Gambaran Umum Perusahaan
PT Perkebunan Nusantara VII adalah salah satu Badan Usaha Milik Negara (BUMN) disektor pertanian, berkantor pusat di Kota Bandar Lampung, Provinsi Lampung. Perusahaan PTPN VII dibentuk berdasarkan Peraturan Pemerintah Nomor 12 Tahun 1996 tanggal 14 Februari 1996 dan Akte Notaris Harun Kamil, SH No.40 tanggal 11 Maret 1996. Perusahaan ini tersebar di tiga propinsi, yaitu; Propinsi Lampung (10 unit usaha), Propinsi Sumatera Selatan (13 unit usaha) dan Propinsi Bengkulu (3 unit usaha).
Perusahaan PTPN VII berada dibawah kementrian BUMN, kepemilikan sahamnya 100 persen dimiliki oleh pemerintah. Kedudukan tertinggi dalam perusahaan adalah Rapat Umum Pemegang Saham (RUPS). Dewan Komisaris membawahi Dewan Direksi. Dewan Direksi terdiri dari Direktur Utama, Direktur Produksi, Direktur SDM dan Umum, Direktur Keuangan, Direktur Pemasaran dan Perencanaan Pengembangan. Masing-masing direktur membawahi bagian-bagian dan distrik atau wilayah. Struktur organisasi secara lengkap dapat dilihat pada Lampiran 6.
Komoditas tanaman yang dihasilkan oleh PTPN VII terdiri dari tanaman karet, kelapa sawit, teh dan tebu. Produk yang dihasilkan untuk komoditas karet adalah SIR 3 C, 3L, 3WF, SIR 10 dan SIR 20 RSS I, II, III. Komoditas Kelapa sawit adalah minyak sawit, inti sawit, minyak inti sawit, bungil sawit. Komoditas tebu adalah gula dan tetes. Komoditas teh adalah MUTU I : BOP, BOFT, PF, BT, BP, DUST. MUTU II : BP-II, BT-II, PF-II,DUST-II. Pada Gambar 5.
Gambar 5 Komoditas dan produk yang dihasilkan PTPN VII
Analisis Deskripsi Responden
Responden yang menjadi objek penelitian ini adalah karyawan kantor pusat PTPN VII yaitu sebanyak 120 orang dari total karyawan (populasi) sebanyak 400 orang. Jumlah kuisioner yang kembali sebanyak 93 buah dan yang dapat diolah sebanyak 88 buah. Kuisioner diberikan kepada karyawan di setiap
43
bagian kantor pusat PTPN VII. Bagian-bagian tersebut diantaranya; bagian tanaman, hukum dan regulasi, keuangan, akuntansi, pengkajian dan pengembangan, teknologi informasi, sekretariat, sumber daya manusia, pemasaran, teknik dan pengolahan serta bagian umum. Dimasing-masing bagian, kuisioner diberikan secara proporsional pada tiap level jabatan, diantaranya; kepala bagian, kepala urusan, staff urusan dan krani kepala. Pemerataan penyebaran kuisioner tersebut di setiap bagian dan level jabatan diharapkan bisa memberikan gambaran tentang peran modal insani, corporate value, GCG melalui kinerja karyawan terhadap kinerja perusahaan. Data penyebaran kuisioner berdasarkan karakteristik responden pada tabel 6.
Tabel 6 Persentase karakteristik responden
Karakteristik Responden Jumlah (orang) Persentase Jenis Kelamin Laki-laki 75 85% Perempuan 13 15%. Usia 20-30 22 25% 31-40 33 38% 41-50 16 18% >50 17 19%. Tingkat Pendidikan SLTA 12 13% D3 3 3% S1 66 75% S2 7 8% Masa Kerja (Tahun) 1-5 26 30% 6-10 14 16% 11-15 17 19% 16-20 5 6% 21-25 10 11% >25 16 18%
Analisis Korelasi Deskripsi Responden
Hasil analisis korelasi Gambar 6, menunjukkan bahwa jenis kelamin memiliki hubungan saling bebas dengan tingkat pendidikan, tingkat jabatan, modal insani, corporate value dan kinerja karyawan, karena semua nilai korelasi variabel tersebut memiliki nilai p-value lebih besar dari alpa (α=0.05). Hasil ini
menggambarkan bahwa di kantor pusat PTPN VII, tingkat jabatan, modal insani,
corporate value dan kinerja karyawan tidak ada hubungannya dengan perbedaan jenis kelamin.
