BAB III METODE PENELITIAN. pembedanya tersebut. Dimana variabel penilitian terdiri dari variabel retikat (dependent

Transkripsi

1 BAB III METODE PENELITIAN 3.1 Variabel Penelitian dan Definisi Operasional Variabel Variabel Penelitian Variabel adalah apa saja yang dapat membedakan variabel yang dapat dipengaruhi maupun variabel yang tidak dapat dipengaruhi dan memiliki nilai tersendiri dari pembedanya tersebut. Dimana variabel penilitian terdiri dari variabel retikat (dependent veriable), variabel penghubung (intervening variable) dan variabel bebas (independent variable). Variabel variabel yang digunakan dalam penelitian ini adalah ; 1. Variabel terikat(dependent variable) a. Kinerja karyawan(y2) 2. Variabel penghubung (intervening variable) a. Komunikasi(Y1) 3. Variable bebas (independent variable) a. Gaya kepemimpinan(x1) b. Motivasi(X2) c. Disiplin (X3) Definisi Operasional Definisi operasional merupakan arti yang melekat pada suatu variabel dengan cara menetapkan kegiatan atau tindakan yang dapat mengukur suatu variabel. Dimana variabel penelitian yang terdiri dari dependent variable (Y); intervening variable (Y) dan independent variable (X. Definisi operasional dalam penelitian ini antara lain : Tabel 3.1 Definisi Operasional Penelitian

2 Variabel Defisi Oprasional Indikator Gaya kepemimpinan (X1) Motivasi (X2) Disiplin (X3) Komunikasi (Y1) Gaya kepemimpinan adalah perilaku dan strategis, sebagai hasil kombinasi dari falsafah, ketrampilan, sifat, sikap yang sering diterapkan seorang pemimpin Sebuah faktor yang dapat mempengaruhi atau mendorong seorang karyawan untuk melakukan perbuatan atau kegiatan tertentu. Suatu kondisi yang tercipta dan terbentuk melalui proses dari serangkaian perilaku yang menunjukkan nilai-nilai ketaatan, kepatuhan dan ketertiban Komunikasi adalah komunikasi merupakan proses penyampaian pesan dari komunikator melalui perantara berupa media komunikasi sehingga a) Menurut saya,pemimpin bersikap tegas. b) Menurut saya,pimpinan mengutamakan namanya efisiensi waktu dalam bekerja. c) Menurut saya,pimpinan tipe pemimpin yang flexibel menyikapi masalah ( diolah oleh peneliti) a) Menurut saya, kenaikan gaji/upah yang diberikan dapat memotivasi kinerja karyawan b) Menurut saya, diberikannya Intensif dapat memicu kinerja karyawan. c) Menurut saya, dalam berkerja karyawan sering mendapat penghargaan atau reward dari pimpinan. ( diolah oleh peneliti) a) Menurut saya, ketaatan dapat mempengaruhi ketaatan dalam kinerja. b) Menurut saya, dalam berkerja harus selalu mengutamakan kinerja disiplin c) Menurut saya, kehadiran dapat mempengaruhikinerja ( diolah oleh peneliti) a) Menurut saya, pimpinan sering melakukan

3 Kinerja Karyawan (Y2) pesan dapat diterima oleh penerima pesan untuk ditafsirkan Kinerja karyawan adalah perbandingan hasil kerja nyata karyawan dengan standar kerja yang telah ditetapkan oleh perusahaan. Dimensi atau indikator kinerja merupakan aspek-aspek yang menjadi ukuran dalam menilai kinerja komunikasi kepada karyawannya b) Menurut saya, pimpinan anda apakah sering menegur c) Menurut saya, karyawan satu dengan yang lain sering melakukan komunikasi ( diolah oleh peneliti) a) Menurut saya, Pemberian gift dapat menghasilkan kualitas kinerja karyawan b) Menurut saya, penggunaan waktu yang efisien dapat menumbuhkan kuantitas kinerja c) Menurut saya,kerja sama antar pegawai dapat mempengaruhi kinerja d) Menurut saya, tekanan dari pihak pesaing dapat mempengaruhi kinerja karyawan e) Menurut saya, aturan yang sering berubah-ubah bisa memicu karyawan tidak maksimal dalam berkerja ( diolah olehpeneliti) 3.2 Populasi dan Sample Populasi Populasi adalah wilayah generalisasi yang terdiri atas : objek / subjek yang

