IV. HASIL DAN PEMBAHASAN
4.7 Hasil Tahapan Analisis Faktor dan Analisis Jalur Kinerja Penyuluh
4.7.Hasil Tahapan Analisis Faktor dan Analisis Jalur Kinerja Penyuluh Kehutanan
Analisis faktor kinerja penyuluh kehutanan dilakukan untuk mengetahui indikator-indikator yang valid dan reliabel, dari indikator-indikator yang diusulkan, dalam mengukur variabel yang telah ditetapkan. Ringkasan hasil pengujian analisis faktor dengan SPSS 16, berupa indikator terpilih disajikan dalam Tabel 15.
Tabel 15. Hasil pengujian analisis faktor kinerja penyuluh kehutanan
Kabupaten Variabel
Laten
Indikator terpilih Loading
Factor Ciamis 1. Kompetensi
Penyuluh (X21)
1. Melakukan aksi sosial (X211) 2. Merencanakan program
penyuluhan (X212)
3. Memanfaatkan sumberdaya lokal (X213) 4. Manajemen organisasi (X214) 0,833 0,773 0,499 0,838 2. Motivasi Penyuluh (X22)
1. Pengembangan potensi diri (X221) 2. Pengakuan petani (X222)
3. Kebutuhan untuk berprestasi (X223)
4. Kebutuhan untuk kekuasaan (X224)
0,722 0,812 0,835 0,870 3. Lingkungan (X23) 1. Organisasi (X231)
2. Pengakuan dari Masyarakat (X233)
0,936 0,936 4. Kinerja Penyuluh Kehutanan (Y21)
1. Pelaksanaan kegiatan sosial (Y211)
2. Penyusunan program penyuluhan (Y211)
3. Pemanfaatan sumberdaya lokal
0,583 0,922 0,729
Kabupaten Variabel Laten
Indikator terpilih Loading
Factor (Y211) 4. Penyelenggaraan penyuluhan (Y211) 5. Manajemen organisasi (Y211) 0,897 0,858 Purworejo 1. Kompetensi Penyuluh (X21)
2.Melakukan aksi sosial (X211) 3.Merencanakan program
penyuluhan (X212)
4.Memanfaatkan sumberdaya lokal (X213) 5.Manajemen organisasi (X214) 0,894 0,923 0,933 0,693 2. Motivasi Penyuluh (X22) 1. Pengakuan petani (X222) 2. Kebutuhan untuk berprestasi
(X223)
3. Kebutuhan untuk kekuasaan (X224) 0,784 0,905 0,840 3. Lingkungan (X23) 1. Organisasi (X231) 2. Dukungan Pemda (X232)
3. Pengakuan dari Masyarakat (X233)
0,869 0,830 0,824 4. Kinerja Penyuluh Kehutanan (Y21)
1. Pelaksanaan kegiatan sosial (Y211)
2. Penyusunan program penyuluhan (Y212)
3. Pemanfaatan sumberdaya lokal (Y213)
4. Penyelenggaraan penyuluhan (Y214)
5. Manajemen organisasi (Y215)
0,667 0,907 0,839 0,787 0,859
Dari Tabel 15 hasil analisis faktor konfirmatori dapat disusun model pengukuran. Model kinerja penyuluh kehutanan hutan rakyat (Y21) di Kabupaten Ciamis diperoleh hasil dalam Gambar 6
Gambar 5. Hasil uji normalitas dan linearitas kinerja penyuluh kehutanan di Ciamis Jika residual berasal dari distribusi normal, maka nilai-nilai sebaran data (lihat noktah) akan terletak disekitar garis diagonal. Terlihat bahwa sebaran data pada Gambar 6 tersebar disekeliling garis lurus tersebut (tidak terpencar jauh dari garis lurus/diagonal). Sehingga dapat disimpulkan bahwa persyaratan normalitas dan linearitas terpenuhi.
