Faktor-Faktor yang Mempengaruhi Prestasi Kerja di PT. Kantarworld Panel Dengan Menggunakan Metode Analisis Faktor
9
BAB 2
LANDASAN TEORI
2.1
Manajemen Sumber Daya Manusia
Perusahaan adalah lembaga yang diorganisir dan dijalankan untuk menyediakan
barang dan jasa dengan tujuan memperoleh keuntungan. Manajemen merupakan
sebuah subjek yang sangat penting karena mengembangkan usaha penetapan dan
pencapaian sasaran-sasaran, dan mengkombinasikan secara efektif bakat-bakat
orang serta mendayagunakan sumber-sumber materil. Manajemen terdapat pada
hampir semua aktivitas manusia, baik itu dalam perusahaan, kantor, ataupun
ditempat lainnya. Karena manajemen menyentuh serta mempengaruhi kehidupan
hampir semua manusia, mana manajemen membuat kita menyadari akan
kemampuan-kemampuan kita sehingga dengan manajemen yang baik akan
berhasil mencapai tujuan secara bersama.
Dalam menciptakan sumber daya manusia yang berkualitas dan memiliki
keterampilan diperlukan perhatian terhadap aspek-aspek khusus dari sumber daya
manusia yang merupakan faktor yang dapat menentukan kinerja karyawan yang
selanjutnya dapat mempengaruhi kinerja perusahaan. Sebagaimana yang
dikemukakan oleh (Gary Dessler, 2003): “Manajemen sumber daya manusia
adalah proses memperoleh, melatih, menilai dan memberikan kompensasi kepada
karyawan, memperhatikan hubungan kerja mereka, kesehatan dan keamanan serta
masalah keadilan.
Universitas Sumatera Utara
10
2.2
Pengertian Prestasi Kerja
Prestasi kerja adalah suatu hasil kerja yang dicapai seseorang dalam
melaksanakan tugas-tugas yang dibebankan kepadanya yang didasarkan atas
kecakapan, pengalaman, kesungguhan, serta waktu.
Penilaian prestasi kerja (performance appraisal) merupakan salah satu
tugas yang paling penting bagi setiap manajer, yang diakui pula bahwa banyak
kesulitan dialami dalam menanganinya secara memadai. Tidaklah selalu mudah
untuk menilai prestasi seseorang secara akurat, dan lagi pula sangatlah sulit untuk
menyampaikan hasil penilaian tersebut kepada bawahan yang bersangkutan tanpa
menimbulkan rasa kecewa bagi yang bersangkutan.
Prestasi kerja karyawan merupakan hal yang sangat penting dalam
perusahaan untuk mencapai tujuannya, sehingga perusahaan melakukan berbagai
usaha untuk meningkatkannya. Prestasi dalam bekerja merupakan salah satu
kebutuhan yang ingin dicapai setiap orang dalam bekerja. Prestasi kerja karyawan
tidak sama hasilnya, hal ini disebabkan karena setiap karyawan mempunyai
kemampuan dan kemauan yang berbeda untuk melaksanakan pekerjaan.
Prestasi kerja menurut Ilmi dan Sahetapy (2004) merupakan hasil kerja
secara kualitas dan kuantitas yang dicapai oleh seorang pegawai dalam
melaksanakan tugas sesuai dengan tanggung jawab yang diberikan kepadanya.
Karyawan dapat dikatakan memiliki prestasi kerja yang baik apabila dapat
memberikan hasil terbaik untuk pekerjaannya artinya karyawan tersebut dapat
mencapai atau melebihi standar atau kriteria tertentu yang di tetapkan perusahaan.
Universitas Sumatera Utara
11
Setiap perusahaan mengharapkan memiliki karyawan yang prestasi
kerjanya tinggi. Dijelaskan oleh Wirawan (2009) prestasi kerja tinggi dapat
diketahui melalui indikator dari: (1) hasil kerja berupa kuantitas hasil kerja,
kualitas hasil kerja, dan efisiensi dalam melaksanakan tugas. (2) secara kualitatif
berupa (a) perilaku kerja meliputi disiplin kerja, inisiatif, dan ketelitian. (b) Sifat
pribadi karyawan yang ada hubungannya dengan pekerjaan antara lain
kepemimpinan, kejujuran dan kreativitas. Prestasi kerja karyawan tinggi akan
menguntungkan produktivitas perusahaan meningkat dan menguntungkan
karyawan ada kemungkinan gaji atau jabatan naik.
Pada kenyataannya, prestasi tinggi yang dimiliki karyawan tidak sesuai
harapan perusahaan. Perusahaan menemui prestasi kerja karyawan rendah. Akibat
prestasi kerja karyawan rendah berdampak pada produktivitas perusahaan
menurun dan tidak dapat memenuhi permintaan konsumen, sehingga perusahaan
menderita kerugian dan mengalami hambatan dalam perkembangannya.
Sedangkan bagi karyawan yang memiliki prestasi kerja akan menghambat
perkembangan karir dan pendapatan menurun.
2.3
Data
Data adalah bahan baku yang jika diolah melalui berbagai analisis dapat
melahirkan informasi, dimana dengan informasi tersebut dapat diambil suatu
keputusan. Data merupakan komponen utama dalam statistika.
2.3.1
Data Menurut Sifatnya
Menurut sifatnya data terbagi atas dua bagian, yaitu:
Universitas Sumatera Utara
12
1. Data Kualitatif
Data kualitatif adalah data yang sifatnya hanya menggolongkan saja dan yang
kemungkinannya tidak dinyatakan dalam angka-angka. Yang termasuk dalam
klasifikasi data kualitatif adalah data yang berskala ukur nominal dan ordinal.
Contohnya: Tinggi, Rendah
2. Data Kuantitatif
Adalah data yang berbentuk angka. Yang termasuk dalam klasifikasi data
kuantitatif adalah data yang berskala ukur interval dan rasio. Sebagai contoh data
kuantitatif adalah data hasil pengukuran tinggi badan mahasiswa matematika, data
tersebut berbentuk angka.
2.3.2
Data Menurut Sumbernya
Menurut sumbernya data terbagi atas dua bagian pula, yaitu
1. Data Internal
Adalah data yang didapat dari dalam perusahaan atau organisasi dimana riset
dilakukan. Sebagai contoh: catatan akuntansi, catatan produksi, catatan inventaris,
dan lainnya.
2. Data Eksternal
Data eksternal adalah data yang menggambarkan keadaan di luar perusahaan
atau organisasi. Data eksternal terbagi atas dua bagian, yaitu:
a. Data Primer
Data primer adalah data yang secara langsung dikumpulkan oleh orang yang
berkepentingan atau yang memakai data tersebut. Data ini diperoleh dari hasil
wawancara atau kuesioner. Dalam metode pengumpulan data primer, peneliti
Universitas Sumatera Utara
13
melakukan sendiri observasi di lapangan maupun di laboratorium. Pelaksanaannya
dapat berupa survei atau percobaan.
Data yang disajikan oleh penulis adalah data primer Data Kuantitatif
b. Data Sekunder
`Data sekunder adalah data primer yang diperoleh dari pihak lain atau data primer
yang telah diolah lebih lanjut dan disajikan. Data sekunder pada umumnya
digunakan oleh peneliti untuk memberikan gambaran tambahan, gambaran
pelengkap atau diproses lebih lanjut. Data sekunder didapat dari hasil penelitian
dari beberapa sumber seperti Badan Pusat Statistika, Media Massa, Lembaga
Pemerintahan dan sebagainya.
2.3.3
Data Menurut Jenisnya
Menurut jenisnya data terdiri dari dua bagian, yaitu:
1. Data kontiniu
Data kontiniu adalah data dalam bentuk angka/ bilangan yang diperoleh
berdasarkan hasil pengukuran. Data ini dapat berbentuk bilangan bulat atau
pecahan tergantuk jenis skala yang digunakan. Contohnya: Berat badan Tomy 70
kg, Tinggi badan Tomy 180.
2. Data diskrit
Data diskrit adalah data dalam bentuk angka (bilangan) yang diperoleh dari hasil
perhitungan. Contohnya: Jumlah siswa perempuan di SMA Bunga sebanyak 300
orang.
Universitas Sumatera Utara
14
2.4
Skala Pengukuran
Skala merupakan suatu prosedur pemberian angka atau simbol lain kepada
sejumlah ciri dari suatu objek agar dapat menyatakan karakteristik angka pada ciri
tersebut. Skala pengukuran dibagi atas 4 bagian, yaitu:
1. Skala Nominal
Skala nominal adalah skala pengukuran yang paling sederhana yang
dilambangkan dengan kata-kata, huruf, simbol, atau bilangan. Skala ini digunakan
untuk mengklasifikasikan objek-objek atau kejadian-kejadian kedalam kelompok
yang terpisah untuk menunjukkan kesamaan atau perbedaan ciri-ciri tertentu dari
objek yang diamati. Pada skala nominal hasil pengukurannya dapat dibedakan
tetapi tidak dapat diurutkan mana yang lebih tinggi, rendah, dan mana yang
dikesampingkan. Skala nominal merupakan skala yang paling rendah atau jenis
pengukurannya terbatas, misalnya jenis kelamin yang hanya ada 2 kategori.
