*Corresponding Author:

dokumen-dokumen yang mirip
BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2. Tinjauan Teoritis

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

BAB 5. ANALISIS REGRESI DAN KORELASI

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Uji Statistika yangb digunakan dikaitan dengan jenis data

BAB II LANDASAN TEORI

X a, TINJAUAN PUSTAKA

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

REGRESI LINIER SEDERHANA

BAB II TINJAUAN PUSTAKA

8. MENGANALISIS HASIL EVALUASI

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

Regresi Linier Sederhana Definisi Pengaruh

S2 MP Oleh ; N. Setyaningsih

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah

TINJAUAN PUSTAKA Evaluasi Pengajaran

3 Departemen Statistika FMIPA IPB

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

Regresi & Korelasi Linier Sederhana

BAB 2 LANDASAN TEORI. Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Analisis Regresi dan Korelasi

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 15 di kota Gorontalo

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

UKURAN GEJALA PUSAT DAN UKURAN LETAK

Pemodelan Regresi Linier Menggunakan Metode Theil (Studi Kasus: Kompensasi Pegawai di Badan Kepegawaian Daerah Kota Samarinda)

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

BAB 2 LANDASAN TEORI

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

BAB III METODOLOGI PENELITIAN. Metode penelitian sangat diperlukan dalam sebuah penelitian untuk

REGRESI & KORELASI LINIER SEDERHANA

REGRESI SEDERHANA Regresi

Beberapa Metode Alternatif untuk Analisis Data Sampel Berpasangan

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

BAB II LANDASAN TEORI

Analisis Korelasi dan Regresi

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN

REGRESI & KORELASI LINIER SEDERHANA

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

2.2.3 Ukuran Dispersi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

BAB III UKURAN PEMUSATAN DATA

UKURAN GEJALA PUSAT (UGP)

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR

BAB III METODOLOGI PENELITIAN

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277

Bab II Teori Pendukung

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SOLUSI TUGAS I HIMPUNAN

PENENTUAN MODEL KURVA PERTUMBUHAN PADA TULANG RAMUS

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Transkripsi:

Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy, da Lgkuga Kerja Terhadap Kerja Karyawa Kaltm Post Samarda) Rosa Nur Melta, Yuk Nova Nasuto,*, Mem Nor Hayat Laboratorum Statstka Komputas, Fakultas MIPA, Uverstas Mulawarma Program Stud Statstka FMIPA, Uverstas Mulawarma *Correspodg Author: Yuk.ova.@gmal.com Abstrak Structural Equato Modelg (SEM) merupaka salah satu metode multvarat yag dapat megaalss hubuga atar varabel secara lebh kompleks. Ada dua pedekata SEM yatu Covarace Based SEM (CBSEM) da Partal Least Square (PLS). Pada peelta megguaka pedekata PLS, dmaa PLS merupaka metode aalss yag powerfull dega tdak ddasarka bayak asums. Tujua peelta adalah utuk megetahu faktor-faktor yag mempegaruh kerja karyawa Kaltm Post Samarda yag tedr dar tga faktor yatu, locus of cotrol, self effcacy, da lgkuga kerja. Model ft yag yag dperoleh dar hasl peelta adalah η = 0,44 ξ Model tersebut meujuka bahwa self effcacy yag berpegaruh secara sgfka terhadap kerja karyawa. Kata-kata kuc: Kerja karyawa, model ft, partal least square, self effcacy, structural equato modelg. Pedahulua Structural Equato Modelg (SEM) merupaka tekk aalss multvarat yag dkembagka gua meutup keterbatasa yag dmlk oleh model-model aalss sebelumya yag telah dguaka secara luas dalam peelta statstk. []. Metode SEM memlk kemampua aalss da predks yag lebh bak dbadgka aalss jalur da regres bergada karea SEM mampu megaalss sampa pada level terdalam terhadap varabel atau model yag dtelt. Partal Least Square (PLS) adalah salah satu metode alteratf estmas model utuk megelola Structural Equato Modelg (SEM). PLS dbuat utuk megatas keterbatasa metode SEM. Pada metode SEM megharuska data berukura besar, tdak ada mssg value, harus berdstrbus ormal da tdak boleh memlk multkolertas []. Affah da Suaryo (0) meelt SEM dega Fte Mxture Partal Least Square (FMPLS) [], da Ulum (04) meelt SEM dega pedekata Partal Least Square (PLS) utuk sampel berukura kecl, dlakuka perbadga atara metode SEM- PLS da covara based SEM (CBSEM) [4]. Kedua peelta tersebut megguaka PLS sebaga metode aalss. Dar peelta tersebut peuls tertark utuk membahas peerapa metode SEM utuk kasus Pegaruh Locus of Cotrol, Self Effcacy, da Lgkuga Kerja Terhadap Kerja Karyawa Kaltm Post Samarda dmaa hasl peelta dharapka dapat megetahu faktor-faktor yag mempegaruh kerja karyawa tersebut, Kerja Karyawa adalah apa yag dlakuka da tdak dlakuka oleh karyawa. Kerja para karyawa ddukug oleh beberapa faktor atara la locus of cotrol (tgkat kepercayaa megea sumber peetu kehdupa mereka), self effcacy (keyaka seseorag megea kemampua da peluagya utuk berhasl mecapa tugas tertetu) da lgkuga kerja yag berpegaruh terhadap kerja karyawa []. Teor Dalam peelta aalss dlakuka dega lagkah-lagkah sebaga berkut:. Aalss Data Deskrptf Aalss tdak dmaksudka haya utuk meggambarka agka-agka dar objek peelta yag dperoleh dar hasl aalss deskrptf. 4

Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0. Spesfkas Model PLS a. Ier model (model struktural) meggambarka hubuga atar varabel late berdasarka pada teor substatf. () dmaa meggambarka vektor varabel late depede, adalah vektor varabel late eksoge, da adalah vektor varabel resdual. b. Outer Model (model pegukura) medefska bagamaa setap blok dkator berhubuga dega varabel lateya. x x x () y () y dmaa x da y adalah dkator utuk varabel late depede da depede ( da ). Sedagka da merupaka matrk loadg yag meggambarka koefse regres sederhaa yag meghubugka varabel late dega dkatorya. Resdual yag dukur dega da dapat dterpretaska sebaga kesalaha pegukura [].. Evaluas Model PLS a. Uj Valdtas Koverge dalam PLS dega dkator refleksf dla berdasarka faktor loadg dkatordkator yag megukur kostruk tersebut dega melhat korelas atara skor dkator dega skor varabel late yag dhtug PLS. r xy y Y Y Y Y (4) Ukura refleksf dvdual dkataka tgg jka berkorelas lebh dar 0,0 dega varabel late yag g dukur. Namu demka utuk peelta tahap awal dar pegembaga skala pegukura la loadg factor 0,0 sampa 0,0 daggap cukup b. Uj Valdtas Dskrma Valdtas dskrma dar model pegukura dega dkator refleksf dla berdasarka cross loadg pegukura dega kostruk. Rumus utuk meghtug cross loadg sama sepert rumus korelas Pearso yag serta terdapat pada software PLS. Metode la utuk mela valdtas dskrma adalah membadgka la akar kuadrat dar Average Varace Extracted (AVE) setap varabel late dega korelas atara varabel late yag satu dega varabel late laya dalam model. la AVE harus lebh besar dar 0,0. AVE m m m var () c. Uj Relabltas Relabltas meujukka akuras, kosstes da ketepata suatu alat ukur dalam melakuka pegukura. Uj relabltas dalam PLS megguaka la composte relablty. Dega megguaka output yag dhaslka PLS maka composte relablty dapat dhtug dega rumus sebaga berkut: pc m m m var () Nla composte relablty harus lebh besar dar 0,0 tetap la 0,0 mash dapat dterma. d. Goodess Of Ft Dalam mela model dega PLS dlakuka R utuk setap varabel late depede dar goodess of ft dega melhat R utuk setap varabel late depede. R dapat dhtug dega megguaka rumus berkut: ˆ R () ˆ e. Uj Sgfkas Parameter Utuk melakuka uj sgfkas parameter megguaka hpotess sebaga berkut: : γ = 0 (varabel late depede tdak berpegaruh secara sgfka terhadap varabel late depede). : γ 0 (varabel late depede berpegaruh secara sgfka terhadap varabel late depede). Statstk uj yatu dega meghtug la t ˆ jb thtug ; b,,..., k () S ˆ e jb H 0 dtolak jka t > t α/ [] 4

Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 Hasl da Pembahasa Statstka Deskrptf Tabel. Jumlah Respode Berdasarka Jes Kelam Jes Kelam Jumlah Pra 4 Wata Berdasarka jes kelam, 4% respode berjes kelam Pra da 4% berjes kelam Wata Tabel. Jumlah Respode Berdasarka Usa Usa Jumlah 0- tahu 0- tahu 40-4 tahu Berdasarka usa rata-rata karyawa kaltm post memlk usa 0- tahu sebesar %, usa 0- tahu sebesar % da usa 40-4 tahu sebesar %. Tabel. Jumlah Respode Berdasarka Dvs Dvs Jumlah Redaks Umum Bss Ikla 4 Berdasarka dvs karyawa kaltm post 4% respode yag berada d dvs redaks, % respode dvs bss, 0% respode dvs umum da % respode dvs kla. Tabel 4. Jumlah Respode Berdasarka Masa Kerja Masa Kerja Jumlah <th -th -4th -th >th Berdasarka lama mejad karyawa kaltm post sebayak 4% respode mempuya masa kerja <th, 4% masa kerja -th, 0% masa kerja -4th, % masa kerja - th da % respode mempuya masa kerja >th. Tabel Jumlah Respode Berdasarka Peddka Peddka Jumlah SMA Sarjaa 4 Berdasarka peddka karyawa kaltm post sebayak 4% respode adalah lulusa sarjaa da 4% respode adalah lulusa SMA. Kostruks Dagram Jalur Gambar. Racaga Ier Model da Outer Model Pada Gambar meujukka bahwa varabel late (dkator,,, ), (dkator,,, ) da (dkator,, ) yag telah terbetuk berpegaruh terhadap varabel late (dkator,,, ). Kovers Dagram Jalur ke dalam Persama a. Ier Model dar dagram jalur yag terbetuk adalah: () b. Outer Model dar dagram jalur yag terbetuk adalah: model refleksf : Y Y Y Y Y Y Y4 Y 4 4 model refleksf ξ () () 4

Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 model refleksf ξ : model refleksf ξ :.. Evaluas Model. () (4) a. Ier Model: 0, 0, 0, 0 () b. Outer Model model refleksf : Y 0, () Y 0, 4 model formatf ξ, 0 4 () model refleksf ξ 0, 0, 0, model refleksf ξ () 0,4 () 0, Gambar. Dagram Jalur Proses Iteras Pada Gambar, la dkator,, 4,,,, Y, Y memlk la korelas kurag dar 0,0 da tdak sgfka. Oleh karea tu model dkator tersebut aka dkeluarka. Selajutya model aka destmas ulag, hasl re-estmas terlhat pada Gambar. Gambar. Dagram Jalur Proses Iteras Setelah destmas ulag sepert pada Gambar semua dkator memlk la korelas lebh dar 0,0 da sgfka. Sehgga ddapat persamaa model berkut: Uj Valdtas Koverge Tabel. Hasl Outer Loadg η ξ ξ ξ,000 0, 0, 0, 0, Y 0, Y 4 0, Uj Valdtas Dskrma Tabel. Hasl Cross Loadg η ξ ξ ξ 0,4,000 0,4 0,4 0, 0, 0, 0, 0,0 0, 0, 0, 0, 0,4 0, 0,0 0,0 0, 0, 0,4 0,4 0,44 0,4 0, Y 0, 0,0 0, 0,0 Y 4 0, 0,4 0,4 0,4 Tabel. Hasl AVE AVE η 0, ξ,000 ξ 0,0 ξ 0,4 Uj Relabltas Tabel. Composte Relablty Composte Relablty η 0, ξ,000 ξ 0,4 ξ 0, 44

Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 Goodess of Ft Tabel. Nla R R η 0, Pada peelta dperoleh la sebesar 0, yag berart varas perubaha varabel yag dapat djelaska oleh varabel ξ, ξ, ξ sebesar,%, sedagka ssaya 4,% djelaska oleh varabel la d luar model yag dajuka. Uj Sgfkas Parameter Tabel. Nla Koefse Jalur da t htug Koefse t htug Keputusa 0,, Dterma 0,,4 Dtolak 0,0 0,4 Dterma Sehgga dapat dsmpulka bahwa (self effcacy) berpegaruh secara sgfka terhadap (kerja karyawa). Karea (locus of cotrol) da (lgkuga kerja) tdak berpegaruh terhadap (kerja karyawa) maka aka dlakuka dlakuka aalss ulag utuk medapatka model ft akhr. Tabel. Nla Koefse Jalur da t htug Koefse t htug 0,44,4 Model ft yag dperoleh berdasarka la koefse pada Tabel adalah: ˆ 0,44 (0) Terdapat pegaruh atara self effcacy terhadap kerja karyawa sebesar (0,44) yag artya, setap peambaha satu satua faktor self effcacy aka megkatka kerja karyawa sebesar 0,44 atau 44,%.. Self effcacy yag mempegaruh kerja karyawa Kaltm Post dega dkator yag berpegaruh yatu (yak) (meghadap tataga), da (hasl kerja). Ucapa Terma Kash Peuls megucapka terma kash kepada phak Kaltm Post Grup Samarda atas kesempata yag dberka utuk melakuka peelta. Selajutya, peuls berterma kash pada Laboratorum Statstka Statstka Komputas FMIPA UNMUL. Demka pula, peuls berterma kash kepada seluruh Cvtas Akademka FMIPA UNMUL atas dskus da bmbgaya yag bermafaat. Daftar Pustaka [] Sarjoo, H., & Julata, W. (0).Structural Equato Modellg (SEM). Jakarta: Salemba Empat [] Ghozal, I. (00). Structural Equato Modelg: Metode Alteratf dega Partal Least Square eds. Semarag: Uverstas Dpoegoro. [] Affah, Irma., & Suaryo, Soy (0). SEM dega Fte Mxture Partal Least Square (FMPLS). Prosdg Semar Nasoal Matematka da Peddka Matematka [4] Ulum, M. (04). Aalss Structural Equato Modelg (SEM) utuk Sampel Kecl dega Pedekata Partal Least Square (PLS) Skrps Jurusa Matematka, FMIPA Uverstas Jember. [] Maths, Robert L., & Joh, Harold J. (00). Huma Resources Maagemet. Texas: Thomso Learg. [] Sudjaa. (00). Tekk Aalss Regres da Korelas. Badug: Tarsto Kesmpula Berdasarka hasl aalss maka dperoleh kesmpula sebaga berkut:. Model ft yag dperoleh dega pedekata PLS yag meyataka hubuga atara locus of cotrol, self effcacy, da lgkuga kerja terhadap kerja karyawa Kaltm Post adalah : η = 0,44 ξ dega adalah estmas varabel late kerja karyawa, adalah varabel self effcacy. 4