ANALISIS PENGARUH MOTIVASI DAN WORK ...repository.its.ac.id/652/3/1313030083-Non_Degree.pdfdengan...

TUGAS AKHIR – SS145561

ANALISIS PENGARUH MOTIVASI DAN WORK ENGAGEMENT TERHADAP PERFORMANCE APPRAISAL TENAGA KERJA DI PT PETROKIMIA GRESIK DENGAN PENDEKATAN STRUCTURAL EQUATION MODELLING (SEM)

SENDY APRILIYANA LARASATI NRP 1313 030 083 Dosen Pembimbing Dr. Muhammad Mashuri, MT

PROGRAM STUDI DIPLOMA III JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2016

FINAL PROJECT – SS145561

AN INFLUENCE OF MOTIVATION AND WORK ENGAGEMENT ANALYSIS FOR APPRAISAL PERFORMANCE OF LABORS IN PT PETROKIMIA GRESIK WITH THE APPROACH SEM (STRUCTURAL EQUATION MODELLING) SENDY APRILIYANA LARASATI NRP 1313 030 083 Supervisor Dr. Muhammad Mashuri, MT Diploma Programme Of Statistics Faculty of Mathematics and Natural Sciences Institut Teknologi Sepuluh Nopember

Surabaya 2016

ix

KATA PENGANTAR

Puji syukur penulis panjatkan kepada Allah SWT yang

telah memberikan rahmat, nikmat, dan ridho-Nya sehingga

penulis dapat menyelesaikan Tugas Akhir yang berjudul

“Analisis Pengaruh Motivasi dan Work Engagement

Terhadap Performance Appraisal Tenaga Kerja di PT

Petrokimia Gresik dengan Pendekatan SEM (Structural

Equation Modelling)”. Sholawat serta salam semoga tetap

tercurahkan kepada junjungan Nabi Muhammad SAW beserta

keluarga dan sahabatnya.

Penulis menyadari bahwa dalam penyusunan Tugas Akhir

ini tidak terlepas dari bantuan, bimbingan, dan dukungan dari

berbagai pihak. Oleh sebab itu, penulis ingin menyampaikan

terima kasih sebesar-besarnya atas segala yang telah diberikan

kepada penulis. Pihak-pihak tersebut antara lain yaitu :

1. Bapak Dr. Muhammad Mashuri, MT selaku dosen

pembimbing yang telah sabar dalam memberikan bimbingan

dan saran dalam penyelesaian Tugas Akhir ini.

2. Bapak Dr. Suhartono selaku Ketua Jurusan Statistika FMIPA-

ITS.

3. Bapak Wahyu Wibowo, S.Si, M.Si selaku Ketua Program

Studi Diploma Jurusan Statistika FMIPA-ITS atas bantuan

dan semua informasi yang diberikan.

4. Bapak Drs. Haryono, M.SIE dan Ibu Mike Prastuti, S.Si,

M.Si selaku dosen penguji atas kritik dan saran yang

membangun demi kesempurnaan Tugas Akhir ini.

5. Keluarga Besar Jurusan Statistika FMIPA ITS, segenap dosen

pengajar, karyawan, dan staff Jurusan Statistika FMIPA-ITS

yang dengan ikhlas memberikan bekal ilmu dan memfasilitasi

selama masa perkuliahan.

6. Kedua orang tua (Bapak Bambang Susilo dan Ibu Yeni

Fitrianti) yang senantiasa mendoakan dan mendukung setiap

langkah penulis serta kasih sayang yang diberikan.

x

7. Bapak Widiarto Dwi P, S.Psi selaku pembimbing lapangan

dalam pengambilan data Tugas Akhir di PT Petrokimia

Gresik.

8. Bapak Waluyo Sirdjo selaku Pgs. Manager Pendidikan dan

Pelatihan yang telah memberikan kesempatan untuk

mengambil data di PT Petrokimia Gresik.

9. Bapak Fajar dan Bapak Darminto selaku karyawan

Departement Pendidikan dan Pelatihan yang telah memberi

kesempatan membantu penulis dalam proses administrasi

pengambilan data di PT Petrokimia Gresik.

10. Seluruh karyawan PT Petrokimia Gresik yang telah bersedia

menjadi objek penelitian Tugas Akhir dan membantu dalam

proses survey.

11. Mbak Lina Natalya selaku Psikolog yang banyak membantu

dalam menyusun alat ukur penelitian Tugas Akhir ini.

12. Semua pihak yang telah membantu penulis dan tidak dapat

disebutkan satu per satu.

Demi kesempurnaan dan perbaikan selanjutnya hasil Tugas

Akhir ini, penulis sangat mengharapkan kritik dan saran yang

bersifat membangun. Semoga Tugas Akhir ini memberikan

manfaat dan menambah wawasan keilmuan bagi semua pihak.

Surabaya, Juni 2016

Penulis

xi

DAFTAR ISI

HALAMAN JUDUL.................................................................. i

LEMBAR PENGESAHAN ..................................................... iii

ABSTRAK ................................................................................... v

ABSTRACT .............................................................................. vii

KATA PENGANTAR .............................................................. ix

DAFTAR ISI ............................................................................. xi

DAFTAR GAMBAR .............................................................. xiii

DAFTAR TABEL ..................................................................... xv

DAFTAR LAMPIRAN ......................................................... xvii

BAB I PENDAHULUAN

1.1 Latar Belakang ............................................................ 1

1.2 Rumusan Masalah....................................................... 3

1.3 Tujuan Penelitian ........................................................ 3

1.4 Manfaat ....................................................................... 3

1.5 Batasan Penelitian....................................................... 4

BAB II TINJAUAN PUSTAKA 2.1 Structural Equation Modelling (SEM) ........................ 5

2.1.1 Model Struktural ................................................ 5

2.1.2 Model Pengukuran .............................................. 6

2.1.3 Asumsi Persamaan Model Struktural .................. 9

2.1.4 Estimasi Parameter ........................................... 10

2.1.5 Identifikasi Model ............................................ 10

2.1.6 Keakuratan Parameter CFA ............................ 11

2.1.7 Uji Kesesuaian Model ...................................... 13

2.2 Uji Validitas dan Reliabilitas ..................................... 15

2.3 Kinerja Karyawan ...................................................... 17

2.4 Motivasi ..................................................................... 18

2.5 Work Engagement ..................................................... 19

BAB III METODE PENELITIAN 3.1 Sumber Data .............................................................. 23

