidang Furniture Accessories, yang pembuatan produknya berdasarkan pemesanan. Perusahaan tersebut didirikan pada bulan Mei 1989. Lokasi Perusahaan adalah terletak didesa Betro, Sidoarjo. Sejalan dengan perkembangan ekonomi PT.Sido Jangkung mengalami kemajuan dalam usahanya. Hal ini nampak pada banyaknya mesin dan peralatan yang dimiliki untuk mendukung usahanya. PT.Sido Jangkung didirikan di Jawa Timur dapat dikatakan tepat. karena Jawa Timur khususnya Surabaya merupakan kota Industri,maritim,dan perdagangan , yang berarti memiliki fasilitas dan sasaran untuk dapat mendukung pertumbuhan dan perkembangan usaha industri dan ekspor kayu yang potensial. Meskipun PT.Sido Jangkung jauh dari pelabuhan Tanjung Perak,tetapi masalah waktu dan biaya yang timbul dapat diatasi oleh perusahaan.

4.1.2. Macam-Macam Produk yang dihasilkan

Barang Jadi yang diproduksi PT.Sido Jangkung adalah : Lemari pakaian, meja dan kursi tamu, kursi makan untuk bayi, kursi computer, rak kaset dan CD, dan lain-lain. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.