IV. HASIL DAN PEMBAHASAN
4.7. Analisis Pengaruh Program Pemeliharaan Karyawan terhadap
A. Model Regresi Logistik Biner
Model regresi logistik biner digunakan untuk melihat pengaruh antara variabel dependen (program pemeliharaan karyawan) terhadap variabel independen (loyalitas karyawan). Hasil dari analisis ini diharapkan mampu menjelaskan sejauh mana program pemeliharaan karyawan dalam mempengaruhi loyalitas karyawan. Berikut ini penjelasan mengenai analisis regresi logistik biner.
Tabel 19 menjelaskan tentang jumlah kasus regresi yang dimasukkan dalam analisis regresi logistik biner. Berdasarkan tabel tersebut dapat dilihat jumlah sampel yang dimasukkan dalam analisis regresi adalah 78 buah sampel, semuanya dimasukkan dalam analisis tersebut, tidak ada sampel yang terlewatkan artinya seluruh sampel sudah masuk dalam analisis regresi. Tabel 19. Jumlah sampel yang dimasukkan dalam analisis regresi
Selected Cases Jumlah Persentase
Include in Analysis 78 100
Missing Cases 0 0
Total 78 100
Model regresi logistik biner ini dilakukan pengkodean terhadap variabel dependen (Y). Adapun pengkodean yang dilakukan adalah bersifat
biner (Tabel 20). Dimana, kode 1 untuk variabel dependen yang “Loyal” dan 0 untuk variabel dependen yang “Tidak Loyal”. Hal ini dilakukan karena mempermudah dan mengetahui, serta membedakan antara variabel dependen yang loyal dan tidak loyal dalam analisis regresi logistik biner.
Tabel 20. Pengkodean variabel dependen (Y)
Variabel Dependen Kode
Tidak Loyal 0
Loyal 1
Pengujian kebaikkan/kelayakan model dilakukan dengan uji Hosmer and Lemeshow. Dari hasil pengujian (Tabel 21) diperoleh nilai Chi-Square sebesar 4,741 dengan nilai signifikan sebesar 0,785. Berdasarkan hasil tersebut terlihat bahwa nilai signifikansi (Sig.=0,785) lebih besar dari alpha
(α=0,05), yang berarti bahwa hipotesis yang diambil adalah menerima Ho (Santosa, 2005). Adapun cara lain yang dapat digunakan untuk melakukan uji Hosmer and Lemeshow adalah dengan melihat sebaran Chi-Squarenya. Dimana, telah dijelaskan sebelumnya bahwa nilai statistik uji Hosmer and Lemeshow (Ĉ) mengikuti sebaran 2 (Chi-Square) dengan derajat bebas g-2. Dengan g merupakan banyaknya variabel bebas yang digunakan ditambah konstanta (g=6). Berdasarkan Tabel 21, nilai Chi-Square hitung (4,741) lebih kecil dibanding dengan nilai Chi-Square tabel (9,490) dengan df=4 (g-2) dan
α=5%, sehingga hipotesisnya menjadi terima H0, dengan interpretasi tidak ada perbedaan antara klasifikasi yang diprediksi dengan klasifikasi yang diamati atau model layak. Itu berarti model regresi logistik biner bisa digunakan untuk analisis selanjutnya.
Tabel 21. Uji Hosmer and Lemeshow
Step Chi-Square Df Sig.
