Teknik Analisis Data METODE PENELITIAN
maupun tidak langsung. Signifikan model tampak berdasarkan koefisien β yang signifikan terhadap jalur.
1. Pengembangan Model Berbasis Teori Langkah pertama dalam analisis jalur adalah menerjemahkan hipotesis
penelitian yang bentuknya proporsional ke dalam bentuk diagram. Diagram yang digunakan dalam analisis jalur disebut diagram jalur path Diagram dan
bentuknya ditentukan oleh preposisi teoritik yang berasal dari kerangka berpikir tertentu. Pengembangan diagram jalur bertujuan untuk menggambarkan hubungan
kausalitas yang ingin diuji. Biasanya hubungan kausalitas dinyatakan dalam bentuk persamaan yang dibuat sebelum dilakukan analisis jalur. Hubungan
kausalitas itu dapat juga digambarkan dalam sebuah diagram jalur Suwarno, 2007:69.
2. Konversi Diagram Path ke Persamaan Struktur Untuk penyelesaian analisis jalur dengan metode kuadrat terkecil maka
dalam penelitian ini terdapat dua substruktur. Substruktur pertama adalah pengaruh variable motivasi dan pengembangan karir terhadap komitmen
organisasi, sedangkan
substruktur kedua
adalah pengaruh
motivasi, pengembangan karir, dan komitmen organisasi terhadap prestasi kerja. Kedua
substruktur pada penelitian ini dapat ditulis persamaannya sebagai berikut: Substruktur I :
Substruktur II : Dimana :
= Prestasi Kerja = Motivasi
= Pengembangan Karir = Komitmen Organisasi
= measurement error
Keterangan: βZX
l
= koefisisen pengaruh X
l
terhadap Z βZX
2
= koefisien pengaruh X
2
terhadap Z βYX
l
= koefisisen pengaruh X
l
terhadap Y βZX
2
= koefisien pengaruh X
2
terhadap Y βYZ = koefisien jalur pengaruh langsung Z terhadap Y
3. Pemeriksaan Asumsi Model Analisis Jalur Secara teoritis analisis jalur merupakan pengembangan dari analisis regresi
sehingga asumsi-asumsi regresi juga terikat pada analisis jalur tersebut. Seperti dinyatakan Ghozali 2005:86 bahwa asumsi yang paling fundamental dalam
analisis multivariate adalah normalitas. Analisis jalur pastinya termasuk dalam analisis multivariate karena pasti menggunakan lebih dari 1 variabel. Selain
normalitas, uji prasyarat yang lain adalah multikolinearitas. Selain itu, prasyarat yang lain adalah uji linearitas, skala datanya harus interval, dan uji autokorelasi.
Menurut Olobatuyi 2006 the assumptions for path analysis include: linearity, interval
level of
measurement, normality,
and autocorrelation
http:olahdata.com. Namun, autokorelasi bisa diabaikan apabila data berupa data cross section bukan time series. Seperti diterangkan oleh Stokes 1997,
Armstrong 2001, Doane, et al 2008, Verbeek 2008 dan Abrams 2010 bahwa uji autokorelasi bisa diabaikan dalam penelitian yang menggunakan data
cross-section http:olahdata.com. Berdasarkan beberapa pendapat para ahli tersebut, maka uji prasyarat analisis jalur yang digunakan dalam penelitian ini
adalah uji normalitas, uji multikolinieritas, dan uji linieritas. a. Uji Normalitas
Menurut Ghozali 2005:18, uji normalitas data sebaiknya dilakukan sebelum data diolah berdasarkan model-model penelitian. Uji normalitas ini
bertujuan untuk mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian. Data yang baik dan layak yang digunakan dalam penelitian
adalah data yang distribusi normal. Dalam penelitian ini normalitas data dilihat
dengan Kolmogorov Smirnov test dengan menetapkan derajat keyakinan α
sebesar 5. Uji ini dilakukan pada setiap variabel dengan ketentuan bahwa jika secara individual masing-masing variabel memenuhi asumsi normalitas maka
secara simultan variabel-variabel tersebut juga bisa dinyatakan memenuhi asumsi normalitas. Kriteria pengujian dengan melihat besaran Kolmogorov Smirnov test
adalah sebagai berikut: 1 Jika nilai signifikan 0,05 maka data tersebut berdistribusi normal
2 Jika nilai signifikan 0,05 maka data tersebut tidak berdistribusi normal.
b. Uji Multikolinearitas Uji multikolinearitas merupakan pengujian dari asumsiyang berkaitan
bahwa antara variabel-variabel bebas dalam suatu model tidak saling berkolerasi satu dengan yang lainnya. Kolinearitas ganda terjadi apabila terdapat hubungan
yang sempurna antar variabel bebas, sehingga sulit untuk memisahkan pengaruh tiap-tiap variabel secara individu terhadap variabel terikat.
