2. Kepuasan kerja individu akan bervariasi tergantung pada shift kerja mereka.
Peneliti menyerahkan data untuk analisis komputer menggunakan program perangkat lunak SPSS Versi 11.0 for Windows. Kami sekarang akan melanjutkan untuk membahas hasil analisis ini dan interpretasinya. Secara khusus, kami akan memeriksa hal-hal berikut:
3. Niat cuti karyawan (ITL) akan bervariasi sesuai dengan jabatannya. Dengan kata lain, akan ada perbedaan yang signifikan dalam ITL manajer puncak, manajer tingkat menengah, penyelia, dan karyawan klerikal dan kerah biru.
4. Matriks Korelasi Pearson.
310 ANALISIS DAN INTERPRETASI DATA
1. Pembentukan Cronbach's alpha untuk pengukuran.
4. Akan ada hubungan antara shift di mana orang bekerja (shift pertama, kedua, dan ketiga) dan status karyawan paruh waktu versus penuh waktu. Dengan kata lain, kedua faktor ini tidak akan berdiri sendiri.
ketidakadilan, kelelahan, dan kepuasan kerja, dan variabel dependen niat untuk meninggalkan. Variabel demografis seperti usia, pendidikan, jenis kelamin, masa kerja, jabatan, departemen, dan shift kerja juga dimasukkan dalam kuesioner. Kuesioner diberikan secara pribadi kepada 174 karyawan yang dipilih berdasarkan stratified random sampling yang tidak proporsional. Jawaban dimasukkan ke dalam komputer. Setelah itu, data diserahkan untuk dianalisis untuk menguji hipotesis berikut, yang dirumuskan oleh peneliti:
2. Distribusi frekuensi variabel.
5. Keempat variabel independen karakteristik pekerjaan, keadilan distributif, burnout, dan kepuasan kerja secara signifikan akan menjelaskan variansi niat untuk keluar.
5. Hasil pengujian hipotesis.
1. Pria akan merasakan lebih sedikit kesetaraan daripada wanita (atau wanita akan merasakan lebih banyak kesetaraan daripada pria).
3. Statistik deskriptif seperti mean dan standar deviasi.
Mungkin relevan untuk menunjukkan di sini bahwa lima hipotesis yang berasal dari kerangka teoritis sangat relevan untuk menemukan jawaban atas masalah pergantian secara langsung dan tidak langsung. Misalnya, jika laki-laki merasakan lebih banyak ketidakadilan (seperti yang dapat diduga dari data wawancara), penting untuk memperbaiki persepsi (salah) mereka sehingga mereka cenderung tidak pergi (jika memang ada korelasi positif antara ketidakadilan yang dirasakan dan ITL). ditemukan). Jika shift kerja memiliki pengaruh terhadap kepuasan kerja (terlepas dari pengaruhnya terhadap ITL), hal ini harus diperiksa lebih lanjut karena kepuasan kerja juga merupakan variabel hasil yang penting bagi organisasi. Jika karyawan pada tingkat tertentu memiliki niat yang lebih besar untuk keluar, informasi lebih lanjut harus dikumpulkan mengenai apa yang dapat dilakukan untuk kelompok ini. Jika ada pola pada karyawan paruh waktu/penuh waktu yang bekerja pada shift tertentu, hal ini mungkin menawarkan beberapa saran untuk penyelidikan lebih lanjut, seperti: “Apakah karyawan paruh waktu pada shift malam memiliki kebutuhan khusus yang tidak ditangani saat ini?” Hasil pengujian hipotesis terakhir tentunya akan memberikan gambaran seberapa besar variansi ITL yang akan dijelaskan oleh keempat variabel independen tersebut, dan tindakan korektif apa, jika ada, yang perlu diambil.
