Untuk mencapai tujuan penelitian, prosedur analisis data harus sesuai dengan tujuan penelitian. Analisis data yang digunakan dalam penelitian ini adalah Structural Equation Modelling (SEM) yang terdiri dari analisis model pengukuran dengan confirmatory faktor analysis (CFA) dan analisis model struktural menggunakan software LISREL 8.72. Sedangkan untuk analisis deskriptif dan analisis faktor demografi (Chi Square Test) menggunakan analisis non-parametrik dengan SPSS 13.
1. Structural Equation Modelling (SEM)
Structural Equation Modelling (SEM) adalah suatu metode analisis data berdasarkan pada persamaan regresi berganda yang terdiri dari analisis model pengukuran dan analsis model struktural. Komponen model SEM terdiri dari:
Dua jenis variabel yaitu variabel laten (Latent Variable) dan variabel teramati (Observed Variable)
Dua jenis model yaitu model struktural (Structural Model) dan model pengukuran (Measurement Model)
Dua jenis kesalahan yaitu kesalahan structural (Structural Error) dan kesalahan pengukuran (Measurement Error).
Variabel laten merupakan konsep abstrak yang hanya dapat diamati secara tidak langsung dan tidak sempurna melalui pengaruhnya pada variabel teramati. Sedangkan variabel teramati adalah variabel yang dapat diukur secara empiris dan dijadikan sebagai indikator dari variabel laten. Model struktural menggambarkan hubungan-hubungan struktural yang ada diantara variabel laten yang merupakan persamaan regresi berganda dari variabel laten tersebut. Model pengukuran menghubungkan variabel laten dengan indikatornya (variabel teramati) yang berbentuk analisis faktor.
Prosedur SEM secara umum akan mengandung tahapan-tahapan sebagai berikut (Bollen dan Long dalam Wijanto, 2008):
a. Spesifikasi model (model specification)
Tahap ini berkaitan dengan pembentukan model awal persamaan struktural, sebelum dilakukan estimasi. Model awal diformulasikan berdasarkan suatu teori atau penelitian sebelumnya. b. Identifikasi model (identification)
Tahap ini berkaitan dengan pengkajian tentang kemungkinan diperolehnya nilai yang unik untuk setiap parameter yang ada dalam model dan kemungkinan persamaan simultan tidak ada solusinya. c. Estimasi (estimation)
Tahap ini berkaitan dengan estimasi terhadap model untuk menghasilkan nilai-nilai parameter dengan menggunakan salah satu metode estimasi yang tersedia. Pemilihan metode estimasi yang digunakan ditentukan berdasarkan karakteristik dari variabel-variabel yang dianalisis.
d. Uji kecocokan (testing fit)
Tahap ini berkaitan dengan pengujian kecocokan antara model dengan data. Beberapa kriteria ukuran kecocokan atau Good of Fit (GOF) dapat digunakan dalam uji kecocokan.
e. Respesifikasi
Tahap ini berkaitan dengan respesifikasi model berdasarkan hasil uji kecocokan tahap sebelumnya.
Prosedur SEM yang menggunakan two step approach dan strategi pengembangan model dapat diiktisarkan dalam bentuk flowcart seperti pada Gambar 3.
SEM dimulai dengan menspesifikasi model penelitian yang akan diestimasi. Spesifikasi model penelitian menggambarkan permasalahan yang diteliti. Hoyle dalam Wijanto (2008) mengatakan bahwa analisis tidak akan dimulai sampai peneliti menspesifikasikan sebuah model yang
menunjukkan hubungan variabel-variabel yang dianalisis. Dalam memperoleh model yang diinginkan melalui dua tahapan yaitu spesifikasi model pengukuran dan spesifikasi model struktural. Spesifikasi model pengukuran merupakan pendefinisian variabel laten dan variabel teramati serta mendefinisikan hubungan antara variabel laten dan variabel teramati. Sedangkan spesifikasi model struktural mendefinisikan hubungan kausal diantara variabel-variabel laten tersebut.
