Menilai kemungkinan munculnya Langkah – Langkah Pemecahan Masalah

dengan bentuk persegi. Dari sini model mejadi kompleks, karena entitinya berjumlah 17 sebagai “e” error dan “z”. maka menjadi entity yang kompleks dan akhirnya diperoleh performansi model yang dikehendaki.

3.4.2 Structural Equation Model SEM

Setelah measurement model dianalisis melalui confirmatory factor analysis dan menghasilkan validitas konvergen dan validitas diskriminan, maka sebuah full – model SEM dapat dianalisis.

a. Menilai kemungkinan munculnya

Identification Problem Dalam operasi program AMOS 6.01, program identifikasi akan diatasi langsung oleh program. Bila estimasi tidak dapat dilakukan, program akan memberikan pesan pada monitor komputer mengenai kemungkinan sebab – sebab mengapa program tidak dapat melakukan estimasi

b. Evaluasi Model

Evaluasi model pada dasarnya sudah dilakukan diatas pada waktu model diestimasi oleh program AMOS 6.01. Secara lebih lengkap evaluasi terhadap model ini dapat dilakukan sebagai berikut: 1 Ukuran Sampel Ukuran sampel minimal. Menurut Hair, et al. yang dikutip Ferdinand, 2002 : 43 ukuran sampel data obsevasi yang sesuai adalah antara 100 – 200 atau minimal untuk selanjutnya menggunakan perbandingan 5 observasi untuk setiap observasi parameter. 2 Asumsi Normalitas dan Linearitas Untuk asumsi Normalitas data dapat dilakukan dengan mengamati nilai kritis hasil pengujian assesment of normality dari program AMOS 6.01. Jika nilai diluar ring –2,58 ≥ C.R ≥ 2,58, maka dapat dikategorikan distribusi data tidak normal, oleh karenanya untuk kasus yang tidak memenuhi asumsi tersebut tidak diikutsertakan dalam analisis selanjutnya. Sedangkan untuk asumsi Linearitas data dapat dilakukan dengan menggunakan program SPSS 11.0 dimana gambar garis linier antara variabel X dan Y yang baik adalah dimulai dari kiri bawah menuju ke kanan atas. 3 Evaluasi terhadap outliers  Evaluasi atas Univariate Outliers dapat dilakukan dengan menggunakan program SPSS 11.0 dengan mengamati data yang memiliki –3 z-score3 Jika dari hasil pengamatan terdapat kasus yang diluar nilai –3 z-score3, maka tidak akan diikutsertakan dalam analisis selanjutnya. Pendekatan lain untuk mendeteksi outliers adalah dengan cara membandingkan standart deviasi SD dengan mean X . Apabila SD X maka diindikasikan terdapat outliers.  Evaluasi atas Multivariate Outliers dapat diamati pada output dari program AMOS 6.01 yang akan terlihat angka – angka Jarak Mahalanobis, bila Mahalanobis d-Squared pada komputasi AMOS 6.01 ada yang lebih besar dari nilai Chi-Square pada derajad bebas sebesar jumlah variabel dan pada tingkat signifikansi 0.001 maka data tersebut menunjukkan adanya Multivariate Outliers. 4 Asumsi atas Multikolinearitas dan Singularitas Asumsi atas Multikolinearitas dan Singularitas dapat dideteksi dari nilai determinan matriks kovarians yang sangat kecil extremely small. Namun pada program AMOS 4.01 telah menyediakan fasilitas “Warning” apabila terdapat indikasi Multikolinearitas dan Singularitas. 5 Evaluasi atas uji kriteria kesesuaian model Indeks – indeks uji kesesuaian model sebagai berikut : Goodness of Fit Indices Cut – Off Value X 2 Chi Square Diharapkan kecil Probabilitas ≥ 0,05 CMINDF ≤ 2,00 RMSEA ≤ 0,08 GFI ≥ 0,09 AGFI ≥ 0,09 TLI ≥ 0,95 CFI ≥ 0,95 Sumber : Ferdinand Hal. 61 6 Analisis Direct Efect, Indirect Efect dan Total Efect Peneliti dapat menganalisis kekuatan hubungan atau pengaruh antar konstruk baik hubungan langsung, tidak langsung maupun hubungan totalnya. Efek langsung direct effect adalah koefisien dari garis dengan anak panah satu ujung. Efek tidak langsung indirect effect adalah efek yang muncul melalui sebuah variabel antara. Efek total total effect adalah efek dari berbagai hubungan.

