BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Objek penelitian ini adalah karyawan Lanang Barbershop yang beroperasi di wilayah Jakarta Tangerang atau seluruh kios.penelitian ini diteliti dengan kuesioner tertulis secara Face to Face (tatap muka) yang akan dilakukan pada rentang waktu pertengahan September 2015 hingga awal Desember 2015. B. Desain Penelitian Dalam penelitian ini jenis penelitian yang digunakan adalah analisis kausal. Analisis kausal adalah penelitian untuk mengetahui tentang pengaruh satu atau lebih variabel bebas (variabel laten exogen) terhadap variabel terikat (variabel laten endogen). Dimana peneliti ingin mengetahui Pengaruh Budaya Organisasi dansistem Kompensasi Terhadap Motivasi Kerja dan Dampaknya Pada Kinerja Stylist pada Lanang Barbershop. C. Definisi Operasional Variabel Definisi operasional adalah suatu informasi ilmiah yang amat membantu penelitian lain yang ingin menggunakan variabel yang sama. Definisi operasional merupakan semacam petunjuk pelaksanaan bagaimana caranya mengukur suatu variabel sehingga dapat menentukan apakah 57
58 prosedur pengukuran yang sama akan dilakukan atau diperlukan prosedur pengukuran yang baru. Adapun Operasionalisasi dari masing-masing variabel terdapat dibawah ini: Tabel 3.1 Definisi Operasional Variabel No Variabel Definisi Indikator 1 Budaya Organisasi (X 1 ) Budayaorganisasiadalahsist emmakna, nilainilaikepercayaan yang dianutbersamadalamsuatuor ganisasi yang menjadirujukanuntukbertind akdanmembedakanorganisas isatudenganorganisasi lain (Mas ud, 2006). 2 Kompensasi (X 2 ) MenurutPanggabean (2002) kompensasidapatdidefinisika nsebagaisetiapbentukpengha rgaan yang diberikankepadakaryawanse bagaibalasjasaataskontribusi yang merekaberikankepadaorgani sasi. a. Kemampuan untuk berinovasi dan bertanggung jawab atas resiko b. Teliti dalam bekerja c. Meningkatkan hasil kerja d. Pemberian motivasi untuk bekerja lebih baik e. Hubungan yang lebih erat dengan rekan kerja yang lain f. Bersemangat dalam bekerja g. Stabilitas (status quo) Sumber : diadaptasi dari Robbins (1996) dalam Dr. Sudaryono (2014:39) a. Gaji b. Upah c. Upah Insentif Sumber : diadaptasi dari Wilson Bangun (2012:255) 3 Motivasi (Z 1 ) MenurutHasibuan (2008), motivasiadalahpemberianda yapeggerak yang menciptakankegairahankerja seseorang agar merekamaubekerjasama, bekerjaefektif, danterintegrasidengansegala dayaupayanyauntukmencapa ikepuasan. 4 Kinerja Karyawan (Y 1 ) MenurutHasibuan (2008), kinerjamerupakanhasilkerja yang dicapaiseseorangdalammela ksanakantugas-tugas yang a. Dorongan atau hasrat untuk mengungguli orang lain b. Dorongan atau hasrat untuk mencapai kesuksesan c. Hasrat untuk mendapat umpan balik atau pujian d. Hasrat untuk keinginan untuk mempengaruhi orang lain e. Hasrat untuk mencapai suatu posisi atau kekuasaan f. Jalinan kerja sama dengan rekan kerja (team work) g. Jalinan keakraban dan keramahan dengan rekan kerja h. Sikap kooperatif dan persahabatan dengan pihak lain. Sumber : diadaptasi dari David McClelland dalam Wilson Bangun (2014:325) a. Jumlah pekerjaan yang bisa diselesaikan satu orang karyawan b. Hasil pekerjaan yang sesaui dengan standar c. Pekerjaan selesai dengan tepat
