43 A. Waktu dan Obyek Penelitian
Waktu yang saya lakukan dimulai bulan April 2015 sampai dengan bulan Mei 2015. Obyek penelitian dalam penyusunan ini adalah Pengaruh Motivasi dan Pengembangan Karir Terhadap Prestasi Kerja Karyawan pada Badan Pendidikan dan Pelatihan Kementrian Dalam Negeri Jl. Taman Makam Pahlawan No. 8 Kalibata Jakarta Selatan Pusat Pembinaan Jabatan Fungsional dan Standardisasi Pendidikan dan Pelatihan serta Pusat Diklat Manajemen dan Kepemimpinan Pemerintahan Daerah..
B. Desain Penelitian
Dalam penelitian ini jenis penelitian yang digunakan adalah analisis kausal. Analisis kausal adalah penelitian untuk mengetahui tentang pengaruh satu atau lebih variabel bebas ( variabel laten exogen) terhadap variabel terikat (variabel laten endogen). Dimana peneliti ingin mengetahui “Pengaruh Motivasi dan Pengembangan Karir Terhadap Prestasi Kerja Karyawan Pada Badan Diklat Kementriaan Dalam Negeri”.
C. Skala Pengukuran Variabel
Penelitian ini menggunakan skala ordinal, yaitu metode yang digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial (Sugiyono, 2007 ). Pengukuran terhadap variabel dilakukan dengan menggunakan skala ordinal yaitu metode pengukuran dengan skala likert yaitu angka-angka yang dinilai berdasarkan tingkatan, sebagai berikut :
Tabel 3.1
Instrumen Skala Likert
Pertnyataan Kode Skor
Sangatsetuju SS 5
Setuju S 4
Netral N 3
Tidak Setuju TS 2
Sangat Tidak setuju STS 1
D. Definisi Operasional Variabel
Definisi operasional adalah suatu informasi ilmiah yang amat membantu penelitian lain yang ingin menggunakan variabel yang sama. Definisi operasional merupakan semacam petunjuk pelaksanaan bagaimana caranya mengukur suatu variabel sehingga dapat menentukan apakah prosedur pengukuran yang sama akan dilakukan atau diperlukan prosedur pengukuran yang baru. Adapun Operasionalisasi dari masing-masing variabel terdapat dibawah ini:
1. Motivasi
Motivasi adalah dorongan dalam mengarahkan tingkah laku pegawai dan organisasi secara ekstern maupun secara intern agar mau bekerja secara bersama-sama untuk memperoleh keberhasilan,sehingga para pegawai dan tujuan organisasi dapat sekaligus tercapai seperti dijelaskan dalam Aditya (2011).
Sebagai landasan,penulis menggunakan teori dua faktor dari dalam Oepojo (2005) dalam menilai tingkat motivasi seorang karyawan.Namun dari kedua faktor yang ada yaitu faktor higienis dan faktor motivator,faktor pehatian penulis terletak pada faktor motivator dimana motivasi timbul secara intrinsik.Adapun faktor motivator sebagaimana yang telah dijelaskan oleh saydam dalam Oepojo (2005) untuk lebih jelasnya akan diuraikan sebagai berikut:
a. Keberhasilan Pelaksanaan b. Pekerjaan itu sendiri c. Pengakuan
d. Tanggung jawab e. Pengembangan karir
Tabel 3.2 Definisi Operasional Variabel Motivasi (X1)
Variabel Dimensi Indikator Skala
Motivasi Keberhasilan pelaksanaan Melaksanakan tugas dengan tantangan Skala Ordinal Keberhasilan melaksanakan tugas Pekerjaan itu sendiri Pekerjaan sesuai
kemapuan
Mampu mengerjakan tugas sendiri
Pengakuan Pengakuan atas prestasi karyawan
Mengakui kinerja karyawan sesuai kemampuan
Tanggung jawab Pemberian tanggung jawab lebih pada karyawan
Pengembangan karir Mendapatkan promosi jabatan sesuai
kemampuan
Karyawan berkembang karena prestasi
2. Pengembangan Karir
Fubrin (Mangkunegara 2009) Pengembangan karir adalah aktivitas kepegawaian yang membantu pegawai-pegawai merencanakan karir masa depan mereka di perusahaan agar perusahaan dan pegawai yang bersangkutan dapat mengembangkan diri secara maksimum.
