BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Objek penelitian ini adalah Karyawan PT Tuin Abadi. Penelitian ini diteliti dengan kuesioner tertulis secara Face to Face (tatap muka) yang akan dilakukan pada rentang waktu pertengahan Maret 2016 hingga pertengahan Juni 2016. B. Desain Penelitian Dalam penelitian ini jenis penelitian yang digunakan adalah penelitian kausal. Penelitan 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 Kecerdasan Intelektual, Kecerdasan Emosional, dan Kompensasi Terhadap Kinerja Karyawan”. C. 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 masingmasing variabel terdapat dibawah ini:
49 http://digilib.mercubuana.ac.id/z
50
Tabel 3.1 Definisi Operasional Variabel Kecerdasan Intelektual Variabel
Kecerdasan Intelektual (X1)
Indikator 1. Mampu berhitung saat melaksanakan tugas 2. Mampu mengingat tugas-tugas yang diberikan oleh atasan 3. Mampu memahami dan mengerti maksud intruksi dan arahan yang disampaikan atasan 4. Mampu menarik kesimpulan atas peristiwa atau pengalaman yang dialami 5. Mempu mengamati situasi darurat yang ada dengan cepat 6. Mampu mencari solusi terhadap masalah yang dihadapi dalam menyelesaikan pekerjaan
Skala
Simbol KI1 KI2
KI3
Likert
KI4
KI5 KI6
Sumber: Wijaya, (2013) Tabel 3.2 Definisi Operasional Variabel Kecerdasan Emosional Variabel Kecerdasan Emosional (X2)
Indikator 1. Mampu mengetahui kelemahan dan kelebihan dalam diri sendiri 2. Mampu mengendalikan emosi amarah ataupun sedih dalam diri sendiri
http://digilib.mercubuana.ac.id/z
Skala
Simbol KE1
Likert
KE2
51
3. Mempunyai motivasi yang kuat dalam bekerja 4. Mampu memahami dan menerima sudut pandang yang berbeda dari orang lain 5. Mudah bergaul dalam membina hubungan dengan sesama rekan kerja maupun konsumen 6. Mampu menjaga emosi tetap stabil yaitu dengan penguasaan diri Sumber: Wijaya, (2013)
KE3
KE4
KE5
KE6
Tabel 3.3 Definisi Operasional Variabel Kompensasi Variabel Kompensasi (X3)
Dimensi Langsung
Tidak Langsung
Indikator 1. Gaji 2. Insentif 3. Lembur 4. Bonus 5. THR 1. Cuti 2. Jaminan Kesehatan 3. Jaminan Kelahiran 4. Jaminan Kematian
Sumber: Laksmi, (2011:7)
http://digilib.mercubuana.ac.id/z
Skala Likert
Likert
Simbol KO1 KO2 KO3 KO4 KO5 KO6 KO7 KO8 KO9
52
Tabel 3.4 Definisi Operasional Variabel Kinerja Karyawan Variabel
Dimensi Kuantitas kerja
Kualitas kerja
Indikator 1. Kemampuan dalam menyelesaikan tugas tepat waktu 2. Kemampuan memahami job description 3. Bekerja menurut visi misi organisasi 1. Banyak kesalahan yang terjadi dalam menyelesaikan tugas
1. Peningkatan kreatifitas dan timbulnya ide baru dan inovasi 2. Tindakan-tindakan yang dilakukan Kinerja untuk menyelesaikan persoalan-persoalan karyawan yang timbul (Y1) inisiatif 1. Memiliki semangat untuk melaksanakan tugas-tugas baru 2. Inisiatif karyawan Kualitas 1. Keramatamahan dan personil integrasi pribadi 2. Mengerjakan pekerjaan dengan hati – hati 3. Rajin dalam menyelesaikan pekerjaan 4. Bekerja menurut visi misi organisasi 5. Sikap saling menghindari dan menghormati sesama karyawan 6. Menyukai dan menekuni pekerjaan Sumber: Mangkunegara, (2011:10)
Skala
Simbol
KK1 Likert KK2
likert
l KK3
Kreatifitas
http://digilib.mercubuana.ac.id/z
Likert
KK4
Likert
KK5
Likert
KK6
53
D. 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 3.5 Instrumen Skala Likert Pernyataan Sangat Setuju Setuju Netral Tidak Setuju Sangat Tidak Setuju
Kode SS S N TS STS
Skor 5 4 3 2 1
E. Populasi dan Sampel 1. Populasi Penelitian Populasi adalah kumpulan dari semua kemungkinan orang-orang, benda-benda, dan ukuran lain yang menjadi objek perhatian atau kumpulan seluruh objek yang menjadi perhatian. Sedangkan sampel adalah suatu bagian dari populasi tertentu yang menjadi perhatian (Suharyadi dan Purwanto, 2014). Populasi pada penelitian ini adalah seluruh karyawan departement produksi PT Tuin Abadi terdapat 129 karyawan dalam departemen tersebut.
