35 3.1 Metode yang Digunakan
Dalam penelitian ini, jenis penelitian yang digunakan adalah asosiatif. Menurut Sugiyono (2009), penelitian asosiatif adalah penelitian yang dilakukan dengan tujuan untuk mengetahui hubungan antara dua variabel atau lebih. Metode penelitian yang digunakan adalah survei lewat penyebaran kuesioner. Unit analisis yang digunakan adalah individu yaitu karyawan tetap PT Telekomunikasi Selular Regional Sumbagut dengan time horizon yang dipergunakan dalam penelitian ini adalah cross-sectional, di mana informasi dikumpulkan hanya sekali pada saat tertentu.
Berikut ini adalah tabel dari metode penelitian yang digunakan.
Tabel 3.1 Metode Penelitian
Tujuan Jenis Penelitian Metode Penelitian Unit Analisis Time Horizon
T-1 Asosiatif Survei Individu – Karyawan PT Telekomunikasi Selular Regional Sumbagut Cross sectional T-2 Asosiatif Survei Individu – Karyawan PT Telekomunikasi Selular Regional Sumbagut Cross sectional T-3 Asosiatif Survei Individu – Karyawan PT Telekomunikasi Selular Regional Sumbagut Cross sectional T-4 Asosiatif Survei Individu – Karyawan PT Telekomunikasi Selular Regional Sumbagut Cross sectional Sumber: Penulis, 2014 Keterangan:
organisasi pada PT Telekomunikasi Selular Regional Sumbagut.
• T-2: Untuk menentukan bagaimana pengaruh kepuasan kerja terhadap turnover
intention karyawan PT Telekomunikasi Selular Regional Sumbagut.
• T-3: Untuk menentukan bagaimana pengaruh komitmen organisasi terhadap
turnover intention karyawan pada PT Telekomunikasi Selular Regional Sumbagut.
• T-4: Untuk menentukan bagaimana pengaruh kepuasan kerja terhadap turnover
intention karyawan dengan komitmen organisasi sebagai variabel intervening pada
PT Telekomunikasi Selular Regional Sumbagut.
3.2 Operasionalisasi Variabel
Variabel adalah suatu atribut atau sifat atau nilai dari orang atau obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya (Sugiyono, 2010). Dalam penelitian ini variabel yang diteliti dibagi menjadi variabel bebas (independent variable), variabel
intervening, dan variabel terikat (dependent variable). Definisi operasional untuk
masing-masing variabel adalah sebagai berikut. 1. Variabel bebas (independent variable)
Variabel bebas merupakan variabel yang memengaruhi atau yang menjadi sebab perubahan atau timbulnya variabel dependen (Sugiyono, 2010). Variabel bebas atau variabel eksogen memengaruhi variabel terikat dalam cara yang positif atau negatif. Dengan kata lain, perbedaan dalam variabel terikat dihitung oleh variabel bebas. Oleh karena itu, ketika variabel bebas terjadi pada saat ini, maka variabel terikat juga saat ini, dan tiap unit dari peningkatan dalam variabel bebas, ada peningkatan atau penurunan dalam variabel terikat. Dalam penelitian ini, variabel bebasnya adalah Kepuasan Kerja (X).
2. Variabel mediasi (intervening)
Variabel mediasi (mediator) juga disebut variabel intervening atau variabel proses. Ghozali (2007) mengatakan variabel intervening merupakan variabel antara atau mediating yang fungsinya memediasi hubungan antara variabel independen dengan variabel dependen. Variabel intervening merupakan variabel yang secara teoritis memengaruhi hubungan antara variabel bebas dan variabel
terikat, namun sulit untuk diukur. Dalam penelitian ini, yang digunakan sebagai variabel intervening adalah Komitmen Organisasi (Y).
3. Variabel terikat (dependent variable)
Variabel terikat atau variabel endogen merupakan variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas. Dalam penelitian ini, yang merupakan variabel terikat adalah Turnover Intention (Z).
Ukuran variabel yang digunakan dalam penelitian ini adalah interval yaitu skala yang memiliki urutan dan interval yang sama antarkategori atau titik terdekatnya, di mana antara kategori yang satu dan kategori yang lain memiliki keterkaitan. Skala pengukuran yang digunakan adalah skala Likert yaitu skala yang digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang terhadap suatu kejadian atau keadaan sosial, di mana variabel yang akan diukur dijabarkan menjadi indikator variabel kemudian indikator tersebut dijadikan sebagai titik tolak untuk menyusun butir-butir pertanyaan. Menurut Sugiyono (2009), skala Likert yang sering digunakan dalam penelitian ilmu sosial adalah:
Salah satu cara yang paling sering digunakan dalam menentukan skor adalah dengan menghadapkan responden dengan sebuah pertanyaan dan kemudian diminta untuk memberikan jawaban: sangat setuju, setuju, ragu-ragu, tidak setuju, sangat tidak setuju masing-masing jawaban ini diberi skor terendah 1 (satu) hingga yang tertinggi 5 (lima).
Skala Likert dalam penelitian ini diberi bobot sebagai berikut. Sangat Setuju (SS) = 5
Setuju (S) = 4
Kurang Setuju (KS) = 3 Tidak Setuju (TS) = 2 Sangat Tidak Setuju (STS) = 1
Berdasarkan pendapat Riduwan dan Kuncoro (2008), mentransformasikan data ordinal menjadi data interval gunanya untuk memenuhi sebagian dari syarat analisis parametrik yang mana data setidak-tidaknya berskala interval. Teknik transformasi
yang paling sederhana adalah dengan menggunakan MSI (Method of Successive
Interval). Langkah-langkah transformasi data ordinal ke data interval sebagai
berikut:
1. Pertama perhatikan setiap butir jawaban responden dari angket yang disebarkan. 2. Pada setiap butir ditentukan beberapa orang yang mendapat skor 1, 2, 3, 4, dan
5 yang disebut sebagai frekuensi.
3. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut proporsi.
4. Tentukan nilai proporsi kumulatif dengan jalan menjumlahkan proporsi secara berurutan per kolom skor.
5. Gunakan Tabel Distribusi Normal, hitung nilai Z untuk setiap proporsi kumulatif yang diperoleh.
6. Tentukan nilai tinggi densitas untuk setiap nilai Z yang diperoleh (dengan menggunakan tabel Tinggi Densitas)
7. Tentukan nilai skala dengan menggunakan rumus;
8. Tentukan nilai skala dengan menggunakan rumus; Y = NS + [1+|1+|NSmin|]
Operasionalisasi variabel merupakan penjabaran dari variabel-variabel penelitian, dimensi, dan indikator yang digunakan untuk mengukur variabel tersebut. Berikut ini tabel operasionalisasi variabel dari penelitian ini.