Perlu diketahui bahwa SPSS Student Version 11.0 untuk Windows dilengkapi dengan tutorial online, yang bisa sangat membantu. Untuk mengetahui bagaimana Menu Utama di SPSS Versi 11.0 diatur, bilah utama mencantumkan beberapa item, dua di antaranya sering digunakan selama analisis data
— menu TRANSFORM dan STATISTIK. Menu Transform membuat perubahan pada variabel yang dipilih dan menghitung variabel baru, dan menu Statistics digunakan untuk melakukan prosedur statistik yang dipilih. Dengan mengklik Recode di menu pull-down dari Transform, nilai baru dapat diberikan ke variabel, dan dengan mengklik Comp pute dan melakukan apa yang ditunjukkan di menu yang sama, variabel baru dapat dikomputasi. Nilai yang hilang dapat diberi nomor dengan mengklik Data di bilah menu, lalu mengklik kotak dialog Tentukan variabel , dan selanjutnya pada Nilai yang Hilang, dan menindaklanjutinya. Setelah pendahuluan ini diurus, keandalan tindakan dapat diperiksa.
Penting untuk dicatat bahwa semua item dengan kata-kata negatif dalam kuesioner pertama-tama harus dibalik sebelum item diajukan untuk uji reliabilitas. Kecuali jika semua item yang mengukur suatu variabel berada dalam arah yang sama, reliabilitas yang diperoleh akan salah.
Hasilnya menunjukkan bahwa alfa Cronbach untuk ukuran Intention to Leave enam item adalah 0,82. Semakin dekat koefisien reliabilitas menjadi 1,0, semakin baik.
Beberapa Langkah Pendahuluan
Memeriksa Keandalan Pengukuran: Cronbach's Alpha
Secara umum, reliabilitas kurang dari 0,60 dianggap buruk, reliabilitas dalam kisaran 0,70 dapat diterima, dan reliabilitas di atas 0,80 dianggap baik. Alpha Cronbach untuk empat variabel independen lainnya berkisar antara 0,81 hingga 0,85. Dengan demikian reliabilitas konsistensi internal dari ukuran-ukuran yang digunakan dalam penelitian ini dapat dikatakan baik.
Reliabilitas konsistensi interitem atau koefisien reliabilitas alfa Cronbach dari lima variabel
independen dan dependen diperoleh. Mereka semua di atas 0,80. Contoh hasil yang diperoleh untuk uji Cronbach's alpha untuk variabel dependen, Niat untuk Meninggalkan, bersama dengan instruksi tentang cara memperolehnya, ditunjukkan pada Output 12.1.
3. Pilih Model Alfa.
Output 12.1 Analisis Keandalan
Keluaran Keandalan 1. Dari menu, pilih: Analisis
Skala
Koefisien Keandalan Alpha = 0,8172
Analisis Keandalan…
6 item 2. Pilih variabel yang membentuk skala.
Alfa item standar = 0,8168
Memperoleh Statistik Deskriptif: Distribusi Frekuensi
Dari frekuensi yang diperoleh untuk variabel lain (hasil tidak ditampilkan di sini) ditemukan bahwa 86% responden adalah laki-laki dan 14% perempuan; sekitar 68% bekerja pada shift pertama, 19% pada shift kedua, dan 13% pada shift ketiga. Enam belas persen responden bekerja paruh waktu dan 84% penuh waktu. Sekitar 8% memiliki pendidikan sekolah dasar, 28% diploma sekolah menengah atas, 23% sarjana, 30% magister, dan 11% bergelar doktor. Sekitar 21% responden memilikinya
Distribusi frekuensi diperoleh untuk semua data pribadi atau variabel klasifikasi. Frekuensi jumlah individu di berbagai departemen untuk sampel ini ditunjukkan pada Output 12.2. Dari sini dapat dilihat bahwa jumlah individu terbesar dalam sampel berasal dari Departemen Produksi (28,1%), diikuti oleh Departemen Penjualan (25,3%). Hanya tiga orang (1,7%) yang berasal dari Humas, dan masing-masing lima orang dari Departemen Keuangan, Pemeliharaan, dan Akuntansi (masing-masing 2,9%). Rendahnya jumlah sampel di beberapa departemen merupakan fungsi dari jumlah populasi (sangat sedikit anggota) di departemen tersebut.
