PENGGUNAAN ANALISIS REGRESI LOGISTIK UNTUK MENCARI PROBABILITAS TURNOVER INTENTION BESERTA FAKTOR-FAKTOR YANG MEMPENGARUHINYA

J-Statistika Vol 3 No 1

PENGGUNAAN ANALISIS REGRESI LOGISTIK UNTUK MENCARI PROBABILITAS TURNOVER INTENTION BESERTA FAKTOR-FAKTOR YANG MEMPENGARUHINYA Juli Maya Sari dan Dwi Endah Kusrini Jurusan Statistika FMIPA ITS Surabaya email : [email protected]

ABSTRAK Turnover Intention (intensitas perpindahan) adalah keinginan berpindah karyawan dari satu tempat kerja ketempat kerja lainnya. Hanya keinginan untuk pindah, belum sampai realisasi untuk melakukan perpindahan. Turnover merupakan kejadian yang wajar dalam setiap perusahaan. Namun jika penggantian karyawan ini karena faktor produktifitas, maka dapat diantisipasi oleh perusahaan melalui penyiapan kader-kader untuk menggantikan. Jika penggantian karyawan tidak berkaitan dengan implementasi program kerja yang telah ditetapkan, maka hal ini akan sangat menyulitkan perusahaan. Pada penelitian ini ingin mengetahui karakteristik karyawan setrta mengetahui variabel yang berpengaruh terhadap Turnover Intention melalui analisis korespondensi. Setelah diperoleh variabel berpengaruh selanjutnya digunakan untuk mencari model regresi logistik ordinal. Dari model regresi logistik selanjutnya digunakan untuk mencari besarnya probabilitas Turnover Intention karyawan. Dimana Turnover Intention dipengaruhi oleh Job satisfaction of work, Social support, sedangkan untuk Job satisfaction dipengaruhi oleh Quality of supervisior, dan compensation. Hasil pengolahan diketahui bahwa variabel yang berpengaruh adalah Job satisfaction katagori puas dan Social support katagori puas. Probabilitas Turnover Intention level tinggi dan level rendah hampir sama yaitu sebesar 0.119 dan 0,118. Sebagian besar probabilitas Turnover Intention berada pada level sedang yaitu sebesar 0,763. Kondisi tersebut perlu mendapat perhatian dari perusahaan agar karyawan yang berada pada probabilitas Turnover Intention level sedang dapat beralih menjadi level rendah dengan cara meningkatkan kepuasan kerja dan dukungan sosial pada diri karyawannya. Kata kunci : Turnover Intention, Job satisfaction, Social support, regresi logistik ordinal.

1. Pendahuluan Turnover Intention (intensitas perpindahan) adalah keinginan berpindah karyawan dari satu tempat kerja ketempat kerja lainnya. Dampak Turnover dapat mempengaruhi aktivitas kerja perusahaan dan prestasi karyawan secara keseluruhan. Perusahaan harus mengeluarkan biaya untuk mencari tenaga baru, dan atau melatih tenaga yang sudah ada untuk menggantikan pegawai yang keluar. Oleh karena itu, perusahaan harus menghindari adanya peningkatan aktivitas Turnover dengan mempertimbangkan kelangsungan operasional perusahaan. Keterkaitan antara kepuasan kerja dan Turnover Intention ini pernah diteliti oleh Nanggoy dan Harianti (2005) dengan metode regresi sederhana. Pada penelitian ini menunjukkan bahwa variabel-variabel yang berpengaruh pada Turnover Intention karyawan sebuah perusahaan adalah Job satisfaction of work, quality of supervision, relationship with co-worker, promotion opportunities, dan pay. Dari variabel yang digunakan menghasilkan bahwa variabel yang memberikan pengaruh dominan adalah quality of supervision. Adapun untuk penelitian dengan metode analisis korespondensi dan analisis regresi logistik ordinal pernah dilakukan oleh Husna (2006) pada SMA 2 Muhammadiyah Surabaya dan menghasilkan variabel berpengaruh adalah kedisiplinan, jenis kelamin, pendidikan, lama kerja. Turnover Intention karyawan yang disebabkan ketidakpuasan kerja merupakan masalah bagi perusahaan. Untuk itu ingin diketahui karakteristik karyawan berdasarkan hasil survei dengan statistika deskriptif serta ingin diketahui berapa nilai probabilitas Turnover Intention karyawan dengan metode regresi logistik ordinal berdasarkan faktor-faktor yang berpengaruh yang diperoleh dari analisis korespondensi. Tujuan dari penelitian ini adalah untuk mengetahui pengaruh Job satisfaction, Quality of Supervision, Social support, Compensation secara simultan terhadap Turnover Intention karyawan dan mengetahui nilai probabilitas Turnover Intention karyawan berdasarkan faktor-faktor yang mempengaruhinya.

