commit to user
21
BAB III METODE PENELITIAN
1. Desain Penelitian a. Jenis Riset
Penelitian ini merupakan Descriptive dan Explanatory Research. Menurut Jogiyanto 2004, descriptive research merupakan riset yang bertujuan untuk menggambarkan suatu
peristiwa, siapa yang terlibat, apa yang dilakukan, kapan dilakukan, di mana, dan bagaimana melakukannya. Adapun explanatory research merupakan riset yang mencoba menjelaskan
fenomena yang ada.
b. Dimensi Waktu Riset
Dilihat dari dimensi waktunya, penelitian ini adalah penelitian cross-sectional. Jogiyanto 2004 mengemukakan bahwa penelitian cross-sectional melibatkan satu waktu tertentu
dengan banyak sample.
c. Setting Riset
Berdasarkan setting-nya, penelitian ini melibatkan lingkungan non contrived setting, yaitu lingkungan riil field setting.
d. Unit Analisis
Unit analisis dalam penelitian ini adalah individual, di mana individu responden akan diminta tanggapannya mengenai variable-variabel yang diteliti.
commit to user
22
2. Populasi, Sampel, dan Teknik Sampling a. Populasi Penelitian
Penelitian ini menggunakan desain survey, yaitu penelitian yang mengambil sampel dari satu populasi dan menggunakan kuesioner sebagai alat pengumpulan data pokok. Populasi
dalam penelitian ini adalah seluruh karyawan yang tersebar di berbagai unit kerja dalam lingkup Pemerintah Daerah Karanganyar dan seluruh masyarakat yang menerima layanan
dari Pemerintah Daerah Karanganyar.
b. Sampel dan Teknik Sampling
Dari populasi penelitian akan ditentukan sample yang akan diteliti lebih lanjut berdasarkan data yang diperoleh. Data yang digunakan dalam penelitian ini merupakan data
berpasangan antara karyawan yang memberikan pelayanan dan masyarakat yang menerima layanan tersebut. Pada penelitian ini sample yang digunakan sebesar 130 responden. Ukuran
sampel dalam penelitian ini adalah menggunakan dasar estimasi Maksimum Likelihood ML yang menyatakan bahwa minimum sample yang diperlukan adalah 100. Ketika sampel
dinaikkan di atas nilai 100, metode ML meningkat sensitivitasnya untuk mendeteksi perbedaan antar data. Saat sampel menjadi besar di atas 400 sampai 500 maka metode ML
menjadi sangat sensitif dan selalu menghasilkan perbedaan secara signifikan sehingga ukuran Goodness of Fit menjadi jelek. Jadi dapat direkomendasikan bahwa ukuran sampel
antara 100 sampai 200 harus digunakan untuk metode estimasi ML Ghozali, 2005. Berdasarkan pendapat tersebut maka sampel yang digunakan dalam penelitian ini adalah 130
responden.
commit to user
23
Teknik pengambilan sampel yang digunakan dalam penelitian ini adalah Purposive Sampling. Menurut Sekaran 2006 Purposive sampling merupakan pengambilan sampel
dengan maksud atau tujuan tertentu. Seseorang atau sesuatu diambil sebagai sampel karena peneliti menganggap bahwa seseorang atau sesuatu tersebut memiliki informasi yang
dibutuhkan bagi penelitiannya. Penelitian ini meneliti perilaku karyawan dalam memberikan layanan publik pada masyarakat, oleh karena itu sampel yang dipilih sebagai responden
adalah karyawan yang memberikan layanan publik pada masyarakat dan masyarakat yang menerima layanan dari Pemerintah Daerah Karanganyar. Berdasarkan pertimbangan tersebut
maka teknik pengambilan sampel yang dipilih dalam penelitian ini adalah purposive sampling.