Usia responden memiliki hubungan negatif dengan tingkat pendidikan, karena p-value sebesar 0.022 lebih kecil dari alpa (α=0.05), dengan nilai hubungan sebesar -0.022 atau 2 persen, artinya semakin tinggi usia karyawan di kantor pusat PTPN VII cenderung memiliki tingkat pendidikan yang semakin rendah. Usia responden juga memiliki hubungan saling terikat dengan masa kerja, karena p-value sebesar nol (0) lebih kecil dari alpa (α=0.05) dan nilai hubungan tersebut sebesar 0.903 atau 90 persen, nilai tersebut menunjukkan hubungan sangat erat. Karyawan yang memiliki usia lebih tua, cenderung memiliki masa kerja lebih lama. Temuan hasil penelitian ini juga menunjukkan bahwa jabatan karyawan, modal insani, corporate value dan kinerja karyawan memiliki hubungan saling bebas dengan usia karyawan.
Tingkat pendidikan responden memiliki hubungan negatif dengan masa kerja, p-value sebesar 0.010 lebih kecil dari alpa (α=0.05) dan nilai hubungan tersebut sebesar -0.273 atau 27 persen, artinya semakin tinggi tingkat pendidikan karyawan di kantor pusat PTPN VII cenderung memiliki masa kerja yang lebih pendek, hal ini menggambarkan karyawan dengan masa kerja baru atau sedang cenderung memiliki pendidikan lebih tinggi tibandingkan dengan karyawan lama. Tingkat pendidikan responden memiliki hubungan positif dengan jabatan karyawan, p-value sebesar nol (0.000) lebih kecil dari alpa (α=0.05), nilai hubungan tersebut sebesar 0.475 atau 48 persen, artinya semakin tinggi tingkat pendidikan karyawan di kantor pusat PTPN VII cenderung memiliki jabatan yang lebih tinggi. Tingkat pendidikan responden memiliki hubungan positif dengan modal insani karyawan, p-value 0.001, lebih kecil dari alpa (α=0.05) dan nilai hubungan tersebut sebesar 0.357 atau 36 persen, artinya semakin tinggi tingkat pendidikan karyawan di kantor pusat PTPN VII cenderung memiliki modal insani lebih besar. Temuan hasil penelitian ini juga menunjukkan bahwa tingkat pendidikan karyawan tidak memiliki hubungan dengan kinerja karyawan, artinya kinerja karyawan tidak dipengaruhi oleh tingkat pendidikan.
Gambar 6 Nilai korelasi karakteristik responden dengan modal insani, corporate value dan kinerja karyawan, PTPN 2012
Masa kerja responden memiliki hubungan positif dengan jabatan karyawan, p-value 0.025, lebih kecil dari alpa (α=0.05) dan nilai hubungan tersebut sebesar 0.239 atau 24 persen, artinya semakin semakin lama karyawan bekerja di kantor pusat PTPN VII cenderung memiliki jabatan lebih tinggi. Temuan hasil penelitian ini juga menunjukkan bahwa modal insani, corporate value dan kinerja karyawan tidak memiliki hubungan dengan masa kerja.
Jabatan responden memiliki hubungan positif dengan modal insani, p-value 0.019, lebih kecil dari alpa (α=0.05) dan nilai hubungan tersebut sebesar 0.250 atau 25 persen, artinya semakin semakin tinggi jabatan karyawan di kantor pusat PTPN VII cenderung memiliki modal insani lebih besar. Temuan hasil penelitian ini juga menunjukkan bahwa corporate value dan kinerja karyawan tidak memiliki hubungan dengan jabatan karyawan.
JK Usia Pendidikan Lama Kerja Jabatan Usia -0,065 0,547 Pendidikan -0,075 -0,244 0,488 0,022 Lama Kerja -0,018 0,903 -0,273 0,870 0,000 0,010 Jabatan -0,001 0,208 0,475 0,239 0,995 0,052 0,000 0,025 HC8 -0,060 -0,015 0,357 0,003 0,250 0,579 0,890 0,001 0,981 0,019 CV11 0,123 0,056 -0,285 0,090 -0,137 0,255 0,605 0,007 0,404 0,203 KK10 0,084 -0,130 0,139 -0,131 0,032 0,435 0,227 0,195 0,223 0,768
45
Analisis Regresi Deskripsi Responden
Analisis regresi dilakukan untuk mengetahui pengaruh jenis kelamin, usia, pendidikan dan lama kerja terhadap jabatan karyawan. Persamaan matematik yang dirumuskan adalah sebagai berikut :
Y=β0 + β1X1+ β2X2+ β3X3+ β4X4 Keterangan : Y : Jabatan X1 :Jenis Kelamin X2 : Usia X3 : Pendidikan X4 : Lama Kerja
Gambar 7 Output hasil analisis regresi karakteristik responden, PTPN 2012
Hasil analisis regresi menggunakan sofware minitab 14 diperoleh persamaan sebagai berikut :
Y = 0.792 + 0.158 X1 - 0.040 X2 + 0.835 X3 + 0.268 X4
Output analisi regresi Gambar 7, menunjukkan bahwa di PTPN VII dalam penentuan jabatan seorang karyawan cenderung dipengaruhi oleh tingkat pendidikan dan lama kerja, hasil uji statistik masing-masing variabel memiliki p-value sebesar 0.000 dan 0.037 lebih kecil dari alpa (α=0.05). Semakin tinggi
pendidikan seseorang, maka jabatannya akan semakin meningkat, yaitu sebesar 83 persen. Semakin lama seorang karyawan bekerja, maka jabatannya akan semakin meningkat, yaitu sebesar 26 persen. Hasil penelitian ini juga menunjukkan jabatan seorang karyawan tidak dipengaruhi oleh usia dan jenis kelamin, walaupun dalam persamaan masing-masing variabel memiliki nilai koefesien, tapi setelah dilakukan uji statistik memilki p-valuelebih besar dari alpa (α=0.05).