10 | Juli Maya Sari dan Dwi Endah Kusrini 2. Tinjauan Pustaka 2.1 Kepuasan Kerja (Job satisfaction) Siagian (2004) menyatakan bahwa pembahasan mengenai kepuasan kerja perlu didahului oleh penegasan bahwa masalah kepuasan kerja bukanlah hal yang sederhana, baik dalam arti konsep maupun dalam arti analisis, karena “kepuasan” mempunyai konotasi yang beraneka ragam. Berikut lima (5) indikator kepuasan kerja berdasarkan perspektif: tanggung jawab pada pekerjaan, ketertarikan dan perkembangan, kualitas supervisi, technical help dan Social support, Hubungan dengan teman kerja, keharmonisan social, dan respect, kesempatan dipromosikan, kesempatan untuk mendapatkan penghargaan dan keseuaian gaji/upah dibandingkan dengan perusahaan lain. 2.2 Intensitas Perpindahan (Turnover Intentions) Turnover Intention tertuju pada estimasi probabilitas bahwa mereka (karyawan) akan meninggalkan perusahaan di masa depan. Pada dasarnya Turnover Intention adalah sama dengan keinginan berpindah karyawan dari satu tempat kerja ketempat kerja lainnya. Jadi hanya keinginan untuk pindah, belum sampai realisasi untuk melakukan perpindahan. Banyak alasan yang menyebabkan diantaranya keinginan untuk mendapat pekerjaan yang lebih baik dari sebelumnya. Turnover Intention diidentifikasikan sebagai suatu tanda tiba-tiba untuk perilaku perpindahan (Mobley, Horner & Hollingsworth, 1978). Variabel-variabel yang didentifikasikan dapat memberikan konstribusi dalam Turnover Intention dipertimbangkan secara efektif dapat menekan tingkat perpindahan kerja tersebut (Maertz & Campion, 1998). Tiga kelompok variabel primer telah didentifikasikan sebagai penyebab Turnover Intention (Cotton, Tutle, 1986) yaitu: (a) Variabel organisasi seperti Job satisfaction, stress pekerjaan, diskriminasi gender. (b) Variabel demografi misalnya gender, status perkawinan, jumlah anak dan lain-lain. (c) Variabel eksternal misalnya tersedianya alternatif pekerjaan lain, kondisi ekonomi negara. Hubungan Antara Job satisfaction dan Turnover Intention pada umumnya tercermin pada perasaan karyawan terhadap pekerjaannya, yang diwujudkan dengan sikap positif pada pekerjaannya dilingkungan kerja. Menurut Martoyo (2000) Job satisfaction berpengaruh terhadap tingkat Turnover Intentions, semakin puas mereka bekerja dalam suatu perusahaan, semakin kecil perpindahan. Sebaliknya semakin rendah Job satisfaction akan mengakibatkan tingginya Turnover Intentions. 2.3 Dukungan Sosial (Social support) Dukungan sosial adalah suatu sumber penting yang telah dihubungkan dengan hasil positif individual atau organisasional, khususnya dalam hubungan dengan kekuatan stress pekerjaan. Dukungan sosial umumnya diturunkan dari berbagai macam sumber (misalnya, kolega, keluarga, supervisor, dan teman). Bagaimanapun juga perbedaan sumber dukungan akan menghasilkan hasil yang berbeda, contohnya dukungan supervisor dengan intensitas Turnover akan berhubungan negatif artinya semakin rendah tingkat dukungan supervisor akan mengakibatkan semakin tinggi tingkat Turnover, hubungan langsung juga telah dibuktikan antara dukungan sosial, Job satisfaction, kehadiran dan Turnover. 2.4 Analisis Korespondensi Analisis korespondesi yang dikembangkan oleh French adalah suatu prosedur grafik untuk merepresentasikan hubungan yang ada dalam suatu tabulasi silang, jika tabulasi silang mempunyai I baris dan J kolom, plot yang dihasilkan oleh analisis korespondesi berisi dua himpunan titik baris dan himpunan titik kolom. Posisi titik-titik ini merefleksikan asosiasi. Titik – titik baris yang berdekatan mempunyai profil yang mirip (distribusi bersyarat) berdasarkan kolomnya, titik-titik kolom yang berdekatan mempunyai profil yang mirip (distribusi bersyarat) melalui barisnya. Akhirnya, titik-titik baris yang berdekatan untuk titik-titik kolom menggambarkan kombinasi yang terjadi lebih sering daripada model independen yang tidak menghubungkan antara kategori-kategori dalam baris dan kolom. Hasil dari analisis korespondesi biasanya mengikutkan dua dimensi terbaik untuk merepresentasikan data, yang menjadi koordinat titik dan suatu ukuran jumlah informasi yang ada dalam setiap dimensi (dinamakan inertia), namun untuk Multiple Analisis korespondesi dapat mengikutkan lebih dari dua dimensi.. Untuk memulai analisis ini, ambil matrik X dengan elemen-elemen xij yang berasal dari tabulasi silang 2 arah I X J , dengan I > J dan J adalah rank penuh kolom dari matrik X. Baris dan kolom dari tabulasi silang tersebut berhubungan dengan katagori yang berbeda dari dua karakteristik. Hal tersebut atas menjadi dasar pembentukan grafik yang merepresentasikan hubungan tabulasi silang dalam matrik. Jika n adalah total frekuensi dalam matrik X, bentuk sebuah matrik proporsi P = {pij}dengan membagi setiap elemen X dengan n. Disini pij =

xij n

, i = 1, 2,…,I, j = 1, 2,…, J, atau P = ( IxJ )

1 X …………………..……….. n ( IxJ )

(1)

Matrik P dinamakan matrik Correspondence. Kemudian, P dipusatkan dengan cara menguranginya dengan produkt total baris dan kolom untuk setiap entri.

J Statistika Volume 3 No 1

11 | Penggunaan Analisis Regresi Logistik Untuk Mencari Probabilitas Turnover Intention Beserta Faktor-Faktor Yang Mempengaruhinya P% = P − rc′ …………………………

p% ij = pij − ri c j , i = 1, 2,.., I , j = 1, 2,..., J atau

(2)

dimana J

J

xij

j =1

j =1

n

I

I

xij

i =1

i =1

n

ri = ∑ pij = ∑

c j = ∑ pij = ∑

dan

, i = 1, 2,..., I , atau r = P 1 ………

………………(3)

( IxJ ) ( Jx1)

, j = 1, 2,..., J atau c = P′ 1 ……..

(4)

( IxJ ) ( Jx1)

% = P1 − rc′1 = r − r = 0 . 1′ = [1,1,....1] , dan rank ( P% ) ≤ J − 1 sejak P1

Didefinisikan matrik diagonal

Dr = diag ( r1 , r2 ,..., rI ) dan Dc = diag ( c1 , c2 ,..., cJ ) .............................................. (5) dan bentuk matrik skala *

P = Dr

( IxJ )

−1/ 2

( IxJ )

P% D

−1/ 2 c ( IxJ ) ( JxJ )

..........................

....................................

.(6)

sedemikian hingga entri ke (i,j) dari P*adalah

pij* =

pij − rc i j rc i j

, i = 1, 2,...I , j = 1, 2,..., J ..................................................................... (7)

Langkah-langkah mengambarkan tabulasi silang dalam plot dua dimensi: 1. Mencari nilai Singular Value Decomposition (SVD) dari P* dan didapatkan

P* = U

( IxJ )

V′ ..............................................................................

Λ

(8)

Ix ( J −1) ( J −1) x ( J −1) ( J −1) xJ

dimana

rank

matrik Λ = diag

(P*)

=

rank

( λ , λ ,...λ ) berisi 1

U′U = V′V = 1

dan

diagonal

nilai singular yang diurutkan dari besar ke kecil dalam

j −1

2

P% ≤ J − 1 ,

diagonal utamanya. 2.

% = D U dan V% = D V , kemudian gunakan persamaan (6) dan (8) SVD dari Membentuk U r c 1/ 2

1/ 2

P% adalah J −1

% ΛV % ′ = ∑ λ u% v% ′ ................................................... (9) P% = P − rc′ = U j j j j −1

% dan v% dari vektor kolom ke-j dari V % . Dalam hal ini dimana u% j adalah vektor kolom ke-j dari U j −1

−1

vektor singular kanan dan kiri dinormalisasi untuk mendapatkan panjang dari matrik D r dan D c , sehingga,

%′ D U

% = V % ′ D −1 V % = U c

−1 r (( J −1) x1) ( Ix1) ( Ix ( J −1)

3.