2. Skala Ordinal (Rangking)
Adalah skala pengukuran yang selain mempunyai ciri untuk membedakan juga
mempunyai
ciri
untuk
mengurutkan
pada
rentangan
tertentu.
Dengan
menggunakan skala ordinal objek-objek juga dapat digolongkan dalam kategori
tertentu. Angka atau huruf yang diberikan mengandung tingkatan, sehingga dari
kelompok yang terbentuk dapat dibuat peringkat yang menyatakan hubungan
lebih dari atau kurang dari menurut aturan penataan tertentu. Contoh: Seorang
anggota ABRI dapat dikelompokkan menurut pangkatnya, yakni Mayor, Kapten,
Letnan dll.
Universitas Sumatera Utara
15
3. Skala Interval
Skala interval adalah skala pengukuran yang mengelompokkan objek-objek ke
dalam kelas-kelas yang mempunyai urutan dan perbedaan dalam jarak yang sama.
Misalnya: Suhu tertinggi pada bulan lalu berturut-turut 30, 32 derajat celcius.
4. Skala Rasio (Nisbah)
Skala ini skala pengukuran yang memiliki 4 ciri, yakni membedakan,
mengurutkan, jarak yang sama, dan memiliki titik nol tulen (titik nol yang berarti)
sehingga dapat menghitung rasio atau perbandingan antar nilai. Semua ciri skala
interval menjadi ciri skala rasio, perbedaan antara nilai-nilai diketahui dan bernilai
tetap, kategori-kategori nilai juga bersifat lepas. Hanya saja skala rasio
mempunyai titik nol yang berarti dalam rasio (perbandingan) antara dua nilai juga
berarti, misalnya Tina makan 2 apel dari meja sementara Dani makan 4 apel, jadi
Dani makan 2 apel lebih banyak dari Tina.
2.5
Skala Untuk Instrumen (Model Skala Sikap)
Model Skala Sikap yang sering digunakan dalam penelitian ada 5 macam, yaitu:
1. Skala Likert
Dengan menggunakan skala likert, maka variabel yang akan diukur dijabarkan
menjadi dimensi, dimensi dijabarkan menjadi sub variabel kemudian sub variabel
dijabarkan kembali menjadi indikator-indikator yang dapat diukur. Artinya
indikator ini dapat dijadikan titik tolak untuk membuat item instrumen yang
berupa pertanyaan yang dapat dijawab oleh responden. Setiap jawaban
dihubungkan dengan bentuk pertanyaan yang dinyatakan dengan pernyataan
berikut:
Universitas Sumatera Utara
16
Sangat Setuju (SS)
=5
Setuju (S)
=4
Biasa Saja (BS)
=3
Tidak Setuju (TS)
=2
Sangat Tidak Setuju (STS) = 1
2. Skala Gutman
Skala gutman mengukur suatu dimensi saja dari suatu variabel multidimensi.
Skala Gutman adalah skala yang digunakan untuk jawaban yang bersifat jelas
(tegas) dan konsisten.
3. Skala Diferensial Semantik
Skala diferensial semantik atau skala perbedaan semantik berisikan serangkaian
bipolar (dua kutub). Responden diminta untuk menilai suatu objek atau konsep
pada suatu skala yang mempunyai 2 ajektif yang bertentangan.
4. Rating Scale
Yaitu data mentah yang didapat berupa angka kemudian ditafsirkan dalam
pengertian kualitatif.
5. Skala Thurstone
Skala ini meminta responden untuk memilih jawaban pertanyaan yang ia setujui
dari beberapa pertanyaan yang menyajikan pandangan-pandangan berbeda. Pada
umumnya setiap item mempunyai asosiasi antara 1 sampai 10 tetapi nilainya tidak
diketahui oleh responden.
Universitas Sumatera Utara
17
2.6
Metode Pengumpulan Data
Pengumpulan data penelitian dapat dilakukan berdasarkan cara-cara tertentu.
Adapun metode pengumpulan data yang digunakan secara umum dalam sebuah
penelitian adalah:
a. Metode Dokumentasi
Adalah mencari data mengenai hal-hal atau variabel yang berupa catatan, transkip,
buku, surat kabar, majalah, notulen rapat, dan sebagainya. Metode dokumentasi
dalam penelitian ini digunakan untuk mengumpulkan data tentang variabelvariabel yang paling mempengaruhi prestasi kerja para karyawan.
b. Metode Angket (Kuesioner)
Kuesioner adalah pertanyaan tertulis yang digunakan untukmemperoleh informasi
dari responden dalam arti laporan tentang peribadinya atau hal-hal yang ia
ketahui. Metode ini digunakan untuk mencari dan mengetahui faktor-faktor yang
dapat mendongkrak prestasi kerja karyawan. Lalu penilaiannya digunakan dengan
Skala Likert.
c. Wawancara
Merupakan teknik pengumpulan data dalam metode survei yang menggunakan
pertanyaan secara lisan kepada subjek penelitian. Teknik wawancara dilakukan
jika peneliti memerlukan komunikasi atau hubungan langsung kepada responden.
Dalam penelitian ini dilakukan wawancara secara lisan dengan responden guna
membantu responden memahami kuesioner/ angket yang akan disebar.
Universitas Sumatera Utara
18
2.7
Analisis Data
2.7.1
1.
Uji Dalam Pengolahan Data
Uji Validitas
Validitas menunjukkan sejauh mana suatu alat ukur dapat mengukur sesuai
dengan apa yang ingin diukur. Seandainya peneliti ingin mengukur
kuesioner di dalam pengumpulan data penelitian, maka kuesioner yang
disusunnya harus mengukur apa yang ingin diukurnya.
Untuk menghitung nilai �ℎ����� pada item pertanyaan dapat dilakukan
dengan rumus:
�ℎ����� =
� (��)−(�)(�)
2.1
�[�(� 2 )−(�)2 ][� (� 2 )−(�)2 ]
Untuk melakukan uji validitas secara manual dalam penelitian ini
menggunakan
tabel
t-student
untuk
menghitung
������
dengan
menggunakan nilai α = 5% (0,05). Dalam penelitian ini diperoleh dari
rumus. Validitas terbagi atas empat macam, yaitu:
a. Validitas Isi (Content Validity)
Sebuah tes dikatakan memiliki validitas isi apabila mengukur tujuan
khusus tertentu yang sejajar dengan materi atau isi pelajaran yang
diberikan. Misalnya seorang peneliti ingin mengukur bagaimana
persepsi konsumen terhadap suatu produk.
b. Validitas Konstruk (Construct Validity)
Universitas Sumatera Utara
19
Sebuah tes dikatakan memiliki validitas konstruksi apabila butir-butir
soal yang membangun tes tersebut mengukur setiap aspek berpikir
seperti yang disebutkan dalam tujuan instruksional khusus.
c. Validitas “ada sekarang” (Concurrent Validity)
Validitas ini lebih umum dikenal dengan validitas empiris. Sebuah tes
dikatakan memiliiki validitas empiris jika hasilnya sesuai dengan
pengalaman. Misalnya seorang guru ingin mengetahui apakah tes
sumatif yang disusun sudah valid atau belum.
d. Validitas Prediksi (Predictive Validity)
Memprediksi artinya meramal, dan meramal selalu mengenai hal yang
akan datang, sehingga sekarang ini belum terjadi. Sebuah tes dikatakan
memiliki validitas prediksi apabila mempunyai kemampuan untuk
meramalkan apa yang akan terjadi pada masa yang akan datang.
2. Uji Realibilitas
Realibilitas merupakan indeks yang menunjukkan sejauh mana suatu alat
ukur dapat dipercaya atau dapat diandalkan. Pengukuran yang memiliki
realibilitas tinggi disebut sebagai pengukuran yang reabel.
Nilai Alpha Cronbach diperoleh dengan menggunakan rumus sebagai
berikut:
�=�
�
� �1 −
�−1
∑ ��
��
�
2.2
Universitas Sumatera Utara
20
Keterangan:
�
�
= nilai koefisien Alpha Cronbach
= banyaknya variaber penelitian
∑� 2
��
= jumlah varians variabel penelitian
= varians total
Adapun teknik perhitungan reliabel ada beberapa cara, yaitu sebagai
berikut:
a.
Teknik Pengukuran Ulang (Testretest)
Teknik ini meminta kepada responden yang sama untuk menjawab
pertanyaan dalam alat pengukuran sebanyak dua kali. Caranya
perhitungannya adalah dengan mengkorelasikan jawaban pada
wawancara pertama dengan jawaban pada wawancara kedua.
b.
