ASUMSI MODEL SEM
Asumsi yang harus dipenuhi dalam analisis SEM di antaranya adalah data berdistribusi multivariat normal, untuk memeriksanya dapat dilakukan dengan menghitung nilai jarak kuadrat pada setiap pengamatan (Johnson dan Wichern, 1992), yaitu.
untuk j = 1,2,…,n
= jarak kuadrat pada setiap pengamat
= vektor data pengamatan
= vektor nilai rata-rata
Σ = matriks varian kovarian
Asumsi lain yang harus dipenuhi dalam SEM adalah asumsi nonmultikolinearitas. Asumsi ini mengharuskan tidak adanya korelasi yang sempurna atau besar di antara variabel-variabel independen. Nilai korelasi antara variabel observed yang tidak dibolehkan adalah sebesar 0.9 atau lebih (Ghozali dan Fuad, 2005).
),
(
)'
(
1 2x
x
x
x
d
j=
j−
Σ
− j−
2 j d jx
x
IDENTIFIKASI MODEL
Menurut Wijanto (2008), sebelum melakukan tahap estimasi untuk mencari solusi dari persamaan simultan yang mewakili model yang dispesifikasikan terlebih dahulu untuk memeriksa identifikasi dari persamaan simultan tersebut
1. Under Identified
Model dengan jumlah parameter yang diestimasi lebih besar dari jumlah data yang diketahui . Model Under Identified pada SEM mempunyai df = jumlah data yang diketahui - jumlah parameter yang diestimasi < 0 sehingga dapat disimpulkan model Under Identified mempunyai df negatif.
2. Just Identified
Model dengan jumlah parameter yang diestimasi sama dengan data yang diketahui. Sehingga dapat disimpulkan bahwa model mempunyai degree of freedom nol.
3. Over Identified
Model dengan jumlah parameter yang diestimasi lebih kecil dari jumlah data yang diketahui. Model ini mempunyai degree of freedom positif.
UJI KESESUAIAN MODEL
1. Uji Chi-Square
H0 : Data empiris identik dengan teori atau model
H1 : Data empiris tidak identik dengan teori atau model
Statistik Uji :
2. Dari beberapa indikator model fit yang ada, RMSEA merupakan indikator yang paling informatif. RMSEA mengukur penyimpangan nilai parameter pada suatu model dengan matriks kovarians populasinya(Brown & Cudeck 1993 dalam Ghozali & Fuad 2005).
(
)
[
( )
θ
]
χ
2=
−
1
∑
,
∑
ˆ
F
n
(
)
(
)
2
1
1 1 2+
−
=
∑∑
− =p
p
s
RMSEA
p i i j ij ijσ
ijs
ijσ
= varians kovarians data observasi
= varians kovarians model P = jumlah variabel endogen
UJI KESESUAIAN MODEL
3. GFI (Goodness of Fit Index)
Indeks kesesuaian (fit indexs) ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks
kovarians populasi yang terestimasikan.
4. AGFI (Adjusted Goodness of Fit)
AGFI adalah perluasan dari GFI yang disesuaikan, tetapi telah menyesuaikan pengaruh degrees of freedom pada suatu model.
(
)
(
)
∑
∑
−
−
=
− − 2 1 2 1ˆ
ˆ
1
S
tr
I
S
tr
GFI
1ˆ
−∑
= Matriks varians kovarians modelS = Matriks varians kovarians data observasi (measurement) I = Matriks identitas
(
) (
)
p p+1
AGFI=1-
1
GFI
2df
−
p : Jumlah variabel endogen df : Degrees of freedom
UJI KESESUAIAN MODEL
Goodness of Fit Index
Nilai yang diharapkan
χ
2– Chi Square
Diharapkan kecil
RMSEA
≤ 0,08
GFI
0,9
ESTIMASI MODEL ATAU PARAMETER
Teknik estimasi model persamaan struktural pada awalnya
dilakukan dengan
ordinary least square
(OLS)
regression
,
tetapi teknik ini telah digantikan oleh
maximum likelihood
estimation
yang lebih efisien dan
unbiased
jika asumsi
normalitas multivariate dipenuhi. Namun teknik
maximum
likelihood
sangat sensitif terhadap data yang tidak normal
sehingga diciptakan teknik estimasi lain seperti
weigthed
least squared
(WLS),
generalized least squared
(GLS)
dan
asymtotically distribution free
(ADF). Teknik WLS dan
ADF dapat digunakan apabila sampel penelitian cukup
besar.
TEKNIK PENGAMBILAN SAMPEL
Pengambilan sampel didasarkan pada seksi yang ada di PT. KAI Daerah Operasi 8 Surabaya yang terdiri dari 13 seksi. Berikut ini merupakan perhitungan dari estimasi penarikan sampel (Thompson, 1992).
dimana :
n = ukuran sampel,
N = jumlah populasi (2330)
p =Proporsi responden puas (0,833)
q = Proporsi responden tidak puas (0,167) d = derajat kesalahan (0,07)
Z = 1,96 (nilai baku dari tabel distribusi Normal baku dengan tingkat kepercayaan sebesar α = 0,05).
