METODOLOGI PENELITIAN
3. Kinerja Karyawan (Y)
3.4. Teknik Analisis dan Uji Hipotesis
Ketepatan pengujian suatu hipotesa tentang pengaruh antara variable dalam penelitian sangat tergantung pada kualitas data yang diperoleh dan digunakan dalam pengujian tersebut. Kualitas data yang diperoleh sangat ditentukan oleh kesungguhan responden dalam menjawab semua pertanyaan penelitian, dan alat pengukur (beruipa kuisioner)yang digunakan untuk mengumpulkan data tersebut, apakah memiliki validitas dan reabilitas yang tinggi. Untuk mengetahui faktor apa saja yang dipertimbangkan dalam mempengaruhi kinerja pegawai digunakan model persamaan structural ( Structural Equation Modeling ).
51
Structural Equation Modeling ( SEM) memiliki kemampuan
menganalisis model-model yang menggunakan variable laten. Alas an peneliti menggunakan teknik analisis S.E.M karena pengujian hipotesis membutuhkan alat analisis yang mencakup beberapa model sekaligus, yang dapat dijabarkan dalam 3 uji unidimensi dan 2 uji kausalitas. Pengujian tersebut tidak dapat diselesaikan dengan alat uji lain selain SEM. Dalam menguji teknik analisis dsan uji hipotesis, peneliti menggunakan program aplikasi amos salah satu alasannya adalah aplikasinya yang lebih mudah dan praktis.
Model pengukuran kinerja karyawan, gaya kepemimpinan dan motivasi kerja menggunakan Confirmatory Factor Analysis. Penaksiran pengaruh masing-masing variable bebas ( gaya kepemimpinan dan motivasi kerja ) terhadap variable terikatnya ( kinerja karyawan ) menggunakan koefisien jalur. Langkah-langkah dalam analisis SEM model pengukuran dengan faktor menu dilakukan sebagai berikut.
Persamaan Dimensi Faktor Gaya Kepemimpinan :
X1.1 = λ1 faktor gaya kepemimpinan + er_1 X1.2 = λ2 faktor gaya kepemimpinan + er_2 X1.3 = λ3 faktor gaya kepemimpinan + er_3 X1.4 = λ4 faktor gaya kepemimpinan + er_4
Bila persamaan diatas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor analysis,
52
maka model pengukuran dengan gaya kepemimpinan akan nampak sebagai berikut :
Gambar 1 : Model Pengukuran Faktor Gaya Kepemimpinan
Keterangan :
X1.1 = pertanyaan tentang telling (mengatakan) X1.2 = pertanyaan tentang selling (menjajakan) X1.3 = pertanyaan tentang participating (partisipasi) X1.4 = pertanyaan tentang delegating (delegasi) er_j = error term X1j
Persamaan Dimensi Faktor Motivasi Kerja :
X2.1 = λ1 faktor motivasi kerja + er_5
e.1 X1.1 Gaya Kepemimpinan (X1) e.2 X1.2 e.3 X1.3 e.4 X1.4
53
X2.2 = λ2 faktor motivasi kerja + er_6 X2.3 = λ3 faktor motivasi kerja + er_7
Bila persamaan diatas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor analysis, maka model pengukuran dengan gaya kepemimpinan akan nampak sebagai berikut :
Gambar 2 : Model Pengukuran Faktor Motivasi Kerja
Kererangan :
X2.1 = pertanyaan tentang kebutuhan akan prestasi X2.2 = pertanyaan tentang kebutuhan akan kekuasaan X2.3 = pertanyaan tentang kebutuhan akan afiliasi
Persamaan Dimensi Faktor Kinerja Pegawai : Y1.1 = λ1 faktor kinerja pegawai + er_8 Y1.2 = λ2 faktor kinerja pegawai + er_9 Y1.3 = λ3 faktor kinerja pegawai + er_10 Y1.4 = λ4 faktor kinerja pegawai + er_11
e.5 X2.1
Motivasi (X2)
e.6 X2.2
54
Bila persamaan diatas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor analysis,
maka model pengukuran dengan gaya kepemimpinan akan nampak sebagai berikut :
Gambar 3 : Model Pengukuran Faktor Kinerja Karyawan
Keterangan :
Y1.1 = pertanyaan tentang kualitas kerja Y1.2 = pertanyaan tentang kuantitas kerja Y1.3 = pertanyaan tentang ko’operatif Y1.4 = pertanyaan tentang inisiatif er_j = error term X1j
3.4.1. Uji Reliabilitas e.8 Y1.1 Kinerja Karyawan (Y) e.9 Y1.2 e.10 Y1.3 Y 1.4 e.11
55
Reliabilitas adalah ukuran konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing-masing indikator mampu mengidentifikasi sebuah konstruk/faktor variabel latent. Karena indikator multi dimensi, maka uji validitas dari setiap laten variabel/konstruk akan diuji dengan melihat loading faktor dari hubungan antara setiap observard ariabel dan latent variabel, sedangkan reliabilitas diuji dengan Construct Reliability dan Variance-extracted.