The regression equation is
Jabatan = - 0,792 + 0,158 JK - 0,040 Usia + 0,835 Pendidikan + 0,268 Lama Kerja
Predictor Coef SE Coef T P VIF Constant -0,7920 0,7161 -1,11 0,272 JK 0,1582 0,2846 0,56 0,580 1,0 Usia -0,0398 0,2231 -0,18 0,859 5,5 Pendidikan 0,8347 0,1284 6,50 0,000 1,1 Lama Kerja 0,2675 0,1262 2,12 0,037 5,5 S = 0,937718 R-Sq = 37,5% R-Sq(adj) = 34,5% Analysis of Variance Source DF SS MS F P Regression 4 43,880 10,970 12,48 0,000 Residual Error 83 72,983 0,879 Total 87 116,864
Evaluasi Partial Least Squares (PLS)
Evaluasi data penelitian menggunakan program SmartPLS. Hasil output model disajikan pada Gambar 8. Evaluasi model dilakukan melalui dua tahap, yaitu evaluasi model pengukuran atau outer model dan evaluasi model struktural atau inner model, sebelum dilakukan evaluasi model pengukuran dan evaluasi model struktural, indikator-indikator dari variabel laten dievaluasi terlebih dahulu apakah ada indikator yang tidak valid. Indikator yang tidak valid ditandai dengan nilai koefisien atau loading faktor kurang dari 0.5 (Chin 1998 dalam Yamin dan Kurniawan 2011). Loading faktor merupakan korelasi antara indikator tersebut dengan konstruknya, semakin tinggi korelasinya menujukan tingkat validitas yang lebih baik.
Output outer loading (Gambar 8) menunjukkan hasil nilai indikator yang berada dibawah 0.5 adalah Indikator HC2 (0.4823), HC8 (0,4077), CV11 (0.4008), CV21 (0.2075), CV42 (0.4341) dan GCG32 (0.4222), artinya indikator-indikator tersebut tidak valid, sehingga harus di drop atau dikeluarkan.
1. HC2 adalah kemampuan karyawan dalam melakukan apa yang dipahami terkait dengan pekerjaan dengan hasil sesuai yang distandarkan (Skill).
2. HC8 adalah kemampuan untuk mengajak atau mempengaruhi orang lain
(ladership).
3. CV11 adalah kemampuan perusahaan dalam mengelola semua sumberdaya yang dimiliki dengan baik.
4. CV21 adalah kemampuan perusahaan dalam menghasilkan produk bermutu sesuai dengan selera konsumen dengan harga lebih murah dari pesaing. 5. CV42 adalah kemampuan perusahaan dalam memberikan umpan balik
kepada karyawan berupa kompensasi yang adil, seperti finansial (gaji) atau
non finansial (jenjang karir, kesehatan, pendidikan dan pelatihan dll).
6. GCG32 adalah terkait dengan pelaksanaan tanggung jawab sosial (CSR) dengan baik diantaranya peduli terhadap masyarakat dan kelestarian lingkungan.
Tujuan mengeluarkan model yang tidak valid adalah agar diperoleh model terbaik, setelah model yang tidak valid tersebut dikeluarkan dilakukan proses ulang atau run ulang program SmartPLS, sehingga dihasilkan model akhir seperti dasajikan pada Gambar 9.