3.4.3. Uji Reliabilitas

Setelah kesesuaian model diuji model fit, evaluasi lain yang harus dilakukan adalah uji reliabilitas model menunjukkan bahwa dalam sebuah model, indikator – indikator yang digunakan memiliki derajad kesesuaian yang baik. Construct reliability dan Variance-extracted dihitung dengan rumus sebagai berikut : Uji Reliabilitas dilakukan dengan menggunakan rumus : Construct Reliability =         j Loading Std Loading Std  2 2 . . Dimana : 1. Std. Loading diperoleh langsung dari standardized loading untuk tiap – tiap indikator diambil dari perhitungan komputer AMOS 6.01 yaitu nilai lambda yang dihasilkan oleh masing – masing indikator. 2. ε φ adalah measurement error dari tiap – tiap indikator. measurement error adalah sama dengan 1 – reliabilitas indikator yaitu pangkat dua dari standardized loading setiap indicator yang dianalisis

3.4.4. Interpretasi dan Modifikasi Model

Setelah estimasi model dilakukan, peneliti masih dapat melakukan modifikasi terhadap model yang dikembangkan, bila hasil estimasi model mempunyai residual yang besar. Namun demikian, modifikasi hanya dapat dilakukan bila peneliti mempunyai justifikasi teoritis yang cukup kuat. Bila nilai residual lebih besar dari 2,58 maka model perlu dilakukan modifikasi. T Y Memperbaiki Kuisioner Studi Literatur Perbaikan Model Pengurangan Penambahan variabel observer A D B C Pengembangan Model Kinerja Karyawan Model Konseptual Menyusun Pathdiagram Pembuatan Hipotesis Konversi Pathdiagram ke persamaan Formulasi Model Penyusunan Kuisioner Penyebaran Kuisioner Data cukup ±100 Identifikasi Variabel Perumusan Masalah Tujuan Penelitian Start A K B C Goodness of Fit Test Uji Validitas Konvergen Apakah sudah valid ? Uji Signifikansi Y Apakah Signifikan ? Y Uji Validitas Diskriminan Apakah sudah Valid ? Structural Equation Model Y Goodness of Fit Test Uji Kausalitas E T T Indikator Yang Tidak Signifikan Dibuang dan Diolah F G Pengumpulan Data Memilih Matriks dan Input Teknik Estimasi Measurment Model B T Survey Lapangan