Teknik Belah Dua
Untuk menggunakan teknik belah dua sebagai cara menghitung
reliabilitas
alat pengukur, maka alat pengukur yang disusun harus
memiliki cukup banyak item pertanyaan yang mengukur aspek yang
sama.
c.
Teknik Bentuk Paralel
Perhitungan reliabilitas dilakukan dengan membuat dua jenis alat
pengukur yang mengukur aspek yang sama. Kedua alat ukur tersebut
diberikan pada responden yang sama, kemudian dicari validitasnya
untuk masing-masing jenis.
Universitas Sumatera Utara
21
d.
Internal Consistency Reliability
Internal consistency reliability berisi tentang sejauh mana item-item
instrumen bersifat homogen dan mencerminkan konstruk yang sama
sesuai dengan yang melandasinya.Suatu variabel dikatakan reliabel
jika memberikan nilai cronbach alpha > 0,60 atau nilai cronbach alpha
> 0,80 (Kuncoro, 2003).
2.7.2 Transformasi Data Ordinal menjadi Interval
Proses transformasi merupakan upaya yang dilakukan untuk merubah data
ordinal menjadi data interval misalnya analisis faktor dimana variabel
bebasnya harus berskala interval. Data ordinal yang ditransformasikan
menjadi data interval adalah data penelitian yang diperoleh menggunakan
instrumen berupa angket yang memiliki jawaban berupa skala likert. Cara
melakukan proses transformasi data ordinal menjadi data interval
menggunakan MSI (Method Sof Successive Interval). Adapun langkahnya
sebagai berikut:
1. Mencari F (Frekuensi) jawaban responden.
2. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya
disebut proporsi
3. Menentukan nilai proporsi kumulatif dengan menjumlahkan nilai
proporsi berurutan perkolom skor.
4. Menghitung nili Z untuk setiap proporsi dengan menggunakan tabel
distribusi normal.
5. Menentukan nilai densitas untuk setiap nilai Z yang diperoleh dengan
menggunakan tabel densitas.
6. Menentukan SV (Scale Value = nilai skala) dengan rumus sebagai
berikut:
�� =
������� �� ����� ����� − ������� �� ����� �����
���� ����� ����� ����� − ���� ����� ����� �����
Universitas Sumatera Utara
22
Keterangan:
SV
= interval rata-rata
Density at lower limit
= kepadatan batas bawah
Density at upper limit
= kepadatan batas atas
Area below upper limit
= daerah dibawah batas atas
Area below lower limit
= Daerah diatas batas bawah
7. Menentukan nilai transformasi dengan rumus:
2.8
Analisis Faktor
� = �� + |����� |
Pada awalnya teknik analisis faktor dikembangkan pada awal abad ke-20. Teknik
analisis ini dikembangkan dalam bidang psikometrik atas usaha ahli statistika Karl
Pearson, Charles Spearman, dan lainnya untuk mendefinisikan dan mengukur
intelegensi seseorang.
Analisis faktor merupakan alat pereduksi, mengekstraksi sejumlah faktor
bersama (common faktor) dari gugusan asal X1, X2,...Xp, sehingga:
1. Banyaknya faktor lebih sedikit sedikit dari variabel asal X
2. Sebagian besar informasi variabel X, tersimpan dalam faktor.
Kegunaan:
1. Mengekstrasi variabel laten dari indikator atau mereduksi variabel
observasi menjadi variabel baru yang jumlahnya lebih sedikit
2. Mempermudah interpretasi hasil analisis, sehingga diperoleh Informasi
yang lebih riil dan sangat berguna
3. Pemetaan dan pengelompokkan objek berdasarkan karakteristik faktor
tertentu
Universitas Sumatera Utara
23
4. Mendapatkan data variabel konstruks (skor faktor ) sebagai data input
analisis lebih lanjut (analisis diskriminan, regresi, kluster, MANOVA,
path, model stuctural, MDS, dan lain sebagainya).
Menurut Johnson dan Wichern (1982), analisis faktor merupakan teknik
analisis multivariat yang bertujuan untuk meringkas sejumlah p variabel yang
diamati menjadi sejumlah m faktor penting, dengan m < p. Misal X adalah vektor
random teramati dengan yang memiliki p komponen pada pengamatan ke-i,
dengan vektor rata-rata dan matriks kovariansi ∑. Vektor X bergantung secara
linier dengan variabel yang disebut faktor bersama dan sejumlah sumber variansi
dari yang disebut faktor spesifik.
Model analisis faktor menurut Johnson dan Wichern adalah:
�1 − µ1 = �11 �1 + �12 �2 + . . . +�1� �� + �1
�2 − µ2 = �21 �1 + �22 �2 + . . . +�2� �� + �2
.
.
2.3
.
.
Dengan :
�� − µ� = ��1 �1 + ��2 �2 + . . . +��� �� + ��
Xp
: variabel ke-p
µp
: rata-rata variabel ke-p
lpm
: bobot variabel (factor loading) ke-p pada faktor ke-m
Fm
: faktor bersama (common factor) ke-m
��
: faktor spesifik ke-p
Universitas Sumatera Utara
24
Faktor spesifik berkorelasi satu dengan yang lain dan dengan common factor.
Common factor dapat dinyatakan sebagai kombinasi linier dari variabel yang
diteliti, dengan persamaaan:
�� = �� 1 �1 + �� 2 �2 + �� 3 �3 + ⋯ + ��� ��
2.4
dimana:
��
:Faktor ke-j yang diestimasi
���
��
:Bobot atau koefisien skor factor
:Banyaknya variabel X pada faktor ke-p
p = 1, 2, …, n ;
j = 1, 2, …, n
Jika dituliskan dalam notasi matriks, model analisis faktor adalah:
�(�� 1) − �(�� 1) = �(��� ) �(�� 1) + �(��1)
�1
�1 − �1
�11 �12 … �1� �
⎡ � − � ⎤ ⎡� � … � ⎤ ⎡ 1 ⎤ ⎡� ⎤
�
2
2�
⎥⎢ 2⎥ ⎢ . ⎥
⎢ 2 . 2 ⎥ ⎢ 21 22
.
.
⎥⎢ ⎥ + ⎢ ⎥
⎢
⎥=⎢
.
.
⎢
⎥ ⎢
⎥⎢ . ⎥ ⎢ . ⎥
.
.
⎢
⎥ ⎢
⎥⎢ . ⎥ ⎢ . ⎥
�
−
�
⎣ �
⎣ �� ��2 … ��� ⎦ ⎣�� ⎦ ⎣�� ⎦
�⎦
2.5
2.9 Langkah-langkah Analisis faktor
2.9.1 Tabulasi Data
Data yang telah diperoleh dari penyusunan serta penyebaran kuesioner di tempattempat yang telah ditentukan, kemudian data-data ini dikumpulkan serta
ditabulasikan pada kolom-kolom agar mempermudah untuk dikonversi pada
software yang akan digunakan.
Universitas Sumatera Utara
25
2.9.2
Pembentukan Matriks Korelasi
Matriks korelasi merupakan matrik yang memuat koefisien korelasi dari semua
koefisien korelasi dari semua pasangan variabel dalam penelitian ini. Matriks ini
digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel penelitian.
Nilai kedekatan ini dapat digunakan untuk melakukan beberapa pengujian untuk
melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor.
Dalam tahap ini, ada dua hal yang perlu dilakukan agar analisis faktor dapat
dilaksanakan yaitu:
1. Penentukan besaran nilai Barlett Test of Sphericity, yang digunakan untuk
mengetahui apakah ada korelasi signifikan antar variabel. Statistik uji
bartlett adalah sebagai berikut:
� 2 = − �(� − 1) −
(2�+5)
6
� ln |�|
2.6
dengan derajat kebebasan (degree of freedom) df = �(� − 1)/2
Keterangan :
�
= jumlah observasi
|�|
= determinan matriks korelasi
�
= jumlah variabel
2. Penentuan Keiser-Meyer-Okliti (KMO) dan Measure of Sampling
Adequacy (MSA), yang digunakan untuk mengukur kecukupan sampel
dengan cara membandingkan besarnya koefisien korelasi yang diamati
dengan koefisien korelasi parsialnya.
Universitas Sumatera Utara
26
��� =
∑��=1
∑��=1
∑��=1 ���2
∑��=1 ���2 + ∑��=1
2
∑��=1 � ��
,
untuk i≠ j
2.7
Keterangan :
���
���
= koefisien korelasi sederhana antara variabel ke-i dan ke-j
= koefisien korelasi parsial antara variabel ke-i dan ke-j
MSA digunakan untuk mengukur kecukupan sampel.