312 ANALISIS DAN INTERPRETASI DATA
7.5 28.1
Personil
100.0 Keluaran Frekuensi
Akuntansi Keluaran 12.2 Frekuensi
Sah
7,5 35,6 60,9 63,8 83,3 86,2 95,4 97,1 100,0 (Pilih variabel yang relevan)
Kumulatif
Keuangan
2.9 Statistik…
25,3 2,9 19,5 2,9 9,2 1,7 Pemasaran
2.9 Departemen Responden
Format (untuk urutan hasil yang akan ditampilkan)
Pemeliharaan
13 49 44 5 34 5 16 3 5
174 Dari menu, pilih: Analisis
Frekuensi Statistik Deskriptif…
Penjualan
Frekuensi Persen Persen
7.5 28.1
Hubungan Masyarakat
Total
Pilih yang dibutuhkan:
Persen
25,3 2,9 19,5 2,9 9,2 1,7
100.0 Bagan…
Produksi
Pelayanan
100.0
bekerja untuk organisasi kurang dari setahun, 20% 1 sampai 3 tahun, 20% 4 sampai 6 tahun, sisanya 39% lebih dari 6 tahun, termasuk 8% yang telah bekerja selama lebih dari 20 tahun.
Statistik Deskriptif: Ukuran Kecenderungan dan Dispersi Sentral
Statistik deskriptif seperti maksimum, minimum, rata-rata, standar deviasi, dan varian diperoleh untuk variabel independen dan dependen berskala interval. Hasilnya ditunjukkan pada Computer Output 12.3.
Oleh karena itu kami memiliki profil karyawan di organisasi ini, yang berguna untuk menggambarkan sampel di Bagian Metode Laporan Tertulis (lihat bab berikutnya). Frekuensi juga dapat ditampilkan secara visual sebagai bagan batang, histogram, atau bagan pai dengan mengklik Statistik di menu, lalu Ringkas, lalu Frekuensi, dan Bagan di kotak dialog Frekuensi,
lalu pilih bagan yang diperlukan.
Dapat disebutkan bahwa semua variabel kecuali ITL disadap pada skala 5 poin. ITL diukur pada skala 4 poin. Dari hasil tersebut, terlihat bahwa rata-rata persepsi keadilan (disebut keadilan distributif) agak rendah (2,38 pada skala 5 poin), seperti halnya rata-rata burnout yang dialami (2,67). Kepuasan kerja rata-rata (3,12 pada skala 5 poin), dan pekerjaan dianggap agak diperkaya (3,47). Rata-rata 2,21 pada skala 4 poin untuk ITL menunjukkan bahwa sebagian besar responden tidak cenderung untuk pergi atau tinggal. Minimal 1 menunjukkan bahwa ada beberapa yang tidak berniat untuk pergi sama sekali, dan maksimum 4 menunjukkan bahwa ada yang serius mempertimbangkan untuk pergi.
Pekerjaan Sat
.570 Keluaran Deskriptif
1,00 1,61
St
ITL Output 12.3
Statistik Deskriptif: Tendensi dan Dispersi Sentral
.756
.257 .268 .453 173
(Pilih variabel)
5,00 4,33 4,28 4,69 4,00
.507 1.00
Statistik deskriptif (Pilih statistik relevan yang diperlukan)
3.117 3.474
Habis terbakar
2.212 N Varians Deviasi Rata-Rata Maksimum Minimum 173
170 167 174
Karakter Pekerjaan
.271 Dari menu, pilih: Analisis Statistik
Deskriptif Deskriptif…
.521 1.00
2.31 Pilihan…
Keadilan Distrik 2.379
2.671
.518 .673
Statistik Inferensial: Korelasi Pearson
di mana µW adalah kesetaraan yang dirasakan oleh perempuan dan µM adalah kesetaraan yang dirasakan oleh H10 : Tidak ada perbedaan antara laki-laki dan perempuan dalam persepsinya
Singkatnya, ekuitas yang dirasakan agak rendah, tidak banyak mengalami kejenuhan, pekerjaan dianggap cukup diperkaya, ada kepuasan kerja rata-rata, dan tidak ada niat kuat untuk bertahan di organisasi atau meninggalkannya.
