PENGUMPULAN DAN PENGOLAHAN DATA
3.6. Pengolahan Data Kuesioner
3.6.4. Pengolahan Data dengan Structural Equation Modeling (SEM) Setelah melakukan pengolahan karakteristik data dan statistic deskriptif
secara umum, kemudian peneliti melakukan analisis lanjutan dengan menggunakan Structural Equation Model (SEM). Dengan SEM, peneliti mendapatkan model hubungan tacit knowledge dan kinerja karyawan yang ada di Baristand Industri Padang. Dikarenakan jumlah populasi sedikit, maka untuk pengolahan data dilakukan dengan pendekatan Partial Least Square (PLS) yang memungkinkan penyelesaian permasalahan penelitian dapat diolah dengan baik.
55
3.6.4.1. Spesifikasi Model
Dalam penelitian ini terdapat dua jenis variable, yaitu variable laten dan variable teramati. Variabel laten yang digunakan dalam penelitian ini adalah Tacit Knowledge dan Kinerja Karyawan. Penentuan variable laten ini berdasarkan penelitian terdahulu, seperti yang sudah dijelaskan pada sub bab 3.2 sebelumnya. Namun, karena dalam SMART PLS penamaan hanya bisa sampai 8 karakter, sehingga penamaan variable-variabel tersebut disesuaikan sebagai berikut. Tacit KnowledgeA
Kinerja Karyawan B
Sedangkan untuk variable teramati, penentuan variable juga dilakukan berdasarkan penelitian-penelitian sebelumnya, yang disertai dengan kondisi para peneliti di Baristand. Terdapat 4 jenis variable teramati dari variable laten Tacit Knowledge, yaitu pengalaman, interaksi personal, komunitas, dan kondisi lingkungan kerja, sedangkan untuk variable teramati dari variable laten kinerja yaitu kualitas, kuantitas, produktifitas waktu, dan efesiensi biaya. Untuk memudahkan dalam pengolahan data, variable teramati yang digunakan dalam penelitian ini disesuaikan sebagai berikut.
Pengalaman A1 Kualitas B1
Interaksi Personal A2 Kuantitas B2
Komunitas A3 Produktifitas Waktu B3
Kondisi Lingkungan Kerja A4 Efesiensi Biaya B4
Dalam penelitian ini didapatkan suatu model dan hipotesis awal antara variable laten dengan variable teramati. Penggambaran model akan ditampilkan pada gambar 3.6 di bawah ini.
56
Universitas Indonesia Gambar 3.6 Diagram Jalur Model Penelitian dengan Partial Least Square 3.6.4.2. Evaluasi Model Pengukuran
Model pengukuran dalam PLS disebut juga outer model. Outer model mendefinisikan bagaimana setiap indkator berhubungan dengan konstruknya (Ghazali, 2006). Evaluasi model pengukuran ini terdiri dari uji validitas, reliabilitas, dan signifikansi indikator dan konstruk yang terlibat.
Model analisis jalur semua variable laten dalam PLS terdiri dari tiga hubungan: (1) inner model yang menspesifikasikan hubungan antar variable laten (structural model), (2) Outer model yang mespesifikasi hubungan antar variable laten dengan indikator (measurement model), dan weight relation dimana nilai kasus dari variable laten dapat diestimasi. Tanpa kehilangan generaliasai, dapat diasumsikan bahwa variable laten dan indicator di sakal zero means dan unit variance (nilai standardized) sehingga parameter lokasi (parameter konstanta) dapat dihilangkan dari model.
3.6.4.2.1. Validitas Outer Model
Dalam uji validitas outer model terdapat dua factor yang akan diamati dalam uji validitas, yaitu nilai faktor loading (convergent validity) dan nilai cross loading (discriminant validity). Convergent Validity mengukur korelasi antara
57
item pernyataan dengan konstruk dalam penelitian. Ukuran refleksif individual dikatakan berkorelasi jika lebih dari 0.7 dengan konstruk yang ingin diukur. Namun, untuk penelitian tahap awal dari pengembangan skala pengukuran nilai factor loading 0.5 sampai 0.6 dianggap cukup (Ghazali, 2009).
