Pengaruh Reliance On Multiple Performance Measures Terhadap Kinerja Manajer Bank Perkreditan Rakyat (BPR) Dengan Goal Difficulty, Goal Specificity dan Goal Acceptance Sebagai Variabel Moderasi - Unika Repository

BAB IV HASIL DAN ANALISIS

4.1. KARAKTERISTIK RESPONDEN

  Responden penelitian ini adalah semua manajer yang bekerja pada Bank Perkreditan Rakyat (BPR) di Semarang. Dari 125 kuesioner dikirim Januari- Februari 2018, terdapat 40 kuesioner kembali dan seluruhnya dapat diolah.

Tabel 4.1. Tabel Pengembalian Kuesioner Jumlah Jumlah Jumlah

  No BPR Disebar Kembali Diolah

  1 BPR Adil Jaya Artha

  5

  4

  4

  2 BPR Artha Mertoyudan

  5 - -

  3 BPR Artha Mranggenjaya 5 - -

  4

  5 - - BPR Artha Mukti Santosa

  5 BPR Artha Mutiara

  5 - -

  6 BPR Artha Tanah Mas

  5

  4

  4

  7 BPR Arto Moro

  5

  4

  4

  8 BPR BKK Kota Semarang

  5 - -

  9 BPR Estetika Artha Guna 5 - -

  10 BPR Gunung Kawi

  5

  4

  4

  11 BPR Gunung Kinibalu

  5 - -

  12 BPR Gunung Merbabu

  5 - -

  13 BPR Gunung Rizki

  5

  4

  4

  14 BPR Hidup Arthagraha 5 - -

  15 BPR Jateng

  5 - -

  16 BPR Kartasura

  5

  4

  4

  17 BPR Karticentra Artha

  5

  4

  4

  18 BPR Mandiri Artha Abadi 5 - -

  19 BPR Margatama Gunadama

  5

  4

  4

  20 BPR Pasar Boja

  5 - -

  21 BPR Pasar Kota

  5 - -

  22 BPR Restu Artha Makmur

  5

  4

  4

  23 BPR Rudo Indobank

  5 - -

  24 BPR Syariah MHS

  5

  4

  4

  5 - Total 125

• 25 BPR Weleri Makmur

  40

  40 Sumber: Data primer diolah (2018)

4.2. UJI ALAT PENGUMPULAN DATA

  Kuesioner memungkinkan penelitian di bidang ilmu sosial untuk mengamati indikator yang mencerminkan variabel-variabel yang tidak dapat diukur secara langsung. Idealnya pengujian validitas dan reliabilitas dilakukan pertama kali, sebelum data yang berasal dari kuesioner tersebut diolah peneliti dalam bentuk yang lain supaya peneliti dapat memilah data mana yang bisa digunakan dan data mana yang harus dibuang (Murniati dkk., 2013:19).

4.2.1. Uji Validitas

  Uji validitas digunakan untuk mengukur apakah pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner terebut. Jadi metode ini digunakan untuk mengukur ketepatan tiap pertanyaan kuesioner atau indikator yang digunakan (Murniati dkk., 2013:20). Kriteria valid adalah jika nilai Cronbach's Alpha if Item Deleted masing-masing indikator pertanyaan

  ≤ dari nilai Cronbach's Alpha instrumen (Murniati dkk., 2013:34).

Tabel 4.2. Uji Validitas Kinerja Manajer (KM) Indikator Cronbach's Alpha if Item Deleted Cronbach's Alpha Keterangan

  KM1 0.946 0,953 Valid KM2 0.948 0,953 Valid KM3 0.944 0,953 Valid KM4 0.953 0,953 Valid KM5 0.947 0,953 Valid KM6 0.945 0,953 Valid KM7 0.949 0,953 Valid KM8 0.946 0,953 Valid KM9 0.953 0,953 Valid

  Sumber: Lampiran 3

  Nilai Cronbach's Alpha if Item Deleted masing-masing indikator pertanyaan (KM1 sampai KM9) ≤ dari nilai Cronbach's Alpha instrumen (0,953).

  Sehingga dapat disimpulkan bahwa semua indikator pertanyaan tersebut telah valid dan dapat digunakan untuk mengukur variabel kinerja manajer (KM).

Tabel 4.3. Uji Validitas Reliance On Multiple Performance Measures (RMPM) Indikator Cronbach's Alpha if Item Deleted Cronbach's Alpha Keterangan

  RMPM1 0.909 0,915 Valid RMPM2 0.906 0,915 Valid RMPM3 0.912 0,915 Valid RMPM4 0.905 0,915 Valid RMPM5 0.911 0,915 Valid RMPM6 0.903 0,915 Valid RMPM7 0.907 0,915 Valid RMPM8 0.907 0,915 Valid RMPM9 0.905 0,915 Valid

  RMPM10 0.906 0,915 Valid Sumber: Lampiran 3

  Nilai Cronbach's Alpha if Item Deleted masing-masing indikator pertanyaan (RMPM1 sampai RMPM10) ≤ dari nilai Cronbach's Alpha instrumen

  (0,915). Sehingga dapat disimpulkan bahwa semua indikator pertanyaan tersebut telah valid dan dapat digunakan untuk mengukur variabel reliance on multiple

  performance measures (RMPM).

Tabel 4.4. Uji Validitas Goal Difficulty (GD) Indikator Cronbach's Alpha if Item Deleted Cronbach's Alpha Keterangan

  GD1 0.925 0,957 Valid GD2 0.944 0,957 Valid GD3 0.939 0,957 Valid

  Sumber: Lampiran 3 Nilai Cronbach's Alpha if Item Deleted masing-masing indikator pertanyaan (GD1 sampai GD3)

  ≤ dari nilai Cronbach's Alpha instrumen (0,957). Sehingga dapat disimpulkan bahwa semua indikator pertanyaan tersebut telah valid dan dapat digunakan untuk mengukur variabel goal difficulty (GD).

