Kerangka Pemikiran
Permasalahan dasar yang dihadapi oleh UKM salah satunya adalah masalah SDM. Sumberdaya manusia di UKM seringkali kurang memiliki pengetahuan dan penguasaan teknologi terbaru sehingga mengakibatkan rendahnya kualitas produk dan produktivitas yang dihasilkan. Kurangnya pengetahuan akan pasar, teknis, serta manajerial mengakibatkan kinerja UKM rendah. Untuk meningkatkan kemampuan dan keterampilan serta memiliki pengetahuan yang sedang berkembang saat ini dari SDM yang terdapat di UKM maka UKM harus menjadi organisasi pembelajar. Proses pembelajaran dalam UKM tidak lepas dari peran pemilik dan karyawan UKM yang mau terus belajar dalam mengadopsi dan mengakuisisi ilmu pengetahuan yang terkait dengan bisnis yang dijalankan akan meningkatkan dan penguasaan pengetahuan serta dalam penggunaan teknologi terbaru yang berguna untuk perbaikan kualitas produk dan peningkatan produksi yang akan meningkatkan kinerja UKM. Proses pembelajaran yang terus menerus dilakukan akan menghasilkan inovasi dalam UKM. Inovasi sendiri didorong oleh kemampuan dari SDM pada UKM untuk melihat peluang yang ada sehingga dapat menghasilkan keunggulan UKM sebagai hasil dari inovasi yang dilakukan. Dengan adanya inovasi, maka UKM dapat bersaing dengan pesaingnya dan meningkatkan kinerja UKM.
Penelitian ini menggunakan peubah dan indikator yang diadaptasi dari teori-teori pada penelitian terdahulu. Organisasi pembelajar mengadaptasi dari DLQQ teori Watkins dan Marsick (2003) yaitu: create continous learning opportunities, promote inquiry and dialogue, encourage collaboration and team learning, establish systems to capture and share learning, empower people toward a collective vision, connect the organization to its community and environment, provide strategic leadership for learning dengan merujuk pada penelitian dari Power dan Waddel (2014), Anggraeni (2006), Chajnacki (2007), dan Sampe (2012). Inovasi dibangun dari teori Afuah (1998) dimana inovasi terdiri dalam tiga bagian, yaitu: inovasi teknologi, inovasi pasar, dan inovasi manajemen. Kinerja UKM yang digunakan dalam penelitian ini dibangun dari dimensi kinerja pada Power dan Waddel (2004) dan Sampe (2012) yaitu: kinerja keuangan, kinerja pasar, kinerja pengetahuan, dan kepuasan karyawan. Setiap indikator pada peubah akan digunakan dalam kuesioner yang dibagikan kepada responden dan setelah data diperoleh maka akan dilakukan pengolahan data dengan menggunakan Structural Equation Modelling (SEM) dengan pendekatan Partial Least Square (PLS). Hasil pengolahan data yang diperoleh dapat dijadikan sebagai rekomendasi atau implikasi manajerial kepada pihak UKM dan pemerintah Kota Bogor mengenai pengaruh organisasi pembelajar dan inovasi terhadap kinerja UKM sektor pertanian di Kota Bogor. Berikut merupakan kerangka pemikiran dalam penelitian ini yang ditampilkan pada Gambar 2.
Gambar 2 Kerangka Pemikiran UKM Sektor Pertanian di
Kota Bogor
Sumberdaya Manusia (SDM) UKM
Organisasi Pembelajar
(Watkins dan Marsick 2003) :
1. Continous Learning
2. Inquiry and Dialogue
3. Encourage Collaboration and
Team Learning
4. Systems to Capture and Share
Learning
5. Empowerment
6. Community and Environment
7. Strategic Leadership for Learning
Inovasi (Afuah 1998) : 1. Teknologi 2. Pasar 3. Manajemen Kinerja UKM
(Power dan Waddel 2004; Salim dan Sulaiman 2011; Sampe 2012) 1. Keuangan 2. Pasar 3. Pengetahuan 4. Kepuasan Karyawan Implikasi Manajerial Structural Equation Modelling (SEM)
Pengaruh organisasi pembelajar dan inovasi terhadap kinerja UKM di Kota
Lokasi dan Waktu Penelitian
Penelitian ini dilakukan pada UKM sektor pertanian yang terletak di Kota Bogor. Pemilihan lokasi di Kota Bogor karena berada di antara jalur tujuan wisata Puncak dan Cianjur serta dekat Ibu Kota Negara sehingga Kota Bogor memiliki potensi strategis untuk perkembangan dan pertumbuhan ekonomi serta peluang untuk tumbuhnya UKM yang menghasilkan produk-produk yang menjadi ciri khas atau oleh-oleh khas dari Kota Bogor baik itu dalam bentuk makanan dan minuman, kerajinan, dan sebagainya. Pengambilan data dilakukan dari bulan Januari 2015 sampai dengan bulan Maret 2015.
Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Data primer diperoleh melalui wawancara mendalam dengan pemilik dan karyawan UKM serta dengan membagikan kuesioner kepada pemilik UKM dan karyawan UKM yang terkait. Data sekunder diperoleh dari berbagai sumber literatur, baik berupa buku, jurnal, penelitian terdahulu, internet, serta data-data yang terkait dengan UKM di Kota Bogor. Pada kuesioner, skala yang digunakan adalah skala hedonik dimana skala hedonik digunakan untuk mengetahui perbedaan berdasarkan tingkat kesetujuan responden terhadap setiap indikator pada kuesioner yaitu dari sangat tidak setuju sampai dengan sangat setuju (0-10).
Metode Pengambilan Sampel
Populasi UKM di Kota Bogor yang dijadikan acuan dalam pengambilan sampel dilihat dari data yang dimiliki Dinas KUKM (Koperasi dan Usaha Kecil Menengah) dan Disperindag (Dinas Perindustrian dan Perdagangan) Kota Bogor. Berdasarkan data UKM pada tahun 2014 dari Dinas KUKM Kota Bogor berjumlah 850 UKM yang terdaftar. Data dari Dinas Perindustrian dan Perdagangan Kota Bogor terdapat 524 IKM yang mencakup tujuh jenis usaha, antara lain makanan dan minuman, aneka industri, kerajinan, logam, mesin dan elektronika, kimia-farmasi, dan tekstil. Berikut merupakan distribusi populasi IKM di Kota Bogor berdasarkan jenis usaha yang ditampilkan pada Tabel 5 di bawah ini.
Tabel 5 Populasi IKM Kota Bogor berdasarkan jenis usaha
No. Jenis Usaha Jumlah
1 Makanan dan Minuman 198
2 Aneka Industri 29 3 Kerajinan 47 4 Logam 20 5 Mesin Elektronika 27 6 Kimia-farmasi 166 7 Tekstil 37 Total 524 Sumber: Disperindag Kota Bogor (2014)
Penelitian ini yang menjadi fokus penelitian hanya dibatasi pada tiga kluster UKM, yaitu aneka industri, kerajinan, dan makanan dan minuman. Ketiga jenis usaha tersebut berkaitan dengan pertanian dan memiliki ancaman yang cukup kuat dengan adanya produk-produk yang masuk dari negara-negara yang tergabung dalam MEA. Sehingga jumlah populasi UKM pada penelitian ini hanya berjumlah 274 UKM. Data yang digunakan adalah data dari Disperindag Kota Bogor. Pengalokasian sampel untuk UKM dikelompokkan berdasarkan jenis komoditas yang dihasilkan UKM secara proporsi yaitu sebesar 30 persen dari total keseluruhan ketiga kluster UKM yang dipilih pada penelitian ini. Jika populasi besar atau di atas 100, maka 30 persen dari jumlah populasi dapat dianggap cukup untuk menentukan jumlah sampel yang ingin diambil (Idrus 2009). Maka jumlah sampel UKM sebanyak 82 UKM dari 30 persen populasi ketiga kluster UKM. Sedangkan penentuan ukuran sampel UKM dengan menggunakan rumus slovin sebagai berikut:
…………... (1) = 73 Keterangan: n = sampel N = populasi e =sampling error
Tingkat kesalahan pengambilan sampel (sampling error) sebesar 10% maka jumlah sampel UKM berjumlah 73 UKM. Berdasarkan perbandingan penentuan ukuran sampel antara pengambilan 30 persen dari populai ketiga UKM dengan penentuan ukuran sampel dengan rumus slovin, maka penelitian ini menggunakan penentuan ukuran sampel dengan menggunakan rumus slovin. Penggunaan dengan rumus slovin untuk jumlah sampel dipilih, dikarenakan tingkat kesalahan (error) yang lebih kecil yaitu sebesar 10 persen dibandingkan dengan penentuan ukuran sampel dari 30 persen populasi ketiga kluster UKM. Maka jumlah sampel UKM pada penelitian ini, yaitu berjumlah 73 UKM seperti yang ditampilkan pada Tabel 6 di bawah ini.
