3.6. Penilaian Kinerja berdasarkan Judgement
6
Tipe judgement merupakan tipe kriteria performansi yang menilai danatau mengevaluasi performansi kerja pekerja berdasarkan perilaku yang spesifik.
Dimensi-dimensi berikut ini biasanya menjadi perhatian dari tipe kriteria judgement ini:
a. Quantity of work, yaitu jumlah kerja yang dilakukan dalam suatu periode waktu yang ditentukan.
b. Quality of work, yaitu kualitas kerja yang dicapai berdasarkan syarat-syarat kesesuaian dan kesiapannya.
c. Job knowledge, yaitu luasnya pengetahuan mengenai pekerjaan dan keterampilannya.
d. Creativeness, keaslian gagasan-gagasan yang dimunculkan dan tindakan- tindakan untuk menyelesaikan persoalan-persoalan yang timbul.
e. Cooperation, yaitu kesediaan untuk bekerjasama dengan orang lain. f.
Dependability, yaitu kesadaran dan dapat dipercaya dalam hal kehadiran dan penyelesaian kerja.
g. Initiative, yaitu semangat untuk melaksanakan tugas-tugas baru dan dalam memperbesar tanggungjawabnya.
h. Personal qualities, yaitu menyangkut kepribadian, kepemimpinan, keramahtamahan dan integritas pribadi.
6
Gomes, Faustino Cardoso. 2003. Manajemen Sumber Daya Manusia. Yogyakarta: Penerbit Andi. Hal: 142.
Universitas Sumatera Utara
3.7. Pengujian Validitas dan Reliabilitas
7
3.7.1. Validitas Data
Validitas data ialah sutu ukuran yang mengacu kepada derajat kesesuaian antara data yang dikumpulkan dan data sebenarnya dalam sumber data. Data yang
valid akan diperoleh apabila instrumen pengumpulan data juga valid. Oleh karena itu, untuk menguji validitas data, maka pengujian dilakukan terhadap instrumn
pengumpulan data. Cara-cara umum yang digunakan untuk menguji validitas instrumen ialah
melalui analisis korelasi correlational analysis, analisis faktor factor analysis, dan multitrait. Analisis korelasi sangat sesuai digunakan untuk menguji validitas
serempak dan prediktif concurrent valitidy and predictive validity ataupun validitas konvergen dan diskriminan convergent and discriminant validity.
Analisis korelasi dilakukan dengan menggunakan rumus Korelasi Product Moment yang dikembangkan oleh Pearson yaitu sebagai berikut:
�
��
= � ∑ �� − ∑ �∑ �
�{� ∑ �
2
− ∑ �
2
}{ � ∑ �
2
− ∑ �
2
} dimana:
N = jumlah responden
�
��
= koefisien korelasi antara Y dan X X
= skor variable independen X Y
= skor variable independen Y
7
Sinulingga, Sukaria. 2011. Metode Penelitian. Medan: USU Press. Hal:194-195.
Universitas Sumatera Utara
Analisis faktor adalah suatu teknik multivariate yang menguji kesesuaian dimensi dari konsep yang telah disusun definisi operasionalnya disamping
mengidentifikasi item mana yang paling wajar untuk setiap dimensi. Analisis faktor dapat dilakukan apabila antara faktor yang satu dengan
faktor yang lain terdapat kesamaan, kesinambungan atau antara kedua faktor tersebut bersifat tumpang tindih overlap.
3.7.2. Reliabilitas Data
8
Reliabilitas sebuah alat ukur berkenaan dengan derajad konsistensi dan stabilitas data yang dihasilkan dari proses pengumpulan data dengan
menggunakan instrumen tersebut. Secara definitif, Stainback, S., 1998 menyebutkan bahwa reliability is defined as the consistency and stability of data
or findings. From positivistic perspective, reliability typically is considered to be synonymous with consistency of data produce by observation made by different
researchers or by the same researchers but at different time or by splitting a data set in two parts split-half.
Pengujian reliabilitas pada umumnya dikenakan untuk pengujian stabilitas instrumen dan konsistensi internal instrumen. Ada dua macam pengujian stabilitas
instrumen, yaitu Test-Retest Reliability dan Pararrel-Form Reliability. Pengukuran konsistensi internal instrumen pengumpulan data dapat dilakukan
denga dua cara yaitu Interitem Consistency Reliability dan Split-Half Reliability. Teknik pengujian yang banyak digunakan ialah Koefisien Alpha Cronbach
8
Ibid. Hal: 205,215.
