Temuan Empirik Dan Statistik Industri Kreatif di Jawa Timur

Bab Lima Temuan Empirik Dan Statistik Industri Kreatif di Jawa Timur Temuan Empirik dan Statistik Deskriptif Variabel Penelitian Tanggapan Responden Terhadap Variabel-Variabel Penelitian Untuk menerangkan tanggapan responden terhadap variabel penelitian maka dilakukan analisis terhadap jawaban yang diberikan responden yang berkaitan dengan pernyataan yang ada. Pernyataan terdiri dari 37 item pernyataan. Untuk mengetahui lebih jelas mengenai pernyataan yang berasal dari variabel knowledge management, intellectual capital, kinerja industri kreatif, dan knowledge broker, maka akan dideskripsikan masing-masing item pernyataan secara terpisah dan dari analisis tersebut dapat diketahui berapa banyak responden yang memilih alternatif jawaban tertentu dan akan diperoleh nilai rata-rata tertinggi hingga terendah. Untuk menerangkan tanggapan responden terhadap variabel penelitian, dilakukan analisis terhadap jawaban yang diberikan berkaitan dengan pernyataan yang ada. Pernyataan terdiri knowledge management 9 item, intellectual capital 17 item, kinerja industri kreatif 5 item, dan knowledge broker 6 item. Skala pegukuran variabel yang diguna- 149

kan adalah skala Likert dengan 5 poit yaitu: 1 (sangat tidak setuju), 2 (tidak setuju), 3 (netral), 4 (setuju), 5 (sangat setuju). Dari analisis tersebut dapat diketahui berapa nilairata-rata dimensi dan nilai rata-rata keseluruhan. Penentuan kelas atas pernyataan responden terhadap variabel penelitian adalah sebagai berikut: Nilai terendah = 1 x 1 = 1 Nilai tertinggi = 1 x 5 = 5 Interval kelas = (n 1) / n = (5-1) / 5 = 0,8 Sehingga sebaran kelasnya dan intepretasinya seperti yang dikemukakan berikut : 1,00 1,80 = sangat lemah, sangat rendah. 1,81 2,60 = lemah, rendah. 2,61 3,40 = cukup kokoh, cukupkuat, cukup tinggi. 3,41 4,20 = kokoh, kuat, tinggi. 4,21 5,00 = sangat kokoh, sangat kuat, sangat tinggi Deskripsi Knowledge Management Knowledge Management, pengukuran peubah ini mengacu pada dimensi yang dikemukakan oleh Godbout, A. J., (2000) yang terdiri dari tiga elemen utama yaitu: a. People dengan indikator: merangsang berbagi pengetahun, memelihara berbagi pengetahuan, penggunaan pengetahuan. Adapun dimensi: b. Process, dengan indikator: mencari pengetahuan, membuat berbagi pengetahuan, menangkap berbagi pengetahuan. Sedangkan dimensi: c. Technology, dengan indikator: menyimpan pengetahuan, membuat pengethuan mudah diakses, memungkinkan orang lain bekerjasama. Adapun data frekuensi penyebaran tanggapan responden diperoleh dari tabel frekuensi pada lampiran. Data selengkapnya dapat dilihat pada tabel 5.1. 150

Dari tabel knowledge management berikut dapat diketahui bahwa :Proporsi pendapat terbanyak dilihat dari nilai rata-rata terdapat pada indikator Tech 1dan Tech 3 Menyimpan pengetahuan dan Memungkinkan orang lain bekerjasama. Hal ini diketahui dari tanggapan terhadap pilihan jawaban responden dengan nilai rata-rata sebesar 2,84. Hal tersebut mengandung makna bahwa knowledge management yang ada pada industri kreatif mempunyai kekokohon yang berada pada range rendah. Tabel 5.1. Deskriptip Knowledge Management Sumber: Analisis data primer 2016, diolah 151

Adapun jika dilihat dari kekokohan knowledge management pada setiap dimensi people, process, technology, nampak terdapat pada dimensi technology dengan sub nilai rata-rata sebesar 2.77 dengan makna bahwa pelaksanaan knowledge management yang ada pada industri kreatif lebih menonjol pada komponen technology yang berada pada range kekokohan rendah. Sedangkan jika dilihat dari kekokohan knowledge management secara menyeluruh, nampak dari besarnya nilai rata-rata sebesar 2,71, yang mempunyai makna knowledge management yang terjadi pada industri kreatif berada pada range rendah. Dengan demikian dapat ditarik kesimpulan bahwa pelaksanaan knowledge management yang ada pada industri kreatif belum dapat dillaksanakan secara maksimal dan lebih mengutamakan pada dimensi technology. Deskripsi Intellectual Capital Intellectual Capital, pengukuran peubah ini mengacu pada dimensi yang dikemukakan oleh Edvinsson, and Malone, (1997), yang terdiri dari tiga elemen utama yaitu: a. Human capital, dengan indikator: Attitude, competencies, education, knowledge, and skills. Sedangkan dimensi: b. Structural capital, dengan indikator: copyright, corporate culture, desgn rights, financial relations, information technology infrastructure, management processes, service marks, trade secrets, and trademarks. Adapun dimensi: c. Customer capital dengan indikator: brand, company name, customers, distribution channels, franchise agreements, license agreements, and loyalty. Data selengkapnya dapat dilihat pada tabel berikut. Dari tabel 5.2. Intellectual capital berikut dapat diketahui bahwa: Proporsi pendapat terbanyak dilihat dari nilai rata-rata terdapat pada indikator Hc1 Attitude dengan pernyataan Karyawan saya mempunyai sikap yang baik, tanggap dan segera merespon dalam 152