(( J −1) xJ ) ( JxJ ) ( JxJ −1)

I

( J −1) x ( J −1)

................................(10)

% didefinisikan sebagai sumbu koordinat untuk profil titik kolom dari P, dan kolom V % sebagai Kolom U sumbu koordinat untuk profil titik baris dari P. Menghitung koordinat profil baris

Y

( Ix ( J −1))

% = D−r 1 U

Λ

( JxJ ) ( Ix ( J −1)) (( J −1) x ( J −1)

(11)

J Statistika Volume 3 No 1

12 | Juli Maya Sari dan Dwi Endah Kusrini dan koordinat profil kolom

Z

( Jx ( J −1))

4.

= D−c 1

% V

Λ

( JxJ ) ( Jx ( J −1)) (( J −1) x ( J −1)

.....................................

(12)

dua kolom pertama dari Y berisi pasangan koordinat untuk titik-titik baris dalam dua dimensi terbaik yang menggambarkan data. Dua kolom pertama dari Z berisi pasangan koordinat dari titik-titik kolom dalam dua dimensi terbaik yang menggambarkan data. Titik-titik tersebut akan diletakkan dalam gambar/plot yang sama. Jarak ekluidian dalam plot dua dimensi untuk jarak statistik anatar pasanagan baris(kolom)profil dalam data asal. Hal tersebut penting untuk mengingat bahwa tidak ada jarak langsung hubungan antara titik kolom dan baris. Inersia yang digambarkan pada akhir dari sumbu koordinat dalam plot dua dimensi adalah kuadrat dari nilai singular yang berhubungan dengan dua dimensi tersebut. Total inersia didefinisikan sebagai jumlahan kuadrat dari semua nilai singular yang tidak nol , K

Total Inersia =

∑λ

2 i

. ...........................................................

(13)

i =1

dimana

λ1 ≥ λ2 ≥ .... ≥ λk > 0 adalah

%) elemen diagonal yang tidak nol dari Λ , disini K= rank ( P

% ) = min(I – 1, J – 1) . dan secara ordinal, rank ( P Pendekatan Profil Baris (Kolom) Menggunakan SVD lihat persamaan (8), J −1

% ΛV % ′ = ∑ λ u% v% ′ .......................................................................... P% = P − rc′ = U k k k

(14)

k −1

untuk K<J-1, pendekatan K −1

P = rc′ + ∑ λk u% k v% ′k = P% .......................................................................................

(15)

k −1

Diantara semua matrik rank K+1 (atau kurang), matrik

P% pada sisi kanan. trace(D−r 1 (P − P% )Dc−1 (P − Pˆ )′)

Dalam persamaan (11),(12), (9) , dapat ditulis P dalam bentuk matrik koordinat Y dan Z seperti dibawah ini:

P = rc′ + Dr YΛ −1 Z′Dc ........................................................................

(16)

J −1

pij = ri c j + ri c j ∑ yik z jk / λk k =1

dimana yik adalah data ke(i,k) dari Y dan z jk adalah data ke (j,k) dari Z. Untuk pendekatan dimensi K+1<J-1, jumlahan kanan, yang dijalankan untuk 1 sampai dengan K. Untuk melihat seberapa jauh hubungan-hubungan kategori yang terbentuk dapat dilihat dari beberapa definisi, yaitu : 1. Massa adalah proporsi dari kategori terhadap keseluruhan data. Massa menyatakan bobot dari masingmasing titik baik pada kolom maupun pada barisnya. 2. Quality adalah proporsi dari kolom inersia yang ditunjukkan oleh semua perhitungan komponen. Semakin besar quality menunjukkan bahwa suatu kategori semakin baik diterangkan oleh komponenkomponen yang terbentuk. 3. Coordinat merupakan koordinat dari kolom-kolom. Coordinat menunjukkan letak kategori-kategori sesuai dengan komponen-komponen yang terbentuk. 4. Inertia adalah proporsi dari inersia yang disumbang oleh masing-masing kolom. Semakin besar inertia menunjukkan bahwa hubungan suatu kategori semakin jauh dengan kategori lainnya. 5. Correlation merupakan suatu nilai yang menyatakan ragam dari suatu titik yang dapat diterangkan oleh sumbu utama. Correlation menunjukkan sumbangan masing-masing komponen terhadap inersia baris. Nilai ini disebut juga korelasi kuadrat. Semakin besar Correlation menunjukkan bahwa suatu kategori semakin baik diterangkan oleh komponen yang terbentuk. 6. Contribution adalah kontribusi dari baris terhadap sumbu inersia, Contribution menyatakan proporsi keragaman yang diterangkan oleh masing-masing titik terhadap sumbu utamanya. Kontribusi mutlak ini

J Statistika Volume 3 No 1

13 | Penggunaan Analisis Regresi Logistik Untuk Mencari Probabilitas Turnover Intention Beserta Faktor-Faktor Yang Mempengaruhinya digunakan untuk menentukan suatu titik yang masuk pada suatu faktor. Kriteria yang masuk dalam faktor tersebut dicari nilainya yang relatif besar. 2.5 Metode tabulasi silang (cross tabulation) Tabulasi silang adalah bentuk khusus dari daftar baris kolom. Daftar kontingensi terdiri dari (r x c), yaitu r sebagai jumlah katagori baris dan c sebagai katagori kolom. Penyajian untuk data katagori biasanya menggunakan phi chart, bar chart dan sebagainya. Pada tabel kontingensi masing-masing selnya harus memenuhi syarat-syarat sebagai berkut: 1. Homogen Setiap level atau katagori dalam suatu variabel merupakan objek yang sama. 2. Mutually ekslusive (independent) Antar level saling lepas 3. Mutually ekshausive Secara level unit terdefinisi secara lengkap sampai pada unit terkecil. 4. Skala nominal Skala yang digunakan untuk membedakan benda atau peristiwa yang satu dengan yang lainnya berdasarkan nama (predikat), misalnya laki-laki atau perempuan, cacat atau tidak cacat. 5. Skala ordinal Skala yang digunakan untuk membedakan dan mengurutkan data, misalnya jabatan dalam organisasi. 2.6 Uji Chi-Square Uji Chi-Square digunakan untuk memeriksa ada tidaknya hubungan antara dua variabel. Dua variabel dikatakan independen apabila distribusi dari variabel tersebut tidak dipengaruhi pada distribusi variabel yang lain. Uji yang sesuai untuk mengetahui hubungan antara dua variabel katagori yang berupa tabel kontingensi adalah pearson Chi-Square test. Hipotesis yang digunakan adalah H0 : Kedua variabel saling independen (tidak ada hubungan). H1 : Kedua variabel saling dependen (ada hubungan). Daerah kritis : tolak H0 jika χ2 > χ2(i-1)(j-1), α Adapun statistik ujinya adalah I

