PENEMUAN DAN PEMBAHASAN
3. Hasil Analisis Faktor
a. Menentukan Variabel yang akan dianalisis
Hal pertama yang harus dilakukan dalam analisis faktor adalah melakukan KMO dan Barlett’s. Pengujian ini dilakukan untuk menilai variabel mana saja yang layak untuk dimasukan ke dalam analisis selanjutnya.
Reliability Statistics
Cronbach's Alpha N of Items
Tabel 4.11 Uji KMO dan Barlett’s
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,531
Bartlett's Test of Sphericity
Approx. Chi-Square 742,836
Df 435
Sig. ,000
Sumber: Output SPSS dari Data primer yang telah diolah, 2016
Dari hasil uji KMO dan Barrlett’s Test, didapat nilai KMO-MSA (Kaiser-Meyer-Olkin Measure of Sampling) sebesar 0,532dengan tingkat signifikansi 0,000. Oleh karena angka di atas 0,5 (0,532 > 0,5) dan signifikansi berada dibawah 0,05 (0,000<0,05), maka variabel dan sampel yang ada secara keseluruhan dapat dianalisis lebih lanjut.
Sedangkan untuk mengukur tingkat validitasnya dapat dilihat dari nilai Measure of Sampling (MSA) yang dihasilkan dari setiap penyataan pada tabel anti image matric. Jika hasil MSA > 0,5 maka pernyataan itu dianggap valid (Singgih, 2007). Pada tabel dibawah ini akan ditampilkan nilai MSA dalam tabel anti image matric pada anti image correlation,dengan angka korelasi yang bertanda (a) dari kiri atas ke kanan bawah.
Tabel 4.12
Uji Measure of Sampling Adequancy(MSA)
No Indikator MSA Keterangan
1 Pengaturan jawal kerja 552 Valid
2 Memberikan pengarahan kepada pegawai
417 Tidak Valid
3 Menyediakan keperluan yang dibutuhkan pegawai
360 Tidak Valid
4 Mengingatkan pentingnya pencapaian sasaran kerja
634 Valid 5 Memberikan kepercayaan kepada
pegawai
355 Tidak Valid
6 Bersikap ramah kepada pegawai 624 Valid 7 Membantu memberikan masukan atas
permasalahan kerja
543 Valid 8 Membantu mengembangkan potensi
pegawai
606 Valid 9 Dapat menyampaikan informasi
dengan baik
547 Valid 10 Mengapresiasi ide-ide dari pegawai 564 Valid 11 Memberikan pujian kepada pegawai 641 Valid 12 Dapat memandu rapat dengan baik 395 Tidak Valid
13 Dapat membina para pegawai 565 Valid 14 Membantu memecahkan masalah
kerja
605 Valid 15 Memberikan apresiasi positif kepada
pegawai
509 Valid 16 Pujian dari atasan menambah
semangat kerja
349 Tidak Valid
17 Mendapatkan kesempatan untuk belajar hal baru
371 Tidak Valid
18 Tugas dan tanggungjawab sesuai dengan kemampuan
458 Tidak Valid
19 Gaji sesuai dengan beban pekerjaan 517 Valid 20 Memperoleh fasilitas sesuai dengan
beban pekerjaan
670 Valid 21 Tidak merasa disulitkan administrasi
kantor
306 Tidak Valid
22 Penyelesaian pekerjaan dipantau oleh pimpinan
631 Valid 23 Memiliki hubungan baik dengan rekan
kerja
862 Valid 24 Datang ke kantor tepat waktu 386 Tidak Valid
26 Merawat peralatan kantor 583 Valid 27 Melaksanakan pekerjaan sesuai
rencana kerja yang ditetapkan
526 Valid 28 Bertanggungjawab atas hasil kerja 406 Tidak Valid
29 Taat pada aturan memakai seragam 472 Tidak Valid
30 Memberikan keterangan jika tidak hadir
583 Valid
Dari ke 30 pertanyaan yang digunakan, terdapat 12 pertanyaan yang tidak memenuhi batas nilai MSA 0,5 adalah variabel Memberikan pengarahan kepada pegawai (0,417), Menyediakan keperluan yang dibutuhkan pegawai (0,360), Memberikan kepercayaan kepada pegawai (0.355), Dapat memandu rapat dengan baik (0,488) , Pujian dari atasan menambah semangat kerja (0,349), Mendapatkan kesempatan untuk belajar hal baru (0,371), Tugas dan tanggungjawab sesuai dengan kemampuan (0,458), Tidak merasa disulitkan administrasi kantor (0,306), Datang ke kantor tepat waktu (0,386), Menyelesaikan tugas tepat waktu (0,342), Bertanggungjawab atas hasil kerja (0.406), Taat pada aturan memakai seragam (0,472). maka ke-12 variabel tersebut dianggap tidak valid sehingga harus dikeluarkan dan pengujian diulang kembali.
