Prosiding Seminar Sains dan Teknologi FMIPA Unmul Vol. 1 No. 1 Juli 2016, Samarinda, Indonesia ISSN : 2528 - 0988
STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Studi Kasus: Pengaruh Locus of Control, Self Efficacy, dan Lingkungan Kerja Terhadap Kinerja Karyawan Kaltim Post Samarinda) Rosa Nur Meilita1, Yuki Novia Nasution2,*, Memi Nor Hayati2 Laboratorium Statistika Komputasi, Fakultas MIPA, Universitas Mulawarman 2 Program Studi Statistika FMIPA, Universitas Mulawarman *Corresponding Author:
[email protected]
1
Abstrak Structural Equation Modeling (SEM) merupakan salah satu metode multivariat yang dapat menganalisis hubungan antar variabel secara lebih kompleks. Ada dua pendekatan SEM yaitu Covariance Based SEM (CBSEM) dan Partial Least Square (PLS). Pada penelitian ini menggunakan pendekatan PLS, dimana PLS merupakan metode analisis yang powerfull dengan tidak didasarkan banyak asumsi. Tujuan penelitian ini adalah untuk mengetahui faktor-faktor yang mempengaruhi kinerja karyawan Kaltim Post Samarinda yang tediri dari tiga faktor yaitu, locus of control, self efficacy, dan lingkungan kerja. Model fit yang yang diperoleh dari hasil penelitian ini adalah η = 0,446 ξ Model tersebut menunjukan bahwa self efficacy yang berpengaruh secara signifikan terhadap kinerja karyawan.
Kata-kata kunci: Kinerja karyawan, model fit, partial least square, self efficacy, structural equation modeling . Pendahuluan Dari penelitian tersebut penulis tertarik untuk membahas penerapan metode SEM Structural Equation Modeling (SEM) untuk kasus Pengaruh Locus of Control, Self merupakan teknik analisis multivariat yang Efficacy, dan Lingkungan Kerja Terhadap dikembangkan guna menutupi keterbatasan Kinerja Karyawan Kaltim Post Samarinda yang dimiliki oleh model-model analisis dimana hasil penelitian ini diharapkan dapat sebelumnya yang telah digunakan secara mengetahui faktor-faktor yang luas dalam penelitian statistik. [1]. Metode mempengaruhi kinerja karyawan tersebut, SEM memiliki kemampuan analisis dan Kinerja Karyawan adalah apa yang prediksi yang lebih baik dibandingkan dilakukan dan tidak dilakukan oleh karyawan. analisis jalur dan regresi berganda karena Kinerja para karyawan didukung oleh SEM mampu menganalisis sampai pada beberapa faktor antara lain locus of control level terdalam terhadap variabel atau model (tingkat kepercayaan mengenai sumber yang diteliti. penentu kehidupan mereka), self efficacy Partial Least Square (PLS) adalah salah (keyakinan seseorang mengenai satu metode alternatif estimasi model untuk kemampuan dan peluangnya untuk berhasil mengelola Structural Equation Modeling mencapai tugas tertentu) dan lingkungan (SEM). PLS dibuat untuk mengatasi kerja yang berpengaruh terhadap kinerja keterbatasan metode SEM. Pada metode karyawan [5]. SEM mengharuskan data berukuran besar, tidak ada missing value, harus berdistribusi Teori normal dan tidak boleh memiliki Dalam penelitian ini analisis dilakukan multikolinieritas [2]. dengan langkah-langkah sebagai berikut: Afifah dan Sunaryo (2013) meneliti SEM dengan Finite Mixture Partial Least Square 1. Analisis Data Deskriptif (FMPLS) [3], dan Ulum (2014) meneliti SEM Analisis ini tidak dimaksudkan hanya dengan pendekatan Partial Least Square untuk menggambarkan angka-angka dari (PLS) untuk sampel berukuran kecil, objek penelitian yang diperoleh dari hasil dilakukan perbandingan antara metode SEManalisis deskriptif. PLS dan covarian based SEM (CBSEM) [4]. Kedua penelitian tersebut menggunakan PLS sebagai metode analisis.