melaksanakan pekerjaannya. Hal ini diketahui dari tanggapan terhadap pilihan jawaban responden dengan mean sebesar 4.29. Hal tersebut mengandung makna bahwa Intellectual capital yang ada pada industri kreatif mempunyai kekuatan yang berada pada range sangat kuat. Tabel 5.2. Deskriptip Intellectual Capital INDIKATOR SKOR Rata- (1) (2) (3) (4) (5) rata STS TS N S SS (X) F % F % F % F % F % Hc 1 Attitude 3 1,20 0 0 8 3,21 148 59,43 90 36,14 4.29 Competencies 0 0 3 1,20 24 9,63 153 61,44 69 27,71 4.16 Hc3 Education 0 0 0 0 44 17,67 170 68,27 35 14,05 3.96 Hc4 Knowledge 21 8,43 53 21,28 135 54,21 19 7,63 21 8,43 2.86 Hc5 Skills 0 0 3 1,20 31 12,44 181 72,69 34 13,65 3.99 Sub total rata- 3.85 rata Sc 1 Copyright 0 0 22 8,83 37 14,85 153 61,44 37 14,85 3.82 Sc 2 Corporate culture 0 0 3 1,20 16 6,42 168 67,46 62 24,89 4.16 Sc 3 Design rights 0 0 3 1,20 29 11,64 182 73,09 35 14,05 4.00 Sc 4 Financial 7 2,81 49 19,67 73 29,31 85 34,13 35 14,05 3.37 relations Sc 5 Information 7 2,81 24 9,60 73 29,30 132 53,0 13 5,20 3.48 technology Infrastructure Sc 6 Management 0 0 0 0 27 10,80 176 70,70 46 18,50 4.08 processes Sub total rata- 3.81 rata Rc 1 Brand 0 0 0 0 16 6,40 176 70,70 57 22,90 4.16 Rc 2 Company name 0 0 3 1.20 63 25.30 152 61.0 31 12.40 3.85 Rc 3 Customers 0 0 0 0 59 23.70 151 60,60 39 15.70 3.92 Rc 4 Distribution 0 0 14 5,60 77 30,90 139 55,80 19 7,60 3.65 channels Rc 5 Franchise 0 0 0 0 27 10,80 180 72,30 42 16,90 4.06 agreements Rc 6 Loyalty 0 0 16 6,40 72 28,90 153 61,40 8 3,20 3.61 Sub total rata- 3.87 rata Total rata-rata 3.84 Keterangan : 1.STS : sangat tidak setuju;2. TS : tidak setuju; 3. N : Netral; 4. S : setuju; 5. SS : sangat setuju Sumber: Analisis data primer 2016, diolah 153

Adapun jika dilihat dari kekuatan Intellectual capital pada setiap dimensi human capital, structural capital, dan relational capital nampak terdapat pada dimensi Relational capital dengan sub nilai rata-rata mean sebesar 3.87 dengan makna bahwa pelaksanaan Intellectual capital yang ada pada industri kreatif lebih menonjol pada komponen Relational capital yang berada pada range kuat. Sedangkan jika dilihat dari kekuatan intellectual capital secara menyeluruh dapat dilihat dari nilai rata-rata sebesar 3,84 yang mempunyai makna bahwa intellectual capital yang ada pada industri kreatif berada pada range kuat. Dengan demikian dapat ditarik kesimpulan bahwa Intellectual capital yang ada pada industri kreatif adalah kuat dan lebih mengutamakan pada dimensi Relational capital. Deskripsi Kinerja Industri Kreatif Kinerja Industri Kreatif, pengukuran peubah ini mengacu pada beberapa rujukan yang perlu disesuaikan (Shepherd (2004), Bontis (1998), Swamidass dan Newell, (1987), Kementerian Perdagangan RI (2008) yang terdiri dari: a. kesempatan kerja, b. tingkat keuntungan, c. pertumbuhan industri, d. pertumbuhan laba, e. pertumbuhan penjualan, f. respon secara keseluruhan terhadap persaingan, g. tingkat kesuksesan dalam peluncuran produk baru, h. Meningkatkan kreativitas, i. Meningkat-kan ketrampilan, j. meningkatkan bakat individu. Data selengkapnya dapat dilihat pada tabel berikut. Dari tabel 5.3. kinerja industri kreatif berikut dapat diketahui bahwa :Proporsi pendapat terbanyak dilihat dari nilai rata-rataterdapat pada indikator Kik 5 Pertumbuhan pangsa pasar dengan pernyataan Usaha saya mempunyai pertumbuhan pangsa pasar yang meningkat dari waktu ke waktu. Hal ini diketahui dari tanggapan terhadap pilihan jawaban responden dengan mean sebesar 3.8554. Hal tersebut mengandung makna 154

bahwa kinerja industri kreatif lebih menekankan pada pertumbuhan pangsa pasar yang berada pada range tinggi. Tabel 5.3. Deskriptip Kinerja Industri Kreatif INDIKATOR SKOR Rata- (1) STS (2) TS (3) N (4) S (5) SS rata (X) F % F % F % F % F % Kik 1 Pertumbuhan laba 0 0 14 5.60 65 26,10 142 57,0 28 11,20 3.74 Pertumbuhan penjualan 0 0 11 4.40 63 25,30 160 64.30 15 6,0 3.72 Kik 3 Tingkat kesuksesan 0 0 11 4,40 67 26.9 147 59.0 24 9,60 3.74 dalam peluncuran produk baru Kik 4 Kesempatan kerja 0 0 20 8.0 57 22,90 149 59.80 23 9.20 3.70 Kik 5 Pertumbuhan pangsa pasar 0 0 19 7.60 35 14.10 158 63.50 37 14.90 3.86 Total rata-rata 3.75 Keterangan : 1.STS : sangat tidak setuju;2. TS : tidak setuju; 3. N : Netral; 4. S : setuju; 5. SS : sangat setuju Sumber : Analisis data primer 2016, diolah Adapun jika dilihat dari tinggi rendahnya kinerja industri kreatif dari tabel deskriptip diatas dapat dilihat dari besarnya total nilai rata-rata mean =3.75 dengan makna bahwa kinerja industri kreatif di Jawa Timur mempunyai range tinggi. Dengan demikian dapat ditarik kesimpulan bahwa kinerja industri kreatif mempunyai range yang tinggi dan lebih menekankan pada Pertumbuhan pangsa pasar industri kreatif. Deskripsi Knowledge Broker Knowledge Broker, pengukuran peubah ini mengacu pada indikator yang dikemukakan oleh Dobbins, et al., (2009) yang terdiri : a. Membangun akses ke pengetahuan, b. Internalisasi pengalaman; c. Menghubungkan 155

