METODE PENELITIAN
3.6. Metode Analisis dan Alat Analisis Data 1. Metode Analisis
Dalam penelitian ini menggunakan metode analisis data kuantitatif. Menurut Sugiyono (2014), metode penelitian kuantitatif dapat diartikan sebagai metode penelitian yang berlandaskan pada filsafat positivisme, yang digunakan untuk meneliti pada populasi atau sampel tertentu. Penelitian kuantitatif adalah penelitian yang banyak menggunakan angka-angka dan statistik, mulai dari pengumpulan data sampai pada penampilan dari hasilnya, yang dimaksudkan untuk mempermudah analisis dengan menggunakan program SPSS for Windows.
3.6.2. Uji Kelayakan Instrumen 3.6.2.1. Uji Validitas
Menurut Ghozali (2018) uji validitas merupakan salah satu instrument yang digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Sugiyono (2014) menjelaskan bahwa valid berarti instrumen tersebut dapat digunakan untuk mengukur apa yang seharusnya diukur. Uji validitas dapat menunjukan derajat ketepatan antara
data yang sesungguhnya terjadi pada objek dengan data yang dikumpulkan oleh peneliti. Kuesioner dapat dikatakan valid jika pertanyaan yang tercantum dalam kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut.
Uji validitas dapat dilakukan dengan menggunakan analisis factor (factor analyze) dimana hasilnya diidentifikasi dengan melihat nilai KMO (Kaiser-Meyer- Olkin) dan Bartlett’s Test of Sphericity. Nilai KMO dikatakan valid apabila nilainya lebih dari 0,5 (> 0,5). Sedangkan Bartlett’s Test of Sphericity dapat dikatakan valid apabila signifikansinya lebih kecil dari α yaitu 0,05 (Ghozali, 2018).
3.6.2.2. Uji Reliabilitas
Reliabilitas adalah sinonim untuk ketergantungan atau konsistensi.
Reliabilitas merupakan suatu alat untuk mengukur apakah kuesioner yang digunakan dalam penelitian yang terdiri dari indikator dari variabel atau konstruk itu reliable atau tidak. Uji yang relatif bebas dari kesalahan pengukuran dianggap dapat diandalkan. Menurut Ghozali (2018) suatu kuesioner dapat dikatakan reliabel atau handal apabila jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu.
Menurut Ghozali (2018) pengukuran reliabilitas dapat dilakukan dengan dua cara yaitu sebagai berikut:
1. Repeated Measure (Pengukuran ulang)
Dimana responden akan diberikan pertanyaan yang sama pada waktu yang berbeda kemudian dilihat apakah responden tersebut tetap konsisten dengan jawabannya.
2. One Shot (Pengukuran sekali saja)
Pengukuran ini dilakukan hanya sekali kemudian hasilnya tersebut dibandingkan dengan pertanyaan lain atau mengukur korelasi antar jawaban pertanyaan. SPSS memberikan fasilitas untuk mengukur reliabilitas dengan uji statistik Cronbach Alpha (α). Suatu variabel atau sebuah konstruk dapat dikatakan reliabel apabila memberikan nilai Cronbach Alpha > 0,70 (Nunnally, dalam Ghozali, 2018).
3.6.3 Uji Asumsi Klasik 3.6.3.1 Uji Normalitas
Uji normalitas adalah proses statistik yang digunakan untuk menentukan apakah sampel atau kelompok data cocok dengan distribusi normal standar. Tujuan dari uji normalitas adalah untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Menurut Ghozali (2018) Uji t dan F juga mengasumsikan bahwa nilai residual mengikuti distribusi normal. Apabila asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil.