Tabel 6 Jumlah target sampel UKM sektor pertanian Kota Bogor
No. Jenis UKM Jumlah
UKM Persentase Target (%) Target Sampel 1 Aneka Industri 29 10.58 8 2 Kerajinan 47 17.15 13
3 Makanan dan Minuman 198 72.26 53
Total 274 100 73
Metode pengambilan sampel pada penelitian ini menggunakan teknik multi stage sampling yang merupakan teknik kombinasi beberapa teknik sampling yang ada dan terkait dengan kondisi populasinya sehingga akan tepat untuk menjaring subjek penelitian (Idrus 2009). Oleh karena itu, teknik sampling yang digunakan menggunakan teknik stratified sampling dan proportional sampling. Tahap pertama untuk pengambilan sampel UKM menggunakan metode stratified sampling. Penentuan strata sampel UKM adalah jenis usaha berdasarkan data
Disperindag Kota Bogor, yaitu UKM aneka industri, UKM kerajinan, dan UKM makanan dan minuman. Tahap kedua menggunakan proportional sampling untuk jumlah sampel UKM yang diambil dari masing-masing kluster UKM yang dipilih pada penelitian ini. Proporsi sampel UKM pada penelitian ini, antara lain: aneka industri 10.58 persen, kerajinan 17.15 persen, dan makanan dan minuman 72.26 persen. Maka jumlah sampel UKM dari ketiga kluster UKM pada penelitian ini, antara lain: 8 UKM aneka industri, 13 UKM kerajinan, dan 53 UKM makanan dan minuman seperti yang ditampilkan pada Tabel 6. Tahap ketiga yaitu pemilihan sampel UKM pada masing-masing kluster UKM dengan menggunakan systematic random sampling.
Obyek survei dalam penelitian ini terdiri dari pemilik dan karyawan UKM. Pemilihan obyek survei (responden) pada setiap UKM untuk karyawan distratakan menurut bagian pekerjaan dan diambil secara acak sesuai dengan jumlah karyawan yang dapat mewakili setiap bagian pekerjaan yang ada pada UKM tersebut. Realisasi pelaksanaan survei untuk mendapatkan sampel UKM sektor pertanian Kota Bogor pada penelitian ini, pada awalnya jumlah sampel UKM yang menjadi target dalam penelitian ini berjumlah 73 UKM dan yang terealisasi sebanyak 46 UKM seperti yang terlihat pada Tabel 7 di bawah ini.
Tabel 7 Target dan realisasi jumlah sampel UKM
No. Jenis UKM Jumlah UKM Persentase Target (%) Target Sampel Realisasi Persentase Realisasi (%) 1 Aneka Industri 29 10.58 8 9 116.49 2 Kerajinan 47 17.15 13 16 127.78 3 Makanan dan Minuman 198 72.26 53 21 39.81 Total 274 100 73 46 63.01
Target awal untuk sampel UKM pada penelitian ini sebanyak 73 UKM akan tetapi sampel yang didapatkan hanya berjumlah 46 UKM. Terdapat beberapa faktor yang mempengaruhi peneliti dalam mendapatkan sampel UKM yang tidak sesuai target, yaitu cukup banyak UKM yang menolak untuk dijadikan sampel penelitian baik dikarenakan UKM tersebut sedang tidak melakukan produksi dan tidak ada karyawan, sedang ada yang melakukan penelitian, dan sudah banyak penelitian dari mahasiswa yang dilakukan di UKM tersebut. Faktor lain yaitu, cukup banyak UKM yang sudah tidak beroperasi lagi atau UKM yang tutup usaha serta batas waktu pengambilan data yang sudah selesai dimana dimulai dari bulan Januari sampai bulan Maret 2015. Pencapaian jumlah sampel sebanyak 46 UKM dengan estimasi kesalahan (error) sebesar 14 persen dengan menggunakan rumus slovin dan persentase realisisasi jumlah sampel sebesar 63.01 persen masih merepresentasikan dan cukup mewakili proporsi sampel UKM pada penelitian ini dengan jumlah responden keseluruhan berjumlah 149 orang.
Metode Pengolahan Data dan Analisis Data
Data yang diperoleh dalam penelitian ini dianalisis dengan menggunakan metode analisis deskriptif, dan analisis Structural Equation Modelling (SEM).