Siagian (2006) berpendapat bahwa faktor-faktor yang mempengaruhi perkembangan karir seorang karyawan adalah:
a. Prestasi kerja yang memuaskan b. Pengenalan oleh pihak lain c. Kesetiaan pada organisasi d. Dukungan dari bawahan e. Kesempatan untuk bertumbuh
Tabel 3.3 Definisi Operasional Variabel Pengembangan Karir (X2)
Variabel Dimensi Indikator Skala
Pengembangan Karir
Prestasi kerja yang memuaskan
Memberikan prestasi yang bagus dalam bekerja Skala ordinal Mencapai target perusahaan Pengenalan oleh pihak lain Dipilih langsung oleh atasan dan pimpinan langsung Dikenal atasan karena prestasi yang bagus Kesetiaan pada organisasi
Dedikasi yang lama pada perusahaan Mengabdi pada perusahaan karena menyenangi pekerjaan Dukungan dari bawahan Bawahan yang mendukung demi kelangsungan tugas mereka Sumber : Siagian 2006
3. Prestasi Kerja
Byars dan Rue (Edy sutrisno 2010), mengartikan prestasi sebagai tingkat kecakapan seseorang pada tugas-tugas yang mencakup pada pekerjaannya.Pengertian tersebut menunjukkan pada bobot kemampuan individu di dalam memenuhi ketentuan-ketentuan yang ada didalam pekerjaannya.Adapun prestasi kerja adalah hasil upaya seseorang yang ditentukan oleh kemampuan karakteristik pribadinya serta persepsi terhadap perannya dalam pekerjaan itu. Menurut Gomes seperti yang dikutip dalam jurnal Yanarto Oepojo(2005) terdapat beberapa objek yang biasa digunakan dalam menilai karyawan yaitu:
a. Quality of work(Kualitas pekerjaan)
b. Knowledge of job(Pengetahuan akan pekerjaan) c. Cooperation(Kerja sama)
d. Personal Qualities(Kualitas pribadi) e. Creativeness(Kreativitas)
Tabel 3.4 Definisi Operasional Variabel Prestasi Kerja Karyawan (Y)
Variabel Dimensi Indikator Skala
Prestasi Kerja
Kualitas pekerjaan
Prestasi karyawan dilihat dari kualitas kerjanya
Skala ordinal Pengetahuan dan
pekerjaan
Karyawan memiliki pengetahuan atas apa yang dikerjakan Kreatifitas Kreatifitas karyawan
untuk memajukan perusahaan
Kerja sama Kemampuan karyawan untuk kerja tim
Kualitas pribadi Karyawan dilihat dari pengalaman serta pengetahuannya Mampu untuk bekerja sama
Sumber : Menurut Gomes dalam Jurnal Yanarto Oepojo 2005
E. Metode Pengumpulan Data
Metode pengumpulan data adalah teknik atau acuan cara-cara yang dapat digunakan untuk mengumpulkan data. Cara mengumpulkan data dalam penelitian ini yaitu dengan wawancara kepada karyawan.Instrument pengumpulan data yang digunakan berupa kuesioner.
F. Jenis data
Data yang digunakan dalam pembahasan skripsi ini adalah data yang bersumber dari Data Primer. Data Primer yaitu data yang didapat dari sumber pertama baik dari individu atau kelompok, seperti hasil pengisian kuisioner yang dilakukan peneliti.
G. Populasi dan Sampel 1. Populasi Penelitian
Menurut Sugiyono (2009) populasi diartikan sebagai wilayah generalisasi yang terdiri atas: obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Dalam penelitian ini yang menjadi subyek penelitian adalah karyawan Badan Diklat Kementriaan Dalam Negeri.
2. Sampel penelitian
Sampel penelitian adalah bagian dari populasi. Pada dasarnya sebagian dari subjek penelitian yang akan digunakan sebagai dasar pengujian hipotesis, sehingga kesimpulan yang diperoleh dari sampel dianggap berlaku juga untuk populasi. Sedangkan teknik sampling adalah teknik pengambilan sampai dengan menggunakan purposive sampling sugiyono (2006) yaitu teknik penentuan sampel berdasarkan tujuan, siapa saja yang memang menjadi tujuan dan objek dari penelitian ini.
Teknik sampling yang digunakan akan untuk menentukan responden adalah cara memilih anggota dari populasi untuk dijadikan sampel dimana sesuka peneliti Ronny Kountour (2004).Menurut Hair, et.al. (1995) dalam Supramono dan Haryanto (2005), ukuran sampel untuk kepentingan pengujian hipotesis yang menggunakan structural equation model (SEM) berkisar 100-200. Dalam penelitian ini, penulis menetapkan sebanyak 130 responden. Jumlah ini didapat melalui penghitungan jumlah sampel dengan rumus (5 x jumlah indikator),artinya dalam penelitian ini sampelnya berjumlah (5 x 24 = 120). Kelebihan data digunakan sebagai cadangan jika terjadi penyimpangan data.
