PENGGUNAAN ANALISIS REGRESI LOGISTIK UNTUK MENCARI PROBABILITAS TURNOVER INTENTION BESERTA FAKTOR-FAKTOR YANG MEMPENGARUHINYA

PENGGUNAAN ANALISIS REGRESI LOGISTIK

UNTUK MENCARI PROBABILITAS

TURNOVER INTENTION

BESERTA FAKTOR-FAKTOR YANG MEMPENGARUHINYA

Juli Maya Sari dan Dwi Endah Kusrini Jurusan Statistika FMIPA ITS Surabaya

email : nages_82@plasa.com

ABSTRAK

Turnover Intention (intensitas perpindahan) adalah keinginan berpindah karyawan dari satu tempat kerja ketempat kerja lainnya. Hanya keinginan untuk pindah, belum sampai realisasi untuk melakukan perpindahan. Turnover merupakan kejadian yang wajar dalam setiap perusahaan. Namun jika penggantian karyawan ini karena faktor produktifitas, maka dapat diantisipasi oleh perusahaan melalui penyiapan kader-kader untuk menggantikan. Jika penggantian karyawan tidak berkaitan dengan implementasi program kerja yang telah ditetapkan, maka hal ini akan sangat menyulitkan perusahaan. Pada penelitian ini ingin mengetahui karakteristik karyawan setrta mengetahui variabel yang berpengaruh terhadap Turnover Intention melalui analisis korespondensi. Setelah diperoleh variabel berpengaruh selanjutnya digunakan untuk mencari model regresi logistik ordinal. Dari model regresi logistik selanjutnya digunakan untuk mencari besarnya probabilitas Turnover Intention karyawan. Dimana Turnover Intention dipengaruhi oleh Job satisfaction of work, Social support, sedangkan untuk Job satisfaction dipengaruhi oleh Quality of supervisior, dan compensation. Hasil pengolahan diketahui bahwa variabel yang berpengaruh adalah Job satisfaction katagori puas dan Social support katagori puas. Probabilitas Turnover Intention level tinggi dan level rendah hampir sama yaitu sebesar 0.119 dan 0,118. Sebagian besar probabilitas Turnover Intention berada pada level sedang yaitu sebesar 0,763. Kondisi tersebut perlu mendapat perhatian dari perusahaan agar karyawan yang berada pada probabilitas Turnover Intention level sedang dapat beralih menjadi level rendah dengan cara meningkatkan kepuasan kerja dan dukungan sosial pada diri karyawannya.

Kata kunci : Turnover Intention, Job satisfaction, Social support, regresi logistik ordinal.

1. Pendahuluan

Turnover Intention (intensitas perpindahan) adalah keinginan berpindah karyawan dari satu tempat kerja

ketempat kerja lainnya. Dampak Turnover dapat mempengaruhi aktivitas kerja perusahaan dan prestasi

karyawan secara keseluruhan. Perusahaan harus mengeluarkan biaya untuk mencari tenaga baru, dan atau melatih tenaga yang sudah ada untuk menggantikan pegawai yang keluar. Oleh karena itu, perusahaan harus

menghindari adanya peningkatan aktivitas Turnover dengan mempertimbangkan kelangsungan operasional

perusahaan. Keterkaitan antara kepuasan kerja dan Turnover Intention ini pernah diteliti oleh Nanggoy dan Harianti (2005) dengan metode regresi sederhana. Pada penelitian ini menunjukkan bahwa variabel-variabel

yang berpengaruh pada Turnover Intention karyawan sebuah perusahaan adalah Job satisfaction of work,quality

of supervision, relationship with co-worker, promotion opportunities, dan pay. Dari variabel yang digunakan

menghasilkan bahwa variabel yang memberikan pengaruh dominan adalah quality of supervision. Adapun untuk

penelitian dengan metode analisis korespondensi dan analisis regresi logistik ordinal pernah dilakukan oleh Husna (2006) pada SMA 2 Muhammadiyah Surabaya dan menghasilkan variabel berpengaruh adalah kedisiplinan, jenis kelamin, pendidikan, lama kerja.

Turnover Intention karyawan yang disebabkan ketidakpuasan kerja merupakan masalah bagi

perusahaan. Untuk itu ingin diketahui karakteristik karyawan berdasarkan hasil survei dengan statistika deskriptif serta ingin diketahui berapa nilai probabilitas Turnover Intention karyawan dengan metode regresi logistik ordinal berdasarkan faktor-faktor yang berpengaruh yang diperoleh dari analisis korespondensi. Tujuan dari penelitian ini adalah untuk mengetahui pengaruh Job satisfaction, Quality of Supervision, Social support,

Compensation secara simultan terhadap Turnover Intention karyawan dan mengetahui nilai probabilitas

J Statistika Volume 3 No 1

2. Tinjauan Pustaka

2.1 Kepuasan Kerja (Job satisfaction)

Siagian (2004) menyatakan bahwa pembahasan mengenai kepuasan kerja perlu didahului oleh penegasan bahwa masalah kepuasan kerja bukanlah hal yang sederhana, baik dalam arti konsep maupun dalam arti analisis, karena “kepuasan” mempunyai konotasi yang beraneka ragam. Berikut lima (5) indikator kepuasan kerja berdasarkan perspektif: tanggung jawab pada pekerjaan, ketertarikan dan perkembangan, kualitas supervisi, technical help

dan Social support, Hubungan dengan teman kerja, keharmonisan social, dan respect, kesempatan dipromosikan,

kesempatan untuk mendapatkan penghargaan dan keseuaian gaji/upah dibandingkan dengan perusahaan lain.

2.2 Intensitas Perpindahan (Turnover Intentions)

Turnover Intention tertuju pada estimasi probabilitas bahwa mereka (karyawan) akan meninggalkan perusahaan

di masa depan. Pada dasarnya Turnover Intention adalah sama dengan keinginan berpindah karyawan dari satu

tempat kerja ketempat kerja lainnya. Jadi hanya keinginan untuk pindah, belum sampai realisasi untuk melakukan perpindahan. Banyak alasan yang menyebabkan diantaranya keinginan untuk mendapat pekerjaan yang lebih baik dari sebelumnya. Turnover Intention diidentifikasikan sebagai suatu tanda tiba-tiba untuk perilaku perpindahan (Mobley, Horner & Hollingsworth, 1978). Variabel-variabel yang didentifikasikan dapat

memberikan konstribusi dalam Turnover Intention dipertimbangkan secara efektif dapat menekan tingkat

perpindahan kerja tersebut (Maertz & Campion, 1998).

Tiga kelompok variabel primer telah didentifikasikan sebagai penyebab Turnover Intention (Cotton, Tutle, 1986) yaitu:

(a) Variabel organisasi seperti Job satisfaction, stress pekerjaan, diskriminasi gender.