Tabel 3.2 Operasionalisasi Variabel
Variabel Konsep Indikator Skala Data Skala
Ukuran Kepuasan kerja Perasaan positif tentang pekerjaan sebagai hasil evaluasi dari karakter-karakter pekerjaan tersebut.
Kepuasan terhadap
pekerjaan itu sendiri Interval Likert Kepuasan terhadap
gaji/upah Interval Likert
Kepuasan terhadap
(Robbins dan Judge, 2007)
Kepuasan terhadap
pengawasan Interval Likert
Kepuasan terhadap
kelompok kerja Interval Likert Kepuasan terhadap
kondisi kerja Interval Likert
Komitmen Organisasi Suatu keadaan di mana seorang karyawan memihak organisasi tertentu dan tujuan serta berkeinginan mempertahankan keanggotaan dalam organisasi. (Robbins dan Coulter, 2012) Melakukan upaya penyesuaian terhadap organisasi Interval Likert Meneladani
kesetiaan Interval Likert
Mendukung organisasi secara aktif
Interval Likert
Melakukan
pengorbanan pribadi Interval Likert
Turnover Intention
Keinginan untuk meninggalkan organisasi dengan sengaja dan sadar. (Mutiara, 2004)
Mencari lowongan
pekerjaan lain Interval Likert Berpikir untuk meninggalkan pekerjaan di perusahaan Interval Likert Memiliki pandangan masa depan mengenai kemungkinan tidak mempunyai masa depan yang baik jika
tetap bekerja di perusahaan ini. Sumber: Penulis, 2014
3.3 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif. Data kuantitatif adalah data yang berbentuk angka atau bilangan. Sesuai dengan bentuknya, data kuantitatif dapat diolah atau dianalisis menggunakan teknik perhitungan matematika atau statistika.
Sumber data penelitian ini adalah primer. Sumber data adalah segala sesuatu yang dapat memberikan informasi mengenai data (Sugiyono, 2009). Data dibagi menjadi dua yaitu data primer dan data sekunder (Sekaran dan Bougie, 2010). Data primer adalah informasi yang diperoleh dari sumber data pertama di lokasi penelitian atau obyek penelitian untuk tujuan penelitian. Data dikumpulkan sendiri oleh peneliti langsung dari sumber pertama atau tempat obyek penelitian dilakukan. Data sekunder merupakan kumpulan informasi yang didapat melalui sumber yang telah tersedia sebelumnya. Data ini dapat ditemukan dengan cepat. Dalam penelitian ini yang menjadi sumber data sekunder adalah literatur, artikel, jurnal serta situs di internet yang berkenaan dengan penelitian yang dilakukan.
Jenis dan sumber data yang digunakan dalam penelitian dapat dilihat pada tabel di bawah ini.
Tabel 3.3 Jenis dan Sumber Data Tujuan
Penelitian
Jenis dan Sumber Data
Data Jenis Data Sumber Data
T-1 Kepuasan Kerja dan
Turnover Intention Kuantitatif
Data primer melalui penyebaran kuesioner T-2 Komitmen Organisasi
dan Turnover Intention Kuantitatif
Data primer melalui penyebaran kuesioner T-3
Kepuasan Kerja, Komitmen Organisasi, dan Turnover Intention
Kuantitatif Data primer melalui penyebaran kuesioner Sumber: Penulis, 2014
3.4 Teknik Pengumpulan Data
Teknik pengumpulan data merupakan alat-alat ukur yang diperlukan dalam melaksanakan suatu penelitian (Riduwan dan Kuncoro, 2008). Data yang akan dikumpulkan dapat berupa angka-angka, keterangan tertulis, informasi lisan dan beragam fakta yang berhubungan dengan fokus penelitian yang diteliti. Teknik pengumpulan data yang dilakukan dalam penelitian ini terdiri dari:
1. Kuesioner (questionnaire), yaitu daftar pertanyaan maupun pernyataan tertulis yang telah dirumuskan sebelumnya yang akan responden jawab, biasanya dalam alternatif yang didefinisikan dengan jelas (Sekaran, 2006). Kuesioner digunakan untuk memperoleh informasi dari responden yang terdiri dari pertanyaan opini responden terhadap kepuasan kerja dan komitmen organisasi serta kecenderungan memikirkan rencana untuk meninggalkan perusahaan (turnover intention).
2. Wawancara (interview) yaitu teknik pengumpulan data secara lisan dengan mengadakan tanya jawab dengan pihak perusahaan di antaranya karyawan divisi
human resources management sebagai wakil dari perusahaan untuk memperoleh
data dan informasi tambahan yang dibutuhkan dalam penelitian.
3. Riset kepustakaan (library research), pencarian informasi dengan membaca, mengumpulkan, mencatat, mempelajari text book dan buku-buku pelengkap atau dokumen yang bersangkutan seperti jurnal, majalah, media cetak di perpustakaan dan internet.
3.5 Teknik Pengambilan Sampel
Salah satu langkah yang ditempuh dalam penelitian adalah menentukan obyek yang akan diteliti dan besarnya populasi yang ada. Berdasarkan pendapat Sekaran dan Bougie (2010), populasi mengacu pada seluruh kelompok orang, kejadian, atau hal-hal menarik yang ingin diselidiki oleh peneliti untuk membuat suatu kesimpulan. Namun demikian tidak semua populasi diteliti tetapi hanya sebagian saja dari populasi yang diteliti diharapkan bahwa hasil yang didapat menggambarkan sifat populasi yang bersangkutan.
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi (Sugiyono, 2009). Sampel adalah bagian dari populasi yang dipercaya dapat mewakili karakteristik populasi secara keseluruhan. Pengambilan sampel bertujuan untuk memahami sifat dan karakteristik dari sampel yang membuat peneliti dengan mudah menggeneralisasikan sifat atau karakter pada elemen populasi. Teknik pengambilan sampel atau teknik sampling merupakan teknik penentuan sampel yang akan digunakan dalam penelitian. Menurut Riduwan dan Kuncoro (2008) teknik sampling adalah suatu cara mengambil sampel yang representatif dari populasi. Teknik sampling dapat dikelompokkan menjadi dua, yaitu probability sampling dan
nonprobability sampling.
Probability sampling adalah teknik yang memberikan kesempatan atau peluang
yang sama pada setiap anggota populasi untuk dipilih menjadi sampel. Teknik
sampling ini meliputi:
1. Simple Random Sampling, adalah cara pengambilan sampel secara acak dari
anggota populasi tanpa mementingkan tingkatan.
