BAB IV METODE PENELITIAN
4.1 Rancangan Penelitian Rancangan penelitian merupakan rencana menyeluruh dari penelitian mencakup hal-hal yang akan dilakukan peneliti mulai dari membuat hipotesis dan implikasinya secara operasional sampai pada analisa akhir data yang selanjutnya disimpulkan dan diberikan saran. Suatu desain penelitian menyatakan, baik struktur masalah penelitian maupun rencana penyelidikan yang akan dipakai untuk memperoleh bukti empiris mengenai hubungan-hubungan dalam masalah. Studi ini menggunakan penelitian penjelasan (explanatory research) yakni kausalitas menjelaskan suatu hubungan antara variabel-variabel melalui pengujian hipotesis (Ghozali, 2004). Jenis penelitian ini dipilih mengingat tujuan yang hendak dicapai mencakup usaha-usaha untuk menjelaskan hubungan dan pengaruh yang terjadi antar kuisioner sebagai alat pengumpul data primer. Berdasarkan hipotesis dalam rancangan penelitian ini ditentukan variabelvariabel yang dipergunakan dalam penelitian. Ada empat variabel yaitu variabel kepemimpinan, hubungan kerja, pengembangan karir pegawai dan kepuasan kerja pegawai. Selanjutnya untuk menentukan instrumen berdasarkan variabel penelitian dan kemudian menentukan sampel. Pengumpulan data dilakukan dengan metode observasi, wawancara dan kuisioner. Data yang terkumpul diolah dengan menggunakan alat analisis deskriptif dan kuantitatif. Teknik analisa yang
48
49
dipergunakan untuk menganalisis data adalah analisis SEM (Structural Equation Model). Hasil analisa kemudian diinterpretasikan dan langkah terakhir disimpulkan serta diberikan saran. Untuk lebih jelasnya rancangan penelitian dapat dilihat pada Gambar 4.1. Gambar 4.1 Rancangan Penelitian Pengaruh Kepemimpinan dan Hubungan Kerja Terhadap Pengembangan Karir dan Kepuasan Kerja Pegawai di Kantor Sekretariat Pemerintah Daerah Provinsi Bali Penelitian Hipotesis : 1) Kepemimpinan berpengaruh signifikan terhadap pengembangan karir pegawai di Kantor Pemerintahan Daerah Provinsi Bali.
2)
Hubungan kerja berpengaruh signifikan terhadap pengembangan karir pegawai di Kantor Sekretariat Pemerintah Daerah Provinsi Bali 3) Pengembangan karir berpengaruh signifikan terhadap kepuasan kerja pegawai di Kantor Sekretariat Pemerintah Daerah Provinsi Bali. 4) Kepemimpinan berpengaruh signifikan terhadap kepuasan kerja pegawai di Kantor Sekretariat Pemerintah Daerah Provinsi Bali
5)
Hubungan kerja berpengaruh signifikan terhadap kepuasan Variabel Penelitian : Kepemimpinan, hubungan kerja, pengembangan karir pegawai dan kepuasan kerja pegawai
Instrumen Penelitian :
Penentuan Responden : 1) Populasi seluruh pegawai di Kantor Sekretariat Pemerintah Daerah Provinsi Bali
Kuisioner yang telah diuji validitas dan realibilitas
2)
Responden dengan metode proportionate random sampling.
Pengunpulan Data : 1) Observasi 2) Kuisioner 3) Wawancara
Simpulan dan Saran
Pembahasan dan Interpretasi Hasil Penelitian
Analisa Data : Analisis SEM Structural Equation Model
50
4.2 Lokasi penelitian Penelitian ini dilakukan di Kantor Sekretariat Pemerintah Daerah Provinsi Bali yang berlokasi di jalan Niti Mandala Renon Denpasar. Sekretariat Daerah Provinsi Bali merupakan lembaga yang disiapkan untuk memberikan pelayanan kepada masyarakat, sehingga dituntut untuk memiliki aparatur yang baik. Apabila kepuasan pegawai tercapai maka akan berpengaruh terhadap keberhasilan pembangunan daerah Bali. Sebaliknya apabila kepuasan kerja pegawai rendah maka program-program pemerintah yang telah dirancang tidak akan berjalan sesuai dengan rencana dan mengakibatkan terhambatnya pembangunan Bali ke depannya.
4.3 Identifikasi Variabel (1) Variabel dependen atau variabel terikat (Yi) terdiri dari: 1)
Pengembangan karir pegawai (Y1), indikator-indikatornya terdiri atas: kemampuan pegawai sesuai dengan pekerjaan (Y1.1), keterampilan pegawai sesuai dengan pekerjaan (Y1.2), aturan yang jelas tentang kenaikan jabatan (Y1.3), kesempatan yang adil untuk kenaikan jabatan (Y1.4), dan penghargaan untuk prestasi (Y1.5).