Universitas Sumatera Utara
1946. Koefisien Alpha Cronbach digunakan untuk multipoint scale items dan formula Kuder Richardson 1937 digunakan untuk dichotomous items.
Koefisien Alpha Cronbach memberikan indikasi seberapa baik item-item dalam set saling berkolerasi secara positif. Koefisien Alpha Cronbach dihitung
sebagai interkolerasi rata-rata antara item-item dalam set tesebut. Makin dekat nilai koefisien Alpha Cronbach kepada angka 1 makin kuat konsistensi internal
reliabilitas. Koefisien Alpha Cronbach digunakan untuk mengukur reliabilitas instrumen yang pertanyaan-pertanyaannya menggunakan skor dalam rentangan
tertentu misalnya antara 1 dan 5 atau antara 1 dan 10 dan sebagainya. Rumus yang digunakan dalam menghitung koefisien Alpha Cronbach adalah sebagai berikut:
�
11
= �
� � − 1� �
1 −
∑ �
� 2
�
� 2
� dimana:
r
11
= reliabilitas instrumen koefisien Alpha Cronbach k
= jumlah butir pertanyaan dalam instrumen ∑σ
b 2
= jumlah varians butir-butir pertanyaan Σ
t 2
= varians total Split-Half Reliability merefleksikan korelasi antara dua bagian masing-
masing adalah separuh dari instrumen yang digunakan. Kuatnya korelasi antara kedua bagian tersebut tergantung pada cara item-item dalam instrumen dibagi
menjadi dua bagian. Ada dua cara yang dapat dipilih untuk membelah instrumen, yaitu berdasarkan pertanyaan-pertanyaan genap-ganjil dan berdasarkan
pertanyaan bagian awal dan pertanyaan bagian akhir.
Universitas Sumatera Utara
3.8. Uji Asumsi Klasik
9
3.8.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dependent dan variabel bebas independent memiliki distribusi
normal. Model regresi yang baik adalah jika distribusi data normal atau mendekati normal. Cara yang sering digunakan dalam menentukan apakah suatu model
berdistribusi normal atau tidak hanya dengan melihat pada histogram residual apakah memiliki bentuk seperti lonceng atau tidak. Cara ini menjadi fatal karena
pengambilan keputusan data berdistribusi normal atau tidak hanya berpatok pada pengamatan gambar saja.
Ada cara lain untuk menentukan data berdistribusi normal atau tidak, yaitu dengan menggunakan rasio skewness dan rasio kurtosis. Rasio skewness dan rasio
kurtosis dapat dijadikan petunjuk apakah data berdistribusi normal atau tidak. Rasio skewness adalah nilai skewness dibagi dengan standar error skewness
sedangkan rasio kurtosis adalah nilai kurtosis dibagi dengan standar error kurtosis. Apabila rasio skewness dan rasio kurtosis berada di antara -2 dan +2, maka data
berdistribusi normal. Formulanya adalah sebagai berikut:
Skewness =
�
� �−1�−2
∑
��−�� �
3
�
Standar error skewness =
�
6��−1 �−2�+1�+3
9
Sudarmanto, Gunawan. 2013. Statistik Terapan Berbasis Komputer Dengan Program IBM SPSS Statistic 19. Jakarta: Mitra Wacana Media.
Universitas Sumatera Utara
Kurtosis =
�
��+1 �−1�−2�−3
∑
��−�� �
4
� −
3�−1
2
�−2�−3
Standar error kurtosis = �
4�
2
−1����������
2
�−3�+5
dimana: n
= Jumlah sampel S
= Standar deviasi Xi
= Data ke-i ��
= Nilai rata-rata dari X
3.8.2. Uji Multikolinieritas
10
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independent. Dalam membuat
regresi berganda, variabel bebas yang baik adalah variabel bebas yang mempunyai hubungan dengan variabel terikat, tetapi tidak mempunyai hubungan dengan
variabel bebas lainnya. Pengujian ada atau tidaknya multikolonieritas di dalam model regresi
dapat dilakukan dengan melihat nilai Variance Inflation Factor VIF dan nilai Tolerance. Formulasi VIF untuk regresi majemuk dengan variabel bebas lebih
dari dua, yaitu: ���
�
= 1
1 − �
� 2
; � = 1,2,3, … . . �
10
Ibid. Hal: 260.
Universitas Sumatera Utara
Sedangkan formulasi untuk mencari nilai tolerance adalah: ���
�
= 1
��� = 1
− �
� 2
; � = 1,2,3, … . . �
dimana: k
= banyaknya variabel bebas. �
� 2
= koefisien determinasi antara variabel bebas ke-j dengan variabel bebas lainnya.
