HASIL PENELITIAN DAN PEMBAHASAN
II. KEPUASAN KERJA KARYAWAN (Z)
5.4. Uji Kualitas Data
5.4.1. Uji Validitas
Uji validitas adalah suatu derajat ketetapan alat ukur penelitian tentang isi sebenarnya yang diukur. Uji validitas bertujuan untuk menguji apakah tiap butir pertanyaan benar-benar telah sahih, atau paling tidak dapat ditetapkan derajat yang tinggi dari kedekatan data yang diperoleh dengan apa yang diyakini dalam pengukuran uji validitas selengkapnya. Hasil uji validitas alat ukur ditampilkan pada tabel 10.
Analisis Confiormatory Factor Analysis dilakukan peneliti dengan program aplikasi statistik AMOS 4.
Tabel 2. Uji Validitas
Standardize Faktor Loading dan Construct dengan Confirmatoty Factor Analysis
1 2 3 X1 0,474 X2 0,665 X3 0,615 X4 0,626 X5 0,479 Y1 0,654 Y2 0,525 Y3 0,435 Y4 0,266 Z1 0,597 Z2 0,414 Z3 0,714 Z4 0,702 Z5 0,591 Kepuasan Kerja Karyawan
Konstrak Indikator Faktor Loading
Budaya Organisasi
Kinerja Organisasi
Berdasarkan hasil Confiormatory Factor Analysis di atas terlihat bahwa factor loading masing-masing butir pertanyaan yang membentuk setiap construct sebagian besar ≥ 0,5 sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup.
5.4.2. Uji Reliabilitas
Reliabilitas adalah cara untuk menguji sejauh mana hasil suatu pengukuran dapat dipercaya. Alat ukur memiliki reliabilitas yang tinggi jika dalam beberapa kali pelaksanaan pengukuran terhadap kelompok subyek yang mana diperoleh hasil yang relatif sama selama aspek yang diukur dalam diri subyek memang belum berubah. Hasil uji reliabilitas konsistensi internal adalah sebagai berikut :
Tabel 3. Uji Construct Reliability & Variance Extracted
X1 0,643 X2 0,665 X3 0,705 X4 0,666 X5 0,641 Y1 0,644 Y2 0,681 Y3 0,728 Y4 0,679 Z1 0,597 Z2 0,414 Z3 0,714 Z4 0,702 Z5 0,591 Kepuasan Kerja Karyawan Item to Total Correlation Koefisien Cronbach's Alpha 0,683 0,619 0,558 Konstrak Indikator Budaya Organisasi Kinerja Organisasi Sumber : Lampiran 9.
Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala (variabel atau indikator observasi). Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi item-item yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan.
Proses eleminasi diperlakukan pada item to total correlation pada indikator yang nilainya < 0,5 (Purwanto, 2003). Tidak terjadi eliminasi karena nilai item to total correlation indikator belum seluruhnya ≥ 0,5. Indikator yang tereleminasi tidak disertakan dalam perhitungan Cronbach’s alpha. Perhitungan Cronbach’s dilakukan setelah proses eliminasi. Hasil pengujian reliabilitas konsistensi internal; untuk setiap construct menunjukkan cukup baik dimana Koefisien Cronbach’s Alpha yang diperoleh walaupun seluruhnya belum memenuhi rules of thumb yang diisyaratkan yaitu ≥ 0,7 (Hair at.a1.1998).
5.4.3. Uji Construct Reliability dan Variance Extracted
Selain melakukan pengujian konsistensi internal Cronbach’s Alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian tersebut masih dalam koridor uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang sama Purwanto, 2002).. Hasil perhitungan construct reliability dan variance extracted dapat dilihat dalam tabel 4.
Tabel 4. Uji Construct Reliability dan Variance Extracted
Konstrak Indikator
Standardize Factor Loading
SFL Kuadrat Error [εj] Construct Reliability Variance Extrated
X1 0,474 0,225 0,775 X2 0,665 0,442 0,558 X3 0,615 0,378 0,622 X4 0,626 0,392 0,608 X5 0,479 0,229 0,771 Y1 0,654 0,428 0,572 Y2 0,525 0,276 0,724 Y3 0,435 0,189 0,811 Y4 0,266 0,071 0,929 Z1 0,383 0,147 0,853 Z2 0,076 0,006 0,994 Z3 0,749 0,561 0,439 Z4 0,754 0,569 0,431 Z5 0,384 0,147 0,853 0,333 0,538 0,241 0,607 0,286 Budaya Organisasi Kinerja Organisasi Kepuasan Kerja Karyawan 0,710 Sumber : Lampiran 11.