H. Metode Analisis Data
Metode penelitian yang dipakai dalam penelitian ini adalah analisis kuantitatif, maksudnya digunakan skala penilaian untuk menyatakan bobot antara hubungan variabel satu dengan variabel yang lainnya. Untuk dapat mengetahui signifikasi pengaruh antar variabel, maka data diolah dengan menggunakan metode analisis SEM (Structural Equation Modeling) dengan menggunakan
software Lisrel 8.7.
1. Spesifikasi Model
Spesifikasi model ini merupakan pembentukan model awal persamaan pengukuran dan strukural. Spesiikasi model pengukuran merupakan persamaan notasi matematik yang membentuk variabel-variabel teramati. Sedangkan spesifikasi model struktural adalah persamaan notasi matematik berdasarkan
hubungan antara satu variabel laten ke variabel laten lainnya. Kemudian, akan ditunjukkan output path diagram hybrid model dengan notasi matematik.
Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas antar bagian konstruk. Persamaan struktual dari model diagram jalur penelitian ini dinyatakan sebagai berikut:
Y = a + b1X1 + d2X2+ε ... Keterangan : a = konstanta Y1 X1 = Motivasi X2 = Pengembangan Karir Y = Prestasi Kerja ε = error measurement
2. Confirmatory Factor Analysis
Penelitian ini menggunakan pengukuran dengan dua tahap, di sebut two-step approach. Tingkat pertama, yaitu CFA merupakan model pengukuran yang menunjukkan suatu variabel laten diukur oleh satu atau lebih variabel-variabel teramati. Hal ini didasari alasan bahwa variabel-variabel laten atau konstruk tertentu yang mendasarinya (Wijanto, 2008). Hasil CFA harus diperiksa terlebih dahulu dari kemungkinan terjadinya offending estimate, kemudian dilakukan uji validitas dan realibilitas. Kemudian tingkat kedua dilakukan, yaitu Second Order CFA (2ndCFA) menunjukkan hubungan antara variabel-variabel laten pada tingkat pertama sebagai indikator dari sebuah variabel laten tingkat kedua.
Keuntungan menggunakan CFA adalah model dibentuk terlebih dahulu, jumlah variabel laten ditentukan oleh peneliti, pengaruh suatu variabel laten terhadap variabel teramati ditentukan lebih dahulu, beberapa efek langsung terhadap variabel teramati dapat ditetapkan sama dengan nol atau suatu konstanta, kesalahan pengukuran boleh berkolerasi, kovarian variabel-variabel laten dapat diestimasi atau ditetapkan pada nilai tertentu dan identifikasi parameter diperlukan.
3. Analisis Offending Estimates
Analisis awal ini harus dilakukan untuk memastikan tidak terdapat offending estimates (nilai-nilai yang melebihi batas yang dapat diterima) dari hasil estimasi di tingkat CFA. Berikut kriteria analisisnya, yaitu:
a. offending estimates, terutama adanya negative error variences (dikenal dengan heywod cases). Jika ada kesalahan varian negatif, maka varian kesalahan tersebut perlu ditetapkan menjadi 0.005 atau 0.001.
b. standard errors yang berhubungan dengan koefisien-koefisien yang diestimasi mempunyai nilai yang besar.
4. Uji Validitas dan Uji Reliabilitas
Untuk menguji kelayakan kostruk dari pertanyaan-pertanyaan yang diajukan pada kuisioner penelitian, penulis kemudian melakukan uji validitas dan reliabilitas. Validitas berhubungan dengan apakah suatu varibel mengukur apa yang seharusnya diukur (Wijayanto, 2008). Validitas dalam penelitian ini
menyatakan derajat ketepatan alat ukur penelitian terhadap isi atau arti sebenarnya yang diukur. Menurut Ridgon dan Ferguson (1991) dan Toll, Xia, Torkzadeh (1994) dalam Wijayanto (2008) menyatakan suatu variabel latennya, jika:
Nilait-value>1.96 pada tingkat kepercayaan 95%
Muatan faktor standarnya (standardized loading factor) ≥0.70. Sementara itu, Igbarta et al., (1997) menyatakan bahwa standardized loading factor ≥ 0.50 adalah sangat signifikan. Jika terdapat variabel-variabel yang memiliki nilai t-value< 1,96 dan standardized loading factor kurang dari 0.50 atau 0,70 maka harus dihilangkan/dihapuskan dari model disebut juga model trimming. Setelah itu, proses pengukuran dilakukan kembali dengan CFA dan dianalisis sesuai dengan syarat-syarat di atas.