47
Gambar 8 Hasil analisis model awal, PTPN VII 2014
CV52 0.000 0.000 0.450 0.409 0.000
Gambar 9 Hasil analisis model akhir, PTPN VII 2014 0.000 0.000 0.441 0.392 0.000
49
Evaluasi Model Pengukuran (Outer Model)
Evaluasi model pengukuran adalah evaluasi hubungan antara konstruk dengan indikatornya (Yamin dan Kurniawan 2011). Model outer reflektif
menggambarkan sejauh mana peubah indikator dapat mencerminkan atau merefleksikan peubah latent atau konstruknya. Evaluasi ini dilakukan melalui dua tahap yaitu evaluasi terhadap convergeny validity dan diskriminant validity. Convergeny validity dapat dianalisis melalui tiga tahap, yaitu indikator validitas, reliabilitas konstruk dan nilai average variance extacted (AVE). Model di atas (Gambar 8) yang termasuk dalam model outer reflektif adalah peubah laten modal insani (HC), corporate value (CV), kenerja karyawan (KK), good corporate governance (GCG) dan kinerja perusahaan (KP).
Tabel 7 Ringkasan hasil evaluasi model outer reflektif, PTPN VII 2014 No Kriteria Nilai Hasil Penelitian VS Standar
1 Indikator validitas
Indikator dikatakan valid, memiliki T-statistik >2.0 Nilai loading faktor >5. Hasil : Loading faktor dibawah 5, HC1 dan CV11 tetapi semua t-statistika >2.0. Artinya semua indikator mempunyai validitas yang signifikan.
2 Reliabilitas konstruk
Melihat output composite reliability atau cronbach’s alpha. Kriteria dikatakan reliable adalah nilai composite reliability cronbach’s alpha
lebih dari 0.7. Hasil : cronbach’s alpha CV (0.7851}, GCG (0.8691) dan HC (0.7307), semuanya diatas 0.7.
3 Average variance extacted (AVE)
Konstruk memiliki convergent validity yang baik adalah apabila nilai akar AVE lebih dari 0.5. Hasil : CV (0.5580), GCG (0.6646) dan HC (0.5815).
4 diskriminant validity
Melihat nilai cross loading dan membandingkan antara nilai kuadrat korelasi antara konstruk dengan nilai AVE atau korelasi antar konstruk dengan akar AVE. Setiap indikator berkorelasi lebih tinggi dengan konstruk masing-masing dibanding dengan konstruk lainnya, artinya hubungan indikator dengan konstruk memiliki discriminant validity yang baik. Hasil : CV, HC dan GCG memiliki nilai konstruk yang lebih besar dibandingkan dengan akar AVE nya.
Indikator validitas dapat dilihat dari nilai factor loading, apabila nilai
factor loading suatu indikator lebih dari 0.5 dan nilai t-statistik lebih dari 2.0, maka dapat dikatakan valid. Indikator yang memilki nilai factor loading lebih kecil dari 0.5 adalah HC1 dan CV11 tetapi kalau dilihat nilai t-statistiknya semuanya lebih dari 2.0 yaitu 3.9263 dan 3.6289, maka kedua indikator tersebut masih bisa dikatakan valid. Semua indikator memiliki nilai t-statistik lebih dari 2.0, artinya semua indikator mempunya validitas yang signifikan, secara lengkap nilai t-statistik bisa dilihat pada Tabel 8.
Analisis selanjutnya dari convergent validity adalah reliabilitas konstruk dengan melihat output composite reliability atau cronbach’s alpha. Kriteria dikatakan reliable adalah nilai composite reliability cronbach’s alpha lebih dari 0.7. Semua konstruk (CV, GCG dan HC) memiliki nilai composite reliability dan cronbach’s alpha diatas 0.7, artinya semua indikator reliable, secra lengkap bisa dilihat pada Tabel 8. Analisis terakhir dari convergent validity adalah melihat nilai AVE. Konstruk memiliki convergent validity yang baik adalah apabila nilai AVE lebih dari 0.5, berdasarkan Tabel 8, semua nilai AVE konstruk CV, GCG dan HC memiliki nilai AVE diatas 0.5.