TEKNIK PENGAMBILAN SAMPEL
Adapun masing-masing seksi akan dilakukan pengamatan secara sampel dengan masing-masing ukuran sampel proporsional terhadap jumlah karyawan di masing-masing seksi, secara umum ukuran sampel untuk tiap seksi :
dengan ukuran populasi di seksi ke – i, i = 1, 2, .... 13.
= N N n ni i Seksi Ni ni Humasda 13 1 Hukum 5 1 SDM dan Umum 46 2 Keuangan 30 1
Pengadaan Barang dan Jasa 15 1
Sarana 595 26
Jalan Rel dan Jembatan 585 26
Sintelis 224 10
Operasi 667 30
Pengamanan 72 3
Pelayanan 48 2
Pemasaran Angkutan 18 1
VARIABEL PENELITIAN
No. Atribut Tipe Jawaban
1. Jenis kelamin 1.pria
2.wanita 2. Pendidikan terakhir 1.SD 2.SMP/Sederajat 3.SMA/Sederajat 4.Diploma 5.S1 6.S2
3. Status 1.Belum menikah
2.Menikah 3.Duda/janda 4. Usia (Terbuka) 5. Jumlah tanggungan keluarga (Terbuka) 6. Jabatan (Terbuka)
VARIABEL PENELITIAN
KEPUASAN KERJA
Variabel Pernyataan
Karakteristik Pekerjaan 1-2
Ganjaran yang pantas 3-4
Kondisi kerja yang mendukung 5-6
Rekan sekerja yang mendukung 7-8
Kesesuaian kepribadian yangmemuaskan 9-10
Faktor-Faktor QWL
Variabel Pernyataan
Partisipasi Pengambilan Keputusan 1-2
Restrukturisasi Kerja 3-4
Lingkungan Kerja 5-6
METODE ANALISIS
1. Uji Validitas dan Reliabilitas 2. Analisis Statistika Deskriptif
3. Analisis Model Persamaan Struktural (SEM), dengan langkah-langkah sebagai berikut.
a. Pengujian Asumsi, dilakukan dengan tujuan untuk mengecek data apakah data yang didapatkan telah memenuhi asumsi SEM, yaitu distribusi normal multivariate dan nonmultikolinearitas.
b. Mendapatkan model berdasarkan konsep dan teori. c. Mengkonstruksi diagram path (diagram alur).
d. Melakukan Identifikasi model dengan melihat derajat bebas model. Model yang dapat dianalisis adalah model dalam keadaan over identified, dimana derajat bebas model bernilai positif. Apabila model dalam keadaan just identified atau under identified maka model tidak dapat dianalisis lebih lanjut. e. Setelah mengetahui bahwa model dapat dianalisis, langkah selanjutnya
adalah menguji kelayakan atau kesesuaian model (goodness of fit).
f. Mengestimasi parameter model dan menginterpretasikan output yang diperoleh. Estimasi faktor loading (tingkat korelasi antara variabel laten dengan variabel indikator yang menjelaskannya) dengan menggunakan standar estimasi. Hasil yang diperoleh dapat menerangkan seberapa besar kontribusi/ pengaruh variabel indikator terhadap variabel laten yang disusunnya
UJI VALIDITAS
Variabel atribut Korelasi Keterangan
PartisiPasi Pengambilan KePutusan
Pertanyaan 1 0,725 Valid
Pertanyaan 2 0,736 Valid
restruKturisasi Kerja Pertanyaan 1 0,801 Valid
Pertanyaan 2 0,643 Valid
sistem imbalan inoVatif Pertanyaan 1 0,838 Valid
Pertanyaan 2 0,748 Valid
lingKungan Kerja Pertanyaan 1 0,581 Valid
Pertanyaan 2 0,654 Valid
Variabel atribut Korelasi Keterangan
KaraKteristiK PeKerjaan Pertanyaan 1 0,803 Valid
Pertanyaan 2 0,741 Valid
ganjaran yang diterima Pertanyaan 1 0,798 Valid
Pertanyaan 2 0,713 Valid
Kondisi Kerja yang menduKung
Pertanyaan 1 0,801 Valid
Pertanyaan 2 0,753 Valid
reKan Kerja Pertanyaan 1 0,809 Valid
Pertanyaan 2 0,665 Valid
Kesesuaian KePribadian PeKerjaan
Pertanyaan 1 0,617 Valid
UJI RELIABILITAS
Variabel αc Keterangan
faKtor-faKtor QWl 0,861 reliabel
ANALISIS DESKRIPTIF
Pria 85% Wanita 15%Jenis Kelamin
0 10 20 30 40 50 60 SMA Diploma S1 S2Pendidikan terakhir
29% 17% 50% 4%ANALISIS DESKRIPTIF
13,33% 83,81% 2,86% 0 10 20 30 40 50 60 70 80 90 100Belum nikah Nikah Duda/Janda Status ≤30 tahun 27% 30-40 tahun 21% 40-50 tahun 40% >50 tahun 36%
USIA
ANALISIS DESKRIPTIF
Jumlah tanggungan keluarga Frekuensi Persentase 1 9 9% 2 19 18% 3 36 34% 4 26 25% >5 15 14%Lama Bekerja Frekuensi Persentase
≤5 tahun 22 21% 6-10 tahun 12 11% 11-15 tahun 9 9% 16-20 tahun 11 10% 21-25 tahun 14 13% 26-30 tahun 27 26%