Uji Validitas dan Reliabilitas
Validitas adalah indeks yang menunjukkan sejauh mana alat pengukur betul-betul mengukur apa yang diukur. Reliabilitas adalah indeks yang menunjukkan sejauh mana suatu alat ukur dapat dipercaya atau diandalkan (konsisten) jika dilakukan pengukuran dua kali atau lebih terhadap gejala yang sama (Noor 2011). Uji validitas dan reliabilitas dilakukan dengan menggunakan bantuan Microsoft Excel 2007 dan software IBM SPSS. Uji validitas suatu data dinyatakan valid apabila nilai korelasi pada setiap butir pertanyaan lebih dari atau signifkan terhadap α ≥ 5 persen. Pada uji reliabilitas, suatu data dikatakan baik atau reliabel jika nilai dari suatu suatu peubah memiliki nilai cronbach’s alpha lebih besar dari 0.60. Uji validitas dan reliabilitas awal dilakukan pada 20 responden pertama untuk mengetahui indikator yang digunakan sudah valid dan reliabel atau tidak sehingga indikator tersebut dapat digunakan kembali atau diperbaiki pada responden selanjutnya.
Nilai r tabel pada 20 responden adalah sebesar 0.4438. Semua indikator pada ketiga peubah laten pada penelitian ini memiliki nilai r hitung lebih besar dari nilai r tabel sebesar 0.4438 pada α = 5 persen sehingga setiap indikator pada setiap peubah yang digunakan dinyatakan valid dan dapat digunakan pada responden berikutnya. Nilai cronbach’s alpha pada ketiga peubah lebih besar dari 0.60 yaitu 0.970 (organisasi pembelajar), 0.839 (inovasi), dan 0.920 (kinerja UKM) sehingga dapat disimpulkan bahwa setiap indikator pada ketiga peubah dinyatakan reliabel dan mampu untuk memberikan hasil yang sama sehingga dapat digunakan kembali pada penelitian berikutnya. Hasil uji validitas dan reliabilitas pada 20 responden pertama seperti yang tertera pada Lampiran 3.
Analisis Deskriptif
Menurut Istijanto (2006), analisis deskriptif bertujuan untuk mengubah kumpulan data mentah menjadi bentuk yang mudah dipahami, dalam bentuk informasi yang lebih ringkas. Analisis deskriptif bertujuan untuk mengetahui karakteristik dari responden berdasarkan umur, jenis kelamin, tingkat pendidikan terakhir, dan lain sebagainya serta karakteristik UKM pada penelitian ini. Analisis deskriptif dengan menggunakan rata-rata dari tiap indikator yang didapatkan dari setiap jawaban responden berdasarkan pertanyaan yang ada pada kuesioner untuk melihat karakteristik dari setiap peubah (organisasi pembelajar, inovasi, dan kinerja UKM) pada tiga kluster UKM pada penelitian ini. Berdasarkan rata-rata setiap indikator ditentukan rentang skala penilaian untuk menentukan posisi dari persepsi untuk kesetujuan dan ketidaksetujuan responden yang diperoleh dengan rumus di bawah ini:
…………... (2) =
Keterangan: Rs = rentang skala
a = skor kategori terendah b = skor kategori tertinggi M = jumlah kategori
Berdasarkan hasil dari nilai rentang skala diatas, maka didapatkan rentang skala untuk menentukan persepsi responden seperti yang ditunjukkan pada Tabel 8 di bawah ini.
Tabel 8 Nilai rentang skala
Rentang Skala Penilaian 0 – 2.0 Sangat Tidak Setuju 2.1 – 4.0 Tidak Setuju 4.1 – 6.0 Cukup Setuju
6.1 – 8.0 Setuju
8.1 – 10.0 Sangat Setuju
Analisis Structural Equation Modelling (SEM)
Ghozali (2008) menjelaskan bahwa, model persamaan struktural merupakan persamaan silmultan yang memfokuskan pada prediksi yang mampu menggambarkan peubah laten (tak terukur langsung) dan diukur tidak langsung berdasarkan pada indikator-indikator (variable manifest). SEM bagi para peneliti ilmu sosial memberikan kemampuan untuk melakukan analisis jalur (path) dengan peubah laten. Analisis SEM memiliki fleksibilitas yang lebih tinggi bagi peneliti untuk menghubungkan teori dan data. Noor (2011) menjelaskan bahwa analisis SEM menggabungkan dua buah model yaitu:
1. Model struktur (structural model)
Terdiri dari peubah laten eksogen dan peubah laten endogen. 2. Model pengukuran (measurement model)
Merupakan indikator dari peubah laten eksogen dan endogen.