Tabel 8 Nilai outer loading model reflektif, PTPN VII 2014 Indikator/ Konstruk Orginal Sampel (0) Samlle Mean (M) Standar Deviasi (STDV) Standar Error (STERRI) T Statistics (IO/STERRI) CV11 <- CV 0.4788 0.4625 0.1319 0.1319 3.6289 CV22 <- CV 0.5475 0.5364 0.0793 0.0793 6.9068 CV31 <- CV 0.6447 0.6354 0.0731 0.0731 8.8174 CV32 <- CV 0.6453 0.6208 0.0932 0.0932 6.9253 CV33 <- CV 0.6628 0.6495 0.0868 0.0868 7.6331 CV41 <- CV 0.7816 0.7855 0.0432 0.0432 18.1013 CV51 <- CV 0.5825 0.5845 0.0715 0.0715 8.1430 CV52 <- CV 0.5678 0.5673 0.1098 0.1098 5.1726 GCG11 <- GCG 0.6958 0.6906 0.0713 0.0713 9.7649 GCG12 <- GCG 0.7065 0.7050 0.0748 0.0748 9.4423 GCG21 <- GCG 0.7665 0.7597 0.0576 0.0576 13.3186 GCG22 <- GCG 0.7098 0.7065 0.0551 0.0551 12.8756 GCG31 <- GCG 0.7129 0.7155 0.0623 0.0623 11.4405 GCG41 <- GCG 0.7930 0.7933 0.0316 0.0316 25.0765 GCG42 <- GCG 0.6984 0.7061 0.0492 0.0492 14.1865 GCG51 <- GCG 0.6967 0.7014 0.0588 0.0588 11.8544 GCG52 <- GCG 0.5717 0.5649 0.0935 0.0935 6.1165 GCG53 <- GCG 0.5131 0.5143 0.0900 0.0900 5.7014 HC1 <- HC 0.4868 0.4653 0.1504 0.1504 3.2372 HC3 <- HC 0.7977 0.7875 0.0718 0.0718 11.1034 HC4 <- HC 0.6724 0.6540 0.1059 0.1059 6.3476 HC5 <- HC 0.5502 0.5494 0.1401 0.1401 3.9263 HC7 <- HC 0.6968 0.7075 0.0803 0.0803 8.6728 KK1 <- KK 0.6047 0.6086 0.0556 0.0556 10.8670 KK10 <- KK 0.7688 0.7626 0.0484 0.0484 15.8847 KK2 <- KK 0.7329 0.7324 0.0478 0.0478 15.3256 KK3 <- KK 0.7873 0.7822 0.0490 0.0490 16.0708 KK4 <- KK 0.7436 0.7364 0.0522 0.0522 14.2339 KK5 <- KK 0.7431 0.7441 0.0551 0.0551 13.4881 KK6 <- KK 0.8172 0.8141 0.0350 0.0350 23.3729 KK7 <- KK 0.7687 0.7666 0.0605 0.0605 12.7082 KK8 <- KK 0.7731 0.7676 0.0488 0.0488 15.8438 KK9 <- KK 0.7489 0.7394 0.0591 0.0591 12.6644 KP11 <- KP 0.5965 0.5919 0.0751 0.0751 7.9413 KP12 <- KP 0.7496 0.7483 0.0589 0.0589 12.7320 KP13 <- KP 0.6916 0.6936 0.0707 0.0707 9.7802 KP21 <- KP 0.7076 0.7093 0.0539 0.0539 13.1382 KP22 <- KP 0.7303 0.7256 0.0505 0.0505 14.4672 KP23 <- KP 0.7078 0.7103 0.0477 0.0477 14.8351 KP31 <- KP 0.6762 0.6690 0.0628 0.0628 10.7754 KP32 <- KP 0.6892 0.6841 0.0527 0.0527 13.0821 KP33 <- KP 0.6406 0.6311 0.0668 0.0668 9.5949 KP41 <- KP 0.7761 0.7708 0.0454 0.0454 17.1095 KP42 <- KP 0.7448 0.7380 0.0593 0.0593 12.5641 KP43 <- KP 0.7603 0.7619 0.0475 0.0475 16.0107
Evaluasi discriminant validity dilakukan dalam dua tahap, yaitu melihat nilai cross loading dan membandingkan antara nilai kuadrat korelasi antara konstruk dengan nilai AVE atau korelasi antar konstruk dengan akar AVE. Kriteria dalam cross loading adalah setiap indikator yang mengukur konstruknya haruslah berkorelasi lebih tinggi dengan konstruknya dibanding dengan konstruk lainnya. Pada Tabel 9 terlihat bahwa setiap indikator berkorelasi lebih tinggi dengan konstruk masing-masing dibanding dengan konstruk lainnya, artinya hubungan indikator dengan konstruk memiliki discriminant validity yang baik.
