BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Objek Penelitian 4.1.1. Sejarah Singkat Perusahaan
4.1.2. Sejarah Perkembangan PT.Unilever
49
4.2. Deskripsi Hasil Penelitian 4.2.1. Penyebaran Kuisioner
Kuisioner disebarkan untuk mendapatkan sampel dengan menggunakan teknik purposive sampling yaitu teknik penarikan sampel non probabilitas yang
menyeleksi responden dengan pertimbangan tertentu dan data yang ada, diolah dengan menggunakan structural equation modelling.
4.2.2. Demografi Responden
Data mengenai keadaan responden dapat diketahui melalui jawaban responden dari pertanyaan–pertanyaan yang diajukan didalam pertanyaan umum
kuesioner yang telah diberikan. Dari jawaban–jawaban tersebut diketahui hal–hal seperti dibawah ini.
a. Jenis Kelamin Dari 112 responden yang menjawab kuisioner yang telah diberikan dapat
diketahui jenis kelamin dari responden tersebut adalah sebagai berikut: Tabel 4.1 : Karakteristik Responden Berdasarkan Jenis Kelamin
Jenis Kelamin
49 43.8
43.8 43.8
63 56.3
56.3 100.0
112 100.0
100.0 laki-laki
perempuan Total
Valid Frequency
Percent Valid Percent
Cumulative Percent
Sumber: data diolah b. Usia
Dari 112 responden yang menjawab kuisioner yang telah diberikan dapat diketahui usia para responden yakni pada tabel dibawah ini.
50
Tabel 4.2: Karakteristik Responden Berdasarkan Usia
usia
17 15.2
15.2 15.2
42 37.5
37.5 52.7
34 30.4
30.4 83.0
19 17.0
17.0 100.0
112 100.0
100.0 21-30
31-40 41-50
=51 Total
Valid Frequency
Percent Valid Percent
Cumulative Percent
Sumber : data diolah
4.3. Analisis Dan Pengujian Hipotesis 4.3.1. Uji Outlier
Outlier adalah observasi atau data yang memiliki karakteristik unik yang
terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi atau
mutivariat Hair, 1998. Evaluasi terhadap outlier multivariate antar variabel perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada
outliers pada tingkat univariate, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak Mahalanobis pada tingkat p 1. Jarak
Mahalanobis itu dievaluasi dengan menggunakan χ² chi kuadrat pada derajat
bebas sebesar jumlah indikator yang digunakan dalam penelitian ini. Hasil uji outlier tampak pada tabel berikut:
51
Tabel 4.3 Hasil Uji Outlier
Residuals Statisticsa Minimum
Maximum Mean
Std. Deviation
N Predicted Value
9.210 104.714
56.500 21.029
112 Std. Predicted Value
-2.249 2.293
0.000 1.000
112 Standard Error of Predicted Value
6.772 13.668
10.350 1.223
112 Adjusted Predicted Value
0.543 104.967
56.665 21.348
112 Residual
-51.912 95.404
0.000 24.747
112 Std. Residual
-1.941 3.566
0.000 0.925
112 Stud. Residual
-2.068 3.855
-0.003 1.001
112 Deleted Residual
-58.967 111.457
-0.165 28.997
112 Stud. Deleted Residual
-2.105 4.175
0.000 1.018
112 Mahal. Distance
6.123 27.988
15.857 3.862
112 Cooks Distance
0.000 0.147
0.010 0.017
112 Centered Leverage Value
0.055 0.252
0.143 0.035
112 a Dependent Variable : No. RESP
Sumber : data diolah Deteksi terhadap multivariat outliers dilakukan dengan menggunakan
kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan
χ
2
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai Jarak Mahalanobis
lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers
. Nilai χ
2 0.001
dengan jumlah indikator 16 adalah sebesar 39.252. Hasil analisis Mahalanobis diperoleh nilai sebesar 27.988 yang kurang
dari χ
2
tabel 39.252 tersebut. Dengan demikian, tidak terjadi multivariate outliers.
4.3.2. Uji Reliabilitas
Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s Alpha ini digunakan untuk mengestimasi reliabiltas setiap skala variabel atau observasi
indikator. Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi butir-butir yang kehadirannya akan
52
memperkecil koefisien Cronbach’s Alpha yang dihasilkan Purwanto, 2002. Hasil selengkapnya dapat dilihat pada tabel berikut:
Tabel 4.4. Uji Reliabilitas
Pengujian Reliability Consistency Internal Konstrak Indikator
Item to Total Correlation
Koefisien Cronbachs Alpha
X11 0.947
Moral X12
0.945 0.882
X21 0.839
X22 0.888
Ideology Responsibility
X23 0.902
0.850 X31
0.912 Economic
Responsibility X32
0.913 0.799
X41 0.920
Environmental Responsibility
X42 0.912
0.808 Y11
0.946 Y12
0.951 Ethic
Y13 0.936
0.939 Y21
0.905 Product
Y22 0.902
0.775 Y31
0.898 Society Perception
Y32 0.895
0.756
Sumber : data diolah Proses eleminasi diperlakukan pada item to total correlation pada indikator
yang nilainya 0,5 [Purwanto,2003]. Tidak terjadi eliminasi karena nilai item to total correlation indikator 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 baik dimana koefisien Cronbach’s
Alpha yang diperoleh seluruhnya memenuhi rules of thumb yang disyaratkan yaitu
≥ 0,7 Hair et.al.,1998; Sekaran,2003.
