Deskriptif Karakteristik Responden berdasarkan Masa Kerja

46

3. Deskripsi responden berdasarkan kelompok pendidikan

Pada tabel 4.3 menunjukkan bahwa responden terbesar adalah berpendidikan D3 sebanyak 72 orang 60, selanjutnya responden yang berpendidikan S1 sebanyak 32 orang 27, dan D1 masing- masing sebanyak sejumlah 12 orang 10, SMU sejumlah 4 orang 3. Tabel 4.3 Identitas Responden Menurut Pendidikan No Jabatan Jumlah orang Persentase 1. SMU 4 3 2. D1 12 10 3. D3 72 60 4. S1 32 27 Total 120 100 Sumber : PT. Suparma

4. Deskriptif Karakteristik Responden berdasarkan Masa Kerja

Dari hasil penyebaran kuisioner kepada 120 orang responden memperoleh gambaran responden berdasarkan masa kerja adalah sebagai berikut : Tabel 4.4 Karakteristik Responden berdasarkan Masa Kerja No. Masa Kerja Jumlah Prosentase 1 1-3Th 10 8,33 2 4-5Th 54 45 3 6-10Th 32 26,67 4 10Th 24 20 Total 120 100 Sumber : PT. Suparma Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 47

4.2.3. Uji Outlier Multivariate Tabel 4.3. Hasil Uji Outlier Multivariate

Minimum Maximum Mean Std. Deviation N Predicted Value 26.936 92.429 60.500 14.201 120 Std. Predicted Value -2.363 2.248 0.000 1.000 120 Standard Error of Predicted Value 4.535 14.279 8.268 1.757 120 Adjusted Predicted Value 24.818 97.216 60.470 14.501 120 Residual -73.433 73.171 0.000 31.754 120 Std. Residual -2.244 2.236 0.000 0.970 120 Stud. Residual -2.328 2.369 0.000 1.005 120 Deleted Residual -79.093 82.182 0.030 34.078 120 Stud. Deleted Residual -2.376 2.420 0.001 1.012 120 Mahalanobis Distance [MD] 1.293 21.655 6.942 3.379 120 Cooks Distance 0.000 0.086 0.009 0.014 120 Centered Leverage Value 0.011 0.182 0.058 0.028 120 Sumber : Lampiran Berdasarkan tabel diatas, setelah dilakukan pengujian ditemukan bahwa tidak terdapat outlier multivariat [antar variabel], karena MD Maksimum 21,655 24,322

4.2.4. Uji Reliabilitas

Koefisien cronbach’s alpha dihitung untuk mengestimasi reliabilitas setiap skala. 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. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 48 Tabel 4.4. Pengujian Reliability Consistency Internal Konstrak Indikator Item to Total Correlation Koefisien Cronbachs Alpha X11 0.650 X12 0.715 Compensation X13 0.590 0.306 X21 0.740 X22 0.878 Organizational Commitment X23 0.850 0.764 Sumber : Lampiran 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 kurang baik dimana koefisien Cronbach’s Alpha yang diperoleh belum seluruhnya memenuhi rules of thumb yang disyaratkan yaitu ≥ 0,7 [Hair et.al.,1998]. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 49

4.2.5. Uji Validitas Tabel 4.5. Hasil Uji Validitas

Faktor Loading Konstrak Indikator 1 2 3 4 X11 0.306 X12 0.998 Compensation X13 0.154 X21 0.577 X22 0.824 Organizational Commitment X23 0.773 Job Performance Y 0.071 Sumber : Lampiran Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap construct belum seluruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup baik..