(b) Variabel demografi misalnya gender, status perkawinan, jumlah anak dan lain-lain.

(c) Variabel eksternal misalnya tersedianya alternatif pekerjaan lain, kondisi ekonomi negara.

Hubungan Antara Job satisfaction dan Turnover Intention pada umumnya tercermin pada perasaan karyawan terhadap pekerjaannya, yang diwujudkan dengan sikap positif pada pekerjaannya dilingkungan kerja. Menurut Martoyo (2000) Job satisfaction berpengaruh terhadap tingkat Turnover Intentions, semakin puas mereka bekerja dalam suatu perusahaan, semakin kecil perpindahan. Sebaliknya semakin rendah Job satisfaction akan mengakibatkan tingginya Turnover Intentions.

2.3 Dukungan Sosial (Social support)

Dukungan sosial adalah suatu sumber penting yang telah dihubungkan dengan hasil positif individual atau organisasional, khususnya dalam hubungan dengan kekuatan stress pekerjaan. Dukungan sosial umumnya diturunkan dari berbagai macam sumber (misalnya, kolega, keluarga, supervisor, dan teman). Bagaimanapun juga perbedaan sumber dukungan akan menghasilkan hasil yang berbeda, contohnya dukungan supervisor

dengan intensitas Turnover akan berhubungan negatif artinya semakin rendah tingkat dukungan supervisor akan

mengakibatkan semakin tinggi tingkat Turnover, hubungan langsung juga telah dibuktikan antara dukungan sosial, Job satisfaction, kehadiran dan Turnover.

2.4 Analisis Korespondensi

Analisis korespondesi yang dikembangkan oleh French adalah suatu prosedur grafik untuk merepresentasikan hubungan yang ada dalam suatu tabulasi silang, jika tabulasi silang mempunyai I baris dan J kolom, plot yang dihasilkan oleh analisis korespondesi berisi dua himpunan titik baris dan himpunan titik kolom. Posisi titik-titik ini merefleksikan asosiasi. Titik – titik baris yang berdekatan mempunyai profil yang mirip (distribusi bersyarat) berdasarkan kolomnya, titik-titik kolom yang berdekatan mempunyai profil yang mirip (distribusi bersyarat) melalui barisnya. Akhirnya, titik-titik baris yang berdekatan untuk titik-titik kolom menggambarkan kombinasi yang terjadi lebih sering daripada model independen yang tidak menghubungkan antara kategori-kategori dalam baris dan kolom. Hasil dari analisis korespondesi biasanya mengikutkan dua dimensi terbaik untuk merepresentasikan data, yang menjadi koordinat titik dan suatu ukuran jumlah informasi yang ada dalam setiap dimensi (dinamakan inertia), namun untuk Multiple Analisis korespondesi dapat mengikutkan lebih dari dua dimensi..

Untuk memulai analisis ini, ambil matrik X dengan elemen-elemen xij yang berasal dari tabulasi silang 2 arah I X

J , dengan I > J dan J adalah rank penuh kolom dari matrik X. Baris dan kolom dari tabulasi silang tersebut berhubungan dengan katagori yang berbeda dari dua karakteristik. Hal tersebut atas menjadi dasar pembentukan grafik yang merepresentasikan hubungan tabulasi silang dalam matrik. Jika n adalah total frekuensi dalam matrik

X, bentuk sebuah matrik proporsi P = {pij}dengan membagi setiap elemen X dengan n. Disini

pij = ij

x

n

, i = 1, 2,…,I, j = 1, 2,…, J, atau ( ) ( )

1

IxJ

P

=

_n

IxJ

X

………..……….. (1)

Matrik P dinamakan matrik Correspondence. Kemudian, P dipusatkan dengan cara menguranginya dengan

J Statistika Volume 3 No 1

,

1, 2,.., ,

1, 2,...,

ij ij i j

p

%

=

p

−

r c i

=

I j

=

J

_atau

_P

%

₌

_{P rc}

₋

_′

_{……… (2)} dimana 1 1

,

1, 2,..., ,

J J ij ij j j

x

ri

p

i

I

n

= =

=

∑

=

∑

=

atau (IxJ) (Jx

1

1)

=

r

P

……… ………(3) 1 1

,

1, 2,...,

I I ij j ij i i

x

c

p

j

J

n

= =

=

∑

=

∑

=

atau (IxJ

′

) (Jx

1

1)

=

c

P

…….. (4)

dan

1

′ =

[

1,1,....1

]

, dan rank

( )

P

%

≤

J

−

1

sejak

P1

%

=

P1 rc 1

−

′

= − =

r r

0

. Didefinisikan matrik diagonal

(

1

, ,...,

2

)

r

=

diag r r

r

I

D

dan

(

1

,

2

,...,

)

c

=

diag c c

c

J

D

... (5)

dan bentuk matrik skala

* 1/ 2 1/ 2

(IxJ) ₍r_IxJ) (IxJ) _(JxJ)

− −

=

_c

P

D

P D

%

... ... .(6) sedemikian hingga entri ke (i,j) dari P*adalah

*

,

1, 2,... ,

1, 2,...,

ij i j ij i j

p

r c

p

i

I j

J

r c

−

=

=

=

... (7)

Langkah-langkah mengambarkan tabulasi silang dalam plot dua dimensi:

1. Mencari nilai Singular Value Decomposition (SVD) dari P* dan didapatkan

*

(

P

IxJ)

=

Ix J(

U

−1)(J−1) (

Λ

x J−1)(J

V

−1)

′

xJ ... (8)

dimana rank (P*) = rank

P

%

≤

J

−

1

,

U U

′

=

V V

′

=

1

dan diagonal

matrik

Λ =

diag

(

λ λ

₁

,

₂

,...

λ

_j−₁

)

berisi nilai singular yang diurutkan dari besar ke kecil dalam

diagonal utamanya.

2. Membentuk

U

%

=

D U

1/ 2_r dan

V

%

=

D

1/ 2_c

V

, kemudian gunakan persamaan (6) dan (8) SVD dari

P

%

adalah 1 1 J j j j j

λ

− −

′

′

′

=

−

= Λ

=

∑

P

%

P rc

U V

%

%

u v

% %

_{... (9)}

dimana

u

%

_{jadalah vektor kolom ke-j dari}

_U

%

_dan

j

v

%

_{dari vektor kolom ke-j dari}

_V

%

_{. Dalam hal ini}

vektor singular kanan dan kiri dinormalisasi untuk mendapatkan panjang dari matrik

D

_r−1dan

D

−1_c , sehingga, 1 1 ( 1) ( 1) ((J 1) 1)x _{( 1)Ix}r (Ix J( 1) ((J 1)xJ)_(JxJc₎(JxJ 1) J x J − − − − −

′

−

=

−

′

−

=

U

%

D

U

%

V

%

D

V

%

I

...(10) Kolom

U

%

didefinisikan sebagai sumbu koordinat untuk profil titik kolom dari P, dan kolom

V

%

sebagai sumbu koordinat untuk profil titik baris dari P.