Identifikasi model merupakan evaluasi persamaan simultan dalam penelitian. Proses identifikasi model sederhana dapat dilakukan dengan t-rule (Bollen dalam Wiajnto, 2008). Dalam SEM terdapat tiga kategori identifikasi model dalam persamaan simultan yaitu:
1. Under Identified model adalah model dengan jumlah parameter yang diestimasi lebih besar dari jumlah data yang diketahui.
2. Just-Identified model adalah model dengan jumlah parameter yang diestimasi sama dengan data yang diketahui.
3. Over-Identified model adalah model dengan jumlah parameter yang diestimasi lebih kecil dari jumlah data yang diketahui.
Estimasi model bertujuan untuk mencari solusi persamaan simultan dan memperoleh nilai dari parameter-parameter yang ada dalam model. Metode estimasi dalam SEM yang sering digunakan adalah Maximum Likelihood dan Weighted Least Square. Maximum Likelihood digunakan untuk mengestimasi model dengan data interval, sedangkan Weighted Least Square digunakan untuk mengestimasi model dengan data ordinal.
Uji kecocokan merupakan evaluasi tingkat kecocokan hasil estimasi model yang menghasilkan solusi nilai parameter yang diestimasi. Menurut Hair et.al. dalam Wijanto (2008) evaluasi terhadap tingkat kecocokan data dengan dilakukan melalui beberapa tahapan antara lain: kecocokan keseluruhan model, kecocokan model pengukuran dan kecocokan model struktural. Uji kecocokan seluruh model dapat dilihat dari nilai Chi Square (χ2) dengan Probabilitasnya dan nilai RMSEA ( Root Mean Square Error of Aproximation). Nilai χ2 menunjukkan adanya penyimpangan antara matrik kovarian data dang matrik kovarian model.
Chi Square ini merupakan ukuran mengenai buruknya suatu model. Probabilitas Chi Square diharapkan tidak signifikan sehingga menunjukkan data empiris sesuai dengan model. Nilai Chi Square juga dapat dibandingkan dengan degree of freedom (df). Nilai χ2 yang mendekati df menunjukkan model yang fit. Nilai df diperoleh dari selisih antara jumlah parameter yang diestimasi dengan jumlah informasi (data) untuk mnyelesaikan persamaan regresi dalam bentuk varian dan kovarian variabel manifest. Nilai df dapat dihitung dengan rumus df = s/2- t
,
dimana df: derajat kebebasan, s: jumlah varian dan kovarian variabel manifest, t: jumlah parameter yang diestimasi. Nilai RMSEA menunjukkan penyimpangan nilai parameter pada suatu model dengan matrik kovarian populasinya. Nilai RMSEA yang semakin kecil menunjukkan kecocokan model yang semakin baik.
Analisis model pengukuran bertujuan untuk mengevaluasi kesesuaian data dengan model. Dalam kerangka pemikiran penelitian terdapat tiga model pengukuran utama yang masing-masing akan dilakukan analisis faktor. Model pengukuran tersebut terdiri dari partisipasi, kepuasan kerja (penggajian, promosi, pekerjaan, hubugan rekan dan pengawasan) dan komitmen organisasi (afektif, kontinuan, dan normatif).
Validitas berhubungan dengan apakah suatu variabel mengukur apa yang seharusnya diukur. Doll, Xia dan Torkzadeh dalam Wijanto (2008) mengukur validitas variabel dalam confirmamory factor analysis (CFA) model, sebagai berikut:
Pada first-order model pengukuran, standart factor loading (muatan faktor standar) variabel teramati (indikator) terhadap variabel laten merupakan estimasi validitas variabel teramati.
Pada second-order model pengukuran, standard structural coefficient dari faktor (variabel laten) pada konstruk yang lebih tinggi adalah estimasi validitas dari faktor tersebut.
Menurut Rigdon dan Ferguson dalam Wijanto (2008), suatu variabel dikatakan mempunyai validitas yang baik terhadap konstruk atau variabel
latennya jika nilai t muatan faktornya lebih besar dari nilai kritis (> 1.96) dan muatan faktor standarnya > 0.70.
