29 BAB IV
HASIL DAN ANALISIS
4.1. KARAKTERISTIK RESPONDEN
Responden penelitian ini adalah semua manajer yang bekerja pada Bank Perkreditan Rakyat (BPR) di Semarang. Dari 125 kuesioner dikirim Januari-Februari 2018, terdapat 40 kuesioner kembali dan seluruhnya dapat diolah.
Tabel 4.1. Tabel Pengembalian Kuesioner
No BPR Jumlah
30 4.2. UJI ALAT PENGUMPULAN DATA
Kuesioner memungkinkan penelitian di bidang ilmu sosial untuk mengamati indikator yang mencerminkan variabel-variabel yang tidak dapat diukur secara langsung. Idealnya pengujian validitas dan reliabilitas dilakukan pertama kali, sebelum data yang berasal dari kuesioner tersebut diolah peneliti dalam bentuk yang lain supaya peneliti dapat memilah data mana yang bisa digunakan dan data mana yang harus dibuang (Murniati dkk., 2013:19).
4.2.1. Uji Validitas
Uji validitas digunakan untuk mengukur apakah pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner terebut. Jadi metode ini digunakan untuk mengukur ketepatan tiap pertanyaan kuesioner atau indikator yang digunakan (Murniati dkk., 2013:20). Kriteria valid adalah jika nilai Cronbach's Alpha if Item Deleted masing-masing indikator pertanyaan ≤ dari nilai Cronbach's Alpha instrumen (Murniati dkk., 2013:34).
Tabel 4.2. Uji Validitas Kinerja Manajer (KM)
Indikator Cronbach's Alpha if Item Deleted Cronbach's Alpha Keterangan
KM1 0.946 0,953 Valid
KM2 0.948 0,953 Valid
KM3 0.944 0,953 Valid
KM4 0.953 0,953 Valid
KM5 0.947 0,953 Valid
KM6 0.945 0,953 Valid
KM7 0.949 0,953 Valid
KM8 0.946 0,953 Valid
KM9 0.953 0,953 Valid
31
Nilai Cronbach's Alpha if Item Deleted masing-masing indikator pertanyaan (KM1 sampai KM9) ≤ dari nilai Cronbach's Alpha instrumen (0,953). Sehingga dapat disimpulkan bahwa semua indikator pertanyaan tersebut telah valid dan dapat digunakan untuk mengukur variabel kinerja manajer (KM).
Tabel 4.3. Uji Validitas Reliance On Multiple Performance Measures (RMPM) Indikator Cronbach's Alpha if Item Deleted Cronbach's Alpha Keterangan
RMPM1 0.909 0,915 Valid
RMPM2 0.906 0,915 Valid
RMPM3 0.912 0,915 Valid
RMPM4 0.905 0,915 Valid
RMPM5 0.911 0,915 Valid
RMPM6 0.903 0,915 Valid
RMPM7 0.907 0,915 Valid
RMPM8 0.907 0,915 Valid
RMPM9 0.905 0,915 Valid
RMPM10 0.906 0,915 Valid
Sumber: Lampiran 3
Nilai Cronbach's Alpha if Item Deleted masing-masing indikator pertanyaan (RMPM1 sampai RMPM10) ≤ dari nilai Cronbach's Alpha instrumen (0,915). Sehingga dapat disimpulkan bahwa semua indikator pertanyaan tersebut telah valid dan dapat digunakan untuk mengukur variabel reliance on multiple performance measures (RMPM).
Tabel 4.4. Uji Validitas Goal Difficulty (GD)
Indikator Cronbach's Alpha if Item Deleted Cronbach's Alpha Keterangan
GD1 0.925 0,957 Valid
GD2 0.944 0,957 Valid
GD3 0.939 0,957 Valid
Sumber: Lampiran 3
32
Sehingga dapat disimpulkan bahwa semua indikator pertanyaan tersebut telah valid dan dapat digunakan untuk mengukur variabel goal difficulty (GD).