(nij − Eˆ ij ) 2 Eˆ j =1 J

X 2 = ∑∑ i =1

Dengan E(nij) =

ni .n j n

(17)

ij

dimana : nij = taksiran nilai harapan, ni.= jumlah pengamatan pada baris ke-i,

n.j =

jumlah pengamatan pada kolom ke-j, n.. = jumlah pengamatan, E(nij) = nilai ekspetasi dari taksiran nilai harapan I = banyaknya baris, J = banyaknya kolom. Adapun langkah awalnya adalah membuat tabel kontingensi dua arah. Tabel kontingensi dua arah adalah tabel yang mencatat data hasil pengamatan dengan melibatkan dua variabel y dan x sebagai variabel baris terdiri dari I katagori dan variabel y sebagai variabel kolom terdiri dari J katagori. Sel yang dibentuk baris ke-i dan kolom kej mempunyai frekuensi pengamatan nij dapat ditunjukkan sebagai berikut: Tabel 1 Tabulasi Silang x1 x2

y1 y2 n11 n 12 n21 n22

y3 n13 n23

M

M

M

M

xi

ni1 n.1

n i2 n.2

ni3 n.3

K K K K K

yj n1j n2j

total n1. n2.

M

M

nij n.j

ni. n..

Uji dependensi pearson Chi-Square dapat digunakan jika nilai harapan yang kurang dari 5 (nij<5) tidak lebih dari 20%.

J Statistika Volume 3 No 1

14 | Juli Maya Sari dan Dwi Endah Kusrini 2.7 Regresi Logistik Ordinal Regresi logistik ordinal merupakan salah satu metode statisika untuk menganalisis variabel respon yang mempunyai skala data ordinal dan terdiri dari tiga katagorik atau lebih. Variabel prediktor yang digunakan dalam model berupa data katagorik dan/atau kuantitatif. Model untuk regresi logistik ordinal adalah cumulative logit models. Pada model logit ini sifat ordinal dari respon Y dituangkan dalam peluang kumulatif sehingga cumulative logit models merupakan model yang didapat dengan membandingkan peluang kumulatif yaitu peluang kurang dari atau sama dengan katagori respon ke - j pada p variabel prediktor yang dinyatakan dalam vektor xi, P(Y ≤ j |xi), dengan peluang lebih besar dari katagori respon ke-j, xi, P(Y ≤ j |xi) (Hosmer dan Lemeshow, 2000). Nilai peluang kumulatif ke j adalah r

πk(xc) = P(Y ≤ j) =

[

]

exp g j ( xk )

[

1 + exp g j ( xk )

exp( β 0 j + ∑ β k xk )

]

=

k =1 r

; k = 1, 2, …,j,…,r.

1 + exp( β 0 j + ∑ β k xk ) k =1

= π1+π2+…+πr (18) Apabila P(Y ≤ j) dibandingkan dengan peluang suatu respon pada kategori (j + 1) sampai dengan kategori r, maka hasilnya adalah sebagai berikut :

P( Y ≤ j ) P( Y ≤ j ) = P( Y > j ) 1− P( Y ≤ j ) r   exp  β 0 j + ∑ β k x k   k =1  r  1 + exp  β 0 j + ∑ β k x k =  k =1 1 r  1 + exp  β 0 j + ∑ β k x k  k =1

     

r

= exp ( β 0 j + ∑ β k xk ) k =1

=

π 1 + π 2 + ... + π j π j +1 + π j + 2 + ... + π r

(19)

pada rumusan (19) dilakukan transformasi logistik menjadi model regresi logistik (logit) ordinal atau logit kumulatif : Logit [P(Y ≤ j) ] = log  P( Y ≤ j )  = log  1 − P( Y ≤ j )   

 π 1 + π 2 + ...+ π j   π + π + ...+ π j +2 r  j +1

   

r

= (β0 j + ∑βk xk )

(20)

k =1

dengan nilai

β k untuk k = 1,2,…,r pada setiap model regresi logistik ordinal adalah sama.

2.8 Estimasi Parameter Penaksir parameter secara titik dalam regresi logistik dapat menggunakan Maksimum Likelihood Estimation (MLE). Metode ini tidak memerlukan batasan-batasan pada karakteristik variabel prediktor. Dengan menetapkan asumsi distribusi binomial dan objek pengamatan yang saling bebas. Fungsi likelihood pada metode MLE merupakan fungsi linier maka diperlukan iterasi untuk memperoleh taksiran parameternya dengan metode ( 0) Newton Raphson, yaitu dengan cara menentukan nilai awal dari β .

Model yang telah diperoleh akan dilakukan pengujian statistik. Untuk menentukan variabel-variabel prediktor yang digunakan untuk membangun model tersebut memiliki hubungan nyata dengan variabel respon. Untuk menguji kemaknaan koefisien β yang diperoleh dilakukan uji individu dan uji serentak. a. Uji Serentak Dilakukan untuk memeriksa kemaknaan koefisien β secara keseluruhan atau serentak dan hipotesa pengujiannya adalah Ho : β0 = β1 = ... = βk = 0

J Statistika Volume 3 No 1

15 | Penggunaan Analisis Regresi Logistik Untuk Mencari Probabilitas Turnover Intention Beserta Faktor-Faktor Yang Mempengaruhinya H1 : paling sedikit ada satu β ≠ 0 Statistik uji yang digunakan adalah statistik uji G atau Likelihood Ratio Test, yaitu n

n

0 1 n  n  − 2 ln  1   0  n n G = n     ……………………… ∏ πˆ yi (1 − πˆ i ) (1− yi )

(21)

i =1

Nilai G yang diperoleh dibandingkan dengan distribusi Chi-Square dengan derajat bebas v sesuai dengan p-value yang kita inginkan untuk menolak H0 atau H1. Tolak H0 jika G >

χ (α ,v ) 2

dengan derajat bebas (v) = ((k+1)-2)x

p, (k+1) adalah jumlah kategori respon dan p adalah jumlah prediktor dalam model.

b.

Uji Parsial

Untuk memeriksa kemaknaan koefisien β secara parsial dengan membandingkan dugaan β dengan penduga ragamnya Hipotesis : H0 : βk = 0 H1 : βk ≠ 0 Dengan Statistik uji yang digunakan : W2 =

βˆk …………………..…… SE ( βˆ k )

n

(22)

Statistik ini mengikuti distribusi normal, sehingga pengujiannya dilakukan melalui pembandingan nilai statistik W2 dengan nilai Ztabel. Tolak H0 jika Z > Z α / 2 .