kolam pengetahuan; d. Mendukung pengetahuan; e. Memfasilitasi pengembangan kapasitas individu/ organisasi; f. Menerapkan pengetahuan dalam pengaturan baru. Tabel 5.4. Deskriptip Knowledge Broker INDIKATOR SKOR Rata- (1) STS (2) TS (3) F % F % F % F % F % N (4) S (5) SS rata (X) Kb1 Kb 3 Kb 4 Kb 5 Kb 6 Membangun akses ke pengetahuan Internalisasi pengalaman Menghubungkan kolam pengetahuan yang terpisah Mendukung pengetahu an Memfasilitasi pengembangan kapasitas individu /organisasi Menerapkan pengetahuan dalam pengatur an baru 0 0 6 2,40 26 10,40 141 56.6 76 30,50 4.15 0 0 4 1.60 24 9,60 161 64.70 60 24,10 4.11 0 0 21 8.40 36 14,50 118 47.40 74 29,70 3.98 1 0,40 13 5,20 66 26.50 123 49.40 46 18.50 3.80 0 0 12 4.80 35 14.10 130 52.20 72 28.90 4.05 0 0 9 3.60 18 7.20 89 35.70 133 53.40 4.39 Total rata-rata 4.08 Keterangan : 1.STS : sangat tidak setuju;2. TS : tidak setuju; 3. N : Netral; 4. S : setuju; 5. SS : sangat setuju Sumber : Analisis data primer 2016, diolah Dari tabel 5.4. knowledge broker di atas dapat diketahui bahwa :Proporsi pendapat terbanyak dilihat dari nilai rata-rata terdapat pada indikator Kb 6 Menerapkan pengetahuan dalam pengaturan baru dengan pernyataan Usaha saya, memanfaatkan Broker pengetahuan dalam menerapkan pengetahuan dalam pengaturan baru, agar pengetahuan baru tersebut benar-benar merupakan pengetahuan yang terkini. Hal ini 156

diketahui dari tanggapan terhadap pilihan jawaban responden dengan mean sebesar 4.39. Hal tersebut mengandung makna bahwa kinerja industri kreatif lebih menekankan pada memanfaatkan Broker pengetahuan dalam mengelola inovasi, yang berada pada range sangat kuat. Adapun jika dilihat dari kuat lemahnya knowledge broker dari tabel deskriptip diatas dapat dilihat dari besarnya total nilairata-rata mean =4.08 dengan makna bahwa knowledge broker yang dibutuhkan kinerja industri kreatif di Jawa Timur mempunyai range sangat kuat. Dengan demikian dapat ditarik kesimpulan bahwa knowledge broker pada kinerja industri kreatif mempunyai range yang sangat kuat dan lebih menekankan pada Menerapkan pengetahuan dalam pengaturan baru. Temuan Secara Statistik Model Pengukuran dan Validitas (Outer Loading) Model Pengukuran Indikator dengan Dimensi dan Indikator dengan Variabel (First Order) Model hubungan indikator dengan dimensi pada variabel knowlegde management dan intellectual capital adalah bentuk reflektif, begitu juga hubungan indikator dengan variabel pada variabel knowledge broker dan kinerja industri kreatif adalah reflektif, maka cara menilai model pengukuran adalah dengan melihat nilai factor loading atau biasa ditulis Original Sample pada tabel outer loading. Factor loading merupakan korelasi antara indikator dengan variabel, jika lebih besar dari 0,5 indikator tersebut menjadi pengukur/ indikator dari variabelnya (Ghozali, 2008).Berdasarkan pada tabel outer loading (tabel 5.5) berikut, pada dimensi HC menunjukkan bahwa indikatornya HC2, HC3, HC4, dan HC5 memiliki factor loading lebih besar dari 0,50. 157

158 Tabel 5.5. Outer Loadings (Factor Loading) Original Sample (O) Sample Mean (M) Standard Deviation Standard Error T Statistics HC1 <- HC 0.0908 0.0899 0.1274 0.1274 0.7132 HC2 <- HC 0.8094 0.8079 0.0224 0.0224 35.9817 HC3 <- HC 0.7258 0.7263 0.0449 0.0449 16.1568 HC4 <- HC 0.7665 0.7600 0.0408 0.0408 18.7782 HC5 <- HC 0.6275 0.6182 0.0677 0.06776 9.2599 SC1 <- SC 0.6998 0.6988 0.0441 0.0441 15.8625 SC2 <- SC 0.4055 0.3967 0.1080 0.1080 3.7533 SC3 <- SC 0.3330 0.3254 0.1463 0.1463 2.2756 SC4 <- SC 0.7585 0.7564 0.0350 0.0350 21.6203 SC5 <- SC 0.5734 0.5695 0.0775 0.0775 7.3937 SC6 <- SC 0.5663 0.5646 0.0939 0.0939 6.0250 RC1 <- RC 0.7413 0.7377 0.0447 0.0447 16.5701 RC2 <- RC 0.7235 0.7177 0.0572 0.0572 12.6458 RC3 <- RC 0.4822 0.4826 0.0634 0.0634 7.5963 RC4 <- RC 0.4936 0.4933 0.0876 0.0876 5.6326 RC5 <- RC 0.7943 0.7904 0.0390 0.0390 20.3553 RC6 <- RC 0.7167 0.7112 0.0603 0.0603 11.8801 People1 <- People 0.7181 0.7186 0.0420 0.0420 17.0861 People2 <- People 0.7029 0.6993 0.0594 0.0594 11.8192 People3 <- People 0.8009 0.7974 0.0336 0.0336 23.7944 Process1 <- Process -0.1632-0.1593 0.1959 0.1959 0.8332 Process2 <- Process 0.8387 0.8317 0.0296 0.0296 28.2527 Process3 <- Process 0.7418 0.7329 0.0573 0.0573 12.9358 Technology1 <- Technology Technology2 <- Technology Technology3 <- Technology 0.7660 0.7589 0.0855 0.0855 8.9512 0.7899 0.7837 0.0441 0.0441 17.8997 0.2530 0.2483 0.1711 0.1711 1.4785 KB1 <- KNOW BROKER 0.5015 0.4884 0.1022 0.1022 4.9035 KB2 <- KNOW BROKER 0.5398 0.5341 0.0853 0.0853 6.3227 KB3 <- KNOW BROKER 0.6838 0.6852 0.0510 0.0510 13.4018 KB4 <- KNOW BROKER 0.5801 0.5738 0.0817 0.0817 7.0957 KB5 <- KNOW BROKER 0.5160 0.5179 0.0965 0.0965 5.3445 KB6 <- KNOW BROKER 0.4844 0.4790 0.0802 0.0802 6.0357 KIK1 <- KINERJA. IK 0.9915 0.9324 0.1754 0.1754 5.6519 KIK2 <- KINERJA. IK 0.2920 0.2939 0.2116 0.2116 1.3798 KIK3 <- KINERJA. IK 0.3336 0.3270 0.2146 0.2146 1.5543 KIK4 <- KINERJA. IK 0.3465 0.3222 0.1683 0.1683 2.0588 KIK5 <- KINERJA. IK 0.1666 0.1663 0.1799 0.1799 0.9259 Sumber : Data Diolah