��� =
∑��=1
∑��=1
∑��=1 ���2
∑��=1 ���2 + ∑��=1
2
∑��=1 � ��
, � = 1,2, … , � ; � = 1,2, … , � 2.8
Untuk i≠ j
Keterangan :
���
���
= koefisien korelasi sederhana antara variabel ke-i dan ke-k
= koefisien korelasi parsial antara variabel ke-i dan ke-k
Kriteria kesesuaian dalam pemakaian analisis faktor adalah (Kaiser, 1974):
1. Jika harga KMO sebesar 0,9 berarti sangat memuaskan
2. Jika harga KMO sebesar 0,8 berarti memuaskan
3. Jika harga KMO sebesar 0,7 berarti harga menengah
4. Jika harga KMO sebesar 0,6 berarti cukup
5. Jika harga KMO sebesar 0,5 berarti kurang memuaskan
6. Jika harga KMO kurang dari 0,5 tidak dapat diterima
Angka MSA bekisar antara 0 sampai dengan 1, dengan kriteria yang digunakan
untuk intepretasi adalah sebagai berikut:
Universitas Sumatera Utara
27
1. Jika MSA = 1, maka variabel tersebut dapat diprediksi tanpa kesalahan
oleh variabel yang lainnya.
2. Jika MSA lebih besar dari setengah 0,5 maka variabel tersebut masih dapat
diprediksi dan bisa dianalisis lebih lanjut.
3. Jika MSA lebih kecil dari 0,5 dan atau mendekati nol (0), maka variabel
tersebut tidak dapat dianalisis lebih lanjut, atau dikeluarkan dari variabel
lainnya.
2.9.3 Ekstrasi Faktor
Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan
ekstrasi terhadap sekumpulan variabel yang ada KMO>0,5 sehingga terbentuk
satu atau lebih faktor. Metode yang digunakan untuk maksud ini adalah Principal
Component Analysis dan rotasi faktor dengan metode Varimax (bagian dari
orthogonal).
Setelah sejumlah variabel terpilih, maka dilakukan ekstrasi variabel
tersebut sehingga menjadi beberapa faktor. Setelah memproses variabel-variabel
yang layak, maka dengan program SPSS versi 17 akan diperoleh nilai hasil
statistik yang menjadi indikator utama yaitu tabel communalities, tabel Total
Variance Explained, Grafik Scree, tabel component matrix dan tabel rotated
component matrix.
Tabel Communalities merupakan tabel yang menunjukkan persentase
variance dari tiap variabel yang dapat dijelaskan oleh faktor yang terbentuk. Nilai
yang dilihat adalah extraction yang terdapat pada tabel communalities. Makin
Universitas Sumatera Utara
28
kecil nilainya, makin lemah hubungan antara variabel yang terbentuk. Perhitungan
communality setiap variabel dengan persamaan:
Keterangan:
ℎ�
���2
2
2
ℎ� 2 = ��1
+ ��2
+ ⋯ + ���2
2.9
= communality variabel ke-i
= faktor loading
Communality adalah jumlah varian yang disumbangkan oleh suatu
variabel dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut
proporsi atau bagian varian yang dijelaskan oleh common factor atau besarnya
sumbangan suatu faktor terhadap varian seluruh variabel.
Tabel Total Variance Explained, menunjukkan persentase variance yang
dapat dijelaskan oleh faktor secara keseluruhan. Nilai yang menjadi indikatornya
eigenvalues yang telah mengalami proses ekstrasi. Pada tabel akan tercantum nilai
extraction sum of square loading. Hal ini disebabkan nilai eigenvalues tidak lain
merupakan jumlah kuadrat dari faktor loading dari setiap variabel yang termasuk
ke dalam faktor. Factor Loading ini merupakan nilai yang menghubungkan faktorfaktor dengan variabel-variabel. Variabel yang masuk ke dalam faktor adalah
yang nilainya lebih dari satu ( ≥ 1). Dari sini akan terlihat pula jumlah faktor
yang akan terbentuk.
Perhitungan nilai karakteristik (eigen value) , dimana perhitungan ini
berdasarkan persamaan karakteristik:
Universitas Sumatera Utara
29
Keterangan:
�
�
�
det(� − ��) = 0
2.10
= matriks korelasi dengan orde n x n
= matriks identitas
= eigen value
Eigen value adalah jumlah varian yang dijelaskan oleh setiap faktor. Penentuan
vektor karakteristik (eigen vector) yang bersesuaian dengan nilai karakteristik
(eigen value), yaitu dengan persamaan:
Keterangan:
�
�� = ��
2.11
= eigen vector dengan orde n x n
Matriks loading factor (� ) diperoleh dengan mengalikan matriks eigen vector (�)
dengan akar dari matriks eigen value (�). Atau dalam persamaan matematis
ditulis:
� = � × ��
2.12
Factor loading merupakan korelasi sederhana antara variabel dengan faktor.
Grafik Scree Plot menggambarkan tampilan grafik dari tabel Total
Variance Explained. Grafik ini sebenarnya menunjukkan peralihan dari satu
faktor ke faktor lainnya garis menurun disepanjang sumbu y. Sumbu x
Universitas Sumatera Utara
30
menunjukkan jumlah komponen faktor yang terbentuk, sedangkan sumbu y
menunjukkan nilai eigenvalues.
Tabel component matrix menunjukkan kategori variabel-variabel ke dalam
komponen faktor, atau dengan kata lain menunjukkan distribusi variabel-variabel
pada faktor yang terbentuk. Bila yang dijadikan acuan adalah nilai faktor loading
yang ada dalam tabel, dimana nilai lebih besar menunjukkan korelasi yang cukup
kuat antara variabel-variabel tersebut dengan komponen faktor. Jumlah jasa
kuadrat faktor loading dari tiap variabel tidak lain merupakan nilai extraction
untuk tiap variabel yang tercantum dalam tabel communalities.
2.9.4 Rotasi Faktor
Pada rotasi faktor, matrik faktor ditransformasikan ke dalam matrik yang lebih
sederhana, sehingga lebih mudah diinterpretasikan. Dalam analisis ini rotasi faktor
dilakukan dengan metode rotasi varimax. Hasil dari rotasi ini terlihat pada tabel
Rotated Component Matrix, dimana dengan metode ini nilai total variance dari
tiap variabel yang ada di tabel component matrix tidak berubah. Yang berubah
hanyalah komposisi dari nilai faktor Loading dari tiap variabel. Interpretasi hasil
dilakukan dengan melihat Faktor Loading.
Faktor Loading adalah angka yang menunjukkan besarnya korelasi antara
suatu variabel dengan faktor satu, faktor dua, faktor tiga, faktor empat atau faktor
lima yang terbentuk. Proses penentuan variabel mana akan masuk ke faktor yang
mana, dilakukan dengan melakukan perbandingan besar korelasi pada setiap baris
di dalam setiap tabel. Jika kenaikan didalam suatu variabel diikuti dengan
kenaikan didalam variabel lain, maka dapat dikatakan bahwa kedua variabel
Universitas Sumatera Utara
31
tersebut mempunyai korelasi yang positif. Tetapi jika kenaikan didalam suatu
variabel diikuti oleh penurunan didalam variabel lain, maka dapat dikatakan
bahwa variabel tersebut mempunyai korelasi yang negatif. Dan jika tidak ada
perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan
bahwa kedua variabel tersebut tidak mempunyai hubungan. Interpretasi harga r
akan disajikan dalam tabel berikut:
Tabel 2.1 Interpretasi Koefisien Korelasi
Besarnya Nilai
1
Interpretasi
Korelasi Sempurna
0,81 − 0,99
Sangat Tinggi
0,41 − 0,60
Cukup Tinggi
0,01 − 0,20
Sangat Rendah
0,61 − 0,80
Tinggi
0,21 − 0,40
Rendah
0
Tidak ada korelasi
Sumber : Suharsimi Arikunto (2010:22)
Keterangan:
r
= koefisien korelasi
+
= menunjukkan korelasi positif
−
= menunjukkan korelasi negatif
0
= menunjukkan tidak adanya korelasi (korelasi nihil)
Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis:
Universitas Sumatera Utara
32
1. Korelasi Positif
Terjadinya korelasi positif apabila perubahan antara variabel yang satu diikuti
oleh variabel lainnya dengan arah yang sama (berbanding lurus). Artinya
variabel yang satu meningkat, maka akan diikuti peningkatan variabel lainnya.
2. Korelasi Negatif
Terjadinya korelasi negatif apabila perubahan antara variabel yang satu diikuti
oleh variabel lainnya dengan arah yang berlawanan (berbanding terbalik).
Artinya apabila variabel yang satu meningkat, maka akan diikuti penurunan
variabel lainnya.
3. Korelasi Nihil
Korelasi nihil artinya tidak adanya korelasi antara variabel.
Dalam penelitian ini digunakan metode Varimax, karena bertujuan untuk
mengekstraksi sejumlah variabel menjadi beberapa faktor. Selain itu metode ini
menghasilkan struktur relatif lebih sederhana dan mudah diinterpretasikan.
2.9.5 Penamaan Faktor
Pada tahap ini akan diberikan nama-nama faktor yang telah terbentuk berdasarkan
factor loading suatu variabel terhadap faktor terbentuknya.