59 dibebankankepadanyadidasa rkanataskecakapan, pengalaman, kesungguhansertawaktu. waktu d. Karyawan hadir tepat waktu e. Setiap karyawan bisa saling bekerja sama Sumber : diadaptasi dari Wilson Bangun (2014 : 233) D. Skala Pengukuran Variabel Penelitian ini menggunakan skala ordinal, yaitu metode yang digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial (Sugiyono, 2007 : 107). Pengukuran terhadap variabel dilakukan dengan menggunakan skala ordinal yaitu metode pengukuran dengan skala likert yaitu angka-angka yang dinilai berdasarkan tingkatan, sebagai berikut : Tabel 3.2 Instrumen Skala Likert Pertnyataan Kode Skor Sangatsetuju SS 5 Setuju S 4 Netral N 3 TidakSetuju TS 2 SangatTidaksetuju STS 1 E. Populasi dan Sampel 1. Populasi Penelitian Populasi adalah kumpulan dari semua kemungkinan orang-orang, benda-benda, dan ukuran lain yang menjadi objek perhatian atau
60 kumpulan seluruh objek yang menjadi perhatian. Sedangkan sampel adalah suatu bagian dari populasi tertentu yang menjadi perhatian (Suharyadi dan Purwanto, 2004:103). Populasi pada penelitian ini adalah seluruhkaryawan Lanang BarbershopJakarta Barat dantangerang sejumlah 150 orangyang akan diteliti melalui kuesioner lapangan pada periode pertengahan September 2015 sampai Awal Desember 2015. 2. Sampel penelitian Sampel penelitian adalah bagian dari populasi. Pada dasarnya sebagian dari subjek penelitian yang akan digunakan sebagai dasar pengujian hipotesis, sehingga kesimpulan yang diperoleh dari sampel dianggap berlaku juga untuk populasi. Sedangkan, teknik sampling pada penelitian kali ini adalah menggunakan purposive sampling(sugiyono, 2006:74) yaitu teknik penentuan sampel berdasarkan tujuan, siapa saja yang memang menjadi tujuan dan objek dari penelitian ini. Teknik sampling yang digunakan akan untuk menentukan responden adalah cara memilih anggota dari populasi untuk dijadikan sampel yang sesuai dengan penelitian (Kountour (2004). Menurut Heir, et.al. (1995) dalam Supramono dan Haryanto (2005:54), ukuran sampel untuk kepentingan pengujian hipotesis yang menggunakan structural
61 equation model (SEM) berkisar 100-200. Dalam penelitian ini, penulis menetapkan sebanyak 150 responden dengan metode sampel jenuh. F. Jenis data Data yang digunakan dalam pembahasan skripsi ini adalah data yang bersumber dari Data Primer. Data Primer yaitu data yang didapat dari sumber pertama baik dari individu atau kelompok, seperti hasil pengisian kuisioner yang dilakukan peneliti. G. Metode Pengumpulan Data Metode pengumpulan data adalah teknik atau acuan cara-cara yang dapat digunakan untuk mengumpulkan data. Cara mengumpulkan data dalam penelitian ini yaitu dengan penelitian lapangan. Instrument pengumpulan data yang digunakan berupa kuesioner. H. Metode Analisis Data Metode penelitian yang dipakai dalam penelitian ini adalah analisis kuantitatif, maksudnya digunakan skala penilaian untuk menyatakan bobot antara hubungan variabel satu dengan variabel yang lainnya. Untuk dapat mengetahui signifikasi pengaruh antar variabel, maka data diolah dengan menggunakan metode analisis SEM (Structural Equation Modeling) dengan menggunakan software Lisrel 8.7.
