BAB III METODE PENELITIAN
K. Teknik Analisis Data
2. Analisis Jalur (Path Analysis)
“Analisis jalur (path analysis) merupakan kepanjangan dari analisis regresi linier berganda, meski didasarkan sejarah terdapat perbedaan dasar antara path analysis yang bersifat independen terhadap prosedur statistik dalam menentukan hubungan sebab akibat; sedang regresi linier memang merupakan prosedur statistik yang digunakan untuk
menganalisis hubungan sebab akibat yang dikaji.”
Model dalam path analysis yang digunakan dalam penelitian ini adalah model gabungan antara model regresi berganda dengan model mediasi. Model ini adalah penggabungan antara model regresi berganda dengan model mediasi, yaitu variabel X (kompensasi) mempengaruhi variabel Z (kinerja karyawan) secara langsung, dan secara tidak
langsung mempengaruhi variabel Z melalui perantara/penyela variabel Y (iklim organisasi).
Analisis Regresi Linear Berganda adalah analisis hubungan antara dua variabel atau lebih secara linear, yaitu variabel X (kompensasi) sebagai variabel indenpenden, variabel Y (iklim organisasi) sebagai intervening variable/variabel perantara, dan variabel Z (kinerja karyawan) sebagai variabel dependen. Langkah-langkahnya adalah sebagai berikut:
a. Membuat diagram jalur pengaruh antara X terhadap Y dan dampaknya terhadap Z.
Gambar III.1 Contoh Struktur Pengaruh X, Y, dan Z Persamaan strukturalnya adalah sebagai berikut:
1) Persamaan Sub-Struktural 1 Y = ρyxX + ρyε1
Keterangan:
Y = iklim organisasi
ρyx = koefisien jalur X terhadap Y (ρ = √ − � 2
X Y Z ρyx ρy ρzy ρzx ρz ε2 ε1
X = kompensasi
ε1 = error pertama/variabel pengganggu dari iklim organisasi
ρy = koefisien jalur bagi variabel lain selain Y di luar
penelitian 2) Persamaan Sub-Struktural 2 Z = ρzxX + ρzyY + ρzε2 Keterangan: Z = kinerja karyawan Y = iklim organisasi
ρzx = koefisien jalur X terhadap Z (ρ = √ − � 2
ρzy = koefisien jalur Y terhadap Z (ρ = √ − � 2
X = kompensasi
ε2 = error kedua/variabel pengganggu dari kinerja karyawan
ρz = koefisien jalur bagi variabel lain selain Z di luar
penelitian
b. Menghitung persamaan Sub-struktural 1 Persamaan sub-struktural 1:
Y = ρyxX + ρyε1
Berikut ini adalah contoh bagan sub-struktural 1:
Gambar III.2 Contoh Bagan Sub-struktural 1 ρyx
X Y
ρy
Langkah-langkah dalam menghitung persamaan sub-struktural 1 adalah sebagai berikut:
1) Melihat pengaruh secara parsial (individual)
Besarnya pengaruh secara parsial (sendiri-sendiri atau individual) antara variabel X (kompensasi) dengan Y (iklim organisasi), perhatikan tabel III.3 berikut ini (permisalan hasil output).
Tabel III.2
Contoh Tabel Coefficients Sub-struktural 1 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) X .275 .831 .293 .088 .777 .939 9.494 .352 .000 a. Dependent Variable : Y a) Uji t Hipotesis
H01 : Variabel X tidak mempengaruhi variabel Y secara positif
Ha1 : Variabel X mempengaruhi variabel Y secara positif
Dasar pengambilan keputusan:
(1) thitung ≤ ttabel : H01 diterima (Ha1 ditolak).
(2) thitung > ttabel : H01 ditolak (Ha1 diterima).
Jika digunakan pendekatan Sig. Dasar pengambilan keputusan
(1) 0,05 ≤ Sig. : H01 diterima (Ha1 ditolak). Artinya tidak
signifikan.
(2) 0,05 > Sig. : H01 ditolak (Ha1 diterima). Artinya signifikan.
2) Pengaruh secara gabungan (simultan) dengan adanya variabel yang dikontrol yang mempengaruhi Y (ρy).