Tabel 4.5. Uji Validitas Goal Specificity (GS) Indikator Cronbach's Alpha if Item Deleted Cronbach's Alpha Keterangan

  GS1 0.987 0,989 Valid GS2 0.983 0,989 Valid GS3 0.980 0,989 Valid

  Sumber: Lampiran 3 Nilai Cronbach's Alpha if Item Deleted masing-masing indikator pertanyaan (GS1 sampai GS3)

  ≤ dari nilai Cronbach's Alpha instrumen (0,989). Sehingga dapat disimpulkan bahwa semua indikator pertanyaan tersebut telah valid dan dapat digunakan untuk mengukur variabel goal specificity (GS).

Tabel 4.6. Uji Validitas Goal Acceptance (GA) Indikator Cronbach's Alpha if Item Deleted Cronbach's Alpha Keterangan

  GA1 0.866 0,908 Valid GA2 0.828 0,908 Valid GA3 0.907 0,908 Valid

  Sumber: Lampiran 3 Nilai Cronbach's Alpha if Item Deleted masing-masing indikator pertanyaan (GA1 sampai GA3)

  ≤ dari nilai Cronbach's Alpha instrumen (0,908). Sehingga dapat disimpulkan bahwa semua indikator pertanyaan tersebut telah valid dan dapat digunakan untuk mengukur variabel goal acceptance (GA).

4.2.2. Uji Reliabilitas

  Uji reliabilitas digunakan untuk mengukur reliabilitas atau kehandalan suatu kuesioner yang merupakan indikator dari variabel. Suatu kuesioner dikatakan reliabel ketika jawaban seseorang terhadap kuesioner tersebut adalah stabil dari waktu ke waktu. Jadi uji reliabilitas di sini digunakan untuk mengukur konsistensi data atau ketetapan dari keseluruhan kuesioner atau instrument penelitian (Murniati dkk., 2013:20). Kriteria reliabel adalah jika nilai cronbach

  

alpha >0,9 berarti bahwa kuesioner telah tergolong kriteria reliabel sempurna

(Murniati dkk., 2013:34).

Tabel 4.7. Uji Reliabilitas

  Cronbach Variabel Keterangan

  Alpha

  Kinerja Manajer (KM) 0,953 Reliabel Sempurna

  Reliance On Multiple Performance

  0,915 Reliabel Sempurna

  Measures (RMPM) Goal Difficulty (GD) 0,957 Reliabel Sempurna Goal Specificity (GS) 0,989 Reliabel Sempurna Goal Acceptance (GA) 0,908 Reliabel Sempurna

  Sumber: Lampiran 3 Variabel kinerja manajer (KM), reliance on multiple performance

  

measures (RMPM), goal difficulty (GD), goal specificity (GS) serta goal

acceptance (GA) memberikan nilai cronbach alpha masing-masing > 0,90

  sehingga dapat disimpulkan kuesioner telah tergolong kriteria reliabel sempurna.

4.3. STATISTIK DESKRIPTIF

  Statistik deskriptif pada penelitian ini bertujuan untuk mengetahui nilai- nilai jawaban responden terhadap indikator-indikator dalam variabel penelitian.

  Pertama, dilakukan pembagian katergori menjadi tiga, yaitu rendah, sedang, dan tinggi. Kedua, menentukan rentang skala masing-masing kategori yang dihitung dengan rumus.

• – Nilai Terendah Jumlah Kategori RS =
• – 1
• – 3,00

• – 5,00
• – 7,00

  Sumber: Lampiran 2

  Rata-rata Total

  6.37 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi KM3 1-7 4-7 6.28 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi KM4 1-7 4-7 6.15 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi KM5 1-7 4-7 6.25 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi KM6 1-7 4-7 6.37 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi KM7 1-7 4-7 6.30 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi KM8 1-7 4-7 6.35 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi KM9 1-7 4-7 6.23 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi

  Indikator Kisaran Teoritis Kisaran Empiris Rata-rata Empiris Range Kategori Ket Rendah Sedang Tinggi KM1 1-7 4-7 6.30 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi KM2 1-7 4-7

Tabel 4.10. Statistik Deskriptif Kinerja Manajer (KM)

  Sedangkan goal acceptance (GA) termasuk kategori rendah.

  

on multiple performance measures (RMPM) termasuk kategori tinggi. Sementara

goal difficulty (GD) dan goal specificity (GD) termasuk kategori sedang.

  Sumber: Lampiran 2 Skor rata-rata jawaban responden dari kinerja manajer (KM) dan reliance

  6.56 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi GD 1-7 2-7 4.33 1,00-3,00 3,01-5,00 5,01-7,00 Sedang GS 1-7 2-7 3.13 1,00-3,00 3,01-5,00 5,01-7,00 Sedang GA 1-7 1-4 2.08 1,00-3,00 3,01-5,00 5,01-7,00 Rendah

  Indikator Kisaran Teoritis Kisaran Empiris Rata-rata Empiris Range Kategori Ket Rendah Sedang Tinggi KM 1-7 4-7 6.29 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi RMPM 1-7 3-7

Tabel 4.9. Statistik Deskriptif Per Variabel

  Tinggi

  Sedang 5,01

  Rendah 3,01

  1,00

  Rentang Skala Kategori

  3 Tabel 4.8. Kategori Rentang Skala

  2

  =

  7

  RS = Nilai Tertinggi

6.29 Tinggi

  Skor rata-rata jawaban responden dari kinerja manajer (KM) adalah sebesar 6,29 dan termasuk kategori tinggi. Artinya persepsi hasil evaluasi terhadap pekerjaan yang dilakukan manajer sangat bagus.