Universitas Sumatera Utara
BAB 2
LANDASAN TEORI
2.1
Manajemen Sumber Daya Manusia
Perusahaan adalah lembaga yang diorganisir dan dijalankan untuk menyediakan
barang dan jasa dengan tujuan memperoleh keuntungan. Manajemen merupakan
sebuah subjek yang sangat penting karena mengembangkan usaha penetapan dan
pencapaian sasaran-sasaran, dan mengkombinasikan secara efektif bakat-bakat
orang serta mendayagunakan sumber-sumber materil. Manajemen terdapat pada
hampir semua aktivitas manusia, baik itu dalam perusahaan, kantor, ataupun
ditempat lainnya. Karena manajemen menyentuh serta mempengaruhi kehidupan
hampir semua manusia, mana manajemen membuat kita menyadari akan
kemampuan-kemampuan kita sehingga dengan manajemen yang baik akan
berhasil mencapai tujuan secara bersama.
Dalam menciptakan sumber daya manusia yang berkualitas dan memiliki
keterampilan diperlukan perhatian terhadap aspek-aspek khusus dari sumber daya
manusia yang merupakan faktor yang dapat menentukan kinerja karyawan yang
selanjutnya dapat mempengaruhi kinerja perusahaan. Sebagaimana yang
dikemukakan oleh (Gary Dessler, 2003): “Manajemen sumber daya manusia
adalah proses memperoleh, melatih, menilai dan memberikan kompensasi kepada
karyawan, memperhatikan hubungan kerja mereka, kesehatan dan keamanan serta
masalah keadilan.
Universitas Sumatera Utara
10
2.2
Pengertian Prestasi Kerja
Prestasi kerja adalah suatu hasil kerja yang dicapai seseorang dalam
melaksanakan tugas-tugas yang dibebankan kepadanya yang didasarkan atas
kecakapan, pengalaman, kesungguhan, serta waktu.
Penilaian prestasi kerja (performance appraisal) merupakan salah satu
tugas yang paling penting bagi setiap manajer, yang diakui pula bahwa banyak
kesulitan dialami dalam menanganinya secara memadai. Tidaklah selalu mudah
untuk menilai prestasi seseorang secara akurat, dan lagi pula sangatlah sulit untuk
menyampaikan hasil penilaian tersebut kepada bawahan yang bersangkutan tanpa
menimbulkan rasa kecewa bagi yang bersangkutan.
Prestasi kerja karyawan merupakan hal yang sangat penting dalam
perusahaan untuk mencapai tujuannya, sehingga perusahaan melakukan berbagai
usaha untuk meningkatkannya. Prestasi dalam bekerja merupakan salah satu
kebutuhan yang ingin dicapai setiap orang dalam bekerja. Prestasi kerja karyawan
tidak sama hasilnya, hal ini disebabkan karena setiap karyawan mempunyai
kemampuan dan kemauan yang berbeda untuk melaksanakan pekerjaan.
Prestasi kerja menurut Ilmi dan Sahetapy (2004) merupakan hasil kerja
secara kualitas dan kuantitas yang dicapai oleh seorang pegawai dalam
melaksanakan tugas sesuai dengan tanggung jawab yang diberikan kepadanya.
Karyawan dapat dikatakan memiliki prestasi kerja yang baik apabila dapat
memberikan hasil terbaik untuk pekerjaannya artinya karyawan tersebut dapat
mencapai atau melebihi standar atau kriteria tertentu yang di tetapkan perusahaan.
Universitas Sumatera Utara
11
Setiap perusahaan mengharapkan memiliki karyawan yang prestasi
kerjanya tinggi. Dijelaskan oleh Wirawan (2009) prestasi kerja tinggi dapat
diketahui melalui indikator dari: (1) hasil kerja berupa kuantitas hasil kerja,
kualitas hasil kerja, dan efisiensi dalam melaksanakan tugas. (2) secara kualitatif
berupa (a) perilaku kerja meliputi disiplin kerja, inisiatif, dan ketelitian. (b) Sifat
pribadi karyawan yang ada hubungannya dengan pekerjaan antara lain
kepemimpinan, kejujuran dan kreativitas. Prestasi kerja karyawan tinggi akan
menguntungkan produktivitas perusahaan meningkat dan menguntungkan
karyawan ada kemungkinan gaji atau jabatan naik.
Pada kenyataannya, prestasi tinggi yang dimiliki karyawan tidak sesuai
harapan perusahaan. Perusahaan menemui prestasi kerja karyawan rendah. Akibat
prestasi kerja karyawan rendah berdampak pada produktivitas perusahaan
menurun dan tidak dapat memenuhi permintaan konsumen, sehingga perusahaan
menderita kerugian dan mengalami hambatan dalam perkembangannya.
Sedangkan bagi karyawan yang memiliki prestasi kerja akan menghambat
perkembangan karir dan pendapatan menurun.
2.3
Data
Data adalah bahan baku yang jika diolah melalui berbagai analisis dapat
melahirkan informasi, dimana dengan informasi tersebut dapat diambil suatu
keputusan. Data merupakan komponen utama dalam statistika.
2.3.1
Data Menurut Sifatnya
Menurut sifatnya data terbagi atas dua bagian, yaitu:
Universitas Sumatera Utara
12
1. Data Kualitatif
Data kualitatif adalah data yang sifatnya hanya menggolongkan saja dan yang
kemungkinannya tidak dinyatakan dalam angka-angka. Yang termasuk dalam
klasifikasi data kualitatif adalah data yang berskala ukur nominal dan ordinal.
Contohnya: Tinggi, Rendah
2. Data Kuantitatif
Adalah data yang berbentuk angka. Yang termasuk dalam klasifikasi data
kuantitatif adalah data yang berskala ukur interval dan rasio. Sebagai contoh data
kuantitatif adalah data hasil pengukuran tinggi badan mahasiswa matematika, data
tersebut berbentuk angka.
2.3.2
Data Menurut Sumbernya
Menurut sumbernya data terbagi atas dua bagian pula, yaitu
1. Data Internal
Adalah data yang didapat dari dalam perusahaan atau organisasi dimana riset
dilakukan. Sebagai contoh: catatan akuntansi, catatan produksi, catatan inventaris,
dan lainnya.
2. Data Eksternal
Data eksternal adalah data yang menggambarkan keadaan di luar perusahaan
atau organisasi. Data eksternal terbagi atas dua bagian, yaitu:
a. Data Primer
Data primer adalah data yang secara langsung dikumpulkan oleh orang yang
berkepentingan atau yang memakai data tersebut. Data ini diperoleh dari hasil
wawancara atau kuesioner. Dalam metode pengumpulan data primer, peneliti
Universitas Sumatera Utara
13
melakukan sendiri observasi di lapangan maupun di laboratorium. Pelaksanaannya
dapat berupa survei atau percobaan.
Data yang disajikan oleh penulis adalah data primer Data Kuantitatif
b. Data Sekunder
`Data sekunder adalah data primer yang diperoleh dari pihak lain atau data primer
yang telah diolah lebih lanjut dan disajikan. Data sekunder pada umumnya
digunakan oleh peneliti untuk memberikan gambaran tambahan, gambaran
pelengkap atau diproses lebih lanjut. Data sekunder didapat dari hasil penelitian
dari beberapa sumber seperti Badan Pusat Statistika, Media Massa, Lembaga
Pemerintahan dan sebagainya.
2.3.3
Data Menurut Jenisnya
Menurut jenisnya data terdiri dari dua bagian, yaitu:
1. Data kontiniu
Data kontiniu adalah data dalam bentuk angka/ bilangan yang diperoleh
berdasarkan hasil pengukuran. Data ini dapat berbentuk bilangan bulat atau
pecahan tergantuk jenis skala yang digunakan. Contohnya: Berat badan Tomy 70
kg, Tinggi badan Tomy 180.
2. Data diskrit
Data diskrit adalah data dalam bentuk angka (bilangan) yang diperoleh dari hasil
perhitungan. Contohnya: Jumlah siswa perempuan di SMA Bunga sebanyak 300
orang.
Universitas Sumatera Utara
14
2.4
Skala Pengukuran
Skala merupakan suatu prosedur pemberian angka atau simbol lain kepada
sejumlah ciri dari suatu objek agar dapat menyatakan karakteristik angka pada ciri
tersebut. Skala pengukuran dibagi atas 4 bagian, yaitu:
1. Skala Nominal
Skala nominal adalah skala pengukuran yang paling sederhana yang
dilambangkan dengan kata-kata, huruf, simbol, atau bilangan. Skala ini digunakan
untuk mengklasifikasikan objek-objek atau kejadian-kejadian kedalam kelompok
yang terpisah untuk menunjukkan kesamaan atau perbedaan ciri-ciri tertentu dari
objek yang diamati. Pada skala nominal hasil pengukurannya dapat dibedakan
tetapi tidak dapat diurutkan mana yang lebih tinggi, rendah, dan mana yang
dikesampingkan. Skala nominal merupakan skala yang paling rendah atau jenis
pengukurannya terbatas, misalnya jenis kelamin yang hanya ada 2 kategori.
