Responden yang akan dijadikan sampel tersebar di setiap divisi dengan jumlah yang proporsional. Penyebaran jumlah responden yang akan dijadikan
sampel pada setiap divisi dapat dilihat pada Tabel 2.
Tabel 2. Jumlah dan Proporsi Sampel Penelitian PT Indofood CBP Sukses Makmur Cabang Makassar
No Departemen
Jumlah Karyawan
Persentase Jumlah
Sampel 1.
General Management 3
0,51 2.
Production 393
67,06 57
3. Technik
30 5,12
4 4.
Warehouse 30
5,12 4
5. PPIC
4 0,68
1 6.
Purchasing 4
0,68 1
7. PDQC
24 4,10
3 8.
Marketing 41
7,00 6
9. Accounting
11 1,88
2 10. Personalia
46 7,85
7
Total 586
100 85
Teknik penarikan sampel yang digunakan dalam penelitian ini adalah menggunakan Proportionate Stratified Random Sampling Design karena
unsur populasi berkarakteristik heterogen dan melibatkan proses stratifikasi atau segragasi yang diikuti dengan pemilihan acak subjek dari setiap strata.
Agar dapat menguji dugaan tersebut maka sampelnya harus mewakili keterwakilan diseluruh elemen jenjang manajemen yang ada. Sampel setiap
stratum tersebut dipilih sampel secara acak. Pada saat menentukan jumlah sampel dalam setiap stratum, peneliti
menentukan secara proposional. Yang dimaksud dengan proposional adalah jumlah sampel dalam setiap stratum sebanding dengan jumlah unsur populasi
dalam stratum tersebut.
3.7. Metode Pengolahan Data
SEM merupakan suatu teknik statistik yang mampu menganalisis variabel laten, variabel indikator, dan kesalahan pengukuran secara langsung.
Variabel laten adalah konsep abstrak yang menjadi perhatian yang hanya dapat diamati secara tidak langsung melalui efeknya pada variabel-variabel
teramati indikator. Variabel indikator adalah variabel yang dapat diamati atau diukur secara empiris.
Perangkat lunak komputer yang digunakan untuk mengoperasikan SEM adalah Linear Structural Relationship LISREL versi 8.30. Linear Struktural
Relationship LISREL merupakan program yang paling populer digunakan karena merupakan satu-satunya program SEM tercanggih dan dapat
mengestimasi berbagai masalah SEM yang bahkan nyaris tida dapat dilakukan program lain. Selain itu LISREL merupakan program yang paling
informatif dalam menyajikan hasil-hasil statistik sehingga modifikasi model dan penyebab tidak fit atau buruknya suatu model dapat dengan mudah
diketahui Ghozali, 2005. Langkah-langkah SEM dalam penelitian ini adalah sebagai berikut:
1. Pengembangan model berbasis konsep dan teori Pada tahap ini dilakukan telaah teori yang mendalam tentang pengaruh
budaya perusahaan terhadap implementasi GCG. Pada tahap ini juga di tentukan variabel laten dan variabel indikator berdasarkan teori.
2. Mengkonstruksi diiagram path Pada tahap ini variabel laten dan variabel indikator dibentuk dalam
diagram path agar lebih memahami bentuk hubungan antar variabel. 3. Konversi path ke model struktural
Pada tahap ini model struktural dan model pengukuran digambarkan lebih jelas.