4.2.6. Uji Construct Reliability dan Variance Extracted

Selain melakukan pengujian konsistensi internal crobach’s alpha, perlu juga dilakukan pengujian construct reliability dan variance eztracted. Kedua pengujian tersebut masih termasuk uji konsistensi internal yang akan memberikan penelitian kepercayaan diri yang lebih besar bahwa indikator- indikator individual mengukur suatu pengukuran yang sama. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 50 Tabel 4.6. Construct Reliability Variance Extrated Konstrak Indikator Standardize Factor Loading SFL Kuadrat Error [ εj] Construct Reliability Variance Extrated X11 0.306 0.094 0.906 X12 0.998 0.996 0.004 Compensation X13 0.154 0.024 0.976 0.530 0.371 X21 0.577 0.333 0.667 X22 0.824 0.679 0.321 Organizational Commitment X23 0.773 0.598 0.402 0.773 0.536 Job Performance Y 0.071 0.005 0.995 0.005 0.005 Batas Dapat Diterima ≥ 0,7 ≥ 0,5 Sumber : Lampiran 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 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 0,70 pun masih dapat diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 51

4.2.7. Uji Normalitas

Uji normalitas sebaran dilakukan dengan kurtotis value dari data yang digunakan yang biasanya disajikan dalam bentuk statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut Z-value. Bila nilai Z lebih besar dari nilai kritis maka distribusi data adalah tidak normal. Tabel 4.7. Assessment of Normality Variable min max kurtosis c.r. X11 2 7 0.644 1.441 X12 2 7 0.552 1.234 X13 3 7 -0.590 -1.319 X21 4 7 -0.549 -1.227 X22 4 7 -0.554 -1.238 X23 4 7 -0.338 -0.755 Y 3 7 -0.782 -1.749 Multivariate -1.447 -0.706 Batas Normal ± 2,58 Sumber : Lampiran 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 uji menunjukkan bahwa nilai c.r. mutivariate berada di luar ± 2,58 itu berarti asumsi normalitas tidak 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 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 52 menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya.

4.2.8. Evaluasi Model One-Steep Approach to SEM

Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model dan structural model yang diestimasi secara bersama-sama one – steep approach to SEM. One – steep approach to SEM digunakan bila model dilandasi teori yang kuat serta validitas dan reliabilitas data sangat baik Hair, et,al, 1998. Gambar 4.1. Model Pengukuran dan Struktural MODEL PENGUKURAN STRUKTURAL Compensation, Organizational Commitment, Job Performance Model Specification : One Step Approach - Base Model 1 Compensation Organizational Commitment Job Performance 0,005 d_jp 1 X11 er_1 1 X21 er_4 1 1 X12 0,005 er_2 1 Y er_7 1 1 X13 er_3 1 X22 er_5 1 X23 er_6 1 d_oc 1 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 53 Tabel 4.8. Evaluasi Kriteria Goodness of Fit Indeces Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 0.716 ≤ 2,00 Baik Probability 0.750 ≥ 0,05 Baik RMSEA 0.000 ≤ 0,08 Baik GFI 0.979 ≥ 0,90 Baik AGFI 0.954 ≥ 0,90 Baik TLI 1.058 ≥ 0,95 Baik CFI 1.000 ≥ 0,94 Baik Sumber : Lampiran Dari hasil evaluasi terhadap model one step approach modifikasi ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model telah sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori telah sepenuhnya didukung oleh fakta.

4.2.9. Uji Kausalitas

Dilihat dari angka determinant of sample covariance matrix : 8.021.252.633 0 mengindikasikan tidak terjadi multicolinierity atau singularity dalam data ini sehingga asumsi terpenuhi. Dengan demikian besaran koefisien regresi masing-masing faktor dapat dipercaya sebagaimana terlihat pada uji kausalitas di bawah ini. Tabel 4.8. Data Uji Kausalitas Ustd Std Faktor  Faktor Estimate Estimate Prob. Organizational_Commitment  Compensation 0.047 0.141 0.075 Job_Performance  Organizational_Commitment 0.041 0.181 0.001 Job_Performance  Compensation 0.025 0.337 0.098 Batas Signifikansi  ≤ 0,10 Sumber : Lampiran Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 54

4.3. Hasil Uji Pengujian Hipotesis Penelitian