Pengolahan dan Analisis Data

III. METODE PENELITIAN

3.3. Metode Penelitian

3.3.2. Pengolahan dan Analisis Data

Analisa data pada penelitian ini menggunakan SEM atau model persamaan struktural. SEM adalah teknik analisis multivariate yang memungkinkan peneliti untuk menguji hubungan antara peubah yang kompleks baik recursive maupun non-recursive untuk memperoleh gambaran menyeluruh mengenai keseluruhan model (Ghozali dan Fuad, 2005).

SEM terdiri dari peubah laten (latent variables) dan peubah teramati (measured variables). Peubah laten merupakan peubah kunci yang menjadi perhatian dalam SEM dan merupakan konsep abstrak. Peubah laten dibagi atas peubah eksogen (ξ1) yang merupakan peubah bebas pada semua persamaan yang ada dalam SEM dan peubah endogen (ε) yang terikat paling sedikit satu persamaan dalam model. Parameter yang menunjukkan regresi peubah laten endogen pada

peubah laten eksogen disimbolkan dengan γ (gamma), sedangkan

regresi peubah laten endogen terhadap peubah laten endogen lainnya

disimbolkan dengan β (beta). Peubah teramati merupakan peubah yang dapat diamati atau dapat diukur secara empiris dan sering disebut dengan indikator. Peubah teramati merupakan efek atau ukuran dari peubah laten. Pada metode survei dengan menggunakan kuesioner, setiap pertanyaan pada kuesioner mewakili sebuah peubah teramati. Muatan faktor yang menghubungkan peubah laten dengan peubah teramati disimbolkan dengan λ (lambda). Simbol diagram lintasan dari peubah teramati adalah bujur sangkar/empatpersegi panjang dan pemberian nama peubah diamati biasanya menggunkan notasi matematika ( X dan Y). Model pada SEM terdiri dari dua, yaitu model persamaan struktural yang menggambarkan hubungan antara peubah laten dan model pengukuran yang menggambarkan hubungan antara peubah laten dengan peubah teramati. (Wijianto, 2008).

Salah satu kelebihan metode SEM adalah dapat mengidentifikasi kesalahan pengukuran. Kesalahan struktural menunjukkan peubah bebas tidak dapat memprediksi peubah terikat secara sempurna, kesalahan struktural dilambangkan dengan δ (zeta). Kesalahan

pengukuran mengidentifikasikan peubah teramati dari suatu peubah laten tidak dapat merefleksikan peubah laten secara sempurna, sehingga penambahan kesalahan pegukuran diperlukan agar model menjadi lengkap. Kesalahan pengukuran yang berkaitan dengan peubah teramati

X dilambangkan dengan δ (delta) dan peubah teramati Y dilambangkan dengan ε (epsilon). Semakin kecil nilai kesalahan pengukuran maka

model semakin baik, dengan nilai cut off error 0,6, artinya apabila nilai error melebihi 0,6 maka peubah indikator tidak sahih sebagai manifestasi dari peubah latennya (Sitinjak dan Sugiarto, 2006).

SEM memiliki karakteristik yang berbeda dengan regresi biasa. Regresi biasa pada umumnya menspesifikasikasikan hubungan kausal antara peubah yang teramati, sedangkan pada model peubah laten SEM, hubungan kausal terjadi diantara peubah-peubah tidak teramati atau peubah-peubah laten. Secara umum, prosedurnya melalui tahap-tahap berikut :

1. Spesifikasi model

Tahap ini berkaitan dengan pembentukan model awal persamaan struktural, sebelum dilakukan estimasi. Model awal diformulasikan berdasarkan suatu teori atau penelitian sebelumnya.

2. Identifikasi

Tahap ini berkaitan dengan pengkajian tentang kemungkinan diperolehnya nilai yang unik untuk setiap parameter yang ada di dalam model dan kemungkinan persamaan simultan tidak ada solusinya.

3. Estimasi

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 biasanya ditentukan berdasarkan karakteristik dari peubah-peubah yang dianalisis.

4. Uji kecocokan

Tahap ini berkaitan dengan pengujian kecocokan antara model dengan data. Beberapa kriteria kecocokan atau Goodness Of Fit (GOF) dapat digunakan untuk melaksanan langkah ini.

Uji kecocokan terdiri dari : a. Chi-square

Digunakan untuk menguji seberapa dekat kecocokan antara matrik kovarian contoh dengan matrik kovarian model. Menurut Wijanto (2008), nilai yang semakin kecil semakin baik.

b. RMSEA (Root Mean Square Error of Approximation)

RMSEA adalah rata-rata perbedaan per derajat perbedaan yang diharapkan terjadi dalam populasi, bukan dalam contoh. McCallum dalam Wijanto (2008) menjelaskan nilai RMSEA sebagai berikut :

0,05 < RMSEA ≤ 0,08 (good fit) 0,08 < RMSEA ≤ 0,10 (marginal fit) RMSEA > 0,10 (poor fit)

c. GFI (Goodness-of-Fit Index)

GFI merupakan ukuran kesesuaian model secara deskriptif.

