BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

IV.1 PENGUMPULAN DATA Pengumpulan data utama pada penelitian ini dilakukan dengan menggunakan kuisioner. Kuisioner yang disebarkan terdiri dari 3 bagian, yaitu: 1. Bagian I: berisi beberapa pertanyaan tertutup dan terbuka mengenai data pribadi responden 2. Bagian II: berisi pertanyaan-pertanyaan tertutup yang ditujukan untuk mengetahui karakteristik pekerjaan agen asuransi 3. Bagian III: berisi pertanyaan-pertanyaan tertutup yang ditujukan untuk mengetahui kualitas kehidupan kerja yang dialami agen asuransi Responden penelitian adalah agen asuransi dari 6 perusahaan asuransi yang beroperasi di Bandung. Pekerjaan agen asuransi dipilih sebagai perwakilan pekerjaan fleksibel karena jenis pekerjaan ini umumnya memiliki fleksibilitas dalam hal waktu, tempat dan cara kerja. Disamping sisi fleksibilitas pekerjaan yang dimiliki, agen asuransi juga dituntut untuk memiliki keterampilan yang beragam serta profesionalisme yang tinggi sebagai pihak penghubung utama perusahaan dengan nasabah. Sehingga kualitas kehidupan kerja merupakan salah satu isu yang muncul dalam kehidupan kerja agen asuransi. Pengumpulan data pada penelitian ini dilakukan dengan satu kali tahap pengumpulan data karena penelitian tidak berfokus pada pengujian alat ukur, maupun mengasah kemampuan peneliti dalam membuat konstruksi pengujian. Namun demikian, uji validitas serta reliabilitas tetap dilakukan guna memastikan bahwa instrumen penelitian yang digunakan memberikan akurasi hasil yang tinggi sehingga meningkatkan kualitas ilmiah penelitian. Untuk kepentingan pengujian tersebut, digunakan data yang berasal dari sampel kecil penelitian yaitu 32 orang responden.

63

64

Jumlah kuisioner yang disebarkan pada penelitian ini adalah 150 buah. Namun hanya terdapat 108 kuisioner yang kembali. Seluruh kuisioner yang kembali tidak mengandung data hilang (missing value) dan dinyatakan dapat digunakan sebagai sampel penelitian. Merujuk pada Hair, et al. (1998), penentuan jumlah sampel dapat dilakukan berdasar jumlah variabel laten yang digunakan dalam penelitian. Metode pengambilan sampel dilakukan secara acak dengan bantuan masing-masing pimpinan cabang perusahaan asuransi.

IV.2 PENGOLAHAN DATA IV.2.1 Pengolahan Data Uji Alat Ukur IV.2.1.1 Uji Reliabilitas Menurut Sekaran (2006), reliabilitas menunjukkan stabilitas dan konsistensi instrumen dalam mengukur konstruk serta membantu menilai ketepatan sebuah pengukuran. Ukuran reliabilitas yang digunakan dalam penelitian ini adalah keandalan konsistensi antar item, yaitu dengan menggunakan ukuran koefisien Alpha Cronbach. Ukuran ini dipilih karena skala respon yang digunakan dalam penelitian ini adalah skala multipoin (7 skala) serta beberapa item pertanyaan digunakan untuk mengukur konstruk yang sama. Uji reliabilitas untuk setiap konstruk yang diukur dapat dilihat pada Lampiran. Berikut tabel yang menunjukkan nilai Alpha Cronbach dan variabelvariabel yang harus dihilangkan dari alat ukur penelitian. Tabel IV.1 Hasil uji reliabilitas Nilai Alpha Cronbach Item Pertanyaan yang VARIABEL Keluar Awal Akhir 0.596 0.700 VK8 VK IT 0.658 0.738 IT7, IT9 Karakteristik MT 0.773 0.866 MT1, MT7 Pekerjaan OT 0.534 0.728 OT2, OT3 UB 0.711 0.783 UB1, UB7, UB8 KKA1, KKA2, KKB1, KK 0.868 0.935 Kualitas KKB5, KKD2 Kehidupan KP 0.870 0.900 KPB2, KPD1 Kerja KH 0.586 0.716 KHA1, KHB4 Sumber: Hasil pengolahan data

Bab IV Pengumpulan dan Pengolahan Data

65

IV.2.1.2 Uji Validitas Sekaran (2006) menyatakan bahwa reliabilitas belum cukup untuk menguji ketepatan ukuran. Oleh karenanya, perlu dilakukan uji validitas untuk memastikan kemampuan sebuah skala dalam mengukur konsep yang dimaksudkan. Uji validitas yang digunakan dalam penelitian ini adalah validitas konstruk, yaitu dengan memperhatikan koefisien korelasi antara respon masing-masing pertanyaan dalam kuisioner dengan skor total. Hasil pengujian validitas kuisioner penelitian dapat dilihat pada Lampiran. Berdasar hasil uji validitas yang dilakukan, seluruh item pengukuran Karakteristik Pekerjaan yang digunakan valid dengan tingkat keyakinan 95%. Hal ini berarti bahwa tidak ada lagi item pertanyaan yang harus dihilangkan atau direvisi. Sementara uji validitas terhadap item pengukuran Kualitas Kehidupan Kerja menunjukkan ada 2 item pertanyaan yang tidak valid, yaitu KHA5 dan KHB3. KHA5 merupakan item pertanyaan mengenai tuntutan pekerjaan untuk bekerja di luar waktu kerja normal, seperti pada akhir pekan atau malam hari. Pada alat ukur penelitian selanjutnya, item pertanyaan ini dapat dibuang karena terbukti secara statistik kurang tepat dalam mengukur keseimbangan waktu kerja dan personal. Namun variabel KHB3, yaitu item yang mengukur adanya konflik antar pekerja tetap dipertahankan sebagai alat ukur tekanan yang dirasakan pekerja. Hal ini didasarkan pada hasil penelitian Shamir dan Salomon (1985); Stainford, Karsh, Booske dan Smith (2001) serta Jones (2005). Kehadiran tekanan dalam kehidupan kerja selain akan mempengaruhi kehidupan non-pekerjaan seseorang, juga akan membuat ketidakseimbangan kehidupan kerja sehingga berdampak pada kualitas kehidupan kerja yang dirasakan. Dengan demikian jumlah item pertanyaan yang digunakan untuk mengukur Dimensi Karakteristik Pekerjaan adalah 43 buah. Sementara 38 buah pertanyaan akan digunakan sebagai alat ukur Kualitas Kehidupan Kerja.