62 1. Spesifikasi Model Spesifikasi model ini merupakan pembentukan model awal persamaan pengukuran dan strukural. Spesiikasi model pengukuran merupakan persamaan notasi matematik yang membentuk variabelvariabel teramati. Sedangkan spesifikasi model struktural adalah persamaan notasi matematik berdasarkan hubungan antara satu variabel laten ke variabel laten lainnya. Kemudian, akan ditunjukkan output path diagram hybrid model dengan notasi matematik. Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas antar bagian konstruk. Persamaan struktual dari model diagram jalur penelitian ini dinyatakan sebagai berikut: Y 1 = a + b 1 Z 1 + b 2 X 1 + b 3 X 2 +ε...(1) Z 1 = c + d 1 X 1 + d 2 X 2 + ε...(2) Keterangan : a = konstanta Y 1 c = konstanta Z 1 Y 1 Z 1 X 1 X 2 ε = Kinerja Karyawan = Motivasi Kerja = Kompensasi = Budaya Organisasi = errormeasurement
63 2. Confirmatory Factor Analysis Penelitian ini menggunakan pengukuran dengan dua tahap, di sebut two-step approach. Tingkat pertama, yaitu CFA merupakan model pengukuran yang menunjukkan suatu variabel laten diukur oleh satu atau lebih variabel-variabel teramati. Hal ini didasari alasan bahwa variabel-variabel laten atau konstruk tertentu yang mendasarinya (Wijanto, 2008:76). Hasil CFA harus diperiksa terlebih dahulu dari kemungkinan terjadinya offending estimate, kemudian dilakukan uji validitas dan realibilitas. Kemudian tingkat kedua dilakukan, yaitu Second Order CFA (2 nd CFA) menunjukkan hubungan antara variabelvariabel laten pada tingkat pertama sebagai indikator dari sebuah variabel laten tingkat kedua. Keuntungan menggunakan CFA adalah model dibentuk terlebih dahulu, jumlah variabel laten ditentukan oleh peneliti, pengaruh suatu variabel laten terhadap variabel teramati ditentukan lebih dahulu, beberapa efek langsung terhadap variabel teramati dapat ditetapkan sama dengan nol atau suatu konstanta, kesalahan pengukuran boleh berkolerasi, kovarian variabel-variabel laten dapat diestimasi atau ditetapkan pada nilai tertentu dan identifikasi parameter diperlukan. 3. Analisis Offending Estimates Analisis awal ini harus dilakukan untuk memastikan tidak terdapat offending estimates (nilai-nilai yang melebihi batas yang dapat
64 diterima) dari hasil estimasi di tingkat CFA. Berikut kriteria analisisnya, yaitu: 1) offending estimates, terutama adanya negative error variences (dikenal dengan heywod cases). Jika ada kesalahan varian negatif, maka varian kesalahan tersebut perlu ditetapkan menjadi 0.005 atau 0.001. 2) Nilai standardize loading factor >0.50, namun peneliti menggunakan SLF lebih dari atau sama dengan 0.30 (Igbaria et al. Dalam Wijayanto, 2008:79). Sehinggavariabel-variabelterkait yang berada di antara 0.30 0.50 bisa dipertimbangkan untuk masuk kateogori validitas. 3) standard errors yang berhubungan dengan koefisienkoefisien yang diestimasi mempunyai nilai yang besar. 4. Uji Validitas dan Uji Reliabilitas Untuk menguji kelayakan kostruk dari pertanyaan-pertanyaan yang diajukan pada kuisioner penelitian, penulis kemudian melakukan uji validitas dan reliabilitas. Validitas berhubungan dengan apakah suatu varibel mengukur apa yang seharusnya diukur (Wijayanto, 2008:76). Validitas dalam penelitian ini menyatakan derajat ketepatan alat ukur penelitian terhadap isi atau arti sebenarnya yang diukur.