Sedangkan HC1 mempunyai factor loading lebih kecil dari 0,50, yang selanjutnya dipertimbangkan untuk dihapus. Pada dimensi SC menunjukkan bahwa indikator SC1, SC4, SC5 dan SC6 memiliki factor loading lebih besar dari 0,50. Sedangkan SC2 dan SC3 mempunyai factor loading lebih kecil dari 0,50, yang selanjutnya dipertimbangkan untuk dihapus. Pada dimensi RC menunjukkan bahwa indikatornya RC1, RC2, RC5 dan RC6 memiliki factor loading lebih besar dari 0,50. Sedangkan RC3 dan RC4 mempunyai factor loading lebih kecil dari 0,50, yang selanjutnya dipertimbangkan untuk dihapus. Pada dimensi People menunjukkan bahwa seluruh indikatornya adalah memiliki factor loading lebih besar dari 0,50. Pada dimensi Process menunjukkan bahwa indikator Process2 dan Process3 memiliki factorloading lebih besar dari 0,50. Sedangkan Process1 mempunyai factor loading lebih kecil dari 0,50, yang selanjutnya dipertimbangkan untuk dihapus. Pada dimensi Technology menunjukkan bahwa indikator Technology1 dan Technology2 memiliki factor loading lebih besar dari 0,50. Sedangkan Technology3 mempunyai factor loading lebih kecil dari 0,50, yang selanjutnya dipertimbangkan untuk dihapus. Pada variabel Knowledge Broker menunjukkan bahwa indikator KB1, KB2, KB3, KB4 dan KB5 memiliki factorloading lebih besar dari 0,50. Sedangkan KB6 mempunyai factor loading lebih kecil dari 0,50, yang selanjutnya dipertimbangkan untuk dihapus. Pada variabel Kinerja Industri Kreatif menunjukkan bahwa hanya indikator KIK1 memiliki facto rloading lebih besar dari 0,50. Sedangkan KIK2, KIK3, KIK4 dan KIK5 mempunyai factor loading lebih kecil dari 0,50, yang selanjutnya dipertimbangkan untuk dihapus. Berikut tabel 5.6. perubahan setelah dihilangkan Factor Loading yang tidak memenuhi syarat. Berdasarkan pada tabel outer loading (tabel 5.6) di atas, seluruh dimensi dan indikator yang mempunyai factor loading lebih kecil dari 0.50 telah 159

dihapus, hanya tersisa indikator KB1 saja yang masih mempunyai factor loading lebih kecil dari 0.50. Tabel 5.6. Outer Loadings (Factor Loading) Setelah dilakukan penghapusan factor loading yang tidak valid Original Sample (O) Sample Mean (M) Standard Deviation Standard Error T Statistics HC2 <- HC 0.8071 0.8090 0.0198 0.0198 40.5979 HC3 <- HC 0.7332 0.7352 0.0338 0.0338 21.6446 HC4 <- HC 0.7668 0.7637 0.0381 0.0381 20.0856 HC5 <- HC 0.6230 0.6216 0.0651 0.0651 9.5644 SC1 <- SC 0.7335 0.7385 0.0369 0.0369 19.8428 SC4 <- SC 0.7610 0.7611 0.0361 0.0361 21.0300 SC5 <- SC 0.5287 0.5117 0.0944 0.0944 5.5964 SC6 <- SC 0.6444 0.6431 0.0675 0.0675 9.5449 RC1 <- RC 0.7537 0.7495 0.0462 0.0462 16.3142 RC2 <- RC 0.7916 0.7887 0.0463 0.0463 17.0714 RC5 <- RC 0.8005 0.7970 0.0437 0.0437 18.2972 RC6 <- RC 0.8152 0.8122 0.0412 0.0412 19.7635 People1 <- People 0.7193 0.7212 0.0385 0.0385 18.6523 People2 <- People 0.7042 0.7002 0.0519 0.0510 13.5539 People3 <- People 0.7988 0.7988 0.0340 0.0340 23.4610 Process2 <- Process 0.8437 0.8459 0.0207 0.0207 40.7080 Process3 <- Process 0.7644 0.7610 0.0464 0.0464 16.4668 Technology1 <- Technology 0.8468 0.8485 0.0348 0.03481 24.3239 Technology2 <- Technology 0.7548 0.7495 0.0464 0.0464 16.2537 KB1 <- KNOWLEDGE BROKER 0.4909 0.4770 0.1178 0.1178 4.1661 KB2 <- KNOWLEDGE BROKER 0.5665 0.5549 0.0925 0.0925 6.1213 KB3 <- KNOWLEDGE BROKER 0.7560 0.7541 0.0386 0.0386 19.5394 KB4 <- KNOWLEDGE BROKER 0.5478 0.5402 0.0927 0.0927 5.9035 KB5 <- KNOWLEDGE BROKER 0.5656 0.5736 0.0885 0.0885 6.3857 KIK1 <- KINERJA.IND.KREATIF 1.0000 1.0000 0.0000 Sumber: Data Diolah Sehubungan dengan masih adanya indikator yang mempunyai factor loading lebih kecil dari 0.50, maka perlu dilakukan proses penghapusan yang menghasilkan tabel perubahan sebagai berikut (tabel 5.7.). 160

