a. Uji Validitas
Menurut (Ghozali, 2018: 51) uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner
66
dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut.
Pengujian dilakukan dengan menggunakan Pearson Correlation yaitu dengan cara menghitung korelasi antar skor masing-masing butir pertanyaan dengan total skor (Ghozali, 2018). Menurut (Sugiyono, 2017: 125) standar dari validitas ialah sebesar 0,3.
Sehingga jika nilai koefisien korelasi lebih besar dari 0,3 maka dapat dinyatakan valid tetapi jika nilai koefisien korelasi lebih kecil dari 0,3 maka dapat dinyatakan tidak valid.
b. Uji Reliabilitas
Uji reliabilitas adalah alat untuk mengukur keakuratan kuesioner yang merupakan indikator dari variabel atau konstruk (Ghozali, 2018: 45). Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. Untuk mengukur reliabilitas digunakan uji statistik Cronbach’s Alpha. Dalam penelitian ini variabel dikatakan reliabel jika memberikan nilai > 0.70. Sedangkan, jika sebaliknya data tersebut tidak reliabel atau handal (Ghozali, 2018:
45-46).
2. Uji Asumsi Klasik a. Uji Multikolonieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Uji
67
multikolinieritas dilihat dari nilai Tolerance dan Variance Inflation Factor (VIF) (Ghozali, 2009:95). Jika nilai VIF > 10 dan tolerance
< 0,1 maka menunjukkan adanya korelasi antara variabel independen dan sebaliknya jika nilai VIF < 10 dan tolerance > 0,1 maka hal ini menunjukkan tidak adanya korelasi antara variabel (Ghozali, 2018: 107).
b. Uji Heteroskedastisitas
Uji ini bertujuan untuk mengetahui apakah dalam suatu model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas.
Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Deteksi ada atau tidaknya heteroskedastisitas dapat dengan melihat grafik scatterplot antara SRESID dan ZPRED. Jika terdapat pola tertentu, seperti titik-titik yang ada membentuk gelombang, melebar atau menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. Sedangkan, jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas (Ghozali, 2018: 137-138).
c. Uji Normalitas
68
Uji normalitas dilakukan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Terdapat dua cara untuk mendeteksi apakah residual ber distribusi normal atau tidak, yaitu dengan analisis grafik dan analisis statistik. Pada penelitian ini uji normalitas menggunakan analisis statistik dengan metode Kolmogorov-Smirnov. Ketentuan dalam uji normalitas dengan metode Kolmogorov-Smirnov (Ghozali, 2018:
165-167), yaitu:
1) Data terdistribusi secara normal jika nilai probabilitas signifikan
> 0,05
2) Data tidak terdistribusi secara normal jika nilai probabilitas signifikan < 0,05
3. Analisis Koefisien Korelasi
Siregar (Ratna, 2016) mendefinisikan koefisien korelasi adalah ukuran yang digunakan untuk mengetahui derajat hubungan antara variabel-variabel. Menurut (Ghozali, 2018: 95), analisis korelasi bertujuan untuk mengukur kekuatan asosiasi (hubungan) linier antara dua variabel. Koefisien korelasi hanya menggambarkan keeratan hubungan antara variabel tetapi tidak menggambarkan kekuatan kausalitas atau sebab-akibat, karena korelasi hanya digunakan untuk mengukur derajat hubungan maka dalam analisis korelasi tidak terdapat istilah variabel eksogen atau endogen (Pardede & Manurung, 2014: 29-31).
69
Terdapat dua teknik korelasi yang sangat familiar yaitu Korelasi Pearson Product Moment bagi data yang menggunakan skala interval atau rasio dan Korelasi Rank Spearman bagi data yang menggunakan skala ordinal (Sarwono, 2012: 56). Pada penelitian ini, penulis menggunakan teknik Korelasi Pearson Product Moment sebab telah banyak digunakan oleh berbagai peneliti atau mahasiswa. Korelasi Pearson Product Moment merupakan korelasi yang hanya menggunakan atau melibatkan dua variabel saja dalam pengujian yaitu satu variabel independen dan satu variabel dependen. Nilai korelasi berada di antara -1<0<1 yaitu apabila nilai koefisien korelasi memiliki nilai tidak sama nol (0), maka terdapat korelasi antara dua variabel tersebut. Jika nilai koefisien korelasi memiliki nilai +1 dan nilai signifikan < 0,05 maka terdapat korelasi positif sempurna yang artinya taraf signifikansi dari pengaruh variabel indepen terhadap variabel sangat kuat. Sebaliknya, jika nilai koefisien korelasi memiliki nilai -1 dan nilai signifikan <0,05 maka terdapat korelasi negatif sempurna yang artinya taraf signifikansi dari pengaruh variabel independen terhadap variabel dependen sangat lemah (Ratna, 2016; Sarwono, 2012: 57).