2)
Kepuasan kerja pegawai (Y2), indikator-indikatornya terdiri atas: waktu kerja yang telah disediakan (Y2.1), atasan yang memahami pendapat bawahannya (Y2.2), gaji yang diterima (Y2.3), program tunjangan maupun insentif (Y2.4), pekerjaan itu sendiri (Y2.5).
51
(2) Variabel independen atau variabel bebas (Xi) terdiri dari: 1) Kepemimpinan (X1), indikator-indikatornya terdiri atas: sikap dan perilaku pemimpin menjadi teladan (Xl.l), pembagian tugas pekerjaan dengan baik dan jelas (X1.2), pengambilan keputusan dengan cepat dan bijaksana (X1.3), bimbingan terhadap bawahan (X1.4), dan memberikan umpan balik (X1.5). 2) Hubungan kerja (X2), indikator-indikatornya terdiri atas meminta bantuan pada rekan sekerja (X2.1), komunikasi yang baik antara rekan sekerja (X2.2), atasan bersikap konsisten dengan perintah-perintahnya(X2.3), informasi mengenai tugas dan tanggung jawab selalu disampaikan atasan (X2.4), dan komunikasi antara atasan dan bawahan berjalan dengan baik (X2.5).
4.4 Definisi Operasional Variabel Untuk menghindari kesalahan dalam mengartikan variabel yang dianalisis berikut ini dijelaskan definisi operasional dari masing-masing variabel sebagai berikut. (1) Variabel pengembangan karir pegawai (Y1) Variabel pengembangan karir pegawai ini diukur dengan indikator sebagai berikut: 1) Sesuai kemampuan pegawai (Y1.1) yaitu kesesuaian antara jalur karir yang mereka ikuti dengan kemampuan yang mereka miliki. 2) Sesuai keterampilan pegawai (Y1.2) yaitu kesesuaian antara jalur karir yang mereka ikuti dengan keterampilan yang mereka miliki.
52
3) Aturan yang jelas tentang kenaikan jabatan (Y1.3) yaitu terdapat aturan yang jelas mengenai kebijakan yang ditetapkan organisasi sesuai dengan tujuannya. 4) Kesempatan yang adil untuk kenaikan jabatan (Y1.4) yaitu pegawai mendapatkan kesempatan yang sama dalam memperoleh jabatan. 5) Penghargaan untuk prestasi (Y1.5), yaitu adanya imbalan bagi pegawai yang telah melakukan tugas dan pekerjaan yang telah diberikan kepadanya.
(2) Variabel kepuasan kerja pegawai (Y2) Variabel kepuasan kerja pegawai ini diukur dengan indikator sebagai berikut. 1) Waktu kerja yang telah disediakan (Y2.1) adalah waktu kerja yang ditetapkan. 2) Cara atasan memahami pendapat bawahannya (Y2.2) yaitu bagaimana atasan berinteraksi dan memberikan kesempatan bawahan untuk mengeluarkan pendapat. 3) Gaji yang diterima (Y2.3) adalah imbalan yang diterima pegawai yang berupa uang dan bersifat tetap dan sesuai dengan jumlah pekerjaan yang dikerjakan 4) Program tunjangan maupun insentif (Y2.4) adalah imbalan di luar gaji pokok
yang
diberikan
untuk
memotivasi
para
pegawai
produktivitasnya tinggi dan sifatnya tidak tetap atau sewaktu-waktu
agar
53
5) Pekerjaan itu sendiri (Y2.5) adalah pekerjaan yang menarik dan menantang, pekerjaan yang tidak membosankan, serta pekerjaan yang dapat memberikan status.
(3) Variabel kepemimpinan (X1) Variabel kepemimpinan ini diukur dengan indikator sebagai berikut. 1) Pemimpin menjadi teladan (X1.1) adalah tingkah laku pimpinan sebagai teladan bawahan yang diukur dari persepsi pegawai tentang baik buruknya sifat-sifat pimpinan dalam memberikan arahan. 2) Pembagian tugas pekerjaan dengan baik dan jelas (X1.2) adalah kemampuan pemimpin untuk mendelegasikan tugas dan pekerjaan kepada bawahannya. 3) Pengambilan keputusan (X1.3) adalah kemampuan pemimpin untuk mengambil keputusan dengan cepat dan bijaksana. 4) Bimbingan terhadap bawahan (X1.4) adalah kemampuan pemimpin untuk memberikan bimbingan terhadap bawahan. 5) Memberikan umpan balik (X1.5) adalah kemampuan pemimpin untuk memberikan informasi kepada bawahan mengenai keefektifitas pekerjaan.
(4) Variabel hubungan kerja (X2) Variabel hubungan kerja diukur dengan indikator sebagai berikut: 1) Meminta bantuan pada rekan sekerja (X2.1) adalah komunikasi berupa konsultasi pekerjaan antara pegawai.