66

IV.2.2 Pengolahan Data Penelitian IV.2.2.1 Profil Responden Tahap pengumpulan data menghasilkan jawaban responden atas pertanyaan terbuka dan tertutup yang diajukan. Sekaran (2006) menyarankan pencantuman data demografi dalam kuisioner agar diketahui karakteristik sampel penelitian yang digunakan. Profil responden penelitian yang diperoleh dapat dilihat pada Gambar IV.1 hingga Gambar IV.9 serta ditabelkan dalam Tabel IV.2.

Wa nita 56 51.85%

Pria 52 48.15%

Gambar IV.1 Jenis kelamin responden

47-56 th 15 13.89%

> 50 th 17-26 th 3 10 2.78% 9.26%

27-36 th 46 42.59% 37-46 th 34 31.48%

Gambar IV.2 Usia responden


67

S2/S3 5 4.63% SMU sederajat 35 32.41%

Sarjana S1 44 40.74%

Diplom a 24 22.22%

Gambar IV.3 Tingkat pendidikan responden < 1 th 17 15.74% > 5 th 49 45.37% 1-3 th 27 25%

3-5 th 15 13.89%

Gambar IV.4 Masa kerja responden > 10 jt 8 7.41%

< 1 jt 15 13.89%

5-10 jt 18 16.67%

1-5 jt 67 62.04%

Gambar IV.5 Tingkat penghasilan responden


68

Salah satu 52 48.15%

Satu-satunya 56 51.85%

Gambar IV.6 Status sumber penghasilan responden Orang tua tunggal de ngan anak 3 2.78% Be lum m enikah 33 30.56%

Menikah dan punya anak 69 63.89% Menikah tanpa anak 3 2.78%

Gambar IV.7 Status perkawinan responden Lainnya 8 11.11%

Tidak be kerja 14 19.44%

Pe gaw ai sw asta/negeri 30 41.67%

Wiras wasta 20 27.78%

Gambar IV.8 Jenis pekerjaan suami/istri responden


69

> 25 th 6 8.33% 6-25 th 13 18.06%

< 5 th 26 36.11%

5-15 th 27 37.50%

Gambar IV.9 Usia anak terkecil responden

20 18.52%

7 6.48% Fleksibilitas waktu Kerja sampingan Mengisi waktu luang Melibatkan inisiatif Kebutuhan masyarakat Lain-lain

2 1.85% 1 0.93% 73 67.59%

5 4.63%

Gambar IV.10 Alasan pilihan pekerjaan


70

Tabel IV.2 Profil responden penelitian TOTAL Jumlah Persentase 1 Jenis Kelamin Pria 52 48.15% Wanita 56 51.85% 2 Usia 17-26 tahun 10 9.26% 27-36 tahun 46 42.59% 37-46 tahun 34 31.48% 47-56 tahun 15 13.89% > 56 tahun 3 2.78% 3 Pendidikan SMU-sederajat 35 32.41% terakhir Diploma 24 22.22% Sarjana-S1 44 40.74% Sarjana S2/S3 5 4.63% 4 Masa Kerja < 1 tahun 17 15.74% 1-3 tahun 27 25% 3-5 tahun 15 13.89% > 5 tahun 49 45.37% 5 Rata-rata < 1 juta 15 13.89% penghasilan/bulan 1-5 juta 67 62.04% 5-10 juta 18 16.67% > 10 juta 8 7.41% 6 Status Satu-satunya sumber 56 51.85% Salah satu sumber 52 48.15% Penghasilan 7 Status Pernikahan Belum menikah 33 30.56% Menikah tanpa anak 3 2.78% Menikah dan punya anak 69 63.89% Orang tua tunggal tanpa anak 3 2.78% 8 Pekerjaan Karyawan swasta/negeri 30 41.67% pasangan Wiraswasta 20 27.78% Tidak bekerja 14 19.44% Lainnya 8 11.11% 9 Usia anak terkecil < 5 tahun 26 36.11% 5-15 tahun 27 37.5% 16-25 tahun 13 18.06% > 25 tahun 6 8.33% 10 Alasan pilihan Fleksibilitas waktu 73 67.59% pekerjaan Sebagai pekerjaan sampingan 5 4.63% Mengisi waktu luang 1 0.93% Melibatkan banyak inisiatif 2 1.85% Asuransi adalah kebutuhan 20 18.52% Lain-lain 7 6.48% Sumber: Hasil Pengolahan Data NO