Alat ukur yang digunakan dalam penelitian ini adalah kuesioner. Kuesioner berdasarkan fungsi pengukuran, terbagi menjadi 2 (dua) bagian, yaitu:
1. Pengukuran Tacit Knowledge Individu 2. Pengukuran Kinerja Individu
Pada tahap awal dilakukan pengujian data untuk mengetahui tingkat akurasi indikator dalam menjelaskan konstruk eksogen pada model menggunakan factor loading. Berikut nilai factor loading untuk konstruk endogen tacit knowledge dan kinerja individu beserta nilai factor loading untuk tiap konstruk eksogennya berdasarkan diagram jalur model penelitian awal menggunakan program SMART PLS Versi 2. Berikut tampilannya seperti pada gambar 3.7
Gambar 3.7 Nilai Loading Faktor Menggunakan Diagram Jalur PLS Untuk dapat melihat lebih jelas nilai factor loading pada digram jalur maka disusunlah tabel 3.15. Nilai factor loading hanya melihat hubungan antar indikator dengan konstruk eksogen. Nilai loading faktor yang < 0,5 harus
58
Universitas Indonesia dikeluarkan dari model dan dilakukan estimasi ulang nilai loading faktor. Print Out dari gambar 3.7 dapat dilihat pada lampiran 5.
Tabel. 3.15 Nilai Faktor Loading Konstruk Endogen Tacit Knowledge Konstruk Eksogen Kode Indikator F actor Loading
Pengalaman (A1)
A11 0.779
A12 0.543
A13 0.870
Interaksi Personal (A2) A21 0.942
A22 0.749
Komunitas (A3) A31 0.919
A32 0.592 Kondisi Lingkungan Kerja (A4) A41 0.879 A42 0.344 A43 0.919
Berdasarkan data diatas ada dua indikator yang nilai loading factor < 0,5, yaitu A42, dan B31. Indikator tersebut harus dikeluarkan dari model dan dilakukan estimasi ulang. Sedangkan untuk nilai loading faktor konstruk endogen kinerja individu dapat dilihat pada tabel 3.16 dibawah ini.
Tabel 3.16 Nilai Factor Loading Konstruk Endogen Kinerja Individu Konstruk Eksogen Kode Indikator F actor Loading
Kualitas (B1) B11 0.925 B12 0.969 B13 0.920 Kuantitas (B2) B21 0.895 B22 0.761 Produktivitas Waktu (B3) B31 0.159 B32 0.999 Efesiensi Biaya (B4) B41 0.862 B42 0.867
Setelah dilakukan estimasi ulangdengan mengeluarkan indicator A43 dan B31 tidak terdapat lagi indicator yang memiliki nilai loading factor < 0.5. Hasil estimasi ulang diagram jalur dapat dilihat pada gambar 3.8 dibawah ini.
59
Gambar 3.8 Nilai Loading Faktor Menggunakan Diagram Jalur PLS Setelah Re-estimasi
Tabel. 3.17 Nilai Faktor Loading Konstruk Tacit Knowledge setelah re-estimate
Konstruk Eksogen Kode Indikator F actor Loading
Pengalaman (A1)
A11 0.784
A12 0.534
A13 0.869
Interaksi Personal (A2) A21 0.939
A22 0.756
Komunitas (A3) A31 0.929
A32 0.570
Kondisi Lingkungan Kerja (A4)
A41 0.924
A43 0.901
Tabel 3.18 Nilai Factor Loading Konstruk Endogen Kinerja Individu Setelah Re-estimasi
Konstruk Eksogen Kode Indikator F actor Loading
Kualitas (B1) B11 0.925 B12 0.969 B13 0.920 Kuantitas (B2) B21 0.895 B22 0.761 Produktivitas Waktu (B3) B32 1.000 Efesiensi Biaya (B4) B41 0.862 B42 0.867
60
Universitas Indonesia Berdasarkan tabel diatas nilai factor loading kinerja individu tidak mengalamai perubahan saat re-estimasi. Print Out Gambar 3.8 dapat dilihat pada lampiran 6. Setelah dilakukan re-estimasi, hasilnya telah memenuhi convergant validity karena semua factor loading > 0.5. Dengan demikian, dapat disimpulkan convergant validity dari kelompok konstruk endogen tacit knowledge, dan kinerja individu adalah valid. Selanjutnya, dilakukan pengolahan data terhadap nilai discriminant validity dari kelompok konstruk endogen tacit knowledge dan kinerja individu seperti pada tabel di bawah ini dan hasil print out dapat dilihat pada lampiran 7..