Untuk melihat pengaruh variabel X terhadap variabel Y secara simultan adanya dengan variabel yang dikontrol yang mempengaruhi Y, dapat dilakukan dengan memperhatikan hasil perhitungan dalam tabel Model Summary berikut, khususnya nilai R Square:
Tabel III.3
Contoh Tabel Model Summary Sub-struktural 1 Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .777a .604 .598 .41824
a. Predictors: (Constant), X b. Dependent Variable : Y
Langkah selanjutnya untuk mengetahui besarnya ρyε1 adalah
sebagai berikut: a) Menghitung KD Rumus: KD = R2 x 100% b) Menghitung (ρyε1) ρyε1 = √ − �
c) Persamaan sub-struktural 1 serta bagan sub-struktural 1 dengan hasil koefisiennya, misalnya:
Y = 0,777 + 0,63ε1
Keterangan:
ρyx diperoleh dari Beta seperti yang tercantum pada Tabel
Coefficient;
ρy diperoleh dari perhitungan koefisien jalur bagi variabel lain di
luar penelitian (ρyε1), X dan Y.
Berikut ini adalah contoh bagan sub-struktural 1 dengan hasil koefisien:
Gambar III.3
Contoh Bagan Sub-struktural 1 dengan hasil koefisien
Selanjutnya, untuk menguji tingkat signifikansi pengaruh Variabel X (kompensasi) terhadap Y (iklim organisasi) secara simultan adanya dengan variabel yang dikontrol yang mempengaruhi Y (iklim organisasi), dapat dilihat pada tabel ANOVA berikut ini (permisalan hasil output).
Tabel III.4
Contoh Tabel ANOVA Sub-struktural 1 ANOVAb
Model
Sum of
Squares Df Mean Square F Sig.
1 Regression Residual 16.814 22.251 2 58 8.407 .384 21.915 .000a 0,777 X Y 0,63 ε1
Total 39.065 60 a. Predictors: (Constant), X b. Dependent Variable : Y
Hipotesis:
H0 : Variabel X tidak mempengaruhi terhadap variabel Y secara
simultan dengan adanya dengan variabel yang dikontrol yang mempengaruhi Y.
Ha : Variabel X mempengaruhi terhadap variabel Y secara
simultan dengan adanya dengan variabel yang dikontrol yang mempengaruhi Y.
Dasar pengambilan keputusan
a) 0,05 ≤ Sig., H0 diterima (Ha ditolak). Artinya tidak signifikan.
b) 0,05 > Sig., H0 ditolak (Ha diterima). Artinya signifikan.
c. Menghitung Persamaan Sub-struktural 2. Z = ρzxX + ρzyY + ρzε2
Pada bagian ini, analisis dibagi menjadi dua, yaitu: 1) Pertama, melihat pengaruh secara parsial (individual)
Uji/pengaruh secara individu ditunjukkan oleh tabel Coefficients berikut (permisalan hasil output).
Tabel III.5
Contoh Tabel Coefficients Sub-struktural 2 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) X Y -.104 .488 .394 .437 .206 .193 .373 .322 -.238 2.370 2.045 .813 .021
.045 a. Dependent Variable : Z
Langkah-langkah yang dapat dilakukan dalam pengujian secara individual dari variabel X, Y, dan Z adalah sebagai berikut: a) Pengujian secara individual antara variabel X dan variabel Z.
Langkah-langkahnya adalah sebagai berikut:
(1) Uji t Hipotesis
H02 : Variabel X tidak mempengaruhi Z secara positif
Ha2 : Variabel X mempengaruhi Z secara positif
Dasar pengambilan keputusan
(a) thitung ≤ ttabel : H02 diterima (Ha2 ditolak).
(b) thitung > ttabel : H02 ditolak (Ha2 diterima).
Jika digunakan pendekatan Sig., dasar pengambilan keputusan adalah sebagai berikut:
(a) 0,05 ≤ Sig. , H02 diterima (Ha2 ditolak). Artinya tidak
signifikan.
(b) 0,05 > Sig. , H02 ditolak (Ha2 diterima). Artinya
signifikan.
b) Pengujian secara individual antara variabel Y dan variabel Z. Langkah-langkahnya adalah sebagai berikut:
(1) Uji t Hipotesis :
H03 : Variabel Y tidak mempengaruhi Variabel Z secara
positif.
Ha3 : Variabel Y mempengaruhi Variabel Z secara positif.
Dasar pengambilan keputusan
(a) thitung ≤ ttabel : H03 diterima (Ha3 ditolak).
(b) thitung > ttabel : H03 ditolak (Ha3 diterima).