Analisis ini dapat di lihat pada kolom Correlation dengan kriteria atau pengkategorian sebagai berikut.
Tabel 3. 2 Kriteria Korelasi
Nilai r Kriteria
0,00 s.d 0,29 Korelasi sangat lemah
70
0,30 s.d 0,49 Korelasi lemah
0,50 s.d 0,69 Korelasi cukup kuat
0,70 s.d 0,79 Korelasi kuat
0,80 s.d 1.00 Korelasi sangat kuat Sumber: Pardede dan Manurung (2014)
4. Analisis Jalur (Path Analysis)
Ghozali (2018: 245) menjelaskan bahwa untuk menguji pengaruh variabel intervening menggunakan metode analisis jalur (path analysis).
Analisis jalur merupakan perluasan dari analisis regresi linier berganda atau analisis jalur merupakan penggunaan analisis regresi untuk menaksir hubungan kausalitas antar variabel (model causal) yang telah ditetapkan sebelumnya berdasarkan teori. Menurut Robert D.
Retherford (J. Sarwono, 2011), “analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung tetapi juga secara tidak langsung.”
Istilah-istilah yang biasa digunakan dalam analisis jalur menurut Sarwono (J. Sarwono, 2011) adalah sebagai berikut:
a. Diagram jalur merupakan suatu diagram yang menghubungkan antara variabel independen, perantara/intervening, dan dependen yang ditunjukkan menggunakan anak panah.
b. Variabel eksogen merupakan variabel yang tidak ada anak panah yang menuju kearahnya.
71
c. Variabel endogen merupakan variabel yang mempunyai anak panah menuju kearahnya.
d. Koefisien jalur (ρ) merupakan koefisien regresi standar yang menunjukkan pengaruh langsung antara variabel independen terhadap variabel dependen dalam suatu model jalur tertentu.
e. Direct effect (DE) merupakan pengaruh langsung yang dapat di lihat dari koefisien jalur dari variabel eksogen ke variabel endogen.
f. Inderect effect (IE) merupakan urutan jalur melalui satu atau lebih variabel perantara dengan cara menambah nilai koefisien jalur variabel independen ke variabel perantara dengan nilai koefisien jalur variabel perantara ke variabel dependen.
g. Gangguan atau residu (e) menjelaskan adanya varian atau faktor yang tidak dapat diterangi dari selain dari variabel yang digunakan.
Menurut (Pardede & Manurung, 2014: 58-80), terdapat beberapa langkah secara berurutan yang harus di jalankan dalam menggunakan analisis jalur untuk memenuhi penelitian yang benar, yaitu:
a. Menentukan diagram jalurnya berdasarkan paradigma hubungan variabel
b. Menentukan persamaan struktural
c. Menganalisis dengan menggunakan SPSS, analisis terdiri dari dua langkah yaitu analisis substruktur 1 dan analisis substruktur 2.
d. Interpretasi hasil perhitungan SPSS berdasarkan diagram jalur yang ditentukan
72
e. Melalukan analisis jalur model trimming jika ada variabel eksogen yang koefisien jalurnya tidak signifikan.
f. Melakukan Uji Sobel untuk menghitung pengaruh tidak langsung.
Untuk langkah selanjutnya peneliti merumuskan persamaan struktural dan diagram jalur. Dimana diagram jalur ini menjelaskan tentang hubungan antara variabel eksogen atau independen (Pelatihan dan Pengembangan Karir) dengan variabel endogen atau dependen (Kinerja Karyawan) di mediasi oleh variabel intervening (Employee Engagement). Rumus model persamaan struktur 1 dan struktur 2 sebagai berikut:
a. Persamaan struktural I: Y = ρYX1 + ρYX2 + ϵ1
Dari gambar di atas diketahui bahwa variabel endogen (Y) dan variabel eksogen (X1 dan X2).
b. Persamaan struktur II: Z = ρZX1 + ρZX2 + ρZY + ϵ2 Employee Engagement (Y) Pengembangan
Karir (X2) Pelatihan (X1)
Gambar 3. 1 Diagram Jalur Sub Struktur 1
73
Dari gambar di atas diketahui bahwa variabel endogen (Z) dan variabel eksogen (X1, X2, dan Y).
5. Uji Hipotesis
a. Koefisien Determinasi (Goodness of Fit)
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan dalam menerangkan variasi variabel dependen.