4 mempunyai kualitas dan karakteristik tertentu yang di tetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2010). Populasi dalam penelitian ini yaitu semua karyawan di CV.Bedagan Motor Group sebanyak 205 orang yang terdiri dari 1 kepala cabang, 4 sales, 2 sekretaris dan sisanya 3 orang terbagi menjadi montir atau bengkel di setiap showroom Bedagan Motor. Jumlah dari objek keseluruhan individu yang sama dan memiliki karakteristik tersendiri. Dimana populasi yang digunakan adalah semua karyawan yang berkerja di CV. BEDAGAN MOTOR GROUP di setiap cabang di seluruh jawa tengah Sampel Sampel adalah bagian dari populasi, dimana karakteristik yang diteliti yang dianggap dapat mewakili seluruh populasi. Sample dalam penelitian ini adalah semua karyawan CV. BEDAGAN MOTOR GROUP. Data yang dikumpulkan merupakan data primer yang diperoleh dari jawaban responden terhadap kuesioner yang dberikan. Kuesioner terebut ditujukan langsung kepada responden. Sampel dari penelitian dalam pengisian kuesioner diharapkan dapat mewakili populasi yang ada. Teknik pengambilan sampel yang digunakan dalam penelitian ini adalah purposive sampling atau khusus pegawai CV. BEDAGAN MOTOR GROUP, yang dimanamerupakan cara pengambilan yang menjadi responden harus memiliki ciri-ciri tertentu dan terdiri dari dua macam yairu pemilihan sample berdararkan pada pertimbangan (judgement sampling) dan pemilihan sampel berdasarkan kuota (quota sampling). Ciri-ciri yang harus dipenuhi adalah harus merupakan karyawan CV. BEDAGAN MOTOR GROUP. Penentuan jumlah karyawan sebagai responden dalam penelitian ini digunakan quota sampling, yaitu prosedur non probability sampling yang dapat menjamin bahwa karakter-karakter tertentu dari sampel populasi dapat terwakili. Quota sampling didasarkan atas kuota untuk setiap kategori

5 dalam suatu populasi target. Tujuan dari metode pemilihan sampel secara tidak acak berdasarkan kuota umumnya untuk menaikkan tingkat representatif sampel pada penelitian. Penentuan jumlah sampel tersebut pada dasarnya didukung dengan Pendekatan Rumus Bernoulli (Walpole, 1990: 127), di mana dalam penentuan besamya sampel minimum yang diperlukan dalam penelitian ini dapat dihitung dengan menggunakan pendekatan Bernoulli, di mana rumus yang digunakan adalah sebagai berikut : ( Z N 2 / 2 ). p. 2 q Di mana: N = jumlah sampel minimum = Tingkat ketelitian = 0,05 Z = Nilai distribusi normal e = Tingkat kesalahan = 0,05 p = Proporsi jumlah kuesioner yang dianggap benar q = Proporsi jumlah kuesioner yang dianggap salah = 1 - p Untuk kuesioner dari responden, proporsi kuesioner yang dianggap benar adalah 95% dan proporsi kuesioner yang dianggap salah adalah 5%, dengan tingkat kesalahan sebesar 5% berarti bahwa dalam jawaban kuesioner diberikan suatu batasan sebesar maksimum 5% kesalahan dari semua total jawaban responden yang termuat dalam kuesioner. Besar jumlah sampel berdasarkan pendekatan Bernoulli dapat diperoleh jumlah sampel minimum dari proporsi seperti sebagai berikut : 2 (1,96) x0,95x0,05 N 204, ,05 Maka jumlah sampel minimum yang diperlukan dalam penelitian ini adalah Jenis dan Sumber Data Data yang diperoleh untuk penelitian ini bersumber dari data sekunder dan data