41
Prosiding Seminar Sains dan Teknologi FMIPA Unmul Vol. 1 No. 1 Juli 2016, Samarinda, Indonesia ISSN : 2528 - 0988 serta terdapat pada software PLS. Metode lain untuk menilai validitas diskriminan adalah membandingkan nilai akar kuadrat dari Average Variance Extracted (AVE) setiap variabel laten dengan korelasi antara variabel laten yang satu dengan variabel laten lainnya dalam model. nilai AVE harus lebih besar dari 0,50.
2. Spesifikasi Model PLS a. Inner model (model struktural) menggambarkan hubungan antar variabel laten berdasarkan pada teori substantif.
(1)
dimana menggambarkan vektor variabel laten dependen, adalah vektor variabel laten eksogen, dan adalah vektor variabel residual.
AVE m
i 1
b. Outer Model (model pengukuran) mendefinisikan bagaimana setiap blok indikator berhubungan dengan variabel latennya. (2) x x x
y y y
m
i 1
(3)
n n X 2 i 1 i
n
i 1
m
2
n
i 1
i
i 1
n
2
n
(5)
2
(6)
i
m i 1
var i
Nilai composite reliability harus lebih besar dari 0,70 tetapi nilai 0,60 masih dapat diterima. d. Goodness Of Fit Dalam menilai model dengan PLS 2 dilakukan R untuk setiap variabel laten dependen dari goodness of fit 2 dengan melihat R untuk setiap 2 variabel laten dependen. R dapat dihitung dengan menggunakan rumus berikut: 2 i ˆi (7) R2 1 2 ˆ i i
n
i 1 i
2
m
i 1 i
1
var i
i 1
X Y X n Y Y n
i 1
pc
3. Evaluasi Model PLS a. Uji Validitas Konvergen dalam PLS dengan indikator refleksif dinilai berdasarkan faktor loading indikatorindikator yang mengukur konstruk tersebut dengan melihat korelasi antara skor indikator dengan skor variabel laten yang dihitung PLS. ni 1 X iYi
m
2 1
c. Uji Reliabilitas Reliabilitas menunjukkan akurasi, konsistensi dan ketepatan suatu alat ukur dalam melakukan pengukuran. Uji reliabilitas dalam PLS menggunakan nilai composite reliability. Dengan menggunakan output yang dihasilkan PLS maka composite reliability dapat dihitung dengan rumus sebagai berikut:
dimana x dan y adalah indikator untuk variabel laten independen dan dependen ( dan ). Sedangkan dan merupakan matrik loading yang menggambarkan koefisien regresi sederhana yang menghubungkan variabel laten dengan indikatornya. Residual yang diukur dengan dan dapat diinterpretasikan sebagai kesalahan pengukuran [2].
rxy
2 i
2
i 1 i
(4) Ukuran refleksif individual dikatakan tinggi jika berkorelasi lebih dari 0,70 dengan variabel laten yang ingin diukur. Namun demikian untuk penelitian tahap awal dari pengembangan skala pengukuran nilai loading factor 0,50 sampai 0,60 dianggap cukup
e. Uji Signifikansi Parameter Untuk melakukan uji signifikansi parameter menggunakan hipotesis sebagai berikut: : γ = 0 (variabel laten independen tidak berpengaruh secara signifikan terhadap variabel laten dependen). : γ ≠ 0 (variabel laten independen berpengaruh secara signifikan terhadap variabel laten dependen). Statistik uji yaitu dengan menghitung nilai t
b. Uji Validitas Diskriminan Validitas diskriminan dari model pengukuran dengan indikator refleksif dinilai berdasarkan cross loading pengukuran dengan konstruk. Rumus untuk menghitung cross loading sama seperti rumus korelasi Pearson yang
t hitung
42
ˆ jb
S e ˆ jb
H0 ditolak jika t
; b 1,2,..., k
(8)
> tα/2
[6]
Prosiding Seminar Sains dan Teknologi FMIPA Unmul Vol. 1 No. 1 Juli 2016, Samarinda, Indonesia ISSN : 2528 - 0988 Hasil dan Pembahasan
Konstruksi Diagram Jalur
Statistika Deskriptif Tabel 1. Jumlah Responden Berdasarkan Jenis Kelamin Jenis Kelamin Pria Wanita
Jumlah 46 39
Berdasarkan jenis kelamin, 46% responden berjenis kelamin Pria dan 54% berjenis kelamin Wanita Tabel 2. Jumlah Responden Berdasarkan Usia Usia 20-29 tahun 30-39 tahun 40-49 tahun
Jumlah 68 15 2
Berdasarkan usia rata-rata karyawan kaltim post memiliki usia 20-29 tahun sebesar 81%, usia 30-39 tahun sebesar 18% dan usia 4049 tahun sebesar 1%. Tabel 3. Jumlah Responden Berdasarkan Divisi Divisi Redaksi Umum Bisnis Iklan
Jumlah 35 17 19 14
Gambar 1. Rancangan Inner Model dan Outer Model
Berdasarkan divisi karyawan kaltim post 41% responden yang berada di divisi redaksi , 22% responden divisi bisnis , 20% responden divisi umum dan 17% responden divisi iklan.
