BAB 4 ANALISIS DAN PEMBAHASAN 4.1
Hasil Observasi Lapangan Observasi lapangan yang peneliti lakukan adalah dengan mendistribusikan 385 kuesioner kepada pengendara sepeda motor di gedung UOB Plaza. Setiap kuesioner yang didistribusikan kepada responden, berisi 23 butir pertanyaan valid. Pertanyaan-pertanyaan tersebut dibentuk dari tiga variabel, yaitu stabilitas pekerjaan, kepuasan kerja dan perilaku bersepeda motor sepeda motor. Dimana tiga variabel ini dibentuk dari beberapa indikator yang didapat melalui tinjauan pustaka jurnal-jurnal terkait. Indikator-indikator dan jumlah butir pertanyaan dapat dilihat pada tabel 4.1. Tabel 4.1 Variabel Penelitian dan Indikator
Variabel Stabilitas Pekerjaan Kepuasan Kerja Perilaku Bersepeda Motor
Indikator Security in Job Security in Organization Afeksi Resign Attitude Speeding Inattention Rule Violation Driving while Tired
Jumlah butir pertanyaan 2 4 2 3 3 3 3 3
Waktu yang diperlukan untuk mendapatkan 385 buah kuesioner yang terisi semua oleh responden adalah kurang lebih 3 minggu terhitung dari tanggal 21 Maret 2013 sampai dengan 4 April 2013. Selama satu minggu pertama, kuesioner didistribusikan kepada responden yang datang pada shift pagi, yaitu mulai pukul tujuh pagi sampai dengan pukul 11 siang. Setelah kuesioner didistribusikan selama satu minggu pertama, peneliti menemukan enam buah kuesioner yang tidak valid karena ada beberapa pertanyaan yang tidak dijawab oleh responden. Kemudian peneliti memperkirakan bahwa hal ini dapat terjadi karena sebagian besar responden yang mengisi kuesioner di jam pagi harus melakukan tapping, sehingga responden mengisi dengan terburu-buru dan oleh karena itu ada beberapa pertanyaan yang mungkin terlewati. Dengan mempertimbangkan hal ini, pendistribusian kuesioner di minggu kedua sampai hari terakhir, dilakukan pada sore hari. Hal ini peneliti lakukan agar responden dapat mengisi kuesioner dengan tidak terburu-buru sehingga setiap butir pertanyaan yang diajukan dapat dipahami dengan baik dan terisi semua oleh responden.
18
19 4.2
Pengumpulan dan Pengolahan Data Setelah melakukan penyebaran kuesioner hingga tanggal 4 April 2013, peneliti menghitung kembali kuesioner yang berhasil dikumpulkan. Pada saat dilakukan penghitungan kembali, kuesioner yang berhasil dikumpulkan berjumlah 377 buah. Hal ini disebabkan 8 buah kuesioner yang disebarkan kepada responden, tidak kembali lagi kepada peneliti. Kemudian setelah melakukan penghitungan jumlah kuesioner, peneliti melakukan pembobotan untuk setiap butir pertanyaan yang diisi oleh responden. Akan tetapi pada saat pembobotan kuesioner, peneliti menemukan 12 buah kuesioner yang tidak valid. Hal ini dikarenakan ada beberapa pertanyaan yang terlewati atau tidak diisi oleh responden sehingga kuesioner tidak dapat digunakan pada tahap pengolahan data. Jumlah total kuesioner yang dapat digunakan pada tahap pengolahan data adalah berjumlah 365 buah kuesioner. Akan tetapi peneliti memutuskan untuk menggunakan 360 buah kuesioner yang akan diolah pada tahap pengolahan