Tabel 2. Nilai skor rataan Skor Rataan
Penilaian
1,0 - 1,8 Sangat Tidak Setuju
1,8 – 2,6 Tidak Setuju
2,6 – 3,4 Cukup Setuju
3,4 – 4,2 Setuju
4,2 – 5,0 Sangat Setuju
Intepretasi untuk skor rataan tabel di atas adalah apabila nilai skor rataan yang dihasilkan berada pada rentang 1,0 - 1,8, maka permasalahan
yang dihadapi karyawan dikatakan sangat tidak baik. Apabila nilai skor rataan yang dihasilkan berada pada rentang 1,8 - 2,6, maka permasalahan
yang dihadapi karyawan dikatakan tidak baik. Kemudian, jika nilai skor rataan berada pada rentang 2,6 - 3,4 maka permasalahan yang dihadapi
karyawan dikatakan cukup baik. Dalam kategori cukup baik terdapat 2 pesepsi, yaitu cukup baik dengan persepsi yang mengarah pada
kecenderungan penilaian tidak baik, jika terdapat pada skala penilaian 2,6 – 2,99 dan persepsi yang mengarah pada kecendrungan baik dengan skala
penilaian dari 3,00 – 3,4. Jika nilai skor rataan yang dihasilkan berada dalam rentang 3,4 -
4,2, maka permasalahan yang dihadapi karyawan dapat dikatakan baik. Sementara apabila nilai skor rataan yang dihasilkan berada pada rentang
4,2 - 5,0, maka permasalahan yang ada dapat dikatakan sangat baik.
3.4.3 Menganalisis Beban Kerja
Proses pengolahan data tersebut memiliki beberapa tahapan proses, yaitu : a. Menghitung waktu kerja efektif yang tersedia bagi karyawan selama
satu tahun. Perhitungannya menurut Kementrian Pendayagunaan Aparatur Negara 2004 :
Hari Kerja Efektif = X
1
- X
2
+ X
3
+ X
4
+ X
5
..................4
Keterangan : X
1
= Jumlah hari menurut kalender X
2
= Jumlah hari Sabtu dan Minngu dalam satu tahun X
3
= Jumlah hari Libur dalam satu tahun X
4
= Jumlah Cuti dalam satu tahun Jam kerja efektifhari = jam kerjahari – Waktu boros
Waktu Boros = 30 x jam kerjahari Waktu Produktif 1 tahun = Hari kerja efektif x jam kerja efekifhari
b. Mengolah data dan menghitung beban kerja karyawan c. Menghitung jumlah karyawan yang efektif dan efisien
Jumlah karyawan efektif =
ℎ ℎ
.............5
3.4.4 Analisis PLS
Menurut Ghozali 2008, Partial Least Square PLS merupakan pendekatan alternatif yang bergeser dari pendekatan Structur Equation
Modelling SEM berbasis kovarian menjadi berbasis varian. Dinyatakan oleh Wold dalam Ghozali 2008, metode ini merupakan metode yang
sangat kuat, karena tidak didasarkan oleh banyak asumsi, data tidak harus terdistribusi dengan normal multivariat dan untuk bahan sampel tidak harus
besar. Tujuan dari PLS adalah memprediksi suatu model dan mengkonfirmasi teori yang telah ada, tetapi bisa juga digunakan untuk
menjelaskan ada tidaknya hubungan antar peubah atau variabel laten. Pengolahan analisis PLS dalam penelitian ini menggunakan bantuan
software SmartPLS 2.0. Model PLS pada penelitian ini dapat dilihat pada Gambar 2.
Berdasarkan Gambar 2, diketahui peubah-peubah yang mencerminkan beban kerja, peubah-peubah ini bersifat reflektif. Peubah konstruk dan
peubah indikator yang mencerminkan beban kerja dapat dilihat pada Tabel 3.