54
2) Komunikasi yang baik antara rekan sekerja (X2.2) adalah keharmonisan hubungan antara pegawai satu dengan pegawai lainnya. 3) Atasan bersikap konsisten dengan perintah-perintahnya (X2.3) adalah atasan bersikap konsisten dan tegas dengan perintah-perintahnya. 4) Informasi mengenai tugas dan tanggung jawab selalu disampaikan atasan (X2.4) adalah atasan selalu memberikan informasi yang jelas mengenai tugas dan tanggung jawab bawahannya. 5) Komunikasi antara atasan dan bawahan berjalan dengan baik (X2.5) adalah hubungan kerja/komunikasi dua arah yang terjalin antara atasan dengan bawahan berjalan dengan baik.
4.5 Jenis dan Sumber Data 4.5.1 Jenis data Jenis data dipergunakan dalam penelitian ini adalah sebagai berikut. 1) Data kuantitatif, yaitu data yang dinyatakan dalam bentuk angka-angka yang dapat dihitung. Dalam penelitian ini yang termasuk data kuantitatif adalah jumlah pegawai di Kantor Sekretariat Pemerintah Daerah Provinsi Bali 2010. 2) Data kualitatif, yaitu data yang tidak dapat dinyatakan dalam bentuk angka-angka. Dalam penelitian ini yang termasuk data kualitatif adalah keberadaan lokasi penelitian, tugas pokok dan fungsi Sekretariat Pemerintah Daerah Provinsi Bali, struktur organisasi, uraian tugas dan tata kerja Sekretariat Pemerintah Daerah Provinsi Bali.
55
4.5.2 Sumber data Adapun sumber data yang dipergunakan dalam penelitian ini adalah sebagai berikut: 1) Data primer, yaitu data yang diperoleh atau dikumpulkan oleh peneliti langsung dari sumbernya. Data primer dalam penelitian ini adalah informasi yang dikumpulkan berdasarkan jawaban responden terhadap kuisioner. 2) Data sekunder, yaitu data yang pengumpulan dan pengolahannya bukan dari usaha sendiri, tetapi dilakukan oleh pihak lain yang diperoleh dari tempat penelitian dengan pendekatan observasi, seperti jumlah pegawai di Kantor Sekretariat Pemerintah Daerah Provinsi Bali, keberadaan lokasi penelitian, dan struktur organisasi.
4.6 Populasi dan Responden Penelitian Populasi adalah wilayah generalisasi yang terdiri atas subyek/obyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2004). Populasi juga berarti kumpulan atau agregasi dari seluruh elemen atau individu-individu yang merupakan sumber informasi dalam suatu riset (Sumarsono, 2005). Dalam setiap penelitian, populasi yang dipilih erat kaitannya dengan masalah yang ingin dipelajari. Populasi dalam penelitian ini adalah seluruh
56
pegawai Sekretariat Pemerintah Daerah Provinsi Bali yang berjumlah 701 orang yang dijabarkan dalam Tabel 4.1 .
Tabel 4.1 Komposisi Jumlah Pegawai Di Kantor Sekretariat Pemerintah Daerah Provinsi Bali Tahun 2009 No 1 2 3 4 5 6 7 8 9
Instansi Biro Organisasi Biro Humas dan Protokol Biro Hukum dan Ham Biro Umum Biro Pengelolaan Aset Biro Pemerintahan Biro Keuangan Biro Perekonomian dan Pembangunan Biro Kesejahteraan Rakyat
Per Golongan
Jumlah
IV 6 5 5 25 5 5 6
III 41 44 43 85 41 51 85
II 6 17 3 54 11 6 13
I 0 0 1 13 2 0 0
9
45
8
0
62
8
37
20
1
66
Per 31 Desember 2009
53 66 52 177 59 62 104
701
Sumber: Kantor BKD, Provinsi Bali, 2009
Berdasarkan pertimbangan yang logis, seperti kepraktisan, keterbatasan biaya, waktu dan tenaga, tidak semua anggota populasi dijadikan sampel dalam penelitian ini, melainkan diambil beberapa orang sampel untuk mewakili seluruh populasi. Dengan meneliti secara sampel diharapkan hasil yang telah diperoleh akan memberikan kesimpulan dan gambaran yang sesuai dengan karakteristik populasi. Jadi, hasil kesimpulan dari penelitian sampel dapat digeneralisasikan terhadap populasi (Riduwan, 2007). Teknik pengambilan sampel atau teknik sampling adalah suatu cara mengambil sampel yang representatif dari populasi (Riduwan, 2007). Dalam
57
penelitian ini digunakan teknik proportionate random sampling dengan menggunakan rumus dari Yamane (Riduwan, 2007), berikut : N N=
...........................................................(1)
N.e2 + 1
Dimana : n
= jumlah sampel
N
= jumlah populasi
e