Interpretasi parameter dari suatu model adalah inferensi dari pengambilan kesimpulan berdasarkan pada koefisien parameter. Koefisien menggambarkan slope atau perubahan pada variabel respon per unit untuk setiap perubahan variabel prediktor. Interpretasi dilakukan setelah mendapatkan model terbaik. Interpretasi dari intersep adalah nilai peluang saat semua variabel X=0, perhitungannya berdasarkan pada nilai π. Sedangkan interpretasi koefisien menggunakan nilai odd rasio yaitu nilai yang menunjukkan perbandingan tingkat kecenderungan dari dua kategori dalam satu variabel prediktor dengan salah satu kategorinya dijadikan pembanding atau kategori dasar, yang dimaksud dengan odd rasio dari dua kategori X adalah :

 P(Y ≤ j x 2 )    P(Y > j x 2 ) ψ ( x2 , x1 ) =  P(Y ≤ j x1 )    P (Y > j x1 ) exp (β 0 j + β1 (x 2 )) =

exp(β 0 j + β1 ( x1 ))

= exp

{(β

0j

+ β1 ( x 2 )) − exp (β 0 j + β1 ( x 2 ))}

= exp (β1 ( x 2 − x1 )) ……………………

(23)

Log dari odd rasio pada pada persamaan adalah (β1 ( x 2 − x1 )) . Hal tersebut menunjukkan bahwa nilai odd rasio proporsional terhadap beda dari nilai variabel prediktor. Oleh karena itu model regresi logistik ordinal juga dapa disebut sebagai proportional Odds Model. Nilai odd rasio menginterpretasikan bahwa peluang respon pada kategori kurang dari atau sama dengan j dibandingkan dengan suatu respon pada kategori (j+1) sampai dengan r untuk X = x2 sebesar (β1 ( x 2 − x1 )) kali dari X = x1. c. Uji Kesesuaian Model Dalam melakukan uji kesesuaian model regresi logistik, statistik uji yang digunakan adalah Chi-Square. Berikut adalah hipotesis yang digunakan,

J Statistika Volume 3 No 1

16 | Juli Maya Sari dan Dwi Endah Kusrini H0 : Model sesuai (tidak ada perbedaan hasil observasi dengan kemungkinan hasil prediksi model) H1 : Model tidak sesuai (ada perbedaan hasil observasi dengan kemungkinan hasil prediksi model) Perhitungan statistik uji yang digunakan adalah (Hosmer dan Lemeshow, 2000). g (o − nkπ k ) 2 Cˆ = ∑ k k =1 nkπ k (1 − π k )

(24)

Dengan g = banyak group, n k = jumlah subjek pada group ke- k, o k = jumlah nilai variabel respon pada o k kombinasi variabel prediktor, dan

πk =

∑

ck j =1

m jπˆ ( x j ) nk

= rata-rata taksiran probabilitas dimana mj adalah

banyak subjek dengan ck kombinasi variabel prediktor. Tolak H0 pada taraf nyata

α , jika Cˆ

>

χ 2( g − 2 )

3. Metodologi Penelitian 3.1 Sumber Data Penelitian Sumber data yang digunakan dalam penelitian ini adalah data primer. Data primer didapatkan dengan melakukan survei menggunakan alat bantu kuisioner. Teknik Sampling yang digunakan adalah Metode Probability Sampling yaitu Metode Sampling Cluster dimana Cluster didasarkan pada divisi-divisi yang berada diperusahaan. Metode ini dipilih karena diduga ada perbedaan perlakuan karyawan pada setiap divisinya, dan diharapkan dapat memberikan sampel yang representatif. Jumlah sampel ditentukan dengan asumsi bahwa proporsi kepuasan karyawan adalah 0,1 maka ukuran sampel diperoleh dengan menggunakan formula Yamane diperoleh n sebesar 93. 3.1 Identifikasi variabel Variabel yang dipergunakan dalam penelitian ini dibagi menjadi dua yaitu variabel respon dan variabel prediktor. 1. Variabel respon Variabel yang berperan sebagai variabel respon (Y) adalah tingkat turnover intention dengan katagori berdasarkan nilai dari jawaban mayoritas responden dengan skala interval (1-4) yaitu sangat tidak setuju sampai dengan sangat setuju. Variabel respon ini bersifat katagorik dan berskala ordinal yang dibagi menjadi tiga tingkatan yaitu: Y=0, jika mayoritas jawaban responden tidak setuju hingga sangat tidak setuju maka Turnover Intention rendah. Y=1, jika mayoritas menjawab netral Y=2, jika mayoritas menjawab setuju sampai sangat setuju maka responden dikatagorikan mempunyai nilai Turnover Intention tinggi. Berikut adalah variabel yang digunakan dalam menentukan nilai Turnover Intention: 1). Perubahan perilaku dalam 6 bulan terakhir 2). Kecenderungan untuk keluar kerja 3). Kondisi efektifitas kerja 2. Variabel prediktor Adapun variabel prediktor yang digunakan dalam penelitian ini adalah a. Variabel Demografi terdiri dari : Status pernikahan (D1), Gender (D2), Lama bekerja (D3), Jabatan (D4), Riwayat pekerjaan sebelumnya (D5) dan Usia (D6) b. Variabel Job satisfaction (X1) dengan katagori 1 jika nilai rendah dan 2 jika nilai tinggi c. Variabel Social support (X2) dengan katagori 1 jika nilai rendah dan 2 jika nilai tinggi 3.2 Metode Pengumpulan Data Berikut langkah-langkah untuk melakukan pengumpulan data: a. Survei b. Persiapan Data - Entri data - Pemeriksaan ulang hasil pengisian kuisioner - Uji validitas dan reliabilitas data Pada pengujian validitas menggunakan validitas constrack dan uji reliabilitas constrack menggunakan Structural Equation Modeling (SEM).

J Statistika Volume 3 No 1

17 | Penggunaan Analisis Regresi Logistik Untuk Mencari Probabilitas Turnover Intention Beserta Faktor-Faktor Yang Mempengaruhinya 3.3 Metode Analisis Data 1. Analisis deskriptif digunakan untuk mengetahui karakteristik karyawan. Analisis korespondensi digunakan untuk menjawab tujuan pertama yang ingin mengetahui kecenderungan variabel prediktor dalam mempengaruhi Turnover Intention karyawan. Adapun penjelasan yang akan dilakukan adalah menggambarkan tabulasi silang dalam plot dua dimensi. 2. Analisis regresi ordinal digunakan untuk menjawab pertanyan kedua, yaitu mengetahui nilai probabilitas Turnover Intention karyawan pada setiap divisi berdasarkan faktor-faktor yang mempengaruhinya. Berikut langkah-langkah yang akan dilakukan adalah: a. Membuat tabulasi silang antara variabel respon dan prediktor masing-masing, dengan variabel respon (Y) yang digunakan adalah tingkat Turnover Intention yang terdiri dari tiga katagori (Y=0, rendah), (Y=1, sedang), (Y=2, tinggi) sedangkan variabel independent yaitu faktor yang mempengaruhi tingkat Turnover Intention adalah variabel (X1) dan variabel (X2). b. Pembentukan model regresi logistik ordinal dari seluruh variabel prediktor yang berpengaruh dengan variabel respon (Y). c. Menguji secara parsial model regresi logistik ordinal. d. Menguji secara serentak model regresi logistik ordinal. e. Menguji kesesuaian model regresi logistik ordinal f. Menghitung nilai probabilitas masing-masing Y dari model regresi logistik ordinal. g. Melakukan interpretasi model regresi logistik ordinal.