2. Proportionate Stratified Random Sampling, adalah cara pengambilan sampel
secara acak dari suatu anggota populasi dan bertingkat secara proporsional yang dilakukan jika anggota populasinya beragam atau bertingkat.
3. Disproportinate Statified Random Sampling, adalah cara pengambilan sampel
secara acak dari suatu anggota populasi berstrata, tetapi kurang proposional.
4. Cluster Sampling, adalah suatu cara yang digunakan untuk menentukan sampel
bila obyek yang diteliti bersumber data sangat luas.
5. Systematic Sampling, adalah teknik pengambilan sampel berdasarkan urutan dari
anggota populasi yang telah diberi nomor urut.
Sedangkan nonprobability sampling adalah teknik sampling yang tidak memberikan kesempatan atau peluang yang sama pada setiap anggota populasi untuk dipilih menjadi sampel. Teknik ini meliputi:
1. Quota Sampling, adalah teknik pengambilan sampel dimana peneliti bebas
menentukan jumlah sampel yang mempunyai ciri tertentu.
3. Snowball Sampling, adalah teknik pengambilan sampel dengan jumlah sampel
pada awalnya sedikit, tetapi semakin lama akan semakin banyak dan akan berhenti ketika informasi yang di dapat dianggap sudah cukup.
Penelitian ini menggunakan probability sampling dengan metode simple
random sampling. Metode ini adalah cara pengambilan sampel secara acak dari
anggota populasi. Walaupun pemakaian jumlah sampel yang besar sangat dianjurkan di mana menurut Sarwono (2007) jumlah sampel yang memadai untuk penelitian dengan menggunakan metode analisis jalur adalah minimal 100 responden, dengan pertimbangan adanya berbagai keterbatasan pada peneliti, sehingga peneliti berusaha mengambil sampel minimal dengan syarat dan aturan statistika tetap terpenuhi sebagaimana dianjurkan oleh Stephen Isaac & William B. Michael (1981; Sukardi, 2004). Dengan menggunakan rumus di bawah ini, Isaac dan Michael memberikan hasil akhir jumlah sampel terhadap jumlah populasi antara 10 – 100.000 (Sukardi, 2004).
Keterangan:
S = Jumlah Sampel N = Jumlah Populasi
P = Proporsi dalam populasi (P = 0,50) d = Ketelitian / derajat ketetapan (0,05)
2
= Nilai tabel chisquare untuk α tertentu
Berdasarkan rumus di atas, Isaac dan Michael melakukan penghitungan penentuan jumlah sampel terhadap jumlah populasi antara 10 – 100000 yang diringkaskan dalam tabel terlampir dalam skripsi ini. Tabel penentuan jumlah sampel dari Isaac dan Michael memberikan kemudahan penentuan jumlah sampel berdasarkan tingkat kesalahan 1%, 5% dan 10%. Dengan tabel ini, peneliti dapat
secara langsung menentukan besaran sampel berdasarkan jumlah populasi dan tingkat kesalahan yang dikehendaki.
Dari keseluruhan jumlah karyawan sebesar 140 orang digunakan sampel sebanyak 100 responden yang ditentukan berdasarkan tabel Isaac dan Michael di mana jumlah sampel untuk populasi sebesar 140 dengan presisi atau toleransi ketidaktelitian (signifikansi) 5% dengan tingkat kepercayaan 95% adalah sebesar 100 sampel.
3.6 Rancangan Analisis dan Uji Hipotesis 3.6.1 Rancangan Analisis
Menurut Istijanto (2009), analisis merupakan tindakan mengolah data hingga menjadi informasi yang bermanfaat dalam menjawab masalah riset. Pengujian hipotesis penelitian untuk T-1, T-2, dan T-3 menggunakan metode analisis jalur untuk mengetahui pengaruh antarvariabel dengan menggunakan
software SPSS (Statistical Product and Services Solution) versi 21.0. Analisis jalur (path analysis) merupakan sebuah teknik yang digunakan untuk menganalisis pola hubungan antara variabel dengan tujuan untuk mengetahui peran langsung maupun tidak langsung seperangkat variabel independen terhadap variabel dependen (Setiawan dan Ritonga, 2011).
3.6.1.1 Uji Instrumen Data 3.6.1.1.1 Uji Validitas
Pengujian validitas merupakan pengujian yang penting untuk dilakukan pada penelitian sebelum analisis jawaban responden yang didapat setelah pengumpulan data. Uji validitas dilakukan untuk mengetahui apakah alat ukur yang telah disusun dapat digunakan untuk mengukur apa yang hendak diukur secara tepat. Menurut Sugiyono (2010) bahwa valid berarti instrumen tersebut dapat digunakan untuk mengukur apa yang seharusnya diukur. Valid menunjukan derajat ketepatan antara data yang sesungguhnya terjadi pada
obyek dengan data yang dapat dikumpulkan oleh peneliti. Salah satu cara untuk menghitung validitas suatu alat tes yaitu dengan melihat daya pembeda pertanyaan atau
item (item discriminality). Item adalah metode yang paling
tepat digunakan untuk setiap jenis tes. Daya pembeda item dalam penelitian ini dilakukan dengan cara korelasi item total, yaitu konsistensi antara skor item dengan skor secara keseluruhan yang dapat dilihat dari besarnya koefisien korelasi antara setiap item dengan skor keseluruhan. Syarat validitas adalah apabila korelasi (r) tidak kurang dari 0,3. Maka jika korelasi skor tiap item instrumen dengan skor totalnya kurang dari 0,3, butir dalam instrumen tersebut dapat dinyatakan tidak memenuhi syarat validitas bentuk maupun validitas isi atau dengan kata lain, butir tersebut dapat disisihkan. Dengan pengertian semakin tinggi korelasi itu mendekati angka 1,00; maka semakin baik pula validitasnya.
Langkah-langkah operasional pengujian validitas adalah sebagai berikut:
1. Mencari definisi dan rumusan tentang konsep penelitian yang diukur dari literatur yang ditulis para ahli.
2. Melakukan uji coba pengukuran tersebut pada sejumlah responden. Sangat disarankan agar jumlah responden untuk uji coba minimal 30 orang. Dengan jumlah minimal 30 orang ini, distribusi skor (nilai) akan lebih mendekati kurva normal.