Tabel 3.19 Uji Validitas Berdasarkan Cross Loading Konstruk Endogen
A1 A2 A3 A4 B1 B2 B3 B4 A11 0.7841 0.3395 0.4183 0.1038 -0.0506 -0.1853 -0.0110 -0.1308 A12 0.5338 -0.0649 -0.0567 0.2661 0.0879 -0.3531 -0.1711 0.2122 A13 0.8694 0.0912 0.0915 0.5438 0.2803 -0.1167 0.0848 0.3105 A21 0.2661 0.9387 0.4076 0.3246 -0.1984 0.0028 -0.1452 -0.3107 A22 -0.0037 0.7559 0.1142 0.1829 -0.2421 0.1317 -0.1769 -0.2656 A31 0.2382 0.3386 0.9293 0.3153 -0.2564 -0.0814 -0.1611 -0.1747 A32 0.0984 0.1695 0.5703 0.0298 -0.0401 0.0004 -0.1594 -0.2532 A41 0.3570 0.3916 0.3551 0.9241 0.1186 -0.1526 -0.2287 0.2234 A43 0.4137 0.1692 0.1373 0.9007 0.3575 -0.0923 -0.0396 0.1731 B11 0.2236 -0.1643 -0.1600 0.2415 0.9254 0.5207 0.6078 0.6654 B12 0.1235 -0.2648 -0.2204 0.2005 0.9694 0.5773 0.5106 0.6275 B13 0.0816 -0.2580 -0.2735 0.2704 0.9203 0.4861 0.4243 0.6841 B21 -0.0831 0.0094 -0.0224 -0.0136 0.5783 0.8951 0.7364 0.4212 B22 -0.3899 -0.1164 -0.1087 -0.2613 0.3208 0.7611 0.3205 0.4300 B32 -0.1646 0.0102 -0.1740 -0.1993 -0.1359 0.6689 0.9995 0.5388 B41 0.0501 -0.3195 -0.2569 0.2219 0.6010 0.3764 0.5349 0.8624 B42 0.2314 -0.2637 -0.1646 0.1571 0.6121 0.4967 0.3929 0.8669
Berdasarkan tabel 4.5 dapat dilihat bahwa setiap indicator memiliki nilai factor loading paling besar saat dihubungkan dengan konstruk endogennya dibandingkan ketika dihubungkan dengan konstruk endogen lainnya. Sebagai contoh, indikator A12, dan A13 memiliki factor loading yang tinggi saat dihubungkan dengan konstruk endogen A1. Hal ini menunjukkan bahwa setiap indicator telah tepat untuk menjelaskan konstruk endogen masing-masing dan membuktikan bahwa berdasarkan dicriminant validity semua indikator adalah valid.
61
3.6.4.2.2. Reliabilitas Outer Model
Tahapan selanjutnya adalah pengujian konsitensi pengukuran (reliabilitas) dengan Average Variance Extract (AVE) dan Composite Realiability (CR). Reliabilitas tinggi menunjukkan bahwa indikator-indikator mempunyai konsistensi tinggi dalam mengukur konstruk latennya (Wijayanto, 2008). Reliabilitas dapat diketahui melalui nilai Composite Reliability (CR) dan Average Variance Extracted (AVE). Composite reliability dikatakan baik bila memiliki
nilai ≥ 0.7. Nilai AVE dikatakan baik bila memiliki nilai ≥ 0.5 (Ghazali, β009).