1 4,741 8 0,785
Penilaian uji keseluruhan model regresi (Uji G) dapat menggunakan nilai -2 Log Likelihood. Dimana, jika terjadi penurunan dalam nilai -2 Log Likelihood pada blok kedua (block number=1) dibandingkan dengan blok pertama (block number=0), maka dapat disimpulkan bahwa model kedua dari regresi logistik biner tersebut menjadi lebih baik. Berdasarkan dari hasil perhitungan nilai –2 Log Likelihood terlihat bahwa nilai blok pertama (Tabel 22) adalah sebesar 55,790 dan nilai –2 Log Likelihood pada blok kedua sebesar 28,033. Dengan hasil tersebut dapat diambil kesimpulan bahwa model regresi kedua lebih baik dalam memprediksi loyalitas karyawan (Santosa, 2005). Hasil uji G juga dapat dilihat melalui nilai Chi-Square. Statistik uji G berdistribusi Chi-Square dengan derajat bebas sebesar jumlah variabel bebas (k-1). Berdasarkan Lampiran 6, nilai uji G sebesar 27,757 (55,790 – 28,033) lebih besar dibanding dengan nilai Chi-Square tabel sebesar 11,070 dengan
df=5 dan α=5%. Sehingga hipotesisnya adalah tolak H0 atau terima H1 dengan interpretasi terdapat pengaruh variabel independen atau model secara
signifikan terhadap variabel dependen dengan tingkat signifikansi sebesar α
Tabel 22. Nilai -2 Log Likelihood berdasarkan Block Number
Block Number -2 Log Likelihood
Blok pertama (block number=0) 55,790 Blok kedua (block number=1) 28,033
Uji selanjutnya yang digunakan adalah uji Wald. Dimana, uji wald digunakan untuk menguji signifikasi dari tiap-tiap variabel independen (program pemeliharaan karyawan), sehingga hasil akhirnya akan diketahui
program pemeliharaan yang mana (β≠0) yang berpengaruh nyata terhadap loyalitas karyawan. Berdasarkan Tabel 23, dapat disimpulkan bahwa program pemeliharaan karyawan yang dapat mempengaruhi tingkat loyalitas karyawan adalah variabel insentif. Hal ini dikarenakan nilai signifikansi (P-
value=0,009) lebih kecil dari taraf signifikansi α = 5%, sehingga tolak H0 untuk hipotesisnya. Selain itu, hasil uji Wald bisa dilihat melalui nilai Chi- Squarenya. Dimana, telah dijelaskan sebelumnya bahwa statistik uji Wald berdistribusi Chi-Square dengan derajat bebas 1 ( ∽ �2(1)) yaitu sebesar 3,840. Berdasarkan Tabel 23, hanya variabel insentif yang memiliki nilai uji Wald (6,736) lebih besar dari nilai Chi-Square tabel (3,840). Sehingga hipotesisnya menjadi tolak Ho, yaitu variabel insentif berpengaruh nyata pada taraf signifikansi 5%. Empat variabel lainnya tidak terbukti signifikan karena dengan nilai P-value diatas 0,05 dan nilai uji Wald lebih kecil dari nilai Chi- Square tabel, maka kesimpulannya keempat variabel tersebut tidak signifikan dalam mempengaruhi tingkat loyalitas karyawan.
Tabel 23. Nilai Uji Wald
Variabel Independen Wald Sig.
Komunikasi 0,532 0,466
Insentif 6,736 0,009
Kesejahteraan 3,582 0,058 Keselamatan dan Kesehatan Kerja 0,575 0,448 Hubungan Industrial Pancasila 3,665 0,056
Pada tabel klasifikasi (Tabel 24) untuk blok pertama (block number=0) terlihat bahwa nilai prediksi loyalitas karyawan untuk karyawan loyal adalah 69 dan karyawan tidak loyal adalah 0, dengan klasifikasi yang diamati untuk karyawan loyal adalah 69 dan karyawan tidak loyal 9. Sedangkan, pada blok kedua (block number=1), terlihat bahwa nilai prediksi
loyalitas karyawan untuk karyawan loyal adalah 69 dan karyawan tidak loyal 6. Dengan ketepatan prediksi klasifikasi yang diamati (blok kedua) untuk karyawan loyal adalah 100% dan karyawan tidak loyal adalah 66,7%. Secara keseluruhan hasil klasifikasi menunjukkan persentase ketepatan klasifikasi sebesar 96,2% (Santosa, 2005).
