IV. HASIL DAN PEMBAHASAN
4.4. Hasil Analisis Structural Equation Modeling (SEM) dengan
4.4.2. Pengujian Model Pengukuran atau Outer Model
Secara umum uji validitas adalah untuk melihat apakah item pertanyaan yang dipergunakan mampu mengukur apa yang ingin diukur. Suatu item pertanyaan dalam suatu kuesioner dipergunakan untuk mengukur suatu konstruk (variabel) yang akan diteliti. Uji reliabilitas adalah untuk melihat apakah rangkaian kuesioner yang
dipergunakan untuk mengukur suatu konstruk tidak mempunyai kecenderungan tertentu.
1) Convergent Validity
Korelasi antara skor indikator dengan skor variabel latennya. Indikator individu dianggap reliable jika memiliki nilai korelasi > 0.50, karena merupakan tahap awal pengembangan skala pengukuran dan jumlah indikator per variabel sebanyak 1 sampai 4 indikator. Berikut ini merupakan Tabel Outer Loadings untuk masing-masing indikatornya.
Tabel 4. Outer loadings
Variabel Outer Loading
Syarat
Valid Keterangan KOMPENSASI FINANSIAL
Tunjangan pensiun 0.885594 0.50 Valid Tunjangan kesehatan 0.914663 0.50 Valid
Gaji 0.736585 0.50 Valid
KOMPENSASI NON FINANSIAL
Jenjang karier 1.000000 0.50 Valid KEPUASAN
Kondisi Fisik 0.703063 0.50 Valid Hubungan kerja 0.635166 0.50 Valid
Turn over 0.631017 0.50 Valid
KINERJA KARYAWAN
Tempat pelatihan 0.912554 0.50 Valid Jenis Pelatihan 0.919329 0.50 Valid Masa pelatihan 0.761769 0.50 Valid Prestasi kerja 0.739266 0.50 Valid STATUS KARYAWAN
Status 1.000000 0.50 Valid
Berdasarkan Tabel 4, dapat dilihat bahwa nilai outer loading lebih dari 0.5 yang berarti bahwa semua indikator dinyatakan valid. 1. Kompensasi finansial diukur dari tiga indikator yaitu tunjangan
pensiun dengan nilai outer loading 0.886; fasilitas kesehatan dengan nilai outer loading 0.915; gaji dengan nilai outer loading 0.737.
2. Kompensasi non finansial diukur dari satu indikator yaitu jenjang karier dengan nilai outer loading 1.00.
3. Kepuasan diukur dari tiga indikator yaitu kondisi fisik dengan nilai outer loading 0.703; hubungan kerja dengan nilai outer loading 0.635; turn over dengan nilai outer loading 0.631.
4. Kinerja diukur dari empat indikator yaitu tempat pelatihan dengan nilai outer loading 0.913; jenis pelatihan dengan nilai outer loading 0.919; masa pelatihan dengan bobot faktor 0.762; dan prestasi kerja dengan nilai outer loading 0.739.
5. Status diukur dari satu indikator yaitupegawai tetap atau pegawai outsourching dengan nilai outer loading 1.00.
Melihat hasil korelasi antara indikator dengan variabelnya telah memenuhi convergent validity karena semua loading factor berada di atas 0.50.
2) Dicriminant Validity
Discrimant validity merupakan pengukuran indikator dengan variabel latennya. Pengujian validitas diskriminan dinyatakan valid bila korelasi konstruk dengan indikatornya lebih tinggi dibanding dengan korelasi indikator dengan konstruk lainnya. Discrimant validity dapat dilakukan dengan dua cara yaitu dengan cara melihat pada cross loading dan nilai akar AVE. Berikut ini merupakan hasil discrimant validity:
a) Cross Loading
Korelasi variabel kompensasi finansial dengan indikator tunjangan pensiun, tunjangan kesehatan dan gaji lebih besar dibandingkan korelasi indikator kompensasi finansial dengan variabel lainnya. Korelasi variabel kompensasi non finansial dengan indikator jenjang karier lebih besar dibandingkan korelasi indikator kompensasi non finansial dengan variabel lainnya. Korelasi variabel kepuasan dengan indikator kondisi fisik, hubungan kerja dan turn over lebih besar dibandingkan korelasi indikator kepuasan dengan variabel lainnya. Korelasi variabel kinerja dengan indikator tempat pelatihan, masa pelatihan dan prestasi kerja lebih besar dibandingkan korelasi indikator kinerja dengan variabel lainnya. Korelasi variabel
status dengan indikator karyawan tetap atau karyawan outsourcing lebih besar dibandingkan korelasi indikator status dengan variabel lainnya. Berikut ini merupakan Tabel cross loading untuk masing- masing indikatornya.