Objek penelitian dalam penelitian ini diambil melalui rekomendasi yang diberikan BAPPEDA Kabupaten Karanganyar. Untuk menentukan objek penelitian, peneliti meminta
izin untuk melakukan penelitian pada badan yang mengurus tentang perizinan untuk melakukan penelitian di Kabupaten Karanganyar yaitu BAPPEDA. Peneliti memaparkan
bahwa karyawan yang akan diambil menjadi sampel adalah karyawan yang memberikan layanan publik pada masyarakat. Berdasarkan data yang dibutuhkan peneliti maka
BAPPEDA memberikan rekomendasi untuk melakukan penelitian pada 6 unit kerja dalam lingkup Pemerintah Daerah Karanganyar.
Adapun berdasarkan izin yang diberikan, unit-unit kerja dalam lingkup Pemerintah Daerah Karanganyar yang dijadikan objek penelitian adalah sebagai berikut :
1 Badan Pelayanan Perijinan Terpadu : 28 responden
2 Dinas Sosial Tenaga Kerja dan Transmigrasi : 30 responden
commit to user
24
3 Badan Kesbang, Pol dan Linmas : 6 responden
4 Dinas Kependudukan dan Pencatatan Sipil : 24 responden
5 Dinas Pekerjaan Umum : 20 responden
6 Badan Kepegawaian Daerah : 22 responden
3. Jenis Data
Data yang digunakan dalam penelitian ini terdiri dari : a. Data Primer
Data primer diperoleh dari responden penelitian melalui kuisioner sebagai alat pengumpulan data. Data yang dikumpulkan ini mencakup karakteristik responden penelitian
serta tanggapan responden mengenai keadilan procedural, komitmen afektif, Discretionary Service Behavior, dan Kepuasan atas layanan.
b. Data Sekunder Jenis data ini meliputi data tambahan yang diperlukan dari objek penelitian, seperti profil
organisasi, struktur organisasi, data kepegawaian, dan sebagainya.
4. Definisi Operasional Variabel
a. Keadilan Prosedural Keadilan prosedural adalah persepsi keadilan dari proses dan prosedur yang digunakan
oleh pihak yang berwenang untuk menilai kinerja karyawan dan untuk membuat keputusan dalam menentukan rewards mereka, seperti promosi dan kenaikan gaji. Pengukuran keadilan
commit to user
25
procedural dilakukan dengan 5 item pertanyaan yang diadopsi dari Niehoff dan Moorman’s dalam Schepers dan Van den Berg,2006.
b. Komitmen Afektif Komitmen afektif berkaitan dengan keinginan individu untuk terikat pada organisasi
karena kesesuaian antara nilai pribadinya dan nilai-nilai organisasi. Komitmen ini menggambarkan keinginan karyawan untuk tetap berada dalam organisasi melalui
keterikatan emosional karyawan pada organisasi yang terbentuk dari keinginan dan kesesuaian karyawan dalam organisasi. Pengukuran komitmen afektif dilakukan dengan 8
item pertanyaan yang diadopsi oleh Allen dan Meyer 1990. c. Discretionary Service Behavior
Discretionary Service Behavior didefinisikan sebagai perilaku kerja karyawan yang melebihi tuntutan formal yang disyaratkan untuk memberikan kepuasan pada pelanggan.
Discretionary Service Behavior diukur dengan 6 item pertanyaan yang dikembangkan dari dimensi-dimensi yang dikemukakan oleh Blancero dan Johnson 1997.
d. Kepuasan atas Layanan Kepuasan atas layanan berhubungan dengan sejauh mana pelayanan yang diberikan
memenuhi harapan pengguna layanan. Kepuasan atas layanan diukur dengan Indeks Kepuasan Masyarakat yang merujuk pada Keputusan MENPAN No 25KEPM
PAN22004.
