Analisis Deskriptif

1. Analisis Deskriptif

Analisis deskriptif mengenai data pengaruh sistem penggajian terhadap kinerja karyawan dapat dilihat pada Tabel 3 berikut ini.

Tabel 3. Deskripsi Statistik

Maksimum Mean Std. Deviation Sistem Penggajian -

Minimum

Tingkat Penggajian 46 1 4 2.51 .610 -

Keadilan Internal 46 1 3 2.67 .508 -

Keadilan Eksternal 46 2 3 2.58 .459 -

Basis Penggajian 46 2 4 2.89 .434 -

Sentralisasi-Desentralisasi 46 1 4 3.00 .471 -

Proses Penggajian 46 1 4 2.70 .756 Pemberdayaan -

Kebermaknaan 46 2 4 3.52 .586 -

Kemampuan 46 2 4 3.13 .453 -

Keberpengaruhan 46 1 4 2.83 .486 Kepuasan Kerja

46 2 4 3.09 .451 Komitmen Organisasi -

Komitmen Afektif 46 3 4 3.24 .376 -

Komitmen Normatif 46 2 4 2.86 .390 Valid N (listwise)

Dari tabel di atas dapat dilihat nilai-nilai yang tertera di dalamnya. Nilai skala Likert yang digunakan di dalam kuesioner adalah minimum 1

dan maksimum 4. Variabel sistem penggajian memiliki enam dimensi yang terdiri dari tingkat penggajian, keadilan internal, keadilan eksternal, basis penggajian, sentralisasi-desentralisasi, dan proses penggajian. Tingkat penggajian memiliki mean sebesar 2.51 yang berarti gaji yang diterima mencakup besarnya gaji dan kenaikan gaji sudah cukup bagi dan maksimum 4. Variabel sistem penggajian memiliki enam dimensi yang terdiri dari tingkat penggajian, keadilan internal, keadilan eksternal, basis penggajian, sentralisasi-desentralisasi, dan proses penggajian. Tingkat penggajian memiliki mean sebesar 2.51 yang berarti gaji yang diterima mencakup besarnya gaji dan kenaikan gaji sudah cukup bagi

Variabel pemberdayaan memiliki tiga dimensi yang terdiri dari kebermaknaan, kemampuan, dan keberpengaruhan. Kebermaknaan memiliki mean sebesar 3.52 yang berarti bahwa pekerjaan yang dilakukan sangat berarti dan penting bagi diri masing-masing karyawan. Kemampuan memiliki mean sebesar 3.13 yang berarti para karyawan yakin akan kemampuan dan keterampilan yang mereka miliki untuk dapat melakukan dan menyelesaikan pekerjaannya dengan baik. Keberpengaruhan memiliki mean sebesar 2.83 yang berarti dampak keberadaan para karyawan di dalam perusahaan sudah cukup besar terhadap perusahaan.

Variabel kepuasan kerja memiliki mean sebesar 3.09 dengan nilai minimum sebesar 2 dan nilai maksimum sebesar 4. Hal ini berarti karyawan merasa puas akan pekerjaan yang mereka lakukan dan dengan kepuasan kerja yang mereka peroleh maka mereka merasa bangga atas pekerjaannya.

Variabel komitmen organisasi memiliki dua dimensi yang terdiri dari komitmen afektif dan komitmen kontinuan. Komitmen afektif memiliki mean sebesar 3.24 yang berarti keinginan karyawan secara emosional untuk tetap berada di dalam perusahaan adalah karena Variabel komitmen organisasi memiliki dua dimensi yang terdiri dari komitmen afektif dan komitmen kontinuan. Komitmen afektif memiliki mean sebesar 3.24 yang berarti keinginan karyawan secara emosional untuk tetap berada di dalam perusahaan adalah karena

Hasil estimasi dapat dilihat pada Gambar 9. Nilai chi-square yang tercantum adalah sebesar 57.34, df (degrees of freedom) sebesar 46, p- value sebesar 0.12199 dan RMSEA sebesar 0.074. Menurut aturan yang terdapat di dalam LISREL, model yang memiliki p-value lebih besar dari

0.05 dan nilai RMSEA yang berkisar antara 0.08 menyatakan bahwa model memiliki kesalahan yang reasonable, sedangkan nilai RMSEA yang berkisar antara 0.08 sampai dengan 0.1 menyatakan bahwa model memiliki fit yang cukup (mediocre) dan RMSEA yang lebih besar daripada 0.1 mengindikasikan model fit yang sangat jelek (Ghozali, 2005).

Pada hasil estimasi akhir dengan model yang telah diberi variabel patokan dapat dilihat pada Gambar 10. Nilai chi-square yang tercantum adalah sebesar 45.03, df (degrees of freedom) sebesar 46, p-value sebesar 0.51285 dan nilai RMSEA sebesar 0.000.