Dinyatakan secara statistik: H10 adalah: µW = µM
Koefisien korelasi Pearson sesuai untuk variabel skala interval dan rasio, dan Rank Spearman atau koefisien Tau Kendall sesuai ketika variabel diukur pada skala ordinal.
Setiap korelasi bivariat dapat diperoleh dengan mengklik menu yang relevan, mengidentifikasi variabel, dan mencari statistik parametrik atau nonparametrik yang sesuai.
pria.
ketidakadilan.
Matriks korelasi Pearson yang diperoleh untuk lima variabel berskala interval ditunjukkan pada Output 12.4. Dari hasil, kami melihat bahwa niat untuk keluar, seperti yang diharapkan, secara signifikan berkorelasi negatif dengan persepsi keadilan distributif (ekuitas), kepuasan kerja, dan pekerjaan yang diperkaya. Artinya, niat untuk keluar rendah jika perlakuan yang adil dan kepuasan kerja dialami, dan pekerjaannya diperkaya. Namun, ketika individu mengalami kejenuhan (kelelahan fisik dan emosional), niat mereka untuk pergi juga meningkat (korelasi positif 0,33). Kepuasan kerja juga berkorelasi positif dengan ekuitas yang dirasakan, dan pekerjaan yang diperkaya. Ini berkorelasi negatif dengan kelelahan dan ITL. Korelasi semua dalam arah yang diharapkan.
Pengujian Hipotesis
Penting untuk dicatat bahwa tidak ada korelasi yang melebihi 0,59 untuk sampel ini.
Jika hubungan kor lebih tinggi (katakanlah, 0,75 ke atas), kita mungkin harus mencurigai apakah variabel yang berkorelasi adalah dua variabel yang berbeda dan berbeda dan akan meragukan validitas pengukuran.
314 ANALISIS DAN INTERPRETASI DATA
Varians untuk burnout , kepuasan kerja, dan karakteristik pekerjaan tidak tinggi. Varian ITL dan perceived equity (keadilan distributif) hanya sedikit lebih banyak, hal ini menunjukkan bahwa sebagian besar responden sangat dekat dengan rata-rata pada semua variabel.
Hipotesis 1: Penggunaan Uji-t. Hipotesis 1 dapat dinyatakan dalam null dan alter nate sebagai berikut:
Lima hipotesis dihasilkan untuk penelitian ini seperti yang dinyatakan sebelumnya. Ini membutuhkan penggunaan uji-t (untuk hipotesis 1), ANOVA (untuk hipotesis 2 dan 3), uji chi square (untuk hipotesis 4), dan analisis regresi berganda (untuk hipotesis 5). Hasil tes ini dan interpretasinya dibahas di bawah ini.
N
1.000 –.474**
–.299**
.328**
.000 Kelelahan Korelasi
173 167 167
Karakter Pekerjaan
–.535**
–.274**
(Pilih variabel yang relevan)
.000 –.374**
1.000 –.374**
.000 Dari menu, pilih:
.000
173 ITL
.328**
173 .000
.588**
.169*
–.357**
173 167
Pekerjaan Sat
.015
173 ITL
1.000 –.274**
Pilihan…
172 Signifikansi Dist Justice (2-tailed)
–.535**
.169*
–.299**
.328**
.588**
–.474**
172
.000
.000 Distrik
Pekerjaan Sat Menganalisa
Keadilan Distrik
1.000
.000 Pilih:
Jenis koefisien korelasi: pilih yang relevan (misalnya Pearson, Kendall's Tau, Spearman) b. Uji signifikansi—dua sisi, satu sisi.