Setelah 12 variabel tersebut dikeluarkan dari faktor, maka langkah selanjutnya adalah melakukan pengujian ulang analisis faktor terhadap faktor yang masih tersisa.
Tabel 4.13 Uji KMO dan Barlett’s
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,757
Bartlett's Test of Sphericity
Approx. Chi-Square 433,696
Df 153
Sig. ,000
Sumber: Output SPSS dari Data primer yang telah diolah, 2016
Pada tabel KMO and Bartlett's Test di atas, dapat dilihat bahwa nilai KMO-MSA mengalami kenaikan sebesar 0,226 yaitu dari 0,531 menjadi 0,757 dengan tingkat signifikansi (0,000). Hal ini disebabkan karena ada proses penghilangan variabel yang memiliki nilai MSA dibawah 0,5. Oleh karena nilai MSA sudah di atas 0,5 dan signifikansi jauh berada dibawah 0,05 (0,000 < 0,5), maka variabel dan sampel yang ada secara keseluruhan dapat dianalisis lebih lanjut. Untuk angka MSA dalam tabel anti image matric pada anti image correlation dapat dilihat pada tabel 4.13.
Tabel 4.14
UjiMeasure of Sampling Adequancy (MSA)
No Indikator MSA Keterangan
1 Pengaturan jawal kerja 839 Valid
2 Mengingatkan pentingnya pencapaian sasaran kerja
683 Valid 3 Bersikap ramah kepada pegawai 681 Valid 4 Membantu memberikan masukan
atas permasalahan kerja
735 Valid 5 Membantu mengembangkan
potensi pegawai
797 Valid 6 Dapat menyampaikan informasi
dengan baik
848 Valid 7 Mengapresiasi ide-ide dari pegawai 785 Valid 8 Memberikan pujian kepada
pegawai
668 Valid 9 Dapat membina para pegawai 802 Valid 10 Membantu memecahkan masalah
kerja
737 Valid 11 Memberikan apresiasi positif
kepada pegawai
750 Valid 12 Gaji sesuai dengan beban pekerjaan 835 Valid 13 Memperoleh fasilitas sesuai dengan
beban pekerjaan
741 Valid 14 Penyelesaian pekerjaan dipantau
oleh pimpinan
743 Valid 15 Memiliki hubungan baik dengan
rekan kerja
771 Valid 16 Merawat peralatan kantor 777 Valid 17 Melaksanakan pekerjaan sesuai
rencana kerja yang ditetapkan
774 Valid 18 Memberikan keterangan jika tidak
hadir
867 Valid
Dari tabel 4.14 di atas diketahui bahwa 18 pertanyaan yang tersisa, semuanya memiliki MSA > 0,5. Dengan demikian, ke 18 pertanyaan di atas dapat dianalisis lebih lanjut.
b. Pembentukan Faktor
Setelah semua variabel memenuhi persyaratan untuk dianalisis, tahap selanjutnya adalah melakukan proses inti dari analisis faktor, yaitu ekstrasi terhadap sekumpulan variabel yang ada, sehingga terbentuk satu atau beberapa faktor, yaitu ekstrasi terhadap sekumpulan variabel yang ada, sehingga terbentuk satu atau beberapa faktor. Dalam melakukan proses ekstrasi ini, metode yang akan digunakan adalah Principal Component Analysis.