Uji normalitas dapat dilakukan secara matematis atau grafis. Untuk mendeteksi apakah residual berdistribusi normal atau tidak dapat digunakan dua cara untuk mengujinya yaitu dengan analisis grafik dan uji statistik (Ghozali, 2018) dijelaskan sebagai berikut:
1. Analisis Grafik merupakan cara termudah untuk melihat normalitas residual dengan cara melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Selain itu dapat juga dengan melihat
normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
2. Analisis Statistik One Sample Kolmogorov-Smirnov yaitu dengan melihat nilai signifikansi pada 1-Sample K-S, apabila nilai signifikansi di atas 0,05 maka dapat disimpulkan bahwa data berdistribusi secara normal.
3.6.3.2. Uji Heteroskedastisitas
Uji heteroskedastisitas yaitu keadaan dimana terjadinya ketidaksamaan varian dari error untuk semua pengamatan setiap variabel bebas pada model regresi. Uji heteroskedastisitas merupakan uji yang bertujuan untuk menilai apakah ada ketidaksamaan varian dari residual antara pengamatan satu ke pengamatan lain pada model regresi linear (Ghozali, 2018). Jika asumsi heteroskedastisitas tidak terpenuhi, maka model regresi dinyatakan tidak valid sebagai alat peramalan. Kebalikan dari heteroskedastisitas ialah homoskedastisitas yaitu apabila varian antar satu pengamatan ke yang lain tidak berubah. Regresi yang baik adalah regresi yang tidak memiliki heteroskedastisitas dan memilki homoskedastisitas.
Di dalam menguji ada tidaknya heteroskedastisitas, dapat dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED, dimana sumbu Y merupakan Y yang sudah diprediksi, dan sumbu X merupakan residual (Y prediksi – Y sesungguhnya) yang telah di studentized. Dasar untuk melakukan analisis heteroskedastisitas menurut Ghozali (2018) adalah:
1. Apabila terdapat pola tertentu seperti titik – titik yang membentuk pola tertentu yang teratur seperti gelombang, melebar, lalu menyempit, maka menandakan terdapat heteroskedastisitas.
2. Apabila tidak terdapat pola yang jelas, titik – titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka heteroskedastisitas tidak terjadi.
3.6.3.3. Uji Linearitas
Uji linearitas memiliki tujuan untuk melihat dan mengetahui apakah dua variabel mempunyai hubungan yang linear atau tidak secara signifikan. Menurut Ghozali (2018) Uji linearitas merupakan uji yang digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Jika korelasi baik, maka akan didapatkan hubungan linear yang baik antara variabel independen dengan variabel dependen. Dasar pengambilan keputusan dalam uji linearitas dapat dilakukan dengan membandingkan nilai signifikansi dengan 0,05 yaitu sebagai berikut:
1. Jika nilai Deviation from Linearity Sig. > 0,05, maka terdapat hubungan yang linear secara signifikan antara variabel independen dengan variabel dependen.
2. Jika nilai Deviation from Linearity Sig. < 0,05, maka tidak terdapat hubungan yang linear secara signifikan antara variabel independen dengan variabel dependen.