= Presisi (ditetapkan 5 persen dengan tingkat kepercayaan 95 persen) Berdasarkan rumus teknik pengambilan sampel (rumus 1), dengan jumlah
populasi sebanyak 701 orang dan presisi atau taraf kesalahan sebesar 5 persen maka dapat dilakukan perhitungan sebagai berikut : 701
n=
= 255 2
701.(0.05 ) + 1 Jadi sampel yang diambil sebanyak 255 orang pegawai Setelah jumlah sampel ditentukan sebanyak 255 orang, dilanjutkan dengan pengambilan sampel proporsi untuk mengetahui jumlah sampel yang akan diambil dari masing-masing biro. Pengambilan sampel bertingkat menggunakan rumus sebagai berikut (Riduwan, 2007) :
ni =
Ni N
x n
........................................................ (2)
58
Dimana : ni
= jumlah sampel menurut stratum
n
= jumlah sampel seluruhnya
Ni
= jumlah populasi menurut stratum
N
= jumlah populasi seluruhnya Berdasarkan teknik rumus diatas, maka dapat diperoleh komposisi besar
sampel di masing-masing biro pada Tabel 4.2. Tabel 4.2 Komposisi Besar Sampel Berdasarkan Biro
No 1 2 3 4 5 6 7 8 9
Instansi Biro Organisasi Biro Humas dan Protokol Biro Hukum dan Ham Biro Umum Biro Pengelolaan Aset Biro Pemerintahan Biro Keuangan Biro Perekonomian dan Pembangunan Biro Kesejahteraan Rakyat Jumlah
Sumber : Tabel 4.1 diolah
(Orang) 53 66 52 177 59 62 104
Jumlah Responden (Orang) 19 24 19 64 21 23 38
62
23
66
24
701
255
Jumlah Pegawai
59
4.7 Metode Pengumpulan Data Dalam suatu penelitian, pengumpulan data perlu dilakukan secara berhatihati, sistematis dan cermat, sehingga data yang dikumpulkan relevan dengan masalah penelitian yang akan dicari jawabannya sebagai upaya menguji kebenaran hipotesis yang telah dirumuskan. Untuk itu metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Observasi, yaitu pengumpulan data dengan cara melakukan pengamatan langsung terhadap responden penelitian. 2) Kuisioner, yaitu teknik pengumpulan data yang dilakukan dengan cara memberikan sejumlah pertanyaan tertulis secara terstruktur kepada responden penelitian berkaitan dengan tanggapannya terhadap berbagai variabel yang diteliti dalam penelitian ini. 3) Wawancara, yaitu pengumpulan data dengan cara melakukan tanya jawab secara mendalam kepada responden penelitian untuk memperoleh data yang lebih akurat dan lengkap karena menyangkut penjelasan lebih lanjut dari kuisioner yang telah dibagikan tersebut.
4.8 Pengukuran Variabel Penelitian Data yang telah terkumpul kemudian dilakukan skala pengukuran dan pemberian skor. Skala pengukuran yang digunakan dalam penelitian ini adalah modifikasi skala Likert, yaitu dari 1 sampai 4. Skala pengukuran untuk variabel kepemimpinan, hubungan kerja, pengembangan karir dan kepuasan kerja diukur melalui modifikasi dengan poin yang disesuaikan dengan materi penelitian yang
60
dikembangkan. Adapun penggunaan skala 1 - 4 untuk setiap jawaban responden selanjutnya dibagi ke dalam empat kategori yakni: (1) Sangat Setuju (SS) diberi skor 4 (2) Setuju (S) diberi skor 3 (3) Tidak Setuju (TS) diberi skor 2 (4) Sangat Tidak Setuju (STS) diberi skor 1 Setelah skor diperoleh lalu dicari rata-rata skor per responden. Data responden secara individu didistribusikan berdasarkan kriteria tertentu, sehingga dapat dideskripsikan distribusi jawabannya. 4.9 Transformasi Data Ordinal Menjadi Data Interval Untuk mengubah data ordinal menjadi data interval digunakan Metode Suksesif Interval (MSI). Apabila suatu pernyataan atau pertanyaan diajukan dengan menggunakan skala Likert, maka akan diperoleh data ordinal, di mana tidak menunjukkan perbandingan suatu jawaban secara nyata. Dengan data interval, perbandingan antar jawaban yang sebenarnya akan terlihat sehingga selanjutnya dapat diolah untuk memperoleh suatu nilai jawaban responden. Langkah-langkah di dalam mengubah data ordinal menjadi data interval (Riduwan, 2007) adalah sebagai berikut. 1) Menghitung jumlah (frekuensi) responden yang memberikan pilihan jawaban yang sama untuk setiap skor dari setiap item pertanyaan. 2) Kemudian dihitung frekeunsi relatif/proporsi (Pi) seluruh kategori, mulai dari kategori 1.