Tabel 24. Tabel klasifikasi berdasarkan Block Number
Block number Pengamatan/ Obeservasi Prediksi Persentase Ketepatan Persentase Ketepatan Keseluruhan Tidak Loyal Loyal Blok pertama Tidak Loyal 0 9 0 88,5 Loyal 0 69 100 Blok kedua Tidak Loyal 6 3 66,7 96,2 Loyal 0 69 100
Menggunakan loyalitas karyawan sebagai variabel dependent/terikat (Y) dan program pemeliharaan sebagai variabel independent/bebas (X), diperoleh persamaan model logistik biner yang terdapat pada Tabel 25 berikut (hasil perhitungan lengkap terdapat pada Lampiran 6):
Tabel 25. Nilai-nilai variabel dalam persamaan regresi logistik biner B S.E. Wald df Sig. Exp(B)
Komunikasi (X1) Insentif (X2) Kesejahteraan (X3) K3 (X4) Hub_Industrial (X5) Constant -1.350 4.923 -4.040 2.766 3.478 -20.671 1.851 1.897 2.135 3.649 1.817 10.337 .532 6.736 3.582 .575 3.665 3.999 1 1 1 1 1 1 .466 .009 .058 .448 .056 .046 .259 137.365 .018 15.900 32.407 .000
Hasil analisis regresi logistik biner dengan memasukkan semua komponen dari variabel independen, terlihat bahwa nilai konstanta adalah sebesar -20,671, koefisien X1 (komunikasi) adalah sebesar -1,350, koefisien X2 (insentif) sebesar 4,923, koefisien X3 (kesejahteraan karyawan) adalah sebesar -4,040, koefisien X4 (keselamatan dan kesehatan kerja/K3) sebesar 2,766 dan koefisien X5 (hubungan industrial Pancasila) adalah sebesar 3,478. Berdasarkan nilai pada Tabel 25, maka persamaan log logistiknya menjadi:
ln p
1−p=−20.671−1.350 X1 + 4.923 X2−4.040 X3 + 2.766 X4
Persamaan regresi di atas terlihat bahwa Log of Odds karyawan akan loyal berhubungan secara negatif dengan komunikasi dan kesejahteraan, serta berhubungan positif dengan insentif, keselamatan dan kesehatan kerja (K3) dan hubungan industrial Pancasila. Tingkat loyalitas karyawan melalui variabel komunikasi sebagai berikut, dimana setiap terjadi peningkatan komunikasi efektif akan meningkatkan Log of Odds loyalitas karyawan menjadi loyal sebesar 1,350, dengan variabel independen lainnya dianggap konstan. Sedangkan, memprediksi loyalitas karyawan melalui variabel insentif dapat diinterpretasikan setiap terjadi peningkatan insentif yang diberikan kepada karyawan oleh perusahaan akan meningkatkan Log of Odds loyalitas karyawan menjadi tidak loyal sebesar 4,923, dengan variabel independen lainnya dianggap konstan (Santosa, 2005). Sedangkan, untuk nilai konstanta pada Log of Odds adalah sebesar -20,671 mengindikasikan bahwa tingkat awal loyalitas karyawan pada Log of Odds adalah sebesar -20,671 dengan asumsi variabel independen lainnya (program pemeliharaan karyawan) dianggap tidak memiliki pengaruh atau konstan.
Bedasarkan perhitungan uji Wald sebelumnya (Tabel 23), dapat disimpulkan bahwa program pemeliharaan yang dapat mempengaruhi tingkat loyalitas karyawan adalah insentif (X2). Dimana, dapat diinterpretasikan melalui rasio Odds sebagai berikut, peluang karyawan menjadi loyal dengan peningkatan insentif yang diberikan kepada karyawan oleh perusahaan 137,365 kali dibandingkan dengan apabila perusahaan menurunkan insentif yang diberikan kepada karyawan, dengan asumsi jika variabel independen lainnya sama (Juanda, 2008). Hal tersebut dapat dilihat pada hubungan antara rasio Odds dan variabel independennya.