Realibilitas adalah konsistensi suatu pengukuran (Wijayanto, 2008). Reliabilitas yang tinggi menunjukkan bahwa indikator-indikator mempunyai konsistensi yang tinggi dalam mengukur variabel latennya.Realibilitas suatu konstruk dikatakan baik, jika nilai construct reabilitynya adalah ≥ 0.70. Cara lain untuk menghitung reabilitas adalah dengan menggunakan variance extracted
(VE), dimana nilai VE ≥ 0.50. Ekstrak varian mencerminkan jumlah varian keseluruhan dalam indikator yang dijelaskan oleh construct latent. Berikut ini adalah rumus perhitungan pengukuran reliabilitas:
= ( . )²
Keterangan:
Σ = Jumlah keseluruhan
Std.Loading = Sandardized loading factors (muatan factor standar)
ej = Kesalahan
Menurut Hair (1998), nilai CR yang baik adalah ≥ 0.70. Apabila nilai CR berada di kisaran angka 0.60 dan 0.70, maka realibilitas masih termasuk dalam kategori baik. Selain itu, untuk pengukuran nilai VE ≥ 0.50 merupakan ukuran yang baik dalam mengukur reliabilitas, tetapi VE ini biasanya berupa pilihan (optional) dalam penelitian, sehingga peneliti diperbolehkan hanya menggunakan VE sebagai ukuran reliabilitas, namun akan lebih baik apabila CR diikutsertakan.
5. Second Order (2ndCFA)
Second Order Confirmatory factor analysis (2ndCFA) adalah model pengukuran yang terdiri dari dua tingkat (Wijayanto, 2008). 2ndCFA merupakan pengukuran tingkat kedua yang menunjukkan hubungan antara variabel-variabel laten pada tingkat pertama sebagai indikator dari sebuah variabel laten tingkat kedua. CFA tingkat kedua ini akan mengestimasi dan menganalisis kecocokan model secara keseluruhan serta terhadap model strukturalnya.
6. Uji Kecocokan Keseluruhan Model
Struktural Equation Modeling (SEM) merupakan suatu teknik statistik yang mampu menganalisis variabel laten, variabel teramati, dan kesalahan pengukuran secara langsung. SEM mampu menganalisis hubungan antara variabel
laten dengan variabel indikatornya, hubungan antara variabel laten yang satu dengan variabel laten yang lain, juga mengetahui besarnya kesalahan pengukuran (Sitinjak dan Sugiarto, 2006). Hal tersebut sejalan dengan pendapat ahli yang mengatakan SEM tidak seperti analisis multivariate biasa yang tidak bisa menguji regresi berganda ataupun analisis faktor secara bersama-sama (Bollen, 1989: dala, Ghozali, 2005).Disamping hubungan kausal searah, SEM juga memungkinkan menganalisis hubungan dua arah.
Gambar 3.1 Model Penelitian pada Lisrel Pengembangan Karir (X2) Motivasi (X1) Prestasi Kerja Karyawan (Y) M1 M2 M3 M4 M5 M6 M7 M8 M9 PK1 PK2 PK3 PK4 PK5 PK6 PK7 PKK1 PKK2 PKK3 PKK4 PKK5 PKK6
Setelah model terbentuk, maka diperlukan analisis dalam uji kecocokan model, indikator-indikator yang dapat digunakan antara lain (Wijayanto, 2008) :
1. Chi square /degrees of freedom (χ2/df)
Chi Square digunakan untuk menguji seberapa dekat kecocokan antara matrik kovarian sampel dengan matrik kovarian model. Hari (2008) mengatakan bahwa χ2 seharusnya lebih diperlakukan sebagai ukuran
goodness offit atau badness of fit dan bukan sebagai uji statistik. χ2 dapat
disebut juga sebagai badness of fit karena nilaiχ2 yang besar menunjukkan
kecocokan yang tidak baik (badfit) sedangkan nilaiχ2 yang kecil
menunjukkan good fit (kecocokan yang baik). 2. Non-Centrality Parameter (NCP)
NCP merupakan ukuran perbedaan antara matrik kovarian sampel (Σ) dengan matrik kovarian model (Σ(θ)). NCP juga merupakan ukuran
badnessof fitdimana semakin besar perbedaan antara Σ dengan Σ(θ) semakin besar nilai NCP. Jadi, kita perlu mencari NCP yang nilainya kecil atau rendah.