data. Keputusan ini diambil dengan pertimbangan bahwa jumlah ini cukup untuk memenuhi kriteria uji reliabilitas instrumen dengan perangkat lunak SPSS 20. Pada proses pengumpulan data ini ada dua alat ukur untuk menentukan berapa banyak sampel yang harus diambil. Dua alat ukur tersebut adalah dengan menggunakan tabel taraf kesalahan dan estimasi jumlah responden untuk menguji model hipotesis dengan menggunakan perangkat lunak Lisrel, dimana pengujiannya dengan menggunakan maximum likelihood estimator (MSE). Uji pertama adalah dengan menggunakan tabel penentuan jumlah sampel, dengan taraf kesalahan sebesar 5% yang dapat dilihat pada lampiran. Menurut pihak pengelola parkir UOB Plaza, rata-rata jumlah sepeda motor yang parkir di gedung parkir sebanyak 2000 motor. Oleh karena itu, peneliti menggunakan sampel sebanyak 360 responden, dengan taraf kesalahan sebesar 5% (Israel, 1992). Uji kedua adalah maximum likelihood estimator (MSE). Pada uji ini, jumlah sampel minimal yang diperlukan untuk estimasi maximum likelihood (ML) adalah 5 responden untuk setiap variabel teramati dalam model (Wijanto, 2008). Variabel teramati, dalam hal ini jumlah pertanyaan yang ada pada penelitian ini adalah 22 butir, sehingga jumlah minimal sampel yang diperlukan untuk menguji model adalah 5 x 22 = 110 buah. Dalam hal ini, jumlah sampel yang dipakai oleh peneliti adalah 360, sehingga jumlahnya melebihi minimal syarat yang dibutuhkan dalam maximum likelihood estimator (MSE). Setelah melakukan uji reliabilitas dengan SPSS 20, selanjutnya dilakukan pengolahan data dengan uji Confirmatory Factor Analysis (CFA) menggunakan perangkat lunak LISREL 8.7 untuk mengetahui seberapa besar tingkat korelasi antara variabel laten dengan variabel teramati (indikator).
20 4.2.1 Profil Responden Berikut adalah profil dari responden yang diteliti sebagai descriptive statistic untuk memberikan gambaran tentang responden yang peneliti amati. Tabel 4.2 Profil Responden
Kategori < 26 tahun 26 - 30 tahun 31 - 35 tahun Usia 36 - 40 tahun 41 - 45 tahun > 45 tahun Laki-Laki Jenis Kelamin Perempuan Staff Pekerjaan Supervisor Manager 1 - 3 tahun 4 - 7 tahun Lama Bekerja 8 - 11 tahun > 11 tahun SMA S1 Pendidikan S2 S3
Jumlah 100 100 80 32 36 12 324 36 268 44 48 248 81 9 22 165 188 6 1
4.2.2 Uji Statistik dengan SPSS Peneliti melakukan uji reliabilitas terhadap 360 kuesioner untuk mengetahui apakah setiap butir pertanyaan yang dipakai sebagai instrumen penelitian dapat diandalkan atau tidak, maka dilakukan teknik perhitungan Cronbach’s Alpha dengan menggunakan perangkat lunak SPSS 20. Hasil uji reliabilitas dari setiap variabel penelitian yang berada di tabel 4.2 menunjukkan bahwa setiap pertanyaan yang diajukan dapat diandalkan (reliable).
21 Tabel 4.3 Uji Reliabilitas Variabel (N = 360)
Variabel Laten
Indikator
Security in Job Security in Organization Afeksi Resign Attitude Speeding
Stabilitas Pekerjaan Kepuasan Kerja Perilaku Bersepeda Motor
Inattention Rule violation Driving while tired
Jumlah Item Test yang Diuji 2
Jumlah Item Tes yang Digunakan 2