4. Analisis Dan Pembahasan 4.1 Uji Validitas dan Reliabilitas Uji validitas indikator dapat diketahui dari nilai loading faktor masing-masing indikator dengan menggunakan kriteria nilai convergent validity 0,5-0,6 yang dianggap memiliki validitas untuk penelitian tahap awal menggunakan hipotesis sebagai berikut: H0 : atribut tidak mengukur aspek yang sama H1 : atribut menmgukur aspek yang sama Dengan menggunakan kriteria convergent validity 0,5, banyak indikator yang kurang memenuhi, selanjutnya indikator tersebut dihilangkan sampai diperoleh hasil seluruh indikator yaitu sebanyak 35 item pertanyaaan yang valid dari total keseluruhan 64 item pertanyaan yang memiliki nilai loading diatas 0,5.

Uji reliabilitas untuk menujukkan konsistensi suatu alat ukur untuk mengukur dalam mengukur gejala yang sama sehingga alat ukur tersebut dapat dipercaya untuk digunakan sebagai alat pengumpul data dengan hipotesis sebagai berikut: H0 : hasil pengukuran tidak konsisten H1 : hasil pengukuran konsisten Constract Reliability = (6,527)2/((6,527)2 + 4,227) = 0,9097 Tabel 2. Hasil Uji Reliabilitas

Nilai Construct variabel Reliability(CR) Turnover Intention 0.9097 Social support 0.9191 Quality of supervisior 0.9316 Job satisfaction 0.8798 Compensation 0.9169 Sumber : Data primer 2009, hasil olahan peneliti

Keterangan reliabel reliabel reliabel reliabel reliabel

Variabel laten Turnover Intention dapat dikatakan reliabel karena nilai constract reliability sebesar 0,9097 yang lebih dari 0,7. Pada Tabel 2 dapat diketahui untuk variabel laten lainnya bahwa seluruh variabel laten memiiki nilai constract reliability lebih dari 0,7. Sehingga dapat disimpulkan bahwa alat ukur tersebut dapat mengukur gejala yang sama atau konsisten. Untuk menjawab tujuan dari penelitian, maka dilakukan analisis data sebagai berikut. Hal pertama yang dilakukan adalah membuat tabulasi silang antara variabel karakteristik dengan tingkat

J Statistika Volume 3 No 1

18 | Juli Maya Sari dan Dwi Endah Kusrini Turnover Intention karyawan yang kemudian dilanjutkan dengan memodelkan faktor-faktor penyebab Turnover Intention dengan menggunakan analisis regresi logistik ordinal.

4.2 Analisis Deskriptif Pada variabel demografi, usia karyawan, lama bekerja, riwayat kerja ditempat lain, jenis kelamin, jabatan, status pernikahan tidak ada yang berpengaruh terhadap tingkat Turnover Intention. Karyawan yang bekerja pada perusahaan mayoritas laki- laki dengan status menikah, sudah bekerja lebih dari 11 tahun. Sebagian besar menjabatan operator, dan pernah bekerja di perusahaan lain serta sebagian besar karyawan berusia antara 30-40 tahun. 4.3 Analisis Korespondensi Analisis korespondensi digunakan untuk mengetahui tingkat kecenderungan antara variabel prediktor dalam mempengaruhi tingkat Turnover Intention. Analisis korespondesi ini adalah suatu prosedur grafik untuk merepresentasikan hubungan yang ada dalam suatu tabulasi silang, jika tabulasi silang mempunyai I baris dan J kolom, plot yang dihasilkan oleh analisis korespondesi ini berisi dua himpunan titik baris dan himpunan titik kolom. Posisi titik-titik ini merefleksikan asosiasi atau hubungan. Dikarenakan variabel-variabel yang dianalisis lebih dari satu variabel maka analisis korespondensi yang digunakan adalah analisis korespondensi multiple. Dalam analisis korespondensi multiple ini variabel yang digunakan adalah variabel respon y dengan variabel prediktor, dimana variabel tersebut adalah Job satisfaction, sosial suppor dan variabel demografi. Sebelum melakukan analisis korespondensi maka dilakukan pengujian signifikansi variabel prediktor terhadap tingkat Turnover dengan uji Chi-squart. Setelah dilakukan pengujian pada seluruh variabel prediktor diperoleh hasil bahwa seluruh variabel prediktor demografi tidak signifikan mempengaruhi tingkat Turnover, hanya variabel Job satisfaction dan Social support yang berpengaruh terhadap tingkat Turnover sebagaimana yang disajikan pada Tabel 3. Tabel 3 Pengaruh Variabel Prediktor Pada Tingakat Turnover Intention

Variabel

Katagori

Tingkat Turnover Intention

Rendah Rendah 34 (36,56%) Job satisfaction Tinggi 9(9,68%) (X1) Total 43 (46,24%) Rendah 32 (34,41%) Social support Tinggi 11 (11,83%) (X2) Total 43 (46,24%) Sumber : Data primer 2009, hasil olahan peneliti

Sedang 9 (9,68%) 36 (38,71%) 45 (48,38%) 14 (15,05%) 31 (33,33%) 45 (48,39%)

Tinggi 0 (0%) 5 (5,38%) 5 (5,38%) 0 (0%) 5 (5,38%) 5 (5,38%)

Total 50 (53,76%) 43 (46,24%) 93 (100%) 46 (49,46%) 47 (50,54%) 93 (100%)