6 primer. Sehingga masing-msing data bisa mewakili responden yang ada. 1. Data sekunder Data sekunder ialah data primer yang telah di olah lebih lanjut oleh pihak lain. Misalnya tabel data yang sering kita jumpai atau diagram-diagram menurut Sugiyono (2010). Data sekunder yang digunakan dengan kualitas layanan terhadap kepuasan konsumen. 2. Data primer Data primer merupakan data yang diperoleh dari sumber pertama baik secara individu maupun secara kelompok menurut Sugiyono (2010). Data diperoleh dari pihak-pihak yang berkepentingan dan diperoleh dari responden melalui kuesioner saat penelitian 3.4 Metode Pengumpulan Data Untuk memperoleh data sehingga dapat dipercaya kebenarannya, tepat pada waktunya serta memberikan gambaran permasalahan-permasalahan secara menyeluruh, maka digunakanlah metode pengumpulan data sebagai berikut : 1. Wawancara Bentu komunikasi secara langsung antara seorang peneliti dan responden. Dimana komunikasi dalam bentuk tanya jawab dengan bertatapan muka, sehingga gerak dan mimik wajah responden adalah media yang dapat melengkapi kata-kata verbal. Dimana dlam penelitian ini wawancara dilakukan dengan mendatangi secara langsung dan melakukan tanya jawab dengan responden untuk memperoleh suatu keterangan yang dibutuhkan. 2. Kuesioner Kuesioner adalah suatu cara pengumpulan data dengan memberikan atau menyebarkan daftar pertanyaan kepada responden, dengan harapan responden akan memberikan tanggapan atas dasar dari pertanyaan. Daftar pertanyaan bersifat terbuka

7 dan dipublikasi serta jawaban tidak ditentukan sebelumnya, sedangkan sikap tertutupjika alternatif-alternatif jawaban telah disediakan menurut Sugiyono (2010). Metode tersebut dilakukan dengan cara memberikan daftar pertanyaan yang ditujukan kepada responden untuk memperoleh jawaban yang sesuai dengan penelitian. Kuesioner diberikan kepada konsumen yang mengetahui dan pernah menggunakan transaksi jual-beli online melalui situs Tokopedia maupun situs online shop lainnya. 3.5 Metode Analisis Analisis Kuantitatif Metode pengumpulan data menggunakan angket dan kuesioner. Angket atau kuesioner ini merupakan suatu metode pengumpulan data dengan memberikan dan mnyebarkan daftar pertanyaan kepada responden. Dengan harapan responden memberikan tanggapan atas daftar pertanyaan yang telah diberikan menurut Umar (2013). Metode tersebut merupakan metode dalam pengumpulan data dalam penelitian ini kuesioner diberikan kepada konsumen yang pernah menggunakan Tokepedia sebagai situs jual-beli online. Data dari kuesioner dengan menggunakan skala Likert, dimana berhubungan dengan pertanyaan bagaimana sikap seseorang terhadap suatu hal menurut Umar (2013). Sedangkan skala Likert dalam penelitian ini menggunakan Skala Ordinal dimana penilaiannya sebagai berikut : a. Untuk jawaban STS berarti Sangat Tidak Setuju memiliki nilai= 1 b. Untuk jawaban TS berarti Tidak Setuju memiliki nilai = 2 c. Untuk jawaban N beraarti Netral memiliki nilai = 3 d. Untuk jawaban S berarti Setuju memiliki nilai = 4 e. Untuk jawaban SS berarti Sangat Setuju memiliki nilai = 5

