ASUMSI MODEL SEM Asumsi yang harus dipenuhi dalam analisis SEM di antaranya adalah data berdistribusi multivariat normal, untuk memeriksanya dapat dilakukan dengan menghitung nilai jarak kuadrat pada setiap pengamatan (Johnson dan Wichern, 1992), yaitu. d 2 j = ( x j x)' Σ 1 ( x j x), untuk j = 1,2,,n 2 d j x j x Σ = jarak kuadrat pada setiap pengamat = vektor data pengamatan = vektor nilai rata-rata = matriks varian kovarian Asumsi lain yang harus dipenuhi dalam SEM adalah asumsi nonmultikolinearitas. Asumsi ini mengharuskan tidak adanya korelasi yang sempurna atau besar di antara variabel-variabel independen. Nilai korelasi antara variabel observed yang tidak dibolehkan adalah sebesar 0.9 atau lebih (Ghozali dan Fuad, 2005).
IDENTIFIKASI MODEL Menurut Wijanto (2008), sebelum melakukan tahap estimasi untuk mencari solusi dari persamaan simultan yang mewakili model yang dispesifikasikan terlebih dahulu untuk memeriksa identifikasi dari persamaan simultan tersebut 1. Under Identified Model dengan jumlah parameter yang diestimasi lebih besar dari jumlah data yang diketahui. Model Under Identified pada SEM mempunyai df = jumlah data yang diketahui - jumlah parameter yang diestimasi < 0 sehingga dapat disimpulkan model Under Identified mempunyai df negatif. 2. Just Identified Model dengan jumlah parameter yang diestimasi sama dengan data yang diketahui. Sehingga dapat disimpulkan bahwa model mempunyai degree of freedom nol. 3. Over Identified Model dengan jumlah parameter yang diestimasi lebih kecil dari jumlah data yang diketahui. Model ini mempunyai degree of freedom positif.
UJI KESESUAIAN MODEL 1. Uji Chi-Square H 0 : Data empiris identik dengan teori atau model H 1 : Data empiris tidak identik dengan teori atau model Statistik Uji : 2 χ ( ) [ ( )] n 1, ˆ θ = F 2. Dari beberapa indikator model fit yang ada, RMSEA merupakan indikator yang paling informatif. RMSEA mengukur penyimpangan nilai parameter pada suatu model dengan matriks kovarians populasinya(brown & Cudeck 1993 dalam Ghozali & Fuad 2005). RMSEA = p i ( s ij ) i 1 j= 1 p 2 ij σ ij σ ij ( p + 1) 2 s P = varians kovarians data observasi = varians kovarians model = jumlah variabel endogen
UJI KESESUAIAN MODEL 3. GFI (Goodness of Fit Index) Indeks kesesuaian (fit indexs) ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan. GFI tr = 1 tr ( ) ˆ 1 S I 2 ( ) 2 ˆ 1 S ˆ 1 S I = Matriks varians kovarians model = Matriks varians kovarians data observasi (measurement) = Matriks identitas 4. AGFI (Adjusted Goodness of Fit) AGFI adalah perluasan dari GFI yang disesuaikan, tetapi telah menyesuaikan pengaruh degrees of freedom pada suatu model. ( ) ( ) p p+1 AGFI=1-1 GFI 2df p : Jumlah variabel endogen df : Degrees of freedom GFI : Goodness of Fit Index
UJI KESESUAIAN MODEL Goodness of Fit Index Nilai yang diharapkan χ 2 Chi Square Diharapkan kecil RMSEA 0,08 GFI 0,9 AGFI 0,9
ESTIMASI MODEL ATAU PARAMETER Teknik estimasi model persamaan struktural pada awalnya dilakukan dengan ordinary least square (OLS) regression, tetapi teknik ini telah digantikan oleh maximum likelihood estimation yang lebih efisien dan unbiased jika asumsi normalitas multivariate dipenuhi. Namun teknik maximum likelihood sangat sensitif terhadap data yang tidak normal sehingga diciptakan teknik estimasi lain seperti weigthed least squared (WLS), generalized least squared (GLS) dan asymtotically distribution free (ADF). Teknik WLS dan ADF dapat digunakan apabila sampel penelitian cukup besar.
TEKNIK PENGAMBILAN SAMPEL Pengambilan sampel didasarkan pada seksi yang ada di PT. KAI Daerah Operasi 8 Surabaya yang terdiri dari 13 seksi. Berikut ini merupakan perhitungan dari estimasi penarikan sampel (Thompson, 1992). dimana : n = ukuran sampel, N = jumlah populasi (2330) p =Proporsi responden puas (0,833) q = Proporsi responden tidak puas (0,167) d = derajat kesalahan (0,07) Z = 1,96 (nilai baku dari tabel distribusi Normal baku dengan tingkat kepercayaan sebesar α = 0,05).