4
4
2 3
2 3
3
3
3 3
3 3
3
3
Cronbach’s Alpha 0.723 0.914
0.869
Mean Variabel Laten dan Indikator Data mean, standar deviasi serta korelasi yang ada pada variabel laten dan indikator terdapat pada tabel 4.3 dan 4.4. Nilai mean yang ada pada variabel stabilitas pekerjaan adalah 3.533, kepuasan kerja adalah 3.253, dan perilaku bersepeda motor adalah 3.055. Dapat dilihat bahwa kecenderungan responden memiliki angka yang tinggi. Hal ini dikarenakan nilai median (nilai tengah) adalah 3. Nilai Median sendiri didapatkan dari skala skor 1-5, dimana perhitungannya adalah 6 : 2 = 3. Tabel 4.4 Mean dan Standar Deviasi (N=360)
No 1 2 3
Variabel Laten Stabilitas Pekerjaan Kepuasan Kerja Perilaku Bersepeda Motor
Mean
Standar Deviasi
Jumlah Item
3.53
2.83
6
3.25
4.18
5
3.03
7.54
12
22 Tabel 4.5 Mean dan Standar Deviasi pada Indikator Variabel Laten (N=360)
No
1
2
3
Variabel Laten Stabilitas Pekerjaan Kepuasan Kerja
Perilaku Bersepeda Motor
Indikator Security in Job Security in Organization Afeksi Resign Attitude Speeding Inattention Rule violation Driving while tired
Mean
Standar Deviasi
3.70
0.92
3.45
2.14
3.22
1.73
3.23
2.59
2.79 2.50
1.93 2.34
3.59
2.05
3.26
2.92
Pada Tabel 4.4, mean masing-masing indikator variabel laten memiliki angka yang cukup bervariasi. Pada variabel stabilitas pekerjaan, dimana terdapat dua indikator, menunjukkan bahwa security in job (3.70) memiliki tingkat yang lebih tinggi dibandingkan security in organization (3.45). Pada variabel kepuasan kerja terdapat dua indikator, dimana resign attitude memiliki angka yang lebih tinggi sedikit, yaitu (3.23) dibandingkan dengan afeksi (3.22). Pada variabel perilaku bersepeda motor, terdapat empat indikator dimana rule violation memiliki tingkatan paling tinggi, yaitu sebesar (3.59), dibandingkan dengan speeding (2.79), inattention (2.50), dan driving while tired (3.26). 4.2.3 Uji Confirmatory Factor Analysis (CFA) Menurut Wijanto (2008) model pengukuran CFA merupakan model pengukuran yang memodelkan hubungan antar variabel laten dengan variabel-variabel teramati (indikator). Lebih lanjut lagi Wijanto mengatakan bahwa hubungan antara variabel laten dengan variabel-variabel teramati tersebut bersifat reflektif, yaitu variabel-variabel teramati merupakan cerminan dari variabel laten yang terkait. Wijanto (2008) menambahkan bahwa SEM memiliki beberapa ukuran Goodness Of Fit (GOF) yang dapat digunakan secara bersama-sama atau kombinasi. Hal ini dikarenakan SEM tidak mempunyai satu uji statistik terbaik untuk menguji kekuatan suatu model. Oleh sebab itu peneliti menentukan empat kriteria indeks untuk menilai GOF pada suatu SEM yaitu Chi-square (χ2), Comparative Fit Index (CFI), RMSEA, dan Normed Fit Index (NFI). Hasil yang didapat dari uji CFA merupakan GOF dari setiap variabel laten yang akan diperoleh melalui uji kecocokan keseluruhan model. Untuk mengetahui apakah model dari SEM sudah memenuhi kriteria GOF, dapat dilihat dengan mengevaluasi beberapa ukuran-ukuran seperti yang tedapat di tabel berikut ini (Wijanto, 2008).