8 Penjabaran skala ordinal dalam Rentang Skala (RS) menurut Umar (2013) : RS = Nilai tertinggi nilai terendah Banyaknya Kelas Perhitungan tersebut adalah sebagai berikut : 5-1 RS = = 0,8 5 Standar untuk kategori lima kelas menurut Durianto, dkk (2001) adalah : 1,00-1,80 = sangat rendah 1,81-2,60 = rendah 2,61-3,40 = cukup rendah 3,41-4,20 = tinggi 4,21-5,00 = sangat tinggi Analisis Deskriptif Analisis deskriptif dalam sebuah penelitian bertujuan untuk mengetahui gaya kepemimpinan, motivasi, disiplin, komunikasi dan kinerja karwayan CV. BEDAGAN MOTOR GROUP dan kecenderungan responden terhadap variabel-variabel yang sudah dijelaskan dan yang akan diteliti. Agar memperoleh gambaran dari gaya kepemimpinan, motivasi, disiplin, komunikasi dan kinerja karwayan CV. BEDAGAN MOTOR GROUP. Sedangkan pengukuran kecenderungan terhadap komunikasi dan kinerja karyawan di dasari atas gaya kepemimpinan, motivasi dan disiplin sikap karyawan terhadap perusahannya tempat mereka berkerja di CV. BEDAGAN MOTOR GROUP. Penentuan kecenderungan tersebut adalah sebagai berikut : Nilai Maksimum : 5 Nilai Minimum : 1 Rentang Skala : (m-1) / m

9 : (5-1) / 5 : 0,8 Dimana RK m : Rentang Skala : jumlah alternatif pilihan Kategori : 1,0 1,8 : Sangat Rendah / Sangat Buruk 1,9 2,6 : Rendah / Buruk 2,7 3,4 : Sedang / Cukup 3,5 4,2 : Baik / Tinggi 4,3 5,0 : Sangat Baik / Sangat Tinggi Structural Equation Modelling Salah satu metode analisis data yang lebih efisien dan efektif guna tercapainya tujuan penelitian adalah teknik statistika. Teknik tersebut menyediakan struktur sistematis untuk mengorgannisasi data dan jawaban yang objektif, apabila sesuai dengan kegunaannya. Untuk mencapai suatu tujuan dalam penelitian dan hipotesis, maka data yang diperoleh selanjutnya diolah sesuai dengan kebutuhan. Untuk keperluan pembahasan, data diolah dan dipaparkan menurut prinsip-prinsip statistik deskriptif. Sedangkan untuk kepentingan analisis dan pengujian hipotesis, digunakan pendekatan statistik inferensial. Model dalam penelitian ini menggunakan program pengolahan data SEM (Structural Equational Modelling). SEM merupakan teknik analisis yang kuat untuk menggabungkan model dari pengukuran atau analisis faktor konfirmatori dan model struktural menjadi uji statistik secara simultan, menurut Hoe (2008). Penelitian dengan menggunakan SEM ini bertujuan agar mengetahui dan menganalisis pengaruh variabel eksogen dan variabel

10 endogen menggunakan AMOS. Langkah-langkah menggunakan SEM (Structural Equation Modelling)menurut Ferdinand (2002) adalah : Gambar 3.1 Langkah langkah Structural Equation Modelling Pengembangan Model Berbasis Konsep dan Teori Mengkonstruksi Diagram Path Konversi Diagram Path ke Model Struktural Matrik Matriks Input Menilai Masalah Identifikasi Evaluasi Goodness of fit Interpretasi dan Modifikasi Model Keterangan Gambar : 1. Pengembangan Model berbasis konsep dan teori. SEM adalah berdasarkan hubungan sebab akibat (causal) dimana perubahan satu variabel diasumsikan untuk menghasilkan suatu perubahan pada variabel yang lain. Langkah pertama dalam pengembangan SEM adalah pencarian atau pengembangan model yang mempunyai justifikasi teoritis yang kuat. Dalam penelitian ini terdapat 18 variabel manifes dari 3 variabel laten dan 3 variabel observed.