Reliabilitas merupakan konsistensi suatu pengukuran. Evaluasi terhadap reliabilitas dari model pengukuran dalam SEM dapat digunakan composite reliability measure (ukuran reliabilitas komposit) dan variance extracted (ukuran ekstrak varian).
Reliabilitas komposit suatu konstruk dihitung dengan rumus sebagai berikut:
Std. Loading (standardized loading) dapat diperoleh dari keluaran program LISREL, dan ej adalah kesalahan pengukuran untuk setiap indikator atau variabel teramati (Fornel dan Larker dalam Wijanto, 2008).
Ekstrak varian mencerminkan jumlah varian keseluruhan dalam indikator yang dijelaskan oleh variabel laten. Ukuran ekstrak varian dapat dihitung dengan rumus sebagai berikut (Fornel dan Larker dalam Wijanto, 2008):
Dengan N adalah banyaknya variabel teramati dari model pengukuran. Hair et.al. dalam Wijanto (2008) menyatakan bahwa sebuah konstruk mempunyai reliabilitas yang baik jika nilai CR-nya > 0.70 dan VE-nya > 0.50.
Analisis terhadap model struktural mencakup pemeriksaan terhadap signifikansi koefisien-koefisien yang diestimasi. Metode SEM menyediakan nilai koefisien-koefisien yang diestimasi dan nilai t untuk setiap koefisien. Dengan menspesifikasikan tingkat signifikan (α =0.05), maka setiap koefisien yang mewakili hubungan kausal dapat diuji signifikansinya secara statistik. Evaluasi yang dilakukan terhadap solusi standar dimana semua koefisien mempunyai varian yang sama dan nilai maksimumnya adalah satu. Koefisien-koefisien tersebut serupa dengan
Contruct Reliability (CR)= (∑Std. Loading)2 . (∑Std. Loading)2 + ∑ej
Variance Extracted (VE)= (∑Std. Loading)2 N
koefisien beta pada regresi berganda, yaitu nilai koefisien yang mendekati nol menandakan pengaruh yang semakin kecil. Peningkatan koefisien ini berhubungan dengan peningkatan pentingnya variabel yang bersangkutan dalam hubungan kausal. Sebagai ukuran menyeluruh terhadap persamaan struktural, overall coefficient of determination (R2) dihitung seperti pada persamaan regresi berganda. Nilai R2 memberikan gambaran ukuran kecocokan relatif setiap persamaan struktural. Menurut Joreskog dalam Wijanto (2008), R2 pada structural equation tidak mempunyai interpretasi yang jelas sehingga untuk menginterpretasikan R2 seperti pada persamaan regresi berganda harus mengambil dari reduced form equation.
2. Analisis Deskriptif
Analisis deskriptif meliputi nilai jumlah, nilai maksimum dan minimum serta tingkatan untuk masing-masing faktor yang diukur dalam penelitian. Analisis deskriptif bertujuan untuk menggambarkan tingkatan partisipasi, kepuasan kerja dan komitmen karyawan dalam perusahaan secara keseluruhan. Analisis deskriptif menggunakan data kuantitatif dari hasil pengukuran dengan kuesioner dan didukung oleh data kualitatif dari hasil wawancara dengan beberapa karyawan dalam perusahaan. Sehingga dapat menggambarkan hasil pengukuran tingkat partisipasi, kepuasan kerja dan komitmen karyawan dengan lebih tepat. Setelah diketahui gambaran secara umum dari ketiga variabel tersebut selanjutnya akan dianalisis pengaruhnya.
3. Uji Chi Square(χ2)
Uji Chi Square yang digunakan adalah Chi Square Kruscal Wallis untuk mengetahui apakah terdapat perbedaan berdasarkan faktor demografi (usia, jenis kelamin, jenis pekerjaan, tingkat pendidikan dan masa kerja di perushaaan) terhadap tingkat partisipasi, kepuasan kerja dan komitmen organisasi.
IV. GAMBARAN UMUM PERUSAHAAN
A. SEJARAH SINGKAT DAN PERKEMBANGAN COCA COLA