Keluaran 12.4 Matriks Korelasi Pearson
Pearson –.357**
.000
172 169 166 Menghubungkan
Habis terbakar
.000
.000 Keadilan
169 169 173 163 167
Karakter Pekerjaan
.000
173 169 166
.000
.000 Korelasi
Habis terbakar
.000
.000
.328**
.000 Keadilan Distrik
166 166 163
ITL
.000 Bivariat…
Pekerjaan Sat
.015
173
Karakter Pekerjaan
1.000 Burnout Job Sat Job Char ITL
* Korelasi pada 0,01 (2 ekor).
** Korelasi pada 0,0001 (2-ekor).
Dinyatakan secara statistik: H1A adalah: µW > µM
Seperti dapat dilihat, perbedaan rata-rata 2,43 dan 2,34 dengan standar deviasi 0,75 dan 0,76 untuk perempuan dan laki-laki pada persepsi kesetaraan (atau keadilan distributif) tidak signifikan (lihat tabel yang menunjukkan uji-t untuk Kesetaraan Sarana).
Dengan demikian, hipotesis 1 tidak terbukti.
Uji -t akan menunjukkan apakah perbedaan yang dirasakan berbeda secara signifikan untuk wanita dibandingkan pria. Hasil uji-t yang dilakukan ditunjukkan pada Output 12.5.
H1A: Wanita akan merasakan lebih banyak kesetaraan daripada pria (atau pria akan merasakan lebih sedikit kesetaraan daripada wanita).
.052 .154 Memilih:
N Rata-Rata Deviasi Rata-rata St (Uji Sampel Independen)
Std Error
.75 .76
Pilih a. variabel pengelompokan tunggal dan klik Tentukan grup untuk menentukan dua kode yang akan dibandingkan.
Perawatan Pria
Uji Sampel Independen Distrik
Menganalisis
Membandingkan Rata-Rata Uji t Sampel Independen…
(Tentukan tingkat Keyakinan yang diperlukan – .05, .01, dll.)
Perempuan Pilihan…
Keadilan
2,43 2,34 Statistik Grup Output 12.5 Uji-
t untuk Perbedaan antara Dua Kelompok
t Hasil Uji
149 25
Atas
.30 df (2-tailed) Perbedaan Perbedaan
.03 F Signifikansi t
.10
.89 .29
1.31 .352
diasumsikan
bukan
.461 .91
diasumsikan Varian yang sama
.03
.67
.74 171
29 .506
Signifikansi Berarti Std. Kesalahan Lebih Rendah
Dist Justice Varian yang sama
.09
Dinyatakan secara statistik, H20 adalah: µ1 = µ2 = µ3
di mana µ1, µ2 dan µ3 menandakan rata-rata kepuasan kerja karyawan yang bekerja dalam shift 1, 2, dan 3, masing-masing.
316 ANALISIS DAN INTERPRETASI DATA
H2A: Kepuasan kerja individu tidak akan sama (akan bervariasi) tergantung pada shift mana mereka bekerja.
Hipotesis 2: Penggunaan ANOVA. Hipotesis kedua dapat dinyatakan dalam null dan alternatif sebagai berikut:
Dinyatakan secara statistik, H2A adalah: µ1 ÿ µ2 ÿ µ3 mereka bekerja (1, 2, atau 3).
H20: Kepuasan kerja individu akan sama terlepas dari pergeserannya
Kesetaraan Varians uji-t untuk Kesetaraan Sarana
Uji Levene untuk
Interval Rata-Rata 95% Keyakinan
(Pilih variabel dependen dan satu variabel faktor independen)
Dalam Grup
1.659 39.645 41.304 Pilih:
Analisis
Bandingkan Berarti ANOVA Satu Arah…
Pekerjaan Duduk Antar Grup
ANOVA
Untuk tes post hoc untuk menentukan di mana dari beberapa grup perbedaan terletak (seperti yang dibahas dalam teks), klik pada: Post Hoc…
Total Keluaran ANOVA satu arah
Kotak
2 Jumlah dari
(Pilih dari banyak tes seperti Bonferroni, Scheffe, Tukey, Dun can, yang sesuai.) 159
161
df Kuadrat F Sig.