23 Tabel 4.6 Kriteria Indeks Fit
Indeks Fit 2
Chi-square ( χ ) Comparative Fit Index (CFI) RMSEA Normal Fit Index (NFI)
Tingkat kecocokan 1. χ2 rendah atau p ≥ 0.05, hipotesis 0 diterima 2. χ2 besar dan p < 0.05, hipotesis 0 ditolak CFI ≥ 0.90 adalah good fit, 0.80≤ CFI< 0.90 adalah marginal fit RMSEA ≤ 0.08 adalah good fit, sedang RMSEA < 0.05 adalah close fit NFI ≥ 0.90 adalah good fit, 0.80≤ NFI< 0.90 adalah marginal fit
Sumber: Wijanto (2008)
Analisis hasil uji Confirmatory Factor Analysis (CFA) model pengukuran Hasil berdasarkan CFA yang sudah diukur, menunjukan hasil yang baik atau fit. Ini dapat dibuktikan dari nilai indeks fit seperti NFI, CFI, χ2, dan RMSEA. Ketiga variabel yakni, stabilitas pekerjaan, kepuasan kerja, dan perilaku bersepeda motor menghasilkan nilai yang baik. Pada stabilitas pekerjaan nilai RMSEA = 0.00, χ2= 0.00. Lalu kepuasan kerja nilai RMSEA = 0.00, χ2 = 0.00. Dan perilaku bersepeda motor memiliki nilai RMSEA = 0.019, χ2 = 2.26, CFI = 1. Perlu diketahui, pada variabel perilaku bersepeda motor ada satu pertanyaan yang dibuang. Ini dikarenakan dengan dibuangnya satu pertanyaan tersebut nilai RMSEA, χ2 dan CFI pada variabel perilaku bersepeda motor jauh lebih baik. Khusus untuk variabel stabilitas pekerjaan dan kepuasan kerja tidak dimunculkan nilai CFI-nya karena model sudah baik, “The Model is Saturated, The Fit is Perfect”. Tabel 4.7 Confirmatory Factor Analysis (CFA) Model Pengukuran
Uji Reliabilitas Variabel Laten
Stabilitas Pekerjaan Kepuasan Kerja Perilaku Bersepeda Motor
Model Fit dan Signifikan Berdasarkan CFA p CFI RMSEA χ2 (p > 0.05) ( > 0.9) ( ≤ 0.08)
NFI (≥ 0.9)
Jumlah Item
α N = 360
df
6
-0.723
0
0
1
sempurna
0
sempurna
5
-0.914
0
0
1
sempurna
0
sempurna
11
-0.853
2
2.26
0.323
1
0.019
0.99
Pada tabel tersebut dapat terlihat bahwa variabel laten dinyatakan “The Model is Saturated. The Fit is Perfect”, dimana artinya adalah model yang ada tersebut sudah bagus. Selain itu, reliabilitas dari variabel ini juga sangat baik, hal ini dapat dilihat dari angka α pada ketiga variabel laten tersebut. Analisis reliabilitas pada ketiga variabel tersebut menggunakan perangkat lunak SPSS. Selain itu, untuk CFA sendiri diproses melalui perangkat lunak Lisrel 8.7.
24 Jumlah pertanyaan untuk variabel laten “Perilaku Bersepeda Motor” berjumlah 11 pertanyaan yang valid dari sebelumnya berjumlah 12 butir pertanyaan. Hal ini dikarenakan satu butir pertanyaan yaitu “DB3” dari indikator speeding dihapus. Dengan adanya item test DB3, nilai RMSEA 0.38 (lebih besar dari 0.08) dan standardized solution 1.26 ( lebih dari 1) dimana nilai ini tidak memenuhi kriteria indeks fit. Sehingga dalam analisis penelitian ini, peneliti memakai 11 butir pertanyaan dari variabel perilaku bersepeda motor dan total pertanyaan menjadi 22 butir pertanyaan. Tabel 4.8 Korelasi dan Reliabilitas
Variabel 1. 2. 3.
Stabilitas Pekerjaan Kepuasan Kerja Perilaku Bersepeda Motor
Skala Skor
Jumlah Item
1
2
1-5 1-5
6 5
(0.723) 0.54
(0.914)
1-5
11
0.51
0.95
3
(0.853)
Catatan: - Angka dalam kurung sepanjang diagonal adalah nilai reliabilitas - Angka yang tidak diberikan kurung menunjukan korelasi antara satu variabel laten dengan variabel laten lainnya
25 4.3
Uji Hipotesis Model Hasil pengujian model dapat dilihat melalui path diagram yang dijalankan melalui perangkat lunak LISREL. Melalui path diagram akan ditampilkan nilai standardized solution dan t-values. Standardized Solution akan menampilkan diagram lintasan model lengkap dengan angka-angka yang merupakan hasil estimasi yang distandarisir. Angka-angka ini dapat digunakan untuk menghitung validitas dan reliabilitas setiap model pengukuran yang ada di model. Menurut Igbaria et al (1997) seperti termuat dalam buku Wijanto (2008), batas angka untuk nilai standardized solution adalah ≥ 0.30. Selain itu berdasarkan prakteknya pada perangkat lunak LISREL, batas angka tersebut adalah 1.00. Oleh karena itu, peneliti menetapkan sebuah kesimpulan bahwa batasan angka untuk nilai standardized solution adalah 0.3 ≤ x ≤ 1.00; dimana x merupakan nilai standardized solutionnya. T-values akan menampilkan diagram lintasan model lengkap dengan angka-angka yang menunjukkan nilai-t dari setiap angka hasil estimasi yang terkait. Nilai t > 1.96 menunjukkan bahwa angka estimasi terkait adalah signifikan (Wijanto, 2008). Pada model penelitian ini, dapat ditunjukan bahwa model hipotetik penelitian ini adalah good fit, dengan nilai RMSEA 0.067, CFI 0.99, dan NFI 0.98. Tabel 4.9 Signifikansi Muatan Faktor Model Pengukuran