3.6.4 Analisis Regresi Linear Berganda
Menurut Ghozali (2018) Analisis regresi linear berganda merupakan analisis yang dilakukan untuk mengetahui arah hubungan antara variabel independen (variabel bebas) dengan variabel dependen (variabel terikat), apakah masing – masing
variabel independen berhubungan positif atau negatif, serta memiliki tujuan untuk memprediksi nilai dari variabel dependen apabila variabel independen mengalami kenaikan atau penurunan. Di dalam penelitian ini digunakan untuk menganalisis pengaruh antara variabel independent yaitu kepemimpinan transformasional (X1) terhadap variabel dependen yaitu loyalitas karyawan (Y2) dengan variabel intervening yaitu kepuasan kerja (Y1). Pada penelitian regresi linear berganda, terdapat dua tahap regresi yang masing – masing menggunakan standardized coefficients, sehingga didapatkan persamaan sebagai berikut:
1. Regresi Pertama
Y1 = b1X1 + e……….………..(3.1) Keterangan:
b1 = Koefisien regresi dari variabel kepemimpinan transformasional X1 = Kepemimpinan Transformasional
Y1 = Kepuasan Kerja e = Error
2. Regresi Kedua
Y2 = b1X1 + b2Y1 + e………...(3.2) Keterangan:
Y2 = Loyalitas Karyawan Y1 = Kepuasan Kerja
b1 = Koefisien regresi dari kepemimpinan transformasional b2 = Koefisien regresi dari variabel kepuasan kerja
X1 = Kepemimpinan Transformasional e = Error
3.6.5. Uji Hipotesis
Tujuan dari adanya pengujian hipotesis adalah untuk melihat ketepatan fungsi regresi sampel dalam menaksir nilai aktualnya. Uji hipotesis dapat diukur berdasarkan nilai koefisien determinasi (R2), nilai statistik F, dan nilai statistik t (parsial). Sugiyono (2018) hipotesis adalah jawaban sementara terhadap rumusan masalah penelitian, di mana rumusan masalah penelitian telah dinyatakan dalam bentuk kalimat pertanyaan. Dikatakan sementara, karena jawaban yang diberikan baru didasarkan pada teori yang relevan, belum didasarkan pada fakta-fakta empiris yang diperoleh melalui pengumpulan data. Pengujian ini dimaksudkan untuk mengetahui ada tidaknya pengaruh yang signifikan antara variabel independen kepada variabel dependen. Apabila uji statistiknya didapat hipotesis nol (Ho) maka hipotesis dinyatakan tidak ada pengaruh yang signifikan antara variabel independen dengan variabel dependen sedangkan jika didapat hipotesis alternatif (Hα) maka hipotesis dinyatakan ada pengaruh yang signifikan antara variabel independen dengan variabel dependen.
3.6.5.1. Uji Koefisien Determinasi (R2)
Menurut Ghozali (2018) Koefisien determinasi (R2) pada intinya adalah untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen antara nilai no dan satu. Nilai R2 = 0 berarti variabel bebas tidak memiliki kemampuan dalam menjelaskan variasi variabel terikat dan nilai R2 = 1 berarti
variabel bebas memiliki kemampuan dalam menjelaskan variasi variabel terikat.
Hasil atau nilai R2 yang kecil memiliki arti bahwa kemampuan variabel – variabel independen dalam menjelaskan variabel dependen terbatas. Sebaliknya, apabila nilai mendekati satu maka variabel – variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2018).
3.6.5.2. Uji t (Uji Signifikan Parameter Individual)
Ghozali (2018) menjelaskan bahwa uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Pada akhirnya akan diambil suatu kesimpulan Ho ditolak atau Hα diterima dari hipotesis yang telah dirumuskan.
Kriteria yang digunakan adalah:
Hipotesis nol (H0) : Suatu variabel independen tidak berpengaruh H0 : bi = 0 terhadap variabel dependen.
Hipotesis alternatif (Ha) : Suatu variabel independen berpengaruh positif Ha : bi ≠ 0 terhadap variabel dependen.
Menurut Ghozali (2018), cara melakukan uji t adalah sebagai berikut:
1. Quick look : apabila jumlah degree of freedom (df) adalah 20 atau lebih, dan derajat kepercayaan sebesar 5%, maka H0 yang menyatakan bi = 0 dapat ditolak apabila nilai t lebih besar dari 2 (dalam nilai absolut). Dengan kata lain, hipotesis alternatif diterima, yakni variabel independen secara individual berpengaruh terhadap variabel dependen.
2. Membandingkan nilai statistik t dengan titik kritis menurut tabel. Apabila nilai statistik t hasil perhitungan lebih tinggi daripada nilai t tabel, maka hipotesis alternatif yang menyatakan bahwa variabel independen secara individual berpengaruh terhadap variabel dependen dapat diterima.