11 2. Mengkonstuksi Diagram Path. Diagram Path digunakan untuk menunjukkan alur hubungan kausal antar variabel exogen dan endogen atau antar variabel observasi dan variabel latent. Dimana hubungan-hubungan kausal yang telah ada justifikasi teori dan konsepnya, divisualisasikan ke dalam gambar sehingga lebih mudah melihatnya dan lebih menarik. Konversi Diagram Path ke dalam Model Struktural ke dalam model matematika, untuk menjelaskan bagaimana seharusnya model tersebut memiliki hubungan antar variabel. 3. Konversi diagram alur ke dalam persamaan. Setelah teori/model teroritis dikembangkan dan digambarkan dalam sebuah diagram alur, peneliti dapat mengkonversi spesifikasi model tersebut ke dalam rangkaian persamaan. Persamaan yang dibangun terdiri dari : (a) Persamaan-persamaan struktural (Structural equations) dan (b) Persamaan spesifikasi model pengukuran (measurement model). 4. Memilih Matrik Input. Data input untuk SEM dapat berupa matrik korelasi maupun matriks kovarians. Dalam SEM input data berupa matrik kovarians, bilamana tujuan dari analisis adalah pengujian suatu model yang telah mendapatkan justifikasi teori. Sedangkan input data matriks korelasi dapat digunakan bilamana tujuan analisis ingin mendapatkan penjelasan mengenai pola hubungan kausal antar variabel latent. 5. Menilai Masalah Identifikasi. Permasalahan yang sering muncul dalam SEM adalah proses pendugaan parameter. Bilamana terjadi un-identified atau under identified, maka proses pendugaan parameter tidak mendapat suatu solusi, sebaliknya bilamana terjadi over identified maka proses pendugaan parameter mengalami ketidakmampuan menghasilkan penduga, sehingga model yang diperoleh tidak dapat dipercaya. 6. Evaluasi Goodness of fit. Evaluasi goodness of fit digunakan untuk mengetahui pengujian parameter hasil pendugaan, uji model overall, uji model struktural dan uji model pengukuran (validitas dan reliabilitas).

12 7. Intepretasi dan Modifikasi Model. Bila model yang diperoleh tersebut memenuhi syarat dalam arti cukup baik maka selanjutnya dapat dilakukan interpretasi, namun jika model tersebut tidak baik maka harus dilakukan modifikasi model. Modifikasi model dapat dilakukan harus berdasarkan justifikasi teori dan harus sangat hati-hati. Secara garis besar terdapat dua langkah dalam pemodelan SEM yaitu: (1) measurement model yaitu menguji dimensi-dimensi sebuah konstruk (2) structural model yaitu menguji hubungan kausalitas antar variable Model analisis penelitian SEM Uji Kesesuaian dan Uji Statistik Asumsi yang digunakan dalam model persamaan struktural adalah sebagai berikut: a. Evaluasi atas dipenuhinya asumsi normalitas dalam data, dilakukan dengan mengamati skewness value dari data yang digunakan. Nilai statistik untuk menguji normalitas data disebut dengan z-score. Bila z-score lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi yang dikehendaki. Misalnya, bila nilai yang dihitung

13 lebih besar dari ± 2,58 berarti kita dapat menolak asumsi mengenai normalitas dan distribusi pada tingkat signifikansi 0,01(1%). b. Evaluasi terhadap outliers, dimaksudkan bahwa observasi atau data yang memiliki karakteristik unik yang terlihat sangat jauh berbeda dari observasi- observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi (Hair et al., 1995). Selanjutnya analisis outliers dapat dievaluasi dalam dua cara, yaitu analisis terhadap univariate outliers dan multivariate outliers. 1. Univariate outliers Deteksi terhadap adanya univariate outliers dapat dilakukan dengan menentukan nilai ambang batas yang akan dikategorikan sebagai outliers dengan cara mengkonversi nilai data penelitian ke dalam standar score atau biasa disebut z-score, yang mempunyai rata-rata nol dengan standar deviasi sebesar satu. Untuk sampel besar (di atas 80 observasi), pedoman evaluasi adalah bahwa nilai ambang batas dan z-score berada pada rentang 3 sampai dengan 4 (Hair et al., 1995). Oleh karena itu kasus-kasus atau observasi yang mempunyai z-score 3,0 akan dikategorikan sebagai outliers. 2. Multivariate outliers Evaluasi terhadap multivariate outliers perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outliers pada tingkat univariat, tetapi observasi-observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak Mahalanobis (the mahalanobis distance) untuk tiap-tiap observasi dapat dihitung dan akan menunjukkan jarak sebuah observasi dan rata-rata semua variabel dalam sebuah ruang multidimensional (Hair et al., 1995). Uji terhadap multivariate outliers dilakukan dengan menggunakan kriteria Jarak