Pada output SPSS yang menunjukkan nilai koefisien determinasi adalah besaran nilai Adjusted R2. Nilai koefisien determinasi berada antara nol dan satu. Nilai R2 yang kecil menunjukkan bahwa kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Namun saat nilai mendekati satu berarti variabel-variabel independen dapat memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sehingga dapat disimpulkan saat nilai Adjusted R2 semakin mendekati nilai satu maka semakin baik (Ghozali, 2018:
97).
Kinerja Karyawan (Z) Pelatihan (X1)
Pengembangan Karir (X2)
Employee Engagement (Y)
Gambar 3. 2 Diagram Jalur Sub Struktur 2
74
Pengaplikasian koefisien determinasi dalam penelitian ini untuk mengetahui seberapa jauh variabel dependen (Employee Engagement) dapat dijelaskan oleh variabel independen (Pelatihan dan Pengembangan Karir) dalam persamaan substruktur 1 serta variabel dependen (Kinerja Karyawan) dapat dijelaskan oleh variabel independen (Pelatihan, Pengembangan Karir, dan Employee Engagement) dalam persamaan substruktur 2.
b. Uji Signifikan Simultan (Uji F)
Uji statistik F digunakan untuk mengetahui pengaruh semua variabel independen yang dimasukkan dalam model regresi secara bersama-sama terhadap variabel dependen yang diuji pada tingkat signifikan 0.05 (Ghozali, 2018: 98). Pengujian uji F dapat dilihat pada output ANOVA dengan kriteria penilaian sebagai berikut:
1) Apabila besarnya nilai probabilitas signifikansi < 0,05 maka Ha diterima dan Ho ditolak
2) Apabila besarnya nilai probabilitas signfikansi > 0,05 maka Ho diterima dan Ha ditolak
c. Uji Signifikan Parsial (Uji t)
Uji statistik t digunakan untuk menguji antar variabel-variabel secara parsial. Uji statistik t menunjukkan seberapa jauh pengaruh variabel penjelas atau independen secara individual dalam menerangkan variasi variabel dependen dan digunakan untuk mengetahui ada atau tidaknya pengaruh masing-masing variabel
75
independen secara individual terhadap variabel dependen yang diuji pada tingkat signifikansi 0.05 (Ghozali, 2018: 98). Pada penelitian ini pengaplikasian uji t digunakan untuk mengetahui pengaruh signifikansi pada variabel Pelatihan, Pengembangan Karir, Employee Engagement, dan Kinerja Karyawan berdasarkan persamaan substruktur.
Dasar pengambilan keputusan untuk uji t (parsial) berdasarkan nilai t hitung dan t tabel.
1) Jika t hitung > t tabel, maka variabel independen (X) berpengaruh terhadap variabel dependen (Y).
2) Jika t hitung < t tabel, maka variabel independen (X) tidak berpengaruh terhadap variabel dependen (Y).
Kemudian berdasarkan nilai signifikansi hasil output SPSS adalah:
1) Jika nilai Sig. < 0,05 maka variabel independen (X) berpengaruh signifikansi terhadap variabel dependen (Y)
2) Jika nilai Sig. > 0,05 maka variabel independen (X) tidak berpengaruh signifikansi terhadap variabel dependen (Y) 6. Uji Sobel
Ghozali (2018: 244-245) menjelaskan bahwa pengujian hipotesis mediasi atau intervening dapat dilakukan dengan prosedur yang dikembangkan oleh Sobel yang dikenal dengan istilah Uji Sobel (Sobel Test). Uji Sobel digunakan dengan menguji kekuatan pengaruh tidak langsung variabel independen (X) terhadap variabel kinerja dependen
76
(Z) melalui variabel intervening (Y). Pengaruh tidak langsung ini dihitung dengan cara mengalikan jalur X Y (a) dengan jalur Y Z (b) atau ab. Jadi koefisien ab = (c-c’), dimana c adalah pengaruh X terhadap Z tanpa mengontrol Y, sedangkan c’ adalah koefisien pengaruh X terhadap Z setelah mengontrol Y. Standard error koefisien a dan b ditulis dengan sa dan sb dan besarnya standard error pengaruh tidak langsung (indirect effect) adalah sab yang dihitung dengan rumus di bawah ini:
Sab = √(b²sa²+a²sb²+sa²sb²) Keterangan:
Sab: besarnya standar error pengaruh tidak langsung
a : Jalur variabel independen (X) dengan variabel intervening (Z) b : Jalur variabel intervening (Z) dengan variabel dependen (Y) sa : Standar error koefisien a
sb : Standar error koefisien b
Untuk menguji pengaruh tidak langsung, maka perlu menghitung nilai t dari koefisien ab dengan rumus sebagai berikut:
t = ab/sab
Nilai t hitung ini dibandingkan dengan nilai t tabel, jika nilai t hitung >
nilai t tabel maka dapat disimpulkan terjadi pengaruh mediasi.