3. Menghitung koordinat profil baris

1 (Ix J( 1)) _(JxJr₎(Ix J( 1))((J 1) (x J 1) − −

=

− −

Λ

−

Y

D

U

%

(11)

12 |

Juli Maya Sari dan Dwi Endah Kusrini

J Statistika Volume 3 No 1

dan koordinat profil kolom

1

(Jx J( 1)) _(JxJc₎(Jx J( 1))((J 1) (x J 1) −

−

=

− −

Λ

−

Z

D

V

%

... (12) dua kolom pertama dari Y berisi pasangan koordinat untuk titik-titik baris dalam dua dimensi terbaik yang menggambarkan data. Dua kolom pertama dari Z berisi pasangan koordinat dari titik-titik kolom dalam dua dimensi terbaik yang menggambarkan data. Titik-titik tersebut akan diletakkan dalam gambar/plot yang sama. Jarak ekluidian dalam plot dua dimensi untuk jarak statistik anatar pasanagan baris(kolom)profil dalam data asal. Hal tersebut penting untuk mengingat bahwa tidak ada jarak langsung hubungan antara titik kolom dan baris.

4. Inersia yang digambarkan pada akhir dari sumbu koordinat dalam plot dua dimensi adalah kuadrat dari

nilai singular yang berhubungan dengan dua dimensi tersebut. Total inersia didefinisikan sebagai jumlahan kuadrat dari semua nilai singular yang tidak nol ,

Total Inersia = 2 1 K i i

λ

=

∑

. ... (13) dimana

λ

₁

≥

λ

₂

≥

....

≥

λ

_k

>

0

adalah elemen diagonal yang tidak nol dari

Λ

, disini K= rank

( )

P

%

dan secara ordinal, rank

( )

P

%

= min(I – 1, J – 1) .

Pendekatan Profil Baris (Kolom) Menggunakan SVD lihat persamaan (8),

1 1 J k k k k

λ

− −

′

′

′

=

−

= Λ

=

∑

P

%

P rc

U V

%

%

u v

% %

_{... (14)} untuk K<J-1, pendekatan 1 1 K k k k k

λ

− −

′

′

=

+

∑

=

P

rc

u v

% %

P

%

_{... (15)}

Diantara semua matrik rank K+1 (atau kurang), matrik

P

%

pada sisi kanan.

trace

(

−_r1

(

−

)

−1

(

−

ˆ

) )

′

c

D

P P D

%

P P

Dalam persamaan (11),(12), (9) , dapat ditulis P dalam bentuk matrik koordinat Y dan Z seperti dibawah ini:

P

=

rc

′

+

D Y

_r

Λ

−1

Z D

′

_c... (16) 1 1

/

J ij i j i j ik jk k k

p

r c

r c

y z

λ

− =

=

+

∑

dimana

y

_ikadalah data ke(i,k) dari Y dan

z

_jkadalah data ke (j,k) dari Z. Untuk pendekatan dimensi K+1<J-1, jumlahan kanan, yang dijalankan untuk 1 sampai dengan K.

Untuk melihat seberapa jauh hubungan-hubungan kategori yang terbentuk dapat dilihat dari beberapa definisi, yaitu :

1. Massa adalah proporsi dari kategori terhadap keseluruhan data. Massa menyatakan bobot dari masing-masing titik baik pada kolom maupun pada barisnya.

2. Quality adalah proporsi dari kolom inersia yang ditunjukkan oleh semua perhitungan komponen.

Semakin besar quality menunjukkan bahwa suatu kategori semakin baik diterangkan oleh komponen-komponen yang terbentuk.

3. Coordinat merupakan koordinat dari kolom-kolom. Coordinat menunjukkan letak kategori-kategori

sesuai dengan komponen-komponen yang terbentuk.

4. Inertia adalah proporsi dari inersia yang disumbang oleh masing-masing kolom. Semakin besar inertia

menunjukkan bahwa hubungan suatu kategori semakin jauh dengan kategori lainnya.

5. Correlation merupakan suatu nilai yang menyatakan ragam dari suatu titik yang dapat diterangkan oleh

sumbu utama. Correlation menunjukkan sumbangan masing-masing komponen terhadap inersia baris.

Nilai ini disebut juga korelasi kuadrat. Semakin besar Correlation menunjukkan bahwa suatu kategori

semakin baik diterangkan oleh komponen yang terbentuk.

6. Contribution adalah kontribusi dari baris terhadap sumbu inersia, Contribution menyatakan proporsi

J Statistika Volume 3 No 1

digunakan untuk menentukan suatu titik yang masuk pada suatu faktor. Kriteria yang masuk dalam faktor tersebut dicari nilainya yang relatif besar.

2.5 Metode tabulasi silang (cross tabulation)

Tabulasi silang adalah bentuk khusus dari daftar baris kolom. Daftar kontingensi terdiri dari (r x c), yaitu r sebagai jumlah katagori baris dan c sebagai katagori kolom. Penyajian untuk data katagori biasanya

menggunakan phi chart, bar chart dan sebagainya. Pada tabel kontingensi masing-masing selnya harus

memenuhi syarat-syarat sebagai berkut: 1. Homogen

Setiap level atau katagori dalam suatu variabel merupakan objek yang sama.

2. Mutually ekslusive (independent)

Antar level saling lepas

3. Mutually ekshausive

Secara level unit terdefinisi secara lengkap sampai pada unit terkecil. 4. Skala nominal

Skala yang digunakan untuk membedakan benda atau peristiwa yang satu dengan yang lainnya berdasarkan nama (predikat), misalnya laki-laki atau perempuan, cacat atau tidak cacat.

5.Skala ordinal

Skala yang digunakan untuk membedakan dan mengurutkan data, misalnya jabatan dalam organisasi.

2.6 Uji Chi-Square

Uji Chi-Square digunakan untuk memeriksa ada tidaknya hubungan antara dua variabel. Dua variabel dikatakan

independen apabila distribusi dari variabel tersebut tidak dipengaruhi pada distribusi variabel yang lain. Uji yang sesuai untuk mengetahui hubungan antara dua variabel katagori yang berupa tabel kontingensi adalah pearson

Chi-Square test. Hipotesis yang digunakan adalah

H0 : Kedua variabel saling independen (tidak ada hubungan).

H1 : Kedua variabel saling dependen (ada hubungan).

