Profil Responden Analisis Pengaruh Pelatihan terhadap Prestasi Kerja Karyawan

V. HASIL DAN PEMBAHASAN

Kuesioner disebarkan kepada 40 orang responden yang merupakan peserta pelatihan UpgradingQualifying Calon SinderSinder TUK. Di antara 40 kuesioner, satu kuesioner tidak diisi seluruhnya dan satu kuesioner tidak dikembalikan, sehingga jumlah kuesioner yang dapat diolah sebanyak 38 buah. Pelatihan UpgradingQualifying Calon SinderSinder TUK diadakan dari tanggal 9 Juli s.d. 20 Juli 2007 di Unit Kerja Panglejar Purwakarta. Pelatihan ini dilaksanakan dengan tujuan untuk meningkatkan kemampuan Sinder TUK dan mempersiapkan petugas Tabin Tata Buku Induk sehingga memiliki kompetensi sesuai yang diinginkan oleh perusahaan. Pelatihan ini dilaksanakan dengan metode in house training, yakni melaksanakan pelatihan di sebuah tempat yang khusus disediakan oleh perusahaan untuk pelatihan.

A. Profil Responden

Penelitian masalah khusus ini didukung oleh 40 responden yang merupakan karyawan PTPN VIII yang mengikuti Pelatihan UpgradingQualifying Calon SinderSinder TUK. Karyawan PTPN VIII yang mengikuti pelatihan ini adalah karyawan yang lolos seleksi tahap pertama. Karyawan yang mengikuti pelatihan ini merupakan karyawan dengan jabatan Sinder TUK dan Petugas Tabin. Sebagian besar responden merupakan karyawan yang berusia di atas 35 tahun yakni sejumlah 33 orang. Sedangkan karyawan yang berusia antara 31-35 tahun sebanyak 3 orang dan yang berusia 25- 30 tahun sebanyak 2 orang. Hal ini sesuai dengan masa kerja karyawan yang mengikuti pelatihan ini. Karyawan yang mengikuti pelatihan ini sebagian besar adalah karyawan yang sudah bekerja di PTPN VIII lebih dari 15 tahun. Tetapi, tidak menutup kemungkinan bagi karyawan muda untuk dapat mengikuti pelatihan ini. Data mengenai responden tersedia pada Tabel 3 berikut. Tabel 3. Data Responden Responden Jumlah Laki-laki 37 Jenis Kelamin Perempuan 1 25-30 2 31-35 3 Usia tahun 35 33 SMA 24 Diploma 4 Tingkat pendidikan Sarjana 10 1-5 3 6-10 2 11-15 4 Masa kerja tahun 15 29 Sumber: data olahan