Hal ini sesuai dengan aturan yang terdapat di dalam LISREL, bahwa untuk mendapatkan model yang fit (tepat), p-value harus lebih besar atau sama dengan 0.05 dan nilai RMSEA (Root Mean Square Error of Aproximation) yang kurang daripada 0.05 mengindikasikan adanya model yang fit, sedangkan nilai chi-square yang diperoleh tidak jauh berbeda dari derajat bebasnya. Dikarenakan ukuran sampel yang kecil, maka uji chi-square akan menunjukkan data secara signifikan tidak berbeda dengan model dan teori-teori yang mendasarinya (Ghozali, 2005).

Gambar 9. Diagram Path Parameter Estimasi Akhir

Gambar 10. Diagram Path Parameter Estimasi dengan Variabel Patokan Gambar 10. Diagram Path Parameter Estimasi dengan Variabel Patokan

Expected Cross Validation Index (ECVI) digunakan untuk menilai kecenderungan bahwa model, pada sampel tunggal, cross validates (dapat divalidasi silang) pada ukuran sampel dan populasi sama. ECVI mengukur penyimpangan antara fitted (model) covariance matrix pada sampel yang dianalisis dan kovarians matriks yang akan diperoleh pada sampel lain tetapi yang memiliki ukuran sampel yang sama besar. Model yang memiliki ECVI terendah berarti model tersebut sangat potensial untuk direplikasi. Karena koefisien ECVI tidak dapat direndahkan, maka kita tidak dapat memberikan suatu judgement nilai ECVI berapa yang diharuskan agar model dapat dikatakan baik. Namun, nilai ECVI model yang lebih rendah daripada ECVI yang diperoleh pada saturated model dan independence model, mengindikasikan bahwa model adalah fit. Dapat dilihat pada Lampiran 5, nilai ECVI model adalah sebesar 2.444, sedangkan nilai ECVI pada saturated model dan independence model secara berturut-turut adalah 3.467 dan 6.127. Hal ini mengindikasikan bahwa model tersebut merupakan model yang fit.

AIC dan CAIC digunakan untuk menilai mengenai masalah parsimony dalam penilaian model fit. Meskipun nilai AIC tersebut tidak sensitif terhadap kompleksitas model, dan demikian juga dengan CAIC, namun AIC lebih sensitif dan dipengaruhi oleh banyaknya jumlah sampel yang digunakan. Sedangkan CAIC tidak sensitif terhadap jumlah sampel.

kecil, Bentler merevisi indeks ini dengan nama Comparative Fit Index (CFI). Nilai NFI dan CFI berkisar antara 0 dan 1 dan diturunkan dari perbandingan antara model yang dihipotesiskan dan independence model. Suatu model dikatakan fit apabila memiliki nilai NFI dan CFI lebih besar daripada 0.9 dan nilai yang diperoleh oleh model ini untuk NFI dan CFI adalah sebesar 1.000. Sedangkan Non-Normed Fit Index (NNFI) digunakan untuk mengatasi permasalahan yang timbul akibat kompleksitas model. Tetapi karena NNFI adalah non-normed, maka nilainya dapat lebih besar daripada 1 sehingga susah untuk diinterpretasikan. Meskipun ketiga indeks tersebut dihasilkan pada output LISREL, tetapi Bentler menganjurkan penggunaan CFI sebagai ukuran fit.

Incremental Fit Index (IFI) digunakan untuk mengatasi masalah parsimony dan ukuran sampel, dimana hal tersebut berhubungan dengan NFI. Batas cut-off IFI adalah 0.9. Sedangkan Relative Fit Index (RFI) digunakan untuk mengukur fit dimana nilainya adalah 0 sampai 1, dimana nilai yang lebih besar menunjukkan adanya superior fit. Adjusted Goodness of Fit Index (AGFI) adalah sama seperti GFI, tetapi telah menyesuaikan pengaruh degrees of freedom pada suatu model. Sama seperti GFI, nilai GFI sebesar 1 berarti bahwa model memiliki perfect fit. Sedangkan model yang fit adalah yang memiliki nilai AGFI adalah 0.9. Ukuran yang hampir sama dengan GFI dan AGFI adalah Parsimony Goodness of Fir Index (PGFI). Interpretasi PGFI ini sebaiknya diikuti dengan indeks model fit lainnya. Model yang baik apabila memiliki nilai

Dari berbagai ukuran validitas di atas yang menjadi indikator-indikator model fit maka dapat disimpulkan bahwa model ini merupakan model yang valid dan fit untuk digunakan pada penelitian ini.