61
3) Menghitung frekuensi kumulatif (Fki) dari hasil perhitungan nomor 2 di atas untuk setiap skor. 4) Sebaran frekuensi kumulatif (Fki) dari hasil perhitungan nomor 3 di atas untuk seluruh skor diasumsikan mengikuti sebaran normal. 5) Sebaran frekuensi kumulatif dari hasil perhitungan nomor 4 di atas dijadikan sebaran normal baku (sebaran normal Z). Dimana Fki = area pada tabel Z. 6) Mencari nilai densitas (ordinat pada tabel Z) dari masing-masing skor berdasarkan nilai frekuensi kumulatif (area pada tabel Z). 7) Setelah seluruh nilai diperoleh untuk tiap kategori, maka selanjutnya menghitung SVi (scala value = nilai skala) untuk setiap skor dengan rumus :
SV
( Densitas pada batas bawah − Densitas pada batas atas ) Area di bawah batas atas − Area di bawah batas bawah
=
...............(3) 8) Transformasikan nilai skala (SV) yang terkecil diubah menjadi sama dengan satu dengan rumus :
Yi = SV i + |SV terkecil | + 1............................................ (4) 9) Nilai-nilai Yi yang terbentuk berdasarkan transformasi di atas pada setiap skor atau pilihan jawaban adalah merupakan nilai interval pada setiap skor semula.
4.10 Uji Validitas dan Reliabilitas Instrumen Penelitian Dalam suatu penelitian data mempunyai kedudukan yang sangat penting. Hal ini dikarenakan data merupakan penggambaran variabel yang diteliti dan
62
berfungsi sebagai alat pembuktian hipotesis. Valid atau tidaknya data sangat menentukan bermutu atau tidaknya data tersebut. Hal ini tergantung instrumen yang digunakan, yakni memenuhi asas validitas dan reliabilitas. 4.10.1 Uji validitas instrumen penelitian Uji validitas digunakan untuk mengetahui penafsiran responden terhadap setiap butir pernyataan yang terdapat dalam instrumen penelitian, apakah penafsiran setiap responden sama atau beda sama sekali. Apabila penafsiran responden tersebut sama maka instrumen penelitian tersebut dapat dikatakan valid, namun apabila tidak sama maka instrumen tersebut dapat dikatakan tidak valid, sehingga perlu untuk diganti. Variabel-variabel terukur dikatakan valid jika mempunyai koefisien korelasi (rhitung) ≥ 0,3 (Sugiyono, 2004). Pengujian validitas instrumen menggunakan bantuan program komputer dengan paket program SPSS 15.0. Rumus validitas (Riduwan, 2007) adalah :
Ri
=
N ∑XY − (∑X ) (∑Y )
{N (∑X) } {N (∑Y) } − {(∑X) } 2
2
.............................(5) dimana : Ri
= validitas
N
= jumlah populasi
X
= total skor butir-butir pernyataaan percobaan pertama
Y
= total skor butir-butir pertanyaan percobaan kedua
4.10.2 Uji reliabilitas instrumen penelitian
2
63
Uji reliabilitas dilakukan untak menguji penafsiran responden mengenai butir-butir pernyataan yang terdapat dalam instrumen penelitian yang ditunjukkan dengan kekonsistenan jawaban yang diberikan. Reliabilitas merupakan ukuran mengenai konsistensi internal dari indikator sebuah konstruk yang menunjukkan derajat sampai di mana masing-masing indikator tersebut mengindikasikan sebuah konstruk/faktor laten yang umum (Ferdinand, 2002). Nilai batas yang digunakan untuk menilai atau untuk menguji apakah setiap variabel dapat dipercaya, handal, dan akurat dipergunakan formula Koefisien Alpha dari Cronbach. Variabel dapat dinyatakan reliabel apabila Koefisien Alpha Cronbach > 0,60, artinya tingkat reliabilitas sebesar 0,60 merupakan indikasi reliabelnya sebuah konstruk. Adapun rumus Alpha Cronbach (Riduwan, 2007) adalah: k .r
α= 1 +( k −1) r ...................................................(6) dimana : α = koefisien alpha cronbach r
= rata-rata korelasi diantara butir pertanyaan
k
= jumlah butir pertanyaan dalam skala
4.11 Teknik Analisa Data 4.11.1 Analisis SEM (Structural Equation Model) Teknik analisis data yang digunakan untuk membahas permasalahan dalam penelitian ini adalah Structural Equation Model (SEM). Model Persamaan
64
Struktural atau Structural Equation Model (SEM) adalah teknik-teknik statistika yang memungkinkan pengujian suatu rangkaian hubungan yang relatif kompleks secara simultan. Hubungan yang kompleks dapat dibangun antara satu atau beberapa variabel dependen dengan satu atau beberapa variabel independen. Mungkin juga terdapat suatu variabel yang berperan ganda yaitu sebagai variabel independen pada suatu hubungan, namun menjadi variabel dependen pada hubungan lain mengingat adanya hubungan kausalitas yang berjenjang. Masingmasing variabel dependen dan independen dapat berbentuk faktor atau konstruk yang dibangun dari beberapa variabel indikator. Demikian pula diantara variabelvariabel itu dapat berbentuk sebuah variabel tunggal yang diobservasi atau yang diukur langsung dalam sebuah proses penelitian. Model Persamaan Struktural semacam itu telah luas dikenal dalam penelitian-penelitian sosial melalui berbagai nama antara lain: causal modeling, causal analysis, simultaneous equation modeling atau analisis struktur kovarians. Seringkali SEM juga disebut sebagai Path Analysis atau Confirmatory Factor Analysis, karena sesungguhnya kedua nama ini adalah jenis jenis SEM yang khusus. Contoh diagram alur atau path diagram yang mana diagram-diagram bersifat sangat fundamental dalam SEM, sebab diagram ini memungkinkan peneliti untuk menggambarkan hubungan-hubungan yang dihipotesiskan yaitu yang disebut model. Diagram-diagram ini sangat penting bagi seorang peneliti karena secara visual diagram-diagram itu menjelaskan alur ide-ide peneliti mengenai
hubungan
antar
variabel,
untuk
kemudian
secara
langsung
65
diterjemahkan ke dalam persamaan-persamaan yang diperlukan untuk pengujian hipotesis.