65 Menurut Ridgon dan Ferguson (1991) dan Toll, Xia, Torkzadeh (1994) dalam Wijayanto (2008) menyatakan suatu variabel latennya, jika: Nilai t-value > 1.96 pada tingkat kepercayaan 95% Muatan faktor standarnya (standardized loading factor) 0.70. Sementara itu, Igbaria et al., (1997) menyatakan bahwa standardized loading factor 0.50 adalah sangat signifikan. Jika terdapat variabelvariabel yang memiliki nilai t-value < 1,96 dan standardized loading factor kurang dari 0.30 atau 0.50 maka harus dihilangkan/dihapuskan dari model disebut juga model trimming. Setelah itu, proses pengukuran dilakukan kembali dengan CFA dan dianalisis sesuai dengan syaratsyarat di atas. Realibilitas adalah konsistensi suatu pengukuran (Wijayanto, 2008:89). Reliabilitas yang tinggi menunjukkan bahwa indikatorindikator mempunyai konsistensi yang tinggi dalam mengukurvariabel latennya.realibilitas suatu konstruk dikatakan baik, jika nilai construct reabilitynya adalah 0.70. Cara lain untuk menghitung reabilitas adalah dengan menggunakan variance extracted (VE), dimana nilai VE 0.50. Ekstrak varian mencerminkan jumlah varian keseluruhan dalam indikator yang dijelaskan oleh construct latent. Berikut ini adalah rumus perhitungan pengukuran reliabilitas: ConstructReability = (Σ std. loading)² (Σ std. loading)² + Σ ej
66 VarienceExtracted = (Σ std. loading)² (Σ std. loading)² + Σ ej Keterangan: Σ = Jumlah keseluruhan Std.Loading = Sandardized loading factors (muatan factor standar) ej = Kesalahan Menurut Hair (1998), nilai CR yang baik adalah 0.70. Apabila nilai CR berada di kisaran angka 0.60 dan 0.70, maka realibilitas masih termasuk dalam kategori baik. Selain itu, untuk pengukuran nilai VE 0.50 merupakan ukuran yang baik dalam mengukur reliabilitas, tetapi VE ini biasanya berupa pilihan (optional) dalam penelitian, sehingga peneliti diperbolehkan hanya menggunakan CR sebagai ukuran reliabilitas, namun akan lebih baik apabila VE diikutsertakan. 5. Second Order (2ndCFA) Second Order Confirmatory factor analysis (2ndCFA) adalah model pengukuran yang terdiri dari dua tingkat (Wijayanto, 2008). 2ndCFA merupakan pengukuran tingkat kedua yang menunjukkan hubungan antara variabel-variabel laten pada tingkat pertama sebagai indikator dari sebuah variabel laten tingkat kedua. CFA tingkat kedua ini akan mengestimasi dan menganalisis kecocokan model secara keseluruhan sertaterhadap model strukturalnya.
67 6. Uji Kecocokan Keseluruhan Model Struktural Equation Modeling (SEM) merupakan suatu teknik statistik yang mampu menganalisis variabel laten, variabel teramati, dan kesalahan pengukuran secara langsung. SEM mampu menganalisis hubungan antara variabel laten dengan variabel indikatornya, hubungan antara variabel laten yang satu dengan variabel laten yang lain, juga mengetahui besarnya kesalahan pengukuran (Sitinjak dan Sugiarto, 2006:115). Hal tersebut sejalan dengan pendapat ahli yang mengatakan SEM tidak seperti analisis multivariate biasa yang tidak bisa menguji regresi berganda ataupun analisis faktor secara bersama-sama (Bollen, 1989: dalam, Ghozali, 2005).Disamping hubungan kausal searah, SEM juga memungkinkan menganalisis hubungan dua arah. Berikut adalah model penelitian dalam SEM Lisrel: Gambar 3.1 Model Penelitian Pada SEM Lisrel
68 Setelah model terbentuk, maka diperlukan analisis dalam uji kecocokan model, indikator-indikator yang dapat digunakan antara lain (Wijayanto, 2008) : 1. Chi square /degrees of freedom (χ 2 /df) Chi Square digunakan untuk mengujiseberapa dekat kecocokan antara matrik kovarian sampel dengan matrik kovarian model. Hari (2008) mengatakan bahwa χ 2 seharusnya lebih diperlakukan sebagai ukuran goodness offit atau badness of fit dan bukan sebagai uji statistik. χ 2 dapat disebut juga sebagai badness of fit karena nilai χ 2 yang besar menunjukkan kecocokan yang tidak baik (badfit) sedangkan nilai χ 2 yang kecil menunjukkan good fit (kecocokan yang baik). 2. Non-Centrality Parameter (NCP) NCP merupakan ukuran perbedaan antara matrik kovarian sampel (Σ) dengan matrik kovarian model (Σ(θ)). NCP juga merupakan ukuran badnessof fit dimana semakin besar perbedaan antara Σ dengan Σ(θ) semakin besar nilai NCP. Jadi, kita perlu mencari NCP yang nilainya kecil atau rendah.