Setelah dilakukan ekstrasi, maka terbentuk satu atau beberapa faktor yang berisi sejumah variabel. Mungkin saja sebuah variabel sulit untuk ditentukan akan masuk kedalam faktor yang mana. Untuk mengatasi hal tersebut, maka dapat dilakukan proses rotasi pada faktor yang terbentuk. Proses rotasi dilakukan untuk mempermudah menempatkan variabel yang ada kedalam faktor-faktor terbentuk. Dalam penelitian ini, dilakukan proses rotasi dengan menggunakan metode varimax.
c. EstimasiCommunality
Communalities adalah sejumlah varians dari suatu variabel yang bisa dijelaskan oleh faktor-faktor yang ada. Semakin besar nilai Communalities sebuah variabel, berarti semakin erat hubungannya dengan faktor yang terbentuk. Nilai Communalitiesini diperoleh dengan menjumlahkan nilai Eigen value pada faktor yang ada. Nilai
Tabel 4.14 Communalities
Communalities
Initial Extraction
Pengaturan jadwal kerja 1,000 ,586
Mengingatkan pentingnya pencapaian sasaran
kerja 1,000 ,713
Bersikap ramah kepada pegawai 1,000 ,556
Membantu memberikan masukan atas
permasalahan kerja 1,000 ,816
Membantu mengembangkan potensi pegawai 1,000 ,729
Dapat membina para pegawai 1,000 ,600
Mengapresiasi ide-ide dari pegawai 1,000 ,595
Memberikan pujian kepada pegawai 1,000 ,701
Dapat membina para pegawai 1,000 ,693
Membantu memecahkan masalah kerja 1,000 ,742
Memberikan apresiasi positif kepada pegawai 1,000 ,768
Gaji sesuai dengan beban pekerjaan 1,000 ,693
Memperoleh fasilitas sesuai dengan beban
pekerjaan 1,000 ,890
Penyelesaian pekerjaan dipantau oleh pimpinan 1,000 ,586
Memiliki hubungan baik dengan rekan kerja 1,000 ,730
Merawat peralatan kantor 1,000 ,891
Melaksanakan pekerjaan sesuai rencana kerja
yang ditetapkan 1,000 ,587
Memberikan keterangan jika tidak hadir 1,000 ,643
Extraction Method: Principal Component
Sumber: Output SPSS dari Data primer yang telah diolah, 2016 Dari tabel Communalities terdapat nilai pada kolom extraction menunjukan seberapa besar faktor yang terbentuk dapat menerangkan varian suatu variabel
1. Untuk variabel Pengaturan jadwal kerja sebesar 0,586. Ini berarti 58,6% varians dari variabel Pengaturan jadwal kerja dapat dijelaskan oleh faktor yang terbentuk.
2. Untuk variabel Mengingatkan pentingnya pencapaian sasaran kerja sebesar 0,713. Ini berarti 71,3% varians dari variabel Mengingatkan pentingnya pencapaian sasaran kerja dapat dijelaskan oleh faktor yang terbentuk.
3. Untuk variabel Bersikap ramah kepada pegawai sebesar 0,556. Ini berarti 55,6% varian dari variabel Bersikap ramah kepada pegawai dapat dijelaskan oleh faktor yang terbentuk.
4. Untuk variabel Membantu memberikan masukan atas permasalahan kerja sebesar 0,816. Ini berarti 81,6% varian dari variabel Membantu memberikan masukan atas permasalahan kerja dapat dijelaskan oleh faktor yang terbentuk.
5. Untuk variabel Membantu mengembangkan potensi pegawai sebesar 0,729%. Ini berarti 72,9% varian dari variabel Membantu mengembangkan potensi pegawai dapat dijelaskan oleh faktor yang terbentuk.
6. Untuk variabel Dapat membina para pegawai sebesar 0,600%. Ini berarti 60,0% varian dari variabel Dapat membina para pegawai dapat dijelaskan oleh faktor yang terbentuk.
7. Untuk variabel Mengapresiasi ide-ide dari pegawai sebesar 0,595%. Ini berarti 59,5% varian dari variabel Mengapresiasi ide-ide dari pegawai dapat dijelaskan oleh faktor yang terbentuk.
8. Untuk vaiabel Memberikan pujian kepada pegawai sebesar 0,701%. Ini berarti 70,1% varian dari variabel Memberikan pujian kepada pegawai dapat dijelaskan oleh faktor yang terbentuk.