KRITERIA


71

IV.2.2.2 Analisa Faktor Analisa Faktor yang dilakukan pada penelitian ini bertujuan untuk mereduksi sejumlah besar variabel manifes atau item pertanyaan yang digunakan sehingga lebih mudah ditangani. Selain itu hasil analisa faktor juga mampu menjelaskan kandungan dan bobot setiap variabel pembentuk masing-masing faktor. Sesuai tujuan pertama penelitian ini, Analisa Faktor dilakukan terhadap variabel-variabel

pembentuk

Karakteristik

Pekerjaan

sehingga

diperoleh

karakteristik pekerjaan agen asuransi. Sebelum melakukan Analisa Faktor, diperlukan pengujian asumsi terlebih dahulu. Adanya korelasi antar variabel-variabel yang akan dikelompokkan merupakan prasyarat utama yang harus dipenuhi untuk melakukan analisa faktor. Variabel-variabel dengan korelasi kuat akan membentuk suatu faktor yang tidak saling berkorelasi dengan faktor lain (Supranto, 2004). Ukuran yang tepat dalam melihat korelasi antar variabel adalah MSA (Measure of Sampling Adequacy). Hair et al. (1998) menyatakan MSA sebagai ukuran kecukupan jumlah sampel untuk masing-masing variabel. Jika nilai MSA kurang dari 0.50, maka penyertaan variabel tersebut dalam pengukuran perlu dipertimbangkan kembali. Selain itu, terdapat ukuran KMO (Keiser-Meyer-Olkin) yang membandingkan koefisien korelasi terobservasi dengan nilai koefisien korelasi parsial. Nilai KMO kecil menunjukkan bahwa korelasi antar pasangan variabel tidak dapat diterangkan oleh variabel lainnya dan Analisa Faktor tidak tepat dilakukan. Hair et al. (1998) menggunakan KMO sebagai pengujian statistik kecukupan jumlah sampel secara keseluruhan. Nilai KMO kecil mengindikasikan bahwa penggunaan analisis faktor perlu dipertimbangkan. Nilai KMO yang disarankan untuk melanjutkan analisa faktor adalah > 0.50. Ukuran lain yang juga patut dipertimbangkan adalah Bartlett test of sphericity. Bartlett test menguji apakah matriks korelasi yang terjadi antar variabel yang diteliti merupakan matriks identitas. Ringkasan hasil uji asumsi Analisa Faktor terhadap item-item pembentuk Karakteristik Pekerjaan dapat dilihat pada Tabel IV.3.


72

Tabel IV.3 Hasil uji asumsi analisa faktor karakteristik pekerjaan Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Approx. ChiSphericity Square df Sig. ITEM VK1 VK2 VK3 VK4 VK5 VK6 VK7 IT1 IT2 IT3 IT4 IT5 IT6 IT8 IT10

MSA 0.427 0.718 0.590 0.535 0.759 0.715 0.861 0.689 0.571 0.611 0.824 0.536 0.579 0.423 0.369

ITEM IT11 MT2 MT3 MT4 MT5 MT6 MT8 MT9 MT10 MT11 MT12 MT13 OT1 OT4

MSA 0.728 0.717 0.757 0.645 0.572 0.622 0.509 0.874 0.805 0.886 0.800 0.748 0.750 0.792

.696 3079.994 903 .000 ITEM OT5 OT6 OT7 OT8 OT9 OT10 OT11 UB2 UB3 UB4 UB5 UB6 UB9 UB10

MSA 0.607 0.678 0.638 0.745 0.816 0.768 0.667 0.361 0.578 0.677 0.381 0.843 0.860 0.706

Sumber: Hasil Pengolahan Data

Tabel IV.3 menunjukkan tingkat signifikansi Bartlett test yang bernilai < 0.05. Hal ini berarti hipotesis bahwa matriks korelasi yang terbentuk merupakan matriks identitas ditolak. Artinya terdapat korelasi antar variabel-variabel karakteristik pekerjaan yang digunakan sehingga Analisa Faktor dapat diterapkan. Demikian halnya hasil yang ditunjukkan oleh ukuran KMO, yaitu 0.696. Berdasarkan kriteria yang dikembangkan oleh Keiser, nilai ini tergolong dalam kelas Mediocre, dan termasuk dalam ambang batas penerimaan untuk melaksanakan Analisa Faktor. Akan tetapi, apabila ditinjau dari nilai MSA masing-masing variabel, masih terdapat nilai MSA yang lebih kecil dari 0.50. Berdasarkan Hair et al. (1998), peneliti harus memastikan bahwa setiap variabel yang diikutkan dalam analisa telah memiliki nilai MSA yang lebih besar dari 0.50 dengan cara mengeluarkan variabel yang melanggar asumsi. Seperti terlihat pada Tabel IV.3, item UB2 memiliki nilai MSA paling kecil, sehingga item ini harus


73

dihilangkan dan uji asumsi dilakukan lagi. Tabel IV.4 merupakan hasil uji asumsi iterasi kedua, yaitu dengan tanpa mengikutsertakan item UB2. Tabel IV.4 Hasil uji asumsi analisa faktor iterasi II Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. ChiBartlett's Test of Square Sphericity df Sig.

.717 2968.704 861 .000

ITEM

MSA

ITEM

MSA

ITEM

MSA

VK1 VK2 VK3 VK4 VK5 VK6 VK7 IT1 IT2 IT3 IT4 IT5 IT6 IT8

.433 .705 .616 .523 .769 .707 .855 .746 .679 .635 .848 .500 .603 .413

IT10 IT11 MT2 MT3 MT4 MT5 MT6 MT8 MT9 MT10 MT11 MT12 MT13 OT1

.363 .725 .720 .823 .728 .649 .659 .532 .874 .798 .882 .808 .732 .743

OT4 OT5 OT6 OT7 OT8 OT9 OT10 OT11 UB3 UB4 UB5 UB6 UB9 UB10

.781 .709 .702 .698 .783 .808 .799 .655 .565 .707 .372 .844 .856 .709


Dari hasil uji asumsi tersebut, ketidaksertaan item UB2 dalam Analisa Faktor mampu meningkatkan nilai KMO menjadi 0.717. Namun masih terdapat item dengan nilai MSA yang < 0.50. Untuk itu, pengujian asumsi iterasi ketiga dilakukan dengan menghilangkan item IT10, yaitu item dengan nilai MSA paling rendah. Hasil pengujian asumsi iterasi ketiga dapat dilihat pada Tabel IV.5.