4.11.2 Konvensi SEM Beberapa konvensi atau aturan-aturan yang diberlakukan di dalam penggunaan SEM ini sebagai berikut. 1)
Variabel terukur (Measured Variable)
Variabel ini disebut juga observed variables, indicator variables atau manifest variables, digambarkan dalam bentuk segi empat atau bujur sangkar. Variabel terukur adalah variabel yang datanya harus dicari melalui penelitian lapangan, misalnya melalui instrumen-instrumen survei. 2)
Faktor
Faktor adalah sebuah variabel bentukan, yang dibentuk melalui indikator-indikator yang diamati dalam dunia nyata. Karena merupakan variabel bentukan, maka disebut latent variables. Nama lain untuk latent variables adalah constructs atau unobserved variables. Faktor atau konstruk atau variabel laten ini digambarkan dalam bentuk oval atau elips. 3)
Hubungan antar variabel
Hubungan antar variabel dinyatakan melalui garis. Karena itu bila tidak ada garis berarti tidak ada hubungan langsung yang dihipotesiskan. Bentuk-bentuk hubungan antar variabel dapat dijelaskan sebagai berikut.
66
( 1 ) garis dengan anak panah satu arah (→). Garis ini menunjukkan adanya hubungan yang dihipotesiskan antara dua variabel, di mana variabel yang dituju oleh anak panah merupakan variabel dependen. Dalam SEM terdapat dua kelompok hipotesis dengan anak panah satu arah yaitu: a)
hipotesis mengenai dimensi faktor. Dimensi-dimensi sebuah faktor akan terlihat dalam diagram SEM melalui arah anak panah (→) yang digunakan. Dalam hal ini masing-masing indikator itu sebagai variabel dependen, secara bersama-sama dihipotesiskan sebagai dimensi dari sebuah konsep atau faktor;
b)
hipotesis mengenai hubungan regresi. Hipotesis mengenai pengaruh satu atau beberapa variabel independen terhadap satu atau beberapa variabel dependen dinyatakan pula dalam anak panah satu arah (→).
( 2 ) garis dengan anak panah 2 arah (←→) Garis ini menunjukkan hubungan yang tidak dianalisis. Anak panah dua arah ini dalam pemodelan SEM digunakan untuk menggambarkan kovarians atau korelasi antara dua buah variabel. Misalnya bila peneliti akan meregresi dua buah variabel independen terhadap satu atau beberapa variabel dependen, syarat yang harus dipenuhi adalah tidak adanya saling korelasi antara variabel independen (sebagaimana syarat pada analisis regresi). Untuk itu sebuah anak panah dua ujung harus
67
digunakan untuk menghubungkan kedua variabel independen itu untuk menguji bahwa tidak ada korelasi antara keduanya.
