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