Hasil pengujian reliabilitas instrumen dengan construct reliability dan extracted variance menunjukkan instrumen cukup reliabel, yang ditunjukkan dengan nilai construct reliability belum seluruhnya ≥ 0,70. Meskipun demikian angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian yang dilakukan bersifat exploratory, maka nilai di bawah 0,70 masih dapat diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi, dan variance extracted direkomendasikan pada tingkat 0,50.
5.4.4. Uji Normalitas
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut z-value. Bila nilai-z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak
normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 (1%) yaitu sebesar ± 2,58. Hasil analisis tampak pada tabel berikut :
Tabel 5. Uji Normalitas [Assessment of normality]
Variable min max kurtosis c.r.
Z5 3 7 -1,213 -2,475 Z4 3 7 -1,315 -2,684 Z3 3 7 -0,816 -1,666 Z2 3 7 -1,2 -2,45 Z1 3 7 -0,989 -2,018 Y4 3 7 -1,19 -2,429 Y3 3 7 -1,163 -2,373 Y2 3 7 -1,187 -2,423 Y1 3 7 -0,963 -1,966 X1 3 7 -0,986 -2,012 X2 3 7 -1,083 -2,211 x3 3 7 -1,275 -2,604 x4 3 7 -1,045 -2,133 X5 3 7 -1,145 -2,337 Multivariate -7,01 -1,656 Batas Normal ± 2,58 Sumber : Lampiran 12.
Hasil uji menunjukkan bahwa nilai c.r. multivariate berada dibawah + 2,58 itu berarti asumsi normalitas terpenuhi dan data layak untuk digunakan dalam estimasi selanjutnya. Pengujian linieritas dilakukan dengan mengamati scatter-plot, dimana hasilnya menunjukkan hubungan antara variabel terikat dan bebas relatif normal.
5.4.5. Uji Outlier
Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi atau mutivariat (Hair, 1998). Evaluasi terhadap outlier
multivariate (antar variabel) perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outliers pada tingkat univariate, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak antara Mahalanobis untuk tiap-tiap observasi dapat dihitung dan akan menunjukkan sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional (Hair.dkk, 1998; Tabachnick & Fidel, 1996).
Uji terhadap outliers multivariate dilakukan dengan menggunakan jarak Mahalanobis pada tingkat p < 1%. Jarak Mahalanobis itu dievaluasi dengan menggunakan χ² (chi kuadrat) pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian ini. Hasil uji outlier tampak pada tabel berikut :
Tabel 6. Residual Statistics
Std. Deviation Predicted Value 26,810 76,720 50,500 9,840 100 Std. Predicted Value -2,407 2,664 0,000 1,000 100 Standard Error of Predicted Value 7,470 15,200 11,300 1,560 100 Adjusted Predicted Value 16,620 79,020 50,210 11,380 100
Residual -48,640 62,190 0,000 27,290 100
Std. Residual -1,652 2,111 0,000 0,927 100 Stud. Residual -1,822 2,370 0,004 1,008 100 Deleted Residual -59,230 78,380 0,290 32,360 100 Stud. Deleted Residual -1,848 2,438 0,005 1,015 100 Mahalanobis Distance MD 5,374 25,387 13,860 4,048 100 Cook's Distance 0,000 0,098 0,013 0,015 100 Centered Leverage Value 0,054 0,256 0,140 0,041 100 (a) Dependent Variable : NO. RESP
Mahalanobis Distance
N
Terdapat Outlier Apabila > 36,124
Minimum Maximum Mean
Deteksi terhadap multivariat outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p < 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan χ2
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai Jarak Mahalanobis lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers. Nilai χ2
0.001
dengan jumlah variabel 100 adalah sebesar 25,387. Hasil analisis Mahalanobis diperoleh nilai 36,124 yang lebih kecil dari χ2
tabel 25,387 tersebut. Dengan demikian terjadi tidak multivariate outliers antar variable dan tidak ada yang harus dieliminasi sehingga N pada analisis selanjutnya tetap sebesar 100 responden.
5.4.6. Uji Multicolinierity dan Singularity
Pengujian terhadap gejala multikolinieritas antar variabel bebas memperlihatkan tidak adanya gejala multikolonieritas yang merusak model, terlihat dari angka determinant of sample covariance matrix sebesar 2.022.080.382,00 (lihat lampiran 8) dan angka ini jauh dari nol.
Karena itu dapat disimpulkan bahwa tidak terjadi multikolinieritas atau singularitas sehingga asumsi terpenuhi.