Pada Gambar 1 menunjukkan bahwa variabel laten (indikator , , , ), (indikator , , , ) dan (indikator , ) yang telah terbentuk , berpengaruh terhadap variabel laten (indikator , , , ).
Tabel 4. Jumlah Responden Berdasarkan Masa Kerja Masa Kerja <1thn 1-2thn 3-4thn 5-7thn >8thn
Konversi
Jumlah 12 29 17 16 11
Pendidikan SMA Sarjana
Responden
Jalur
ke
dalam
Persaman a. Inner Model dari diagram jalur yang terbentuk adalah:
11 2 2 3 3
Berdasarkan lama menjadi karyawan kaltim post sebanyak 14% responden mempunyai masa kerja <1thn, 34% masa kerja 1-2thn, 20% masa kerja 3-4thn, 19% masa kerja 57thn dan 13% responden mempunyai masa kerja >8thn. Tabel 5 Jumlah Pendidikan
Diagram
(10)
b. Outer Model dari diagram jalur yang terbentuk adalah: model refleksif
Berdasarkan
Jumlah 36 49
:
Y1 Y1 1
Y3 Y3 3
Y2 Y2 2
Y4 Y4 4
(11)
model refleksif ξ X 5 X 52 2 5
X 6 X 62 2 6
Berdasarkan pendidikan karyawan kaltim post sebanyak 54% responden adalah lulusan sarjana dan 46% responden adalah lulusan SMA.
X 7 X 72 2 7 X 8 X 82 2 7
43
(12)
Prosiding Seminar Sains dan Teknologi FMIPA Unmul Vol. 1 No. 1 Juli 2016, Samarinda, Indonesia ISSN : 2528 - 0988 model refleksif ξ
a. Inner Model: 0,2261 0,310 2 0,083 3
:
X 5 X 52 2 5 X 6 X 62 2 6 X 7 X 72 2 7
b. Outer Model
(13)
Y2 0,516 2
(16)
Y4 0,955 4
:
model formatif
X 9 X193 3 9 X 10 X10.3 3 10
:
model refleksif
X 8 X 82 2 7
model refleksif ξ
(15)
ξ
X 2 1, 0 1 2
(14)
model refleksif
X 11 X11.3 3 11
(17)
ξ
X 6 0,592 2 6
X 12 X12.3 3 12
(18)
X 7 0,695 2 7
Evaluasi Model
X 8 0,818 2 8
model refleksif
ξ
X 9 0,924 3 9
(19)
X 10 0,717 3 10
Uji Validitas Konvergen Tabel 6. Hasil Outer Loading η ξ1 ξ2 X2 1,000 X6 0,592 X7 0,695 X8 0,818 X9 X10 Y2 0,616 Y4 0,955
Gambar 2. Diagram Jalur Proses Iterasi 1 Pada Gambar 2, nilai indikator X1, X3, X4, X5, X11, X12, Y1, Y3 memiliki nilai korelasi kurang dari 0,50 dan tidak signifikan. Oleh karena itu model indikator tersebut akan dikeluarkan. Selanjutnya model akan diestimasi ulang, hasil re-estimasi terlihat pada Gambar 7.