Tabel 4.11. Statistik Deskriptif RMPM

  Indikator Kisaran Teoritis Kisaran Empiris Rata-rata Empiris Range Kategori Ket Rendah Sedang Tinggi RMPM1 1-7 4-7 6.53 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi RMPM2 1-7 5-7

  6.58 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi RMPM3 1-7 5-7 6.70 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi RMPM4 1-7 5-7 6.70 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi RMPM5 1-7 3-7 6.50 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi RMPM6 1-7 4-7 6.50 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi RMPM7 1-7 4-7 6.60 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi RMPM8 1-7 4-7 6.28 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi RMPM9 1-7 4-7 6.55 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi RMPM10 1-7 5-7 6.68 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi

  Rata-rata Total

  6.56 Tinggi

  Sumber: Lampiran 2 Skor rata-rata jawaban responden dari reliance on multiple performance

  

measures (RMPM) adalah sebesar 6,56 dan termasuk kategori tinggi. Artinya

  persepsi tentang kombinasi pengukuran finansial dan non-finansial sangat penting bagi manajer.

Tabel 4.12. Statistik Deskriptif Goal Difficulty (GD)

  Indikator Kisaran Teoritis Kisaran Empiris Rata-rata Empiris Range Kategori Ket Rendah Sedang Tinggi GD1 1-7 2-7 4.35 1,00-3,00 3,01-5,00 5,01-7,00 Sedang GD2 1-7 2-7

  4.38 1,00-3,00 3,01-5,00 5,01-7,00 Sedang GD3 1-7 2-7 4.28 1,00-3,00 3,01-5,00 5,01-7,00 Sedang

  Rata-rata Total

  4.33 Sedang

  Sumber: Lampiran 2 Skor rata-rata jawaban responden dari goal difficulty (GD) adalah sebesar

  4,33 dan termasuk kategori sedang. Artinya persepsi manajer terhadap tujuan pekerjaan yang dilakukannya cukup sulit.

Tabel 4.13. Statistik Deskriptif Goal Specificity (GS)

  Indikator Kisaran Teoritis Kisaran Empiris Rata-rata Empiris Range Kategori Ket Rendah Sedang Tinggi GS1 1-7 2-7 3.18 1,00-3,00 3,01-5,00 5,01-7,00 Sedang GS2 1-7 2-7

  3.10 1,00-3,00 3,01-5,00 5,01-7,00 Sedang GS3 1-7 2-7 3.13 1,00-3,00 3,01-5,00 5,01-7,00 Sedang

  Rata-rata Total

  3.13 Sedang

  Sumber: Lampiran 2 Skor rata-rata jawaban responden dari goal specificity (GD) adalah sebesar

  3,13 dan termasuk kategori sedang. Artinya persepsi manajer terhadap tujuan pekerjaan yang dilakukannya cukup rinci.

Tabel 4.14. Statistik Deskriptif Goal Acceptance (GA)

  Indikator Kisaran Teoritis Kisaran Empiris Rata-rata Empiris Range Kategori Ket Rendah Sedang Tinggi GA1 1-7 1-3 1.93 1,00-3,00 3,01-5,00 5,01-7,00 Rendah GA2 1-7 1-4

  2.07 1,00-3,00 3,01-5,00 5,01-7,00 Rendah GA3 1-7 1-4 2.25 1,00-3,00 3,01-5,00 5,01-7,00 Rendah

  Rata-rata Total

  2.08 Rendah

  Sumber: Lampiran 2 Skor rata-rata jawaban responden dari goal acceptance (GA) adalah sebesar 2,08 dan termasuk kategori rendah. Artinya persepsi manajer terhadap tujuan pekerjaan yang dilakukannya kurang diterima.

  4.4. GAMBARAN UMUM RESPONDEN

  Data responden yang diperoleh dikelompokkan berdasarkan jenis kelamin, umur, lama bekerja, pendidikan masing-masing manajer.

Tabel 4.15. Gambaran Umum Responden

  Mean Keterangan Frek % KM RMPM GD GS GA

  Laki-laki 26 65.0 6.3331 6.4615 4.4108 3.4096 2.2315 Jenis Kelamin

  Perempuan 14 35.0 6.2057 6.7429 4.1914 2.6193 1.8093 21-30 6 15.0 6.3517 6.7500 4.4450 2.6117 1.7217

  Umur 31-40 29 72.5 6.3676 6.5931 4.2076 3.0800 2.0348 41-50 5 12.5 5.7540 6.1400 4.9340 4.0660 2.8020

  1-5 17 42.5 6.1559 6.4529 4.2359 2.9412 2.0594 Lama Bekerja

  6-10 23 57.5 6.3865 6.6391 4.4065 3.2748 2.1017 D3 4 10.0 6.4725 6.5500 4.0000 3.0000 2.4175

  Pendidikan S1 35 87.5 6.2471 6.5486 4.3340 3.1520 2.0480 S2 1 2.5 7.0000 7.0000 5.6700 3.0000 2.0000

  Sumber: Lampiran 2 Responden berjenis kelamin laki-laki ada 26 orang dan perempuan 14 orang. Hal ini menunjukkan responden manajer yang bekerja pada BPR di

  Semarang lebih banyak yang berjenis kelamin laki-laki. Responden berumur 21- 30 tahun ada 6 orang, 31-40 tahun ada 29 orang dan 41-50 tahun ada 5 orang. Hal ini menunjukkan responden manajer yang bekerja pada BPR di Semarang lebih banyak yang berumur 31-40 tahun. Responden berlama kerja 1-5 tahun ada 17 orang dan 6-10 tahun ada 23 orang. Hal ini menunjukkan responden manajer yang bekerja pada BPR di Semarang lebih banyak yang berlama kerja 6-10 tahun.