commit to user
26
5. Teknik Analisis Data a. Uji Validitas
Uji validitas menurut Sekaran 2006 menunjukkan seberapa baik sebuah instrument yang digunakan untuk mengukur sebuah konsep tertentu. Instrument dapat dikatakan valid
jika instrument tersebut mampu mengukur apa yang hendak diukur oleh peneliti. Uji validitas dalam penelitian ini akan dijalankan dengan Confirmatory factor analysis CFA
akan dilakukan peneliti terhadap konstruk dalam penelitian ini secara terpisah dengan bantuan program Amos 18.00. Menurut Ferdinand 2002, factor loading lebih besar ± 0.30
dianggap memenuhi level minimal, factor loading ± 0.40 dianggap lebih baik dan sesuai dengan rules of thumb yang dipakai para peneliti, dan factor loading ³ 0.50 dianggap
signifikan. Jadi semakin besar nilai absolut factor loading, semakin penting loading tersebut menginterpretasikan konstruknya.
b. Uji Reliabilitas
Uji reliabilitas dilakukan untuk mengetahui sejauhmana pengukuran data dapat memberikan hasil yang relatif tidak berbeda bila dilakukan pengukuran pada obyek yang
sama, selain itu uji reliabilitas digunakan untuk mengetahui kemantapan atau konsistensi suatu alat ukur. Reliabilitas suatu pengukuran mencerminkan apakah suatu pengukuran
dapat terbebas dari kesalahan error, sehingga memberikan hasil pengukuran yang konsisten pada kondisi yang berbeda dan pada masing-masing butir dalam instrumen
Sekaran, 2000. Dalam penelitian ini reliabilitas dilakukan dengan metode one shot, dimana pengukuran hanya sekali dilakukan dan kemudian hasilnya dibandingkan dengan pertanyaan
commit to user
27
lain atau mengukur korelasi antar jawaban. Dalam pengukurannya, one shot akan dilakukan dengan analisis Cronbach’s Alpha. Triton, P.B 2005 mengklasifikasi nilai cronbach’s
alpha, sebagai berikut : a Nilai Cronbach’s Alpha antara 0,00 - 0,20 dikategorikan kurang reliabel.
b Nilai Cronbach’s Alpha antara 0,21 - 0,40 dikategorikan agak reliabel. c Nilai Cronbach’s Alpha antara 0,41 - 0,60 dikategorikan cukup reliabel.
d Nilai Cronbach’s Alpha antara 0,61 - 0,80 dikategorikan reliabel. e Nilai Cronbach’s Alpha antara 0,81 - 1,00 dikategorikan sangat reliabel.
c. Analisis Structrual Equation Modelling SEM
Model SEM merupakan sekumpulan teknik-teknik statistical yang memungkinkan pengujian sebuah rangkaian secara simultan Hair et.al dalam, Ferdinand,2002. Hubungan
tersebut dapat dibangun antara satu atau beberapa variable dependen dengan satu atau beberapa variable independen. Analisis dengan menggunakan SEM harus memenuhi
beberapa asumsi berikut :
1. Uji Normalitas
Salah satu asumsi yang digunakan untuk pengujian hipotesis didalam SEM adalah bahwa data yang akan dianalisis menyebar normal bila n sample size besar, maka statistik dari
sampel tersebut akan mendekati distribusi normal, walaupun populasi darimana sampel tersebut diambil tidak berdistribusi normal. Normalitas adalah bentuk distribusi data variabel
yang mendekati distribusi normal yaitu, distribusi data dalam bentuk lonceng.
commit to user
28
Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas dipenuhi sehingga data dapat digunakan untuk analisis lebih lanjut. Normalitas dapat diuji dengan melihat
gambar histogram data atau dapat diuji dengan metode statistik. Uji normalitas ini perlu dilakukan baik untuk normalitas univariat dan multivariate dimana beberapa variabel
digunakan sekaligus dalam analisis akhir. Caranya menentukan normalitas data adalah dengan membandingkan nilai Critical ratio skewness dan kurtosis dengan nilai kritis pada
tingkat signifikansi tertentu. Rules of thumb yang digunakan adalah bila nilai Critical ratio skewness dan kurtosis lebih dari ± 2.58 pada level 0.01 berarti distribusi data tidak normal.