9. Untuk variabel Dapat membina para pegawai sebesar 0,693%. Ini berarti 69,3% varian dari variabel Dapat membina para pegawai dapat dijelaskan oleh faktor yang terbentuk.
10. Untuk variabel Membantu memecahkan masalah kerja sebesar 0,742%. Ini berarti 74,2% varian dari variabel Membantu memecahkan masalah kerja dapat dijelaskan oleh faktor yang terbentuk.
11. Untuk variabel Memberikan apresiasi positif kepada pegawai sebesar 0,768%. Ini berarti 76,8% varian dari variabel Memberikan apresiasi positif kepada pegawai dapat dijelaskan oleh faktor yang terbentuk. 12. Untuk variabel Gaji sesuai dengan beban pekerjaan sebesar 0,693%.
Ini berarti 69,3% varian dari variabel Gaji sesuai dengan beban pekerjaan dapat dijelaskan oleh faktor yang terbentuk.
13. Untuk variabel Memperoleh fasilitas sesuai dengan beban sebesar 0,890%. Ini berarti 89,0% varian dari variabel Memperoleh fasilitas sesuai dengan beban dapat dijelaskan oleh faktor yang terbentuk. 14. Untuk variabel Penyelesaian pekerjaan dipantau oleh pimpinan
sebesar 0,586. Ini berati 58,6% varian dari variabel Penyelesaian pekerjaan dipantau oleh pimpinan dapat dijelaskan oleh faktor yang terbentuk.
15. Untuk variabel Memiliki hubungan baik dengan rekan kerja sebesar 0,730. Ini berati 73,0% varian dari variabel Memiliki hubungan baik dengan rekan kerja dapat dijelaskan oleh faktor yang terbentuk.
16. Untuk variabel Merawat peralatan kantor sebesar 0,891. Ini berati 89,1% varian dari variabel Merawat peralatan kantor dapat dijelaskan oleh faktor yang terbentuk
17. Untuk variabel Melaksanakan pekerjaan sesuai rencana kerja yang ditetapkan sebesar 0,587. Ini berati 58,7% varian dari Melaksanakan pekerjaan sesuai rencana kerja yang ditetapkan dapat dijelaskan oleh faktor yang terbentuk
18. Untuk variabel Memberikan keterangan jika tidak hadir sebesar 0,643. Ini berati 64,3% varian dari variabel Memberikan keterangan jika tidak hadir dapat dijelaskan oleh faktor yang terbentuk
d. Pembentukan nilai faktor
Dalam penelitian ini, untuk menentukan jumlah faktor menggunakan nilai eigen values dengan kriteria bahwa angka eigen values < 1 tidak digunakan dalam menghitung jumlah faktor yang terbentuk. Guna menentukan seberapa banyak faktor yang mungkin terbentuk dapat dilihat pada tabelTotal Variance Explained4.11
Tabel 4.15
Sumber: Output SPSS dari Data primer yang telah diolah, 2016
Dari tabel di atas, terlihat bahwa terdapat 3 faktor yang terbentuk. Jika angka eigen value < 1 maka tidak dapat digunakan pembentukan faktor. Karena komponen 1 sampai dengan komponen 3 memiliki angka eigen value > 1, maka proses factoring hanya sampai 3 faktor. Jika diteruskan sampai faktor berikutnya, nilai eigen value sudah kurang dari 1 yaitu 0,856. Jadi hasil reduksi 18 variabel yang ada 3 faktor yang terbentuk.
Total Variance Explained
Comp onent
Initial Eigenvalues Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings
Total % of Varianc e Cumulati ve % Total % of Variance Cumulative %
Total % of Variance Cumulative % 1 8,967 49,815 49,815 8,967 49,815 49,815 5,398 29,989 29,989 2 1,870 10,391 60,206 1,870 10,391 60,206 4,265 23,692 53,681 3 1,683 9,352 69,558 1,683 9,352 69,558 2,858 15,877 69,558 4 ,858 4,766 74,324 5 ,776 4,311 78,635 6 ,695 3,860 82,495 7 ,646 3,590 86,085 8 ,578 3,210 89,294 9 ,469 2,608 91,902 10 ,426 2,364 94,267 11 ,262 1,453 95,720 12 ,228 1,264 96,984 13 ,197 1,096 98,080 14 ,127 ,705 98,785 15 ,098 ,547 99,332 16 ,060 ,334 99,667 17 ,036 ,202 99,868 18 ,024 ,132 100,000
Dari Total Variance Explained terlihat bahwa nilai varians faktor ke-1 adalah 49,815%; faktor ke-2 adalah 10,391%; faktor ke-3 adalah 9,352%. Total ke 3 faktor tersebut bisa menjelaskan 69,558% variabilitas dari 18 variabel.