3.6.6. Analisis Jalur (Path Analysis)
Ghozali (2018) menjelaskan bahwa analisis jalur ini merupakan perluasan dari analisis regresi linear berganda, atau penggunaan analisis regresi untuk menaksir hubungan kausalitas antar variabel (model casual) yang telah ditetapkan sebelumnya berdasarkan teori. Variabel intervening adalah variabel yang digunakan sebagai mediator untuk memediasi antara variabel bebas dengan variabel terikat. Peneliti dapat mengetahui jalur mana yang tepat untuk sebuah variabel independen terhadap variabel dependen dengan menggunakan analisis jalur ini dan akan didapat hasil paling baik yang terakhir.
Di dalam penelitian gambaran hubungan model regresi linear berganda antara variabel independen (kepemimpinan transformasional) dengan variabel dependen (kepuasan kerja) dimediasi oleh variabel intervening (loyalitas karyawan) digambarkan sebagai berikut:
1. Variabel independent : Kepemimpinan transformasional (X1) 2. Variabel intervening : Kepuasan kerja (Y1)
3. Variabel dependen : Loyalitas karyawan (Y2)
Gambar 3.1
Analisis Jalur Variabel Kepemimpinan Transformasional Terhadap Loyalitas Karyawan dimediasi oleh Kepuasan Kerja
H1(b1) e2
H2(b2) H3(b3)
e1
Untuk menguji variabel rumusnya adalah sebagai berikut:
Y1 = b1X1 + e1……….…… (3.3) Y2 = b1X1 + b2Y1 + e2………. (3.4) Total pengaruh kepemimpinan transformasional : (b1) + (b2) (b3) …….. (3.5) Total pengaruh Kepuasan kerja : (b3) ……… (3.6) Keterangan:
X1 : Kepemimpinan transformasional
Y1 : Kepuasan kerja
Y2 : Loyalitas karyawan b1, b2, b3 : Koefisien garis regresi
e1 (error 1) : Anak panah dari e1 ke kepuasan kerja menunjukkan jumlah variansi variabel kepuasan kerja yang tidak dijelaskan oleh
Kepemimpinan Transformasion
al
Kepuasan Kerja
Loyalitas Karyawan
kepemimpinan transformasional.
(e1 = ……….…… (3.7) e2 (error 2) : Anak panah dari e2 ke loyalitas karyawan menunjukkan jumlah variansi variabel loyalitas karyawan yang tidak dijelaskan oleh variabel kepemimpinan transformasional dan kepuasan kerja.
(e2 = ……….….. (3.8)
3.6.7 Uji Sobel (Uji Efek Mediasi)
Uji sobel merupakan uji untuk mengetahui apakah hubungan yang melalui sebuah variabel mediasi secara signifikan mampu untuk dijadikan sebagai mediator dalam hubungan tersebut. Uji sobel dilakukan dengan cara menguji kekuatan pengaruh tidak langsung variabel independen (X) terhadap variabel dependen (Y2) melalui variabel mediasi atau intervening (Y1). Untuk menghitung pengaruh tidak langsung Kepemimpinan Transformasional (X1) terhadap Loyalitas Karyawan (Y2) melewati Kepuasan Kerja (Y1) antara lain:
1. Mengalihkan jalur X1 Y2 dengan jalur Y2 Y1
2. Mengalihkan ab, sehingga koefisien ab = (c-c’), dimana c merupakan pengaruh X1 terhadap Y2 tanpa mengontrol Y1, sedangkan c’ adalah koefisien dari pengaruh X1 terhadap Y2 setelah mengontrol Y1. Standar error untuk koefisien a dan b ditulis
dengan Sa dan Sb serta besar standar error untuk indirect effect atau pengaruh tidak langsung yaitu Sab yang dihitung menggunakan rumus sebagai berikut:
Sab =
Untuk menguji pengaruh tidak langsung, maka perlu menghitung nilai t dari koefisien dengan rumus berikut ini:
t =
Nilai t hitung ini dibandingkan dengan nilai t tabel. Apabila nilai r hitung lebih besar dari nilai t maka dapat disimpulkan bahwa terdapat pengaruh mediasi (Ghozali, 2018).