3.5 Langkah – Langkah Pemecahan Masalah

K Uji Standardized Residual Ada problem identifikasi Evaluasi Model Menilai Problem Identifikasi Model Bagus ? Uji Reliabilitas T Apakah Reliabel ? Interpretasi dan Modifikasi Model T Pembahasan Kesimpulan dan Saran End Y T T Analisa Hasil dan Pengujian Hipotesis G S.R ≥ ± 2,58 I Gambar 3.3 Flowchart Pemecahan Masalah Penjelasan Langkah – Langkah Pemecahan Masalah : 1. Mulai Pada tahap ini dilakukan penentuan tema tujuan pembuatan skripsi berdasarkan kondisi perusahaan yang terjadi sebenarnya 2. Studi Literatur Tujuan dilakukannya studi literatur adalah untuk memperluas dan memperdalam wawasan serta pengetahuan peneliti mengenai teori-teori yang berhubungan dengan penelitian. 3. Survey Lapangan Pada tahap ini peneliti memakai variabel yang ada di lapangan untuk mengetahui kondisi nyata yang berhubungan dengan penelitian yang akan dilakukan 4. Perumusan Masalah Survey yang dilakukan akan membawa penelitian pada tahap analisa perumusan masalah. 5. Penetapan Tujuan Penelitian Pada tahap ini ditetapkan tujuan penelitian terkait permasalahan yang ditetapkan 6. Identifikasi Variabel : Karena penelitian ini tentang kinerja karyawan dan keunggulan bersaing berkelanjutan maka dicari variabel yang mempengaruhi kinerja karyawan. 7. Pengembangan Model Berbasis Teori : Setelah variabel dependen dan independen ditemukan maka mencari indikator-indikator serta hubungan antara variabel dependen dengan independen yang harus berdasarkan teori. 8. Menyusun Pathdiagram : Pathdiagram nantinya akan berupa model operasional dari situ akan terlihat adanya hubungan kausalitas dan analisa faktor konfirmatori serta adanya konstruk endogen dan eksogen. 9. Pembuatan Hipotesis : 1. Diduga Kepemimpinan mempunyai pengaruh positif signifikan terhadap Kinerja Karyawan di PT. Panca Wana Indonesia Sidoarjo. 2. Diduga Budaya Organisasi mempunyai pengaruh positif signifikan terhadap Kinerja Karyawan di PT. Panca Wana Indonesia Sidoarjo. 3. Diduga Motivasi Kerja mempunyai pengaruh positif signifikan terhadap Kinerja Karyawan di PT. Panca Wana Indonesia Sidoarjo. 4. Diduga Pengembangan Karir mempunyai pengaruh positif signifikan terhadap Kinerja Karyawan di PT. Panca Wana Indonesia Sidoarjo. 5. Diduga Strategi mempunyai pengaruh positif signifikan terhadap Kinerja Karyawan di PT. Panca Wana Indonesia Sidoarjo. 10. Konversi Pathdiagram ke Persamaan : Dari pathdiagram muncul persamaan pengukuran X 1.1 = 1 X1 + e 1 dan contoh persamaan struktural Y1 = β1 X1 + e 1 . 11. Penyusunan Kuisioner : Kuisioner dibuat dengan menggunakan skala interval dengan angka 1 sampai 5. Setelah itu kuisioner diberikan kepada tiap karyawan yang berada di Bidang Operasi, Pemeliharaan dan SDM. 12. Penyebaran Kuisioner : Teknik pengumpulan data yang digunakan adalah Studi Survey pendahuluan, wawancara, kuisioner. 13. Pengumpulan Data : Pengembalian kuisioner diperiksa kelengkapan jawabannya dan kesalahannya. Apabila data yang memenuhi syarat sudah mencapai 100, maka data dapat dikatakan cukup. Apabila salah satu indikator terdapat beberapa pertanyaan, diambilkan berdasarkan nilai rata – ratanya. 14. Analisa Karakteristik Data : Menganalisa jawaban responden dengan membagi menjadi 3 karakteristik. 15. Memilih Matrik Input dan Teknik Estimasi : Karena peneliti ini menguji hubungan kausalitas maka matrik kovarians-lah yang dipakai sebagai input karena hasilnya tidak bias dan untuk teknik estimasinya dipilih maximum likelihood diharapkan data adalah normal tetapi bila tidak normal tidak jadi masalah. 16. Measurement Model : Pengukuran berdasarkan 3 uji yaitu Goodness of Fit, Validitas dan Signifikansi. 1. Goodness of Fit, dengan melihat df pada α = 5 dibandingkan dengan output. Apabila output lebih kecil maka model bagus. 2. Uji Validitas Konvergen : Dilihat c.r-nya, bila c.r 2. SE berarti indikator yang digunakan secara valid dapat mengukur apa yang seharusnya diukur dalam model. 3. Uji Validitas Diskriminan : Melihat hubungan antara variabel independen dengan independen harus kecil dan hubungan antara variabel dependen dengan independen harus besar. 4. Uji Signifikansi : Ada 2 cara yaitu : melihat loading factor nilai lambda ≥ 0,40 dan melihat bobot faktor dengan c.r dari 2.114 t-tabel. 17. Structural Equation Model : 1 Goodness of Fit Test : Dilihat df pada α = 5 dan dibandingkan dengan hasil. Bila hasil lebih kecil maka model bagus. 2 Uji Kausalitas : Dengan melihat c.r t-tabel akan terjawab hubungan antar variabel apakah positif atau negatif dan dapat terjawab signifikansinya. 3 Menilai Problem Identifikasi : Apabila tidak ada problem identifikasi maka model tidak ada masalah. Bila terdapat problem identifikasi akan ada warning. 4 Evaluasi Model : a. Normalitas dengan melihat A ssessment of Normality. Apabila -2,58 ≤ X ≤ 2,58 maka data normal. b. Evaluasi atas outliers - Univariate , dengan melihat Z-Score ≥ ± 3. - Multivariate, dengan melihat Mahalonobis Distance. Apabila hasil output lebih kecil dari X 2 jumlah indikator , 0,001 diplot di minitab, maka tidak ada outlier. c. Multikolinearity dan Singularity, syaratnya determinan dari matrik kovarian sampel harus lebih besar dari 0. d. kesesuaian model, dengan melihat df pada α = 5 dibandingkan dengan output. Apabila output lebih kecil maka model bagus. e. Analisis langsung, tidak langsng dan efek total, dari sini akan terjawab adanya hubungan langsung, tidak langsung dan hubungan total dari model. 5 Intepretasi dan Modifikasi Model : Melalui uji standartdized residual , apabila S.R ≥ ± 2,58 maka model perlu dilakukan modifikasi dengan melihat modification indices yang ≥ 4,0 namun harus berdasarkan justifikasi teori. 6 Uji Reliabilitas : Syaratnya tingkat reliabilitasnya adalah α ≥ 0,70 18. Analisa Hasil dan Pembahasan : Disini akan dibahas mengenai hasil dan analisanya. 19. Kesimpulan dan Saran Berisikan kesimpulan dan saran mengenai pengaruh faktor semangat kerja, pengembangan karier, dan lingkungan terhadap kinerja karyawan dan keunggulan bersaing berkelanjutan di PT. PANCA WANA INDONESIA. 20. Selesai Tahap penelitian berakhir pada tahap ini