4. Memilih matriks input Pada tahap ini matriks input dipilih dan dimasukkan ke dalam perhitungan.
5. Solusi standar model dan evaluasi goodness of fit index Pada tahap ini matriks input diolah dan melihat nilai goodness of fit index
dari model solusi standar. Menurut Hair et al. 1998, dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis
mengenai model, sehingga digunakan beberapa fit index untuk mengukur kebenaran-kebenaran model.Ukuran-ukuran yang dapat dijadikan sebagai
pedoman untuk mendapatkan model yang sesuai dalam SEM antara lain: a. Chi-Square
χ
2
Menurut Joreskog dan Sorbom 1996, Chi-Square digunakan untuk menguji seberapa dekat matriks hasil dugaan dengan matriks data
asal. Semakin kecil nilai ukuran ini,maka model yang digunakan semakin baik.Uji Chi- Square ini biasanya dibandingkan dengan nilai
derajat bebas degree of freedom. Model yang baik membutuhkan nilai Chi-Square yang tidak memiliki beda yang besar dengan nilai derajat
bebasnya. b. P-Value
P-Value diharapkan lebih besar dari 0,05 atau 0,1, yaitu uji tidak signifikan yang berarti matriks input dan matriks estimasi tidak
berbeda, maka model yang diajukan layak. P-Value berkisar antara 0-1 dan model persamaan struktural akan semakin baik jika p value
mendekati 1. c. Root Mean Square Error of Approximation RMSEA
Ukuran ini mengukur kedekatan suatu model terhadap populasi dan menunjukkan kecocokan model dengan data. Model dikatakan baik
apabila nilai RMSEA kurang dari 0,05, reasonanable jika lebih kecil dari 0,08, cukup bila kurang dari 0,1 dan buruk apabila lebih besar dari
0,1. Semakin kecil nilai ini berarti model semakin baik. d. Goodness-of-Fit Index GFI
Ukuran ini menunjukkan seberapa besar model mampu menerangkan keragaman data. Semakin besar nilai yang diperoleh
berarti model semakin baik. Batas minimal 0,9 sering dijadikan acuan suatu model dikatakn layak.
e. Adjusted Goodness-of-Fit Index AGFI AGFI merupakan modifikasi dari GFI dengan mengakomodasi
derajat bebas model dengan model lain yang dibandingkan. Nilai 0,8 sering dijadikan acuan suatu model dikatakan layak.
6. Interpretasi model Langkah terakhir adalah menginterpretasikan model solusi standar
yaitu melihat besarnya pengaruh atau kontribusi variabel indikator terhadap variabel laten dan besarnya pengaruh antara variabel laten.
Variabel laten bebasindependen. X1 : Struktural
X2 : Ralasional X3 : Kognitif
Dikorelasikan dengan variabel laten tak bebasdependen Y1 : Altruisme altruism
Y2 : Kehormatan courtesy Y3 : Kebajikan sipil civic virtue
Y4 : Sikap sportif sportsmanship Y5 : Kesadaran conscientiousness
Proses analisa masing-masing variabel dengan menggunakan software LISREL 8.30. Diagram struktural pengaruh budaya perusahaan
terhadap implementasi GCG dalam notasi LISREL disajikan pada Gambar 4.
Gambar 4. Model Pengaruh Modal Sosial terhadap OCB
Berdasarkan Gambar 4 tersebut diatas disusun pertanyaan a. Persamaan Struktural
= γ ξ + Keterangan :
: Variabel laten tak bebas OCB γ : Muatan faktor ξ dalam membentuk
ξ : Variabel laten bebas modal sosial : Tingkat kesalahan yang terjadi pada perhitungan
b. Persamaan Pengukuran Variabel Eksogen Modal
Sosial OCB
Y1 Y2
Y3 Y4
Y5 X1
X2 X3
X
1
= λ
1
ξ +
1
X
2
= λ
2
ξ +
2
X
3
= λ
3
ξ +
3
Keterangan : Xi :
Variabel indikator X pembentuk variabel laten bebas ξ : Tingkat kesalahan pengukuran indikator terhadap variabel
laten bebas c. Persamaan Pengukuran Variabel Endogen
Y
1
= λ
1
+
1
Y
2
= λ
2
+
2
Y
3
= λ
3
+
3
Y
4
= λ
4
+
4
Y
5
= λ
5
+
5
Keterangan : Y :
Variabel indikator Y pembentuk variabel laten tak bebas : Tingkat kesalahan pengukuran indikator terhadap variabel
laten tak bebas.
IV. HASIL DAN PEMBAHASAN