Keluaran 12.6 ANOVA
Berarti
.831 3.327 .038 .249
residu MS
Kuadrat rata-rata untuk setiap sumber variasi (kolom 5 dari hasil) diperoleh dengan membagi jumlah kuadrat dengan df yang terkait. Akhirnya, nilai F itu sendiri sama dengan kuadrat rata-rata yang dijelaskan dibagi dengan kuadrat rata-rata sisa.
Df di kolom ketiga mengacu pada derajat kebebasan, dan setiap sumber variasi memiliki derajat kebebasan terkait. Untuk varian antar kelompok, df = (K – 1), dimana K adalah jumlah total kelompok atau tingkatan. Karena ada tiga shift, kita punya (3 – 1) = 2 df. df untuk jumlah kuadrat dalam kelompok sama dengan (N – K), di mana N adalah jumlah total responden dan K adalah jumlah total kelompok.
Jika tidak ada jawaban yang hilang, (N – K) seharusnya (174 – 3) = 171. Namun, dalam kasus ini, ada 12 jawaban yang hilang, dan karenanya df yang terkait adalah (162 – 3) = 159.
di antara kelompok mana terdapat perbedaan yang sebenarnya, uji lain perlu dilakukan, seperti yang dibahas di Bab 9. Uji Jarak Berganda Duncan dilakukan untuk
MS menjelaskan
Dalam hal ini, F = 3,327 (.831/.249). Nilai F ini signifikan pada tingkat 0,04. Ini menyiratkan bahwa hipotesis 2 dibuktikan. Artinya, terdapat perbedaan yang signifikan rata-rata tingkat kepuasan pekerja pada ketiga shift tersebut, dan hipotesis nol dapat ditolak.
F =
Karena terdapat lebih dari dua kelompok (tiga shift berbeda) dan kepuasan kerja diukur pada skala interval, ANOVA sesuai untuk menguji hipotesis ini.
Uji F yang digunakan di sini disebut uji F keseluruhan atau omnibus. Untuk menentukan
——————
Hasil ANOVA yang menguji hipotesis ini ditunjukkan pada Keluaran 12.6.
lima tingkat pekerjaan yang berbeda.
H3A: ITL anggota di lima level pekerjaan yang berbeda tidak akan sama
Karena kedua variabel adalah nominal, maka dilakukan uji chi-kuadrat (ÿ2) , yang hasilnya ditunjukkan pada Output 12.8. Hitungan tabulasi silang menunjukkan bahwa, dari
Secara statistik dinyatakan, H3A adalah: µ1 ÿ µ2 ÿ µ3 ÿ µ4 ÿ µ5 Dinyatakan secara statistik, H30 adalah: µ1 = µ2 = µ3 = µ4 = µ5
tujuan (Output tidak ditampilkan). Hasil penelitian menunjukkan bahwa rata-rata kepuasan kerja ketiga kelompok adalah 3,15 untuk shift pertama, 2,91 untuk shift kedua, dan 3,23 untuk shift ketiga. Pergeseran kedua dengan kepuasan kerja yang rendah adalah yang berbeda secara signifikan dari kelompok 1 dan 3 pada tingkat p ÿ 0,05.
318 ANALISIS DAN INTERPRETASI DATA
Hasil uji ANOVA yang ditunjukkan pada Keluaran 12.7 tidak menunjukkan adanya perbedaan yang signifikan pada niat keluar di antara kelima kelompok (F = 1,25; p = 0,29). Dengan demikian, hipotesis 3 tidak terbukti.
Hipotesis 3: Penggunaan ANOVA. Hipotesis 3 dapat dinyatakan dalam null dan alternatif sebagai berikut:
Hipotesis 4: Penggunaan Uji Chi-Square. Hipotesis 4 dapat dinyatakan dalam null dan alternatif sebagai berikut:
di mana lima µ mewakili lima rata-rata ITL karyawan di lima tingkat pekerjaan yang berbeda.