GFI ≥ 0,90 merupakan tingkat kecocokan yang baik. (Schumacker dan Lomax dalam Kusnendi 2007) d. AGFI (Adjusted Goodness-of-Fit Index)

AGFI merupakan perluasan dari GFI yang disesuaikan dengan degree of freedom. Menurut Sharma dalam Surahman (2008),

AGFI ≥ 0,8 memiliki tingkat kecocokan yang baik. e. NFI (Normed Fit Index)

NFI merupakan ukuran komparatif terhadap base line atau model null. NFI = 0,90 artinya model diindikaskan 90% lebih baik bila dibandingkan model nullnya. NFI ≥ 0,90 memiliki

tingkat kecocokan yang baik (Schumacker dan Lomax dalam Kusnendi 2007).

f. NNFI (Non Normed Fit)

NNFI merupakan ukuran kesesuaian model sebagai koreksi terhadap ukuran NFI. NNFI ≥ 0,90 memiliki tingkat kecocokan yang baik (Schumacker dan Lomax dalam Kusnendi 2007). g. CFI (Comparative Fit Index)

CFI merupakan ukuran kesesuaian model berbasis komparatif dengan model null. CFI mempunyai nilai dalam kisaran 0,0 sampai 1,0. CFI > 0.90 mengindikasikan model cocok dengan data.

Selain uji kecocokan di atas, dalam metode SEM terdapat uji kecocokan pengukuran yang dilakukan terhadap setiap konstruk atau model pengukuran (hubungan antara sebuah peubah laten dengan beberapa peubah yang teramati) secara terpisah melalaui evaluasi validitas dan reliabilitas dari model pengukuran.

a. Uji validitas

Validitas berhubungan dengan apakah suatu peubah mengukur apa yang seharusnya diukur. Menurut Rigdon dan Ferguson dalam Wijanto (2008), suatu peubah memiliki validitas yang baik terhadap konstruk atau peubah latennya, apabila :

1) Nilai t muatan faktornya (loading factor) lebih besar dari

nilai kritis (atau ≥ 1,96 atau untuk praktisnya ≥ 2)

2) Muatan faktor standarnya (standardized loading factors) ≥ 0,70.

b. Uji Reliabilitas

Reliabilitas adalah konsistensi suatu pengukuran. Reliabilitas tinggi menunjukkan bahwa indikator memiliki konsistensi tinggi dalam mengukur konstruk latennya.

Uji reliabilitas dihitung dengan rumus (Hair et.al., dalam Wijanto, 2008) :

Construct reliability =

Variance extracted =

Sebuah konstruk memiliki nilai reliabilitas yang baik apabila nilai construct reliability ≥ 0,70 dan variance extracted ≥ 0,5.

5. Respesifikasi

Tahap ini berkaitan dengan respesifikasi model berdasarkan atas hasil uji kecocokan tahap sebelumnya.

Analisa data digunakan untuk menjelaskan hubungan antara penerapan TQM terhadap produktivitas kerja karyawan. Analisa data juga digunakan untuk menentukan faktor dominan dari setiap unsur TQM dalam mempengaruhi produktivitas kerja karyawan. Analisa masing-masing peubah akan diolah dengan menggunakan software Linear Structural Relationship (LISREL) 8.30.

Peubah penerapan TQM dengan indikator berikut : X1 = SDM

X2 = Standar (STD) X₃ = Sarana (SAR) X₄ = Organisasi (ORG) X₅ = Audit Internal (AUD) X₆ = Diklat (DIK)

Peubah diatas dikorelasikan dengan peubah produktivitas kerja karyawan (PK), dengan indikator berikut :

Y₁ = Kemauan kerja (MAU) Y₂ = Kemampuan kerja (MAM) Y3 = Lingkungan kerja (LIN) Y4 = Hubungan kerja (HUB)

k i k i ⁱ ij k i ^ij v 1 1 2 1 2 ) ( ) ( ) ( k i k i ⁱ ij k i ^ij

v

1 1 2 1 2

)

(

)

(

)

(

……… (4) …………(5)

X6 X5 X4 X3 X2 X1 Y4 Y3 Y2 Y1 TQM PK λX ₁ λX ₂ λX 3 λX ₄ λX 5 λX 6 λY1 λY2 λY3 λY4 ε1

δ

5 γ

δ

6

δ

4

δ

3

δ

2

δ

1 ε2 ε3 ε4

Secara umum model SEM penelitian “Pengaruh Penerapan TQM terhadap Produktivitas Kerja Karyawan” dapat dijelaskan pada Gambar 3.

Notasi matematika dari persamaan struktural adalah :

PK = γ TQM + δ

Notasi matematika dari persamaan pengukuran adalah :

X1 = λX1 TQM + δ1 Y1 = λY1 PK + ε1 X2 = λX2TQM + δ2 Y2 = λY2 PK + ε2 X3 = λX3 TQM + δ3 Y3 = λY3 PK + ε3 X4 = λX1 TQM + δ4 Y4 = λY4 PK + ε4 X5 = λX1 TQM + δ5 X6 = λX1 TQM + δ6

Gambar 3. Gambaran model SEM penelitian

ξ ^η

Perumusan Hipotesis dalam penelitian ini adalah:

H1 : terdapat hubungan positif antara penerapan TQM dengan produktivitas kerja karyawan Giant hypermarket Botani Square Bogor

H2 : terdapat hubungan positif antara SDM, standar, sarana, organisasi, audit internal dan diklat terhadap penerapan TQM H3 : terdapat hubungan positif antara kemauan kerja, kemampuan

kerja, lingkungan kerja, hubungan kerja terhadap produktivitas kerja karyawan.