Tabel 4.5. Uji Validitas Goal Specificity (GS)
Indikator Cronbach's Alpha if Item Deleted Cronbach's Alpha Keterangan
GS1 0.987 0,989 Valid
GS2 0.983 0,989 Valid
GS3 0.980 0,989 Valid
Sumber: Lampiran 3
Nilai Cronbach's Alpha if Item Deleted masing-masing indikator pertanyaan (GS1 sampai GS3) ≤ dari nilai Cronbach's Alpha instrumen (0,989). Sehingga dapat disimpulkan bahwa semua indikator pertanyaan tersebut telah valid dan dapat digunakan untuk mengukur variabel goal specificity (GS).
Tabel 4.6. Uji Validitas Goal Acceptance (GA)
Indikator Cronbach's Alpha if Item Deleted Cronbach's Alpha Keterangan
GA1 0.866 0,908 Valid
GA2 0.828 0,908 Valid
GA3 0.907 0,908 Valid
Sumber: Lampiran 3
Nilai Cronbach's Alpha if Item Deleted masing-masing indikator pertanyaan (GA1 sampai GA3) ≤ dari nilai Cronbach's Alpha instrumen (0,908). Sehingga dapat disimpulkan bahwa semua indikator pertanyaan tersebut telah valid dan dapat digunakan untuk mengukur variabel goal acceptance (GA).
4.2.2. Uji Reliabilitas
33
stabil dari waktu ke waktu. Jadi uji reliabilitas di sini digunakan untuk mengukur konsistensi data atau ketetapan dari keseluruhan kuesioner atau instrument penelitian (Murniati dkk., 2013:20). Kriteria reliabel adalah jika nilai cronbach alpha >0,9 berarti bahwa kuesioner telah tergolong kriteria reliabel sempurna (Murniati dkk., 2013:34).
Tabel 4.7. Uji Reliabilitas
Variabel Cronbach
Alpha Keterangan
Kinerja Manajer (KM) 0,953 Reliabel Sempurna Reliance On Multiple Performance
Measures (RMPM) 0,915 Reliabel Sempurna
Goal Difficulty (GD) 0,957 Reliabel Sempurna Goal Specificity (GS) 0,989 Reliabel Sempurna Goal Acceptance (GA) 0,908 Reliabel Sempurna Sumber: Lampiran 3
Variabel kinerja manajer (KM), reliance on multiple performance measures (RMPM), goal difficulty (GD), goal specificity (GS) serta goal acceptance (GA) memberikan nilai cronbach alpha masing-masing > 0,90 sehingga dapat disimpulkan kuesioner telah tergolong kriteria reliabel sempurna.
4.3. STATISTIK DESKRIPTIF
34 RS = Nilai Tertinggi – Nilai Terendah
Jumlah Kategori
RS = 7 – 1 = 2 3
Tabel 4.8. Kategori Rentang Skala
Rentang Skala Kategori
1,00 – 3,00 Rendah
3,01 – 5,00 Sedang
5,01 – 7,00 Tinggi
Tabel 4.9. Statistik Deskriptif Per Variabel
Indikator Kisaran Rendah Sedang Tinggi
KM 1-7 4-7 6.29 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi
Skor rata-rata jawaban responden dari kinerja manajer (KM) dan reliance on multiple performance measures (RMPM) termasuk kategori tinggi. Sementara goal difficulty (GD) dan goal specificity (GD) termasuk kategori sedang. Sedangkan goal acceptance (GA) termasuk kategori rendah.
Tabel 4.10. Statistik Deskriptif Kinerja Manajer(KM)
Indikator Kisaran Rendah Sedang Tinggi
KM1 1-7 4-7 6.30 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi
Rata-rata Total 6.29 Tinggi
35
Skor rata-rata jawaban responden dari kinerja manajer (KM) adalah sebesar 6,29 dan termasuk kategori tinggi. Artinya persepsi hasil evaluasi terhadap pekerjaan yang dilakukan manajer sangat bagus.
Tabel 4.11. Statistik Deskriptif RMPM
Indikator Kisaran Rendah Sedang Tinggi
RMPM1 1-7 4-7 6.53 1,00-3,00 3,01-5,00 5,01-7,00 Tinggi
Rata-rata Total 6.56 Tinggi
Sumber: Lampiran 2
Skor rata-rata jawaban responden dari reliance on multiple performance measures (RMPM) adalah sebesar 6,56 dan termasuk kategori tinggi. Artinya persepsi tentang kombinasi pengukuran finansial dan non-finansial sangat penting bagi manajer.