b. Persyaratan multikolinearitas
Tabel 16 Ringkasan modelb analisis jalur kinerja penyuluh kehutanan di Ciamis Model R R Square Adjusted R
Square Std. Error of the Estimate
1 .750a .563 .534 .68249572
a. Predictors: (Constant), X23, X21, X22
b. Dependent Variable: Y21
Tabel 17 Koefisien analisis jalur kinerja penyuluh kehutanana di Ciamis Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 6.975E-16 .097 .000 1.000
X21 .232 .103 .232 2.265 .028 .904 1.106
X22 .243 .138 .243 1.764 .084 .502 1.993
X23 .456 .136 .456 3.360 .002 .516 1.937
Model regresi yang baik, adalah apabila tidak terdapat multikolinearitas atau adanya korelasi yang kuat antara variabel bebas. Jika VIF > 5 maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya. Pada tabel di atas terlihat bahwa nilai VIF dari semua variabel bebas < 5 artinya tidak terdapat persoalan multikolinearitas.
Dengan demikian, analisis jalur (regresi berganda) layak digunakan sebagai alat analisis. Kelayakan menggunakan model regresi juga dapat dilihat dari tabel ANOVA pada hasil SPSS disajikan dalam Tabel 18.
Tabel 18 ANOVAb analisis jalur kinerja penyuluh kehutanan di Ciamis Model
Sum of
Squares df Mean Square F Sig.
1 Regression 27.573 3 9.191 19.732 .000a
Residual 21.427 46 .466
Total 49.000 49
a. Predictors: (Constant), X23, X21, X22
b. Dependent Variable: Y21
Dalam Tabel 18 terlihat bahwa tingkat signifikan dari F hitung adalah 0,000. Karena signifikan jauh lebih kecil dari 0,05, maka model regresi layak digunakan untuk memprediksi Y21.
Dari hasil analisis di atas, dapat disusun persamaan jalur sebagaimana berikut: Y21 = 0,232X21 + 0,243X22 + 0,456X23; R2 = 0,563
Interpretasi:
Dari hasil analisis dengan SPSS 16 di atas diperoleh informasi obyektif sebagai berikut:
1) R2 = 0,563 menandakan bahwa pengaruh bersama dari kompetensi penyuluh kehutanan (X21), motivasi penyuluh kehutanan (X22), dan lingkungan penyuluh kehutanan (X23) terhadap kinerja penyuluh kehutanan (Y21) adalah sebesar 0,563 atau 56,3 persen, sisanya 43,7 persen dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini.
2) Secara parsial, kompetensi penyuluh kehutanan (X21) berpengaruh nyata (sig =0,028 < 0,05) terhadap kinerja penyuluh kehutanan (Y21). Terlihat bahwa koefisien lintas X21 adalah 0,232. Hal ini berarti besarnya pengaruh X21 terhadap Y21 adalah 0,232 atau 23,2 persen.
3) Secara parsial, motivasi penyuluh kehutanan (X22) berpengaruh tidak nyata (sig =0,084 > 0,05) terhadap kinerja penyuluh kehutanan (Y21). Terlihat bahwa koefisien lintas X22 adalah 0,243. Hal ini berarti besarnya pengaruh X22 terhadap Y21 adalah 0,243 atau 24,3 persen.
4) Secara parsial, lingkungan penyuluh kehutanan (X23) berpengaruh sangat nyata (sig =0,002 < 0,01) terhadap kinerja penyuluh kehutanan (Y21). Terlihat bahwa koefisien lintas X23 adalah 0,456. Hal ini berarti besarnya pengaruh X23 terhadap Y21 adalah 0,456 atau 45,6 persen.