Jika digunakan pendekatan Sig. , dasar pengambilan keputusan adalah sebagai berikut:
(a) 0,05 ≤ Sig. , H03 diterima (Ha3 ditolak). Artinya tidak
signifikan.
(b) 0,05 > Sig. , H03 ditolak (Ha3 diterima). Artinya
signifikan.
2) Pengaruh secara gabungan (simultan)
Untuk melihat pengaruh variabel X terhadap variabel Y secara simultan, dapat dilakukan dengan memperhatikan hasil perhitungan dalam tabel Model Summary berikut, khususnya nilai R Square. Berikut ini merupakan contoh hasil output Model Summary:
Tabel III.6
Contoh Tabel Model Summary Sub-struktural 2 Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .656a .430 .411 .61938 c. Predictors: (Constant), Y (iklim organisasi), X (kompensasi) d. Dependent Variable : Z (kinerja karyawan)
Langkah selanjutnya untuk mengetahui besarnya ρzε1 adalah
sebagai berikut: a) Menghitung KD Rumus: KD = R2 x 100% b) Menghitung (ρyε1) ρzε1 = √ − �
c) Persamaan sub-struktural 2 serta bagan sub-struktural 1 dengan hasil koefisiennya, misalnya:
Z = 0,373 X + 0,322 Y + 0,755 ε2
Keterangan:
ρzx diperoleh dari Beta (koefisien) jalur variabel X terhadap
variabel Z seperti yang tercantum pada Tabel Coefficient;
ρzy diperoleh dari Beta (koefisien) jalur variabel Y terhadap
variabel Z seperti yang tercantum pada Tabel Coefficient;
ρz diperoleh dari perhitungan koefisien jalur bagi variabel lain di
luar penelitian selain variabel X, variabel Y dan variabel Z. Berikut ini adalah contoh bagan sub-struktural 1 dengan hasil koefisien:
X Y
0,777
0,63 ε1
Gambar III.4
Contoh Struktur Pengaruh X, Y, dan Z dengan hasil koefisien Selanjutnya, untuk menguji tingkat signifikansi pengaruh variabel X dan variabel Y terhadap variabel Z, perhatikan tabel ANOVA berikut ini (permisalan hasil output).
Tabel III.7
Contoh Tabel ANOVA Sub-struktural 2 ANOVAb
Model
Sum of
Squares Df Mean Square F Sig.
2 Regression Residual Total 16.814 22.251 39.065 2 58 60 8.407 .384 21.915 .000a c. Predictors: (Constant), Y (iklim organisasi), X (kompensasi)
d. Dependent Variable : Z (kinerja karyawan) Hipotesis:
H0 : Variabel X dan variabel Y secara simultan tidak
mempengaruhi variabel Z.
Ha : Variabel X dan variabel Y secara simultan mempengaruhi
variabel Z.
a) 0,05 ≤ Sig. , H0 diterima (Ha ditolak). Artinya tidak signifikan.
b) 0,05 > Sig. , H0 ditolak (Ha diterima). Artinya signifikan.
Tabel III.7 berikut merupakan contoh rangkuman pengaruh variabel X dan variabel Y terhadap variabel Z secara langsung masupun secara tidak langsung berdasarkan SPSS. Berikut permisalan hasil outputnya.
Tabel III.8
Contoh Tabel Rangkuman Pengaruh Variabel X dan Y terhadap Variabel Z
Variabel Koefisien Jalur
Pengaruh
Langsung Tidak Langsung Total
X terhadap Y 0,777 0,777 - 0,777
X terhadap Z 0,373 0,373 0,777 x 0,322 = 0,251 0,624
Y terhadap Z 0,322 0,322 - 0,322
ε1 0,63 0,630 - 0,630
ε2 0,755 0,755 - 0,755
(Sarwono dan Julianita, 2011:131-138) Hipotesis:
H04 : Variabel Y tidak memediasi pengaruh positif
variabel X terhadap variabel Z
Ha4 : Variabel Y memediasi pengaruh positif variabel X
Dasar pengambilan keputusan:
a) Jika pengaruh langsung variabel X terhadap variabel Z lebih besar daripada pengaruh tidak langsung variabel X terhadap Z melalui variabel Y, maka H04 diterima (Ha4
ditolak);
b) Jika pengaruh langsung variabel X terhadap variabel Z lebih kecil daripada pengaruh tidak langsung variabel X terhadap Z melalui variabel Y, maka H04 ditolak (Ha4
71