2. Skala Ordinal (Rangking)
Adalah skala pengukuran yang selain mempunyai ciri untuk membedakan juga
mempunyai
ciri
untuk
mengurutkan
pada
rentangan
tertentu.
Dengan
menggunakan skala ordinal objek-objek juga dapat digolongkan dalam kategori
tertentu. Angka atau huruf yang diberikan mengandung tingkatan, sehingga dari
kelompok yang terbentuk dapat dibuat peringkat yang menyatakan hubungan
lebih dari atau kurang dari menurut aturan penataan tertentu. Contoh: Seorang
anggota ABRI dapat dikelompokkan menurut pangkatnya, yakni Mayor, Kapten,
Letnan dll.
Universitas Sumatera Utara
15
3. Skala Interval
Skala interval adalah skala pengukuran yang mengelompokkan objek-objek ke
dalam kelas-kelas yang mempunyai urutan dan perbedaan dalam jarak yang sama.
Misalnya: Suhu tertinggi pada bulan lalu berturut-turut 30, 32 derajat celcius.
4. Skala Rasio (Nisbah)
Skala ini skala pengukuran yang memiliki 4 ciri, yakni membedakan,
mengurutkan, jarak yang sama, dan memiliki titik nol tulen (titik nol yang berarti)
sehingga dapat menghitung rasio atau perbandingan antar nilai. Semua ciri skala
interval menjadi ciri skala rasio, perbedaan antara nilai-nilai diketahui dan bernilai
tetap, kategori-kategori nilai juga bersifat lepas. Hanya saja skala rasio
mempunyai titik nol yang berarti dalam rasio (perbandingan) antara dua nilai juga
berarti, misalnya Tina makan 2 apel dari meja sementara Dani makan 4 apel, jadi
Dani makan 2 apel lebih banyak dari Tina.
2.5
Skala Untuk Instrumen (Model Skala Sikap)
Model Skala Sikap yang sering digunakan dalam penelitian ada 5 macam, yaitu:
1. Skala Likert
Dengan menggunakan skala likert, maka variabel yang akan diukur dijabarkan
menjadi dimensi, dimensi dijabarkan menjadi sub variabel kemudian sub variabel
dijabarkan kembali menjadi indikator-indikator yang dapat diukur. Artinya
indikator ini dapat dijadikan titik tolak untuk membuat item instrumen yang
berupa pertanyaan yang dapat dijawab oleh responden. Setiap jawaban
dihubungkan dengan bentuk pertanyaan yang dinyatakan dengan pernyataan
berikut:
Universitas Sumatera Utara
16
Sangat Setuju (SS)
=5
Setuju (S)
=4
Biasa Saja (BS)
=3
Tidak Setuju (TS)
=2
Sangat Tidak Setuju (STS) = 1
2. Skala Gutman
Skala gutman mengukur suatu dimensi saja dari suatu variabel multidimensi.
Skala Gutman adalah skala yang digunakan untuk jawaban yang bersifat jelas
(tegas) dan konsisten.
3. Skala Diferensial Semantik
Skala diferensial semantik atau skala perbedaan semantik berisikan serangkaian
bipolar (dua kutub). Responden diminta untuk menilai suatu objek atau konsep
pada suatu skala yang mempunyai 2 ajektif yang bertentangan.
4. Rating Scale
Yaitu data mentah yang didapat berupa angka kemudian ditafsirkan dalam
pengertian kualitatif.
5. Skala Thurstone
Skala ini meminta responden untuk memilih jawaban pertanyaan yang ia setujui
dari beberapa pertanyaan yang menyajikan pandangan-pandangan berbeda. Pada
umumnya setiap item mempunyai asosiasi antara 1 sampai 10 tetapi nilainya tidak
diketahui oleh responden.
Universitas Sumatera Utara
17
2.6
Metode Pengumpulan Data
Pengumpulan data penelitian dapat dilakukan berdasarkan cara-cara tertentu.
Adapun metode pengumpulan data yang digunakan secara umum dalam sebuah
penelitian adalah:
a. Metode Dokumentasi
Adalah mencari data mengenai hal-hal atau variabel yang berupa catatan, transkip,
buku, surat kabar, majalah, notulen rapat, dan sebagainya. Metode dokumentasi
dalam penelitian ini digunakan untuk mengumpulkan data tentang variabelvariabel yang paling mempengaruhi prestasi kerja para karyawan.
b. Metode Angket (Kuesioner)
Kuesioner adalah pertanyaan tertulis yang digunakan untukmemperoleh informasi
dari responden dalam arti laporan tentang peribadinya atau hal-hal yang ia
ketahui. Metode ini digunakan untuk mencari dan mengetahui faktor-faktor yang
dapat mendongkrak prestasi kerja karyawan. Lalu penilaiannya digunakan dengan
Skala Likert.
c. Wawancara
Merupakan teknik pengumpulan data dalam metode survei yang menggunakan
pertanyaan secara lisan kepada subjek penelitian. Teknik wawancara dilakukan
jika peneliti memerlukan komunikasi atau hubungan langsung kepada responden.
Dalam penelitian ini dilakukan wawancara secara lisan dengan responden guna
membantu responden memahami kuesioner/ angket yang akan disebar.
Universitas Sumatera Utara
18
2.7
Analisis Data
2.7.1
1.
Uji Dalam Pengolahan Data
Uji Validitas
Validitas menunjukkan sejauh mana suatu alat ukur dapat mengukur sesuai
dengan apa yang ingin diukur. Seandainya peneliti ingin mengukur
kuesioner di dalam pengumpulan data penelitian, maka kuesioner yang
disusunnya harus mengukur apa yang ingin diukurnya.
Untuk menghitung nilai �ℎ����� pada item pertanyaan dapat dilakukan
dengan rumus:
�ℎ����� =
� (��)−(�)(�)
2.1
�[�(� 2 )−(�)2 ][� (� 2 )−(�)2 ]
Untuk melakukan uji validitas secara manual dalam penelitian ini
menggunakan
tabel
t-student
untuk
menghitung
������
dengan
menggunakan nilai α = 5% (0,05). Dalam penelitian ini diperoleh dari
rumus. Validitas terbagi atas empat macam, yaitu:
a. Validitas Isi (Content Validity)
Sebuah tes dikatakan memiliki validitas isi apabila mengukur tujuan
khusus tertentu yang sejajar dengan materi atau isi pelajaran yang
diberikan. Misalnya seorang peneliti ingin mengukur bagaimana
persepsi konsumen terhadap suatu produk.
b. Validitas Konstruk (Construct Validity)
Universitas Sumatera Utara
19
Sebuah tes dikatakan memiliki validitas konstruksi apabila butir-butir
soal yang membangun tes tersebut mengukur setiap aspek berpikir
seperti yang disebutkan dalam tujuan instruksional khusus.
c. Validitas “ada sekarang” (Concurrent Validity)
Validitas ini lebih umum dikenal dengan validitas empiris. Sebuah tes
dikatakan memiliiki validitas empiris jika hasilnya sesuai dengan
pengalaman. Misalnya seorang guru ingin mengetahui apakah tes
sumatif yang disusun sudah valid atau belum.
d. Validitas Prediksi (Predictive Validity)
Memprediksi artinya meramal, dan meramal selalu mengenai hal yang
akan datang, sehingga sekarang ini belum terjadi. Sebuah tes dikatakan
memiliki validitas prediksi apabila mempunyai kemampuan untuk
meramalkan apa yang akan terjadi pada masa yang akan datang.
2. Uji Realibilitas
Realibilitas merupakan indeks yang menunjukkan sejauh mana suatu alat
ukur dapat dipercaya atau dapat diandalkan. Pengukuran yang memiliki
realibilitas tinggi disebut sebagai pengukuran yang reabel.
Nilai Alpha Cronbach diperoleh dengan menggunakan rumus sebagai
berikut:
�=�
�
� �1 −
�−1
∑ ��
��
�
2.2
Universitas Sumatera Utara
20
Keterangan:
�
�
= nilai koefisien Alpha Cronbach
= banyaknya variaber penelitian
∑� 2
��
= jumlah varians variabel penelitian
= varians total
Adapun teknik perhitungan reliabel ada beberapa cara, yaitu sebagai
berikut:
a.
Teknik Pengukuran Ulang (Testretest)
Teknik ini meminta kepada responden yang sama untuk menjawab
pertanyaan dalam alat pengukuran sebanyak dua kali. Caranya
perhitungannya adalah dengan mengkorelasikan jawaban pada
wawancara pertama dengan jawaban pada wawancara kedua.
b.