Selanjutnya untuk Model kinerja penyuluh kehutanan hutan rakyat (Y21) di Kabupaten Purworejo diperoleh hasil dalam Gambar 7
a. Persyaratan normalitas dan linearitas
Gambar 6. Hasil uji normalitas dan linearitas kinerja penyuluh kehutanan di Purworejo
Jika residual berasal dari distribusi normal, maka nilai-nilai sebaran data (lihat noktah) akan terletak disekitar garis diagonal. Terlihat bahwa sebaran data pada gambar 7 tersebar disekeliling garis lurus tersebut (tidak terpencar jauh dari garis lurus/diagonal). Sehingga dapat disimpulkan bahwa persyaratan normalitas dan linearitas terpenuhi.
b. Persyaratan multikolinearitas
Tabel 19 Ringkasan modelb analisis jalur kinerja penyuluh kehutanan di Purworejo
Model R R Square Adjusted R
Square Std. Error of the Estimate
1 .787a .620 .565 .65930158
a. Predictors: (Constant), X23, X21, X22
b. Dependent Variable: Y21
Tabel 20 Koefisiena analisis jalur kinerja penyuluh kehutanan di Purworejo Model
Unstandardized Coefficients
Standardized
Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -8.900E- 17 .132 .000 1.000 X21 .311 .138 .311 2.245 .036 .944 1.059 X22 .019 .146 .019 .129 .899 .853 1.172 X23 .737 .143 .737 5.142 .000 .882 1.134 a. Dependent Variable: Y21
Model regresi yang baik, adalah apabila tidak terdapat multikolinearitas atau adanya korelasi yang kuat antara variabel bebas. Jika VIF > 5 maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya. Pada tabel di atas terlihat bahwa nilai VIF dari semua variabel bebas < 5 artinya tidak terdapat persoalan multikolinearitas.
Dengan demikian, analisis jalur (regresi berganda) layak digunakan sebagai alat analisis. Kelayakan menggunakan model regresi juga dapat dilihat dari tabel ANOVA pada hasil SPSS pada Tabel 21.
Tabel 21 ANOVAb analisis jalur kinerja penyuluh kehutanan di Purworejo
Model Sum of Squares df Mean Square F Sig.
1 Regression 14.872 3 4.957 11.404 .000a
Residual 9.128 21 .435
Total 24.000 24
a. Predictors: (Constant), X23, X21, X22
b. Dependent Variable: Y21
Dalam Tabel 21 terlihat bahwa tingkat signifikan dari F hitung adalah 0,000. Karena signifikan jauh lebih kecil dari 0,05, maka model regresi layak digunakan untuk memprediksi Y21. Dari hasil analisis di atas, dapat disusun persamaan jalur sebagaimana berikut:
Y21 = 0,311X21 + 0,019X22 + 0,737X23; R2 = 0,620 Interpretasi:
Dari hasil analisis dengan SPSS 16 di atas diperoleh informasi obyektif sebagai berikut:
1) R2 = 0,620 menandakan bahwa pengaruh bersama dari kompetensi penyuluh kehutanan (X21), motivasi penyuluh kehutanan (X22), dan lingkungan penyuluh kehutanan (X23) terhadap kinerja penyuluh kehutanan (Y21) adalah sebesar 0,620 atau 62,0 persen, sisanya 38,0 persen dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini.
2) Secara parsial, kompetensi penyuluh kehutanan (X21) berpengaruh nyata (sig =0,036 < 0,05) terhadap kinerja penyuluh kehutanan (Y21). Terlihat bahwa koefisien lintas X21 adalah 0,311. Hal ini berarti besarnya pengaruh X21 terhadap Y21 adalah 0,311 atau 31,1 persen.
3) Secara parsial, motivasi penyuluh kehutanan (X22) berpengaruh tidak nyata (sig =0,899 > 0,05) terhadap kinerja penyuluh kehutanan (Y21). Terlihat bahwa koefisien lintas X22 adalah 0,019. Hal ini berarti besarnya pengaruh X22 terhadap Y21 adalah 0,019 atau 1,9 persen.
4) Secara parsial, lingkungan penyuluh kehutanan (X23) berpengaruh sangat nyata (sig =0,000 < 0,01) terhadap kinerja penyuluh kehutanan (Y21). Terlihat bahwa
koefisien lintas X23 adalah 0,737. Hal ini berarti besarnya pengaruh X23 terhadap Y21 adalah 0,737 atau 73,7 persen.