69
Tabel 4.8. Hasil Uji Outlier Minimu
m Maximu
m Mean
Std. Deviati
on N
Predict ed Value
7.760 114.69
60.50 20.55
2 120
St d. Predict ed Value
- 2.566 2.637 0.000
1.000 120
St andard Error of Predict ed Value
5.634 15.298 9.599 1.665
120 Adj ust ed
Predict ed Value 3.900
115.73 60.34
20.70 1
120 Residual
- 86.84
1 62.608 0.000
28.06 5
120 St d.
Residual - 2.934
2.115 0.000 0.948
120 St ud.
Residual - 3.067
2.232 0.003 1.002
120 Delet ed
Residual -
94.86 4
69.725 0.163 31.39
120 St ud. Delet ed
Residual - 3.196
2.276 0.002 1.011
120 Mahalanobis
Dist ance [ MD] 3.321
30.80 2
11.90 4.683
120 Cooks
Dist ance 0.000
0.067 0.009 0.011
120 Cent ered
Leverage Value 0.028
0.259 0.100 0.039
120 a Dependent Variable
: NO. RESP Sumber : Lampiran diolah
Pada penelitian ini tidak terdapat outlier multivariat [antar variabel], karena MD Maksimum 30,802 32,909
4.2.5. Uji Reliabilitas
70
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 memperkecil koefisien Cronbach’s Alpha
yang dihasilkan Purwanto, 2002. Hasil selengkapnya dapat dilihat pada tabel berikut :
Tabel 4.9. Uji Reliabilitas
Konstrak Indikator
Item to Total
Correlation Koefisien
Cronbachs Alpha
Job Sat isfact ion
X11 0.696
0.384 X12
0.714 X13
0.610 Organizat ional
Com m it m ent X21
0.776 - 0.039
X22 0.465
X23 0.354
Job Perform ance
X31 0.716
0.691 X32
0.842 X33
0.795 Turnover
I nt ent ion Y1
0.490 0.343
Y2 0.754
Y3 0.759
Sumber : Lampiran diolah
71
Hasil pengujian reliabilitas konsistensi internal untuk setiap construct
di atas menunjukkan hasil yang baik dimana koefisien koefisien Cronbach’s Alpha
yang diperoleh seluruhnya memenuhi rules of thumb yang disyaratkan yaitu 0.7 [Hair et.al.,1998].
Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil kurang baik dimana koefisien
Cronbach’s Alpha yang diperoleh belum seluruhnya memenuhi rules of thumb yang disyaratkan yaitu
≥ 0,7 [Hair et.al.,1998].
4.2.6. 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.
72
Tabel 4.10. Uji Validitas
Konst rak I ndikat or Fakt or Loading
1 2 3 4 Job
Sat isfact ion X11 0.339
X12 0.998 X13 0.181
Organizat ional Com m it m ent
X21 0.350
X22 - 0.156
Job Perform ance
X31 0.505
X32 0.808
X33 0.659
Tur nover I nt ent ion
Y1 0.072
Y2 0.502
Y3 1.311
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 dan dapat diterima.
Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala variabel atau indikator observarian. Sementara itu
item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan
mengeliminasi butir-butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha
yang dihasilkan.
73
4.2.7. 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 termasuk uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar
bahwa indikator-indikator individual mengukur suatu pengukuran yang sama.
Tabel 4.11. Construct Reliability dan Variance Extracted
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error
[ εj]
Construct Reliability
Variance Extrated
Job Sat isfact ion
X11 0.339 0.115
0.885 0.554 0.381
X12 0.998 0.996
0.004 X13 0.181
0.033 0.967
Organizat ional Com m it m ent
X21 0.350 0.123
0.878 0.020 0.073
X22 - 0.156 0.024
0.976 Job
Perform ance X31 0.505
0.255 0.745
0.701 0.447 X32 0.808
0.653 0.347
X33 0.659 0.434
0.566 Turnover
I nt ent ion Y1 0.072
0.005 0.995
0.776 0.659 Y2 0.502
0.252 0.748
Y3 1.311 1.719
- 0.719
Sumber : Data Diolah Hasil pengujian reliabilitas instrumen dengan construct reliability
dan extracted variance menunjukkan instrumen cukup reliabel, meskipun ditunjukkan dengan nilai construct reliability belum seluruhnya
≥ 0,70. Angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian
yang dilakukan bersifat exploratory ,
maka nilai di bawah 0,70 pun masih
74
dapat diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi.
4.2.8. 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 0,01 1 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 4.12. Uji Normalitas Variable Min max
kurtosis c.r.
X11 2 7
0.319 0.714
X12 2 7 0.641
1.433 X13 3 7
- 0.503 - 1.126
X21 2 7
- 0.210 - 0.470
X22 4 7 - 0.297
- 0.663 X31 4
7 - 0.304
- 0.680 X32 4 7
- 0.506 - 1.131
X33 4 7 - 0.287
- 0.642 Y1 3
7 - 0.790
- 1.767 Y2 4
7 - 0.662
- 1.479 Y3 4
7 - 0.266
- 0.596
Multivariate
- 1.370
-0.444 Batas
Normal
± 2,58
75
Sumber : Lampiran diolah. Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara
± 2,58 itu berarti asumsi normalitas 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.
4.3. Structural Equation Modelling