3.2 Desain Sampling Penelitian ....................................... 23

3.3 Variabel Penelitian .................................................... 23

3.4 Langkah Analisis ....................................................... 27

xii

3.5 Diagram Alir Penelitian ............................................. 29

BAB IV ANALISIS DAN PEMBAHASAN

4.1 Confirmatory Factor Analysis (CFA) ....................... 31

4.1.1 Pemeriksaan Asumsi ...................................... 31

4.1.2 CFA Variabel Perfoemance Appraisal ........... 31

4.1.3 CFA Variabel Motivasi .................................. 35

4.1.4 CFA Variabel Work Engagement ................... 40

4.2 Structural Equation Model (SEM) ........................... 45

BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan ............................................................... 49

5.2 Saran ......................................................................... 50

DAFTAR PUSTAKA

LAMPIRAN

BIODATA PENULIS

xiii

DAFTAR GAMBAR

Halaman

Gambar 2.1Model Pengukuran Satu Faktor ......................... 6

Gambar 3.1 Pemodelan Penelitian ........................................ 27

Gambar 3.2a Diagram Alir .................................................... 28

Gambar 3.2b Diagram Alir (lanjutan) ................................... 29

Gambar 4.1 Model CFA Variabel

Performance Appraisal ..................................... 32


Motivasi ............................................................ 37


Work Engagement ............................................. 42

Gambar 4.4 Model Struktural ................................................ 47

xv

DAFTAR TABEL

Halaman

Tabel 2.1 Nilai Kritis Indikator Kesesuaian Model ........... 15

Tabel 3.1a Variabel Performance Appraisal

(Bagian Penjualan) ............................................ 21

Tabel 3.1b Variabel Performance Appraisal

(Bagian Produksi) ............................................... 22

Tabel 3.1c Variabel Motivasi .............................................. 23

Tabel 3.1d Variabel Work Engagement ................................ 24

Tabel 3.2 Struktur Data ..................................................... 25

Tabel 3.3 Reliabilitas ......................................................... 26

Tabel 4.1 Pengujian Parsial Indikator dari

Performance Appraisal ..................................... 31

Tabel 4.2 Goodness of Fit Variabel

Performance Appraisal ...................................... 33

Tabel 4.3 Estimasi Parameter CFA Variabel

Performance Appraisal ...................................... 33

Tabel 4.4 Uji Parsial Indikator dari

Variabel Motivasi .............................................. 35

Tabel 4.5 Goodness Of Fit Variabel Motivasi ................... 38


Motivasi .............................................................. 38

Tabel 4.7 Uji Parsial Indikator dari

Variabel Work Engagement ................................ 41

Tabel 4.8 Goodness Of Fit Variabel

Work Engagement .............................................. 43


Work Engagement .............................................. 43

Tabel 4.10 Goodness Of Fit

Persamaan Struktural .......................................... 46

Tabel 4.11 Estimasi Koefisien Jalur

Persamaan Struktural .......................................... 48

xvii

DAFTAR LAMPIRAN

aa Halaman

Lampiran 1 Kuesioner Penelitian ............................................ 61

Lampiran 2 Data Penelitian ..................................................... 63

Lampiran 3 Pemeriksaan Asumsi Normal Multivariate .......... 64

Lampiran 4 CFA Performance Appraisal ............................ ..64

Lampiran 5 CFA Motivasi ....................................................... 66

Lampiran 6 CFA Work Engagement ...................................... 71

Lampiran 7 Structural Equation Modelling (SEM) ................ 74

1

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Keberadaan industri di Indonesia merupakan sektor yang

memiliki daya tarik begitu besar terkait dengan keuntungannya.

Sektor industri memiliki nilai ekonomis yang cukup tinggi.

Sehingga tidak heran, berbagai kalangan berlomba-lomba untuk

menjadi bagian dan terlibat di dalam sebuah perusahaan industri.

PT Petrokimia Gresik merupakan perusahaan berstatus BUMN

(Badan Usaha Milik Negara) dalam lingkup Departemen

Perindustrian dan Perdagangan yang bergerak dalam bidang

produksi pupuk, bahan-bahan kimia (H2SO4, H2PO4, CO,

cement retarder, aluminium fluoride) dan jasa lainnya seperti

konstruksi dan engineering. PT Petrokimia Gresik sebagai salah

satu perusahaan yang bergerak dalam bidang industri dan

perdagangan terus berperan aktif dalam rangka memenuhi

kebutuhan pupuk dan bahan-bahan kimia lainnya sebagai

lokomotif perekonomian bangsa. Persaingan di bidang industri ini

semakin ketat sehingga perusahaan memerlukan strategi dalam

menghadapi perubahan dan memenangkan persaingan.

Perusahaan-perusahaan di era globalisasi berlomba-lomba

meningkatkan manajemen kualitas untuk dapat bertahan dan

memenangkan persaingan. Terdapat delapan prinsip manajemen

kualitas yang salah satunya adalah involvement of people.

Involvement of people berarti keterlibatan semua orang di

perusahaan termasuk karyawan, pegawai, buruh, manajer dan

tenaga kerja lainnya untuk dapat menunjang aktivitas organisasi

atau perusahaan demi mencapai tujuan yang telah ditentukan.

Bagian atau unit yang biasanya mengurusi SDM (Sumber Daya

Manusia) adalah direktorat sumber daya manusia. Tugas

manajemen sumber daya manusia adalah mengatur dan

memastikan supaya jembatan yang menghubungkan perusahaan

dan karyawan bisa terbangun dengan baik dan mendatangkan

manfaat besar bagi perusahaan.

2

Manajemen sumber daya manusia (MSDM) merupakan

bagian integral dari setiap perusahaan atau setiap organisasi besar

yang menyangkut desain sistem perencanaan, penyusunan

karyawan, pengembangan karyawan, pengelolaan karier, evaluasi

kinerja, kompensasi karyawan, dan hubungan ketenagakerjaan

yang baik. MSDM merupakan bagian dari sistem yang bertugas

mengidentifikasi masalah kinerja, dan mengkoordinasikan serta

memfasilitasi tindakan pendisiplinan bila diperlukan. Bagian ini

terkait dengan segala hal tentang pengembangan karir, pelatihan

dan pembinaan, serta memantau proses pelatihan dan hasilnya.

Bagian ini sekaligus juga mengimplementasikan sejumlah analisis

tentang kebutuhan pelatihan.

Sumber Daya Manusia (SDM) merupakan salah satu unsur

terpenting dalam sebuah perusahaan. Perusahaan harus benar-

benar memperhatikan masalah SDM dengan sebaik-baiknya

terutama bagaimana meningkatkan kinerja karyawannya.

Perusahaan perlu memperhatikan variabel-variabel yang

mempengaruhi kinerja karyawannya. Namun, selama ini belum

diketahui indikator-indikator yang dapat diterapkan sebagai alat

ukur untuk mengukur kinerja karyawan. Maka, peneliti

mengangkat permasalahan tentang faktor yang berpengaruh

terhadap kinerja karyawan di PT Petrokimia Gresik bagian

Penjualan dan Produksi.