H4o: Pergeseran bekerja dan status pekerjaan (paruh waktu vs. penuh waktu) akan independen (yakni, tidak terkait).
H30 : Tidak ada perbedaan niat cuti karyawan di PT
H4A: Akan ada hubungan antara shift kerja orang dan status paruh waktu vs. penuh waktu mereka.
1.254 .288 ANOVA
ITL Antar Grup .578
.461 Kuadrat df Kuadrat F Sig.
Output ANOVA satu arah
Total
Berarti Output 12.7
ANOVA dengan ITL sebagai Dependent Variable
Dalam Grup
4 2.312 75.143 163 77.455 167 Jumlah dari
Asosiasi Memilih:
Menggeser
174 25
.314 Waktu penuh
(Masukkan variabel dalam kotak Baris dan Kolom)
33
Chi-kuadrat
Pilih Chi-kuadrat
2.163 2 1.103 1
Total 119
Status Kepegawaian * Shift Tabulasi silang
28
Asimp. Sig (2-sisi)
Linier demi linier Keluaran 12.8 Uji Chi-kuadrat
2.312 2 Status
103 16
N kasus yang valid Menganalisis Tab Silang
Statistik Deskriptif…
Pertama Kedua Ketiga Total
8
Pearson
18 4 Statistik…
Paruh waktu
Rasio kemungkinan Keluaran tab silang
146
Tes Chi-Square
.339 .294 22 174 Pekerjaan
Nilai df
Dapat dilihat bahwa nilai ÿ2 dari 2,31, dengan dua derajat kebebasan, tidak signifikan. Dengan kata lain, status paruh waktu/penuh waktu dan shift kerja tidak terkait. Oleh karena itu hipotesis 4 belum dibuktikan.
H50 : Keempat variabel bebas tidak secara signifikan menjelaskan variansi pada
H5A: Keempat variabel independen secara signifikan akan menjelaskan variansi pada
karyawan tetap, 103 orang bekerja pada shift pertama, 25 orang bekerja pada shift kedua, dan 18 orang pada shift ketiga. Dari pekerja paruh waktu tersebut, 16 orang bekerja pada shift pertama, 8 orang pada shift kedua, dan 4 orang pada shift ketiga.
Hipotesis 5: Penggunaan Analisis Regresi Berganda. Hipotesis terakhir dapat dinyatakan dalam null dan alternatif sebagai berikut:
niat untuk pergi.
niat untuk pergi.
Untuk menguji hipotesis ini, dilakukan analisis regresi berganda. Hasil regresi keempat variabel independen terhadap Niat Keluar dapat dilihat pada Output 12.9.
Tabel berikutnya berjudul Koefisien membantu kita untuk melihat mana di antara keempat variabel independen yang paling memengaruhi varian dalam ITL (yaitu, yang paling penting).
Jika kita melihat kolom Beta di bawah Koefisien Standar, kita melihat bahwa angka tertinggi dalam beta adalah –0,37 untuk kepuasan kerja, yang signifikan pada tingkat 0,0001. Dapat juga dilihat bahwa ini adalah satu-satunya variabel independen yang signifikan. Bobot beta negatif menunjukkan bahwa jika ITL akan dikurangi, perlu untuk meningkatkan kepuasan kerja karyawan.
Juga, karena kepuasan kerja ditemukan secara signifikan lebih rendah untuk karyawan yang bekerja pada shift malam, wawancara lebih lanjut dengan mereka mungkin menjelaskan beberapa faktor yang membuat mereka tidak puas. Tindakan korektif kemudian dapat diambil.
320 ANALISIS DAN INTERPRETASI DATA
Juga jelas dari hasil bahwa ITL tidak berbeda dengan tingkat pekerjaan. Artinya, karyawan di semua tingkatan tidak merasakan kecenderungan yang terlalu kuat untuk tetap bersama organisasi atau meninggalkannya. Oleh karena itu, jika retensi karyawan adalah prioritas utama presiden, penting untuk memperhatikan karyawan di semua tingkatan dan merumuskan kebijakan dan praktik yang membantu meningkatkan kepuasan kerja mereka semua.