74

Tabel IV.5 Hasil uji asumsi analisa faktor iterasi III Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of df Sphericity Sig.

2885.012 820 .000

ITEM

MSA

ITEM

MSA

ITEM

MSA


0.442 0.744 0.646 0.528 0.757 0.702 0.864 0.741 0.663 0.615 0.865 0.501 0.589 0.558

IT11 MT2 MT3 MT4 MT5 MT6 MT8 MT9 MT10 MT11 MT12 MT13 OT1 OT4

0.719 0.714 0.832 0.730 0.676 0.734 0.532 0.870 0.791 0.878 0.794 0.729 0.738 0.825

OT5 OT6 OT7 OT8 OT9 OT10 OT11 UB3 UB4 UB5 UB6 UB9 UB10

0.697 0.730 0.740 0.764 0.804 0.786 0.682 0.558 0.698 0.397 0.861 0.879 0.755

.732


Pengujian asumsi Analisa Faktor pada iterasi III masih menyisakan item dengan nilai MSA< 0.50. Maka perlu dilakukan pengujian asumsi ulang dengan meniadakan item yang memiliki nilai MSA terkecil, yaitu item UB5. Ringkasan hasil pengujian asumsi dapat dilihat pada Tabel IV.6.


75

Tabel IV.6 Hasil uji asumsi analisa faktor iterasi IV Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of df Sphericity Sig.

2798.152 780 .000

ITEM

MSA

ITEM

MSA

ITEM

MSA


.432 .804 .626 .567 .806 .731 .860 .776 .697 .608 .870 .497 .590 .554

IT11 MT2 MT3 MT4 MT5 MT6 MT8 MT9 MT10 MT11 MT12 MT13 OT1

.729 .706 .828 .723 .661 .727 .527 .887 .800 .872 .797 .737 .774

OT4 OT5 OT6 OT7 OT8 OT9 OT10 OT11 UB3 UB4 UB6 UB9 UB10

.835 .700 .755 .742 .769 .802 .794 .712 .545 .723 .856 .880 .823

.747


Dari pengujian asumsi iterasi IV tersebut terlihat bahwa tindakan menghilangkan item UB5 justru menyebabkan nilai MSA item IT5 menjadi < 0.50, meskipun nilai KMO dan Chi-Square Bartlett test semakin tinggi. Sehingga saat ini terdapat 2 buah item yang berada di luar ambang batas penerimaan MSA yaitu VK1 dan IT5. Meskipun VK1 memiliki nilai MSA terendah, namun item ini mengukur persepsi responden terhadap keterampilan berkomunikasi dalam pekerjaan sebagai agen asuransi. Menurut Lovelock (1988) serta Anonim (2004) dalam www.careeroverview.com, keterampilan berkomunikasi merupakan hal mutlak yang harus dimiliki seorang agen asuransi. Hal senada juga disampaikan oleh responden penelitian pada saat wawancara dilakukan. Oleh karenanya, variabel ini tidak dihilangkan dari pengukuran. Sebagai gantinya, IT5 yaitu item yang menanyakan kemampuan responden dalam mendeteksi saat suatu siklus pekerjaan dimulai, dihilangkan dari alat ukur. Hasil pengujian asumsi dengan


76

meniadakan item IT5 dapat dilihat pada Tabel IV.7. Sementara hasil uji asumsi selengkapnya dapat dilihat pada Lampiran. Tabel IV.7 Hasil uji asumsi analisa faktor iterasi V Kaiser-Meyer-Olkin Measure of Sampling Adequacy.

.785

Approx. Chi-Square df Sig.

2669.656 741 .000

Bartlett's Test of Sphericity

ITEM

MSA

ITEM

MSA

ITEM

MSA

VK1 VK2 VK3 VK4 VK5 VK6 VK7 IT1 IT2 IT3 IT4 IT6 IT8

0.574 0.789 0.691 0.626 0.800 0.795 0.860 0.787 0.726 0.593 0.877 0.612 0.608

IT11 MT2 MT3 MT4 MT5 MT6 MT8 MT9 MT10 MT11 MT12 MT13 OT1

0.750 0.785 0.813 0.734 0.672 0.774 0.571 0.894 0.793 0.863 0.868 0.804 0.760

OT4 OT5 OT6 OT7 OT8 OT9 OT10 OT11 UB3 UB4 UB6 UB9 UB10

0.833 0.683 0.766 0.725 0.767 0.834 0.889 0.782 0.704 0.711 0.862 0.897 0.821

Sumber: Hasil Pengolahan Data Tabel IV.7 menunjukkan bahwa asumsi korelasi antar variabel telah terpenuhi berdasar kriteria KMO, Bartlett test dan MSA sehingga Analisa Faktor layak untuk dilakukan. Dengan dihilangkannya 4 item dari alat ukur, maka saat ini terdapat 39 item yang digunakan untuk mengukur Karakteristik Pekerjaan. Penentuan jumlah faktor yang akan dihasilkan pada penelitian ini dilakukan dengan metode a priori, yaitu peneliti menspesifikasikan sejumlah 5 faktor yang akan terbentuk. Hal ini dilakukan karena telah diketahui jumlah faktor yang ingin dihasilkan berdasarkan penelitian-penelitian yang pernah ada sebelumnya, yang menjadi dasar dalam pengembangan alat ukur penelitian ini. Metode Analisa Faktor yang digunakan dalam penelitian ini adalah Principal Component

Analysis.