Nilai yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance 0,10 atau nilai VIF 10.
3.8.3. Uji Heterokedastisitas
11
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Apabila variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Cara yang sering digunakan dalam menentukan apakah suatu model terbebas dari masalah heterokedastisitas atau tidak adalah dengan melihat pada
scatter plot dan dilihat apakah residual memiliki pola tertentu atau tidak. Cara ini menjadi fatal karena pengambilan keputusan hanya berpatok pada pengamatan
gambar saja tidak dapat dipertanggungjawabkan kebenarannya. Banyak metode
11
Ibid. Hal: 262.
Universitas Sumatera Utara
statistik yang dapat digunakan untuk menentukan apakah suatu model terbebas dari masalah heterokedastisitas atau tidak, misalnya uji Glejser.
Formulanya adalah sebagai berikut: │Ut│= α + βXt + vt
dimana: │Ut│ = nilai absolut residual
Xt = variabel independen
Vt = variabel pengganggu
Jika β pada regresi tersebut adalah signifikan, maka berarti ada heteroskedastisitas di dalam data.
.
3.9. Analisis Regresi Linier Berganda
12
Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel independen X
1
, X
2
,….X
n
dengan variabel dependen Y. Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan
variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila
nilai variabel independen mengalami kenaikan atau penurunan. Persamaan regresi linear berganda adalah Y = a + b
1
X
1
+ b
2
X
2
+…..+ b
n
X
n,
dimana : Y
= Variabel dependen nilai yang diprediksikan X
1
dan X
2
= Variabel independen
12
Dajan, Anto. 1991. Pengantar Metode Statistik Jilid I. Jakarta: Pustaka LP3ES Indonesia. Hal:399-400
Universitas Sumatera Utara
a = Konstanta nilai Y apabila X
1
, X
2
…..X
n
= 0 b
= Koefisien regresi nilai peningkatan ataupun penurunan
Langkah-langkah yang dilakukan dalam model analisis regresi linier berganda
13
1. Koefisien Determinasi, untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat.
adalah sebagai berikut:
Rumus menghitung koefisien determinasi adalah: �
2
= ���
��� =
∑�′ − �
� 2
∑� − �
� 2
dimana: SSR = Sum of squares due to regression =
∑�′ − �
� 2
TSS = Total sum of square = ∑� − �
� 2
�′ = Y prediksi �
�
= Y rata-rata 2. Uji Signifikansi Simultan Uji Statistik F, untuk menunjukkan apakah semua
variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat.
Rumus menghitung nilai statistik F adalah: � =
�
2
� 1
− �
2
� − � − 1
13
Kuncoro, Mudrajat. 2003. Metode Riset Untuk Bisnis dan Ekonomi. Jakarta: Erlangga.
Universitas Sumatera Utara
dimana: �
2
= Koefisien determinasi n = Jumlah observasi
k = Jumlah variabel bebas
3. Uji Signifikansi Individual Uji Statistik t, untuk mengetahui seberapa jauh pengaruh satu variabel penjelas secara individual dalam menerangkan variasi
variabel terikat. Rumus menghitung nilai statistik t adalah:
� = �
�
− 0 ��
= �
�
�� dimana:
b
i
= parameter i Se = Standar error
Universitas Sumatera Utara
BAB IV METODOLOGI PENELITIAN
4.1. Tempat dan Waktu Penelitian
Penelitian dilakukan di perusahaan manufaktur PT. Jaya Beton Indonesia. Perusahaan ini berlokasi di Jalan Pasar Nippon, Paya Pasir Medan Marelan,
Sumatera Utara 20255. Penelitian dilakukan pada bulan Mei - Oktober 2013.
4.2. Objek Penelitian
Adapun yang menjadi objek dalam penelitian ini adalah karyawan PT. Jaya Beton Indonesia sebagai responden dalam pengisian kuesioner terkait
pengaruh Sistem Manajemem Mutu ISO 9001:2008 terhadap kinerja karyawan.
4.3. Jenis Penelitian
Berdasarkan metodenya, jenis penelitian yang digunakan adalah penelitian deskriptif sebab-akibat causal research, yaitu penelitian yang dilakukan untuk
menyelidiki hubungan sebab akibat dengan cara mengamati akibat yang terjadi dan kemungkinan faktor sebab yang menimbulkan akibat tersebut. Sinulingga,
2011
14
.
14
Sinulingga, Sukaria. 2011. Metode Penelitian. Medan: USU Press. Hal: 26.
Universitas Sumatera Utara
Kategori