3. Menentukan hipotesis
Ho = skor pertanyaan berkolerasi positif dengan skor faktor (r hitung)
faktor
4. Menentukan nilai r tabel
Dari tabel r untuk df (degree of freedom) = jumlah responden -2 dengan tingkat Sig dalam penelitian ini adalah 5%. Dengan menggunakan program SPSS versi 21.0, nilai r tabel dapat diperoleh dengan menggunakan rumus: t / sqrt (df + t**2)
5. Mencari r hasil
Di sini r hasil untuk tiap item (variabel) dapat dilihat pada kolom Corrected Item-Total Correlation.
6. Mengambil keputusan
Di sini r hasil positf, serta r hasil > r tabel, maka penyataan pada kuesioner tersebut valid. Jika r hasil tidak positif, serta r hasil < r tabel, maka pertanyaan tersebut tidak valid.
Untuk mengetahui tingkat validitas instrumen, maka dalam penelitian ini dapat menggunakan rumus sebagai berikut.
Keterangan:
= koefisien korelasi X = item pertanyaan Y = total skor
Dasar pengambilan keputusan:
• Jika r hitung positif serta r hitung > r tabel, maka butir atau variabel tersebut valid.
• Jika r hitung positif serta r hitung < r tabel, maka butir atau variabel tersebut tidak valid.
• Jika r hitung > r tabel, tapi bertanda negatif, maka butir atau variabel tersebut tidak valid.
3.6.1.1.2 Uji Reliabilitas
Apabila suatu alat pengukuran telah dinyatakan valid, maka tahap berikutnya adalah mengukur reliabilitas dari data. Uji reliabilitas digunakan untuk mengetahui apakah alat pengumpul data menunjukkan tingkat ketepatan, tingkat keakuratan, kestabilan atau konsistensi dalam mengungkapkan gejala tertentu. Menurut Umar (2005), reliabilitas adalah suatu angka indeks yang menunjukkan suatu konsistensi suatu alat pengukur dalam mengukur suatu gejala yang sama. Setiap alat pengukur seharusnya memiliki kemampuan untuk memberikan hasil pengukuran yang konsisten. Reabilitas adalah tingkat keandalan kuesioner. Kuesioner yang reliabel adalah kuesioner yang apabila dicobakan secara berulang-ulang kepada kelompok yang sama akan menghasilkan data yang sama. Asumsinya, tidak terdapat perubahan psikologis pada responden.
Menurut Sugiyono (2009), hasil penelitian yang reliabel, bila terdapat kesamaan data dalam waktu yang berbeda. Keandalan (realibilitas) suatu pengukuran menunjukkan sejauh mana pengukuran tersebut tanpa bias (bebas kesalahan) dan karena itu menjamin pengukuran yang konsisten lintas waktu dan lintas beragam item dalam instrumen. Dengan kata lain, keandalan suatu pengukuran merupakan indikasi mengenai stabilitas dan konsistensi di mana instrumen mengukur konsep dan membantu menilai ketepatan sebuah pengukuran (Sekaran, 2006).
Dalam melakukan uji reliabilitas digunakan teknik
Cronbach’s Alpha, di mana suatu instrumen penelitian
alpha > 0,60. Menurut Sekaran (2006), reliabilitas kurang dari
0,6 adalah kurang baik, sedangkan 0,7 dapat diterima dan di atas 0,8 adalah baik.
rn =
(
)
− −∑
2 1 2 1 1 σ σb k k Keterangan: rn = reliabilitas instrumen k = banyaknya butir pertanyaan2
∑
σ
b = jumlah varian butir pertanyaan2 1
σ = varians total
Terdapat beberapa langkah operasional pengujian reliabilitas yaitu:
1. Menentukan hipotesis
Ho = Skor pernyataan berkorelasi positif dengan komposit faktornya
Ha = Skor pernyataan tidak berkorelasi dengan komposit faktornya
2. Menentukan nilai r tabel
Dari tabel r untuk df (degree of freedom) = jumlah responden − 2 dengan tingkat Sig. Dalam penelitian ini adalah 5% atau 0,05. Dengan menggunakan program SPSS versi 21.0, nilai r tabel dapat diperoleh dengan menggunakan rumus: t / sqrt (df + t**2)
3. Mencari r hasil dengan melihat hasil dari Cronbach’s
Alpha
4. Mengambil keputusan
• Jika r Cronbach’s Alpha positif, serta r Cronbach’s
Alpha > r tabel, maka butir pertanyaan tersebut
reliabel.
• Jika r Cronbach’s Alpha positif, serta r Cronbach’s
valid.
Uji reliabilitas ini merupakan reliabilitas internal dari alpha. Besarnya Cronbach’s Alpha ini berkisar antara 0 – 1. Semakin besar nilai koefisien keandalannya maka semakin tinggi keandalan alat ukurnya. Besarnya alpha berkorelasi positif dengan jumlah variabel yang digunakan. Jadi semakin rendah nilai rata-rata korelasi antar variabel manifest (item), maka akan semakin rendah pula nilai alpha r.
Berikut ini tabel tingkat reliabilitas berdasarkan nilai alpha.
Tabel 3.4 Tingkat Reliabilitas Berdasarkan Nilai Alpha
Sumber: Yudiaatmaja, 2013
3.6.1.2 Uji Prasyarat Analisis Jalur
Asumsi yang paling fundamental dalam analisis multivariate adalah normalitas (Ghozali dan Fuad, 2008). Analisis jalur termasuk dalam analisis multivariate karena menggunakan lebih dari 1 variabel, bahkan minimal 3 variabel (1 variabel bebas, 1 intervening, dan 1 terikat). Jika menggunakan bantuan software Lisrel untuk olah data, selain normalitas, uji prasyarat yang lain adalah multikolinearitas. Menurut Ghozali dan Fuad (2008), asumsi yang seharusnya dipenuhi dalam Lisrel adalah normalitas dan multikolinearitas. Multikolinearitas berarti adanya hubungan linear yang sempurna atau pasti, di antara
Alpha Tingkat Reliabilitas
0,00 – 0,20 Kurang Reliabel > 0,20 – 0,40 Agak Reliabel > 0,40 – 0,60 Cukup Reliabel > 0,60 – 0,80 Reliabel > 0,80 – 1,00 Sangat Reliabel
beberapa atau semua variabel yang menjelaskan dari model regresi (Gujarati, 2006). Dalam penelitian ini, variabel bebas yang digunakan hanya satu yaitu variabel Kepuasan Kerja (X) dengan menggunakan program SPSS, maka uji multikolinearitas tersebut tidak perlu digunakan.