Teknik Belah Dua
Untuk menggunakan teknik belah dua sebagai cara menghitung
reliabilitas
alat pengukur, maka alat pengukur yang disusun harus
memiliki cukup banyak item pertanyaan yang mengukur aspek yang
sama.
c.
Teknik Bentuk Paralel
Perhitungan reliabilitas dilakukan dengan membuat dua jenis alat
pengukur yang mengukur aspek yang sama. Kedua alat ukur tersebut
diberikan pada responden yang sama, kemudian dicari validitasnya
untuk masing-masing jenis.
Universitas Sumatera Utara
21
d.
Internal Consistency Reliability
Internal consistency reliability berisi tentang sejauh mana item-item
instrumen bersifat homogen dan mencerminkan konstruk yang sama
sesuai dengan yang melandasinya.Suatu variabel dikatakan reliabel
jika memberikan nilai cronbach alpha > 0,60 atau nilai cronbach alpha
> 0,80 (Kuncoro, 2003).
2.7.2 Transformasi Data Ordinal menjadi Interval
Proses transformasi merupakan upaya yang dilakukan untuk merubah data
ordinal menjadi data interval misalnya analisis faktor dimana variabel
bebasnya harus berskala interval. Data ordinal yang ditransformasikan
menjadi data interval adalah data penelitian yang diperoleh menggunakan
instrumen berupa angket yang memiliki jawaban berupa skala likert. Cara
melakukan proses transformasi data ordinal menjadi data interval
menggunakan MSI (Method Sof Successive Interval). Adapun langkahnya
sebagai berikut:
1. Mencari F (Frekuensi) jawaban responden.
2. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya
disebut proporsi
3. Menentukan nilai proporsi kumulatif dengan menjumlahkan nilai
proporsi berurutan perkolom skor.
4. Menghitung nili Z untuk setiap proporsi dengan menggunakan tabel
distribusi normal.
5. Menentukan nilai densitas untuk setiap nilai Z yang diperoleh dengan
menggunakan tabel densitas.
6. Menentukan SV (Scale Value = nilai skala) dengan rumus sebagai
berikut:
�� =
������� �� ����� ����� − ������� �� ����� �����
���� ����� ����� ����� − ���� ����� ����� �����
Universitas Sumatera Utara
22
Keterangan:
SV
= interval rata-rata
Density at lower limit
= kepadatan batas bawah
Density at upper limit
= kepadatan batas atas
Area below upper limit
= daerah dibawah batas atas
Area below lower limit
= Daerah diatas batas bawah
7. Menentukan nilai transformasi dengan rumus:
2.8
Analisis Faktor
� = �� + |����� |
Pada awalnya teknik analisis faktor dikembangkan pada awal abad ke-20. Teknik
analisis ini dikembangkan dalam bidang psikometrik atas usaha ahli statistika Karl
Pearson, Charles Spearman, dan lainnya untuk mendefinisikan dan mengukur
intelegensi seseorang.
Analisis faktor merupakan alat pereduksi, mengekstraksi sejumlah faktor
bersama (common faktor) dari gugusan asal X1, X2,...Xp, sehingga:
1. Banyaknya faktor lebih sedikit sedikit dari variabel asal X
2. Sebagian besar informasi variabel X, tersimpan dalam faktor.
Kegunaan:
1. Mengekstrasi variabel laten dari indikator atau mereduksi variabel
observasi menjadi variabel baru yang jumlahnya lebih sedikit
2. Mempermudah interpretasi hasil analisis, sehingga diperoleh Informasi
yang lebih riil dan sangat berguna
3. Pemetaan dan pengelompokkan objek berdasarkan karakteristik faktor
tertentu
Universitas Sumatera Utara
23
4. Mendapatkan data variabel konstruks (skor faktor ) sebagai data input
analisis lebih lanjut (analisis diskriminan, regresi, kluster, MANOVA,
path, model stuctural, MDS, dan lain sebagainya).
Menurut Johnson dan Wichern (1982), analisis faktor merupakan teknik
analisis multivariat yang bertujuan untuk meringkas sejumlah p variabel yang
diamati menjadi sejumlah m faktor penting, dengan m < p. Misal X adalah vektor
random teramati dengan yang memiliki p komponen pada pengamatan ke-i,
dengan vektor rata-rata dan matriks kovariansi ∑. Vektor X bergantung secara
linier dengan variabel yang disebut faktor bersama dan sejumlah sumber variansi
dari yang disebut faktor spesifik.
Model analisis faktor menurut Johnson dan Wichern adalah:
�1 − µ1 = �11 �1 + �12 �2 + . . . +�1� �� + �1
�2 − µ2 = �21 �1 + �22 �2 + . . . +�2� �� + �2
.
.
2.3
.
.
Dengan :
�� − µ� = ��1 �1 + ��2 �2 + . . . +��� �� + ��
Xp
: variabel ke-p
µp
: rata-rata variabel ke-p
lpm
: bobot variabel (factor loading) ke-p pada faktor ke-m
Fm
: faktor bersama (common factor) ke-m
��
: faktor spesifik ke-p
Universitas Sumatera Utara
24
Faktor spesifik berkorelasi satu dengan yang lain dan dengan common factor.
Common factor dapat dinyatakan sebagai kombinasi linier dari variabel yang
diteliti, dengan persamaaan:
�� = �� 1 �1 + �� 2 �2 + �� 3 �3 + ⋯ + ��� ��
2.4
dimana:
��
:Faktor ke-j yang diestimasi
���
��
:Bobot atau koefisien skor factor
:Banyaknya variabel X pada faktor ke-p
p = 1, 2, …, n ;
j = 1, 2, …, n
Jika dituliskan dalam notasi matriks, model analisis faktor adalah:
�(�� 1) − �(�� 1) = �(��� ) �(�� 1) + �(��1)
�1
�1 − �1
�11 �12 … �1� �
⎡ � − � ⎤ ⎡� � … � ⎤ ⎡ 1 ⎤ ⎡� ⎤
�
2
2�
⎥⎢ 2⎥ ⎢ . ⎥
⎢ 2 . 2 ⎥ ⎢ 21 22
.
.
⎥⎢ ⎥ + ⎢ ⎥
⎢
⎥=⎢
.
.
⎢
⎥ ⎢
⎥⎢ . ⎥ ⎢ . ⎥
.
.
⎢
⎥ ⎢
⎥⎢ . ⎥ ⎢ . ⎥
�
−
�
⎣ �
⎣ �� ��2 … ��� ⎦ ⎣�� ⎦ ⎣�� ⎦
�⎦
2.5
2.9 Langkah-langkah Analisis faktor
2.9.1 Tabulasi Data
Data yang telah diperoleh dari penyusunan serta penyebaran kuesioner di tempattempat yang telah ditentukan, kemudian data-data ini dikumpulkan serta
ditabulasikan pada kolom-kolom agar mempermudah untuk dikonversi pada
software yang akan digunakan.
Universitas Sumatera Utara
25
2.9.2
Pembentukan Matriks Korelasi
Matriks korelasi merupakan matrik yang memuat koefisien korelasi dari semua
koefisien korelasi dari semua pasangan variabel dalam penelitian ini. Matriks ini
digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel penelitian.
Nilai kedekatan ini dapat digunakan untuk melakukan beberapa pengujian untuk
melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor.
Dalam tahap ini, ada dua hal yang perlu dilakukan agar analisis faktor dapat
dilaksanakan yaitu:
1. Penentukan besaran nilai Barlett Test of Sphericity, yang digunakan untuk
mengetahui apakah ada korelasi signifikan antar variabel. Statistik uji
bartlett adalah sebagai berikut:
� 2 = − �(� − 1) −
(2�+5)
6
� ln |�|
2.6
dengan derajat kebebasan (degree of freedom) df = �(� − 1)/2
Keterangan :
�
= jumlah observasi
|�|
= determinan matriks korelasi
�
= jumlah variabel
2. Penentuan Keiser-Meyer-Okliti (KMO) dan Measure of Sampling
Adequacy (MSA), yang digunakan untuk mengukur kecukupan sampel
dengan cara membandingkan besarnya koefisien korelasi yang diamati
dengan koefisien korelasi parsialnya.
Universitas Sumatera Utara
26
��� =
∑��=1
∑��=1
∑��=1 ���2
∑��=1 ���2 + ∑��=1
2
∑��=1 � ��
,
untuk i≠ j
2.7
Keterangan :
���
���
= koefisien korelasi sederhana antara variabel ke-i dan ke-j
= koefisien korelasi parsial antara variabel ke-i dan ke-j
MSA digunakan untuk mengukur kecukupan sampel.