3. Goodness of Fit Indices (GFI)
GFI dapat diklasifikasikan sebagai uji kecocokan absolut, karena pada dasarnya GFI membandingkan model yang dihipotesiskan dengan tidak ada model sama sekali.Nilai GFI harus berkisar antara 0 (poor fit) sampai1 (perfect fit), dan nilai GFI≥ 0,90 merupakan goodfit (kecocokan yang baik),sedangkan 0,80≤ GFI< 0,90sering disebut marginal fit.
4. Root Mean Square Residual (RMR)
RMR mewakili nilai rerata residual yang diperoleh dari mencocokkan matrik varian-kovarian dari model yang dihipotesiskan dengan matrik varian-kovarian dari data sampel.Standardized RMR mewakili nilai rerata seluruh standardized residuals, dan mempunyai rentang dari 0ke1.Model yang mempunyai kecocokan yang baik (goodfit) akan mempunyai nilai
Standardized RMR<0,05.
5. Root Mean Square Error of Approximation
RMSEA merupakan salah satu indeks yang informatif dalam SEM. Nilai R MSEA ≤0,05 menandakan close fit, sedangkan0,05< RMSEA≤0,08 menunjukkan good fit (BrowndanCudek, 1993). McCallum (1996) menambahkan bahwa nilai R MSEA antara 0,08 sampai 0,10 menunjukkan
mediocore(marginal fit), serta nilai RMSEA > 0,10 menunjukkan poor fit. 6. Expected Cross-Validation Index (ECVI)
ECVI diusulkan sebagai sarana untuk menilai, dalam sampel tunggal,likelihood bahwa model divalidasi silang (cross-validated) dengan sampel-sampel dengan ukuran yang sama dari populasi yang sama (Browne dan Cudeck, 1989). ECVI digunakan untuk perbandingan model dan semakin kecil nilai ECVI sebuah model semakin baik tingkat kecocokannya.
7. Adjusted Goodness-of-Fit Index (AGFI)
AGFI adalah perluasan dari GFI yang disesuaikan dengan rasio antara degreeof freedom dari null/independence/baseline model dengan degree of freedom dari model yang dihipotesiskan atau diestimasi. Seperti halnya GFI, nilai AGFI berkisar antara 0 sampai 1. Nilai AGFI ≥ 0,90 menunjukkan good fit,sedangkan 0,80 ≤ AGFI < 0,90 sering disebut sebagai marginal fit.
8. Normed Fit Index (NFI)
NFI mempunyai nilai yang berkisar antara 0 sampai 1. Nilai NFI ≥ 0,90 menunjukkan good fit, sedangkan 0,80 ≤ NFI < 0,90 sering disebut sebagai marginal fit.
9. Relative Fit Index (RFI)
Nilai RFI akan berkisar antara 0 sampai 1. Nilai RFI ≥ 0,90 menunjukkan
good fit, sedangkan 0,80 ≤ NFI < 0,90 sering disebut sebagai marginal fit. 10.Incremental Fit Index (IFI)
Nilai IFI akan berkisar antara 0 sampai 1. Nilai IFI ≥ 0,90 menunjukkan
good fit, sedangkan 0,80 ≤ IFI < 0,90 sering disebut sebagai marginal fit. 11.Comparative Fit Index (CFI)
Nilai CFI berkisar antara 0 sampai 1. Nilai CFI ≥ 0,90 menunjukkan good fit,sedangkan 0,80 ≤ CFI < 0,90 sering disebut sebagai marginal fit.
Pada penelitian ini, peneliti menggunakan program Lisrel 8.8 sebagai sarana pengolahan data. Program ini mengharuskan peneliti menulis perintah
syntax(perintah persamaan) dan hasilnya adalah path diagram dan printed output
yang dapat memberikan informasi mengenai loading factor, t-value, serta error variance dari indikator-indikator dalam variabel laten, serta hubungan kausal antara variabel laten eksogen dengan variabel laten endogen. Di dalam penelitian ini penulis penggunakan RMSEA, NFI, NNFI, CFI, IFI, RFI, GFI dan AGFI
7. Uji Kecocokan Model Struktural
Pengujian ini akan menganalisis tingkat signifikansi koefisien-koefisien yang diestimasi terhadap model struktral. Tingkat signifikansi dapat dilihat dari nilai t-value yang harus memenuhi syarat yaitu ≥ 1,96 atau ≤ -1,96. Secara umum, pengujian ini bertujuan untuk melihat apakah hipotesis penelitian diterima atau ditolak. Selain itu, dilakukan evaluasi terhadap solusi standar dimana semua koefisien mempunyai varian yang sama dan nilai maksimumnya adalah 1 (Wijayanto, 2008). Nilai koefisien yang mendekati akan berhubungan dengan peningkatan pentingnya variabel terkait dalam hubungan kausal.