Menurut Olobatuyi (2006) asumsi untuk analisis jalur mencakup linearitas, skala pengukuran interval, normalitas, dan autokorelasi. Uji autokorelasi digunakan untuk melihat apakah ada hubungan linear antara error serangkaian observasi yang diurutkan menurut waktu (data time series). Uji autokorelasi perlu dilakukan apabila data yang dianalisis merupakan data time series (Gujarati, 2006), sedangkan data yang digunakan pada penelitian ini adalah data
cross sectional di mana data yang diambil adalah data yang ada pada
saat kuesioner yang disebar, oleh karena itu uji autokorelasi tidak digunakan dalam penelitian ini.
Maka, uji persyaratan analisis jalur yang digunakan dalam penelitian ini adalah sebagai berikut.
3.6.1.2.1 Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah data yang diolah berdistribusi normal dan sampel yang diambil berasal dari populasi yang sama. Sebaran data harus dianalisis untuk mengetahui apakah asumsi normalitas dipenuhi, sehingga data dapat diolah lebih lanjut pada diagram jalur. Tujuan dilakukannya uji normalitas adalah untuk mengetahui apakah suatu variabel mempunyai distribusi data yang normal atau tidak. Uji normalitas pada dasarnya melakukan perbandingan antara data yang kita miliki dengan data bedistribusi normal yang memiliki mean dan standar deviasi yang sama dengan data yang dimiliki. Data yang normal adalah salah satu syarat dilakukannya parametrik test.
Normalitas suatu variabel umumnya dideteksi dengan grafik atau uji statistik.
Asumsi normalitas dapat diperiksa dengan pemeriksaan output normal P-P plot atau normal Q-Q plot. Asumsi normalitas terpenuhi ketika penyebaran titik-titik output plot mengikuti garis diagonal plot. Namun, ketika peneliti mendapati keraguan dengan pemeriksaan normalitas tersebut, digunakan pengujian normalitas, seperti uji
Kolmogorov-Smirnov dengan dasar pengambilan keputusan
sebagai berikut (Santoso, 2009).
a. Jika nilai signifikansi (Sig.) uji Kolmogorov-Smirnov atau nilai probabilitas (α) ≥ 0,05, maka data tidak berdistribusi normal.
b. Jika nilai signifikansi (Sig.) uji Kolmogorov-Smirnov atau nilai probabilitas (α) < 0,05, maka data berdistribusi normal.
3.6.1.2.2 Uji Linearitas
Uji linearitas berkaitan dengan suatu pembuktian apakah model garis linear yang ditetapkan benar-benar sesuai dengan keadaannya ataukah tidak (Sudarmanto, 2005). Uji linearitas digunakan untuk melihat apakah model yang dibangun mempunyai hubungan yang linear (garis lurus) atau tidak. Jadi, peningkatan atau penurunan kuantitas di satu variabel akan diikuti secara linear oleh peningkatan atau penurunan variabel lainnya (Santoso, 2009). Dalam penelitian ini menggunakan uji linearitas via ANOVA dengan SPSS versi 21.0. Hasil yang perlu diperhatikan, yaitu kolom Sig. untuk Deviation from Linearity. Pada kolom Sig. untuk
Deviation from Linearity, apabila nilai signifikansi lebih besar
atau sama dengan taraf signifikansi yag dipakai (α = 0,05) maka variabel tersebut bersifat linear dengan variabel lain (Widiarso, 2010).
3.6.1.3 Korelasi Pearson
Menurut Riduwan dan Kuncoro (2008), korelasi Pearson
Product Moment (PPM) kegunaannya untuk mengetahui derajat hubungan antara variabel bebas (independent) dan variabel terikat (dependent). Rumus korelasi sederhana yaitu:
Keterangan:
rx,y = koefisien korelasi ΣX = jumlah skor item
ΣY = jumlah skor total seluruh item N = jumlah responden
Korelasi Pearson Product Moment (PPM) dilambangkan r dengan ketentuan nilai r tidak lebih dari nilai (-1 ≤ r ≤ +1). Apabila nilai r=-1 artinya korelasinya negatif sempurna; r = 0 artinya tidak ada korelasi; dan r = 1 berarti korelasinya sangat kuat. Sedangkan arti nilai r diinterpretasikan dengan tabel interpretasi nilai r sebagai berikut.
Tabel 3.5 Interpretasi Koefisien Korelasi Nilai r Interval Koefisien Tingkat Hubungan
0,80 – 1,000 Sangat kuat
0,60 – 0,799 Kuat
0,40 – 0,599 Cukup kuat
0,20 – 0,399 Rendah
0,00 – 0,199 Sangat rendah Sumber: Riduwan dan Kuncoro, 2008
Besar kecilnya sumbangan variabel x terhadap y dapat ditentukan dengan rumus koefisien determinan sebagai berikut.
KP = r2 x 100% Keterangan:
KP = nilai koefisien determinan r = nilai koefisien korelasi
Pengujian signifikansi yang berfungsi apabila peneliti ingin mencari makna generalisasi dari hubungan variabel X terhadap Y, maka hasil korelasi PPM tersebut diuji dengan uji signifikansi dengan tahapan sebagai berikut.
1. Menentukan hipotesis
Ho : Tidak ada hubungan yang signifikan antara variabel X dan variabel Y.
Ha : Ada hubungan yang signifikan antara variabel X dan variabel Y.
2. Dasar pengambilan keputusan
• Jika nilai probabilitas (α = 0,05) lebih kecil dari nilai Sig. atau 0,05 < Sig., maka Ho diterima dan Ha ditolak, artinya tidak ada hubungan yang signifikan terhadap variabel X dengan variabel Y. • Jika nilai probabilitas (α = 0,05) lebih besar atau sama dengan nilai Sig. atau 0,05 ≥ Sig., maka Ho ditolak dan Ha diterima, artinya ada hubungan yang signifikan terhadap variabel X dengan variabel Y.
3.6.1.4 Analisis Jalur (Path Analysis)
Ghozali (2007) mengatakan variabel intervening merupakan variabel antara atau mediating, fungsinya memediasi hubungan antara variabel independen dengan variabel dependen. Dalam penelitian ini untuk menguji pengaruh variabel intervening digunakan metode analisis
jalur (path analysis). Analisis jalur merupakan perluasan dari analisis regresi untuk menaksir hubungan kausalitas antarvariabel (model kausal) yang telah ditetapkan sebelumnya berdasarkan teori (Ghozali, 2007). Menurut Setiawan dan Ritonga (2011), analisis jalur (path
analysis) merupakan sebuah teknik yang digunakan untuk menganalisis
pola hubungan antara variabel dengan tujuan untuk mengetahui peran langsung maupun tidak langsung seperangkat variabel independen terhadap variabel dependen.