BAB IV HASIL DAN PEMBAHASAN

4.1 Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data primer, cara pengumpulan datanya digunakan questioner dan interview guide wawancara. Pertanyaan-pertanyaan dalam kuisioner disusun berdasarkan variabel-variabel yang ada dilapangan, yang diperoleh melalui survei lapangan. Pertanyaan- pertanyaan dalam kuisioner tersebut secara lengkap dapat dilihat pada lampiran 2. Kuisioner disebarkan kepada para konsumen yang berkompeten di PT. PANCA WANA INDONESIA SIDOARJO. Unit analisis penelitian ini adalah persepsi konsumen terhadap manajemen PT. PANCA WANA INDONESIA SIDOARJO, subyeknya karyawan dan obyeknya manajemen PT. PANCA WANA INDONESIA SIDOARJO. Keseluruhan kuisioner yang disebarkan sebanyak 110 kuisioner dan terdapat 6 kuisioner yang pengisiannya tidak lengkap, dari 104 kuisioner yang telah lengkap, diambil 100 kuisioner secara acak sebagai sampel penelitian, setelah kuisioner disebarkan maka selanjutnya dilakukan proses pengembalian kuisioner. Setelah dilakukan pengecekan ulang oleh peneliti, hanya sebanyak 100 kuisioner saja yang berisi data lengkap. Sehingga jumlah sampel yang digunakan dalam penelitian ini adalah sebanyak 100 sampel, dimana sudah memenuhi persyaratan asumsi pengolahan SEM yang menghendaki jumlah sampel minimal sebanyak 100, karena dalam penelitian ini menggunakan maximum likelihood estimation data yang dibutuhkan antara 100-200 Waluyo, 2009. Data dalam 70 penelitian yang didapat dari pengembalian kuisioner yang berisi lengkap sebanyak 100 kuisioner, sehingga asumsi SEM bahwa data harus ≥ 100 terpenuhi. Data penelitian ini dengan menggunakan skala semantic differential yang ada pada bab 3 untuk merubah data persepsi menjadi data numerik, di mana data kuisioner dapat dilihat pada Lampiran 3.

4.2 Pengolahan Data

4.2.1 Karakteristik Data Penelitian Data pada penelitian ini diperoleh melalui penyebaran kuesioner kepada konsumen PT. PANCA WANA INDONESIA SIDOARJO di Surabaya. Kuesioner yang digunakan menggunakan skala semantic differential. Untuk mengetahui Pengembangan Karier jawaban responden, maka digunakan daftar Pengembangan Karier frekuensi jawaban responden yang terbagi atas 3 kelas interval yaitu rendah, sedang dan tinggi karena hasil frekuensi tabel dapat dilihat dalam Lampiran berbeda maka pada perhitungan untuk mencari kelas dapat dicontohkan dengan rumus yang digunakan adalah sebagai berikut : Rentang = data maximum – data minimum = 7 – 4 = 3 Interval = rentang banyak kelas = 3 3 = 1 Jadi, dari keterangan di atas didapat interval sebagai berikut : Rendah, jika 1  x  3 Sedang, jika 3 x  5 Tinggi, jika 5 x  7 Berdasarkan tabel frekuensi dari Output SPSS, dapat dibuat Pengembangan Karier frekuensi jawaban responden terhadap variabel yang diteliti