Supranto

(2004)

menyatakan

bahwa

metode

ini

direkomendasikan penggunaannya apabila penelitian bertujuan menentukan sejumlah minimum faktor dengan memperhitungkan variansi maksimum data


77

untuk digunakan dalam analisa multivariat selanjutnya. Analisa Faktor pada penelitian ini menggunakan rotasi ortogonal untuk memudahkan interpretasi faktor-faktor yang dihasilkan. Interpretasi faktor yang digunakan didasarkan pada bobot masing-masing variabel terhadap faktor yang terbentuk. Tabel IV.8 menunjukkan besar variansi yang diteruskan dengan menggunakan 5 faktor. Berdasarkan Tabel IV.8, jumlah variansi yang diteruskan dengan menggunakan 5 faktor adalah 54.491%. Meskipun Hair et al. (1998) menyatakan bahwa jumlah variansi minimum yang diteruskan faktor pada penelitian sosial sebesar 60%, namun nilai 54.491% variansi ini masih dapat diterima sehingga tidak perlu dilakukan ekstraksi faktor lebih banyak lagi. Terlebih, metode a priori yang dipilih telah menspesifikasikan terbentuk 5 faktor, sesuai Model Karakteristik Pekerjaan Hackman dan Oldham (1980). Informasi pengelompokan variabel-variabel ke dalam 5 faktor ini dapat dilihat pada Tabel IV.9. Dengan rotasi ortogonal yang dilakukan, masih terdapat beberapa variabel yang memiliki bobot faktor > 0.30 pada lebih dari satu faktor. Hasil tersebut kemudian dibandingkan dengan konstruksi awal pembentukan variabel-variabel pengukuran untuk dilakukan pemberian nama faktor serta menentukan variabel-variabel pembentuk faktor. Hasil interpretasi masing-masing faktor tersebut adalah: 1. Faktor 1 Faktor 1 dibentuk oleh sebagian besar variabel-variabel OT dan MT yang memiliki bobot faktor > 0.30. Namun terlihat bahwa bobot faktor variabelvariabel OT lebih besar. Oleh karena itu, faktor 1 diberi nama Faktor Otonomi dengan variabel-variabel pembentuk adalah OT4, OT6, OT8, OT9, OT10 dan OT11. Item pengukuran otonomi yang tidak dimasukkan dalam faktor ini adalah OT1, OT5 dan OT7. Item-item ini mengukur otonomi pengaturan jadwal kerja harian, cara kerja dan media komunikasi yang digunakan dalam bekerja. Sebagai gantinya, item-item pembentuk Faktor Otonomi diharapkan mampu mengukur aspek-aspek tersebut. 2. Faktor 2 Variabel-variabel yang mendominasi faktor 2 adalah item-item pertanyaan yang mengukur tingkat makna tugas. Oleh sebab itu faktor 2 ini diberi nama


78

Faktor Makna Tugas dengan variabel-variabel pembentuk yaitu: MT3, MT4, MT8, MT9, MT10, MT11 dan MT12. Variabel yang tidak digunakan dalam mengukur makna tugas adalah MT2, MT5, MT6 dan MT13. Namun aspek yang diukur oleh item-item tersebut telah diwakili oleh item-item pembentuk Faktor Makna Tugas seperti MT5 yang diwakili oleh MT8 dalam menggambarkan makna tugas bagi pihak lain dalam perusahaan. 3. Faktor 3 Item-item pembentuk variabel laten Variasi Keterampilan memiliki bobot faktor > 0.30 pada faktor ini. Sehingga faktor ini dapat diinterpretasikan sebagai Faktor Variasi Keterampilan. Hasil rotasi matriks faktor juga menunjukkan bahwa VK1 hanya menyumbang 0.277 terhadap faktor variasi keterampilan. Namun karena komunikasi merupakan modal keterampilan utama yang harus dimiliki seorang agen asuransi, maka item ini tetap dimasukkan untuk menentukan karakteristik pekerjaan agen asuransi dari sisi variasi keterampilan. Sehingga item-item pembentuk Faktor Variasi Keterampilan yang digunakan adalah VK1, VK2, VK3, VK4, VK5 dan VK6. 4. Faktor 4 Hasil rotasi matriks faktor menujukkan bahwa terdapat 4 variabel identitas tugas yang memiliki bobot besar pada faktor ini. Sehingga faktor ini disebut dengan Faktor Identitas Tugas, dengan variabel pembentuk faktor adalah IT1, IT2, IT4 dan IT8. Item-item yang dikeluarkan dari alat ukur identitas tugas adalah IT3, IT6 dan IT11. 5. Faktor 5 Item-item pengukur variabel laten umpan balik pekerjaan tersebar pada faktor 1, 2 dan 4. Namun terlihat bahwa item UB4 dan UB6 memberikan sumbangan bobot yang lebih besar pada faktor 5. Dengan demikian, faktor ini disebut sebagai Faktor Umpan Balik Pekerjaan. Item pengukuran umpan balik pekerjaan yang dihilangkan dari faktor ini adalah UB3, UB9 dan UB10. Rangkuman variabel-variabel manifes pembentuk masing-masing faktor dapat dilihat pada Tabel IV.10.


79

Tabel IV.8 Jumlah faktor dihasilkan dan variansi diteruskan Component 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

Total 11.212 2.963 2.662 2.413 2.001 1.888 1.468 1.355 1.098 1.014 .966 .916 .812 .724 .713 .642 .575 .560 .501 .464 .433 .385 .378 .346 .304 .272

Initial Eigenvalues % of Variance Cumulative % 28.747 28.747 7.598 36.345 6.826 43.172 6.188 49.360 5.131 54.491 4.840 59.331 3.765 63.096 3.473 66.569 2.816 69.385 2.599 71.984 2.478 74.462 2.348 76.810 2.082 78.892 1.857 80.750 1.829 82.579 1.646 84.224 1.474 85.698 1.436 87.134 1.285 88.420 1.189 89.609 1.109 90.718 .986 91.704 .969 92.674 .888 93.562 .779 94.341 .698 95.039


Extraction Sums of Squared Loadings Total % of Variance Cumulative % 11.212 28.747 28.747 2.963 7.598 36.345 2.662 6.826 43.172 2.413 6.188 49.360 2.001 5.131 54.491