Berdasarkan Tabel 3 pada katagori rendah Job satisfaction tidak berpengaruh pada Turnover tinggi, sebagaian besar hanya pada Turnover rendah 36,56%, pada Turnover sedang hanya 9,68%. Untuk Job satisfaction katagori tinggi berpengaruh terhadap Turnover sebesar 5,38% dan berpengaruh terhadap Turnover sedang 38,71%. Pada Social support katagori rendah berpengaruh terhadap Turnover sedang 15,05% dan katagori tinggi berpengaruh terhadap Turnover sedang 33,33%. Dari hasil pengujian signifikansi variabel dapat dinyatakan bahwa katagori tinggi pada masing-masing variabel prediktor berpengaruh terhadap Turnover Intention tinggi dan tingkat Turnover yang ada masih pada batas wajar. Tabel 4 Hasil Analisis Korespondensi Sumbu Inesia Proporsi Proporsi Kumulatif 1 0,6903 0,5177 0,5177 2 0,3353 0,2515 0,7692 3 0,1807 0,1355 0,9047 4 0,1270 0,0953 10,000 Total 1.3333 Sumber : Data primer 2009, hasil olahan peneliti Berdasarkan Tabel 4 dihasilkan analisis korespondensi ini terbentuk empat sumbu dengan total inersia 1,3333, namun pada sumbu ketiga nilai proporsi kumulatif inersianya sudah mencapai 0,9047. Sehingga dengan ketiga komponen yang diambil, varians data yang dapat dijelaskan sudah cukup besar (90,47%), Karena tingkat Turnover Intention dengan variabel-variabel prediktornya dikelompokkan menjadi tiga komponen dimana masing-masing komponen tersebu dapat menjelaskan data sebesar proporsi masing-masing sumbu seperti yang terlihat pada Tabel 4. Pengelompokan didapat dari besarnya kontribusi dan kontribusi relatif untuk setiap katagori pada setiap komponen yang terbentuk. Berdasarkan Tabel 5 terbentuk dua kelompok komponen dan semua katagori

J Statistika Volume 3 No 1

19 | Penggunaan Analisis Regresi Logistik Untuk Mencari Probabilitas Turnover Intention Beserta Faktor-Faktor Yang Mempengaruhinya mempunyai kualitas yang lebih dari 50%, sehingga dapat dinyatakan bahwa komponen yang terbentuk sudah cukup untuk menjelaskan data. Pada kelompok satu, variabel Job satisfaction (X1) baik katagori rendah terdapat kecenderungan pada tingkat Turnover Intention katagori rendah. Kemudian pada kelompok kedua tingkat Turnover Intention katagori tinggi cendereung dipengaruhi oleh Job satisfaction dan Social support namun jaraknya jauh. Tabel 5 Nilai kontribusi mutlak dan kontribusi relatif tiap komponen Komponen 1 Katagori Kualitas K. mutlak K. relatif Turnover rendah 0.733 0.178 0.687 Turnover sedang 0,832 0.112 0.448 Turnover tinggi 0.123 0,938 0.056 Job satisfaction tidak puas 0.737 0,741 0.191 Job satisfaction puas 0,742 0.164 0.737 Social support tidak puas 0.618 0,625 0.151 Social support puas 0,626 0.147 0.618 Sumber : Data primer 2009, hasil olahan peneliti

Komponen 2 K. mutlak 0.024 0.197 0.767 0.002 0.002 0.004 0.004

K. relatif 0.045 0.384 0.815 0.005 0.005 0.007 0.007

Dari hasil analisis korespondensi dapat ditampilkan pada Gambar 1 dan terlihat ada kecenderungan sesuai hasil kontribusi seperti yang dijelaskan sebelumnya. Namun kecenderungan disini lebih jelas, seperti kecenderungan antara tingkat Job satisfaction dan Social support pada katagori rendah cenderung mempengaruhi tingkat Turnover Intention rendah. Pada katagori tinggi ada kecenderungan terhadap tingkat Turnover Intention tinggi dan sedang tetapi lebih dekat dengan Turnover sedang.

Column Plot 4

turnover tinggi

Component 2

3

2

1

turnover rendah job satisfaction rendahsocial support tinggi job satisfaction tinggi social support rendah

0

turnovr sedang

-1 -1

0

1 2 Component 1

3

4

Gambar 1. Plot kolom komponen 1 vs komponen 2 variabel utama 4.4 Analisis Regresi Logistik Ordinal Metode regresi logistik dipergunakan untuk mengetahui pola hubungan antara variabel dependen dengan satu atau lebih variabel independen. Pada penelitian ini ingin diketahui faktor-faktor apa saja yang berpengaruh pada tingkat Turnover Intentiont dari variabel prediktor yag digunakan dengan melakukan analisis regresi logistik secara individu dan berganda.Variabel respon pada penelitian ini adalah tingkat Turnover Intentiont yang terdiri dari tiga katagori yaitu rendah, sedang dan tinggi untuk masing–masing tingkatan Turnover Intentiont. a. Regresi Logistik Ordinal antara Variabel Y , Job satisfaction (X1) dan Social support (X2) Pada tahap ini variabel prediktor yang signifkan berpengaruh terhadap Turnover Intention digunakan untuk model regresi logistik ordinal, seperti terlihat pada Tabel 6. Berdasarkan Tabel 6 dapat diketahui bahwa variabel

J Statistika Volume 3 No 1

20 | Juli Maya Sari dan Dwi Endah Kusrini Job satisfaction dan Social support signifikan terhadap tingkat Turnover Intention pada levelα = 10% dan, hal ini terlihat dari nilai statistik. Hasil regresi logistik diatas juga menunjukkan model yang signifikan dengan nilai G = 44,601.

Tabel 6 Regresi Logistik Ordinal antara Y dengan (X1) dan (X2) Prediktor Coef Z

Const 1

1,727

3,98

Const 2

5,740

7,59

Odds Ratio

Job satisfaction (X1)

-2,428

-4,38*

0,09

Social support (X2)

-1,304

-2,41*

0,27

Chi-Square = 1,00949, DF= 4, P-value = 0,908

G = 44,601, DF =2, P-value = 0,000 Sumber : Data primer 2009, hasil olahan peneliti Keterangan : *) signifikan pada α = 10% Kedua konstanta (intersep) signifikan yang berarti bila variabel prediktor nol maka cukup bukti untuk menyatakan ada perbedaan yang signifikan pada tingkatan Turnover Intention. Sehingga dapat disimpulkan bahwa kedua variabel prediktor Job satisfaction dan Social support secara bersama dapat mempengaruhi Turnover intention. Fungsi logit yang menggambarkan hubungan antara variabel prediktor dengan tingkat Turnover Intention dapat dituliskan sebagai berikut. Logit 1 untuk tingkat Turnover Intention tinggi, dan Logit 2 untuk tingkat Turnover Intention sedang. Logit 1 : g1(x) = 1,727 -2,428 (Job satisfaction puas) -1,304 (Social support puas) Logit 2 : g2(x) = 5,740 -2,428 (Job satisfaction puas) -1,304 (Social support puas) Interpertasi model logit digunakan permisalan: Karyawan dengan job satisfaction puas dan social support tidak puas memiliki peluang turnover sedang sebesar g1(x) = 1,727 -2,428 (1) -1,304 (0) = -0,701 Sedangkan untuk model probabilitas kumulatif adalah

π1 ( x)

π 2 ( x) π 3 ( x)