Daerah kritis : tolak H0 jika χ2 > χ2(i-1)(j-1), α

Adapun statistik ujinya adalah

∑∑

= =

−

=

I i J j ij ij ij

E

E

n

X

1 1 2 2

ˆ

)

ˆ

(

(17) Dengan E(nij) =

n

n

n

_i

.

_j

dimana : nij = taksiran nilai harapan, ni.= jumlah pengamatan pada baris ke-i, n.j=

jumlah pengamatan pada kolom ke-j, n.. = jumlah pengamatan, E(nij) = nilai ekspetasi dari taksiran nilai harapan

I = banyaknya baris, J = banyaknya kolom.

Adapun langkah awalnya adalah membuat tabel kontingensi dua arah. Tabel kontingensi dua arah adalah tabel yang mencatat data hasil pengamatan dengan melibatkan dua variabel y dan x sebagai variabel baris terdiri dari I katagori dan variabel y sebagai variabel kolom terdiri dari J katagori. Sel yang dibentuk baris i dan kolom ke-j mempunyai frekuensi pengamatan nij dapat ditunjukkan sebagai berikut:

Tabel 1 Tabulasi Silang

y1 y2 y3 yj total x1 x2

M

xi n11 n12 n13

K

n1j n21 n22 n23

K

n2j

M

M

M

K

M

ni1 ni2 ni3

K

nij n1. n2.

M

ni. n.1 n.2 n.3

K

n.j n..

Uji dependensi pearson Chi-Square dapat digunakan jika nilai harapan yang kurang dari 5 (nij<5) tidak lebih dari

14 |

Juli Maya Sari dan Dwi Endah Kusrini

J Statistika Volume 3 No 1

2.7 Regresi Logistik Ordinal

Regresi logistik ordinal merupakan salah satu metode statisika untuk menganalisis variabel respon yang mempunyai skala data ordinal dan terdiri dari tiga katagorik atau lebih. Variabel prediktor yang digunakan dalam model berupa data katagorik dan/atau kuantitatif. Model untuk regresi logistik ordinal adalah cumulative logit

models. Pada model logit ini sifat ordinal dari respon Y dituangkan dalam peluang kumulatif sehingga

cumulative logit models merupakan model yang didapat dengan membandingkan peluang kumulatif yaitu

peluang kurang dari atau sama dengan katagori respon ke - j pada p variabel prediktor yang dinyatakan dalam vektor xi, P(Y

≤

j

|xi), dengan peluang lebih besar dari katagori respon ke-j, xi, P(Y

≤

j

|xi) (Hosmer dan

Lemeshow, 2000). Nilai peluang kumulatif ke j adalah

πk(xc) = P(Y

≤

j) =

[

]

[

(

)

]

exp

1

)

(

exp

k j k j

x

g

x

g

+

=

∑

∑

= = + + + r k k k j r k k k j x x 1 0 1 0 ) exp( 1 ) exp(

β

β

β

β

; k = 1, 2, …,j,…,r. = π1 + π2 + … + πr (18)

Apabila P(Y

≤

j) dibandingkan dengan peluang suatu respon pada kategori (j + 1) sampai dengan kategori r, maka hasilnya adalah sebagai berikut :

) j Y ( P 1 ) j Y ( P ) j Y ( P ) j Y ( P ≤ − ≤ = > ≤ =       + +       + +       +

∑

∑

∑

= = = r k k k j r k k k j r k k k j x x x 1 0 1 0 1 0 exp 1 1 exp 1 exp β β β β β β = exp

∑

= + r 1 k k k j 0 x ) (β β = r j j j

π

π

π

π

π

π

+

+

+

+

+

+

+ +

...

...

2 1 2 1 (19)

pada rumusan (19) dilakukan transformasi logistik menjadi model regresi logistik (logit) ordinal atau logit kumulatif :

Logit [P(Y

≤

j) ] = log _

     ≤ − ≤ ) j Y ( P 1 ) j Y ( P _{= log}         + + + + + + + + j r j j

π

π

π

π

π

π

... ... 2 1 2 1 =

∑

= + r k k k j x 1 0 ) (β β (20)

dengan nilai

β

_k untuk k = 1,2,…,r pada setiap model regresi logistik ordinal adalah sama.

2.8 Estimasi Parameter

Penaksir parameter secara titik dalam regresi logistik dapat menggunakan Maksimum Likelihood Estimation (MLE). Metode ini tidak memerlukan batasan-batasan pada karakteristik variabel prediktor. Dengan menetapkan asumsi distribusi binomial dan objek pengamatan yang saling bebas. Fungsi likelihood pada metode

MLE merupakan fungsi linier maka diperlukan iterasi untuk memperoleh taksiran parameternya dengan metode

Newton Raphson, yaitu dengan cara menentukan nilai awal dari

β

(0).

Model yang telah diperoleh akan dilakukan pengujian statistik. Untuk menentukan variabel-variabel prediktor yang digunakan untuk membangun model tersebut memiliki hubungan nyata dengan variabel respon. Untuk

menguji kemaknaan koefisien

β

yang diperoleh dilakukan uji individu dan uji serentak.

a. Uji Serentak

Dilakukan untuk memeriksa kemaknaan koefisien βsecara keseluruhan atau serentak dan hipotesa pengujiannya

adalah

J Statistika Volume 3 No 1

H1 : paling sedikit ada satu β≠ 0

Statistik uji yang digunakan adalah statistik uji G atau Likelihood Ratio Test, yaitu

∏

= −

−

























−

=

_n i y i y n n i i

n

n

n

n

G

1 ) 1 ( 0 1

)

ˆ

1

(

ˆ

ln

2

0 1

π

π

……… (21)

Nilai G yang diperoleh dibandingkan dengan distribusi Chi-Square dengan derajat bebas v sesuai dengan p-value yang kita inginkan untuk menolak H0 atau H1. Tolak H0 jika G > _{( )}

2 ,v α

χ

dengan derajat bebas (v) = ((k+1)-2)x

p, (k+1) adalah jumlah kategori respon dan p adalah jumlah prediktor dalam model.

b. Uji Parsial

Untuk memeriksa kemaknaan koefisien βsecara parsial dengan membandingkan dugaan βdengan penduga

ragamnya

Hipotesis : H0 : βk = 0

H1 : βk ≠ 0

Dengan Statistik uji yang digunakan :

W2 =

)

ˆ

(

ˆ

k k

SE

β

β

………..…… n (22)

Statistik ini mengikuti distribusi normal, sehingga pengujiannya dilakukan melalui pembandingan nilai statistik W2 dengan nilai Ztabel. Tolak H0 jika

Z

>

Z

_α/2.