Rotation Sums of Squared Loadings Total % of Variance Cumulative % 5.714 14.650 14.650 5.277 13.532 28.182 3.987 10.223 38.405 3.409 8.742 47.148 2.864 7.343 54.491

80

Tabel IV.8 Jumlah faktor dihasilkan dan variansi diteruskan (Lanjutan) Component 27 28 29 30 31 32 33 34 35 36 37 38 39

Total 0.246 0.23 0.213 0.19 0.178 0.164 0.137 0.124 0.119 0.101 0.087 0.081 0.066

Initial Eigenvalues % of Variance Cumulative % 0.631 95.67 0.59 96.26 0.545 96.805 0.486 97.291 0.457 97.748 0.42 98.168 0.352 98.52 0.319 98.839 0.304 99.143 0.26 99.403 0.222 99.625 0.207 99.832 0.168 100



Extraction Sums of Squared Loadings Total % of Variance Cumulative %

Rotation Sums of Squared Loadings Total % of Variance Cumulative %

81

Tabel IV.9 Hasil rotasi matriks karakteristik pekerjaan Component 2 3 0.277 0.42 0.44 0.482 0.829 0.417 0.697

1 4 5 VK1 -0.473 VK2 0.313 VK3 0.433 VK4 VK5 0.53 0.325 VK6 0.427 VK7 0.546 0.355 IT1 0.587 IT2 0.4 0.656 IT3 0.326 0.555 IT4 0.603 0.32 0.426 IT6 0.582 IT8 0.499 0.392 0.412 IT11 0.482 MT2 0.307 0.259 0.625 MT3 0.629 MT4 0.601 0.382 MT5 0.598 MT6 0.63 MT8 0.323 0.329 -0.384 0.318 MT9 0.467 0.55 MT10 0.458 0.571 MT11 0.365 0.559 MT12 0.627 0.402 0.327 MT13 0.595 0.327 OT1 0.712 OT4 0.479 0.357 0.411 OT5 0.364 0.516 OT6 0.48 0.466 OT7 0.56 OT8 0.751 OT9 0.715 0.317 OT10 0.462 0.451 OT11 0.309 0.458 0.302 UB3 0.774 UB4 0.54 UB6 0.443 0.568 UB9 0.574 0.558 UB10 0.484 0.469 Extraction Method: Principal Component Analysis Rotation Method: Varimax with Kaiser Normalization a Rotation converged in 10 iterations


82

Tabel IV.10 Rekapitulasi variabel pembentuk faktor karakteristik pekerjaan Faktor Variabel pembentuk Variabel manifes yang dihilangkan OT4 OT1 OT6 OT5 OT8 OT7 Otonomi OT9 OT10 OT11 MT3 MT2 MT4 MT5 MT8 MT6 Makna MT9 MT13 Tugas MT10 MT11 MT12 VK1 VK7 VK2 Variasi VK3 Keterampilan VK4 VK5 VK6 IT1 IT3 Identitas IT2 IT6 Tugas IT4 IT11 IT8 UB4 UB3 Umpan Balik UB6 UB9 Pekerjaan UB10 Sumber: Hasil Pengolahan Data

Berdasarkan faktor-faktor yang telah terbentuk tersebut, maka dapat ditentukan nilai masing-masing faktor Karakteristik Pekerjaan agen asuransi, seperti dapat dilihat pada Tabel IV.11. Teknik yang digunakan untuk menentukan skor masing-masing faktor karakteristik pekerjaan yang terbentuk adalah summated scale, yaitu dengan cara merata-ratakan nilai seluruh variabel pembentuk suatu faktor.


83

Tabel IV.11 Skor rata-rata karakteristik pekerjaan agen asuransi Variabel Variabel Rata-Rata Bobot Faktor Rata-Rata Manifes OT4 0.479 5.7 OT6 0.48 6.21 OT8 0.751 6.21 Otonomi 6.1 OT9 0.715 5.87 OT10 0.462 6.37 OT11 0.309 6.259 MT3 0.629 6.343 MT4 0.601 6.13 MT8 0.329 4.9 Makna Tugas 5.981 MT9 0.55 5.66 MT10 0.571 6.45 MT11 0.559 6.00 MT12 0.402 6.389 VK1 0.277 6.44 VK2 0.44 6.19 VK3 0.482 5.991 Variasi 6.23 Keterampilan VK4 0.829 6.39 VK5 0.417 6.19 VK6 0.697 6.15 IT1 0.587 5.81 IT2 0.656 6.019 Identitas 5.49 Tugas IT4 0.426 5.694 IT8 0.412 4.454 UB4 0.54 5.5 Umpan Balik 5.83 Pekerjaan UB6 0.568 6.157 Sumber: Hasil Pengolahan Data

IV.2.2.3 Regresi Linier Berganda Tujuan kedua dari penelitian ini adalah untuk mengetahui dimensi karakteristik pekerjaan yang berpengaruh terhadap kualitas kehidupan kerja agen asuransi. Berdasarkan tujuan tersebut, teknik statistik yang digunakan adalah Regresi Linier Berganda. Sebelum pengolahan data dimulai, dilakukan pengujian asumsi Regresi Linier Berganda yang meliputi:


84

1. Uji linieritas Pengujian linieritas pada penelitian ini dilakukan secara grafis seperti dapat dilihat pada Gambar IV.10 – Gambar IV.14. S

7.000 S

SS S SS S S SS S S S SS S S SS SS S S S S SS S S QWL = 3.22 S S S S+ 0.13 * S S S S S S R-Square = 0.15 S S SS SS S S SS SS S S S S S S S SS S SS