Tabel 4.12. Statistik Deskriptif Goal Difficulty (GD)
Indikator Kisaran Rendah Sedang Tinggi
GD1 1-7 2-7 4.35 1,00-3,00 3,01-5,00 5,01-7,00 Sedang
GD2 1-7 2-7 4.38 1,00-3,00 3,01-5,00 5,01-7,00 Sedang
GD3 1-7 2-7 4.28 1,00-3,00 3,01-5,00 5,01-7,00 Sedang
Rata-rata Total 4.33 Sedang
Sumber: Lampiran 2
36
Tabel 4.13. Statistik Deskriptif Goal Specificity (GS)
Indikator Kisaran Rendah Sedang Tinggi
GS1 1-7 2-7 3.18 1,00-3,00 3,01-5,00 5,01-7,00 Sedang
GS2 1-7 2-7 3.10 1,00-3,00 3,01-5,00 5,01-7,00 Sedang
GS3 1-7 2-7 3.13 1,00-3,00 3,01-5,00 5,01-7,00 Sedang
Rata-rata Total 3.13 Sedang
Sumber: Lampiran 2
Skor rata-rata jawaban responden dari goal specificity (GD) adalah sebesar 3,13 dan termasuk kategori sedang. Artinya persepsi manajer terhadap tujuan pekerjaan yang dilakukannya cukup rinci.
Tabel 4.14. Statistik Deskriptif Goal Acceptance (GA)
Indikator Kisaran Rendah Sedang Tinggi
GA1 1-7 1-3 1.93 1,00-3,00 3,01-5,00 5,01-7,00 Rendah
GA2 1-7 1-4 2.07 1,00-3,00 3,01-5,00 5,01-7,00 Rendah
GA3 1-7 1-4 2.25 1,00-3,00 3,01-5,00 5,01-7,00 Rendah
Rata-rata Total 2.08 Rendah
Sumber: Lampiran 2
Skor rata-rata jawaban responden dari goal acceptance (GA) adalah sebesar 2,08 dan termasuk kategori rendah. Artinya persepsi manajer terhadap tujuan pekerjaan yang dilakukannya kurang diterima.
4.4. GAMBARAN UMUM RESPONDEN
37
Tabel 4.15. Gambaran Umum Responden
Keterangan Frek % Mean Semarang lebih banyak yang berjenis kelamin laki-laki. Responden berumur 21-30 tahun ada 6 orang, 31-40 tahun ada 29 orang dan 41-50 tahun ada 5 orang. Hal ini menunjukkan responden manajer yang bekerja pada BPR di Semarang lebih banyak yang berumur 31-40 tahun. Responden berlama kerja 1-5 tahun ada 17 orang dan 6-10 tahun ada 23 orang. Hal ini menunjukkan responden manajer yang bekerja pada BPR di Semarang lebih banyak yang berlama kerja 6-10 tahun. Responden berpendidikan D3 ada 4 orang, S1 ada 35 orang dan S2 ada 1 orang. Hal ini menunjukkan responden manajer yang bekerja pada BPR di Semarang lebih banyak yang berpendidikan S1.
38
GD, GS dan GA nilai mean lebih tinggi pada responden berjenis kelamin laki-laki, berumur 41-50 tahun dan berlama kerja 6-10 tahun.
4.5. UJI HIPOTESIS 4.5.1. Uji Hipotesis 1
1. Persamaan regresi Hipotesis 1
KM = β0.1 + β1.1 RMPM + β2.1 GD + e ... (Model 1) KM = β0.2 + β1.2 RMPM + β2.2 GD + β3.2 RMPM.GD + e .. (Model 2) Keterangan:
KM = kinerja manajer
RMPM = reliance on multiple performance measures GD = goal difficulty
RMPM.GD = interaksi antara RMPM dengan goal difficulty
β0 = konstanta
β1-3 = koefisien regresi
e = error
Pengujian asumsi klasik untuk hipotesis 1: 1. Uji Multikolinearitas
Multikolinearitas berkenaan dengan terdapatnya lebih dari satu hubungan linear pasti. Multikolinearitas menyebabkan regresi tidak efisien atau penyimpangannya besar (Gujarati, 2012 dalam Murniati dkk., 2013). Multikolinearitas dilihat dari nilai tolerance dan variance inflation factor (VIF).