Berdasarkan pada tabel outer loading (tabel 5.7) berikut, seluruh dimensi dan indikator yang mempunyai factor loading lebih kecil dari 0.50 telah dihapus, sehingga seluruh dimensi dan indikator telah mempunyai factor loading lebih besar dari 0.50. Tabel 5.7. Outer Loadings (Factor Loading) Setelah dilakukan penghapusan factor loading yang tidak valid Original Sample (O) Sample Mean (M) Standard Deviation Standard Error T Statistics HC2 <- HC 0.8073 0.8072 0.0195 0.0195 41.3624 HC3 <- HC 0.7344 0.7357 0.0340 0.0340 21.5699 HC4 <- HC 0.7667 0.7600 0.0399 0.0399 19.1829 HC5 <- HC 0.6215 0.6151 0.0645 0.0645 9.6350 SC1 <- SC 0.7341 0.7347 0.0378 0.0378 19.3787 SC4 <- SC 0.7602 0.7571 0.0403 0.0403 18.8338 SC5 <- SC 0.5258 0.5216 0.0864 0.0864 6.0800 SC6 <- SC 0.6466 0.6407 0.0626 0.0626 10.3188 RC1 <- RC 0.7547 0.7529 0.0443 0.0443 17.0026 RC2 <- RC 0.7908 0.7850 0.0489 0.0489 16.1412 RC5 <- RC 0.8013 0.8001 0.0442 0.0442 18.1139 RC6 <- RC 0.8144 0.8088 0.0441 0.0441 18.4541 People1 <- People 0.7196 0.7181 0.0365 0.0365 19.6948 People2 <- People 0.7040 0.7019 0.0528 0.0528 13.3265 People3 <- People 0.7987 0.7982 0.0306 0.0306 26.0905 Process2 <- Process 0.8439 0.8442 0.0211 0.0211 39.8754 Process3 <- Process 0.7643 0.7609 0.0465 0.0465 16.4145 Technology1 <- Technology 0.8472 0.8453 0.0341 0.0341 24.8008 Technology2 <- Technology 0.7544 0.7548 0.0444 0.0444 16.9756 KB3 <- KNOWLEDGE BROKER 0.7957 0.7924 0.0400 0.0400 19.8626 KB4 <- KNOWLEDGE BROKER 0.5341 0.5269 0.0976 0.0976 5.4707 KB5 <- KNOWLEDGE BROKER 0.6266 0.6266 0.0777 0.0777 8.0649 KIK1 <- KINERJA.IND.KREATIF 1.0000 1.0000 0.0000 Sumber : Data Diolah 161

Model Pengukuran Variabel dengan Dimensi (Second Order) Model hubungan Variabel dengan dimensi pada variabel knowledge management dan intellectual capital, adalah model reflektif, maka untuk melihat model pengukurannya dengan melihat nilai factor loading pada tabel outer loading. Hasil pengujian pada tabel outer loading (tabel 5.8) menunjukkan bahwa dimensi human capital (HC), structural capital (SC) dan relational capital (RC) memiliki factor loading lebih besar 0,5. Jadi dapat disimpulkan bahwa ketiga dimensi tersebut adalah sebagi dimensi dan pembentuk variabel intellectual capital. Demikian juga dilihat dari variabel knowledge management hasil pengujian menunjukkann bahwa dimensi people, process dan technology memiliki factor loading lebih besar 0,5. Tabel 5.8. Outer Loadings (Factor Loading) Original Sample (O) Sample Mean (M) Standard Deviation (STDEV) Standard Error (STERR) T Statistics ( O/STERR ) Intelectual Capital -> HC 0.7551 0.7539 0.0413 0.0413 18.2842 Intelectual Capital -> SC 0.8139 0.8160 0.0309 0.0309 26.3173 Intelectual Capital -> RC 0.7237 0.7199 0.0503 0.0503 14.3688 Know. Management -> People 0.7952 0.7956 0.0340 0.0340 23.3646 Know. Management -> Process 0.7917 0.7897 0.0374 0.0374 21.1439 Know. Management -> 0.7183 0.7184 0.0491 0.0491 14.6240 Technology Sumber : Hasil olah data PLS Jadi dapat disimpulkan bahwa ketiga dimensi tersebut adalah sebagi dimensi dan pembentuk variabel knowledge management. Secara keseluruahan hasil estimasi telah memenuhi Convergen vailidity dan validitas baik. 162

Evaluasi Validitas Validitas digunakan untuk mengetahui kelayakan butir-butir dalam suatu daftar pertanyaan dalam mendefinisikan suatu variabel. Menurut Malhotra (2012), validitas merupakan instrumen dalam kuesioner dapat digunakan untuk mengukur apa yang seharusnya diukur, bukan kesalahan sistematik. Sehingga indikator-indikator tersebut dapat mencerminkan karakteristik dari variabel yang digunakan dalam penelitian. Salah satu pengukur validitas dalam penelitian ini digunakan Average Variance Extracted (AVE). Average Variance Extracted (AVE) Model pengukuran avarage variance extracted (AVE), yaitu nilai menunjukkan besarnya varian indikator yang dikandung oleh variabel latennya. Tabel 5.9. Average variance extracted (AVE) AVE Intelectual Capital 0.6533 HC 0.5413 RC 0.6250 SC 0.6529 Know. Management 0.2886 People 0.5505 Process 0.6482 Technology 0.6434 Kinerja.Ind.Kreatif 1.0000 Knowledge Broker 0.6004 Sumber : hasil olah data PLS 163