S

6.000

QWL

S

S S S

S S

S

S S S S S S S

S SV

S S S

S S S S S

5.000

S

S S

S

S

4.000

S

14.000

16.000

18.000

20.000

22.000

VK

Gambar IV.11 Uji linieritas variabel independen variasi keterampilan

S

7.000 S

S S

S

S

QWL

S S

S

9.000

S

S S S SS S S S SS

SS

S

S

S

4.000

S S

S

S

+ 0.12 * ID S 0.07 S S

SS

S

5.000

S

S S S S S S S SS S S S S S QWL = 4.41 S S S S S SS S S SS = R-Square S S S S S SS SS SS S S SS S S S S S S S SS S S S S S S S S S

S S

S

6.000

S

S

S

S

10.000

11.000

12.000

13.000

14.000

IT

Gambar IV.12 Uji linieritas variabel independen identitas tugas


85

S

7.000 S

S

SS S

S

S

S S S S S S S S S S S S S S S S S S S SS S S QWLS= 2.90 + 0.13 TS S S* S S S S S S S S S S S = 0.28 R-Square SS S SS S S SS S S S SS S SS S S S S SSS S S SS S S SS S SS S S S S S S S S S S S S S S S S S S S

QWL

6.000

5.000

SS

S

S

S

SS

4.000 16.000

18.000

20.000

22.000

24.000

MT

Gambar IV.13 Uji linieritas variabel independen makna tugas S

7.000 S

S S

S SS

S S SS S S S S SS S S S S S S S S S S S S S S SS S * OT S SS+ 0.13 QWL = 3.21 S S S S S S S S R-Square S S S 0.23 S= SS SSS S S S SS S S S S SS S S SS S SSS S SS S S SS S S S S S S S S S

6.000

QWL

S

S

5.000

S

S

SS

S

4.000 10.000

15.000

S

S

20.000

OT

Gambar IV.14 Uji linieritas variabel independen otonomi


86

S

7.000

S

S S S

S S

S

6.000

S

QWL

S S S

S S S S S S S S S S S QWL S = 4.21 S S S S S R-Square = S S S S S S S S S S S S S S S S S S S S

S

S S

+ 0.25 * FBS S S 0.11 S S S S

S

S

4.000

S S

S

S

4.000

S S S S S S S S

S S

S S

S

5.000

S

S

S

5.000

6.000

7.000

UB

Gambar IV.15 Uji linieritas variabel independen umpan balik pekerjaan 2. Eror berdistribusi normal Untuk kepentingan pengujian ini digunakan normal probability plot, seperti tampak pada Gambar IV.15 serta diilustrasikan dalam bentuk histogram pada Gambar IV.16. Normal P-P Plot of Regression Standardized Residual Dependent Variable: QWL 1.0

Expected Cum Prob

0.8

0.6

0.4

0.2

0.0 0.0

0.2

0.4

0.6

0.8

Observed Cum Prob

Gambar IV.16 Uji normalitas eror


1.0

87

Dependent Variable: QWL

30

Frequency

25

20

15

10 Mean = 3.18E-15 Std. Dev. = 0.991 N = 108

5

0 -4

-2

0

2

4

Regression Standardized Residual

Gambar IV.17 Histrogram distribusi eror

3. Uji Homoskedastisitas Pada penelitian ini uji homoskedastisitas dilakukan secara grafis dengan melihat plot antara residu dengan nilai variabel dependen yang diprediksi. Hasil pengujian homoskedastisitas dapat dilihat pada Gambar IV.17. Dependent Variable: QWL

Regression Standardized Residual

3

2

1

0

-1

-2

-3

-4 -4

-3

-2

-1

0

Regression Standardized Predicted Value

Gambar IV.18 Uji homoskedastisitas


1

2

88

Dengan terpenuhinya seluruh asumsi regresi linier berganda, maka pembentukan model regresi dapat dilakukan. Metode yang digunakan untuk melibatkan variabel independen dalam penelitian ini adalah sequential method yaitu stepwise estimation. Hasil estimasi model regresi dapat dilihat pada Tabel IV.12 sampai Tabel IV.17.

Tabel IV.12 Korelasi antar variabel VK

IT MT OT Pearson Correlation 1 .258(**) .404(**) .373(**) VK Sig. (2-tailed) .007 .000 .000 N 108 108 108 108 Pearson Correlation .258(**) 1 .210(*) .313(**) IT Sig. (2-tailed) .007 .029 .001 N 108 108 108 108 Pearson Correlation .404(**) .210(*) 1 .735(**) MT Sig. (2-tailed) .000 .029 .000 N 108 108 108 108 Pearson Correlation .373(**) .313(**) .735(**) 1 OT Sig. (2-tailed) .000 .001 .000 N 108 108 108 108 Pearson Correlation .425(**) .351(**) .427(**) .610(**) UB Sig. (2-tailed) .000 .000 .000 .000 N 108 108 108 108 Pearson Correlation .382(**) .265(**) .526(**) .485(**) QWL Sig. (2-tailed) .000 .006 .000 .000 N 108 108 108 108 ** Correlation is significant at the 0.01 level (2-tailed). * Correlation is significant at the 0.05 level (2-tailed).

Model 1 2

UB .425(**) .000 108 .351(**) .000 108 .427(**) .000 108 .610(**) .000 108 1 108 .337(**) .000 108

Tabel IV.13 Kebaikan model regresi Std. Error Adjusted R R Square of the R Square Estimate .526(a) .277 .270 .487440 .558(b) .311 .298 .478082

a Predictors: (Constant), MT b Predictors: (Constant), MT, VK c Dependent Variable: QWL


QWL .382(**) .000 108 .265(**) .006 108 .526(**) .000 108 .485(**) .000 108 .337(**) .000 108 1 108

89

Tabel IV.14 Uji ANOVA model regresi Sum of Model F Squares df Mean Square 1 Regression 9.649 1 9.649 25.185 106 .238 40.610 Residual Total 34.834 107 2 Regression 10.835 2 5.418 23.999 105 .229 23.703 Residual Total 34.834 107 a b c

.000(a)

.000(b)

Predictors: (Constant), MT Predictors: (Constant), MT, VK Dependent Variable: QWL

Model 1 (Constant) MT 2 (Constant) MT VK a

Sig.