http://digilib.mercubuana.ac.id/z
54
2. Sampel penelitian Menurut Sugiyono (2014), sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tesebut. Jika populasi besardan peneliti tidak mungkin mempelajari semua populasi, misalnya karena keterbatasan dana, tenaga dan waktu, maka peneliti dapat menggunakan sampel yang diambil dari populasi itu. Peneliti dapat menggunakan sampel yang diambil dari populasi itu. Besarnya sampel dalam penelitian ini ditentukan dengan metode proportionate random sampling (Slovin) dengan tingkat ketelitian sebesar 5%. Metode proportionate random sampling ini adalah pengambilan sampel dari anggota populasi secara acak dan berstrata secara proporsional. Cara menentukan jumlah sampel dari populasi dengan tingkat ketelitian 5% yaitu : N=
N
=
N N.d2 + 1
=
129
=
1+129.(0,05) 2
129 1,32
= 97,72 (Jumlah Sampel) = 98 Sampel Berdasarkan perhitungan diatas maka kuesioner yang disebar ke karyawan PT Tuin Abadi sejumlah 98 kuesioner. F. Teknik Pengumpulan Data Data yang diperoleh dalam penilitian ini didapatkan langsung dari pengisian questioner (angket) yang ditunjukkan kepada karyawan atau responden tentang pandangan atau tanggapannya pada kecerdasan intelektual,
http://digilib.mercubuana.ac.id/z
55
kecerdasan emosional, dan kompensasi terhadah kinerja karyawan pada PT Tunin Abadi. Pengumpulan data menggunakan kombinasi pernyataan tertutup dan terbuka, yang diberikan kepada responden secara langsung sehingga didapatkan keobjektifan data yang tepat. Data yang dikumpulkan meliputi identitas responden serta tanggapan responden tentang kecerdasan intelektual, kecerdassan emosional dan kompensasi terhadap kinerja pada PT Tunin Abadi. G. Metode Analisis 1. Analisis Partial Least Square PLS (Partial Least Square), merupakan metode analisis Component atau Variance Based Structural Equation Modelling dimana dalam pengolahan datanya merupakan program Partial Least Square (SmartPLS) versi 3.0. PLS (Partial Least Square) merupakan model alternative dari covariance based SEM. PLS dimaksudkan untuk causal-predictive analysis dalam situasi kompleksitas yang tinggi dan dukungan teori yang rendah (Ghozali, 2014). Tujuan dari PLS ialah mencari hubungan linear prediktif optimal yang ada pada data. Walaupun PLS dapat juga digunakan mengkonfirmasi teori, tetapi dapat juga digunakan untuk menjelaskan ada atau tidaknya hubungan antar variabel laten. Seperti dinyatakan oleh Wold dalam Ghozali (2014) Partial Least Square (PLS) merupkan metode analisis yang powerfull oleh karena itu tidak didasarkan oleh banyak asumsi, sehingga data tidak harus terdistribusi normal multivariative, dan sample tidak harus besar
http://digilib.mercubuana.ac.id/z
56
2. Langkah-langkah Pengujian Analisis PLS 1) Evaluasi Measurement Model Outer Model sering juga disebut (outer relation atau measurement model) mendefinisikan bagaimana setiap blok indikator berhubungan dengan variabel latennya. a) Convergent Validity Pengujian
convergent
validity
dari
masing-masing indikator
konstruk. Menurut Chin dalam Ghozali (2014), suatu indikator dikatakan mempunyai valid yang baik jika nilainya lebih besar dari 0,70, sedangkan loading factor0,50 sampai 0,60 dapat dianggap cukup. Berdasarkan kriteria ini, maka bila ada loading factor dibawah 0,50, maka akan di buang atau di drop dari model. b) Discriminant Validity Pengujian discriminant validity, model pengukuran dengan refleksi indikator dinilai berdasarkan crossloading pengukuran dengan konstruk. Indikator dapat dinyatakan valid jika mempunyai loading factor tertinggi
kepada konstruk yang akan dituju, yang akan
dibandingkan dengan loading factor pada konstruk lain. Hal ini menunjukkan bahwa konstruk laten telah memprediksi indikator pada blok mereka lebih baik daripada indikator di blok yang lain. Metode lain untuk menilai discriminant validity ialah dengan membandingkan nilai square root of average variance extracted (AVE) setiap konstruk dengan korelasi antara konstruk dengan
http://digilib.mercubuana.ac.id/z
57
konstruk lainnya dalam model, maka dapat dikatakan memiliki nilai discriminant validity yang baik. c) Composite Reliability Pengujian composite reliabilitybertujuan untuk menguji reliabilitas instrumen dalam suatu model penelitian. Apabila seluruh nilai variabel laten memiliki nilai composite reliabilitymaupun cronbach alpha ≥ 0,7 hal itu berarti bahwa konstruk memiliki reliabilitas yang baik, atau kuesioner yang digunakan sebagai alat dalam penelitian ini telah andal atau konsisten. 2) Model Struktural atau Uji Hipotesis (Inner Model) Pengujian inner model adalah suatu pengembangan model yang berbasis konsep teori dalam rangka menganalisis hubungan antara variabel eksogen dan endogen yang telah dijabarkan dalam rerangka konseptual. Pengujian terhadap inner model dilakukan dengan melihat nilai R-square yang merupakan uji goodness-fit model. Tahapan pengujian yang dapat dilakukan ialah sebagai berikut: a) Nilai R-square Nilai R-square merupakan uji goodness-fit model. Uji yang kedua dapat dilihat dari hasil R-square untuk variabel laten endogen sebesar
0,67,
0,33,
dan
0,19
dalam
model
struktural
mengindikasikan bahwa model tersebut “baik”, “moderat”, dan “lemah”
http://digilib.mercubuana.ac.id/z
58
b) Goodness Fit Model Goodness of Fit Modelstruktural pada inner model menggunakna nilai
predictive-relevance (Q2). Nilai R-square > 0
yang
menunjukkan bahwa model mempunyai nilai predictive-relevance c) Pengujian Hipotesis (Estimasi Koefisien Jalur) Nilai estimasi untuk hubungan antara jalur dalam model struktural harus signifikan. Nilai signifikasi ini diperoleh dengan prosedur bootstrapping. Melihat signifikasi pada hipotesis dengan melihat nilai koefisien parameter dan nilai signifikasi t statistic pada algoritm bootsrapping report nilai signifikani t statisticharus lebih dari 1,96.
http://digilib.mercubuana.ac.id/z