4.11.3 Asumsi-asumsi Structural Equation Model (SEM) Asumsi-asumsi yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang dianalisis dengan pemodelan SEM sebagai berikut. 1) Ukuran sampel Ukuran sampel yang harus dipenuhi dalam pemodelan ini adalah minimum berjumlah 100 dan selanjutnya menggunakan perbandingan 5 observasi untuk setiap estimated parameter. Karena itu bila kita mengembangkan model dengan 20 parameter, maka minimum sampel yang harus digunakan adalah sebanyak 100 sampel. 2) Normalitas dan linearitas Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas dipenuhi sehingga data dapat diolah lebih lanjut untuk pemodelan SEM ini. Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik uji normalitas ini perlu dilakukan baik untuk normalitas terhadap data tunggal maupun normalitas multivariat di mana beberapa variabel digunakan sekaligus dalam analisis akhir. Uji linearitas dapat dilakukan dengan mengamati scatterplots dari data yaitu dengan
68
memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linearitas. 3) Outliers Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun multivariat yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi lainnya. Selain itu, dapat diadakan perlakuan khusus pada outliers ini asal diketahui bagaimana munculnya outliers itu. Outliers pada dasarnya dapat muncul dalam empat kategori yaitu : (1) outliers muncul karena kesalahan prosedur seperti kesalahan dalam memasukkan data atau kesalahan dalam mengkoding data. Misalnya nilai 7 diketik 70 sehingga jauh berbeda dengan nilai-nilai lainnya dalam sebuah rentang jawaban responden antara 1 - 10. Bila hal semacam ini lolos dalam pengetikan data untuk pengolahan melalui komputer, maka angka 70 dapat menjadi sebuah nilai ekstrim; (2) outliers dapat saja muncul karena keadaan yang benar-benar khusus yang memungkinkan profit datanya lain daripada yang lain, tetapi peneliti mempunyai penjelasan mengenai apa penyebab munculnya nilai ekstrim itu. (3) outliers dapat muncul karena adanya sesuatu alasan tetapi peneliti tidak dapat mengetahui apa penyebabnya atau tidak ada penjelasan mengenai sebab-sebab munculnya nilai ekstrim itu;
69
(4) outliers dapat muncul dalam range nilai yang ada, tetapi bila dikombinasi dengan variabel lainnya, kombinasinya menjadi tidak lazim atau sangat ekstrim. Inilah yang disebut dengan multivariate outliers. 4) Multikolinearitas dan singularitas Multikolinearitas dapat dideteksi dari determinan matriks kovarians. Nilai determinan matriks kovarians yang sangat kecil (extremely small) memberi indikasi adanya problem multikolinearitas atau singularitas. Pada umumnya program-program komputer SEM telah menyediakan fasilitas "warning" setiap kali terdapat indikasi multikolinearitas atau singularitas. Bila muncul pesan itu, telitilah ulang data yang digunakan untuk mengetahui apakah terdapat kombinasi linear dari variabel yang dianalisis. Perlakukan data (data treatment) yang dapat diambil adalah keluarkan variabel yang menyebabkan singularitas itu. Bila singularitas dan multikolinearitas ditemukan dalam data yang dikeluarkan itu, salah satu treatment yang dapat diambil adalah dengan menciptakan "composite variables", lalu gunakan composite variables itu dalam analisis selanjutnya. Setelah asumsi-asumsi SEM dilihat, hal berikutnya adalah menentukan kriteria yang akan digunakan untuk mengevaluasi model dan pengaruh-pengaruh yang ditampilkan dalam model. Hair, dkk. (Ferdinand, 2002) mengemukakan bahwa dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model. Umumnya terhadap berbagai jenis fit index yang digunakan untuk mengukur derajat kesesuaian antara model yang dihipotesiskan dengan data
70
yang disajikan. Peneliti diharapkan melakukan pengujian dengan menggunakan beberapa fit index untuk mengukur "kebenaran" model yang diajukannya. Beberapa indeks kesesuaian dan cut-off value-nya yang digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak seperti diuraikan berikut ini.
1)
Chi-Square Statistic (χ2)
Chi-square statistic merupakan alat uji paling fundamental untuk mengukur overall fit. Chi-square ini bersifat sangat sentitif terhadap besarnya sampel yang digunakan. Karena itu bila jumlah sampel adalah cukup besar yaitu lebih dari 200 sampel, maka statistik chi-square ini harus didampingi oleh alat uji lainnya menurut Hair,dkk (Ferdinand, 2002). Model yang diuji akan dipandang baik atau memuaskan bila nilai chi-squarenya rendah. Menurut Hulland, dkk. (Ferdinand, 2002) bahwa semakin kecil nilai χ2 semakin baik model itu karena dalam uji beda chi-square, χ2 =0, berarti benar-benar tidak ada perbedaan (Ho diterima) berdasarkan probabilitas dengan cut off value sebesar p>0,05 atau p>0,10. 2)
RMSEA (The Root Mean Square Error of Approximatian)
RMSEA adalah sebuah indeks yang dapat digunakan untuk menkompensasi chi-square statistic dalam sampel yang besar. Nilai RMSEA menunjukkan goodness-of-fit yang dapat diharapkan bila model diestimasi dalam populasi. Menurut Browne & Cudeck (Ferdinand, 2002) bahwa nilai RMSEA yang