B. Analisis Pengaruh Pelatihan terhadap Prestasi Kerja Karyawan

Structural Equation Modeling atau Model Persamaan Struktural menguji hubungan antara variabel laten eksogen dan endogen dan menguji hubungan nilai loading antara indikator dengan variable laten. Pelatihan merupakan variabel laten eksogen dan prestasi kerja merupakan variabel laten endogen. Masing- masing variabel laten memiliki indikator yang dapat diukur nilai loadingnya bobot faktor. Gambar berikut menunjukkan model dari penelitian ini. λ 5 Gambar 4. Diagram Konseptual 2 1 1 2 3 γ 7 6 5 4 3 λ 7 λ 6 λ 4 λ 3 λ 2 λ 1 λ 4 λ 6 λ 5 λ 3 λ 2 λ 1 6 5 4 Pelatih Peserta Lingkungan perusahaan Metode pelatihan Fasilitas pelatihan Materi pelatihan Pelatihan Prestasi kerja Kualitas kerja Ketepatan waktu Kehadiran dan ketepatan waktu Tanggung jawab Kuantitas kerja Kerjasama dengan yang lain Sikap Keterangan notasi LISREL yang terdapat pada Gambar 4 dijelaskan pada Tabel 4. Tabel 4. Notasi LISREL Notasi Keterangan ξ ksi Variabel laten Pelatihan; digambarkan sebagai lingkaran pada model struktural SEM eta Variabel laten Prestasi kerja, juga digambar sebagai lingkaran pada model struktural SEM gamma Hubungan langsung variabel Pelatihan terhadap variabel Prestasi kerja beta Hubungan langsung variabel endogen terhadap variabel eksogen X Indikator variabel Pelatihan Y Indikator variabel Prestasi kerja λ lambda Hubungan antara variabel laten Pelatihan ataupun Prestasi kerja terhadap indikator-indikatornya. φ phi Kovarianskorelasi antara variabel eksogen. delta Kesalahan pengukuran measurement error dari indikator variabel Pelatihan epsilon Kesalahan pengukuran measurement error dari indikator variabel Prestasi kerja Menunjukkan hubungan antara variabel Pelatihan dan Prestasi kerja. Simbol ini juga menunjukkan hubungan antara variabel Pelatihan ataupun Prestasi kerja terhadap indikator-indikatornya. Setiap indikator dihitung nilai rata-ratanya untuk mendapatkan satu nilai yang mewakili indikator tersebut. Kemudian nilai tersebut diolah dengan menggunakan LISREL dengan koefisien chi-Square=61.39, df=52, P- value=0.17499, dan RMSEA=0.070. Nilai RMSEA yang kurang dari 0.05 mengindikasikan adanya model fit dan nilai RMSEA yang berkisar antara 0.08 menyatakan bahwa model memiliki perkiraan kesalahan yang reasonable Byrne, 1990 di dalam Ghozali, 2005. RMSEA yang lebih besar dari 0.1 mengindikasikan model fit yang jelek MacCallum etal, 1996 di dalam Ghozali, 2005. Dengan demikian dapat diambil kesimpulan bahwa model yang dihasilkan dalam penelitian ini cukup fit mediocre karena memiliki nilai RMSEA 0.07 dan p-value sebesar 0.17499. Penentuan model fit dalam SEM juga dilihat dari kriteria-kriteria yang terdapat dalam Goodness of fit statistic. a. Goodness of Fit Indices GFI GFI adalah ukuran mengenai ketepatan model dalam menghasilkan observed matriks kovarians. Nilai GFI harus berkisar antara 0 dan 1. Model dalam penelitian ini menghasilkan nilai GFI sebesar 0.783. b. Adjusted Goodness of Fit Index AGFI AGFI adalah sama seperti GFI tetapi telah menyesuaikan pengaruh degrees of freedom pada suatu model. Nilai AGFI sebesar 1 berarti model memiliki perfect fit. Model dalam penelitian ini memiliki nilai AGFI sebesar 0.675. c. Expected Cross Validation Index ECVI ECVI digunakan untuk menilai kecenderungan bahwa model, pada sampel tunggal, cross validation dapat divalidasi silang pada ukuran sampel dna populasi yang sama Brown dan Cudeck, 1989 di dalam Ghozali, 2005. Nilai ECVI model yang lebih rendah daripada ECVI yang diperoleh pada saturated model dan independence model, mengindikasikan bahwa model ini fit. Expected Cross-Validation Index ECVI = 3.064 90 Percent Confidence Interval for ECVI = 2.811 ; 3.707 ECVI for Saturated Model = 4.216 ECVI for Independence Model = 6.579 d. Akakike’s Information Criterion AIC dan CAIC AIC dan CAIC digunakan untuk menilai mengenai masalah parsimony dalam penilaian model fit. Nilai AIC dan CAIC yang lebih kecil daripada AIC saturated dan independence berarti memiliki model fit yang lebih baik Hu dan Bentler, 1995 di dalam Ghozali, 2005. Chi-Square for Independence Model with 66 Degrees of Freedom = 219.434 Independence AIC = 243.434 Model AIC = 113.385 Saturated AIC = 156.000 Independence CAIC = 275.086 Model CAIC = 181.963 Saturated CAIC = 361.732 e. Fit Index NFI dan CFI Normed Fit Index NFI dan Comparative Fit Index CFI merupakan salah satu alternatif untuk menentukan model fit. Nilai NFI dan CFI berkisar antara 0 