Salah satu cara untuk melihat terjadinya multikolinearitas yaitu dengan melihat nilai VIF Variance Inflation Factor dengan ketentuan apabila nilai
VIF5, maka terjadi multikolinearitas. Begitupun sebaliknya, jika nilai VIF5, maka tidak terjadi multikolinearitas Gujarati, 1999:299.
c. Uji Linieritas Uji linearitas digunakan untuk melihat apakah spesifikasi model yang
digunakan sudah benar atau tidak. Apakah fungsi yang digunakan dalam suatu empiris sebaiknya berbentuk linear, kuadrat atau kubik Ghozali, 2005:93.
Dengan uji ini akan diperoleh informasi apakah model empiris sebaiknya linear, kuadrat atau kubik.
Dalam penelitian ini untuk mengetahui terpenuhinya asumsi linearitas digunakan bantuan SPSS dengan melihat nilai deviation from linearity yang akan
menunjukkan seberapa jauh model kita menyimpang dari model linier. Jika hasilnya tidak signifikan p 0,05 maka model dapat dikatakan linier.
4. Pengujian Hipotesis a. Uji Pengaruh Langsung
Uji signifikansi untuk koefisien jalur pengaruh langsung sama seperti pada uji koefisien regresi metode OLS dengan menggunakan t-tes. Uji t digunakan
untuk melihat signifikansi pengaruh langsung dari variabel bebas secara parsial individu terhadap variabel tidak bebas dengan rumus sebagai berikut Sugiyono,
2006:84:
b
1
t = S
b1
Dimana: b
1
= koefisien regresi linier dari X
1
dan X
2
S = standart error dari b
1,
b
2
Perumusan Hipotesis: 1 H
: b
1
b
2
0 artinya tidak terdapat pengaruh yang signifikan antara variabel bebas Xi dengan Y secara individu..
2 Ho ≠ b
1
≠ b
2
≠ 0 artinya terdapat pengaruh yang signifikan antara Xi dengan Y.
Pengujian dilakukan dengan membandingkan antara t
hitung
dengan t
tabel
pada taraf nyata
yang digunakan sebesar 5 dengan derajat kebebasan : df = n - k. Kriteria pengujian yang digunakan adalah:
1 Apabila t
hitung
t
tabel
berarti H
o
ditolak dan H
a
diterima, jadi variabel bebas secara parsial memiliki pengaruh nyata terhadap variabel
terikat. 2 Apabila t
hitung
t
tabel
berarti H
o
diterima dan H
a
ditolak, jadi variabel bebas secara parsial tidak memiliki pengaruh nyata terhadap variabel
terikat.
b. Uji Pengaruh Tak Langsung Pengujian pengaruh tidak langsung dalam penelitian ini adalah untuk
mengetahui pengaruh tidak langsung motivasi dan pengembangan karir terhadap prestasi kerja melalui komitmen organisasi. Pengujian hipotesis mediasi dapat
dilakukan dengan prosedur yang dikembangkan oleh Sobel dalam Baihaqi, 2010:72 dan dikenal dengan Uji Sobel Sobel Test. Uji Sobel ini dilakukan
dengan cara menguji kekuatan pengaruh tidak langsung variabel independen X kepada variabel dependen Y melalui variabel perantara Z.
Pengujian pengaruh tidak langsung digunakan rumus sebagai berikut:
Nilai Z hitung ini dibandingkan dengan nilai z tabel dengan tingkat signifikansi 0,05 yaitu 1,96. Jika nilai Z hitung lebih besar dari nilai Z tabel maka
dapat disimpulkan bahwa terjadi pengaruh mediasi dari variabel perantara.
c. Uji Serempak Uji F Uji F dalam penelitian ini untuk menguji hipotesis yang menyatakan
bahwa Motivasi X1 dan Pengembangan Karir X2 secara bersama-sama berpengaruh signifikan terhadap komitmen organisasi.
Perumusan hipotesis:
1 H
: b
1
b
2
b
3
b
4
b
5
0 artinya tidak terdapat pengaruh yang signifikan antara variabel bebas dengan variabel terikat.
2 Ho ≠ b
1
≠ b
2
≠ b
3
≠ b
4
≠ b
5
≠ 0 artinya terdapat pengaruh yang signifikan antara variabel bebas dengan variabel terikat.
Pengujuan melalui Uji F ini dengan jalan membandingkan F
hitung
dengan F
tabel
pada taraf nyata yang digunakan sebesar 5 dengan derajat
kebebasan : df k - 1 n - k - 1. Kriteria pengujian yang digunakan adalah: 1
Apabila F
hitung
F
tabel
berarti H
o
ditolak dan H
a
diterima, jadi variabel bebas secara simultan memiliki pengaruh nyata terhadap variabel
terikat.
2 Apabila F
hitung
F
tabel
berarti H
o
diterima dan H
a
ditolak, jadi variabel bebas secara simultan tidak memiliki pengaruh nyata terhadap
variabel terikat.
99