Indikator Variabel Laten
Taraf Signifikan
Muatan Faktor
Stabilitas Pekerjaan Security in Job Security in Organization
13.98 16.59
0.70 0.86
Kepuasan Kerja Afeksi Resign Attitude
17.56 0.00
0.65 0.71
Perilaku Bersepeda Motor Speeding Inattention Rule Violation Driving while Tired
6.20 0.00 6.21 10.43
0.47 0.52 0.51 0.87
Pada tabel 4.7 menunjukkan bahwa sebagian besar indikator variabel laten telah memenuhi syarat yang ditentukan, yaitu taraf signifikan > 1.96 dan muatan faktor 0.4 < x < 1.00; dimana x merupakan nilai muatan faktor. Sebagian besar indikator variabel laten telah memenuhi syarat yang ada. Pada beberapa indikator lain, terdapat nilai taraf signifikan 0.00, yaitu resign attitude dan inattention dikarenakan nilai tersebut mutlak dinilai mewakili variabel laten.
26
4.4 Analisis Hasil Pengolahan Data 4.4.1 Analisis Hasil Muatan Faktor (Standardized Solution)
Gambar 4.1 Path Diagram Standardized Solution Model Catatan : Jsec = Job Security Jsat = Job Satisfaction DB = Driving Behavior SecJob = Security in Job SecOrg = Security in Organization Afeksi ResignAt = Resign Attitude Speeding Inattent = Inattention RuleViol = Rule Violation DriveTir = Driving while Tired
27 Melalui path diagram pada gambar 4.1 di atas, dapat dilihat bahwa nilai RMSEA dari model hipotesis ini adalah 0.067. Di mana angka 0.067 ini menunjukan kriteria good fit karena model dikatakan memenuhi kriteria good fit jika nilai RMSEA ≤ 0.08. Dengan demikian, terdapat tingkat kecocokan antara data dengan model hipotesis yang dibuat. Melalui path diagram ini dapat dilihat juga bahwa terdapat hubungan langsung antara “Stabilitas Pekerjaan” terhadap “Kepuasan Kerja” dan hubungan langsung antara “Kepuasan Kerja” dengan “Perilaku Bersepeda Motor” di Jakarta. Sedangkan “Stabilitas Pekerjaan” memiliki hubungan secara tidak langsung dengan “Perilaku Bersepeda Motor” di Jakarta. “Stabilitas Pekerjaan” dapat memprediksi “Kepuasan Kerja” sebesar 29.16% dimana angka ini didapat melalui perhitungan nilai kuadrat dari muatan faktor (0.54)². “Kepuasan Kerja” dapat memprediksi “Perilaku Bersepeda Motor” di Jakarta sebesar 90.25%, didapat melalui perhitungan nilai kuadrat dari muatan faktor (0.95)². Indikator “Security in Job” bersifat reflektif terhadap variabel “Stabilitas Pekerjaan” sebesar 49%, didapat dari perhitungan nilai kuadrat muatan faktor (0.7)². Hal ini menunjukan bahwa indikator “Security in Job” mencerminkan (bersifat reflektif) variabel “Stabilitas Pekerjaan” sebesar 49%. Indikator “Security in Organization” bersifat reflektif terhadap variabel “Stabilitas Pekerjaan” sebesar 73.96%, didapat dari perhitungan nilai kuadrat muatan faktor (0.86)². Indikator “Resign Attitude” mencerminkan variabel “Kepuasan Kerja” sebesar 50.41%, didapat dari perhitungan nilai kuadrat muatan faktor (0.71)². Indikator “Afeksi” mencerminkan variabel “Kepuasan Kerja” sebesar 42.25%, didapat dari perhitungan nilai kuadrat muatan faktor (0.65)². Indikator “Inattention” mencerminkan variabel “Perilaku Bersepeda Motor” sebesar 27.04%,didapat dari perhitungan nilai kuadrat muatan faktor (0.52)². Indikator “Rule Violation” mencerminkan variabel “Perilaku Bersepeda Motor” sebesar 26.01%, didapat dari perhitungan nilai kuadrat muatan faktor (0.51)². Indikator “Driving while Tired” mencerminkan variabel “Perilaku Bersepeda Motor” sebesar 75.69%, didapat dari perhitungan nilai kuadrat muatan faktor (0.87)². Indikator “Speeding” mencerminkan variabel “Perilaku Bersepeda Motor” sebesar 22.09%, didapat dari perhitungan nilai kuadrat muatan faktor (0.47)². Dari nilai muatan faktor (standardized solution) yang menunjukan hubungan antara variabel laten, baik yang berhubungan secara langsung maupun tidak langsung telah membuktikan bahwa hubungan antara variabel laten tersebut telah sesuai dengan keadaan sebenarnya yang terjadi di gedung UOB Plaza.