Hasil yang dimaksud adalah bahwa 30% dari varians (R-square) dalam Intention to Leave telah dijelaskan secara signifikan oleh empat variabel independen. Dengan demikian, hipotesis 5 terbukti.
Apapun yang dilakukan untuk meningkatkan kepuasan kerja karena itu akan membantu karyawan untuk berpikir lebih sedikit tentang meninggalkan dan mendorong mereka untuk tinggal.
Dalam tabel Ringkasan Model , R Square (0,30), yang merupakan varian yang dijelaskan, sebenarnya adalah kuadrat dari multiple R (0,548)2 Tabel ANOVA menunjukkan bahwa nilai F sebesar 16,72 signifikan pada 0,0001 tingkat. Pada df (derajat kebebasan) pada tabel yang sama, angka pertama menyatakan jumlah variabel bebas (4), angka kedua (156) merupakan jumlah total tanggapan lengkap untuk semua variabel dalam persamaan (N ) , dikurangi jumlah variabel bebas (K) dikurangi 1. (N – K – 1) [(161 – 4 – 1) = 156]. Statistik F yang dihasilkan (F
= 16,72) signifikan pada tingkat 0,0001.
Dari lima hipotesis yang diuji, dua terbukti dan tiga tidak. Dari hasil analisis regresi berganda, jelas bahwa kepuasan kerja merupakan faktor yang paling berpengaruh dalam menjelaskan niat karyawan untuk tetap tinggal di organisasi.
Tabel pertama pada Output mencantumkan empat variabel independen yang dimasukkan ke dalam model regresi dan R (0,548) adalah korelasi empat variabel independen dengan variabel dependen, setelah semua interkorelasi antara empat variabel independen dimasukkan.
akun.
Sangat informatif untuk menemukan bahwa kesetaraan yang dirasakan, meskipun tidak berbeda secara signifikan untuk laki-laki dan perempuan seperti yang dihipotesiskan semula, tetap saja agak rendah untuk semua (lihat Output 12.3). Matriks korelasi Pearson (Output 12.4) menunjukkan bahwa ekuitas yang dirasakan (atau keadilan distributif) berkorelasi positif Interpretasi Keseluruhan dan Rekomendasi kepada Presiden
T
1 1
1
F
2
Model 1 Regresi 22.366 Residual 52.180 Total 74.546
Koefisien Memilih:
Memasuki Kotak RR yang Dihapus
5.591 .335
.282
Berarti
B St. Kesalahan Beta Sig
–.112
Persegi Regresi
Pekerjaan Sat.1,2
df
.603
Karakter Pekerjaan
(Masukkan variabel dependen dan independen)
1
16.717 Karakter Pekerjaan Model 1
.109 1.393 –.371 –4.121
.078
Habis terbakar Habis terbakar
.121
.0001
Standar
4.048 Output 12.9
Analisis Regresi Berganda
Kotak Variabel
.300
4 156 160
Koefisien Model
Menganalisa
R yang disesuaikan dari
(Konstan)
.578
Persegi
6.713 .000 –.084 –1.173 .243 –.121 – 1.461 .146 .166 –.115
.143 –.498 Linier…
Memperkirakan
.095 Keadilan Distrik
.000 Keluaran Regresi
Dist Just
Tidak standar
Makna
.103
Pekerjaan Sat
.548
St. Kesalahan
Jumlah dari
Indep.vars: (constant) Job Char, Dist Just, Burnout, Job Sat 2 Semua variabel yang diminta dimasukkan.
Indep.Vars: (constant) Job Char, Dist Justice, Burnout, Job Sat Dependent Variable: ITL
3 Variabel Dependen: ITL 4 Metode: Enter
Variabel Dependen: NIAT TINGGAL
Ringkasan Model3,4
ANOVA2
Koefisien1