14 Mahalanobis pada tingkat p<0,01. Jarak Mahalanobis itu dievaluasi dengan menggunakan χ 2 pada derajat bebas sejumlah variabel yang digunakan dalam penelitian tersebut. MisaInya nilai chi-square dengan derajat bebas sebesar 10 pada tingkat signifikansi 0,01 atau χ 2 (10; 0,01) adalah 16,266. Maka, kasus-kasus yang mempunyai Jarak Mahalanobis (maholanobis distance) lebih besar dari 16,266 adalah multivariate outliers. Apabila asumsi di atas telah dipenuhi maka model dapat diuji melalui uji ke-sesuaian dan uji statistik, sebagai berikut (Ferdinand, 2002) : 1. Chi-square statistic (χ 2 ) merupakan alat uji yang paling fundamental untuk menguji mengenai adanya perbedaan antara matriks kovarians populasi dengan matriks kovarians sampel. Model yang diuji akan dipandang baik dan memuaskan bila nilai chi-squarenya rendah. Semakin kecil nilai χ 2 semakin baik model itu dan diterima berdasarkan probabilitas dengan cutt-off sebesar p > 0,05 atau p > 0, Significance probability merupakan uji signifikansi terhadap perbedaan matriks kovarians data dengan matriks kovarians yang diestimasi. Nilai probabilitas signifikansi adalah 0,05 adalah indikasi bahwa model dapat diterima. 3. Relative chi-square adalah the minimum sample discrepance function (CMIN) dibagi dengan degree of freedom yang akan menghasilkan CMIN/DF dan umumnya digunakan sebagai salah satu indikator untuk mengukur tingkat fitnya suatu model. Nilai χ 2 relatif kurang dari 2,0 atau bahkan kadang-kadang kurang dari 3,0 adalah indikasi dari acceptable fit antara model dengan data (Arbuckle, 1997). 4. The root mean square error of approximation (RMSEA) adalah sebuah indeks yang dapat digunakan untuk mengkompensasi chi-square statistic dalam sampel yang besar. Nilai RMSEA menunjukkan goodness-of-fit yang dapat digunakan bila model diestimasi dalam populasi (Hair et al., 1996). Nilai RMSEA yang lebih kecil atau sama

15 dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model berdasarkan degrees of freedom. 5. Comparative fit index (CFI) merupakan besaran indeks untuk mengukur tingkat penerimaan sebuah model. Keunggulan dari indeks ini adalah tidak dipengaruhi oleh ukuran sampel (Hulland et al., 1991; Tanaka, 1993). Rentang nilai pada indeks ini adalah 0-1, dimana semakin mendekati 1 mengindikasikan tingkat fit yang paling tinggi - a very goodfit. 6. Tucker Lewis Index (TLI) adalah sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap baseline model (Baumgatner dan Homburg, 1996). Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah 0,95 (Hair et al., 1995) dan nilai yang sangat mendekati 1 menunjukkan a very goodfit. Setelah dilakukan pengujian terhadap asumsi dasar SEM dan pengujian terhadap uji kesesuaian dau uji statistik, langkah berikutnya adalah melakukan modifikasi terhadap model yang tidak memenuhi syarat pengujian yang telah dilakukan. Setelah model diestimasi, residualnya haruslah kecil atau mendekati nol dan distribusi frekuensi dari kovarians residual harus bersifat simetrik. Hair et al., (1995) memberikan sebuah pedoman untuk mempertimbangkan perlu tidaknya memodifikasi terhadap sebuah model yaitu dengan melihat jumlah residual yang dihasilkan oleh model. Bila jumlah residual lebih besar dari 5% dari semua residual kovarians yang dihasilkan oleh model, maka modifikasi perlu dipertimbangkan. Selanjutnya, bila ditemukan nilai residual yang dihasilkan oleh model cukup besar (>2,58), maka cara lain dalam memodifikasi adalah dengan mempertimbangkan untuk menambah alur baru terhadap model yang diestimasi. Nilai residual lebih besar atau sama dengan ± 2,58 diinterpretasikan sebagai signifikan secara statistik pada tingkat 5% dan residual yang

16 signifikan ini menunjukkan adanya prediction error yang substansial untuk sepasang indikator.