e. Interpretasi faktor
Setelah terbentuk faktor, maka tahapan selanjutnya adalah menginterpretasikan faktor-faktor yang terbentuk. Dalam penelitian ini, akan dilakukan interpretasi terhadap 3 faktor yang terbentuk. Ke 3 faktor ini terbentuk dari mereduksi variabel-variabel indikator yang berpengaruh terhadap Kinerja pegawai.
Interpretasi ini didasarkan pada nilai loading masing-masing variabel pada faktor yang terbentuk. Karena dari komponen 1 sampai komponen 3 angka eigen value> 1 maka prosesfactoring hanya sampai 3 faktor. Jika diteruskan sampai faktor berikutnya angka eigen value sudah kurang dari 1
Tabel 4.16 Component Matrixa Component 1 2 3 VAR00004 ,836 -,116 -,013 VAR00023 ,830 -,165 ,121 VAR00011 ,818 ,011 -,179 VAR00008 ,813 -,071 -,251 VAR00007 ,802 -,286 -,301 VAR00006 ,730 -,112 ,098 VAR00014 ,730 -,349 -,296 VAR00015 ,729 -,481 ,064 VAR00030 ,725 -,027 -,341 VAR00010 ,724 -,180 ,195 VAR00019 ,671 ,082 ,486 VAR00022 ,640 ,208 ,366 VAR00027 ,637 -,088 ,416 VAR00001 ,595 -,010 ,482 VAR00020 ,594 ,716 -,154 VAR00026 ,643 ,643 -,254 VAR00013 ,532 ,583 ,265 VAR00009 ,536 ,138 -,542
Extraction Method: Principal Component Analysis. a. 3 components extracted.
Setelah diketahui bahwa 3 faktor adalah jumlah yang paling optimal, maka tabel component matrix menunjukan distribusi ke 18 variabel tersebut pada 3 faktor yang terbentuk. Sedangkan angka-angka yang ada pada tabel tersebut adalah nilai loading yang menunjukan besarnya korelasi antara suatu variabel dengan faktor 1, faktor 2, dan faktor 3.
Setelah mengetahui nilai loadingpada tabel component matrix maka dilakukan rotasi faktor. Rotasi ini dilakuan dengan tujuan untuk
mendapatkan tampilan data yang jelas dari nilai loading untuk masing-masing variabel pada faktor yang ada. Nilai loading untuk masing-masing variabel terhadap faktor-faktor yang ada, dapat dilihat pada tabel rotated component matrix dibawah ini. Interpretasi ini didasarkan pada nilailoading terbesar dari masing-masing variabel terhadap faktor-faktor yang ada. Jadi suatu variabel akan masuk kedalam faktor yang memiliki nilai loading terbesar setelah dilakukan perbandingan besar koreasi pada setiap baris.
Tabel 4.17
Rotated Component Matrixa
Component 1 2 3 VAR00007 ,861 ,253 ,106 VAR00014 ,833 ,218 ,020 VAR00008 ,749 ,287 ,293 VAR00030 ,718 ,160 ,319 VAR00015 ,687 ,514 -,175 VAR00011 ,677 ,343 ,354 VAR00004 ,651 ,494 ,211 VAR00009 ,626 -,124 ,439 VAR00019 ,170 ,784 ,223 VAR00001 ,157 ,741 ,113 VAR00027 ,258 ,718 ,072 VAR00022 ,162 ,661 ,351 VAR00023 ,592 ,601 ,137 VAR00010 ,482 ,598 ,068 VAR00006 ,512 ,520 ,152 VAR00020 ,204 ,187 ,902 VAR00026 ,326 ,140 ,875 VAR00013 -,018 ,494 ,670
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalizati
Component matrix hasil proses rotasi (rotated component matrix ) memperlihatkan distribusi variabel yang lebih jelas dan nyata. Berdasarkan pada tabel di atas, model faktor yang diperoleh yakni dengan cara mengambil variabel yang memiliki koefisien terbesar yang terdapat pada masing-masing faktor, kemudian diperoleh beberapa variabel yang mendominasi masing-masing faktor.