Menurut Mathis dan Jackson (2001) faktor-faktor yang

mempengaruhi kinerja individu tenaga kerja adalah kemampuan

diri, motivasi, dukungan yang diterima, keberadaan pekerjaan,

dan hubungan mereka dengan organisasi. Dalam penelitian ini,

peneliti menggunakan variabel kinerja karyawan, motivasi kerja,

dan work engagement beserta indikator-indikatornya untuk

mengetahui indikator apa dan variabel apa yang paling

berpengaruh terhadap kinerja karyawan. Oleh karena itu, analisis

yang digunakan adalah Structural Equation Modelling (SEM)

dengan tiga variabel laten yaitu, kinerja karyawan (performance

appraisal), motivasi, dan work engagement.

3

1.2 Rumusan Masalah

Berdasarkan latar belakang tersebut, perumusan masalah

dalam penelitian ini sebagai berikut:

1. Bagaimana pengaruh indikator-indikator dalam mengukur

variabel performance apppraisal, motivasi kerja, dan work

engagement tenaga kerja di PT Petrokimia Gresik?

2. Bagaimana pengaruh faktor-faktor yang berhubungan

dengan performance appraisal tenaga kerja di PT

Petrokimia Gresik?

1.3 Tujuan

Tujuan dari penelitian ini adalah menganalisis indikator-

indikator yang berpengaruh terhadap performance appraisal

tenaga kerja Penjualan dan Produksi serta faktor yang

berpengaruh terhadap variabel tersebut menggunakan Structural

Equation Modelling (SEM).

1.4 Manfaat

Manfaat secara umum dari penelitian ini adalah mengetahui

penerapan Manajemen Sumber Daya Manusia (MSDM) di suatu

perusahaan dan mengetahui variabel dan indikator yang

berpengaruh signifikan terhadap performance appraisal karyawan

di bidang marketing dan produksi. Manfaat bagi peneliti adalah

dapat mengaplikasikan konsep dan teori tentang Structural

Equation Modelling (SEM) didalam MSDM pada dunia industri

secara nyata.

Manfaat bagi perusahaan adalah mengetahui alat ukur yang

dapat digunakan untuk mengukur kinerja karyawan. Hasil dari

penelitian ini dapat diperoleh variabel dan indikator yang paling

berpengaruh terhadap kinerja karyawan, sehingga perusahaan

dapat meningkatkan kinerja karyawan dengan memperbaiki

indikator-indikator yang paling berpengaruh tersebut.

4

1.5 Batasan Masalah

Batasan masalah dalam penelitian ini adalah menggunakan

dua faktor yang berpengaruh terhadap performance appraisal

yaitu motivasi dan work engagement. Kinerja tenaga kerja yang

diteliti hanya pada bagian Penjualan dan Produksi di PT

Petrokimia Gresik.

5

BAB II

TINJAUAN PUSTAKA

2.1 Structural Equation Modelling (SEM)

SEM merupakan sebuah evolusi dari model persamaan

berganda (regresi) yang dikembangkan dari prinsip ekonometri

dan digabungkan dengan prinsip pengaturan (analisis faktor) dari

psikologi dan sosiologi (Hair, dkk. 1998). Pada metode SEM

dilakukan pengujian model struktural dan model measurement

secara bersama-sama. Pengujian model struktural merupakan

pengujian hubungan antara konstruk (variabel laten yang tidak

dapat diukur secara langsung dan memerlukan beberapa indikator

dalam pengukurannya) yang meliputi independen dan dependen,

sedangkan pengujian model measurement merupakan pengujian

hubungan antara indikator dengan konstruk. Pada SEM dapat

dilakukan pemeriksaan validitas dan reliabilitas instrumen

(Confirmatory Factor Analysis), pengujian model hubungan antar

variabel (Path Analysis), dan mendapatkan model struktural

secara serentak.

2.1.1 Model Struktural

Model struktural merupakan hubungan antara variabel laten

baik independen maupun dependen. Variabel laten (construct)

dibagi menjadi dua yaitu variabel eksogen dan variabel endogen.

Variabel eksogen adalah variabel laten yang tidak dipengaruhi

oleh variabel lainnya. Variabel endogen adalah variabel laten

yang dipengaruhi oleh variabel lain dalam model. Analisis yang

biasa digunakan dalam model struktural adalah Path Analysis.

Model lengkap (hybrid) dalam Structural Equation Modelling

menurut Johnson dan Wichern, 1998 pada Persamaan 2.1.

)1()1()()1()()1( mxnxmxnmxmxmmxζξΓηη

dimana:

η = Variabel laten endogen mx1

= Koefisien variabel laten endogen m x m

(2.1)

6

Γ = Koefisien variabel laten eksogen m x n

ξ = Variabel laten eksogen nx1

ζ = error model mx1

m = Banyaknyak variabel laten endogen

n = Banyaknya variabel laten eksogen

2.1.2 Model Pengukuran

Variabel laten merupakan variabel yang tidak bisa diukur

secara langsung, namun dapat diukur oleh satu atau lebih

indikator. Model pengukuran menggambarkan hubungan antara

variabel laten dengan indikator yang dinyatakan dalam loading

factor (λ). Loading factor menunjukkan korelasi antara variabel

indikator dengan variabel laten. Model pengukuran biasanya

menggunakan Confirmatory Factor Analysis yang ditampilkan

pada Gambar 2.1 (Sharma, 1996).

Gambar 2.1 Model Pengukuran Satu Faktor

Secara matematis Gambar 2.1 dapat dijelaskan dengan

persamaan 2.2 berikut.

x1 = λ11ξ1 + δ1

x2 = λ21ξ1 + δ2

xp = λp1ξ1 + δp persamaan tersebut dapat ditampilkan seperti berikut.

ξ1

x1

x2

xp

δ1

δ2

δp

λ11

λ21

λp1

(2.2) (2.2)

7

pppx

x

1

1

1

111

xi adalah indikator ke-i, λij adalah nilai loading dari indikator ke-i

pada variabel ke-j, ξj adalah variabel laten ke-j, δi adalah

kesalahan pengukuran (error) pada indikator ke-i, sedangkan

i=1,…, p dan j=1,…,m. p adalah banyaknya indikator dan m

adalah banyaknya variabel.

Persamaan-persamaan tersebut dapat dinotasikan dalam

bentuk matriks yang ditunjukkan pada persamaan 2.4.

δξΛX x

Dimana X adalah vektor indikator p×1, Λx adalah matriks lamda

(loading factor) p×m, ξ adalah vektor variabel laten m×1, dan δ

adalah vektor error berukuran p×1.