RMPM Kinerja Manajer
39
Suatu model regresi dikatakan bebas dari multikolinearitas jika nilai tolerance ≥ 0,1 dan nilai VIF ≤ 10 (Murniati dkk., 2013:71).
Tabel 4.16. Uji Multikolinieritas Hipotesis 1 (Tidak Lolos)
No Model Var Independen Tolerance VIF Ket
Terdapat beberapa variabel yang tidak memberikan masing-masing nilai tolerance ≥ 0,1 dan nilai VIF ≤ 10 sehingga dapat disimpulkan terdapat beberapa variabel yang belum terbebas dari masalah multikolinearitas. Oleh karena itu perlu dilakukan pengobatan multikolinearitas dengan melakukan mean centering (Murniati dkk., 2013:119) yang menghasilkan sebagai berikut.
Tabel 4.17. Uji Multikolinieritas Hipotesis 1 (Setelah Mean Centering)
No Model Var Independen Tolerance VIF Ket
Semua variabel memberikan masing-masing nilai tolerance ≥ 0,1 dan nilai
40 2. Uji Normalitas
Pengujian normalitas dimaksudkan untuk mendeteksi apakah data yang akan digunakan untuk menguji hipotesis, yang merupakan sampel dari populasi, merupakan data empiris yang memenuhi hakikat naturalistik. Hakikat naturalistic menganut faham bahwa fenomena (gejala) yang terjadi di alam ini berlangsung secara wajar dan dengan kecenderungan berpola. Menggunakan Uji Kolmogorov-Smirnov. Data dikatakan normal jika nilai probabilitas (sig) Kolmogorov-Smirnov > 0,05 (Murniati dkk., 2013:62).
Tabel 4.18. Uji Normalitas Hipotesis 1
No Model Sig.
Kolmogorov-Smirnov Ket
1 KM = β0.1+ β1.1 RMPM + β2.1 GD + e
0,408 Normal
2 KM = β0.2 + β1.2 RMPM + β2.2 GD + β3.2 RMPM.GD + e
Sumber: Lampiran 4
Semua persamaan memberikan masing-masing nilai Sig. Kolmogorov-Smirnov adalah > 0,05 sehingga dapat disimpulkan data penelitian dari semua persamaan telah normal.
3. Uji Heteroskedastisitas
41
Tabel 4.19. Uji Heteroskedastisitas Hipotesis 1
No Model Var Independen Sig. Ket
Semua variabel dari semua persamaan memberikan masing-masing nilai sig > 0,05 sehingga dapat disimpulkan semua variabel dari semua persamaan telah terbebas dari masalah heteroskedastisitas.
Pengujian moderated regression analysis (MRA) untuk hipotesis 1: Tabel 4.20. Uji H1 RMPM.GD (2,417) > t tabel (+1,96) sehingga interaksi signifikan secara statistik. Koefisien variabel RMPM.GD (0,332) > 0 dan sehingga interaksinya positif (Murniati dkk., 2013:121). Jadi H1 yang berbunyi reliance on multiple
42
tinggi dan tujuan yang dicapai semakin sulit (goal difficulty) maka kinerja manajer semakin baik.
4.5.2. Uji Hipotesis 2
Persamaan regresi Hipotesis 2
KM = α0.1 + α1.1 RMPM + α2.1 GS + e ... (Model 3) KM = α0.2 + α1.2 RMPM + α2.2 GS + α3.2 RMPM.GS + e .. (Model 4) Keterangan:
KM = kinerja manajer
RMPM = reliance on multiple performance measures GS = goal specificity
RMPM.GS = interaksi antara RMPM dengan goal specificity
α0 = konstanta
α1-3 = koefisien regresi
e = error
Pengujian asumsi klasik untuk hipotesis 2: 1. Uji Multikolinearitas
Multikolinearitas berkenaan dengan terdapatnya lebih dari satu hubungan linear pasti. Multikolinearitas menyebabkan regresi tidak efisien atau penyimpangannya besar (Gujarati, 2012 dalam Murniati dkk., 2013). Multikolinearitas dilihat dari nilai tolerance dan variance inflation factor (VIF). Suatu model regresi dikatakan bebas dari multikolinearitas jika nilai tolerance ≥
0,1 dan nilai VIF ≤ 10 (Murniati dkk., 2013:71).