Interpretasi parameter dari suatu model adalah inferensi dari pengambilan kesimpulan berdasarkan pada koefisien parameter. Koefisien menggambarkan slope atau perubahan pada variabel respon per unit untuk setiap perubahan variabel prediktor. Interpretasi dilakukan setelah mendapatkan model terbaik. Interpretasi dari intersep adalah nilai peluang saat semua variabel X=0, perhitungannya berdasarkan pada nilai π. Sedangkan interpretasi koefisien menggunakan nilai odd rasio yaitu nilai yang menunjukkan perbandingan tingkat kecenderungan dari dua kategori dalam satu variabel prediktor dengan salah satu kategorinya dijadikan pembanding atau kategori dasar, yang dimaksud dengan odd rasio dari dua kategori X adalah :

(

)

(

)

(

)

(

)

(

)





_











>

≤

















>

≤

=

1 1 2 2 1 2

,

x

j

Y

P

x

j

Y

P

x

j

Y

P

x

j

Y

P

x

x

ψ

=

(

( )

)

( )

(

0 1 1

)

2 1 0

exp

exp

x

x

j j

β

β

β

β

+

+

= exp

{

(

β

_0j

+

β

₁

( )

x

₂

)

−

exp

(

β

_0j

+

β

₁

( )

x

₂

)

}

= exp

(

β

₁

(

x

₂

−

x

₁

)

)

……… (23)

Log dari odd rasio pada pada persamaan adalah

(

β

₁

(

x

₂

−

x

₁

)

)

. Hal tersebut menunjukkan bahwa nilai odd rasio proporsional terhadap beda dari nilai variabel prediktor. Oleh karena itu model regresi logistik ordinal juga

dapa disebut sebagai proportional Odds Model. Nilai odd rasio menginterpretasikan bahwa peluang respon pada

kategori kurang dari atau sama dengan j dibandingkan dengan suatu respon pada kategori (j+1) sampai dengan r

untuk X = x2 sebesar

(

β

₁

(

x

₂

−

x

₁

)

)

kali dari X = x1. c. Uji Kesesuaian Model

Dalam melakukan uji kesesuaian model regresi logistik, statistik uji yang digunakan adalah Chi-Square. Berikut adalah hipotesis yang digunakan,

16 |

Juli Maya Sari dan Dwi Endah Kusrini

J Statistika Volume 3 No 1

H0 : Model sesuai (tidak ada perbedaan hasil observasi dengan kemungkinan hasil prediksi model)

H1 : Model tidak sesuai (ada perbedaan hasil observasi dengan kemungkinan hasil prediksi model)

Perhitungan statistik uji yang digunakan adalah (Hosmer dan Lemeshow, 2000).

∑

=

−

−

=

g k k k k k k k

n

n

o

C

1 2

)

1

(

)

(

ˆ

π

π

π

(24)

Dengan g = banyak group, n_k= jumlah subjek pada group ke- k, o_k= jumlah nilai variabel respon pada

o_kkombinasi variabel prediktor, dan

π

_k=

k j j c j

n

x

m

k

ˆ

(

)

1

π

∑

= = rata-rata taksiran probabilitas dimana mj adalah

banyak subjek dengan ckkombinasi variabel prediktor. Tolak H0 pada taraf nyata

α

, jika

C

ˆ

>

χ

2(g−2)

3. Metodologi Penelitian

3.1 Sumber Data Penelitian

Sumber data yang digunakan dalam penelitian ini adalah data primer. Data primer didapatkan dengan melakukan survei menggunakan alat bantu kuisioner. Teknik Sampling yang digunakan adalah Metode

Probability Sampling yaitu Metode Sampling Cluster dimana Cluster didasarkan pada divisi-divisi yang berada

diperusahaan. Metode ini dipilih karena diduga ada perbedaan perlakuan karyawan pada setiap divisinya, dan diharapkan dapat memberikan sampel yang representatif. Jumlah sampel ditentukan dengan asumsi bahwa proporsi kepuasan karyawan adalah 0,1 maka ukuran sampel diperoleh dengan menggunakan formula Yamane diperoleh n sebesar 93.

3.1 Identifikasi variabel

Variabel yang dipergunakan dalam penelitian ini dibagi menjadi dua yaitu variabel respon dan variabel prediktor.

1. Variabel respon

Variabel yang berperan sebagai variabel respon (Y) adalah tingkat turnover intention dengan katagori berdasarkan nilai dari jawaban mayoritas responden dengan skala interval (1-4) yaitu sangat tidak setuju sampai dengan sangat setuju. Variabel respon ini bersifat katagorik dan berskala ordinal yang dibagi menjadi tiga tingkatan yaitu:

Y=0, jika mayoritas jawaban responden tidak setuju hingga sangat tidak setuju maka Turnover Intention rendah.

Y=1, jika mayoritas menjawab netral

Y=2, jika mayoritas menjawab setuju sampai sangat setuju maka responden dikatagorikan mempunyai nilai Turnover Intention tinggi.

Berikut adalah variabel yang digunakan dalam menentukan nilai Turnover Intention: 1). Perubahan perilaku dalam 6 bulan terakhir

2). Kecenderungan untuk keluar kerja 3). Kondisi efektifitas kerja

2. Variabel prediktor

Adapun variabel prediktor yang digunakan dalam penelitian ini adalah

a. Variabel Demografi terdiri dari : Status pernikahan (D1), Gender (D2), Lama bekerja (D3), Jabatan (D4),

Riwayat pekerjaan sebelumnya (D5) dan Usia (D6)

b. Variabel Job satisfaction (X1) dengan katagori 1 jika nilai rendah dan 2 jika nilai tinggi

c. Variabel Social support (X2) dengan katagori 1 jika nilai rendah dan 2 jika nilai tinggi 3.2 Metode Pengumpulan Data

Berikut langkah-langkah untuk melakukan pengumpulan data:

a. Survei

b. Persiapan Data

- Entri data

- Pemeriksaan ulang hasil pengisian kuisioner

- Uji validitas dan reliabilitas data

Pada pengujian validitas menggunakan validitas constrack dan uji reliabilitas constrack

J Statistika Volume 3 No 1

3.3 Metode Analisis Data

1. Analisis deskriptif digunakan untuk mengetahui karakteristik karyawan. Analisis korespondensi

digunakan untuk menjawab tujuan pertama yang ingin mengetahui kecenderungan variabel prediktor dalam mempengaruhi Turnover Intention karyawan. Adapun penjelasan yang akan dilakukan adalah menggambarkan tabulasi silang dalam plot dua dimensi.