51
Tabel 9 Nilai AVE, akar AVE dan composite reliability dan cronbachs alpha, PTPN VII 2014
AVE Akar AVE Composite Reliability Cronbachs Alpha
CV 0.3114 0.5580 0.8225 0.7851
GCG 0.4417 0.6646 0.8945 0.8691
HC 0.3382 0.5815 0.7986 0.7307
Tabel 10 Output crossloading model reflektif, PTPN VII 2014
Analisis berikutnya adalah membandingkan antara korelasi dengan konstruk akar AVE. Nilai akar AVE harus lebih tinggi daripada korelasi antara konstruk dengan konstruk lainnya atau nilai AVE lebih tinggi dari kuadrat
Indiator CV GCG HC KK KP CV11 0.4788 0.2485 0.1787 0.2183 0.2661 CV22 0.5475 0.3110 0.1060 0.2376 0.3403 CV31 0.6447 0.3629 0.2196 0.3486 0.2785 CV32 0.6453 0.3756 0.0683 0.2644 0.1769 CV33 0.6628 0.3636 0.1574 0.3288 0.2101 CV41 0.7816 0.4711 0.2042 0.5357 0.4232 CV51 0.5825 0.2703 0.0648 0.4398 0.2187 CV52 0.5678 0.1577 0.1511 0.3458 0.1329 GCG11 0.3787 0.6958 0.3111 0.2741 0.2986 GCG12 0.3587 0.7065 0.4469 0.2766 0.3508 GCG21 0.3601 0.7665 0.2562 0.2898 0.2911 GCG22 0.4914 0.7098 0.0615 0.2800 0.3276 GCG31 0.4378 0.7129 0.2638 0.3084 0.3808 GCG41 0.3674 0.7930 0.2426 0.2539 0.4626 GCG42 0.4278 0.6984 0.2067 0.2111 0.4016 GCG51 0.2660 0.6967 0.3508 0.3189 0.4460 GCG52 0.2746 0.5717 0.0650 0.0184 0.3354 GCG53 0.2291 0.5131 0.2630 0.0934 0.2428 HC1 -0.0602 0.1484 0.4868 0.1372 0.0945 HC3 0.3223 0.4201 0.7977 0.3878 0.4786 HC4 -0.0255 0.1597 0.6724 0.2408 0.2614 HC5 0.1090 0.1168 0.5502 0.2601 0.2455 HC7 0.2234 0.2429 0.6968 0.3255 0.2623 KK1 0.4077 0.3090 0.4044 0.6047 0.4681 KK2 0.3914 0.1821 0.4120 0.7329 0.3044 KK3 0.3341 0.2652 0.4294 0.7873 0.4325 KK4 0.5203 0.2504 0.3266 0.7436 0.4221 KK5 0.5056 0.2187 0.3059 0.7431 0.2263 KK6 0.5012 0.3388 0.3861 0.8172 0.3872 KK7 0.3834 0.2094 0.2985 0.7687 0.3280 KK8 0.3747 0.2843 0.3015 0.7731 0.4378 KK9 0.4773 0.3191 0.3190 0.7489 0.4269 KK10 0.4469 0.2543 0.4662 0.7688 0.3419 KP11 0.3265 0.3138 0.3049 0.3217 0.5965 KP12 0.3035 0.5058 0.2748 0.3047 0.7496 KP13 0.1697 0.4124 0.2347 0.1328 0.6916 KP21 0.2634 0.3404 0.1807 0.2536 0.7076 KP22 0.2462 0.2629 0.4534 0.5282 0.7303 KP23 0.3446 0.3362 0.3600 0.4163 0.7078 KP31 0.2622 0.4325 0.4198 0.3844 0.6762 KP32 0.3182 0.2819 0.3087 0.3357 0.6892 KP33 0.2877 0.2407 0.4803 0.3849 0.6406 KP41 0.2919 0.4529 0.3902 0.3564 0.7761 KP42 0.3789 0.3428 0.3953 0.4847 0.7448 KP43 0.3408 0.4605 0.2905 0.3402 0.7603
korelasi antara konstruk. Nilai perbandingan tersebut bisa dilihat pada Tabel 9 dan Tabel 11. Korelasi maksimal konstruk GCG dengan konstruk lainnya adalah 0.5231, sedangkan nilai akar AVE nya adalah 0.6646, begitupun dengan konstruk lainnya seperti CV dan HC memiliki nilai konstruk yang lebih besar dibandingkan dengan akar AVE nya.