3.6.1.4.1 Manfaat Analisis Jalur
Riduwan dan Kuncoro (2008) mengemukakan manfaat model analisis jalur yaitu untuk:
1. Penjelasan (explanation) terhadap fenomena yang dipelajari atau permasalahan yang diteliti.
2. Prediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X), dan prediksi dengan analisis jalur ini bersifat kualitatif.
3. Faktor determinan yaitu penentu variabel bebas (X) mana yang berpengaruh dominan terhadap variabel terikat (Y), juga dapat digunakan untuk menelusuri mekanisme (jalur-jalur) pengaruh variabel bebas (X) terhadap variabel terikat (Y).
4. Pengujian model, menggunakan teori trimming baik uji reliabilitas (uji keajegan) konsep yang sudah ada ataupun uji pengembangan konsep baru.
3.6.1.4.2 Model Analisis Jalur
Menurut Sarwono (2007), ada beberapa model jalur dalam analisis jalur yaitu:
a. Model Regresi Berganda
pengembangan dari teknik analisis regresi linear berganda dengan menggunakan lebih dari satu variabel independen (exogenous), yaitu X1 dan X2 dengan satu variabel dependen (endogenous) Y. Model tersebut mempunyai diagram jalur seperti di bawah ini.
Di mana:
• X1 adalah variabel independen (exogenous) pertama • X2 adalah variabel independen (exogenous) kedua • Y adalah variabel dependen (endogenous)
b. Model Mediasi Melalui Variabel Perantara (Intervening
Variable)
Model kedua analisis jalur adalah model mediasi atau perantara (intervening variable) di mana kehadiran variabel Y sebagai variabel perantara akan mengubah pengaruh variabel X terhadap variabel Z. Pengaruh ini dapat menurun ataupun meningkat. Model kedua ini diagram jalurnya seperti di bawah ini.
Di mana:
• Y adalah variabel endogenous perantara • Z adalah variabel dependen (endogenous)
c. Model Gabungan antara Model Regresi Berganda dengan Model Mediasi
Model ketiga dalam analisis jalur merupakan penggabungan antara model regresi linear berganda dengan model mediasi, yang juga merupakan model yang yang digunakan dalam penelitian ini, yaitu variabel X berpengaruh terhadap variabel Z secara langsung (direct
effect) dan secara tidak langsung (indirect effect)
memengaruhi juga variabel Z melalui variabel perantara Y. Dalam model ini dapat diterangkan sebagai berikut:
• Variabel X berfungsi sebagai variabel independen (exogenous) terhadap variabel Y dan Z
• Variabel Y mempunyai dua fungsi:
- Fungsi pertama ialah sebagai variabel endogenous terhadap variabel exogenous X
- Fungsi kedua ialah sebagai variabel endogenous perantara untuk melihat pengaruh X terhadap Z melalui Y
• Variabel Z merupakan variabel dependen (endogenous) Model ini mempunyai diagram jalur seperti berikut ini.
Di mana:
• X adalah variabel independen (exogenous)
• Y adalah variabel endogenous dan sebagai variabel perantara
d. Model Kompleks
Model keempat dalam analisis jalur ini merupakan model yang kompleks, yaitu variabel X1 secara langsung memengaruhi Y2 dan melalui variabel X2 secara tidak langsung memengaruhi Y2, sementara itu variabel Y2 juga dipengaruhi oleh variabel Y1. Dalam model ini dapat diterangkan sebagai berikut:
• Variabel X1 berfungsi sebagai variabel independen exogenous
• Variabel X2 mempunyai dua fungsi:
- Fungsi pertama ialah sebagai variabel endogenous terhadap variabel exogenous X1
- Fungsi kedua ialah sebagai variabel endogenous perantara untuk melihat pengaruh X1 terhadap Y2 melalui X2
• Variabel Y2 merupakan variabel dependen (endogenous) • Variabel Y1 merupakan variabel independen
(exogenous)
Model ini mempunyai diagram jalur seperti berikut ini.
Di mana:
• X1 adalah variabel independen (exogenous)
• X2 adalah variabel (endogenous) dan sebagai variabel perantara
• Y2 adalah variabel endogenous
3.6.1.4.3 Langkah Pengujian Analisis Jalur
Berdasarkan pendapat Riduwan & Kuncoro (2008), ada beberapa langkah pengujian analisis jalur yaitu:
1. Merumuskan hipotesis dalam persamaan struktural. Struktur: Y = ρzxX + ρzyY + ρzε1
2. Menghitung koefisien jalur yang didasarkan pada koefisien regresi.
a. Gambar diagram jalur lengkap, tentukan sub-sub struktural dan rumuskan persamaan strukturalnya yang sesuai hipotesis yang diajukan.
Hipotesis: naik turunnya variabel endogen (Y) dipengaruhi secara signifikan oleh variabel eksogen (X).
b. Menghitung koefisien regresi untuk struktur yang telah dirumuskan.
3. Menghitung koefisien jalur secara simultan (keseluruhan). Pengujian keseluruhan hipotesis statistik dirumuskan sebagai berikut.
Hipotesis statistik dirumuskan sebagai berikut: H0: ρyx1 = ρyx2 = …. ρyxk = 0
H1: ρyx1 = ρyx2 = …. ρyxk ≠ 0
a. Kaidah pengujian signifikansi secara manual: menggunakan tabel F.
F = Keterangan:
n = jumlah sampel
k = jumlah variabel eksogen = Rsquare
Ftabel menggunakan Tabel F dengan rumus: Ftabel = F{(1 – α)(dk = k), (dk = n – k – 1)}
Jika Fhitung ≥ Ftabel, maka tolak H0 artinya signifikan dan Fhitung ≤ Ftabel, terima H0 artinya tidak signifikan.
b. Kaidah pengujian signifikansi dengan program SPSS • Jika nilai probabilitas 0,05 lebih kecil atau sama
dengan nilai probabilitas Sig atau (0,05 ≤ Sig), maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
• Jika nilai probabilitas 0,05 lebih besar dari nilai probabilitas Sig atau (0,05 > Sig), maka Ho ditolak dan Ha diterima, artinya signifikan.
4. Menghitung koefisien jalur secara individu.
Hipotesis penelitian yang akan diuji dirumuskan menjadi hipotesis statistik berikut.
Ha: ρyxk > 0 H0: ρyxk = 0
Secara individual uji statistik yang digunakan adalah uji t yang dihitung dengan rumus:
tk = Keterangan:
ρxi = koefisien regresi dari variabel Xi seρk = standar error koefisien regresi
Selanjutnya untuk mengetahui signifikansi analisis jalur, bandingkan antara nilai probabilitas 0,05 dengan nilai Sig. dengan dasar pengambilan keputusan sebagai berikut.
a. Jika nilai Sig. lebih kecil atau sama dengan nilai probabilitas (α = 0,05) atau (Sig. ≤ 0,05), maka H0 ditolak dan Ha diterima, artinya signifikan.
b. Jika nilai Sig. lebih besar dari nilai probabilitas (α = 0,05) atau (Sig. > 0,05), maka H0 diterima dan Ha ditolak, artinya tidak signifikan.