  Responden berpendidikan D3 ada 4 orang, S1 ada 35 orang dan S2 ada 1 orang. Hal ini menunjukkan responden manajer yang bekerja pada BPR di Semarang lebih banyak yang berpendidikan S1.

  Selain itu dilihat dari mean-nya, nilai mean KM lebih tinggi pada responden berjenis kelamin laki-laki, berumur 31-40 tahun dan berlama kerja 6-10 tahun. Sementara nilai mean RMPM lebih tinggi pada responden berjenis kelamin perempuan, berumur 21-30 tahun dan berlama kerja 6-10 tahun. Untuk variabel

4.5. UJI HIPOTESIS

4.5.1. Uji Hipotesis 1 1.

• + β

  Keterangan: KM = kinerja manajer RMPM = reliance on multiple performance measures GD = goal difficulty RMPM.GD = interaksi antara RMPM dengan goal difficulty β

  Goal Difficulty

  RMPM Kinerja Manajer

  Multikolinearitas berkenaan dengan terdapatnya lebih dari satu hubungan linear pasti. Multikolinearitas menyebabkan regresi tidak efisien atau penyimpangannya besar (Gujarati, 2012 dalam Murniati dkk., 2013). Multikolinearitas dilihat dari nilai tolerance dan variance inflation factor (VIF).

  e = error Pengujian asumsi klasik untuk hipotesis 1:

  1-3 = koefisien regresi

  = konstanta β

  3.2 RMPM.GD + e .. (Model 2)

  GD, GS dan GA nilai mean lebih tinggi pada responden berjenis kelamin laki- laki, berumur 41-50 tahun dan berlama kerja 6-10 tahun.

  

2.2

GD

  1.2 RMPM + β

  0.2 + β

  

2.1

GD + e ................................ (Model 1) KM = β

  1.1 RMPM + β

  0.1 + β

  KM = β

  Persamaan regresi Hipotesis 1

1. Uji Multikolinearitas

  Suatu model regresi dikatakan bebas dari multikolinearitas jika nilai tolerance ≥

  0,1 dan nilai VIF ≤ 10 (Murniati dkk., 2013:71).

Tabel 4.16. Uji Multikolinieritas Hipotesis 1 (Tidak Lolos) No Model Var Independen Tolerance

  VIF Ket

  0.1

  1.1 KM = RMPM RMPM 0.994 1.006 Bebas β + β

  1

• + β

  2.1 GD + e GD 0.994 1.006 Bebas

  0.2

  1.2 RMPM 0.084 11.942 Tidak KM = RMPM β + β

  2

  2.2

  3.2 GD 0.008 128.158 Tidak

• + β GD + β RMPM.GD + e

  RMPM.GD 0.007 144.911 Tidak Sumber: Lampiran 4

  Terdapat beberapa variabel yang tidak memberikan masing-masing nilai

  tolerance

  ≥ 0,1 dan nilai VIF ≤ 10 sehingga dapat disimpulkan terdapat beberapa variabel yang belum terbebas dari masalah multikolinearitas. Oleh karena itu perlu dilakukan pengobatan multikolinearitas dengan melakukan mean centering (Murniati dkk., 2013:119) yang menghasilkan sebagai berikut.

Tabel 4.17. Uji Multikolinieritas Hipotesis 1 (Setelah Mean Centering) No Model Var Independen Tolerance

  VIF Ket KM =

  0.1

  1.1 RMPM + RMPM 0.994 1.006 Bebas β + β

  1

  2.1 GD + e GD 0.994 1.006 Bebas β KM =

  0.2

  1.2 RMPM + RMPM 0.993 1.007 Bebas β + β

  2

  2.2 GD

  3.2 RMPM.GD GD 0.991 1.009 Bebas β + β

• + e RMPM.GD 0.996 1.004 Bebas

  Sumber: Lampiran 4 Semua variabel memberikan masing-masing nilai tolerance

  ≥ 0,1 dan nilai

  VIF ≤ 10 sehingga dapat disimpulkan semua variabel telah terbebas dari masalah multikolinearitas.

2. Uji Normalitas

  Pengujian normalitas dimaksudkan untuk mendeteksi apakah data yang akan digunakan untuk menguji hipotesis, yang merupakan sampel dari populasi, merupakan data empiris yang memenuhi hakikat naturalistik. Hakikat naturalistic menganut faham bahwa fenomena (gejala) yang terjadi di alam ini berlangsung secara wajar dan dengan kecenderungan berpola. Menggunakan Uji Kolmogorov-

  

Smirnov . Data dikatakan normal jika nilai probabilitas (sig) Kolmogorov-Smirnov

> 0,05 (Murniati dkk., 2013:62).

Tabel 4.18. Uji Normalitas Hipotesis 1 Sig. Kolmogorov-

  No Model Ket

  Smirnov

  1 KM =

  0.1

  1.1 RMPM

  

2.1 GD + e

β + β + β KM =

  0.2

  1.2 RMPM

  2.2 GD 3.2 0,408 Normal β + β + β + β

  2 RMPM.GD + e Sumber: Lampiran 4

  Semua persamaan memberikan masing-masing nilai Sig. Kolmogorov-

  

Smirnov adalah > 0,05 sehingga dapat disimpulkan data penelitian dari semua

persamaan telah normal.