Jika digunakan p=2, yang berarti satu model faktor dengan dua

indikator pada measurement model, maka:

111 x 222 x

sehingga dari persamaan 2.5 tersebut dapat ditampilkan pada

matrik sebagai berikut.

2

1

2

1

2

1

x

x

dengan matrik varian kovarian (Ʃ) adalah sebagai berikut.

2

221

12

2

1Σ

Diasumsikan varian pada variabel laten (ξ) adalah satu, eror (δ)

dan variabel laten (ξ) tidak berkorelasi, dan eror tidak ada korelasi

dengan eror lainnya. E(ξδ1)=E(ξδ2)=0, E(δiδj)=0 dimana i=1,2 dan

j=1,2, E(ξ2)=1. Kemudian membandingkan matrik varian

kovarian (Ʃ) dengan matrik varian kovarian measurement model.

2

11

2

1 )( EXE

(2.3)

(2.5)

(2.6)

(2.7)

(2.3)

(2.4)

(2.5)

(2.6)

(2.7)

8

2111

221 )(2)( EEE

21

211

2

1)( EXE

21121

221 2 EEEE

)( 1Var

221121 )( EXXE

)()()()( 2112212

21 EEEE

21

21

2

11)( XEXEXVar

)( 1

2

1 Var

22

2

22 )( XEXEXVar

)( 222 Var

))(()(),( 212121 XXEXXEXXCov

221121 EE

221121 EEEE

21

sehingga didapatkan Persamaan 2.8

)( 121

21 V

)( 222

22 V

212112

Dari ketiga persamaan tersebut, didapatkan empat parameter yaitu

λ1, λ2, V(δ1), dan V(δ2). Sehingga didapatkan matrik varian

kovarian pada variabel-variabel pengamatan dalam model yang

digambarkan sebagai fungsi dari parameter θ yaitu Ʃ(θ) yang

didapatkan dari hasil substitusi (Ʃ) persamaan 2.8 dan

ditampilkan pada persamaan 2.9.

)(

)()(

22212

21121

V

VΣ

(2.8)

(2.9)

9

2.1.3 Asumsi Persamaan Model Struktural

Pada Structural Equation Modeling (SEM) terdapat

beberapa asumsi yang harus dipenuhi untuk melakukan pengujian

selanjutnya. Asumsi-asumsi yang harus dipenuhi adalah sebagai

berikut.

1. Ukuran Sampel: Ukuran sampel yang digunakan dalam

metode SEM adalah minimal sebanyak 100 sampel dalam

penelitian (Tinsley and Tinsley, 1987).

2. Normalitas: Normal multivariate merupakan asumsi yang

harus dipenuhi. Untuk memeriksa kenormalan data dapat

dilakukan dengan menghitung jarak kuadrat untuk setiap

pengamatan (Johnson dan Wichern, 1998). Apabila suatu n

pengamatan dibangkitkan dari populasi normal multivariate

maka setiap kuadrat jarak titik pengamatan 22

2

2

1 ,...,, nddd

merupakan variabel acak chi-square. Dimana melalui plot chi-

square dapat membantu bahwa suatu sampel acak berasal dari

populasi yang berdistribusi normal multivariate. Langkah-

langkah yang dilakukan adalah sebagai berikut.

a. Menghitung nilai jarak kuadrat 2

jd dengan menggunakan

rumus.

)'()( 12 xxSxxd jjj

1

))((1

n

xxxx

S

n

j

pjpj

dimana :

j = 1,2,...,n

jx = objek pengamatan ke-j

2

jd = nilai jarak kuadrat ke-j

1S = invers matrik varian-kovarian

p = banyak indikator

(2.10)

(2.11)

(2.10)

(2.11)

10

n = banyak pengamatan

b. Mengurutkan nilai 2

jd dari yang terkecil sampai terbesar,

kemudian mencari nilai j

n

jp

q

2

5,0;

dari tabel Chi-square

serta membuat scatter plot antara pasangan (2

jd, jq

).

3. Data dikatakan berdistribusi normal multivariate jika jarak 2

jd ≤ 2

)50,0;( p atau dengan melihat nilai t = 2

jd ≤ 2

)50,0;( p jika

nilai t 50% maka data tersebut sudah mengikuti distribusi

normal multivariate.

2.1.4 Estimasi Parameter

Estimasi parameter pada CFA dilakukan dengan

mensubstitusikan antara matrik varian kovarian measurement

model yang ditampilkan pada persamaan (2.12) dengan matrik

varian kovarian data pengamatan.

)θΣ(Σ(θ) ˆ

)(),(

),()(

)(

)(

212

211

2

2

212

211

2

1

XVarXXCov

XXCovXVar

V

V

Dari persamaan 2.12, menghasilkan persamaan sebagai berikut.

)()( 11

2

1 XVarV

)()( 22

2

2 XVarV

),( 2121 XXCov

Ketiga persamaan tersebut disubtitusikan dan diperoleh nilai

estimasi parameter λ1, λ2, Var(δ1), dan Var(δ2) (Sharma, 1996).

2.1.5 Identifikasi Model

Identifikasi model berkaitan dengan membandingkan

jumlah persamaan yang ada dengan banyak parameter yang

ditaksir. Identifikasi model digunakan untuk mengetahui

informasi yang cukup untuk mengidentifikasi persamaan model

Pada identifikasi model terdapat tiga macam kriteria sebagai

berikut.

(2.13)

(2.12) (2.12)

(2.13)

11

1. Under identified

Under identified merupakan keadaan dimana persamaan yang

terbentuk lebih sedikit dari parameter yang ditaksir yang

berarti nilai df adalah negatif atau t < s.

Dimana: df = s–t

t = jumlah parameter yang ditaksir

s = jumlah persamaan yang terbentuk dengan

perhitungan s adalah [(p+q)(p+q+1)]/2

p = jumlah variabel endogen

q = jumlah variabel eksogen

Hal ini menunjukkan bahwa analisis model tidak dapat

dilakukan.

2. Just identified

Pada keadaan just identified, jumlah persamaan sama dengan

parameter yang ditaksir yang berarti nilai df sama dengan nol

atau t = s. Keadaan ini berarti bahwa model yang terbentuk

tidak memiliki kemampuan untuk menggeneralisasi sehingga

analisis tidak dapat dilakukan.

3. Over identified

Model over identified berarti jumlah persamaan lebih besar

dari banyaknya parameter yang ditaksir yang berarti nilai df

adalah positif atau t > s. Hal ini menunjukkan bahwa

generalisasi dapat dilakukan untuk mendapatkan model yang

paling sesuai.