5. Mencari besar kontribusi bersama atau koefisien determinasi dengan mengalikan Rsquare dengan 100%. 6. Meringkas dan menyimpulkan.
3.6.1.5 Uji Signifikansi Pengaruh Tidak Langsung
Variabel mediator juga disebut variabel intervening atau variabel proses. Ghozali (2007) mengatakan variabel intervening merupakan variabel antara atau mediating, fungsinya memediasi hubungan antara variabel independen dengan variabel dependen. Mediasi terjadi jika prediktor atau variabel independen memengaruhi variabel dependen secara tidak langsung melalui paling tidak satu variabel intervening atau mediator. Bila terdiri dari hanya satu mediator maka disebut simple mediation– yang dibahas dalam penelitian ini di mana komitmen organisasi sebagai mediator–dan bila proses mediasional melibatkan lebih dari satu mediator maka disebut dengan
multiple mediation.
Hipotesis mediasional atau mediational hypothesis, umumnya diuji dengan dua cara atau strategi yaitu: causal step berdasarkan ketentuan dari Baron dan Kenny (1986, dalam Larsman, 2008) dan strategi perkalian koefisien atau product of coefficient, yang didasarkan pada pengujian signifikansi pengaruh tidak langsung atau indirect
effects (Preacher, Rucker dan Hayes, 2007).
1. Strategi Causal Step
Dalam pengujian dengan causal steps, peneliti harus mengestimasi tiga persamaan regresi berikut (Baron dan Kenny, 1986, dalam Larsman, 2008):
• Persamaan regresi sederhana variabel mediator (Y) pada variabel independen (X): M = i1 + a X + e1
• Persamaan regresi sederhana variabel dependen (Z) pada variabel independen (X): Y = i2 + c X + e2
• Persamaan regresi berganda variabel dependen (Y) pada kedua variabel independen (X) dan mediator (M): Y = i3 + c' X + b M + e3
Di mana i adalah koefisien intersep
Berdasarkan hasil estimasi ketiga model regresi tersebut, ada beberapa persyaratan yang harus dipenuhi untuk tercapainya mediasi, yaitu:
• Variabel independen harus signifikan memengaruhi variabel mediator pada persamaan pertama, jadi koefisien a ≠ 0
• Variabel independen harus signifikan memengaruhi variabel dependen pada persamaan kedua, jadi koefisien c ≠ 0
• Variabel mediator harus signifikan memengaruhi variabel dependen pada persamaan ketiga, jadi koefisien b ≠ 0
Mediasi terjadi jika pengaruh variabel independen terhadap variabel dependen lebih rendah pada persamaan ketiga (c') dibandingkan pada persamaan kedua (c) (Baron dan Kenny, 1986, dalam Larsman, 2008). Sebenarnya koefisien a dan b yang signifikan sudah cukup untuk menunjukkan adanya mediasi, meskipun c tidak signifikan. Sehingga tahap esensial dalam pengujian mediasional adalah tahap 2 dan tahap 3. Jadi (1) variabel independen memengaruhi mediator dan (2) mediator memengaruhi dependen meskipun independen tidak memengaruhi dependen (Kenny et al., 1998 dalam Larsman, 2006). Bila tahap 2 dan tahap 3 terpenuhi dan koefisien c' tidak signifikan (c' = 0) maka terjadi perfect atau complete mediation. Bila koefisien c' berkurang namun tetap signifikan (c' ≠ 0) maka dinyatakan terjadi partial mediation (Kenny, 2008).
Strategi kedua untuk pengujian mediasional adalah product of
coefficient, yang menguji signifikansi pengaruh tidak langsung atau indirect effect (perkalian efek langsung atau direct effect variabel
independen terhadap mediator (a) dan direct effect mediator terhadap variabel dependen (b) atau ab). Pengaruh tidak langsung variabel independen (X) terhadap variabel dependen (Z) melalui mediator (Y) dihitung dengan cara mengalikan jalur X → Y (a) dengan jalur Y → Z (b) atau ab. Jadi koefisien ab = (c – c’), di mana
c adalah pengaruh X terhadap Z tanpa mengontrol Y, dan c’ adalah
koefisien pengaruh X terhadap Z setelah mengontrol Y. Gambaran hubungan antara variabel independen dan dependen dengan pengaruh mediator dapat dilihat pada gambar berikut.
Gambar 3.1 Gambaran Hubungan antara Variabel Independen dan Dependen dengan Pengaruh Mediator
Standar error koefisien ab (Sab) dihitung berdasarkan versi Aroian dari Sobel test yang dipopulerkan dan direkomendasikan oleh Baron dan Kenny (1986, dalam Larsman, 2008). Sobel test bekerja dengan baik hanya pada sampel besar yaitu lebih besar dari 30 sampel (Preacher dan Hayes, 2004). Standar error koefisien a dan b ditulis dengan Sa dan Sb sementara Sab menggambarkan besarnya standar
error tidak langsung (indirect effect). Sab dihitung dengan rumus sebagai berikut.
Keterangan:
Sab = standar error tidak langsung
a = koefisien regresi tidak terstandar yang menggambarkan Mediator
Independent Variable c’ Dependent Variable
b (Sb) a (Sa)
pengaruh X terhadap Y
b = koefisien regresi tidak terstandar yang menggambarkan
pengaruh Y terhadap Z
Sa = standar error dari koefisien a
Sb = standar error dari koefisien b
Uji signifikansi terhadap koefisien indirect effect ab diakui memberikan pengujian yang lebih langsung terhadap hipotesis mediasional, dibanding pendekatan causal step (Preacher, Rucker dan Hayes, 2007). Uji signifikansi indirect effect ab dilakukan berdasarkan rasio antara koefisien ab dengan standar error-nya yang akan menghasilkan nilai z statistik (z-value). Sehingga formula lengkap dari z-value adalah sebagai berikut.