Data hasil pengujian AVE dan CR ditunjukkan pada table 3.20 berikut ini dan print out nilai realiabilitas kosntruk eksogen dapat dilihat pada lampiran 8: Tabel 3.20 Nilai Realiabilitas Konstruk Eksogen terhadap Konstruk Endogen
Konstruk Eksogen Average Variance Extract (AVE) ≥ 0,5 Composite Realiability (CR) ≥ 0,7 Kesimpulan
Pengalaman (A1) 0.5519 0.7806 Reliabilitas Baik
Interaksi Personal (A2) 0.7263 0.8399 Reliabilitas Baik
Komunitas (A3) 0.5944 0.7349 Reliabilitas Baik
Kondisi Lingkungan Kerja (A4) 0.8326 0.9086 Reliabilitas Baik
Kualitas (B1) 0.8810 0.9569 Reliabilitas Baik
Kuantitas (B2) 0.6902 0.8157 Reliabilitas Baik
Produktivitas Waktu (B3) 0.5121 0. 7591 Reliabilitas Baik
Efesiensi Biaya (B4) 0.7476 0.8556 Reliabilitas Baik
Berdasarkan hasil uji validitas dan reliabilitas dari model pengukuran, dapat disimpulkan bahwa semua variable teramati valid mengukur variable latennya, dan realiabilitas model pengukurannya pun baik. Hal ini menunjukkan bahwa indikator reliable dalam menyusun konstruk eksogen.
3.6.4.2.3. Signifikansi Outer Model
Setelah dilakukan uji validitas dan reliabilitas, maka didapatkan hasil bahwa data yang digunakan dalam penelitian ini sudah valid dan reliable. Tahap
62
Universitas Indonesia pengujian selanjutnya adalah signifikansi antara konstruk eksogen dan konstruk endogen.
Signifikansi outer model dapat diketahui setelah melakukan bootrsraping. Hasil setelah dilakukan bootstrapping dapat dilihat pada gambar 3.9. Signifikansi indikator penyusun endogen dapat dilihat dari nilai t statistic. Apabila t-value > t table, maka semua indikator dapat signifikan mengukur konstruk endogen. Nilai t table untuk degree of freedom= β5 dan α= 0.05 adalah 1.078. Nilai t statistik masing-masing indikator dapat dilihat pada tabel 3.21 di bawah ini.
Gambar 3.9 Path Diagram T-value pada model penelitian Tabel 3.21 Signifikansi Outer Model
Original sampel (O) Sampel Mean (M) Standar Deviation (STDEV) Standar Error (STERR) T-Stat >1,078 Uji Signifikansi A11<-A1 0.7840 0.7601 0.1873 0.1873 4.1866 Signifikan A12<-A1 0.5339 0.4665 0.4771 0.4771 1.1190 Signifikan A13<-A1 0.8694 0.7868 0.3174 0.3174 2.7391 Signifikan A21<-A2 0.9387 0.7968 0.4643 0.4643 2.0219 Signifikan A22<-A2 0.7559 0.5993 0.4996 0.4996 1.5130 Signifikan A31<-A3 0.9293 0.8426 0.2058 0.2058 4.5159 Signifikan A32<-A3 0.5703 0.3852 0.5685 0.5685 1.0033 Tdk Signifikan A41<-A4 0.9241 0.9293 0.0303 0.0303 30.4506 Signifikan A43<-A4 0.9007 0.8657 0.1125 0.1125 8.0053 Signifikan
63 B11<-B1 0.9254 0.9284 0.0279 0.0279 33.1906 Signifikan B12<-B1 0.9694 0.9655 0.0165 0.0165 58.7978 Signifikan B13<-B1 0.9203 0.9130 0.0410 0.0410 22.4709 Signifikan B21<-B2 0.8953 0.9168 0.0500 0.0500 17.8872 Signifikan B22<-B2 0.7608 0.6663 0.4243 0.4243 1.7932 Signifikan B32<-B3 1.0000 1.0000 0.0000 0.0000 0.0000 Tdk signifikan B41<-B4 0.8625 0.8851 0.0583 0.0583 14.7967 Signifikan B42<-B4 0.7273 0.6862 0.2059 0.2059 3.5318 Signifikan
Berdasarkan tabel 3.21, ada beberapa indikator yang tidak signifikan terhadap konstruk eksogen, indikator tersebut adalah indikator A21, A22, dan A31. Indikator tersebut nilainya < t table dengan degree of freedom= β5 dan α=
0.05 yaitu sebesar 1.078. Print signifikansi outer model dapat dilihat pada lampiran 9.