2.1.6 Keakuratan Parameter CFA

CFA bertujuan untuk mengkonfirmasi teori yang telah ada

dalam mengukur keakuratan parameter. Signifikasi indikator-

indikator dalam mengukur variabel laten dapat diketahui dengan

menggunakan statistik uji t, karena loading factor (λi) dalam CFA

menggunakan standardized estimate dimana memiliki kedudukan

yang sama dengan regresi (Ferdinand, 2002). Hipotesis yang

digunakan adalah sebagai berikut.

H0 : λi = 0 (loading faktor tidak signifikan dalam mengukur

variabel laten)

12

H1 : λi ≠ 0 (loading faktor signifikan dalam mengukur variabel

laten)

dimana i = 1, 2,..., p variabel indikator

Statistik uji t dapat dihitung dengan persamaan 2.14.

)ˆ(

ˆ

i

i

hitungSE

T

dimana :

i = Taksiran parameter hubungan kausal

nSE i

2ˆ)ˆ(

1ˆ 1

2

2

n

xxn

i

i

ix = Nilai variabel pengamatan X ke i

x = Rata-rata nilai variabel indikator X ke i

i = 1,2,...,n pengamatan

Keputusan: Jika nilai │Thitung│< t(α/2,df) maka gagal tolak H0 dan

dapat disimpulkan bahwa λi tidak signifikan dalam mengukur

atau membentuk variabel laten.

2.1.7 Uji Kesesuaian Model (Goodness of Fit Test)

Indikator kesesuaian model SEM dapat dilihat dari

beberapa ukuran diantaranya Chi-Square Statistic, The Root

Mean Square Error of Approximation (RMSEA), Goodnest of Fit

Indices (GFI), Adjusted Goodnest of Fit Index (AGFI), dan

Comparative Fit Index (CFI). Indeks-indeks pengukuran untuk

menguji kesesuaian model dijelaskan sebagai berikut.

1. Chi-Square Statistics

Chi-Square merupakan pengukuran untuk mengevaluasi

kesesuaian model secara keseluruhan dan menaksir besarnya

ketidaksesuaian antara sampel dengan matrik kovarian yang

(2.15)

(2.16)

(2.14)

(2.15)

(2.16)

13

dibuat. Statistik uji Chi-Square nilainya dipengaruhi oleh

besar sampel yang digunakan. Hipotesis yang akan diuji dalam

kriteria ini adalah sebagai berikut.

H0 : )ˆ()( atau matriks varians kovarians populasi sama

dengan matriks varians kovarians model yang ditaksir

(model sesuai).

H1 : )ˆ()( atau matriks varians kovarians populasi tidak

sama dengan matriks varians kovarians model yang

ditaksir (model tidak sesuai).

statistik uji:

Fnhit )1(2

dimana:

)qp(Slog))(S(tr)(logF 1

ML

n = Banyaknya pengamatan

S = Matrik varian kovarian sampel

(θ) = Estimasi matrik varian kovarian sampel

Model yang diuji dikatakan baik jika nilai Chi-square (2

hit )

yang dihasilkan rendah dan mengindikasikan tidak adanya

perbedaan yang signifikan antara matriks varian kovarian data

dengan matrik varians yang diestimasi (Sharma, 1996).

2. Root Mean Square Error of Approximation (RMSEA)

Pengujian Chi-Square mempunyai kelemahan yaitu sangat

sensitif terhadap jumlah sampel. Sebagai alternatif dan

pembanding uji Chi-Square, dilakukan pengembangan uji

kelayakan analisis konfirmatori faktor yaitu Root Mean Square

Error of Approximation (RMSEA) yang ditampilkan pada

persamaan 2.20 (Engel, Moosbrugger & Muller, 2003).

1

1

)1(

2

ndfnRMSEA hit

dimana:

2

hit : nilai chi square pada persamaan 2.18

(2.18)

(2.19)

(2.18)

(2.19)

(2.20)

14

df : nilai derajat bebas

n : Jumlah sampel

3. Goodness of Fit Index (GFI)

Selain menggunakan uji statistic chi square (χ2), uji kelayakan

model bisa dihitung dengan menggunakan Goodness of Fit

Index (GFI). Untuk menghitung nilai GFI dijelaskan melalui


2

2

11n

t

n

t

F

FGFI

dimana: χ2t = nilai chi square default model

χ2n = nilai chi square independence model

4. Adjusted Goodnest of Fit Index (AGFI)

Pada uji kelayakan Adjusted Goodnest of Fit Index (AGFI)

merupakan uji kelayakan GFI yang disesuaikan. Untuk

menghitung nilai AGFI yang diperoleh menggunakan


)1(2

)1(1 GFI

df

ppAGFI

dimana:

p : jumlah indikator

df : degree of freedom

5. Comparative Fit Index (CFI)

CFI adalah indeks yang besarnya tidak dipengaruhi oleh

ukuran sampel karena itu sangat baik untuk mengukur tingkat

penerimaan sebuah model. CFI diperoleh menggunakan

persamaan 2.23 (Bentler, P.M, 1990).

)(

)(1

2

2

nn

tt

df

dfCFI

dimana χ2t = nilai chi square default model

χ2n = nilai chi square independence model

dft = derajat bebas default model

dfn = derajat bebas independence model

(2.21)

(2.22)

(2.23)

15

Nilai kritis yang direkomendasikan untuk indikator-

indikator kesesuaian model tersebut, ditunjukkan pada Tabel 2.1. Tabel 2.1 Nilai Kritis Indikator Kesesuaian Model

Cut Off Value

Chi-square

P-value

Mendekati 0

≥ 0,05

GFI ≥ 0,90

AGFI ≥ 0,90

RMSEA ≤ 0,08

CFI ≥ 0,90

Sumber: Ferdinand, 2002

2.2 Uji Validitas dan Reliabilitas

Uji validitas digunakan untuk menunjukkan tingkat

kevalidan atau kesahihan alat ukur/ instrumen. Berikut adalah

langkah pengujiannya.

H0 : Pertanyaan tidak mengukur aspek yang sama

H1 : Pertanyaan mengukur aspek yang sama

Statistik uji :

dimana :

r : Koefisien korelasi Pearson’s Product Moment

Xi : Skor tiap pertanyaan yang diberikan oleh tiap- tiap responden

Yi : Skor total seluruh pertanyaan untuk masing – masing

responden

n : Banyaknya responden

daerah kritis : Tolak H0 jika r hitung > r(α, n-2)

Uji reliabilitas dilakukan untuk mendapatkan data yang

sesuai dengan pengukuran. Hasil pengukuran dapat dipercaya bila

dalam beberapa kali pelaksanaan pengukuran terhadap kelompok

2

11

2

2

11

2

111

n

i

i

n

i

i

n

i

i

n

i

i

n

i

i

n

i

i

n

i

ii

YYnXXn

YXYXn

r (2.24)

16

subyek yang sama diperoleh hasil yang relatif sama, selama aspek

yang diukur tidak berubah. Berikut adalah pengujiannya.