3. Uji Heteroskedastisitas

  Pada analisis regresi, heteroskedastisitas berarti situasi dimana keragaman variable independen bervariasi pada data yang kita miliki. Salah satu asumsi kunci pada metode regresi biasa adalah bahwa error memiliki keragaman yang sama pada tiap-tiap sampelnya. Data dikatakan bebas heteroskedastisitas jika sig. > 0,05 (Murniati dkk., 2013:65).

Tabel 4.19. Uji Heteroskedastisitas Hipotesis 1 No Model Var Independen Sig. Ket

  RMPM 0.426 Bebas

  0.1

  1.1

  2.1

  1 KM = RMPM GD + e

  β + β + β

  GD 0.175 Bebas RMPM 0.423 Bebas

  KM =

  0.2

  1.2 RMPM

  2.2 GD + β + β + β

  2 GD 0.173 Bebas

  3.2 RMPM.GD + e β

  RMPM.GD 0.659 Bebas Sumber: Lampiran 4

  Semua variabel dari semua persamaan memberikan masing-masing nilai sig > 0,05 sehingga dapat disimpulkan semua variabel dari semua persamaan telah terbebas dari masalah heteroskedastisitas.

  Pengujian moderated regression analysis (MRA) untuk hipotesis 1:

  1 Tabel 4.20. Uji H

  2 No Model Var Independen R B t-value Ket

  0.1 1.1 constant -0.001 KM = β + β

  2.1

  1 RMPM + β RMPM 0.256 0.688 3.555

  GD + e

  GD 0.001 0.008

  constant -0.016 H 1 diterima KM =

  0.2

  1.2 β + β

  2.2 RMPM 0.675 3.705 RMPM

• + β

  2 0.360

• + β RMPM.GD + e

  3.2 GD GD 0.012 0.148

  RMPM.GD 0.332 2.417 Sumber: Lampiran 4

  2 Berdasarkan hasil output SPSS tampak bahwa: nilai R persamaan 2

  (0,360) lebih tinggi dari persamaan 1 (0,256) dan nilai t hitung variabel RMPM.GD (2,417) > t tabel (+1,96) sehingga interaksi signifikan secara statistik.

  Koefisien variabel RMPM.GD (0,332) > 0 dan sehingga interaksinya positif (Murniati dkk., 2013:121). Jadi H

  1 yang berbunyi reliance on multiple

performance measures berpengaruh terhadap kinerja manajer dengan goal

difficulty sebagai variabel moderasi diterima. Artinya, ketika RMPM semakin

4.5.2. Uji Hipotesis 2

• + α

  3.2 RMPM.GS + e .. (Model 4)

  Goal Specifity

  ≥ 0,1 dan nilai VIF ≤ 10 (Murniati dkk., 2013:71). RMPM Kinerja Manajer

  Multikolinearitas berkenaan dengan terdapatnya lebih dari satu hubungan linear pasti. Multikolinearitas menyebabkan regresi tidak efisien atau penyimpangannya besar (Gujarati, 2012 dalam Murniati dkk., 2013). Multikolinearitas dilihat dari nilai tolerance dan variance inflation factor (VIF). Suatu model regresi dikatakan bebas dari multikolinearitas jika nilai tolerance

  e = error Pengujian asumsi klasik untuk hipotesis 2:

  1-3 = koefisien regresi

  Keterangan: KM = kinerja manajer RMPM = reliance on multiple performance measures GS = goal specificity RMPM.GS = interaksi antara RMPM dengan goal specificity α = konstanta α

  

2.2

GS

  tinggi dan tujuan yang dicapai semakin sulit (goal difficulty) maka kinerja manajer semakin baik.

  1.2 RMPM + α

  0.2 + α

  

2.1

GS + e ................................ (Model 3) KM = α

  1.1 RMPM + α

  0.1 + α

  KM = α

  Persamaan regresi Hipotesis 2

1. Uji Multikolinearitas

Tabel 4.21. Uji Multikolinieritas Hipotesis 2 (Tidak Lolos) No Model Var Independen Tolerance

  VIF Ket

  0.1

  1.1 RMPM 0.930 1.075 Bebas KM = RMPM α + α

  1

  2.1 GS + e

• + α GS 0.930 1.075 Bebas

  0.2

  1.2 RMPM 0.060 16.587 Tidak KM = α α + RMPM

  2

  2.2 GS

  3.2 GS 0.003 337.557 Tidak

• + α + α RMPM.GS + e

  RMPM.GS 0.003 314.772 Tidak Sumber: Lampiran 5

  Terdapat beberapa variabel yang tidak memberikan masing-masing nilai

  tolerance

  ≥ 0,1 dan nilai VIF ≤ 10 sehingga dapat disimpulkan terdapat beberapa variabel yang belum terbebas dari masalah multikolinearitas. Oleh karena itu perlu dilakukan pengobatan multikolinearitas dengan melakukan mean centering (Murniati dkk., 2013:119) yang menghasilkan sebagai berikut.

Tabel 4.22. Uji Multikolinieritas Hipotesis 2 (Setelah Mean Centering) No Model Var Independen Tolerance

  VIF Ket KM =

  0.1

  1.1 RMPM + RMPM 0.930 1.075 Bebas α + α

  1

  2.1 GS + e GS 0.930 1.075 Bebas α KM =

  0.2

  1.2 RMPM + RMPM 0.892 1.122 Bebas α + α

  2

  2.2 GS

  3.2 RMPM.GS + GS 0.864 1.158 Bebas α + α e RMPM.GS 0.861 1.162 Bebas

  Sumber: Lampiran 5 Semua variabel memberikan masing-masing nilai tolerance

  ≥ 0,1 dan nilai

  VIF ≤ 10 sehingga dapat disimpulkan semua variabel telah terbebas dari masalah multikolinearitas.