Tabel 5. Cross loading
Indikator Kompensasi Finansial
Kompensasi Non Finansial
Kepuasan Kinerja Status Tunjangan pensiun 0.543363 0.675080 0.886942 0.375696 0.867943 Tunjangan kesehatan 0.524731 0.641526 0.915471 0.438719 0.833393 Gaji 0.383372 0.382248 0.733130 0.198717 0.512086 Jenjang karier 0.199133 0.458232 0.414994 1.000000 0.396473 Kondisi Fisik 0.703387 0.353224 0.335350 0.095556 0.383847 Hubungan kerja 0.634806 0.306281 0.385188 0.268060 0.416533 Turn over 0.631056 0.196535 0.421542 0.024390 0.500178 Tempat pelatihan 0.371603 0.912558 0.619894 0.309448 0.616397 Jenis Pelatihan 0.434757 0.919335 0.660306 0.340648 0.660136 Masa pelatihan 0.251768 0.761793 0.438800 0.268544 0.428104 Prestasi kerja 0.369503 0.739239 0.550067 0.582745 0.594336 Status 0.658822 0.699641 0.895114 0.396473 1.000000 Berdasarkan Tabel 5 diatas, dapat dilihat bahwa dalam pengujian validitas diskriminan semua indikator dinyatakan valid. Hal ini dikarenakan tiap indikator mempunyai nilai yang lebih besar dari variabel itu sendiri yang berarti bahwa masing-masing indikator tersebut sudah dapat mewakili variabelnya.
b) Akar AVE
Tabel dibawah menunjukkan bahwa pengukuran discriminant validity dilakukan dengan cara membandingkan nilai square root of average ariance extracted (Akar AVE) setiap variabel dengan korelasi antara variabel tersebut terhadap variabel lainnya dalam model. Jika nilai akar AVE suatu variabel lebih besar dibandingkan dengan nilai korelasi variabel terhadap variabel lainnya dalam model maka dapat disimpulkan variabel tersebut memiliki nilai discriminant validity yang baik dan sebaliknya. Direkomendasikan
nilai pengukuran akar AVE harus lebih besar dari 0.50. Berikut ini merupakan Tabel AVE dan akar AVE untuk masing-masing variabel.
Tabel 6. AVE dan akar AVE
Variabel AVE Akar AVE Syarat
Valid Keterangan Kompensasi
Finansial 0.720745 0.84896702 0.50 Valid Kompensasi
Non Finansial 1.000000 1 0.50 Valid Kepuasan 0.431988 0.65725794 0.50 Valid Kinerja 0.701185 0.8373679 0.50 Valid
Status 1.000000 1 0.50 Valid
Berdasarkan Tabel 6 diatas, dapat dilihat bahwa akar AVE variabel kompensasi finansial sebesar 0.849 lebih tinggi dari nilai korelasi antara variabel kompensasi finansial dengan variabel lainnya. Akar AVE variabel kompensasi non finansial sebesar 1.00 lebih tinggi dari nilai korelasi antara variabel kompensasi non finansial dengan variabel lainnya. Akar AVE variabel kepuasaan sebesar 0.657 lebih tinggi dari nilai korelasi antara variabel kepuasan dengan variabel lainnya. Akar AVE variabel kinerja sebesar 0.837 lebih tinggi dari nilai korelasi antara variabel kinerja dengan variabel lainnya. Akar AVE variabel status sebesar 1.00 lebih tinggi dari nilai korelasi antara variabel status dengan variabel lainnya.
3) Composite Reliability
Uji reliabilitas variabel dapat diukur dengan melihat composite reliability dari blok indikator yang mengukur variabel.Nilai batas yang diterima untuk composite reliability adalah diatas 0.60.Berikut merupakan Tabel Composite Reliability untuk variabel.
Tabel 7. Composite reliability
Variabel Composite Reliability
Syarat
Reliabel Keterangan Kompensasi Finansial 0.884964 0.60 Reliabel Kompensasi Non
Finansial 1.000000 0.60 Reliabel
Kepuasan 0.694719 0.60 Reliabel
Kinerja 0.902852 0.60 Reliabel
Berdasarkan hasil Tabel 7 diatas, dapat dilihat bahwa nilai composite reliability untuk variabel kompensasi finansial adalah sebesar 0.885; variabel kompensasi non finansial adalah sebesar 1.00; Sedangkan variabel kepuasan adalah sebesar 0.695; variabel kinerja adalah sebesar 0,903; variabel status adalah sebesar 1.00. Berdasarkan hasil diatas nilai composite reliability dan cronbach alpha diatas 0.60 jadi dapat disimpulkan bahwa semua variabel adalah reliabel karena semua nilai indikator mempunyai nilai lebih dari 0.60.