Dalam output Amos 18.00, uji normalitas dilakukan dengan membandingkan nilai C .r dengan nilai kritis ± 2.58 pada level 0.01. Jika terdapat nilai C. r yang lebih besar dari nilai
kritis maka distribusi datanya adalah tidak normal Ferdinand, 2002.
2. Uji Outliers
Uji outliers adalah data yang memiliki karakteristik unik yang terlihat sangat jauh dari obseravasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim. Outliers merupakan
hasil-hasil observasi yang menunjukkan nilai-nilai ekstrim dalam distribusinya. Menurut Hair et.al dalam Ferdinand, 2002 outliers terjadi karena adanya kombinasi unik dan nilai-
nilai yang dihasilkan dari observasi tersebut sangat berbeda dari observasi-observasi lainnya. Outliers dalam bentuk ekstrim dapat muncul dalam suatu variabel tunggal univariate
outlier maupun dalam kombinasi beberapa variabel multivariate outlier. Untuk sample besar 80 observasi, pedoman evaluasi outliers adalah bahwa nilai kritis
dari z-score berada pada rentang 3 – 4 Hair, et.al dalam Ferdinand, 2002, sehingga, kasus-
commit to user
29
kasus atau observasi-observasi dengan nilai z ≥ 3.0 dianggap sebagai outlier univariat.
Untuk mengidentifikasi univariate outlier dilakukan dengan bantuan program Amos 18.00. Sedangkan evaluasi outliers multivariate perlu dilakukan karena meski pada tingkat
univariate tidak terjadi outliers, tetapi observasi-observasi itu dapat menjadi outliers bila sudah dikombinasikan. Uji outliers multivariate dilakukan dengan kriteria Jarak
Mahalanobis pada tingkat p 0,001 Ghozali, 2004. Jarak Mahalanobis Mahalanobis Distance ini dievaluasi dengan menggunakan c
2
pada derajat bebas sebesar jumlah indikator variabel yang digunakan dalam penelitian. Jika dalam penelitian digunakan 25
indikator variabel, maka semua kasus yang mempunyai Jarak Mahalanobis lebih besar dari c
2
25, 0,001 = 52,61966 adalah outliers multivariat. Terdapat dua pendapat yang menyatakan alasan mengapa outliers harus dibuang atau
tidak. Kalau peneliti memilih untuk tidak membuang data yang terjadi outliers, hal itu dikarenakan peneliti memilih untuk menampilkan data yang benar-benar merepresentasikan
data populasi. Pertimbangannya adalah observasi yang termasuk dalam outliers tersebut merupakan representasi dari segmen tertentu dalam populasi sehingga harus dipertahankan
karena menyangkut kemampuan generalisasi hasil penelitian ke seluruh populasi. Sedangkan alasan mengapa outliers sebaiknya dibuang adalah kekhawatiran nantinya outliers tersebut
akan berakibat pada penyimpangan hasil penelitian.