RMPM Kinerja Manajer
43
Tabel 4.21. Uji Multikolinieritas Hipotesis 2 (Tidak Lolos)
No Model Var Independen Tolerance VIF Ket
Terdapat beberapa variabel yang tidak memberikan masing-masing nilai tolerance ≥ 0,1 dan nilai VIF ≤ 10 sehingga dapat disimpulkan terdapat beberapa variabel yang belum terbebas dari masalah multikolinearitas. Oleh karena itu perlu dilakukan pengobatan multikolinearitas dengan melakukan mean centering (Murniati dkk., 2013:119) yang menghasilkan sebagai berikut.
Tabel 4.22. Uji Multikolinieritas Hipotesis 2 (Setelah Mean Centering)
No Model Var Independen Tolerance VIF Ket
Semua variabel memberikan masing-masing nilai tolerance ≥ 0,1 dan nilai
VIF ≤ 10 sehingga dapat disimpulkan semua variabel telah terbebas dari masalah multikolinearitas.
2. Uji Normalitas
44
menganut faham bahwa fenomena (gejala) yang terjadi di alam ini berlangsung secara wajar dan dengan kecenderungan berpola. Menggunakan Uji Kolmogorov-Smirnov. Data dikatakan normal jika nilai probabilitas (sig) Kolmogorov-Smirnov > 0,05 (Murniati dkk., 2013:62).
Tabel 4.23. Uji Normalitas Hipotesis 2
No Model Sig.
Kolmogorov-Semua persamaan memberikan masing-masing nilai Sig. Kolmogorov-Smirnov adalah > 0,05 sehingga dapat disimpulkan data penelitian dari semua persamaan telah normal.
3. Uji Heteroskedastisitas
Pada analisis regresi, heteroskedastisitas berarti situasi dimana keragaman variable independen bervariasi pada data yang kita miliki. Salah satu asumsi kunci pada metode regresi biasa adalah bahwa error memiliki keragaman yang sama pada tiap-tiap sampelnya. Data dikatakan bebas heteroskedastisitas jika sig. > 0,05 (Murniati dkk., 2013:65).
Tabel 4.24. Uji Heteroskedastisitas Hipotesis 2
45
Semua variabel dari semua persamaan memberikan masing-masing nilai sig > 0,05 sehingga dapat disimpulkan semua variabel dari semua persamaan telah terbebas dari masalah heteroskedastisitas.
Pengujian moderated regression analysis (MRA) untuk hipotesis 2: Tabel 4.25. Uji H2 RMPM.GS (2,013) > t tabel (+1,96) sehingga interaksi signifikan secara statistik. Koefisien variabel RMPM.GS (0,436) > 0 dan sehingga interaksinya positif (Murniati dkk., 2013:121). Jadi H2 yang berbunyi reliance on multiple
46 4.5.3. Uji Hipotesis 3
Persamaan regresi Hipotesis 3
KM = γ0.1 + γ1.1 RMPM + γ2.1 GA + e ... (Model 5) KM = γ0.2 + γ1.2 RMPM + γ2.2 GA + γ3.2 RMPM.GA + e ... (Model 6) Keterangan:
KM = kinerja manajer
RMPM = reliance on multiple performance measures GA = goal acceptance
RMPM.GA = interaksi antara RMPM dengan goal acceptance
γ0 = konstanta
γ1-3 = koefisien regresi
e = error
Pengujian asumsi klasik untuk hipotesis 3: 1. Uji Multikolinearitas
Multikolinearitas berkenaan dengan terdapatnya lebih dari satu hubungan linear pasti. Multikolinearitas menyebabkan regresi tidak efisien atau penyimpangannya besar (Gujarati, 2012 dalam Murniati dkk., 2013). Multikolinearitas dilihat dari nilai tolerance dan variance inflation factor (VIF). Suatu model regresi dikatakan bebas dari multikolinearitas jika nilai tolerance ≥
0,1 dan nilai VIF ≤ 10 (Murniati dkk., 2013:71).