Tabel 11 Nilai korelasi variabel laten, PTPN VII 2014
CV GCG HC KK KP CV 1 GCG 0.5231 1 HC 0.2331 0.3647 1 KK 0.5838 0.3554 0.4414 1 KP 0.4193 0.5219 0.4524 0.5092 1
Evaluasi Model Struktural (Inner Model)
Evaluai Inner model meliputi nilai signifikasi tiap koefesien jalur yang menyatakan apakah ada signifikan atau tidaknya pengaruh antar konstruk yang dihipotesiskan seperti model yang telah diperoleh di atas. Langkah pertama melihat signifikasi hubungan antar konstruk, hal ini dapat dilihat dari koefesien jalur (path coeffecient) yang menggambarkan kekuatan hubungan antar konstruk. Langkah selanjutnya adalah mengevaluasi nilai , penjelasan nilai sama halnya dengan nilai dalam regresi linier yaitu besarnya variability variabel endogen yang mampu dijelaskan oleh variabel eksogen. Chin (1998) menjelaskan kriteria batasan nilai ini dalam tiga klasifikasi, yaitu nilai 0.67, 0.33 dan 0.19 sebagai subtansial, moderat dan lemah. Selanjutnya dilakukan uji nilai effec size untuk melihat apakah pengaruh variabel laten eksogen terhadap variabel laten endogen mempunyai pengaruh yang subtansitif. Menurut Cohen (1998) kriteria nilai yaitu pengaruh kecil 0.02, pengaruh moderat sebesar 0.15 dan pengaruh besar 0.35. Pengujian lainya adalah predictive relevance yang berfungsi untuk memvalidasi kemampuan prediksi model. Jika nilai lebih besar dari nol menunjukkan variabel laten eksogen baik (sesuai) sebagai variabel penjelas yang mampu memprediksi variabel endogennya.
Tabel 12 Nilai , PTPN VII 2014 CV
GCG HC
KK 0.4406
KP 0.3923
Konstruk CV dan HC (Tabel 12) mampu menjelaskan variability konstruk KK sebesar 44.06 persen atau nilai =0.4406, siasanya 55.94 persen diterangkan oleh konstruk lain yang tidak dihipotesiskan dalam model, nilai ini termasuk dalam kategori moderat (Chin 1998). Konstruk KK dan GCG mampu menjelaskan variability konstruk KP sebesar 39.23 persen atau nilai =0.3923, siasanya 60.77 persen diterangkan oleh konstruk lain yang tidak dihipotesiskan dalam mode, nilai ini termasuk dalam kategori moderat (Chin 1998).
53
Tabel 13 Nilai hasil penelitian dan kriteria standar evaluasi model struktural, PTPN VII 2014
No Kriteria Nilai Hasil Penelitian VS Standar 1 dari peubah
laten endogonus
Standar kriteria batasan nilai ini dalam tiga klasifikasi, yaitu nilai 0.67, 0.33 dan 0.19 sebagai subtansial, moderat dan lemah. (Chin 1998). Hasil : KK= 0.4406, KP= 0.3923
2 Estimasi model path
Koefesien bobot berpengaruh nyata. Uji test menggunakan Bootstrap. Hasil : Hasil bootstrap koefesien path didapatkan pengaruh yang sangat nyata antara CV terhadap KK dengan nilai tstatistik lebih dari 2.0. begitupun dengan CV terhadap KP, GCG terhadap KP, HC terhadap KK, HC terhadap KK dan KK terhadap KP.
3 predictive relevance
Berfungsi untuk memvalidasi kemampuan prediksi model. Jika nila lebih besar dari nol menunjukkan variabel laten eksogen baik (sesuai) sebagai variabel penjelas yang mampu memprediksi variabel endogennya.
Hasil : bahwa nilai semua kontrak laten memiliki predivtive relevance yang baik, karena nilai lebih dari nol (0).
Hasil bootstrap koefesien path didapatkan pengaruh yang sangat nyata antara CV terhadap KK dengan nilai t-statistik lebih dari 2.0, begitupun dengan CV terhadap KP, GCG terhadap KP, HC terhadap KK dan KK terhadap KP, karena semua nilai t-statistik kontrak tersebut diatas 2.0, sedangkan yang tidak berpengaruh nyata adalah antara GCG terhadap KK, terlihat pada tabel 14.
Tabel 14 Hasil Bootstrap koefesien path, PTPN VII 2014
Indikator/ Kostrak Orginal Sampel (0) Samlle Mean (M) Standar Deviasi (STDV) Standar Error (STERRI) T Statistics (IO/STERRI) CV -> KK 0.5283 0.5093 0.1203 0.1203 4.3922 CV -> KP 0.1958 0.1894 0.0611 0.0611 3.2031 GCG -> KK -0.0428 -0.0210 0.1030 0.1030 0.4157 GCG -> KP 0.3743 0.3934 0.0853 0.0853 4.3900 HC -> KK 0.3339 0.3530 0.0998 0.0998 3.3459 HC -> KP 0.1237 0.1328 0.0506 0.0506 2.4446 KK -> KP 0.3706 0.3741 0.0869 0.0869 4.2660
Kriteria lain untuk menghitung struktur model adalah dengan menggunakan predictive relevance, dihitung dengan prosedur blindfolding
dalam SmartPLS. Hasilnya pada Tabel 15, menunjukkan bahwa nilai semua konstruk laten memiliki predivtive relevance yang baik, karena nilai lebih dari nol (0).