3. Uji Multikolinearitas
Ada tidaknya multikolineritas dalam sebuah kombinasi variabel dapat dilihat melalui matrik korelasi antar variabel laten independen. Nilai korelasi tidak boleh melebihi batas 0,9
commit to user
30
sementara nilai yang melebihi 0,8 dapat menjadi indikasi adanya multikolineritas Ghozali, 2005. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari
multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
SEM memiliki dua tujuan utama dalam analisisnya. Tujuan pertama adalah untuk menentukan apakah model tersebut fit berdasarkan data yang dimiliki. Sedangkan tujuan
kedua adalah menguji berbagai hipotesis yang telah dibangun sebelumnya Ghozali, 2005. Dalam konteks penilaian model fit, Ghozali 2005 menjelaskan bahwa secara keseluruhan
goodness of fit dari suatu model dapat dinilai berdasarkan beberapa ukuran fit, yaitu : 1. Chi-Square dan Probabilitas
Chi Square adalah ukuran goodness of fit yang dapat dilihat spesifikasinya. Nilai χ
2
yang signifikan artinya matrik yang diobservasi berbeda secara signifikan dengan matrik yang
diestimasi. Sebaliknya, χ
2
yang rendah akan menghasilkan model yang labih baik Ferdinand, 2002. Probabilitas chi-square diharapkan tidak signifikan. Probabilitas
menunjukkan penyimpangan deviasi besar sebagaimana ditunjukkan nilai chi-square. Sehingga nilai probabilitas yang signifikan 0.05 menunjukkan data empiris yang
diperoleh memiliki perbedaan dengan teori yang dibangun. Sedangkan nilai probabilitas yang tidak signifikan adalah yang diharapkan, yang menunjukkan data empiris sesuai
dengan model.
commit to user
31
2. Goodness of Fit Indices GFI GFI merupakan derajat kesesuaian secara keseluruhan yaitu residual yang dikuadratkan
R
2
dari data yang diprediksi dibandingkan dengan data aktual namun tidak disesuaikan dengan degree of freedom-nya. Semakin tinggi nilai GFI mengindikasikan fit yang semakin
baik. Model dikatakan fit yang baik jika nilai GFI ≥ 0,90 Ferdinand, 2002.
3. Adjusted Goodness of Fit Index AGFI AGFI adalah GFI yang disesuaikan dengan rasio antara degree of freedom dari model yang
diusulkan dan degree of freedom dari null model. Nilai AGFI yang direkomendasikan adalah ≥ 0,90 Ghozali, 2004.
4. Root Mean Square Error of Approximation RMSEA RMSEA digunakan untuk mengoreksi kecenderungan statistik chi square untuk menolak
model yang dispesifikasi jika menggunakan sampel yang cukup besar. Nilai RMSEA yang dapat diterima
≤ 0,08 Ferdinand, 2002. 5. Expected Cross Validation Index ECVI
ECVI mengukur penyimpangan antara fitted model covarians matrik pada sample yang dianalisis dan covarians matrik yang akan diperoleh pada sample lain tetapi memiliki ukuran
yang sama besar. Model yang memiliki ECVI terendah berarti model tersebut sangat potensial untuk direplikasi. Nilai ECVI model yang lebih rendah dari ECVI pada satured
model dan independence model, mengindikasikan bahwa model adalah fit.
commit to user
32
6. Akaike’s Information Criterion AIC dan CAIC AIC dan CAIC digunakan dalam perbandingan dari dua atau lebih model, di mana nilai AIC
dan CAIC yang lebih kecil dari AIC model satured dan independence berarti memiliki model fit yang lebih baik.
7. Comparatif Fit Index CFI CFI adalah merupakan perbandingan antara model yang diestimasi dengan null
model.Besaran indeks ini adalah pada rentang nilai sebesar 0-1 dimana semakin mendekati nilai 1 maka mengindikasikan tingkat fit yang paling tinggi a very good fit Arbuckle
dalam Ferdinand, 2002. Keunggulan dari indeks ini adalah indeksi ini besarannya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan
sebuah model Hulland et al dan Tanaka dalam Ferdinand,2002. Sehingga CFI cocok digunakan untuk sampel kecil, nilai yang direkomendasikan adalah 0,95 Ferdinand,
2002. 8. Normed Fit Index NFI
Merupakan ukuran perbandingan antara proposed model dan null model. Nilai NFI akan bervariasi dari 0 no fit at all sampai 1.0 perfect fit. Nilai NFI yang direkomendasikan
adalah 0.90 Ghozali, 2004
commit to user
33
BAB IV ANALISIS DAN PEMBAHASAN
Kategori