Construct Reliability dan Variance-extracted dihitung dengan rumu
berikut :
3.4.2. Uji Validitas
Validitas instrument kuisioner adalah suatu derajat ketetapan alat ukur penelitian tentang isi uang sebenarnya di ukur. Uji validitas item untuk menguji apakah tiap-tiap butir benar-benar sahih atau valid. Sebagai alat ukur yang digunakan, analisis ini melakukan dengan cara mengoreksi masing-masing skor item totalnya. Dalam hal ini koefisien korelasi yang dinilai tidak signifikan ≥ 0.05. Validitas data penelitian ditentukan oleh
proses pengukuran yang akurat, oleh karena itu jika sinonim reabilitas adalah konsistensi maka esensi dari validitas adalah akurasi dengan rumus sebagai berikut :
56 Variance – Extracted =
( )
(∑
std∑
loading)
+∑
j loading Std ε . .Sementara j dapat dihitung dengan formula j = 1- [Standardizeloding]2
3.4.3. Outliers
secara umum, nilai Contruct Reliability yang dapat diterima ≥ 0,5 (Hair el.al.1998). Standardize loading dapat diperoleh dari output AMOS 4.0.1, dengan melihat nilai estimasi setiap Construct Standardize Regession Weights terhadap setiap butir sebagai indikatornya.
Outliers merupakan observasi atau data yang memiliki karakteristik unik yang dilihat berbeda jauh dari observasi-observasi yang muncul dalam bentuk nilai extrem, baik untuk variable tunggal atau variabel kombinasi (Hair, dkk:1995). Adapun outliers dapat dievaluasi dengan dua cara, yaitu outliers univariate and outliers multivariate.
3.4.4. Outliers Univariate
Deteksi terhadap adanya outliers univariate (masing-masing variabel) dapat dilakukan dengan menentukan nilai ambang batas yang akan dikategorikan sebagai outliers dengan cara mengkonversi nilai data penilaian kedalam standar score atau yang biasa disebut Zscore, yang mempunyai rata-rata nol dengan standar diviasi sebesar satu, maka perbandingan antara besarnya nilai dapat dilakukan. Untuk sampel sebesar (di atas 80 observasi), pedoman evaluasi adalah bahwa nilai ambang batas
57
dari Zscore itu berada pada rentang 3 sampai 4 (Hair dkk, 1995). Oleh karena itu kasus-kasus atau observasi yang mempunyai ≥ 3,0 akan
dikategorikan sebagai outliers.
3.4.5. Outliers Multivariate
Evaluasi terhadap outliers multi variante (antara variabel) perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outliers pada tingkat univariate, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasi. Jarak mahalanobis (the mahalnobis distrance) untuk tiap-tiap observasi dapat dihitung dan akan menunjukkan jalan sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional (Hair dkk: 1995; Norusis, 1994; abacni & Fidell 1996). Uji terhadap outliers multivariate dilakukan dengan menggunakan kriteria jarak mahalanobis pada tingkat p < 0,001. Jarak mahalanobis dievaluasi dengan menggunakan X2
3.4.6. Uji Normalitas dan Linearitas
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian ini.
Sebaran data harus dianalisis untuk mengenai apakah asumsi normalitas terpenuhi, sehingga data dapat diolah lebih lanjut pada dasar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tidak normal dengan asumsi normalitas pada normalan signifikan ≥ 0,05. Uji linieritas dapat dilakukan dengan mengamati sctterplots dari data yaitu
58
dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linearitas.
3.4.7. Uji Multikolinearity Singularity
Untuk melihat apakah pada penelitian terdapat Multikolinearitas atau singularitas dalam kombinasi-kombinasi variabel maka perlu diamati adalah determinan dari matrik kovarian sampel atau determinant of covariance sample matrik. Determinan yang kecil akan mengindikasikan
adanya multikolinearitas sehingga data tersebut tidak dapat digunakan untuk penelitian. (Ferdinand, 2000:108). Bila ditemukan multikolinearitas atau singularity salah satu pelakunya adalah dengan mentransformasi data ke dalam bentuk composite variables.