Tabel IV.15 Persamaan regresi Unstandardized Standardized Coefficients Coefficients B Beta Std. Error 2.903 0.457 0.132 0.021 0.526 1.99 0.601 0.111 0.022 0.445 0.07 0.031 0.202

t

Sig.

6.354 6.373 3.31 5.022 2.278

0.000 0.000 0.001 0.000 0.025


Tabel IV.16 Variabel independen yang tidak digunakan dalam model Partial Collinearity Statistics Beta Model t Sig. Correlation Minimum In VIF Tolerance Tolerance 0.202 2.278 0.025 0.217 0.837 1.195 0.837 1 VK IT 0.161 1.933 0.056 0.185 0.956 1.046 0.956 OT 0.213 1.764 0.081 0.170 0.459 2.176 0.459 UB 0.137 1.511 0.134 0.146 0.818 1.223 0.818 2 IT 0.129 1.543 0.126 0.150 0.920 1.087 0.805 OT 0.182 1.523 0.131 0.148 0.453 2.209 0.440 UB 0.083 0.876 0.383 0.086 0.741 1.349 0.741 a

Predictors in the Model: (Constant), MT Predictors in the Model: (Constant), MT, VK c Dependent Variable: QWL b

Setelah estimasi model regresi dilakukan, maka dilakukan identifikasi outlier. Hasil pengujian outlier dapat dilihat pada Gambar IV.19 dan Tabel IV.17.


90


Regression Studentized Residual

4

2

0

-2

-4 -3

-2

-1

0

1

2

Regression Standardized Predicted Value

Gambar IV.19 Uji outlier

Tabel IV.17 Statistik residu Predicted Value Std. Predicted Value Standard Error of Predicted Value Adjusted Predicted Value Residual Std. Residual Stud. Residual Deleted Residual Stud. Deleted Residual Mahal. Distance Cook's Distance Centered Leverage Value

Minimum 5.02511 -2.433

Maximum 6.35630 1.750

Mean 5.79944 .000

Std. Deviation .318221 1.000

N 108 108

.046

.214

.074

.029

108

5.06450 -1.576011 -3.297 -3.317 -1.595297 -3.489 .005 .000 .000

6.38267 1.450663 3.034 3.087 1.501838 3.222 20.488 .513 .191

5.79778 .000000 .000 .002 .001665 -.001 1.981 .016 .019

.320337 .473593 .991 1.012 .494855 1.033 3.181 .061 .030

108 108 108 108 108 108 108 108 108

Sumber: Hasil Pengolahan Data Setelah dipastikan bahwa efek outlier tidak mempengaruhi interpretasi model regresi, maka berdasarkan hasil pengolahan model regresi yang terbentuk adalah: Y = 1.99 + 0.111 MT + 0.07 VK


91

Nilai koefisien beta yang dihasilkan model regresi ini menunjukkan bahwa variabel MT (Makna Tugas) memiliki nilai relatif lebih besar dibanding variabel prediktor lain, yaitu variasi keterampilan. Sehingga makna tugas merupakan dimensi karakteristik pekerjaan yang memberikan pengaruh relatif lebih besar terhadap kualitas kehidupan kerja agen asuransi. Dalam melakukan interpretasi model regresi, perlu dideteksi apakah terdapat efek multikolinearitas yang akan mempengaruhi kemampuan variabel independen dalam memprediksi variabel dependen. Ukuran yang dapat digunakan untuk mendeteksi adanya multikolinearitas antar variabel independen adalah nilai VIF dan nilai Toleransi. Hasil pengujian multikolinearitas dapat dilihat pada Tabel IV.18. Nilai toleransi yang tinggi mengindikasikan kecilnya kolinearitas dan nilai toleransi mendekati nol menunjukkan bahwa hampir seluruh variabel independen mampu dijelaskan oleh variabel independen yang lain. VIF (Variance Inflation Factor) merupakan kebalikan dari nilai toleransi dimana VIF yang kecil menunjukkan kecilnya interkorelasi diantara variabel independen. Tabel IV.18 Hasil uji multikolinearitas Variabel Tolerance VIF MT .837 1.195 VK .837 1.195 Untuk memastikan bahwa model regresi yang terbentuk memiliki generalisasi yang baik, dilakukan validasi model. Pendekatan yang digunakan untuk memvalidasi model pada penelitian ini adalah dengan membandingkan model regresi enter/confirmatory. Model regresi yang terbentuk dengan metode ini dapat dilihat pada Tabel IV.19 hingga Tabel IV.21. Tabel IV.19 Kebaikan model regresi metode enter Adjusted Std. Error of Model R R Square R Square the Estimate 1 .580(a) .336 .303 .476207 a b

Predictors: (Constant), UB, IT, MT, VK, OT Dependent Variable: QWL


92

Tabel IV.20 Uji ANOVA model regresi metode enter Sum of Model F Sig. df Mean Square Squares 11.704 5 2.341 10.322 .000(a) Regression 23.131 102 .227 Residual Total 34.834 107

1

a b

Predictors: (Constant), UB, IT, MT, VK, OT Dependent Variable: QWL

Tabel IV.21 Persamaan regresi model enter Unstandardized Unstandardized Model Coefficients Coefficients (Beta) B Std. Error 1.522 .657 1 (Constant) VK .058 .032 .167 IT .048 .040 .107 MT .082 .031 .327 OT .041 .038 .150 UB -.002 .079 -.003 a



t

Sig

2.314 1.787 1.218 2.673 1.097 -.026

.023 .077 .226 .009 .275 .979

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Recommend Documents