2. Analisis regresi ordinal digunakan untuk menjawab pertanyan kedua, yaitu mengetahui nilai

probabilitas Turnover Intention karyawan pada setiap divisi berdasarkan faktor-faktor yang

mempengaruhinya. Berikut langkah-langkah yang akan dilakukan adalah:

a. Membuat tabulasi silang antara variabel respon dan prediktor masing-masing, dengan variabel respon (Y) yang digunakan adalah tingkat Turnover Intention yang terdiri dari tiga katagori (Y=0, rendah), (Y=1, sedang), (Y=2, tinggi) sedangkan variabel independent yaitu faktor yang mempengaruhi tingkat Turnover Intention adalah variabel (X1) dan variabel (X2).

b. Pembentukan model regresi logistik ordinal dari seluruh variabel prediktor yang berpengaruh dengan variabel respon (Y).

c. Menguji secara parsial model regresi logistik ordinal. d. Menguji secara serentak model regresi logistik ordinal.

e. Menguji kesesuaian model regresi logistik ordinal

f. Menghitung nilai probabilitas masing-masing Y dari model regresi logistik ordinal. g. Melakukan interpretasi model regresi logistik ordinal.

4. Analisis Dan Pembahasan

4.1 Uji Validitas dan Reliabilitas

Uji validitas indikator dapat diketahui dari nilai loading faktor masing-masing indikator dengan menggunakan kriteria nilai convergent validity 0,5-0,6 yang dianggap memiliki validitas untuk penelitian tahap awal menggunakan hipotesis sebagai berikut:

H0 : atribut tidak mengukur aspek yang sama

H1 : atribut menmgukur aspek yang sama

Dengan menggunakan kriteria convergent validity 0,5, banyak indikator yang kurang memenuhi, selanjutnya indikator tersebut dihilangkan sampai diperoleh hasil seluruh indikator yaitu sebanyak 35 item pertanyaaan yang valid dari total keseluruhan 64 item pertanyaan yang memiliki nilai loading diatas 0,5.

Uji reliabilitas untuk menujukkan konsistensi suatu alat ukur untuk mengukur dalam mengukur gejala yang sama sehingga alat ukur tersebut dapat dipercaya untuk digunakan sebagai alat pengumpul data dengan hipotesis sebagai berikut:

H0 : hasil pengukuran tidak konsisten

H1 : hasil pengukuran konsisten

Constract Reliability = (6,527)2/((6,527)2 + 4,227) = 0,9097

Tabel 2. Hasil Uji Reliabilitas variabel

Nilai Construct

Reliability(CR) Keterangan

Turnover Intention 0.9097 reliabel

Social support 0.9191 reliabel

Quality of supervisior 0.9316 reliabel

Job satisfaction 0.8798 reliabel

Compensation 0.9169 reliabel

Sumber : Data primer 2009, hasil olahan peneliti

Variabel laten Turnover Intention dapat dikatakan reliabel karena nilai constract reliability sebesar 0,9097 yang lebih dari 0,7. Pada Tabel 2 dapat diketahui untuk variabel laten lainnya bahwa seluruh variabel laten memiiki nilai constract reliability lebih dari 0,7. Sehingga dapat disimpulkan bahwa alat ukur tersebut dapat mengukur gejala yang sama atau konsisten. Untuk menjawab tujuan dari penelitian, maka dilakukan analisis data sebagai berikut. Hal pertama yang dilakukan adalah membuat tabulasi silang antara variabel karakteristik dengan tingkat

18 |

Juli Maya Sari dan Dwi Endah Kusrini

J Statistika Volume 3 No 1

Turnover Intention karyawan yang kemudian dilanjutkan dengan memodelkan faktor-faktor penyebab Turnover

Intention dengan menggunakan analisis regresi logistik ordinal.

4.2 Analisis Deskriptif

Pada variabel demografi, usia karyawan, lama bekerja, riwayat kerja ditempat lain, jenis kelamin, jabatan, status pernikahan tidak ada yang berpengaruh terhadap tingkat Turnover Intention. Karyawan yang bekerja pada perusahaan mayoritas laki- laki dengan status menikah, sudah bekerja lebih dari 11 tahun. Sebagian besar menjabatan operator, dan pernah bekerja di perusahaan lain serta sebagian besar karyawan berusia antara 30-40 tahun.

4.3 Analisis Korespondensi

Analisis korespondensi digunakan untuk mengetahui tingkat kecenderungan antara variabel prediktor dalam mempengaruhi tingkat Turnover Intention. Analisis korespondesi ini adalah suatu prosedur grafik untuk merepresentasikan hubungan yang ada dalam suatu tabulasi silang, jika tabulasi silang mempunyai I baris dan J kolom, plot yang dihasilkan oleh analisis korespondesi ini berisi dua himpunan titik baris dan himpunan titik kolom. Posisi titik-titik ini merefleksikan asosiasi atau hubungan. Dikarenakan variabel-variabel yang dianalisis lebih dari satu variabel maka analisis korespondensi yang digunakan adalah analisis korespondensi multiple. Dalam analisis korespondensi multiple ini variabel yang digunakan adalah variabel respon y dengan variabel prediktor, dimana variabel tersebut adalah Job satisfaction, sosial suppor dan variabel demografi. Sebelum melakukan analisis korespondensi maka dilakukan pengujian signifikansi variabel prediktor terhadap tingkat

Turnover dengan uji Chi-squart. Setelah dilakukan pengujian pada seluruh variabel prediktor diperoleh hasil

bahwa seluruh variabel prediktor demografi tidak signifikan mempengaruhi tingkat Turnover, hanya variabel Job

satisfaction dan Social support yang berpengaruh terhadap tingkat Turnover sebagaimana yang disajikan pada

Tabel 3.

Tabel 3 Pengaruh Variabel Prediktor Pada Tingakat Turnover Intention

Variabel Katagori Tingkat Turnover Intention _Total

Rendah Sedang Tinggi

Job satisfaction (X1) Rendah 34 (36,56%) 9 (9,68%) 0 (0%) 50 (53,76%) Tinggi 9(9,68%) 36 (38,71%) 5 (5,38%) 43 (46,24%) Total 43 (46,24%) 45 (48,38%) 5 (5,38%) 93 (100%) Social support (X2) Rendah 32 (34,41%) 14 (15,05%) 0 (0%) 46 (49,46%) Tinggi 11 (11,83%) 31 (33,33%) 5 (5,38%) 47 (50,54%) Total 43 (46,24%) 45 (48,39%) 5 (5,38%) 93 (100%)

Sumber : Data primer 2009, hasil olahan peneliti

Berdasarkan Tabel 3 pada katagori rendah Job satisfaction tidak berpengaruh pada Turnover tinggi, sebagaian besar hanya pada Turnover rendah 36,56%, pada Turnover sedang hanya 9,68%. Untuk Job satisfaction katagori tinggi berpengaruh terhadap Turnover sebesar 5,38% dan berpengaruh terhadap Turnover sedang 38,71%. Pada Social support katagori rendah berpengaruh terhadap Turnover sedang 15,05% dan katagori tinggi berpengaruh terhadap Turnover sedang 33,33%. Dari hasil pengujian signifikansi variabel dapat

dinyatakan bahwa katagori tinggi pada masing-masing variabel prediktor berpengaruh terhadap Turnover

Intention tinggi dan tingkat Turnover yang ada masih pada batas wajar.