Analisis SEM merupakan gabungan regresi ganda dan peubah laten yang dibangun dengan analisis faktor dari indikator atas peubah laten tersebut (Noor 2011). Penelitian ini akan menggunakan alat analisis SEM dengan pendekatan Partial Least Square (PLS) dengan software smartPLS untuk melihat pengaruh antar dua peubah laten yaitu peubah eksogen dan endogen.
Analisis SEM dengan Pendekatan Partial Least Square (PLS)
Partial Least Square (PLS) pertama kali dikembangkan oleh Wold sebagai metode umum untuk mengestimasi path model yang menggunakan konstruk laten dengan multiple indikator (Ghozali 2008). Ghozali (2008) menjelaskan bahwa PLS merupakan factor indeterminacy metode analisis yang powerful oleh karena tidak mengasumsikan data harus dengan pengukuran skala tertentu, jumlah sampel kecil, dan untuk konfirmasi teori. Model analisis jalur semua peubah laten dalam PLS terdiri dari tiga set hubungan, yaitu:
1. Inner model
Menspesifikasikan hubungan antar peubah laten (structural model) berdasarkan substantive theory. Evaluasi model struktural dengan
menggunakan R2 untuk peubah laten endogen, estimasi koefisien jalur, f2 untuk effect size, dan relevansi prediksi (Q2 dan q2).
2. Outer model
Menspesifikasikan hubungan antara peubah laten dengan indikator atau peubah manifestnya (measurement model). Evaluasi model pengukuran refleksif dengan menggunakan loading factor, composite reability, average variance extracted (AVE), validitas diskriminan, cross loading. Evaluasi model pengukuran formatif dengan menggunakan signifikansi nilai weight dan multikolonieritas.
3. Weight relation
Dimana nilai kasus dari peubah laten dapat diestimasi dalam memberikan spesifikasi untuk inner dan outer model dalam estimasi algoritma PLS.
Penelitian ini menggunakan dua peubah utama yang diteliti yaitu: peubah eksogen (peubah bebas) dan peubah endogen (peubah terikat). Peubah eksogen pada penelitian ini adalah peubah organisasi pembelajar sedangkan peubah endogen pada penelitian ini adalah peubah inovasi dan kinerja UKM. Definisi operasional setiap peubah dengan setiap indikatornya yang digunakan untuk menjelaskan hubungan refleksi antara indikator dengan peubah latennya dapat dilihat pada Lampiran 1.
Hipotesis pada penelitian ini terdiri dari tiga hipotesis dimana hipotesis merupakan suatu jawaban sementara dalam penelitian dari rumusan masalah yang telah ditetapkan dan dinyatakan dalam bentuk kalimat pertanyaan (Sugiyono 2012). Hipotesis pada penelitian ini yaitu:
H1: Organisasi pembelajar memberikan pengaruh terhadap inovasi UKM sektor pertanian di Kota Bogor.
H2: Organisasi pembelajar memberikan pengaruh terhadap kinerja UKM sektor pertanian di Kota Bogor.
H3: Inovasi memberikan pengaruh terhadap kinerja UKM sektor pertanian di Kota Bogor.
Model penelitian ini diolah dengan menggunakan pendekatan PLS yang menunjukkan hubungan antara indikator dengan peubah latennya seperti yang ditampilkan pada Gambar 3 di bawah ini.
23
Gambar 3 Model Penelitian SEM PLS Organisasi Pembelajar Teknologi Keuangan Pasar Pengetahuan Kepuasan Karyawan Kinerja UKM Inovasi Continous Learning
Inquiry and Dialogue
Community and Environment Systems Capture
Strategic Leardership Team Learning
Empowerment
Berdasarkan Gambar 2 menunjukkan, organisasi pembelajar diharapkan dapat memberikan pengaruh pada kinerja UKM dengan tujuh indikator dari organisasi pembelajar antara lain continous learning (CL), inquiry and dialogue (ID), encourage collaboration and team learning (TL), systems capture and share learning (SC), empowerment (EM), community and environment (CE), dan strategic leadership (SL). Inovasi juga diharapkan dapat memberikan pengaruh langsung terhadap kinerja UKM dengan adanya pengaruh tidak langsung dari organisasi pembelajar dan terdapat tiga indikator inovasi antara lain teknologi (T), pasar (P), dan manajemen (M). Indikator yang membentuk peubah kinerja terdapat empat indikator antara lain keuangan (KN), pasar (PS), pengetahuan (PN), dan kepuasan karyawan (KK).