RMPM Kinerja Manajer
47
Tabel 4.26. Uji Multikolinieritas Hipotesis 3 (Tidak Lolos)
No Model Var Independen Tolerance VIF Ket
Terdapat beberapa variabel yang tidak memberikan masing-masing nilai tolerance ≥ 0,1 dan nilai VIF ≤ 10 sehingga dapat disimpulkan terdapat beberapa variabel yang belum terbebas dari masalah multikolinearitas. Oleh karena itu perlu dilakukan pengobatan multikolinearitas dengan melakukan mean centering (Murniati dkk., 2013:119) yang menghasilkan sebagai berikut.
Tabel 4.27. Uji Multikolinieritas Hipotesis 3 (Setelah Mean Centering)
No Model Var Independen Tolerance VIF Ket
Semua variabel memberikan masing-masing nilai tolerance ≥ 0,1 dan nilai
VIF ≤ 10 sehingga dapat disimpulkan semua variabel telah terbebas dari masalah multikolinearitas.
2. Uji Normalitas
48
menganut faham bahwa fenomena (gejala) yang terjadi di alam ini berlangsung secara wajar dan dengan kecenderungan berpola. Menggunakan Uji Kolmogorov-Smirnov. Data dikatakan normal jika nilai probabilitas (sig) Kolmogorov-Smirnov > 0,05 (Murniati dkk., 2013:62).
Tabel 4.28. Uji Normalitas Hipotesis 3
No Model Sig.
Kolmogorov-Semua persamaan memberikan masing-masing nilai Sig. Kolmogorov-Smirnov adalah > 0,05 sehingga dapat disimpulkan data penelitian dari semua persamaan telah normal.
3. Uji Heteroskedastisitas
Pada analisis regresi, heteroskedastisitas berarti situasi dimana keragaman variable independen bervariasi pada data yang kita miliki. Salah satu asumsi kunci pada metode regresi biasa adalah bahwa error memiliki keragaman yang sama pada tiap-tiap sampelnya. Data dikatakan bebas heteroskedastisitas jika sig. > 0,05 (Murniati dkk., 2013:65).
Tabel 4.29. Uji Heteroskedastisitas Hipotesis 3
49
Semua variabel dari semua persamaan memberikan masing-masing nilai sig > 0,05 sehingga dapat disimpulkan semua variabel dari semua persamaan telah terbebas dari masalah heteroskedastisitas.
Pengujian moderated regression analysis (MRA) untuk hipotesis 3: Tabel 4.30. Uji H3 RMPM.GA (2,076) > t tabel (+1,96) sehingga interaksi signifikan secara statistik. Koefisien variabel RMPM.GA (0,479) > 0 dan sehingga interaksinya positif (Murniati dkk., 2013:121). Jadi H3 yang berbunyi reliance on multiple
50 4.6. PEMBAHASAN
4.6.1. Pembahasan Hipotesis 1
H1 yang berbunyi reliance on multiple performance measures berpengaruh
terhadap kinerja manajer dengan goal difficulty sebagai variabel moderasi diterima. Artinya, ketika kombinasi pengukuran finansial dan non-finansial semakin baik dan tujuan yang dicapai semakin sulit (goal difficulty) maka kinerja manajer semakin baik. Hal ini sesuai dengan penelitian Sholihin et al. (2010) yaitu interaksi antara reliance on multiple performance measures dan goal difficulty berpengaruh terhadap kinerja manajer.
Hasil penelitian ini sesuai dengan goal setting theory yang berpendapat bahwa seseorang dengan tujuan sulit akan melakukan lebih baik daripada seseorang dengan tujuan mudah (goal difficulty). Penggunaan campuran yang tepat antara pengukuran finansial dan non finansial disebut dengan Reliance On Multiple Performance Measures atau RMPM. Semakin penting RMPM maka kinerja manajer akan semakin baik karena Otley dan Fakiolas (2000), Hartmann (2000) serta Noeverman et al. (2005) menemukan bahwa pengukuran non-finansial meningkatkan kinerja manajer.