dan 1. Suatu model dikatakan fit apabila memiliki nilai NFI dan CFI lebih besar daripada 0.9 Bentler, 1992 di dalam Ghozali, 2005. Normed Fit Index NFI = 0.679 Non-Normed Fit Index NNFI = 0.848 Parsimony Normed Fit Index PNFI = 0.535 Comparative Fit Index CFI = 0.881 Incremental Fit Index IFI = 0.890 Relative Fit Index RFI = 0.593 Model dalam penelitian ini memiliki nilai NFI sebesar 0.679 dan CFI sebesar 0.881. Berdasarkan nilai NFI dan CFI yang diperoleh maka model dalam penelitian ini dapat dikatan fit. Gambar 5. Hasil Analisis Estimasi LISREL 8.30 X1 0.49 X2 0.59 X3 0.53 X4 0.65 X5 0.73 X6 0.71 Pelatihan Prestasi Y1 0.58 Y2 0.67 Y3 0.87 Y4 0.23 Y5 0.34 Y6 0.84 Chi-Square=61.39, df=52, P-value=0.17499, RMSEA=0.070 0.65 0.58 0.35 0.88 0.82 0.40 0.72 0.64 0.69 0.59 0.52 0.54 0.61 0.50 Pengujian reliabilitas dalam SEM dilakukan dengan memperhatikan nilai R 2 squared multiple correlations dari indikator dan menghitung nilai construct reliability . Jika nilai construct reliability ≥ 0.70 reliabilitas construct dikatakan baik. Berdasarkan analisis SEM, uji reliabilitas menunjukkan bahwa reliabilitas construct dalam penelitian ini dikatakan baik. Hasil uji reliabilitas dari model penelitian ini dapat dilihat pada Tabel 5. Tabel 5. Uji Reliabilitas Variabel laten Construct reliability Pelatihan 0.788 Prestasi kerja 0.794 Untuk reliabilitas tiap indikator, pengujian dilakukan berdasarkan nilai R 2 . R 2 menjelaskan mengenai seberapa besar proporsi varians indikator yang dijelaskan oleh variabel laten sedangkan sisanya dijelaskan oleh measurement error . Tabel 7 menunjukkan bahwa Y4 memiliki nilai R 2 tertinggi yaitu 0.769. Jadi dapat disimpulkan bahwa variabel laten prestasi berkontribusi terhadap Y4. Sedangkan Y3 merupakan indikator yang paling kurang reliable dari variabel laten prestasi, karena nilai R 2 yang dimiliki adalah paling kecil dibandingkan dengan indikator prestasi yang lain. Tabel 7 menunjukkan indikator dari variabel pelatihan yang memiliki nilai R 2 terbesar adalah X1 yaitu 0.515. jadi dapat disimpulkan variabel laten pelatihan berkontribusi terhadap X1. Sedangkan X5 merupakan indikator yang paling kurang reliable dari variabel laten pelatihan, karena nilai R 2 yang dimiliki adalah paling kecil yaitu sebesar 0.274. Tabel 6. Uji Reliabilitas dari Nilai R 2 Indikator Variabel Pelatihan Indikator Nilai R 2 X1 0.515 X2 0.406 X3 0.470 X4 0.351 X5 0.274 X6 0.294 Tabel 7. Uji Reliabilitas dari Nilai R 2 Indikator Variabel Prestasi kerja Y1 0.419 Y2 0.334 Y3 0.125 Y4 0.769 Y5 0.665 Y6 0.164 Pengujian validitas alat ukur dilakukan dengan menghitung t-values setiap indikator. Pada pengolahan data, penghitungan t-values dibantu oleh software LISREL 8.30. Hasil pengujian validitas kusioner terdapat pada Gambar 6. Berdasarkan hasil uji validitas, semua indikator yang terdapat dalam model ini dapat dikatakan berpengaruh signifikan terhadap variabel laten eksogen pelatihan dan endogen prestasi kerja. Hal ini dapat diketahui dari nilai t-values yang lebih besar dari 1.96 Z α 2 . Sehingga kuesioner yang digunakan dalam penelitian ini adalah valid. Gambar 6. Analisis t-value X1 3.26 X2 3.63 X3 3.43 X4 3.77 X5 3.93 X6 3.89 Pelatihan Prestasi Y1 3.85 Y2 3.99 Y3 4.21 Y4 2.16 Y5 2.94 Y6 4.18 Chi-Square=61.39, df=52, P-value=0.17499, RMSEA=0.070 3.90 3.44 2.05 5.38 5.04 2.36 4.57 3.93 4.31 3.59 3.10 3.24 2.79 3.19 Hasil analisis estimasi LISREL adalah nilai loading factor λ dan nilai squared multiple correlation SMC. Bobot faktor loading factor menunjukkan besarnya tingkat kontribusi pengaruh variabel indikator dalam membentuk variabel laten. Nilai SMC setiap variabel merupakan koefisien determinasi atau penjelas yakni menunjukkan sebesar besar variabel indikator dapat menjelaskan atau mempengaruhi variabel laten. Hasil analisis estimasi LISREL 8.30 terhadap model ini menunjukkan bahwa faktor muatan pelatihan terhadap prestasi kerja adalah sebesar 0.61. Hal ini menunjukkan bahwa prestasi kerja dipengaruhi oleh pelatihan sebesar 37.8. Keterangan ini menunjukkkan bahwa peningkatan prestasi kerja lebih dipengaruhi oleh pelatihan dibandingkan faktor lain yang tidak dikaji dalam penelitian ini. Rivai 2006 menegaskan bahwa pelatihan berkaitan dengan keahlian dan kemampuan pegawai untuk melaksanakan pekerjaan saat ini. Pelatihan membantu pegawai untuk mencapai keahlian dan kemampuan tertentu agar berhasil dalam melaksanakan pekerjaannya.

C. Analisis Indikator Dominan Pembentuk Pelatihan dan Prestasi Kerja