=

e 1, 727 − 2 , 428 ( jobsatisfa ction ) puas −1, 304 ( social sup port ) puas 1 + e 1, 727 − 2 , 428 ( jobsatisfa ction ) puas −1, 304 ( socia sup port ) puas

e 5,740−2, 428( jobsatisfaction ) puas−1,304( social sup port ) puas = 1 + e 5,740−2, 428( jobsatisfaction ) puas−1,304( social sup port ) puas

= 0,118

= 0,763

= 1 - 0,118 – 0,763 = 0,119

Nilai π1 merupakan peluang untuk tingkat Turnover Intention rendah, sedangkan unuk nilai π2 merupakan peluang kumulatif antara peluang tingkat Turnover Intention rendah dan sedang. Sehingga besar peluang tingkat Turnover Intention sedang adalah π2 - π1. Uuntuk mencari peluang tingkat Turnover Intention tinggi dapat dihitung dengan 1- π 2, sehingga jumlahan peluang tingkat Turnover Intention untuk masing-masing katagori adalah satu. Konstanta pada model logit 1 bernilai positif yang berarti bila semua variabel prediktor nol maka tingkat Turnover Intention rendah lebih besar dari tingkat Turnover Intention sedang dan konstanta pada modl logit 2 juga bernulai positif yang berarti bla semua variabel prediktor nol maka tingkat Turnover Intention sedang lebih besar dari tingkat Turnover Intention tinggi. Koefisien variabel job satisfation bernilai negatif yang mengindikasikan bahwa nilai Job satisfaction yang tinggi menyebabkan peluang tingkat Turnover Intentiontinggi akan semakin berkurang, begitu juga pada variabel Social support. b. Interpretasi Model Regresi Logistik Ordinal Interpretasi masing-masing parameter dapat menggunakan nilai odds rasio yang dihasilkan dari regresi logistik ordinal sebagai berikut: 1. Seseorang yang memiliki Job satisfaction puas akan memiliki nilai Turnover Intention sebesar 0,09 kali seseorang yang memiliki Job satisfaction tidak puas. 2. Seseorang yang memiliki Social support puas akan memiliki nilai Turnover Intention sebesar 0,27 kali seseorang yang memiliki Social support tidak puas.

J Statistika Volume 3 No 1

21 | Penggunaan Analisis Regresi Logistik Untuk Mencari Probabilitas Turnover Intention Beserta Faktor-Faktor Yang Mempengaruhinya 5. Kesimpuan Setelah dilakukan analisis data dan pembahasan, dapat ditarik kesimpulan sebagai berikut: 1. Karakteristik karyawan yang bekerja pada perusahaan mayoritas menikah, laki-laki, bekerja antara 11-15 tahun, menjabat sebagai operator, pernah bekerja di tempat lain dengan usia antara 30-40 tahun. 2. Dari hasil uji signifikansi pada variabel prediktor demografi, diketahui bahwa seluruh variabel prediktor demografi tidak berpengaruh pada Turnover Intention karyawan. Dari analisis korespondensi yang dilakukan diperoleh hasil bahwa variabel Job satisfaction dan Social support memiliki kecenderungan untuk mempengaruhi tingkat tunover intention pada katagori rendah dan sedang. 3. Dari hasil regresi logistik diketahui terdapat pola hubungan antara tingkat tunover intention dengan faktorfaktor yang berpengaruh. Faktor-faktor yang berpengaruh adalah variabel Job satisfaction puas dan Social support puas memiliki pengaruh yang signifikan terhadap tingkat tunover intention dengan model sebagai berikut: Logit 1 : g1(x) = 1,727 - 2,428 (Job satisfaction puas) -1,304 (Social support puas) Logit 2 : g1(x) = 5,740 - 2,428 (Job satisfaction puas) -1,304 (Social support puas) Berdasarkan model regresi logistik yang diperoleh, diketahui peluang seseorang dengan Job satisfaction puas dan social support puas berpeluang untuk melakukan Turnover tinggi sebesar 0,119. Sedangkan peluang untuk melakukan Turnover sedang dan rendah sebesar 0,763 dan 0,118. Saran dalam pengambilan sampel sebaiknya dari setiap divisi terwakili, agar terwakili oleh seluruh bagian karena karena dianggap ada perbedaan karakteristik disetiap divisi.

Daftar Pustaka Agresti, Alan. (1984). Analysis of Ordinal Categorical Data. Wiley and Sons. New York. Cotton, J. & Turtle, J. (1986). Employee Turnover: A Meta-Analysis and Review With Implications for Research. Academy of Management Review, 11, 55-70. George, J. M. & Jones, G. R. (1996). The Experience of Work and Turnover Intentions: Interactive Effects of Value Attainment, Job satisfaction, and Positive Mood. Journal of Applied Psychology, 81, 318-325. Husna, Wahidatul. (2006). Analisis Statistik Terhadap Keprofesionalan Guru SMA Muhammadiyah 2 Surabaya dengan Metode Regresi Logistik Ordinal dan Analisis Korespondensi. Tugas Akhir, Fakultas Ilmu Pengetahuan Alam, Surabaya. Greenacre, M. J. (1983) Theory and Applications of Correspondence Analysis, Academic Press, inc, New York Hosmer, DW dan Lemenshow. (1989). Applied Logistik Regression. Wiley and Sons. New York. Johnson, Richard A. (1997). “Applied Multivariate Statistical Analysis”, Edisi keempat Upper Saddle Rive, New Jersey 07458 Judge, T. A., Parker, S., Colbert, A. E., Heller, D., & Ilies, R. (2001). Job satisfaction: A Cross-Cultural Review. In: N. Anderson, D. S. Ones, H. K. Sinangil & C. Viswesvaran (Eds.). Handbook of industrial and organisational psychology. Sage, London. Locke, E. A. (1976). The Nature and Causes of Job satisfaction. In: M. Dunette (Ed.). Handbook of Industrial and Organisational Psychology. Consulting Psychologists Press, Palo Alto Maertz, C. P. & Campion, M. A. (1998). 25 Years of Voluntary Turnover Research: A Review and Critique. International Review of Industrial and Organisational Psychology, 13, 49-81. Mobley, W. H., Horner, S. O., & Hollingsworth, A. T. (1978). An Evaluation of Precursors of Hospital Employee Turnover. Journal of Applied Psychology, 63, 408-414. Nanggoy, Silvia & Harianti, Rita. (2005). Pengaruh Kepuasan Kerja Karyawan Terhadap Turnover Intention di PT Andalan Pasific Samudera di Surabaya. Tugas Akhir, Fakultas Ekonomi Universitas Kristen Petra, Surabaya.

J Statistika Volume 3 No 1

22 | Juli Maya Sari dan Dwi Endah Kusrini

J Statistika Volume 3 No 1