51
dihadapkan pada tujuan yang dicapai semakin sulit (goal difficulty) maka kinerja manajer semakin baik.
Akan tetapi dalam penelitian ini berdasarkan tabel 4.15., goal difficulty pada BPR di Semarang masih masuk dalam kategori sedang sehingga penelitian ini ditujukan supaya kinerja manajer menjadi tinggi. Hal ini dapat dilihat dari tabel 4.12., indikator terendah dari goal difficulty yaitu responden manajer tingkat menengah pada BPR di Semarang mendapat tujuan kinerjanya kurang sulit sehingga perlu membuat target yang lebih sulit. Ditinjau dari nilai mean-ya, nilai mean goal difficulty pada BPR di Semarang yang rendah pada usia 20-40 tahun, lebih tinggi pada responden berjenis kelamin laki-laki dibanding perempuan. Maka dapat dikatakan responden manajer tingkat menengah pada BPR di Semarang perempuan usia 20-40 tahun merasa bahwa tujuan kinerjanya kurang sulit dan dapat ditingkatkan dengan cara membuat target yang lebih sulit.
4.6.2. Pembahasan Hipotesis 2
H2 yang berbunyi reliance on multiple performance measures berpengaruh
52
Hasil penelitian ini sesuai dengan goal setting theory yang berpendapat bahwa orang dengan tujuan tertentu (tahu persis apa yang ingin lakukan, atau yang seharusnya dilakukan) akan melakukan lebih baik daripada seseorang yang tujuan atau niat tidak jelas (goal specificity). Penggunaan campuran yang tepat antara pengukuran finansial dan non finansial disebut dengan Reliance On Multiple Performance Measures atau RMPM. Semakin penting RMPM maka kinerja manajer akan semakin baik karena Otley dan Fakiolas (2000), Hartmann (2000) serta Noeverman et al. (2005) menemukan bahwa pengukuran non-finansial meningkatkan kinerja manajer.
Ketika sebuah bank memiliki tujuan yang rinci seperti tersedianya informasi yang sangat jelas berapa rupiah minimal penempatan deposito yang harus dicapai oleh pihak marketing, maka penggunaan pengukuran finansial dan non finansial (RMPM) akan semakin mempengaruhi kinerja manajer. Artinya berdasarkan persepsi manajer tingkat menengah pada BPR di Semarang, ketika manajer menggunakan pengukuran finansial dan non finansial (RMPM), dia dihadapkan pada tujuan yang dicapai semakin rinci (goal specificity) maka kinerja manajer semakin baik.
53
nilai mean goal specificity pada BPR di Semarang yang rendah pada usia 20-40 tahun, lebih tinggi pada responden berjenis kelamin laki-laki dibanding perempuan. Maka dapat dikatakan responden manajer tingkat menengah pada BPR di Semarang perempuan usia 20-40 tahun merasa bahwa tujuan kinerjanya kurang rinci dan dapat ditingkatkan dengan cara mentoring sehingga lebih memahami detil pekerjaan.
4.6.3. Pembahasan Hipotesis 3
H3 yang berbunyi reliance on multiple performance measures berpengaruh
terhadap kinerja manajer dengan goal acceptance sebagai variabel moderasi diterima. Artinya, ketika kombinasi pengukuran finansial dan non-finansial semakin baik dan tujuan yang dicapai semakin diterima (goal acceptance) maka kinerja manajer semakin baik. Hal ini sesuai dengan penelitian Earley et al. (1992) yaitu interaksi antara reliance on multiple performance measures dan goal acceptance berpengaruh terhadap kinerja manajer.
54
Ketika sebuah bank memiliki tujuan yang diterima bersama oleh atasan dan bawahan, maka penggunaan pengukuran finansial dan non finansial (RMPM) akan semakin mempengaruhi kinerja manajer. Artinya berdasarkan persepsi manajer tingkat menengah pada BPR di Semarang, ketika manajer menggunakan pengukuran finansial dan non finansial (RMPM), dia dihadapkan pada tujuan yang dicapai semakin diterima (goal acceptance) maka kinerja manajer semakin baik.