Tabel 4 Hasil Analisis Korespondensi

Sumbu Inesia Proporsi Proporsi Kumulatif

1 0,6903 0,5177 0,5177

2 0,3353 0,2515 0,7692

3 0,1807 0,1355 0,9047

4 0,1270 0,0953 10,000

Total 1.3333

Sumber : Data primer 2009, hasil olahan peneliti

Berdasarkan Tabel 4 dihasilkan analisis korespondensi ini terbentuk empat sumbu dengan total inersia 1,3333, namun pada sumbu ketiga nilai proporsi kumulatif inersianya sudah mencapai 0,9047. Sehingga dengan ketiga komponen yang diambil, varians data yang dapat dijelaskan sudah cukup besar (90,47%), Karena tingkat

Turnover Intention dengan variabel-variabel prediktornya dikelompokkan menjadi tiga komponen dimana

masing-masing komponen tersebu dapat menjelaskan data sebesar proporsi masing-masing sumbu seperti yang terlihat pada Tabel 4.

Pengelompokan didapat dari besarnya kontribusi dan kontribusi relatif untuk setiap katagori pada setiap komponen yang terbentuk. Berdasarkan Tabel 5 terbentuk dua kelompok komponen dan semua katagori

J Statistika Volume 3 No 1

mempunyai kualitas yang lebih dari 50%, sehingga dapat dinyatakan bahwa komponen yang terbentuk sudah cukup untuk menjelaskan data. Pada kelompok satu, variabel Job satisfaction (X1) baik katagori rendah terdapat

kecenderungan pada tingkat Turnover Intention katagori rendah. Kemudian pada kelompok kedua tingkat

Turnover Intention katagori tinggi cendereung dipengaruhi oleh Job satisfaction dan Social support namun

jaraknya jauh.

Tabel 5 Nilai kontribusi mutlak dan kontribusi relatif tiap komponen

Katagori Kualitas Komponen 1 Komponen 2

K. mutlak K. relatif K. mutlak K. relatif

Turnover rendah 0.733 0.178 0.687 0.024 0.045

Turnover sedang 0,832 0.112 0.448 0.197 0.384

Turnover tinggi 0,938 0.056 0.123 0.767 0.815

Job satisfaction tidak puas 0,741 0.191 0.737 0.002 0.005

Job satisfaction puas 0,742 0.164 0.737 0.002 0.005

Social support tidak puas 0,625 0.151 0.618 0.004 0.007

Social support puas _{0,626 0.147 0.618 0.004 0.007}

Sumber : Data primer 2009, hasil olahan peneliti

Dari hasil analisis korespondensi dapat ditampilkan pada Gambar 1 dan terlihat ada kecenderungan sesuai hasil kontribusi seperti yang dijelaskan sebelumnya. Namun kecenderungan disini lebih jelas, seperti kecenderungan antara tingkat Job satisfaction dan Social support pada katagori rendah cenderung mempengaruhi tingkat Turnover Intention rendah. Pada katagori tinggi ada kecenderungan terhadap tingkat Turnover Intention tinggi dan sedang tetapi lebih dekat dengan Turnover sedang.

Component 1 C o m p o n e n t 2 4 3 2 1 0 -1 4 3 2 1 0 -1

social support tinggi social support rendahjob satisfaction tinggi job satisfaction rendah

turnover tinggi

turnovr sedang turnover rendah

Column Plot

Gambar 1. Plot kolom komponen 1 vs komponen 2 variabel utama

4.4 Analisis Regresi Logistik Ordinal

Metode regresi logistik dipergunakan untuk mengetahui pola hubungan antara variabel dependen dengan satu atau lebih variabel independen. Pada penelitian ini ingin diketahui faktor-faktor apa saja yang berpengaruh pada tingkat Turnover Intentiont dari variabel prediktor yag digunakan dengan melakukan analisis regresi logistik secara individu dan berganda.Variabel respon pada penelitian ini adalah tingkat Turnover Intentiont yang terdiri dari tiga katagori yaitu rendah, sedang dan tinggi untuk masing–masing tingkatan Turnover Intentiont.

a. Regresi Logistik Ordinal antara Variabel Y , Job satisfaction (X1)dan Social support (X2)

Pada tahap ini variabel prediktor yang signifkan berpengaruh terhadap Turnover Intention digunakan untuk model regresi logistik ordinal, seperti terlihat pada Tabel 6. Berdasarkan Tabel 6 dapat diketahui bahwa variabel

20 |

Juli Maya Sari dan Dwi Endah Kusrini

J Statistika Volume 3 No 1

Job satisfaction dan Social support signifikan terhadap tingkat Turnover Intention pada levelα = 10% dan, hal

ini terlihat dari nilai statistik. Hasil regresi logistik diatas juga menunjukkan model yang signifikan dengan nilai G = 44,601.

Tabel 6 Regresi Logistik Ordinal antara Y dengan (X1) dan (X2)

Prediktor Coef Z Odds Ratio

Const 1 1,727 3,98 Const 2 5,740 7,59 Job satisfaction (X1) -2,428 -4,38* 0,09 Social support (X2) -1,304 -2,41* 0,27 Chi-Square = 1,00949, DF= 4, P-value = 0,908 G = 44,601, DF =2, P-value = 0,000 Sumber : Data primer 2009, hasil olahan peneliti

Keterangan : *) signifikan pada α = 10%

Kedua konstanta (intersep) signifikan yang berarti bila variabel prediktor nol maka cukup bukti untuk menyatakan ada perbedaan yang signifikan pada tingkatan Turnover Intention. Sehingga dapat disimpulkan bahwa kedua variabel prediktor Job satisfaction dan Social support secara bersama dapat mempengaruhi

Turnover intention. Fungsi logit yang menggambarkan hubungan antara variabel prediktor dengan tingkat

Turnover Intention dapat dituliskan sebagai berikut. Logit 1 untuk tingkat Turnover Intention tinggi, dan Logit 2

untuk tingkat Turnover Intentionsedang.