2. Uji Normalitas

  Pengujian normalitas dimaksudkan untuk mendeteksi apakah data yang akan digunakan untuk menguji hipotesis, yang merupakan sampel dari populasi, merupakan data empiris yang memenuhi hakikat naturalistik. Hakikat naturalistic menganut faham bahwa fenomena (gejala) yang terjadi di alam ini berlangsung secara wajar dan dengan kecenderungan berpola. Menggunakan Uji Kolmogorov-

  

Smirnov . Data dikatakan normal jika nilai probabilitas (sig) Kolmogorov-Smirnov

> 0,05 (Murniati dkk., 2013:62).

Tabel 4.23. Uji Normalitas Hipotesis 2 Sig. Kolmogorov-

  No Model Ket

  Smirnov

  0.1

  1.1

  2.1

  1 KM = α + α RMPM + α GS + e

  KM =

  0.2

1.2 RMPM

  2.2 GS 3.2 0,656 Normal α + α + α + α

  2 RMPM.GS + e Sumber: Lampiran 5

  Semua persamaan memberikan masing-masing nilai Sig. Kolmogorov-

  

Smirnov adalah > 0,05 sehingga dapat disimpulkan data penelitian dari semua

persamaan telah normal.

3. Uji Heteroskedastisitas

  Pada analisis regresi, heteroskedastisitas berarti situasi dimana keragaman variable independen bervariasi pada data yang kita miliki. Salah satu asumsi kunci pada metode regresi biasa adalah bahwa error memiliki keragaman yang sama pada tiap-tiap sampelnya. Data dikatakan bebas heteroskedastisitas jika sig. > 0,05 (Murniati dkk., 2013:65).

Tabel 4.24. Uji Heteroskedastisitas Hipotesis 2 No Model Var Independen Sig. Ket

  RMPM 0.862 Bebas

  1 KM =

  0.1

  1.1 RMPM

  

2.1 GS + e

α + α + α

  GS 0.412 Bebas RMPM 0.954 Bebas

  KM =

  0.2

  1.2 RMPM

  

2.2 GS +

α + α + α

  2 GS 0.276 Bebas

  3.2 RMPM.GS + e α

  RMPM.GS 0.264 Bebas Sumber: Lampiran 5 Semua variabel dari semua persamaan memberikan masing-masing nilai sig > 0,05 sehingga dapat disimpulkan semua variabel dari semua persamaan telah terbebas dari masalah heteroskedastisitas.

  Pengujian moderated regression analysis (MRA) untuk hipotesis 2:

  2 Tabel 4.25. Uji H

  2 No Model Var Independen R B t-value Ket constant -0.001 KM =

• + 0.1

  α

  1.1

  1 RMPM + RMPM 0.281 0.748 3.804

  α

2.1 GS + e

  α GS 0.095 1.150 constant 0.069 H

  KM =

  0.2 α

• + 2 diterima

  1.2 RMPM + RMPM 0.669 3.466 α

  2 0.354

  2.2

  3.2 GS GS 0.139 1.691 α + α RMPM.GS + e

  RMPM.GS 0.436 2.013 Sumber: Lampiran 5

  2 Berdasarkan hasil output SPSS tampak bahwa: nilai R persamaan 4

  (0,354) lebih tinggi dari persamaan 3 (0,281) dan nilai t hitung variabel RMPM.GS (2,013) > t tabel (+1,96) sehingga interaksi signifikan secara statistik.

  Koefisien variabel RMPM.GS (0,436) > 0 dan sehingga interaksinya positif (Murniati dkk., 2013:121). Jadi H

  2 yang berbunyi reliance on multiple

performance measures berpengaruh terhadap kinerja manajer dengan goal

specificity sebagai variabel moderasi diterima. Artinya, ketika RMPM semakin

  tinggi dan tujuan yang dicapai semakin rinci (goal specificity) maka kinerja manajer semakin baik.

4.5.3. Uji Hipotesis 3

  Persamaan regresi Hipotesis 3

  = konstanta γ

  Goal Acceptance

  RMPM Kinerja Manajer

  Multikolinearitas berkenaan dengan terdapatnya lebih dari satu hubungan linear pasti. Multikolinearitas menyebabkan regresi tidak efisien atau penyimpangannya besar (Gujarati, 2012 dalam Murniati dkk., 2013). Multikolinearitas dilihat dari nilai tolerance dan variance inflation factor (VIF). Suatu model regresi dikatakan bebas dari multikolinearitas jika nilai tolerance ≥ 0,1 dan nilai VIF ≤ 10 (Murniati dkk., 2013:71).

  = koefisien regresi e = error Pengujian asumsi klasik untuk hipotesis 3:

  1-3

  Keterangan: KM = kinerja manajer RMPM = reliance on multiple performance measures GA = goal acceptance RMPM.GA = interaksi antara RMPM dengan goal acceptance γ

  KM = γ

  3.2 RMPM.GA + e ... (Model 6)

  2.2 GA + γ

  1.2 RMPM + γ

  

2.1

GA + e ................................. (Model 5) KM = γ 0.2 + γ

  1.1 RMPM + γ

  0.1 + γ

1. Uji Multikolinearitas

Tabel 4.26. Uji Multikolinieritas Hipotesis 3 (Tidak Lolos) No Model Var Independen Tolerance

  VIF Ket

  0.1

  1.1 RMPM 0.755 1.325 Bebas KM = RMPM γ + γ

  1

  2.1 GA + e

• + γ GA 0.755 1.325 Bebas

  0.2

  1.2 RMPM 0.079 12.594 Tidak KM = γ + γ RMPM

  2

  2.2 GA

  3.2 GA 0.006 159.078 Tidak

• + γ + γ RMPM.GA + e

  RMPM.GA 0.008 128.267 Tidak Sumber: Lampiran 6

  Terdapat beberapa variabel yang tidak memberikan masing-masing nilai

  tolerance

  ≥ 0,1 dan nilai VIF ≤ 10 sehingga dapat disimpulkan terdapat beberapa variabel yang belum terbebas dari masalah multikolinearitas. Oleh karena itu perlu dilakukan pengobatan multikolinearitas dengan melakukan mean centering (Murniati dkk., 2013:119) yang menghasilkan sebagai berikut.