��� =
∑��=1
∑��=1
∑��=1 ���2
∑��=1 ���2 + ∑��=1
2
∑��=1 � ��
, � = 1,2, … , � ; � = 1,2, … , � 2.8
Untuk i≠ j
Keterangan :
���
���
= koefisien korelasi sederhana antara variabel ke-i dan ke-k
= koefisien korelasi parsial antara variabel ke-i dan ke-k
Kriteria kesesuaian dalam pemakaian analisis faktor adalah (Kaiser, 1974):
1. Jika harga KMO sebesar 0,9 berarti sangat memuaskan
2. Jika harga KMO sebesar 0,8 berarti memuaskan
3. Jika harga KMO sebesar 0,7 berarti harga menengah
4. Jika harga KMO sebesar 0,6 berarti cukup
5. Jika harga KMO sebesar 0,5 berarti kurang memuaskan
6. Jika harga KMO kurang dari 0,5 tidak dapat diterima
Angka MSA bekisar antara 0 sampai dengan 1, dengan kriteria yang digunakan
untuk intepretasi adalah sebagai berikut:
Universitas Sumatera Utara
27
1. Jika MSA = 1, maka variabel tersebut dapat diprediksi tanpa kesalahan
oleh variabel yang lainnya.
2. Jika MSA lebih besar dari setengah 0,5 maka variabel tersebut masih dapat
diprediksi dan bisa dianalisis lebih lanjut.
3. Jika MSA lebih kecil dari 0,5 dan atau mendekati nol (0), maka variabel
tersebut tidak dapat dianalisis lebih lanjut, atau dikeluarkan dari variabel
lainnya.
2.9.3 Ekstrasi Faktor
Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan
ekstrasi terhadap sekumpulan variabel yang ada KMO>0,5 sehingga terbentuk
satu atau lebih faktor. Metode yang digunakan untuk maksud ini adalah Principal
Component Analysis dan rotasi faktor dengan metode Varimax (bagian dari
orthogonal).
Setelah sejumlah variabel terpilih, maka dilakukan ekstrasi variabel
tersebut sehingga menjadi beberapa faktor. Setelah memproses variabel-variabel
yang layak, maka dengan program SPSS versi 17 akan diperoleh nilai hasil
statistik yang menjadi indikator utama yaitu tabel communalities, tabel Total
Variance Explained, Grafik Scree, tabel component matrix dan tabel rotated
component matrix.
Tabel Communalities merupakan tabel yang menunjukkan persentase
variance dari tiap variabel yang dapat dijelaskan oleh faktor yang terbentuk. Nilai
yang dilihat adalah extraction yang terdapat pada tabel communalities. Makin
Universitas Sumatera Utara
28
kecil nilainya, makin lemah hubungan antara variabel yang terbentuk. Perhitungan
communality setiap variabel dengan persamaan:
Keterangan:
ℎ�
���2
2
2
ℎ� 2 = ��1
+ ��2
+ ⋯ + ���2
2.9
= communality variabel ke-i
= faktor loading
Communality adalah jumlah varian yang disumbangkan oleh suatu
variabel dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut
proporsi atau bagian varian yang dijelaskan oleh common factor atau besarnya
sumbangan suatu faktor terhadap varian seluruh variabel.
Tabel Total Variance Explained, menunjukkan persentase variance yang
dapat dijelaskan oleh faktor secara keseluruhan. Nilai yang menjadi indikatornya
eigenvalues yang telah mengalami proses ekstrasi. Pada tabel akan tercantum nilai
extraction sum of square loading. Hal ini disebabkan nilai eigenvalues tidak lain
merupakan jumlah kuadrat dari faktor loading dari setiap variabel yang termasuk
ke dalam faktor. Factor Loading ini merupakan nilai yang menghubungkan faktorfaktor dengan variabel-variabel. Variabel yang masuk ke dalam faktor adalah
yang nilainya lebih dari satu ( ≥ 1). Dari sini akan terlihat pula jumlah faktor
yang akan terbentuk.
Perhitungan nilai karakteristik (eigen value) , dimana perhitungan ini
berdasarkan persamaan karakteristik:
Universitas Sumatera Utara
29
Keterangan:
�
�
�
det(� − ��) = 0
2.10
= matriks korelasi dengan orde n x n
= matriks identitas
= eigen value
Eigen value adalah jumlah varian yang dijelaskan oleh setiap faktor. Penentuan
vektor karakteristik (eigen vector) yang bersesuaian dengan nilai karakteristik
(eigen value), yaitu dengan persamaan:
Keterangan:
�
�� = ��
2.11
= eigen vector dengan orde n x n
Matriks loading factor (� ) diperoleh dengan mengalikan matriks eigen vector (�)
dengan akar dari matriks eigen value (�). Atau dalam persamaan matematis
ditulis:
� = � × ��
2.12
Factor loading merupakan korelasi sederhana antara variabel dengan faktor.
Grafik Scree Plot menggambarkan tampilan grafik dari tabel Total
Variance Explained. Grafik ini sebenarnya menunjukkan peralihan dari satu
faktor ke faktor lainnya garis menurun disepanjang sumbu y. Sumbu x
Universitas Sumatera Utara
30
menunjukkan jumlah komponen faktor yang terbentuk, sedangkan sumbu y
menunjukkan nilai eigenvalues.
Tabel component matrix menunjukkan kategori variabel-variabel ke dalam
komponen faktor, atau dengan kata lain menunjukkan distribusi variabel-variabel
pada faktor yang terbentuk. Bila yang dijadikan acuan adalah nilai faktor loading
yang ada dalam tabel, dimana nilai lebih besar menunjukkan korelasi yang cukup
kuat antara variabel-variabel tersebut dengan komponen faktor. Jumlah jasa
kuadrat faktor loading dari tiap variabel tidak lain merupakan nilai extraction
untuk tiap variabel yang tercantum dalam tabel communalities.
2.9.4 Rotasi Faktor
Pada rotasi faktor, matrik faktor ditransformasikan ke dalam matrik yang lebih
sederhana, sehingga lebih mudah diinterpretasikan. Dalam analisis ini rotasi faktor
dilakukan dengan metode rotasi varimax. Hasil dari rotasi ini terlihat pada tabel
Rotated Component Matrix, dimana dengan metode ini nilai total variance dari
tiap variabel yang ada di tabel component matrix tidak berubah. Yang berubah
hanyalah komposisi dari nilai faktor Loading dari tiap variabel. Interpretasi hasil
dilakukan dengan melihat Faktor Loading.
Faktor Loading adalah angka yang menunjukkan besarnya korelasi antara
suatu variabel dengan faktor satu, faktor dua, faktor tiga, faktor empat atau faktor
lima yang terbentuk. Proses penentuan variabel mana akan masuk ke faktor yang
mana, dilakukan dengan melakukan perbandingan besar korelasi pada setiap baris
di dalam setiap tabel. Jika kenaikan didalam suatu variabel diikuti dengan
kenaikan didalam variabel lain, maka dapat dikatakan bahwa kedua variabel
Universitas Sumatera Utara
31
tersebut mempunyai korelasi yang positif. Tetapi jika kenaikan didalam suatu
variabel diikuti oleh penurunan didalam variabel lain, maka dapat dikatakan
bahwa variabel tersebut mempunyai korelasi yang negatif. Dan jika tidak ada
perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan
bahwa kedua variabel tersebut tidak mempunyai hubungan. Interpretasi harga r
akan disajikan dalam tabel berikut:
Tabel 2.1 Interpretasi Koefisien Korelasi
Besarnya Nilai
1
Interpretasi
Korelasi Sempurna
0,81 − 0,99
Sangat Tinggi
0,41 − 0,60
Cukup Tinggi
0,01 − 0,20
Sangat Rendah
0,61 − 0,80
Tinggi
0,21 − 0,40
Rendah
0
Tidak ada korelasi
Sumber : Suharsimi Arikunto (2010:22)
Keterangan:
r
= koefisien korelasi
+
= menunjukkan korelasi positif
−
= menunjukkan korelasi negatif
0
= menunjukkan tidak adanya korelasi (korelasi nihil)
Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis:
Universitas Sumatera Utara
32
1. Korelasi Positif
Terjadinya korelasi positif apabila perubahan antara variabel yang satu diikuti
oleh variabel lainnya dengan arah yang sama (berbanding lurus). Artinya
variabel yang satu meningkat, maka akan diikuti peningkatan variabel lainnya.
2. Korelasi Negatif
Terjadinya korelasi negatif apabila perubahan antara variabel yang satu diikuti
oleh variabel lainnya dengan arah yang berlawanan (berbanding terbalik).
Artinya apabila variabel yang satu meningkat, maka akan diikuti penurunan
variabel lainnya.
3. Korelasi Nihil
Korelasi nihil artinya tidak adanya korelasi antara variabel.
Dalam penelitian ini digunakan metode Varimax, karena bertujuan untuk
mengekstraksi sejumlah variabel menjadi beberapa faktor. Selain itu metode ini
menghasilkan struktur relatif lebih sederhana dan mudah diinterpretasikan.
2.9.5 Penamaan Faktor
Pada tahap ini akan diberikan nama-nama faktor yang telah terbentuk berdasarkan
factor loading suatu variabel terhadap faktor terbentuknya.
Universitas Sumatera Utara