69 3. Goodness of Fit Indices (GFI) GFI dapat diklasifikasikan sebagaiuji kecocokan absolut, karena padadasarnya GFImembandingkan model yang dihipotesiskandengantidakadamodelsamasekali.nilai GFIharusberkisarantara0 (poor fit)sampai 1 (perfect fit), dannilaigfi 0,90 merupakangoodfit (kecocokan yang baik),sedangkan 0,80 GFI< 0,90seringdisebutmarginal fit. 4. Root Mean Square Residual (RMR) RMRmewakilinilai rerata residual yang diperoleh dari mencocokkan matrik varian-kovarian dari model yang dihipotesiskan dengan matrik varian-kovarian dari data sampel. Standardized RMR mewakili nilai rerata seluruh standardized residuals, dan mempunyai rentang dari 0 ke 1. Model yang mempunyai kecocokan yang baik (goodfit) akan mempunyai nilai Standardized RMR <0,05. 5. RootMean Square Error of Approximation RMSEA merupakan salah satu indeks yang informatif dalam SEM. Nilai RMSEA 0,05 menandakan close fit, sedangkan 0,05 < RMSEA 0,08 menunjukkan good fit (Brown dan Cudek, 1993). McCallum (1996) menambahkan bahwa nilai RMSEA antara 0,08 sampai 0,10 menunjukkan mediocore
70 (marginal fit), serta nilai RMSEA > 0,10 menunjukkan poor fit. 6. Expected Cross-Validation Index (ECVI) ECVI diusulkan sebagai sarana untuk menilai, dalam sampel tunggal,likelihood bahwa model divalidasi silang (cross-validated) dengan sampel-sampel dengan ukuran yang sama dari populasi yang sama (Browne dan Cudeck, 1989). ECVI digunakan untuk perbandingan model dan semakin kecil nilai ECVI sebuah model semakin baik tingkat kecocokannya. 7. Adjusted Goodness-of-Fit Index (AGFI) AGFI adalah perluasan dari GFI yang disesuaikan dengan rasio antara degree of freedom dari null/independence/baseline model dengan degree of freedom dari model yang dihipotesiskan atau diestimasi. Seperti halnya GFI, nilai AGFI berkisar antara 0 sampai 1. Nilai AGFI 0,90 menunjukkan good fit,sedangkan 0,80 AGFI < 0,90 sering disebut sebagai marginal fit. 8. Normed Fit Index (NFI) NFI mempunyai nilai yang berkisar antara 0 sampai 1. Nilai NFI 0,90menunjukkan good fit, sedangkan 0,80 NFI < 0,90 sering disebut sebagaimarginal fit.
71 9. Relative Fit Index (RFI) Nilai RFI akan berkisar antara 0 sampai 1. Nilai RFI 0,90 menunjukkangood fit, sedangkan 0,80 NFI < 0,90 sering disebut sebagai marginal fit. 10. Incremental Fit Index (IFI) Nilai IFI akan berkisar antara 0 sampai 1. Nilai IFI 0,90 menunjukkan good fit, sedangkan 0,80 IFI < 0,90 sering disebut sebagai marginal fit. 11. Comparative Fit Index (CFI) Nilai CFI berkisar antara 0 sampai 1. Nilai CFI 0,90 menunjukkan good fit,sedangkan 0,80 CFI < 0,90 sering disebut sebagai marginal fit. Pada penelitian ini, peneliti menggunakan program Lisrel 8.8 sebagai sarana pengolahan data. Program ini mengharuskan peneliti menulis perintahsyntax(perintah persamaan) dan hasilnya adalah path diagram dan printed output yang dapatmemberikan informasi mengenailoading factor, t-value, serta error variance dari indikatorindikator dalam variabel laten, serta hubungan kausalantara variabel laten eksogen dengan variabel laten endogen. 7. Uji Kecocokan Model Struktural Pengujian ini akan menganalisis tingkat signifikansi koefisienkoefisien yang diestimasi terhadap model struktral. Tingkat signifikansi
72 dapat dilihat dari nilai t-value yang harus memenuhi syarat yaitu 1,96 atau -1,96. Secara umum, pengujian ini bertujuan untuk melihat apakah hipotesis penelitian diterima atau ditolak. Selain itu, dilakukan evaluasi terhadap solusi standar dimana semua koefisien mempunyai varian yang sama dan nilai maksimumnya adalah 1 (Wijayanto, 2008). Nilai koefisien yang mendekati akan berhubungan dengan peningkatan pentingnya variabel terkait dalam hubungan kausal.