Tabel 4.27. Uji Multikolinieritas Hipotesis 3 (Setelah Mean Centering) No Model Var Independen Tolerance

  VIF Ket KM =

  0.1

  1.1 RMPM + RMPM 0.756 1.323 Bebas γ + γ

  1

  2.1 GA + e GA 0.756 1.323 Bebas γ KM =

  0.2

  1.2 RMPM + RMPM 0.533 1.874 Bebas γ + γ

  2

  2.2 GA

  3.2 RMPM.GA + GA 0.719 1.392 Bebas γ + γ e RMPM.GA 0.700 1.428 Bebas

  Sumber: Lampiran 6 Semua variabel memberikan masing-masing nilai tolerance

  ≥ 0,1 dan nilai

  VIF ≤ 10 sehingga dapat disimpulkan semua variabel telah terbebas dari masalah multikolinearitas.

2. Uji Normalitas

  Pengujian normalitas dimaksudkan untuk mendeteksi apakah data yang akan digunakan untuk menguji hipotesis, yang merupakan sampel dari populasi, merupakan data empiris yang memenuhi hakikat naturalistik. Hakikat naturalistic menganut faham bahwa fenomena (gejala) yang terjadi di alam ini berlangsung secara wajar dan dengan kecenderungan berpola. Menggunakan Uji Kolmogorov-

  

Smirnov . Data dikatakan normal jika nilai probabilitas (sig) Kolmogorov-Smirnov

> 0,05 (Murniati dkk., 2013:62).

Tabel 4.28. Uji Normalitas Hipotesis 3 Sig. Kolmogorov-

  No Model Ket

  Smirnov

  0.1

  1.1

  2.1

  1 KM = γ + γ RMPM + γ GA + e

  KM =

  0.2

1.2 RMPM

  2.2 GA 3.2 0,694 Normal γ + γ + γ + γ

  2 RMPM.GA + e Sumber: Lampiran 6

  Semua persamaan memberikan masing-masing nilai Sig. Kolmogorov-

  

Smirnov adalah > 0,05 sehingga dapat disimpulkan data penelitian dari semua

persamaan telah normal.

3. Uji Heteroskedastisitas

  Pada analisis regresi, heteroskedastisitas berarti situasi dimana keragaman variable independen bervariasi pada data yang kita miliki. Salah satu asumsi kunci pada metode regresi biasa adalah bahwa error memiliki keragaman yang sama pada tiap-tiap sampelnya. Data dikatakan bebas heteroskedastisitas jika sig. > 0,05 (Murniati dkk., 2013:65).

Tabel 4.29. Uji Heteroskedastisitas Hipotesis 3 No Model Var Independen Sig. Ket

  RMPM 0.681 Bebas

  1 KM =

  0.1

  1.1 RMPM

  2.1 GA + e γ + γ + γ

  GA 0.302 Bebas RMPM 0.356 Bebas

  KM =

  0.2

  1.2 RMPM

  2.2 GA + γ + γ + γ

  2 GA 0.438 Bebas

  3.2 RMPM.GA + e γ

  RMPM.GA 0.288 Bebas Sumber: Lampiran 6 Semua variabel dari semua persamaan memberikan masing-masing nilai sig > 0,05 sehingga dapat disimpulkan semua variabel dari semua persamaan telah terbebas dari masalah heteroskedastisitas.

  Pengujian moderated regression analysis (MRA) untuk hipotesis 3:

  3 Tabel 4.30. Uji H

  2 No Model Var Independen R B t-value Ket constant -0.001 KM =

  0.1

  1.1 γ + γ

  2.1

  1 RMPM RMPM 0.257 0.662 2.984

• + γ GA + e

  GA -0.036 -0.242

  constant 0.090 H 3 diterima KM =

  0.2

  1.2 γ + γ RMPM

  2.2 RMPM 0.377 1.490

• + γ

  2 0.336

• + γ RMPM.GA + e

  3.2 GA GA -0.103 -0.706

  RMPM.GA 0.479 2.076 Sumber: Lampiran 6

  2 Berdasarkan hasil output SPSS tampak bahwa: nilai R persamaan 6

  (0,336) lebih tinggi dari persamaan 5 (0,257) dan nilai t hitung variabel RMPM.GA (2,076) > t tabel (+1,96) sehingga interaksi signifikan secara statistik.

  Koefisien variabel RMPM.GA (0,479) > 0 dan sehingga interaksinya positif (Murniati dkk., 2013:121). Jadi H

  3 yang berbunyi reliance on multiple

performance measures berpengaruh terhadap kinerja manajer dengan goal

acceptance sebagai variabel moderasi diterima. Artinya, ketika RMPM semakin

  tinggi dan tujuan yang dicapai semakin diterima (goal acceptance) maka kinerja manajer semakin baik.