28 4.4.2 Analisis Tingkat Signifikan (t-values)
Gambar 4.2 Path Diagram T-Value Model
Catatan : Jsec = Job Security Jsat = Job Satisfaction DB = Driving Behavior SecJob = Security in Job SecOrg = Security in Organization Afeksi ResignAt = Resign Attitude Speeding Inattent = Inattention RuleViol = Rule Violation DriveTir = Driving while Tired
29 Setelah melakukan uji muatan faktor, selanjutnya adalah melakukan uji tingkat signifikansi (t-values). Dengan melakukan uji tingkat signifikansi, dapat menjawab apakah hipotesis-hipotesis pada sebuah penelitian dapat diterima atau ditolak. Pada Gambar 4.2 dapat dilihat bahwa hubungan variabel ” Kepuasan Kerja” dan “Perilaku Bersepeda Motor” di Jakarta memiliki tingkat signifikan sebesar 7.31 dengan perbandingan positif dan tingkat signifikan ini dikatakan baik karena telah memenuhi kriteria bahwa t-value yang baik memiliki nilai lebih besar dari 1.96. Hal ini menunjukkan bahwa kepuasan kerja karyawan dapat memprediksi perilaku bersepeda motor. Dengan demikian, hasil uji tvalue ini menunjukan bahwa hipotesis 1, yaitu “Perilaku Bersepeda Motor” dapat diprediksi secara langsung oleh “Kepuasan Kerja”, dapat diterima (terima H0 ). Hubungan variabel “Stabilitas Pekerjaan” dan “Kepuasan Kerja” di Jakarta memiliki tingkat signifikan yang baik yaitu sebesar 7.38 dengan perbandingan positif. Hal ini menunjukan bahwa stabilitas pekerjaan yang dirasakan karyawan dapat memprediksi kepuasan kerja karyawan yang bersangkutan. Dengan demikian, hasil uji t-value ini menunjukkan bahwa hipotesis 2, yaitu “Kepuasan Kerja” dapat diprediksi secara langsung oleh “Stabilitas Pekerjaan”, dapat diterima (terima H0 ). Melalui Gambar 4.2 dapat dilihat bahwa variabel “Stabilitas Pekerjaan” berhubungan secara tidak langsung terhadap “Perilaku Bersepeda Motor” di Jakarta melalui variabel “Kepuasan Kerja”. Pernyataan ini dapat dibuktikan melalui nilai t-value antara variabel “Kepuasan Kerja” dan “Perilaku Bersepeda Motor” adalah 7.31 serta t-value antara variabel “Stabilitas Pekerjaan” dan “Kepuasan Kerja” di Jakarta adalah 7.38. Dengan demikian, hasil uji t-value ini menunjukkan bahwa hipotesis 3, yaitu “Perilaku Bersepeda Motor” dapat diprediksi oleh “Stabilitas Pekerjaan” melalui “Kepuasan Kerja”, dapat diterima (terima H0).