Konvergen Nilai AVE lebih besar 0,5 menunjukkan kecukupan validitas yang baik bagi variabel laten (Ghozali, 2008). Pada variabel indikator reflektif dapat dilihat dari nilai avarage variance extracted (AVE) untuk setiap konstruk (variabel). Dipersyaratkan model yang baik apabila nilai AVE masing-masing konstruk lebih besar dari 0,5. Berdasarkan tabel 5.9. di atas, hasil pengujian menunjukkan bahwa nilai AVE untuk konstruk (variabel/ dimensi) dimensi intellectual capital, HC,SC dan RC, people, process, technology, serta variabel knowledge broker dan kinerja industri kreatif memiliki nilai AVE lebih besar dari 0,5, sehingga valid, kecuali hanya knowlegde management yang mempunyai AVE lebih kecil dari 0.50. Evaluasi Reliabilitas Evaluasi reliabilitas dilakukan dengan melihat nilai composite reliability dari blok indikator yang mengukur konstruk. Hasil composite reliability akan menunjukkan nilai yang memuaskan jika di atas 0,7. Composite Reliability Reliabilitas konstruk yang diukur dengan nilai composite reliability, konstruk reliabel jika nilai composite reliability di atas 0,70 maka indikator disebut konsisten dalam mengukur variabel latennya (Ghozali, 2008). Berdasarkan tabel 5.10. berikut, hasil pengujian menunjukkan bahwa konstruk (variabel/ dimensi) dimensi people, process, technology, HC, SC dan RC serta variable knowlegde management, Intellectual Capital, Knowledge Broker dan Kinerja Industri Kreatif memiliki nilai composite reliability lebih besar dari 0,7. Sehingga reliabel. 164

Tabel 5.10. Composite Reliability Composite Reliability Intelectual Capital 0.8385 HC 0.8239 RC 0.8695 SC 0.7647 Know. Management 0.7363 People 0.7855 Process 0.7861 Technology 0.7824 Kinerja.Ind.Kreatif 1.0000 Knowledge Broker 0.7219 Sumber: hasil olah data PLS Pembentukan Variabel Laten Dari frekuensi jawaban setuju dan sangat setuju pada tabel di bawah, dapat dilihat bahwa angka frekuensi skor menunjukkan persepsi responden pada saat penelitian, sedangkan angka faktor loading menunjukkan apa yang seharusnya menjadi perhatian bagi organisasi untuk perbaikan kedepan. Pembentukan variabel laten ini dapat digunakan untuk mengetahui indikator mana yang memiliki faktor loading terbesar yang memiliki pengaruh terbesar terhadap variabelnya. Dengan demikian dapat dijadikan masukan kepada organisasi untuk mendapatkan perhatian yang lebih. Berdasarkan tabel 5.11.berikut menampilkan frekuensi dan factor loading variabel knowledge management. Berdasarkan variabel knowledge management dapat dijelaskan bahwa indikator dari variabel knowledge management yang memiliki frekuensi dominan yaitu People2 (memelihara berbagi pengetahuan: Usaha saya hidup kebiasaan berbagi pengetahuan diantara karyawan agar pengetahuan tersebut dapat berguna dalam melaksanakan pekerjaannya) sebesar 241. Namun, hasil pengolahan data 165

factor loading nilai tertinggi berada pada Technology1 (Menyimpang pengetahuan: Di Usaha saya, tersedia prasarana teknologi untuk menyimpan pengetahuan) sebesar 0.8468. Tabel 5.11. Frekuensi dan Factor Loading Variabel Knowledge Management Notasi INDIKATOR FREKUENSI SKOR FAKTOR 2 3 JUMLAH LOADING People1 Merangsang berbagi pengetahuan 113 120 233 0.7193 People2 Memelihara berbagi pengetahuan 93 148 241 0.7042 People3 Penggunaan pengetahuan 109 126 235 0.7988 Process2 Membuat berbagi pengetahuan 113 97 210 0.8437 Process3 Menangkap berbagi pengetahuan 97 118 215 0.7644 Technol ogy1 Technol ogy2 Menyimpan pengetahuan 77 142 219 0.8468 Membuat pengetahuan mudah diakses 112 123 235 0.7548 Sumber: Hasil Olah Data PLS Hal ini menunjukkan bahwa pada saat penelitian responden lebih menekankan proses memelihara berbagi pengetahuan dalam usaha tidak berjalan lancar. Harapan responden ke depannya adalah agar menyimpan pengetahuan berjalan dengan baik, sehingga dalam usahanya, memelihara berbagi pengetahuan dapat berjalan lancar. Pada tabel 5.10. berikut dapat dilihat frekuensi dan factor loading variabel intellectual capital. Berdasarkan variabel intellectual capital dapat dijelaskan bahwa indikator dari variabel intellectual capital yang memiliki frekuensi dominan yaitu Rc 1 (Brand dengan pernyataan: Usaha saya memiliki merek yang menarik bagi konsumen) sebesar 233. Adapun hasil pengolahan data factor loading nilai tertinggi berada pada Sc6 166