4.6. PEMBAHASAN

4.6.1. Pembahasan Hipotesis 1

  H

  1 yang berbunyi reliance on multiple performance measures berpengaruh

  terhadap kinerja manajer dengan goal difficulty sebagai variabel moderasi

  

diterima. Artinya, ketika kombinasi pengukuran finansial dan non-finansial

  semakin baik dan tujuan yang dicapai semakin sulit (goal difficulty) maka kinerja manajer semakin baik. Hal ini sesuai dengan penelitian Sholihin et al. (2010) yaitu interaksi antara reliance on multiple performance measures dan goal difficulty berpengaruh terhadap kinerja manajer.

  Hasil penelitian ini sesuai dengan goal setting theory yang berpendapat bahwa seseorang dengan tujuan sulit akan melakukan lebih baik daripada seseorang dengan tujuan mudah (goal difficulty). Penggunaan campuran yang tepat antara pengukuran finansial dan non finansial disebut dengan Reliance On

  

Multiple Performance Measures atau RMPM. Semakin penting RMPM maka

  kinerja manajer akan semakin baik karena Otley dan Fakiolas (2000), Hartmann (2000) serta Noeverman et al. (2005) menemukan bahwa pengukuran non- finansial meningkatkan kinerja manajer.

  Ketika sebuah bank memiliki tujuan yang sulit dicapai seperti adanya minimal penempatan rupiah deposito bagi marketing atau minimal komplain yang diterima bagian customer service, maka penggunaan pengukuran finansial dan non finansial (RMPM) akan semakin mempengaruhi kinerja manajer. Artinya berdasarkan persepsi manajer tingkat menengah pada BPR di Semarang, ketika manajer menggunakan pengukuran finansial dan non finansial (RMPM), dia dihadapkan pada tujuan yang dicapai semakin sulit (goal difficulty) maka kinerja manajer semakin baik.

  Akan tetapi dalam penelitian ini berdasarkan tabel 4.15., goal difficulty pada BPR di Semarang masih masuk dalam kategori sedang sehingga penelitian ini ditujukan supaya kinerja manajer menjadi tinggi. Hal ini dapat dilihat dari tabel 4.12., indikator terendah dari goal difficulty yaitu responden manajer tingkat menengah pada BPR di Semarang mendapat tujuan kinerjanya kurang sulit sehingga perlu membuat target yang lebih sulit. Ditinjau dari nilai mean-ya, nilai

  

mean goal difficulty pada BPR di Semarang yang rendah pada usia 20-40 tahun,

lebih tinggi pada responden berjenis kelamin laki-laki dibanding perempuan.

  Maka dapat dikatakan responden manajer tingkat menengah pada BPR di Semarang perempuan usia 20-40 tahun merasa bahwa tujuan kinerjanya kurang sulit dan dapat ditingkatkan dengan cara membuat target yang lebih sulit.

4.6.2. Pembahasan Hipotesis 2

  H

  2 yang berbunyi reliance on multiple performance measures berpengaruh

  terhadap kinerja manajer dengan goal specificity sebagai variabel moderasi

  

diterima. Artinya, ketika kombinasi pengukuran finansial dan non-finansial

  semakin baik dan tujuan yang dicapai semakin rinci (goal specificity) maka kinerja manajer semakin baik. Hal ini sesuai dengan penelitian Sholihin et al.

  (2010) yaitu interaksi antara reliance on multiple performance measures dan goal specificity berpengaruh terhadap kinerja manajer.

  Hasil penelitian ini sesuai dengan goal setting theory yang berpendapat bahwa orang dengan tujuan tertentu (tahu persis apa yang ingin lakukan, atau yang seharusnya dilakukan) akan melakukan lebih baik daripada seseorang yang tujuan atau niat tidak jelas (goal specificity). Penggunaan campuran yang tepat antara pengukuran finansial dan non finansial disebut dengan Reliance On

  

Multiple Performance Measures atau RMPM. Semakin penting RMPM maka

  kinerja manajer akan semakin baik karena Otley dan Fakiolas (2000), Hartmann (2000) serta Noeverman et al. (2005) menemukan bahwa pengukuran non- finansial meningkatkan kinerja manajer.

  Ketika sebuah bank memiliki tujuan yang rinci seperti tersedianya informasi yang sangat jelas berapa rupiah minimal penempatan deposito yang harus dicapai oleh pihak marketing, maka penggunaan pengukuran finansial dan non finansial (RMPM) akan semakin mempengaruhi kinerja manajer. Artinya berdasarkan persepsi manajer tingkat menengah pada BPR di Semarang, ketika manajer menggunakan pengukuran finansial dan non finansial (RMPM), dia dihadapkan pada tujuan yang dicapai semakin rinci (goal specificity) maka kinerja manajer semakin baik.

  Akan tetapi dalam penelitian ini berdasarkan tabel 4.15., goal specificity pada BPR di Semarang masih masuk dalam kategori sedang sehingga penelitian ini ditujukan supaya kinerja manajer menjadi tinggi. Hal ini dapat dilihat dari tabel 4.13., indikator terendah dari goal specificity yaitu responden manajer tingkat menengah pada BPR di Semarang mendapat tujuan kinerjanya kurang rinci sehingga perlu membuat target yang lebih rinci. Ditinjau dari nilai mean-ya, nilai mean goal specificity pada BPR di Semarang yang rendah pada usia 20-40 tahun, lebih tinggi pada responden berjenis kelamin laki-laki dibanding perempuan. Maka dapat dikatakan responden manajer tingkat menengah pada BPR di Semarang perempuan usia 20-40 tahun merasa bahwa tujuan kinerjanya kurang rinci dan dapat ditingkatkan dengan cara mentoring sehingga lebih memahami detil pekerjaan.

4.6.3. Pembahasan Hipotesis 3

3 H yang berbunyi reliance on multiple performance measures berpengaruh

  terhadap kinerja manajer dengan goal acceptance sebagai variabel moderasi