ξ3
0,717
Uji Validitas Diskriminan Tabel 7. Hasil Cross Loading η ξ1 X2 0,410 1,000 X6 0,210 0,222 X7 0,308 0,375 X8 0,398 0,427 X9 0,260 0,228 X10 0,143 0,414 Y2 0,516 0,078 Y4 0,955 0,437 Tabel 8. Hasil AVE AVE η 0,589 ξ1 1,000 ξ2 0,501 ξ3 0,684
Uji Reliabilitas Tabel 9. Composite Reliability Composite Reliability η 0,725 ξ1 1,000 ξ2 0,747 ξ3 0,810
Gambar 3. Diagram Jalur Proses Iterasi 2 Setelah diestimasi ulang seperti pada Gambar 3 semua indikator memiliki nilai korelasi lebih dari 0,50 dan signifikan. Sehingga didapat persamaan model berikut: 44
ξ2 0,499 0,592 0,695 0,818 0,216 0,348 0,223 0,432
ξ3 0,346 0,172 0,160 0,301 0,924 0,717 0,019 0,284
Prosiding Seminar Sains dan Teknologi FMIPA Unmul Vol. 1 No. 1 Juli 2016, Samarinda, Indonesia ISSN : 2528 - 0988 Goodness of Fit
2. Self efficacy yang mempengaruhi kinerja karyawan Kaltim Post dengan indikator yang berpengaruh yaitu X6 (yakin) X7 (menghadapi tantangan), dan X8 (hasil kerja).
Tabel 10. Nilai R 2 R η 0,253
2
Pada penelitian ini diperoleh nilai sebesar 0,253 yang berarti variansi perubahan variabel yang dapat dijelaskan oleh variabel ξ , ξ , ξ sebesar 25,3%, sedangkan sisanya 74,7% dijelaskan oleh variabel lain di luar model yang diajukan.
Ucapan Terima Kasih Penulis mengucapkan terima kasih kepada pihak Kaltim Post Grup Samarinda atas kesempatan yang diberikan untuk melakukan penelitian. Selanjutnya, penulis berterima kasih pada Laboratorium Statistika Statistika Komputasi FMIPA UNMUL. Demikian pula, penulis berterima kasih kepada seluruh Civitas Akademika FMIPA UNMUL atas diskusi dan bimbingannya yang bermanfaat.
Uji Signifikansi Parameter Tabel 11. Nilai Koefisien Jalur dan thitung Koefisien thitung Keputusan →
0,266
1,776
Diterima
0,310
2,749
Ditolak
→
0,083
0,455
Diterima
→
Daftar Pustaka
Sehingga dapat disimpulkan bahwa (self efficacy) berpengaruh secara signifikan terhadap (kinerja karyawan). Karena (locus of control) dan (lingkungan kerja) tidak berpengaruh terhadap (kinerja karyawan) maka akan dilakukan dilakukan analisis ulang untuk mendapatkan model fit akhir.
[1] Sarjono, H., & Julianita, W. (2015).Structural Equation Modelling (SEM). Jakarta: Salemba Empat [2] Ghozali, I. (2008). Structural Equation Modeling: Metode Alternatif dengan Partial Least Square edisi 2. Semarang: Universitas Diponegoro. [3] Afifah, Irma., & Sunaryo, Sony (2013). SEM dengan Finite Mixture Partial Least Square (FMPLS). Prosiding Seminar Nasional Matematika dan Pendidikan Matematika [4] Ulum, M. (2014). Analisis Structural Equation Modeling (SEM) untuk Sampel Kecil dengan Pendekatan Partial Least Square (PLS) Skripsi Jurusan Matematika, FMIPA Universitas Jember. [5] Mathis, Robert L., & John, Harold J. (2007). Human Resources Management. Texas: Thomson Learning. [6] Sudjana. (2003). Teknik Analisis Regresi dan Korelasi. Bandung: Tarsito
Tabel 12. Nilai Koefisien Jalur dan thitung Koefisien thitung →
0,446
3,314
Model fit yang diperoleh berdasarkan nilai koefisien pada Tabel 7 adalah: ˆ 0,446 2 (20) Terdapat pengaruh antara self efficacy terhadap kinerja karyawan sebesar (0,446) yang artinya, setiap penambahan satu satuan faktor self efficacy akan meningkatkan kinerja karyawan sebesar 0,446 atau 44,6%. Kesimpulan Berdasarkan hasil analisis maka diperoleh kesimpulan sebagai berikut: 1. Model fit yang diperoleh dengan pendekatan PLS yang menyatakan hubungan antara locus of control, self efficacy, dan lingkungan kerja terhadap kinerja karyawan Kaltim Post adalah : η = 0,446 ξ dengan ̂ adalah estimasi variabel laten kinerja karyawan, adalah variabel self efficacy.
45