Logit 1 : g1(x) = 1,727 -2,428 (Job satisfaction puas) -1,304 (Social support puas)

Logit 2 : g2(x) = 5,740 -2,428 (Job satisfaction puas) -1,304 (Social support puas)

Interpertasi model logit digunakan permisalan:

Karyawan dengan job satisfaction puas dan social support tidak puas memiliki peluang turnover sedang sebesar g1(x) = 1,727 -2,428 (1) -1,304 (0) = -0,701

Sedangkan untuk model probabilitas kumulatif adalah

)

(

1

x

π

= _{jobsatisfa ction puas socia port puas}

puas port social puas ction jobsatisfa

e

e

) sup ( 304 , 1 ) ( 428 , 2 727 , 1 ) sup ( 304 , 1 ) ( 428 , 2 727 , 1

1

− − − −

+

= 0,118

)

(

2

x

π

= jobsatisfaction puas social port puas puas port social puas ction jobsatisfa

e

e

) sup ( 304 , 1 ) ( 428 , 2 740 , 5 ) sup ( 304 , 1 ) ( 428 , 2 740 , 5

1

− − − −

+

= 0,763

)

(

3

x

π

= 1 - 0,118 – 0,763 = 0,119

Nilai π_{1 merupakan peluang untuk tingkat Turnover Intention rendah, sedangkan unuk nilai} π_{2 merupakan}

peluang kumulatif antara peluang tingkat Turnover Intention rendah dan sedang. Sehingga besar peluang tingkat

Turnover Intention sedang adalah π_{2 -} π_{1. Uuntuk mencari peluang tingkat Turnover Intention tinggi dapat}

dihitung dengan 1- π_{2, sehingga jumlahan peluang tingkat Turnover Intention untuk masing-masing katagori}

adalah satu.

Konstanta pada model logit 1 bernilai positif yang berarti bila semua variabel prediktor nol maka tingkat

Turnover Intention rendah lebih besar dari tingkat Turnover Intention sedang dan konstanta pada modl logit 2

juga bernulai positif yang berarti bla semua variabel prediktor nol maka tingkat Turnover Intention sedang lebih besar dari tingkat Turnover Intention tinggi. Koefisien variabel job satisfation bernilai negatif yang

mengindikasikan bahwa nilai Job satisfaction yang tinggi menyebabkan peluang tingkat Turnover

Intentiontinggi akan semakin berkurang, begitu juga pada variabel Social support.

b. Interpretasi Model Regresi Logistik Ordinal

Interpretasi masing-masing parameter dapat menggunakan nilai odds rasio yang dihasilkan dari regresi logistik ordinal sebagai berikut:

1. Seseorang yang memiliki Job satisfaction puas akan memiliki nilai Turnover Intention sebesar 0,09 kali seseorang yang memiliki Job satisfaction tidak puas.

2. Seseorang yang memiliki Social support puas akan memiliki nilai Turnover Intention sebesar 0,27 kali seseorang yang memiliki Social support tidak puas.

J Statistika Volume 3 No 1

5. Kesimpuan

Setelah dilakukan analisis data dan pembahasan, dapat ditarik kesimpulan sebagai berikut:

1. Karakteristik karyawan yang bekerja pada perusahaan mayoritas menikah, laki-laki, bekerja antara 11-15 tahun, menjabat sebagai operator, pernah bekerja di tempat lain dengan usia antara 30-40 tahun.

2. Dari hasil uji signifikansi pada variabel prediktor demografi, diketahui bahwa seluruh variabel prediktor

demografi tidak berpengaruh pada Turnover Intention karyawan. Dari analisis korespondensi yang

dilakukan diperoleh hasil bahwa variabel Job satisfaction dan Social support memiliki kecenderungan untuk mempengaruhi tingkat tunover intention pada katagori rendah dan sedang.

3. Dari hasil regresi logistik diketahui terdapat pola hubungan antara tingkat tunover intention dengan faktor-faktor yang berpengaruh. Faktor-faktor-faktor yang berpengaruh adalah variabel Job satisfaction puas dan Social

support puas memiliki pengaruh yang signifikan terhadap tingkat tunover intention dengan model sebagai

berikut:

Logit 1 : g1(x) = 1,727 - 2,428 (Job satisfaction puas) -1,304 (Social support puas)

Logit 2 : g1(x) = 5,740 - 2,428 (Job satisfaction puas) -1,304 (Social support puas)

Berdasarkan model regresi logistik yang diperoleh, diketahui peluang seseorang dengan Job satisfaction puas

dan socialsupport puas berpeluang untuk melakukan Turnover tinggi sebesar 0,119. Sedangkan peluang untuk

melakukan Turnover sedang dan rendah sebesar 0,763 dan 0,118.

Saran dalam pengambilan sampel sebaiknya dari setiap divisi terwakili, agar terwakili oleh seluruh bagian karena karena dianggap ada perbedaan karakteristik disetiap divisi.

Daftar Pustaka

Agresti, Alan. (1984). Analysis of Ordinal Categorical Data. Wiley and Sons. New York.

Cotton, J. & Turtle, J. (1986). Employee Turnover: A Meta-Analysis and Review With Implications for

Research. Academy of Management Review, 11, 55-70.

George, J. M. & Jones, G. R. (1996). The Experience of Work and Turnover Intentions: Interactive Effects of

Value Attainment, Job satisfaction, and Positive Mood. Journal of Applied Psychology, 81, 318-325.

Husna, Wahidatul. (2006). Analisis Statistik Terhadap Keprofesionalan Guru SMA Muhammadiyah 2 Surabaya

dengan Metode Regresi Logistik Ordinal dan Analisis Korespondensi. Tugas Akhir, Fakultas Ilmu

Pengetahuan Alam, Surabaya.

Greenacre, M. J. (1983) Theory and Applications of Correspondence Analysis, Academic Press, inc, New York

Hosmer, DW dan Lemenshow. (1989). Applied Logistik Regression. Wiley and Sons. New York.

Johnson, Richard A. (1997). “Applied Multivariate Statistical Analysis”, Edisi keempat Upper Saddle Rive, New

Jersey 07458

Judge, T. A., Parker, S., Colbert, A. E., Heller, D., & Ilies, R. (2001). Job satisfaction: A Cross-Cultural

Review. In: N. Anderson, D. S. Ones, H. K. Sinangil & C. Viswesvaran (Eds.). Handbook of industrial

and organisational psychology. Sage, London.

Locke, E. A. (1976). The Nature and Causes of Job satisfaction. In: M. Dunette (Ed.). Handbook of Industrial

and Organisational Psychology. Consulting Psychologists Press, Palo Alto

Maertz, C. P. & Campion, M. A. (1998). 25 Years of Voluntary Turnover Research: A Review and Critique. International Review of Industrial and Organisational Psychology, 13, 49-81.

Mobley, W. H., Horner, S. O., & Hollingsworth, A. T. (1978). An Evaluation of Precursors of Hospital

Employee Turnover. Journal of Applied Psychology, 63, 408-414.

Nanggoy, Silvia & Harianti, Rita. (2005). Pengaruh Kepuasan Kerja Karyawan Terhadap Turnover Intention di

PT Andalan Pasific Samudera di Surabaya. Tugas Akhir, Fakultas Ekonomi Universitas Kristen Petra,

22 |

Juli Maya Sari dan Dwi Endah Kusrini