Ukuran reliabilitas menggunakan metode cronbach’s alpha

diukur berdasarkan skala Cronbach’s alpha 0 sampai 1.

2

1

2

11

tot

k

b

b

S

S

k

kC

Keterangan :

: Koefisien reliaabilitas instrumen (cronbach’s alpha)

k : Banyaknya indikator

: Total varians indikator

: Total varians

2.3 Kinerja Karyawan

Menurut Wood (1999), kinerja didefinisikan sebagai

kontribusi pekerjaan baik secara kualitas dan kuantitas, baik

secara individu, unit kerja maupun organisasi. Veithzal (2004)

mengatakan bahwa kinerja merupakan perilaku nyata yang

ditampilkan setiap orang sebagai prestasi kerja yang dihasilkan

oleh karyawan sesuai dengan perannya dalam perusahaan.

Kinerja dapat diukur dalam bentuk produktivitas, keuntungan,

sikap pegawai, kepekaan organisasi, dan lain-lain. Menurut

Gomes (2001), terdapat 8 tipe kriteria performansi yang menilai

dan mengevaluasi performansi kerja karyawan sebagai berikut.

1. Quantity of work, jumlah kerja yang dilakukan dalam suatu

periode waktu yang ditentukan.

2. Quality of work, kualitas kerja yang dicapai berdasarkan

syarat-syarat kesesuaian dan kesiapan.

3. Job knowledge, luasnya pengetahuan mengenai pekerjaan

dan keterampilannya.

C

k

1b

2b

S

2

totS

(2.25)

17

4. Creativeness, keaslian gagasan-gagasan yang dimunculkan

dan tindakan-tindakan untuk menyelesaikan persoalan-

persoalan yang timbul.

5. Coorperation, kesediaan untuk bekerja sama dengan orang

lain.

6. Dependabilty, kesadaran akan dapat dipercaya dalam hal

kehadiran dan penyelesaian pekerjaan.

7. Initiative, semangat untuk melaksanakan tugas-tugas baru

dalam memperbesar tanggung jawab.

8. Personal qualities, menyangkut kepribadian

kepemimpinan, keramahtamahan, dan integrasi.

Faktor-faktor yang menyebabkan hubungan sebab akibat

terciptanya komitmen berorganisasi antara lain sebagai berikut.

1. Karakteristik pribadi

Karakteristik pribadi meliputi usia, tingkat pendidikan, dan

jenis kelamin. Usia dan tingkat pendidikan berhubungan

positif dengan komitmen berorganisasi. Semakin

bertambah usia dan semakin tinggi tingkat pendidikan

maka semakin tinggi pula komitmen yang dimiliki dalam

berorganisasi. Sedangkan pada karakteristik jenis kelamin,

wanita lebih memiliki komitmen tinggi karena pada

umumnya wanita menghadapi tantangan yang lebih besar

dalam pencapaian karir.

2. Karakteristik berkaitan dengan peran

Karakteristik berkaitan dengan peran meliputi identifikasi

tugas dan kesempatan untuk berinteraksi dengan karyawan.

3. Karakteristik struktural dan pengalaman pekerjaan

Karakteristik ini berkaitan dengan prestasi organisasi di

masa lampau dan cara pekerja mengungkapkan perasaan

terhadap organisasi.

2.4 Motivasi

Motivasi diartikan sebagai suatu kekuatan sumber daya

yang menggerakkan dan mengendalikan perilaku manusia.

Motivasi sebagai upaya yang dapat memberikan dorongan kepada

18

seseorang untuk mengambil suatu tindakan yang dikehendaki,

sedangkan motif sebagai daya gerak seseorang untuk berbuat.

Karena perilaku seseorang cenderung berorientasi pada tujuan

dan didorong oleh keinginan untuk mencapai tujuan tertentu.

Dalam konteks pekerjaan, motivasi merupakan salah satu faktor

penting dalam mendorong seorang karyawan untuk bekerja.

Motivasi dapat dibedakan menjadi dua yaitu motivasi instrinsik

dan ekstrinsik.

2.4.1 Motivasi Intrinsik

Motivasi intrinsik adalah motivasi yang mendorong

seseorang untuk berprestasi yang bersumber dalam diri individu

tersebut, yang lebih dikenal dengan faktor motivasional. Menurut

Herzberg (1966) dalam Teck Hong dan Waheed (2011) yang

tergolong sebagai faktor motivasional antara lain :

1. Achievement (Prestasi kerja) adalah keberhasilan seorang

karyawan dalam menyelesaikan tugas.

2. Advancement (pengembangan diri) adalah suatu

keinginanan seseorang untuk mengembangkan karier

dibidangnya.

3. Work it self (pekerjaan itu sendiri) adalah variasi pekerjaan

dan kontrol atas metode serta langkah-langkah kerja.

4. Recognition (pengakuan) artinya karyawan memperoleh

pengakuan dari perusahaan bahwa ia adalah orang,

berprestasi baik diberi penghargaan, dan pujian.

2.4.2 Motivasi Ekstrinsik

Motivasi ekstrinsik adalah motivasi yang bersumber dari

luar diri yang turut menentukan perilaku seseorang dalam

kehidupan seseorang yang dikenal dengan teori hygiene factor.

Menurut Herzberg (1966) dalam Teck Hong dan Waheed (2011)

yang tergolong sebagai hygiene factor antara lain :

1. Company policy (kebijakan perusahaan) adalah aturan yang

ditetapkan oleh perusahaan sebagai pegangan manajemen

dalam melaksanakan kegiatan.

19

2. Relationship with peers (hubungan dengan rekan kerja)

adalah komunikasi antar karyawan dalam menyelesaikan

tugas.

3. Work security (keamanan kerja) adalah persepsi individu

karyawan terhadap karyawan variabilitas nilai

imbalan,mutasi wilayah, peluang pemutusan hubungan.

4. Relationship with supervisor (hubungan dengan atasan)

merupakan unsur utama dari kepuasan kerja karyawan.

5. Gaji adalah imbalan finansial yang diterima oleh karyawan

meliputi upah, premi bonus, dan tunjangan.

2.5 Work Engagement

Penelitian-penelitian yang dilakukan menemukan banyak

manfaat dan keuntungan dari adanya work engagement. Kahn

(1990) menyatakan bahwa level engagement yang tinggi

membawa kepada hasil yang positif bagi individu (kualitas dari

pekerjaan orang-orang dan pengalaman mereka dalam melakukan

pekerjaan) dan juga level organisasi (pertumbuhan dan

produktivitas organisasi). Work engagement memungkinkan

individu untuk menanamkan diri sepenuhnya terhadap pekerjaan

dengan meningkatkan self-efficacy dan berdampak positif pada

kesehatan karyawan yang akan meningkatkan dukungan

karyawan terhadap organisasi (Robertson & Markwick, 2009).