Sedangkan, untuk nilai konstanta memiliki nilai odds ratio sebesar 0 (nol) yang mengindikasikan bahwa peluang karyawan menjadi loyal dengan adalah sebesar 0 kali (tanpa peluang perubahan) dengan asumsi nilai odds ratio variabel independen (program pemeliharaan karyawan) lainnya dinggap tidak memiliki pengaruh atau konstan. Pada variabel kesejahteraan karyawan, memiliki nilai odds ratio paling kecil (0,018) dibandingkan dengan nilai odds ratio variabel independen lainnya yang memiliki pengaruh signifikan
terhadap loyalitas karyawan. Hal ini menunjukkan bahwa variabel kesejahteraan karyawan memiliki pengaruh yang tidak terlalu tinggi dalam mempengaruhi tingkat loyalitas karyawan. Variabel kesejahteraan karyawan ini malah cenderung tidak mendukung loyalitas karyawan atau dengan kata lain variabel ini lebih condong untuk menarik menjadi tidak loyal. Semakin tinggi kesejahteraan karyawan maka semakin rendah loyalitas karyawan. Hal ini disebabkan karena apabila kesejahteraan karyawan sudah dipenuhi, maka karyawan di PT X Tbk (Unit Bisnis Bogor) cenderung untuk bersikap tidak loyal. Mungkin hal ini disebabkan karena berubahnya pola pikir karyawan pada perusahaan tersebut, yang awalnya berorientasi pada materi menjadi berorientsi pada non materi. Mungkin faktor-faktor lain yang membuat karyawan menjadi loyal secara non materi yaitu berupa kepuasan kerja, motivasi yang diberikan oleh perushaan, promosi jabatan, pengadaan pelatihan untuk pengembangan kemampuan/skill, dan lingkungan kerja yang produktif.
ψerdasarkan Tabel 25, dugaan nilai koefisien parameter β tidak ada yang tidak proporsional pada variabel, semua koefisien β masih dapat di
tolerir dan model regresi logistik biner tersebut masih baik dalam memprediksi loyalitas karyawan melalui program pemeliharaan karyawan. Hal ini menyebabkan model regresi logistik biner tersebut tidak perlu dilakukan reduksi (Nachrowi dan Usman, 2002).
Berdasarkan hasil regresi logistik biner diketahui bahwa kategori 1 pada Y menunjukkan bahwa karyawan berada pada kategori loyal, sedangkan untuk Y = 0 menunjukkan bahwa karyawan berada pada kategori tidak loyal. Kategori pada variabel bebas menunjukkan hal yang berbeda, untuk Xj = 1 menunjukkan karyawan menjadi tidak loyal melalui faktor Xj, sedangkan Xj=0 menunjukkan bahwa karyawan menjadi loyal melalui faktor Xj. Hal ini menyebabkan dugaan parameternya negatif (-).
Ukuran hubungan (asosiasi) antara nilai variabel independen (Y) dengan nilai dugaan peluangnya P(x), dapat dilihat pada Tabel 26 sebagai berikut:
Tabel 26. Hubungan antara nilai aktual variabel dependen (Y) dengan nilai dugaan peluangnya P(x)
Measures of Association:
(Between the Response Variable and Predicted Probabilities)
Pairs Number Percent Summary Measures
Concordant 565 91.0 Somers' D 0.82 Discordant 55 8.9 Goodman-Kruskal Gamma 0.82 Ties 1 0.2 Kendall's Tau-a 0.17 Total 621 100.0
Berdasarkan nilai Concordant (Tabel 26) dapat disimpulkan bahwa 91 persen pengamatan dengan kategori loyal (Y=1) mempunyai peluang lebih besar pada kategori loyal (Y=1). Sedangkan, dari nilai Disconcordant dapat disimpulkan bahwa 8,9 persen pengamatan dengan kategori tidak loyal (Y=0) mempunyai peluang lebih besar pada kategori loyal (Y=1). Adapun berdasarkan nilai Ties merupakan persentase pengamatan dengan peluang pada kategori loyal sama dengan peluang pada kategori tidak loyal yaitu sebesar 0,2 persen. Berdasarkan ukuran ringkas asosiasinya (Somers’ D, Goodman-Kruskal Gamma, dan Kendal’s Tau-a) ukurannya cukup besar. Semakin besar ukuran asosiasi tersebut ke 1 (satu), maka semakin baik daya prediksi dari model dugaan yang diperoleh.