TEKNIK PENGAMBILAN SAMPEL Adapun masing-masing seksi akan dilakukan pengamatan secara sampel dengan masing-masing ukuran sampel proporsional terhadap jumlah karyawan di masing-masing seksi, secara umum ukuran sampel untuk tiap seksi : N ni = n dengan ukuran populasi di seksi ke i, i = 1, 2,... 13. N Seksi N i n i Humasda 13 1 Hukum 5 1 SDM dan Umum 46 2 Keuangan 30 1 Pengadaan Barang dan Jasa 15 1 Sarana 595 26 Jalan Rel dan Jembatan 585 26 Sintelis 224 10 Operasi 667 30 Pengamanan 72 3 Pelayanan 48 2 Pemasaran Angkutan 18 1 Pemasaran Non Angkutan 12 1 i
VARIABEL PENELITIAN No. Atribut Tipe Jawaban 1. Jenis kelamin 1.pria 2.wanita 2. Pendidikan terakhir 1.SD 2.SMP/Sederajat 3.SMA/Sederajat 4.Diploma 5.S1 6.S2 3. Status 1.Belum menikah 2.Menikah 3.Duda/janda 4. Usia (Terbuka) 5. Jumlah tanggungan (Terbuka) keluarga 6. Jabatan (Terbuka) 7. Lama bekerja (Terbuka)
VARIABEL PENELITIAN KEPUASAN KERJA Faktor-Faktor QWL Variabel Pernyataan Karakteristik Pekerjaan 1-2 Ganjaran yang pantas 3-4 Kondisi kerja yang mendukung 5-6 Rekan sekerja yang mendukung 7-8 Kesesuaian kepribadian yangmemuaskan 9-10 Variabel Pernyataan Partisipasi Pengambilan Keputusan 1-2 Restrukturisasi Kerja 3-4 Lingkungan Kerja 5-6 Sistem Imbalan Inovatif 7-8
METODE ANALISIS 1. Uji Validitas dan Reliabilitas 2. Analisis Statistika Deskriptif 3. Analisis Model Persamaan Struktural (SEM), dengan langkah-langkah sebagai berikut. a. Pengujian Asumsi, dilakukan dengan tujuan untuk mengecek data apakah data yang didapatkan telah memenuhi asumsi SEM, yaitu distribusi normal multivariate dan nonmultikolinearitas. b. Mendapatkan model berdasarkan konsep dan teori. c. Mengkonstruksi diagram path (diagram alur). d. Melakukan Identifikasi model dengan melihat derajat bebas model. Model yang dapat dianalisis adalah model dalam keadaan over identified, dimana derajat bebas model bernilai positif. Apabila model dalam keadaan just identified atau under identified maka model tidak dapat dianalisis lebih lanjut. e. Setelah mengetahui bahwa model dapat dianalisis, langkah selanjutnya adalah menguji kelayakan atau kesesuaian model (goodness of fit). f. Mengestimasi parameter model dan menginterpretasikan output yang diperoleh. Estimasi faktor loading (tingkat korelasi antara variabel laten dengan variabel indikator yang menjelaskannya) dengan menggunakan standar estimasi. Hasil yang diperoleh dapat menerangkan seberapa besar kontribusi/ pengaruh variabel indikator terhadap variabel laten yang disusunnya
UJI VALIDITAS Variabel Atribut Korelasi Keterangan Partisipasi pengambilan Pertanyaan 1 0,725 Valid keputusan Pertanyaan 2 0,736 Valid Restrukturisasi kerja Pertanyaan 1 0,801 Valid Pertanyaan 2 0,643 Valid Sistem imbalan inovatif Pertanyaan 1 0,838 Valid Pertanyaan 2 0,748 Valid Lingkungan Kerja Pertanyaan 1 0,581 Valid Pertanyaan 2 0,654 Valid Variabel Atribut Korelasi Keterangan Karakteristik pekerjaan Pertanyaan 1 0,803 Valid Pertanyaan 2 0,741 Valid Ganjaran yang diterima Pertanyaan 1 0,798 Valid Pertanyaan 2 0,713 Valid Kondisi kerja yang Pertanyaan 1 0,801 Valid mendukung Pertanyaan 2 0,753 Valid Rekan kerja Pertanyaan 1 0,809 Valid Pertanyaan 2 0,665 Valid Kesesuaian kepribadian Pertanyaan 1 0,617 Valid pekerjaan Pertanyaan 2 0,715 Valid
UJI RELIABILITAS Variabel αc Keterangan Faktor-faktor QWL 0,861 Reliabel Kepuasan Kerja 0,909 Reliabel
ANALISIS DESKRIPTIF Jenis Kelamin Wanita 15% Pria 85% Pendidikan terakhir 60 50 40 30 20 10 0 50% 29% 17% 4% SMA Diploma S1 S2
ANALISIS DESKRIPTIF 100 90 80 70 60 50 40 30 20 83,81% USIA 30 tahun 27% 10 0 13,33% 2,86% Belum nikah Nikah Duda/Janda Status >50 tahun 36% 30-40 tahun 21% 40-50 tahun 40%
ANALISIS DESKRIPTIF Jumlah tanggungan Frekuensi Persentase keluarga 1 9 9% 2 19 18% 3 36 34% 4 26 25% >5 15 14% Lama Bekerja Frekuensi Persentase 5 tahun 22 21% 6-10 tahun 12 11% 11-15 tahun 9 9% 16-20 tahun 11 10% 21-25 tahun 14 13% 26-30 tahun 27 26%