3.6.4.3. Evaluasi model Struktural (inner model)
Setelah dilakukan pengujian model structural, maka selanjutnya dilakukan evaluasi model structural untuk melihat kecocokan antar konstruk dalam model structural. Model structural dievaluasi dengan menggunakan nilai R2 untuk konstruk dependen, nilai koefesien path atau t-values tiap path untuk uji signifikansi antar kosntruk dalam model struktural (Jogiyanto, 2009). Semakin tinggi nilai R2 berarti semakin baik model prediksi dari model penelitian yang diajukan (Jogiyanto, 2009).
Hubungan dalam inner model yang akan diamati dalam penelitian ini ada dua jenis. Jenis pertama adalah hubungan antar konstruk eksogen dengan konstruk endogen. Jenis kedua adalah hubugan antar konstruk endogen. Evaluasi kedua jenis hubugan tersebut dibahas dalam sub bab berikut ini.
3.6.4.3.1. Hubungan Konstruk Eksogen dengan Konstruk Endogen
Evaluasi model structural jenis pertama adalah hubungan antara konstruk eksogen dengan konstruk endogen dapat dilihat melalui uji t statistic dan koefisien
64
Universitas Indonesia freedom (df) = 25 adalah 1.078. Apabila t-statistik > t table maka dapat disimpulkan konstruk endogen berpengaruh terhadap konstruk eksogen. Hasil pengolahan data yang dapat menjelaskan hubungan antara konstruk eksogen dengan konstruk endogen dapat dilihat pada tabel 3.22 berikut ini. Untuk print out signifikansi inner model dapat dilihat pada lampiran 10.
Tabel 3.22 Tabel Signifikansi Inner model Original sampel (O) Sampel Mean (M) Standar Deviation (STDEV) Standar Error (STERR) T-Stat >1,078 Uji Signifikansi A1<-A 0.4126 0.3884 0.1083 0.1083 3.8101 Signifikan A2<-A 0.3218 0.3365 0.1096 0.1096 2.9371 Signifikan A3<-A 0.2275 0.1670 0.1281 0.1281 1.7756 Signifikan A4<-A 0.4603 0.3837 0.1383 0.1383 3.3277 Signifikan B1<-B 0.5239 0.4763 0.0644 0.0644 8.1392 Signifikan B2<-B 0.9293 0.2619 0.0781 0.0781 2.8876 Signifikan B3<--B 0.1599 0.1518 0.0350 0.0350 4.5673 Signifikan B4<-B 0.2677 0.2603 0.0494 0.0494 5.4212 Signifikan
3.6.4.3.2. Hubungan Antar Konstruk Endogen
Evaluasi model struktural jenis kedua adalah hubungan antar konstruk eksogen dengan mengamati nilai R2 yang dihasilkan melalui pengolahan data. Nilai R2 mencerminkan sejauh mana suatu konstruk eksogen dapat menjelaskan konstruk eksogen lainnya. Nilai R2 dikatakan baik apabila memiliki nilai > 0.80 (Wijayanto, 2008). Berikut adalah tabel hubungan antar konstruk endogen, atau dengan kata lain adalah hubungan antara tacit knowledge dan kinerja individu.Print out hubunngan antar konstruk dapat dilihat pada lampiran 11.
Tabel 3.23 Hubungan Antar Konstruk Endogen
Hubungan Nilai R2
Tacit Knowledge-Kinerja 0.9969
Berdasarkan tabel di atas, diperoleh nilai R2 yang di dapat sebesar 0,9969. Nilai tersebut mengindikasikan bahwa konstruk endogen tacit knowledge dapat
BAB IV