Keterangan:
ab = koefisien indirect effect yang diperoleh dari perkalian antara direct effect a dan b
a = koefisien direct effect independen (X) terhadap mediator (Y) b = koefisien direct effect mediator (Y) terhadap dependen (Z) Sa = standar error dari koefisien a
Sb = standar error dari koefisien b
Jika z-value dalam harga mutlak > 1,96 (z-table untuk α = 0,05) atau tingkat signifikansi statistik z (p-value) < 0,05, berarti indirect effect atau pengaruh tidak langsung variabel independen terhadap variabel dependen melalui mediator, signifikan pada taraf signifikansi 0,05 (Preacher dan Hayes, 2004). Dengan hanya memasukkan nilai a dan
b beserta standar error-nya masing-masing maka uji signifikansi
dengan Sobel test (bersama variannya) dapat diperoleh. Bila indirect
maka indirect effect atau pengaruh tidak langsung variabel independen terhadap variabel dependen melalui variabel mediator signifikan pada taraf signifikansi 0,05 yang berarti dukungan terhadap adanya mediasi (Preacher dan Hayes, 2004).
Dalam penelitian ini, untuk menguji pengaruh tidak langsung variabel independen Kepuasan Kerja (X) terhadap variabel dependen
Turnover Intention (Z) melalui mediator Komitmen Organisasi (Y)
digunakan strategi pengujian mediasional product of coefficient dengan
Sobel test versi Aroian yang menguji signifikansi pengaruh tidak
langsung atau indirect effect (ab) yaitu perkalian efek langsung atau
direct effect variabel independen Kepuasan Kerja terhadap mediator
yaitu Komitmen Organisasi (a) dan direct effect mediator terhadap variabel dependen Turnover Intention (b).
3.6.1.6 Koefisien Determinasi (RSquare)
Koefisien determinasi (RSquare) digunakan untuk mengukur
seberapa baik garis regresi sesuai dengan data aktualnya (goodness of
fit). Koefisien determinasi mengukur goodness of fit dari persamaan
regresi yaitu memberikan proporsi atau persentasi variasi total dalam variabel dependen, yang dijelaskan oleh variabel independen (Gujarati, 2006).
Menurut Santoso (2009) bahwa untuk regresi dengan lebih dari dua variabel bebas digunakan Adjusted R Square sebagai koefisien determinasi. Maka, untuk regresi linear sederhana menggunakan R
Square dan untuk regresi linear berganda menggunakan Adjusted R Square, karena disesuaikan dengan jumlah variabel independen yang
digunakan dalam penelitian. Adjusted R Square adalah nilai R Square yang telah disesuaikan, nilai ini selalu lebih kecil dari R Square dan angka ini bisa memiliki harga negatif. Nilai R Square dikatakan baik jika di atas 0,5 karena nilai R Square berkisar antara 0 sampai 1 (Nugroho, 2005). Nilai RSquare = 1, berarti bahwa garis regresi yang
Square = 0 berarti bahwa model yang terjadi tidak dapat menjelaskan
sedikit pun garis regresi yang terjadi.
3.6.2 Rancangan Uji Hipotesis
Menurut Sugiyono (2009) perumusan hipotesis penelitian merupakan langkah ketiga dalam penelitian, setelah peneliti mengemukakan landasan teori dan kerangka pemikiran. Pada penelitian ini, perhitungan menggunakan SPSS (Statistical Product and Service Solution) versi 21.0 dengan rancangan uji hipotesis menggunakan tingkat kepercayaan 95%, dimana tingkat presisi atau batas ketidakakuratannya (α) sebesar 5% atau 0,05. Sehingga dasar pengambilan keputusannya adalah:
• Jika nilai probabilitas (α = 0,05) lebih kecil dari nilai Sig. atau Sig. > 0,05, maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
• Jika nilai probabilitas (α = 0,05) lebih besar atau sama dengan nilai Sig. atau
Sig. ≤ 0,05, maka Ho ditolak dan Ha diterima, artinya signifikan. Berikut ini hipotesis yang digunakan dalam penelitian ini.
T-1: Untuk menentukan bagaimana pengaruh kepuasan kerja terhadap komitmen organisasi pada PT Telekomunikasi Selular Regional Sumbagut.
Ho: Tidak ada pengaruh yang signifikan kepuasan kerja terhadap komitmen organisasi pada PT Telekomunikasi Selular Regional Sumbagut.
Ha: Ada pengaruh yang signifikan kepuasan kerja terhadap komitmen organisasi pada PT Telekomunikasi Selular Regional Sumbagut. T-2: Untuk menentukan bagaimana pengaruh kepuasan kerja terhadap
turnover intention karyawan pada PT Telekomunikasi Selular Regional
Sumbagut.
Ho: Tidak ada pengaruh yang signifikan kepuasan kerja terhadap
Regional Sumbagut.
Ha: Ada pengaruh yang signifikan kepuasan kerja terhadap turnover
intention karyawan pada PT Telekomunikasi Selular Regional
Sumbagut.
T-3: Untuk menentukan bagaimana pengaruh komitmen organisasi terhadap
turnover intention karyawan pada PT Telekomunikasi Selular Regional
Sumbagut.
Ho: Tidak ada pengaruh yang signifikan komitmen organisasi terhadap
turnover intention karyawan pada PT Telekomunikasi Selular
Regional Sumbagut.
Ha: Ada pengaruh yang signifikan komitmen organisasi terhadap
turnover intention karyawan pada PT Telekomunikasi Selular
Regional Sumbagut.
T-4: Untuk menentukan bagaimana pengaruh kepuasan kerja terhadap
turnover intention karyawan dengan komitmen organisasi sebagai
variabel intervening pada PT Telekomunikasi Selular Regional Sumbagut. Ho: Tidak ada pengaruh yang signifikan kepuasan kerja terhadap
turnover intention karyawan dengan komitmen organisasi sebagai
variabel intervening pada PT Telekomunikasi Selular Regional Sumbagut.
Ha: Ada pengaruh yang signifikan kepuasan kerja terhadap turnover
intention karyawan dengan komitmen organisasi sebagai variabel intervening pada PT Telekomunikasi Selular Regional Sumbagut.
3.7 Rancangan Pemecahan Masalah
Rancangan pemecahan masalah dalam penelitian ini dimulai dengan pengumpulan data dari kuesioner yang diberikan pada 100 orang responden di PT Telekomunikasi Selular Regional Sumbagut sehingga diperoleh gambaran mengenai kepuasan kerja, komitmen organisasi, dan turnover intention karyawan. Selanjutnya, dengan mengacu pada hasil kuesioner, dilakukan analisis pengaruh kepuasan kerja terhadap turnover intention karyawan dengan komitmen organisasi sebagai variabel
membantu evaluasi implementasi strategi organisasi dalam menciptakan kepuasan karyawan sudah berjalan dengan sukses atau tidak yang pada akhirnya dapat membantu menurunkan tingkat turnover intention karyawan PT Telekomunikasi Selular Regional Sumbagut.