Hasil survey dari 665 kepala eksekutif karyawan di Amerika,

Eropa, Jepang dan negara-negara lainnya menyebutkan bahwa

engagement merupakan salah satu dari lima tantangan teratas bagi

manajemen (Sakovska, 2012).

Murnianita (2012) menyatakan bahwa istilah employee

engagement dengan work engagement seringkali digunakan

bergantian, tetapi work engagement dianggap lebih spesifik. Work

engagement mengacu pada hubungan antara karyawan dengan

pekerjaannya, sedangkan employee engagement terkait hubungan

antara karyawan dengan organisasi (Schaufeli & Bakker, 2010).

Konsep engagement pertama sekali diperkenalkan oleh

Kahn. Kahn (1990) mendefinisikan engagement sebagai

20

penguasaan karyawan sendiri terhadap peran mereka dalam

pekerjaan, dimana mereka akan mengikat diri dengan

pekerjaannya, kemudian akan bekerja dan mengekspresikan diri

secara fisik, kognitif dan emosional selama memerankan

performanya. Aspek kognitif mengacu pada keyakinan pekerja

terhadap organisasi, pemimpin dan kondisi pekerjaan. Aspek

emosional mengacu pada bagaimana perasaan pekerja apakah

positif atau negatif terhadap organisasi dan pemimpinnya.

Sedangkan aspek fisik mengenai energi fisik yang dikerahkan

oleh karyawan dalam melaksanakan perannya.

Pada penelitian ini, peneliti mengacu pada pendapat

Schaufeli dkk (2002), maka definisi work engagement dalam

penelitian ini adalah keadaan motivasional yang positif dan

adanya pemenuhan diri dalam pekerjaan yang dikarakteristikkan

dengan adanya vigor (kekuatan), dedication (dedikasi), dan

absorption (absorpsi).

21

BAB III

METODOLOGI PENELITIAN

3.1 Sumber Data

Data yang digunakan dalam penelitian ini merupakan data

primer. Data diperoleh dari survey secara langsung pada tenaga

kerja bagian Penjualan dan Produksi di PT Petrokimia Gresik.

Pengambilan data dilakukan pada 7 April – 3 Mei 2016.

3.2 Desain Sampling Penelitian

Objek dalam penelitian adalah tenaga kerja bagian

Penjualan dan Produksi di PT Petrokimia Gresik. Pengambilan

sampel secara keseluruhan menggunakan metode Simple Random

Sampling (SRS). Jumlah sampel yang diteliti adalah 100 tenaga

kerja.

3.3 Variabel Penelitian

Variabel yang digunakan dalam penelitian ini adalah

variabel faktor motivasi dan work engagement terhadap

performance appraisal karyawan di bagian penjualan dan

produksi. Variabel penelitian ini menggunakan skala likert 1 - 5

dengan penilaian dari pernyataan sangat tidak setuju - sangat

setuju. Masing-masing indikator pada variabel tersebut dapat

dilihat pada tabel 3.1.

Tabel 3.1a Variabel Performance Appraisal (Bagian Penjualan)

Variabel Sub-

Variabel Indikator Skala

Y

PA1 Saya membantu perusahaan

mendapatkan tender/proyek (yang

besar)

Likert

PA2 Saya berhasil menjual produk dengan

keuntungan yang tinggi Likert

PA3 Saya berhasil menjual produk dengan

jumlah yang besar/tinggi Likert

PA4 Saya dapat dengan cepat menjual Likert

22

Variabel Sub-


produk perusahaan

PA5

Saya mampu menemukan orang-orang

yang berpotensi untuk membeli

produk perusahaan

Likert

PA6 Saya menjual lebih dari target yang

ditetapkan Likert

PA7 Saya membantu supervisor marketing

untuk memenuhi target yang

ditetapkan perusaahaan

Likert

Sumber : Sujan, dkk, 1994

Tabel 3.1b Variabel Performance Appraisal (Bagian Produksi)

Variabel Sub-


Y

PA1

Saya memberikan kontribusi bagi

perusahaan dengan meminimalkan

jumlah produk yang tidak sesuai

spesifikasi

Likert

PA2 Saya berhasil memproduksi produk

dengan kualitas yang bagus Likert

PA3 Saya berhasil memproduksi produk

dengan jumlah yang besar/tinggi Likert

PA4 Saya dapat dengan cepat

memproduksi produk Likert

PA5 Saya berpotensi untuk memproduksi

produk yang baik Likert

PA6 Saya memproduksi lebih dari target

yang ditetapkan Likert

PA7

Saya membantu supervisor produksi

untuk memenuhi target yang

ditetapkan perusaahaan

Likert

Lanjutan Tabel 3.1 a Variabel Performance Appraisal (Bagian Penjualan)

23

Tabel 3.1c Variabel Motivasi

Variabel Sub-


X1

M1 Karena ini adalah jenis pekerjan yang

saya pilih sendiri Likert

M2 Saya merasa cukup dengan

pendapatan saya sekarang Likert

M3

Saya bertanya pada diri saya sendiri,

apakah saya akan mampu mengelola

tugas-tugas penting terkait dengan

pekerjaan ini

Likert

M4 Saya senang mempelajari hal-hal baru Likert

M5 Karena pekerjaan ini telah menjadi

bagian dari diri saya Likert

M6 Saya ingin sukses dalam pekerjaan ini

agar tidak memalukan diri sendiri Likert

M7 Saya memilih pekerjaan ini untuk

mencapai tujuan karir saya Likert

M8

Saya menerima tantangan yang

menarik untuk saya, guna memuaskan

diri sendiri

Likert

M9 Pekerjaan ini memungkinkan saya

mendapatkan uang yang banyak Likert

M10

Karena ini adalah bagian dari cara

yang saya pilih untuk menjalani hidup

saya

Likert

M11

Saya ingin menjadi yang terbaik di

tempat kerja saya, agar tidak

mengecewakan

Likert

M12

Saya tidak tahu mengapa saya mau

berada di lingkungan kerja yang tidak

realistis

Likert

M13 Karena saya ingin menjadi pemenang

bagi diri saya sendiri Likert

M14

Ini adalah pekerjaan yang saya pilih

untuk mencapai tujuan penting dalam

hidup saya

Likert

M15 Saya mengalami kepuasan pribadi Likert

24

Variabel Sub-


ketika mengerjakan tugas-tugas yang

sulit

M16 Saya merasa aman melakukan

pekerjaan ini Likert

M17 Saya tidak tahu mengapa, banyak

harapan yang ditargetkan pada saya Likert

M18 Saya merasa, pekerjaan ini telah

menjadi bagian dari hidup saya Likert

Sumber : Tremblay, dkk, 2009

Tabel 3.1d Variabel Work Engagement

Variabel Sub-


X2

WE1 Saya bersemangat dalam menjalan

pekerjaan saya Likert

WE2

Saya sadar bahwa pekerjaan ini

memiliki makna dan tujuan untuk

diri saya

Likert

WE3 Ketika saya bekerja, saya merasa

waktu berlalu dengan cepat Likert

WE4

Dalam pekerjaan saat ini, saya

merasa kuat dan giat (penuh

semangat).