(Management process :Usaha saya memiliki pengelolaan manajemen yang baik)sebesar 0.8144. Hal ini menunjukkan bahwa pada saat penelitian responden lebih menekankan pada brand (merek) yang menarik, dengan harapan responden kedepannya adalah agar dapat dipertahankan dan ditingkatkan pengelolaan manajemen yang baik. Tabel 5.12. Frekuensi dan Factor Loading Variabel Intellectual Capital Notasi INDIKATOR FREKUENSI SKOR FAKTOR 4 5 JUMLAH LOADING HC2 Competencies 153 69 222 0.8073 HC3 Education 170 35 205 0.7344 HC4 Knowledge 19 21 40 0.7667 HC5 Skills 181 34 215 0.6215 SC1 Copyright 153 37 190 0.7547 SC4 Financial relations 85 35 120 0.7908 Information technology 132 13 145 SC5 0.8013 Infrastructure SC6 Management processes 176 46 222 0.8144 RC1 Brand 176 57 233 0.7341 RC2 Company name 152 31 183 0.7602 RC5 Franchise agreements 180 42 222 0.5258 RC6 Loyalty 153 8 161 0.6466 Sumber : Hasil Olah Data PLS Pada tabel 5.12. berikut dapat dilihat frekuensi dan factor loading variabel knowledge broker.berdasarkan variabel knowledge broker dapat dijelaskan bahwa indikator dari variabel knowledge broker yang memiliki frekuensi dominan yaitu Kb 5 (Memfasilitasi pengembangan kapasitas individu/ organisasi: Usaha saya, memanfaatkan Broker pengetahuan dalam memfasilitasi pengembangan kapasitas individu / organisasi) sebesar 202. 167

Namun, hasil pengolahan data factor loading nilai tertinggi berada pada Kb 1 (menghubungkan kolam pengetahuan yang terpisah: Usaha saya, memanfaatkan Broker pengetahuan dalam menghubungkan pengetahuan dari sumber pengetahuan ke industri kreatif) sebesar 0.7957. Tabel 5.13. Frekuensi Dan Factor Loading Variabel Knowledge Broker Notasi INDIKATOR FREKUENSI SKOR FAKTOR KB3 Menghubungkan sumber pengetahuan yang ter pisah 4 5 JUMLAH 118 74 192 LOADING 0.7957 KB4 Mendukung pengetahuan 123 46 169 0.5341 KB5 Memfasilitasi pengembangan kapasitas individu/ organisasi 130 72 202 Sumber : Hasil Olah Data PLS 0.6266 Hal ini menunjukkan bahwa responden lebih menekankan pada memfasilitasi pengembangan kapasitas individu/ organisasi yang menunjukkan persepsi responden pada saat penelitian dan,agar menghubungkan sumber pengetahuan yang terpisah yang menunjukkan apa yang seharusnya menjadi perhatian bagi organisasi untuk perbaikan kedepan. Pada tabel 5.14. berikut dapat dilihat frekuensi dan factor loading variabel kinerja industri kreatif. Berdasarkan variabel kinerja industri kreatif dapat dijelaskan bahwa indikator dari variabel kinerja industri kreatif hanya tinggal 1 saja, sehingga yang memiliki frekuensi dominan dan factor loading yaitu Kik 1 (pertumbuhan laba dengan pernyataan: Usaha saya, mempunyai pertumbuhan laba yang meningkat) sebesar 170 dengan nilai factor loading maksimum yaitu 1.000 yang berada pada Kik 1 (pertumbuhan laba). 168

Tabel 5.14. Frekuensi Dan Factor Loading Variabel Kinerja Industri Kreatif Notasi INDIKATOR FREKUENSI SKOR FAKTOR 4 5 JUMLAH LOADING Kik 1 Pertumbuhan laba 142 28 170 1.0000 Sumber : Hasil Olah Data PLS Hal ini menunjukkan bahwa responden lebih menekankan pada pertumbuhan laba yang menunjukkan persepsi responden pada saat penelitian dan agar usahanya dapat mempunyai pertumbuhan laba yang terus meningkat yang menunjukkan apa yang seharusnya menjadi perhatian bagi organisasi untuk perbaikan kedepan. Inner Model (Pengujian Model Struktural), Goodness of Fit Model Pengujian terhadap model struktural dilakukan dengan melihat nilai R-Square yang merupakan uji goodness-fit model. Pengujian inner model dapat dilihat dari nilai R-square pada persamaan antar variabel latent. Nilai R 2 menjelaskan seberapa besar variabel eksogen (independen/ bebas) pada model mampu menerangkan variabel endogen (dependen/ terikat). Nilai R 2 adalah antara nol dan satu. Nilai R 2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen amat terbatas. Nilai R 2 yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Augusty Ferdinand, 2006). 169

Tabel 5.13.Inner Model (Pengujian Model Struktural) R-square Intellectual Capital R Square 0.7148 Kinerja Industri Kreatif 0.2803 Sumber: Hasil Olah Data PLS Nilai R 2 pada variabel Intellectual Capital=0.7148. Hal ini dapat diinterpretasikan bahwa model sangat Baik dan mampu menjelaskan fenomena/ masalah Intellectual Capital sebesar 71,48%.Sedangkan sisanya (28.52%) dijelaskan oleh variabel lainyang belum masuk ke dalam model dan error. Artinya Intellectual Capital dipengaruhi oleh knowlegde management, knowledge broker, dan variabel moderasi sebesar 75,79% sedang sebesar 24,10% dipengaruhi oleh selain variabel knowlegde management, knowledge broker, dan variabel moderasi. Nilai R 2 secara keseluruhan = 1- (1-0.2803) (1-0.7148) = 0.7947. Hal ini dapat diinterpretasikan bahwa model cukup baik dan mampu menjelaskan fenomena/ masalah kinerja industri kreatif sebesar79,47%. Sedangkan sisanya (20.53%) dijelaskan oleh variabel lain yang belum masuk ke dalam model dan error. Artinya Kinerja Industri Kreatif dipengaruhi oleh knowlegde management, intellectual capital, knowledge broker, dan variabel moderasi sebesar79,47 % sedang sebesar 20.53% dipengaruhi oleh selain variabel knowlegde management, intellectual capital, knowledge broker, dan variabel moderasi. Selanjutnya dalat dilihat koefisien path pada inner model. 170