Tabel 15 Nilai predictive relevance, PTPN VII 2014
Total SSO SSE
CV 704.0000 553.7530 0.2134
GCG 880.0000 565.5481 0.3573
HC 440.0000 379.4786 0.1375
KK 880.0000 475.8545 0.4593
Pembahasan
Analisis Hubungan antara Konstruk dengan Indikatornya a. Konstruk Modal Insani
Konstruk modal insani terdiri dari delapan indikator reflektif, artinya modal insani direfleksikan atau dicerminkan oleh delapan indikator, diantaranya adalah knowledge (HC1), skill (HC2), abilities (HC3), other characteristics (HC4), learning dan education (HC5), innovation dan
creation (HC6), experience dan expertise (HC7) serta leadership (HC8),
kedelapan indikator tersebut diuji secara statistik dengan menggunakan program smartPLS, hasil output loading factornya dapat dilihat pada Tabel 16. Kriteria untuk menetukan apakah indikatornya valid atau bisa mencerminkan konstruknya (modal insani), harus memiliki nilai loading factor lebih besar dari 0.5.
Hasil output loading factor diperoleh dua indikator yang tidak valid, yaitu HC2 (0.4823) dan HC8 (0.4077) pada Gambar 10, masing-masing memiliki loading factor kurang dari 0.5. HC2 adalah kemampuan karyawan melakukan apa yang di pahami terkait dengan pekerjaan dengan hasil sesuai yang standar dan HC8 adalah leadershif atau kemampuan mengajak atau mempengaruhi orang lain untuk mencapai apa yang diinginkan, artinya data kedua indiator tersebut tidak mendukung untuk mencerminkan konstruk modal insani. Indikator yang tidak valid tersebut dikeluarkan dari model, sehingga terbentuk model baru seperti terlihat pada Gambar 11.
Gambar 10 Model awal konstruk modal insani dan indikatornya, PTPN VII 2014 Modal Insani HC HC HC HC HC HC HC HC 0.562 0.482 0.763 0.656 0.519 0.602 0.589 0.408 0.000
55
Gambar 11 Model akhir konstruk modal insani dan indikatornya, PTPN VII 2014
Indikator yang memiliki nilai loading factor lebih dari 0.5 termasuk indikator valid (Gambar 11), artinya indikator mampu mencerminkan konstruk modal insani, dari indikator yang valid tersebut HC3 atau semangat kerja karyawan dalam semua kondisi memiliki nilai loading factor
terbesar yaitu 0,76. Secara berurutan diikuti HC4 atau prinsip yang dimiliki karyawan dan HC6 atau kreatifitas dalam bekerja dengan nilai loading factor masing-masing sebesar 0.65 dan 0.60, hal ini menunjukkan bahwa untuk meningkatkan modal insani yang menjadi prioritas utama adalah peningkatan semangat kerja karyawan, penanaman nilai-nilai pribadi dan pentingnya kreatifitas dalam bekerja.
Tabel 16 Hasil output loading factor konstruk modal insani, PTPN VII 2014
Indikator Penjelasan Nilai loading factor
HC1 Pemahaman dengan jelas terhadap bidang pekerjaan sekarang.
0.5618
HC2 Melakukan apa yang di pahami terkait dengan pekerjaan dengan hasil sesuai yang distandarkan.
0.4823
HC3 kemampuan bekerja dengan penuh semangat dalam kondisi sesulit apapun.
0.7626
HC4 Nilai-nilai pribadi atau prinsip, yang diyakini dan dipegang teguh untuk mendukung kesuksesan kerja.
0.6565
HC5 Bekerja bagi adalah proses pembelajaran (learning proses).
0.5191
HC6
Terbiasa bekerja dengan mencari cara baru yang kreatif untuk memberikan manfaat yang lebih baik bagi perusahaan.
0.6017
HC7 Bekerja menambah pengalaman dan keahlian 0.5894 HC8 Kemampuan mengajak atau mempengaruhi orang
lain untuk mencapai apa yang saya inginkan
0.4077 Modal Insani HC HC HC HC HC HC 0.522 0.766 0.659 0.536 0.615 0.600 0.000
b. Konstruk Corvorate Value
Konstruk corvorate value terdiri dari sebelas indikator reflektif, artinya corvorate value direfleksikan atau dicerminkan oleh nilai-nilai perusahaan yang selama ini di terapkan oleh perusahaan diantarnya produktivitas (CV11 dan CV12), mutu (CV21 dan CV22), organisasi (CV31 dan CV 32), servis (CV41 dan CV42), dan inovasi (CV51, CV52 dan CV53). Kesebelas indikator tersebut diuji secara statistik dengan menggunakan program smartPLS, hasil output loading factornya dapat