53
4.3.3. Uji Validitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya
diukur, karena indikator multidimensi, maka uji validitas dari setiap latent variable
construct akan diuji dengan melihat loading factor dari hubungan antara setiap observed variable dan latent variable. Hasil analisis tampak pada
tabel di bawah ini. Tabel 4.5. Uji Validitas
Standardize Faktor Loading dan Construct dengan Confirmatory Factor Analysis
Faktor Loading Konstrak Indikator
1 2 3 4 X11
0.909 Moral
X12 0.868
X21 0.694
X22 0.817
Ideology Responsibility
X23 0.861
X31 0.811
Economic Responsibility
X32 0.829
X41 0.974
Environmental Responsibility
X42 0.692
Y11 0.918
Y12 0.931
Ethic Y13
0.897 Y21
0.917 Product
Y22 0.693
Y31 0.608
Society Perception Y32
1.000
Sumber : Data diolah Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor
loadings masing masing butir pertanyaan yang membentuk setiap construct sebagian besar
≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup baik.
54
4.3.4. Uji Construct Reliability dan Variance Extracted
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 Purwanto, 2002. Dan variance extracted direkomendasikan
pada tingkat 0,50. Hasil perhitungan construct reliability
dan variance extracted dapat dilihat dalam tabel 4.6. Tabel 4.6. Construct Reliability dan Variance Extracted
Construct Reliability Variance Extrated Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error [εj]
Construct Reliability
Variance Extrated
X11 0.909 0.826
0.174 Moral
X12 0.868 0.753
0.247 0.883 0.790
X22 0.817 0.667
0.333 Ideology
Responsibility X23
0.861 0.741 0.259
0.826 0.704 X31
0.811 0.658 0.342
Economic Responsibility
X32 0.829 0.687
0.313 0.804 0.672
X41 0.974 0.949
0.051 Environmental
Responsibility X42
0.692 0.479 0.521
0.829 0.714 Y11
0.931 0.867 0.133
Ethic Y13
0.897 0.805 0.195
0.910 0.836 Y21
0.917 0.841 0.159
Product Y22
0.693 0.480 0.520
0.792 0.661 Y31
0.608 0.370 0.630
Society Perception Y32
1.000 1.000 0.000
0.804 0.685
Batas Dapat Diterima
≥ 0,7 ≥ 0,5
Sumber: data diolah Hasil pengujian reliabilitas instrumen dengan construct reliability dan
extracted variance menunjukkan tiap-tiap instrumen cukup reliabel, yang
ditunjukkan dengan nilai construct reliability ≥ 0,70 dan nilai variance extracted
≥ 0,5. Angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian yang dilakukan bersifat exploratory
, maka nilai di bawah 0,70 dan 0,5 pun masih dapat
55
diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi.
4.3.5. Uji Normalitas
Uji normalitas sebaran dilakukan dengan Skewness 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 0,011 yaitu sebesar ± 2,58.
Hasilnya diperoleh nilai c.r. multivariat diantara ± 2,58 dan itu berarti asumsi
normalitas terpenuhi dan data layak untuk digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada tabel berikut:
Tabel 4.7. Uji Normalitas
Assessment of normality
min max
skew c.r. kurtosis c.r.
Y12 3
7 -0.425 -1.837 -0.540 -1.167
Y31 3
7 -0.039 -0.167 -0.191 -0.413
Y21 4 7
0.026 0.111
-0.670 -1.448
X31 4 7
0.127 0.549
-0.656 -1.418
X32 4 7
0.251 1.086
-0.608 -1.313
X23 4 7
0.246 1.065
-0.643 -1.389
Y32 4
7 -0.039 -0.168 -0.775 -1.674
Y22 4 7
0.118 0.508
-0.663 -1.432
Y13 3
7 -0.303 -1.308 -0.735 -1.588
Y11 3
7 -0.593 -2.560 -0.513 -1.109
X41 3 7
0.068 0.294
-0.678 -1.465
X42 3
7 -0.005 -0.020 -0.789 -1.704
X21 4 7
0.113 0.489
-0.594 -1.283
X22 4 7
0.163 0.706
-0.596 -1.288
X11 4 7
0.178 0.767
-0.604 -1.304
X12 4 7
0.216 0.934
-0.549 -1.186
Multivariate -11.855
-2.614
Sumber: data diolah
56
Dari data di atas Hasil uji menunjukkan bahwa nilai c.r. mutivariate tidak berada di antara ± 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 menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya.
4.4. Structural Equation Modelling