Uji Hipotesis / Uji Kausalitas (Inner Model) Gambar 5.1. MODEL PLS tahap1 Sumber: hasil olah data PLS Mengacu gambar 5.1. Model PLS di atas nampak adanya dua model yaitu model struktural (inner model) dan model pengukuran (outer model). Dalam model struktural nampak adanya jalur hubungan knowledge management terhadap intellectual capital, dan jalur hubungan intellectual capital terhadap kinerja industri kreatif, serta jalur hubungan knowledge management terhadap kinerja industri kreatif, maupun jalur moderasi knowledge broker terhadap hubungan knowledge management dan intellectual capital. Dalam model pengukuran nampak adanya jalur dimensi dalam variabel knowledge management yang terdiri dari dimensi people, process, technologie. Sedangkan dalam variabel intellectual capital terdiri 3 dimensi yang terdiri dari dimensi human capital, structural capital, dan relational 171

capital. Adapun masing-masing dimensi baik dari variabel knowledge management, intellectual capital, knowledge broker mempunyai indikator reflektif. Pada gambar 5.1. tersebut di atas nampak terdapat beberapa indikator dalam beberapa dimensi yang mempunyai factor loading lebih kecil dari 0.50.Indikator-indikator yang mempunyai factor loading lebih kecil dari 0.50 perlu dihapus. Perubahan dari langkah tersebut menghasilkan model PLS sebagai berikut. Gambar 5.2. MODEL PLS tahap 2 Setelah dilakukan penghapusan factor loading yang tidak valid Sumber: hasil olah data PLS 172

Pada gambar 5.2. tersebut di atas setelah dilakukan proses pengolahan penghapusan factor loading yang tidak memenuhi syarat, ternyata masih nampak terdapat 1 indikator dalam KB1 yaitu sebesar 0.491. Indikator yang mempunyai factor loading lebih kecil dari 0.50 tersebut perlu dihapus. Perubahan dari langkah tersebut menghasilkan model PLS final sebagai berikut. Gambar 5.3. MODEL PLS tahap3 Final Setelah di lakukan penghapusan factor loading yang tidak valid Sumber : hasil olah data PLS Mengacu gambar 5.3. di atas nampak bahwa bahwa indikator- indikator yang mempunyai factor loading lebih kecil dari 0.50 telah dihapus semua, sehingga seluruh indikator dapat dikatakan valid. 173

Selanjutnya dapat dilihat koefisien path pada inner model seperti pada tabel 5.1.4. berikut: Know. Management -> Intellectual Capital Intellectual Capital -> Kinerja.Ind.Kreatif Know. Management -> Kinerja.Ind.Kreatif Knowledge Management- >Intellectual Capital-> Kinerja Industri Kreatif Know.Man *Know.Broker -> Intellectual Capital Tabel 5.14. Path Coefficients (Mean, STDEV, T-Values) Original Sample (O) Sample Mean (M) Standard Deviation (STDEV) Standard Error (STERR) T Statist ics Keterangan 0.5740 0.5654 0.0699 0.0699 8.2052 Signifikan, positif 0.6581 0.6498 0.1291 0.1291 5.0949 Signifikan, positif -0.1681-0.1599 0.1195 0.1195 1.4064 Non Signifikan, negatif (hubungan langsung) Karena hubungan langsung Non signifikan, maka perlu menggunakan mediasi Intellectual Capital Signifikan (dalam memediasi) 0.0821 0.0518 0.0308 0.0308 2.6638 Signifikan (dalam memoderasi) Batas signifikansi : Loading factor (original sample) 0,50 (Ghozali, 2008) atau Z α 1,645 (Z α = 0,05 (5%) Sumber : hasil olah data PLS Keputus an Diterima Diterima Ditolak Diterima Berdasarkan tabel di atas dapat diketahui bahwa: 1. Knowledge management mempunyai pengaruh signifikan terhadap intellectual capital industri kreatif, hal tersebut terlihat dari besarnya t statistik 8.205212> dari 1,645 yang berarti knowledge management benar-benar mempunyai kontribusi terhadap intellectual capital industri kreatif. Kondisi demikian mengandung makna knowledge management yang digunakan mempunyai pengaruh terhadap kemampuan intellectual capital industri kreatif. Adapun arah hubungan antara knowledge management dengan intellectual capital adalah positif, hal tersebut terlihat dari besarnya koefisien path sebesar 0.574012. 174

2. Intellectual capital mempunyai pengaruh signifikan terhadap kinerja industri kreatif, hal tersebut terlihat dari besarnya t statistic 5.094970> 1,645, yang berarti intellectual capital benar-benar mempunyai kontribusi terhadap kinerja industri kreatif. Kondisi demikian mengandung makna kekuatan intellectual capital yang dimilki industri kreatif mempunyai pengaruh terhadap kinerja industri kreatif. Adapun arah hubungan antara intellectual capital dengan kinerja industri kreatif adalah positif, hal tersebut terlihat dari besarya koefisien path sebesar sebesar 0.658190. 3. Knowledge management tidak mempunyai pengaruh terhadap kinerja industri kreatif, hal tersebut terlihat dari besarnya t statistik 1.406464< dari 1,645 yang berarti knowledge management benar-benar tidak mempunyai kontribusi terhadap kinerja industri kreatif. Kondisi demikian mengandung makna knowledge management yang digunakan tidak mempunyai pengaruh terhadap kemampuan intellectual capital industri kreatif. Adapun arah hubungan antara knowledge management dengan kinerja industri kreatif adalah negatif, hal tersebut terlihat dari besarya koefisien path sebesar-0.168152. 4. Knowledge broker mempunyai peranan yang signifikan dalam memoderai hubungan antara knowledge management dengan intellectual capital, hal tersebut terlihat dari besarnya t statistic 2.663813> 1,645, yang berarti knowledge broker benar-benar mampu memperkuat pengaruh knowledge management terhadap intellectual capital yang dimiliki industri kreatif. 175

176