Tabel 3. Peubah-peubah reflektif yang mencerminkan beban kerja Konstruk
Indikator Keterangan
Beban kerja X B1
Jumlah pegawai sudah cukup B2
Target yang harus dicapai sudah jelas B3
Waktu penyelesaian pekerjaan sudah cukup
B4 Pekerjaan yang sama setiap harinya
B5 Penyelesaian pekerjaan harus cepat
B6 Pada jam istirahat mengerjakan
pekejaan B7
Pada saat-saat tertentu menjadi sangat sibuk
B8 Dapat menikmati pekerjaan yang
dilakuakan B9
Beban kerja sudah sesuai dengan standar pekerjaan
B10 Dapat meninggalkan kantor ketika
waktu kerja telah selesai
Peubah-peubah yang mencerminkan kinerja bersifat reflektif. Artinya penilaian terhadap peubah-peubah tersebut mencerminkan kinerja karyawan.
Peubah konstruk dan peubah indikator yang mencermikan kinerja karyawan dapat dilihat pada tabel 4.
Tabel 4. Peubah-peubah reflektif yang mencerminkan kinerja Konstruk
Indikator Keterangan
Kinerja Y K1
Pelaksanaan tugas dan pekerjaan dengan tepat atau benar
K2 Mutu dan kuntitas pekerjaan sesuai
standar K3
Mutu dan kuantitas pekerjaan sesuai kompetensi pekerjaan
K4 Motivasi untuk tujuan perusahaan
K5 Loyal pada perusahaan
K6 Mampu bekerjasama dalam tim
K7 Kreatif dan inovatif dalam
pelaksanaan pekerjaan K8
Pelayanan kepada customer, atau masyarakat sudah baik
Lanjutan Tabel 4. Konstruk
Indikator Keterangan
Kinerja Y K9
Prosedur dan kebijakan dilaksanakan dengan baik
K10 Penampilan dan cara berpakaian
sudah baik
Gambar 2. Model PLS
Pada metode PLS dikenal 2 dua evaluasi model. Pertama model pengukuran atau outer model. Outer model adalah model pengukuran hubungan
antara indikator dengan konstruk. Dilakukan pengujian validitas dan reliabilitas dari masing-masing indikator. Pada model reflektif, kriteria validitas dan
reliabilitas indikator diukur dengan convergent validity, discriminant validity dan composite reliability. Indikator dikatakan valid jika memiliki nilai loading diatas
0,7. Namun untuk penelitian tahap awal dari pengembangan skala pengukuran, nilai loading 0,5 sampai 0,6 dianggap cukup. Convergent validity dapat pula
ditunjukkan oleh nilai Average Variance Extracted AVE. Syarat untuk menjadi model yang baik adalah nilai AVE masing-masing konstruk lebih besar dari 0,50.
Selain convergent validity , dilakukan juga pengujian discriminant validity. Discriminant validity dinilai berdasarkan cross loading antara indikator terhadap
konstruk. Nilai korelasi indikator terhadap konstruknya harus lebih besar
dibandingkan nilai korelasi antara indikator dengan konstruk lainnya. Sementara reliabilitas konstruk diukur dengan composite reliability dan Cronbach Alpha.
Konstruk dikatakan reliabel jika memiliki nilai composite reliability dan Cronbach Alpha di atas 0,70 Ghozali, 2008. Sementara untuk pengujian
validitas model formatif dilakukan dengan melihat koefisien regresi dan signifikansi dari koefisien tersebut. Pada dasarnya konstruk formatif merupakan
hubungan regresi dari indikator ke konstruk. Kedua, model struktural atau inner model. Inner model menggambarkan
hubungan antara peubah atau variabel laten berdasarkan pada teori substantif. Model struktural dievaluasi dengan menggunakan R-square untuk konstruk
dependen dan Uji-t untuk menentukan nyatanya koefisien parameter jalur struktural. Perubahan nilai R-square dapat digunakan untuk menilai pengaruh
peubah laten independen tertentu terhadap peubah laten dependen, apakah mempunyai pengaruh substantif.
IV. HASIL DAN PEMBAHASAN