71
lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degrees offreedom. 3)
GFI (Goodness of Fit Index)
Indeks kesesuaian (fit index) ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan menurut Bentley, dkk. (Ferdinand 2002). GFI adalah sebuah ukuran non-statistikal yang mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1,0 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah "better fit". 4)
AGFI (Adjusted Goodness-of-Fit Index)
Tanaka & Huba (Ferdinand, 2002) menyatakan bahwa GFI adalah anolog dari R2 dalam regresi berganda. Fit Index ini disesuaikan terhadap degrees of freedom yang tersedia untuk menguji diterima tidaknya model (Arbuckle, 1999). Indeks ini diperoleh dengan rumus sebagai berikut: AGFI =1-(I -GFI) db/d ..........................(7) Dimana: db = jumlah sampel moment, dan d adalah degrees of freedom. Menurut Hair, dkk. (Ferdinand, 2002) bahwa tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90. Perlu diketahui bahwa baik GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians dalam sebuah matriks kovarians sampel. Nilai sebesar 0,95 dapat diinterpretasikan sebagai
72
tingkatan yang baik good overall model fit (baik) sedangkan besaran nilai antara 0,90 - 0,95 menunjukkan tingkatan cukup (adequate fit). 5)
CMIN/DF
Indeks fit ini merupakan the minimum sample discrepancy function (CMIN) dibagi dengan degree of freedom-nya akan menghasilkan indeks CMIN/DF. Umumnya para peneliti melaporkannya sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMIN/DF tidak lain adalah statistik chi-square, χ2 dibagi DF-nya sehingga disebut chi square relatif. Nilai χ2 relatif kurang dari 2,0 atau bahkan kadang kurang dari 3,0 menunjukkan antara model dan data fit menurut Arbuckle (Ferdinand, 2002). 6)
TLI (Tucker Lewis Index) TLI merupakan sebuah alternatif incremental fit index yang
membandingkan sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan > 0,95 dan nilai yang sangat mendekati 1 menunjukkan a very good fit menurut Arbuckle (Ferdinand, 2002). Indeks ini diperoleh dengan rumus : C Cb Cb − / − 1 .........................(8) d db db
TLI =
Dimana C adalah diskrepansi dari model yang dievaluasi dan d adalah degrees of freedomnya, sementara Cb dan db adalah diskrepansi dan degrees of freedom dari baseline model yang dijadikan pembanding. 7)
CFI (Comparative Fit Index)
73
Indeks ini mempunyai rentang nilai antara 0 sampai dengan 1. Semakin mendekati 1, mengindikasikan adanya a very good fit. Nilai yang direkomendasikan adalah CFI > 0,94. Indeks ini besarannya tidak dipengaruhi oleh ukuran sampel, karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model menurut Hulland, dkk. (Ferdinand, 2002). Indeks CFI adalah identik dengan Relative Noncentrality Index (RNI) dari Mc.Donald dan Marsh (1990), yang diperoleh dari rumus berikut ini: C −d
CFI = RNI = 1 - Cb − db ...........................(9) Dimana C adalah diskrepansi dari model yang dievaluasi dan d adalah degrees of freedomnya, sementara Cb dan db adalah diskrepansi dan degrees of freedom dari baseline model yang dijadikan pembanding. Dalam penilaian model, indeks TLI dan CFI sangat dianjurkan untuk digunakan karena indeks-indeks ini relatif tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi pula oleh kerumitan model menurut Hulland, dkk. (Ferdinand, 2002). Maka indeks-indeks yang dapat digunakan untuk menguji kelayakan sebuah model seperti pada Tabel 4.3. Tabel 4.3 Goodness of Fit Index
Chi Square (λ2)
Nilai Kritis (Cut of Value) Diharapkan kecil
Significance Probability (p) RMSEA GFI AGFI
≥ 0,05 ≤ 0,08 ≥ 0,09 ≥ 0,09
Goodness of Fit Measure
74
CMIN/DF
≤ 2,00
TLI CFI Sumber : Ferdinand (2002)
≥ 0,95 ≥ 0,94
4.11.4 Langkah-langkah Structural Equation Model (SEM) Sebuah pemodelan SEM yang lengkap pada dasarnya terdiri dari Measurement Model dan Structural Measurement Model atau Model Pengukuran ditujukan untuk mengkonfirmasi sebuah dimensi atau faktor berdasarkan indikator-indikator empirisnya. Structural Model adalah model mengenai struktur hubungan yang membentuk atau menjelaskan kausalitas antara faktor. Untuk membuat pemodelan yang lengkap, beberapa langkah berikut ini perlu dilakukan. 1) Pengembangan model berbasis teori. 2) Pengembangan diagram jalur untuk menunjukkan hubungan kausalitas. 3) Konversi diagram alur kedalam serangkaian persamaan struktural dan spesifikasi model pengukuran. 4) Pemilihan matriks input dan teknik estimasi atas model yang dibangun. 5) Menilai problem identifikasi. 6) Evaluasi model. 7) Interpretasi dan Modifikasi model. Diagram alur model SEM dari penelitian ini disajikan pada Gambar 4.3
75
Gambar 4.2 Model Struktural Pengaruh Kepemimipinan dan Hubungan Kerja Terhadap Pengembangan Karir dan Kepuasan Kerja Pegawai di Kantor Sekretariat Pemerintah Daerah Provinsi Bali
Hub. Kerja
76
x1.1 x1.2 x1.3 x1.4
Kepemimpinan
1
y2.1
y2.2
y2.3
x1.5
1 y1.1 y1.2 Pengembangan Karir
y1.3 y1.4
1
y1.5
x2.1 x2.2 Lingk. Kerja
x2.3 x2.4 x2.5
1
Kepuasan Kerja
y2.4
y2.5