f. Penamaan faktor
Untuk menamai faktor yang telah dibentuk dalam analisis faktor, dapat dilakukan dengan dua cara, pertama: memberikan nama faktor yang dapat mewakili nama-nama variabel yang membentuk faktor tersebut. Kedua: memberikan nama faktor berdasarkan variabel yang memiliki nilai factor loading tertinggi. Hal ini dilakukan apabila tidak memungkinkan untuk memberi nama faktor yang dapat mewakili semua variabel yang membentuk faktor tersebut (Suliyanto, 2005:120-121).
Tabel 4.18 Penamaan Faktor No. Indikator Faktor yang
terbentuk Eign Val ue Factor Loading % Varia nce % Cumul ative F A K T O R 1 - membantu memberikan masukan atas permasalahan kerja - membantu memecahkan masalah kerja - membantu mengembangkan potensi pegawai - memberikan
keterangan jika tidak hadir - memberikan apresiasi positif kepada pegawai - memberikan pujian kepada pegawai - mengingatkan pentingnya pencapaian sasaran kerja - dapat menyampaikan informasi dengan baik Kepemimpinan 8,967 % - 0,861 - 0,833 - 0,749 - 0,718 - 0,687 - 0,677 - 0,651 - 0,626 49,815 % 49,815% F A K T O R 2
- gaji sesuai dengan beban pekerjaan - pengaturan jadwal kerja - melaksanakan pekerjaan sesuai rencana kerja - penyelesaian pekerjaan dipantau oleh pimpinan - memiliki hubungan
baik dengan rekan kerja - mengapresiasi ide-ide pegawai - bersikap ramah kepada pegawai Upah dan Kondisi Kerja 1,870 % - 0,784 - 0,741 - 0,718 - 0,661 - 0,601 - 0,598 - 0,520 10,391 60,206
Lanjutan Tabel 4.18 Penamaan Faktor Faktor yang terbentuk Eign Value Factor Loading % Variance % Cumulative F A K T O R 3 - memperoleh fasilitas sesuai dengan beban pekerjaan - merawat peralatan kantor -dapat membina para pegawai Fasilitas Kerja 1,683 % - 0,902 - 0,875 - 0,670 9,352 69,558
Hasil dari tabel diatas memperlihatkan bahwa faktor-faktor yang mempengaruhi kinerja adalah Kepemimpinan. Kepemimpinan merupakan salah satu faktor yang sangat penting dalam organisasi dalam hal ini Puskesmas karena pemimpin merupakan gerbong utama yang menggerakan dan mengorganisasikan pegawai di organisasi, jika pimpinan Puskesmas bekerja dengan baik dan efektif maka akan mempengaruhi kinerja dari para pegawainya akan bekerja secara begitupula sebaliknya apabila pemimpin tidak dapat mengordinasikan pegawai nya maka sulit untuk mencapai tujuan organisasi. Faktor selanjutnya adalah Upah dan kondisi kerja, upah sangat berpengaruh dengan kinerja pegawai Puskesmas karena jika jumlah upah sesuai dengan apa yang di harapkan oleh pegawai maka hal itu akan memotivasi pegawai bekerja dengan lebih baik lagi terutama
berkaitan dengan tunjangan pegawai negeri sipil. Kondisi kerja juga
mempengaruhi kinerja pegawai Puskesmas dimana lingkungan kerja baik itu kondisi Puskesmas ataupun hubungan antar pegawai Puskesmas
dan alat yang lain didukung dengan baik maka para pegawai Puskesmas akan dapat melayani masyarakat dengan cepat dan tepat. Jika salah satu alat mengalami kerusakan maka akan menghambat kinerja dari para pegawai.