Likert

WE5 Saya antusias dengan pekerjaan saat

ini. Likert

WE6 Ketika bekerja, saya melupakan

segala sesuatu yang ada di sekitar. Likert

WE7 Pekerjaan saat ini menginspirasi

saya. Likert

WE8 Ketika bangun pagi, saya memiliki

semangat untuk berangkat bekerja Likert

WE9 Saya merasa bahagia ketika saya

bekerja Likert

WE10 Saya bangga dengan pekerjaan yang

saya jalani. Likert

WE11 Saya tenggelam (terbenam) dalam Likert

Lanjutan Tabel 3.1c Variabel Motivasi

X1

25

Variabel Sub-


pekerjaan saya.

WE12

Saya dapat melanjutkan proses

bekerja dalam jangka waktu yang

sangat lama.

Likert

WE13 Bagi saya, pekerjaan saat ini

menantang. Likert

WE14 Saya dapat terhanyut ketika sedang

bekerja. Likert

WE15 Saya adalah orang yang tangguh

dalam bekerja Likert

WE16 Sulit bagi saya untuk melepaskan

pekerjaan ini Likert

WE17

Selama bekerja, saya selalu tekun

(gigih), meskipun terjadi hal-hal

yang tidak diharapkan.

Likert

Sumber : Schaufeli & Bakker, 2003

Berdasarkan indikator-indikator dari variabel yang

digunakan, diperoleh struktur data yang ditunjukkan pada Tabel

3.2 sebagai berikut. Tabel 3.2 Struktur Data

Responden

Performance

Appraisal (PA) Motivasi (M)

Work Engagement

(WE)

PA1 ... PA7 M1 ... M18 WE1 ... WE17

1 x11 ... x1 7 y11 ... y1 18 z11 ... z1 17

2 x21 ... x2 7 y21 ... y2 18 z21 ... z2 17

3 x31 ... x3 7 y31 ... y3 18 z31 ... z3 17

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

100 X100 1 ... X100 7 Y100 1 ... Y100 18 Z100 1 ... Z100 17

3.4 Uji Validitas dan Reliabilitas

Langkah pertama dalam analisis pra survey adalah menguji

validitas dan reliabilitas pada 30 data. Hasil pengujian validitas

Lanjutan Tabel 3.1d Variabel Work Engagement

X2

26

dapat dilihat pada Lampiran 4. Hasil tersebut menunjukkan

bahwa semua indikator pada variabel Performance Appraisal

terbukti valid. Terdapat satu indikator pada variabel Motivasi

yang tidak valid yaitu indikator ketiga (Saya bertanya pada diri

saya sendiri, apakah saya akan mampu mengelola tugas-tugas

penting terkait dengan pekerjaan ini). Pada variabel Work

Engagement, terdapat tiga indikator yang tidak valid yaitu

indikator kedua (Saya sadar bahwa pekerjaan ini memiliki makna

dan tujuan untuk diri saya), ke-10 (Saya bangga dengan pekerjaan

yang saya jalani), dan ke-16 (Sulit bagi saya untuk melepaskan

pekerjaan ini).

Analisis reliabilitas menghasilkan nilai Cronbach’s alpha

sebagai berikut. Tabel 3.3 Reliabilitas

Variabel C Keputusan

Performance Appraisal 0,853 Reliabel

Motivasi 0,85 Reliabel

Work Engagement 0,88 Reliabel

3.5 Langkah Analisis

Dalam menyelesaikan permasalahan dalam rumusan

masalah, berikut merupakan langkah-langkah/tahapan-tahapan

penelitian.

1. Menguji validitas dan reliabilitas alat ukur.

2. Pemeriksaan asumsi normalitas multivarate.

3. Melakukan pengujian Confirmatory Factor Analysis (CFA)

4. Melakukan pengujian Structural Equation Modeling (SEM)

yaitu sebagai berikut.

a. Membuat konseptualisasi model dan teori sesuai dengan

kerangka konsep penelitian sebelumnya.

b. Melakukan pemodelan dari kerangka konsep diantaranya

adalah sebagai berikut.

Hipotesis 1 : Motivasi berpengaruh signifikan

terhadap Performance Appraisal

27

Hipotesis 2 : Work Engagement berpengaruh

signifikan terhadap Performance

Appraisal

Hipotesis 3 : Work Engagement tidak memiliki

pengaruh langsung terhadap

performance appraisal tetapi harus

melalui motivasi

c. Membuat diagram jalur yang dapat menjelaskan pola

hubungan antar variabel laten dan juga indikatornya

sesuai kerangka konsep.

dimana: ε = eta, variabel laten endogen

ξ = ksi, variabel laten eksogen

β = beta, koefisien pengaruh variabel endogen

terhadap variabel endogen

γ = gamma, koefisien pengaruh variabel eksogen

terhadap variabel endogen

δ = zeta, error model

d. Mengkonversi diagram jalur ke dalam persamaan

struktural

Motivasi = γ11 Work Engagement + δ1

Performance Appraisal = γ12 Work Engagement + β12

Motivasi + δ2

e. Mengidentifikasi model untuk memeriksa model dalam

keadaan over identified sehingga dapat melakukan

analisis selanjutnya.

f. Mengevaluasi kesesuaian model yaitu Goodness Of Fit

untuk melihat kebaikan model berdasarkan kriteria yang

Work

Engagement

Motivasi

Performance

Appraisal

(ε1)

(ε2)

(γ11) (β12)

(γ12)

(ξ1)

Gambar 3.1 Gambar Pemodelan Penelitian

28

ada. Sehingga dari kriteria tersebut akan didapatkan

model yang sesuai.

g. Menginterpretasi model yang diperoleh dari hasil analisis

pengaruh Performance Appraisal pada setiap indikator

yang didapatkan dari hasil model terbaik SEM (Structural

Equation Modelling).

3.6 Diagram Alir

Langkah-langkah penelitian dapat disajikan dalam bentuk

diagram pada gambar 3.2

Gambar 3.2a Diagram Alir

Mengumpulkan Data

Pengujian Asumsi

Normal Multivariate

Perancangan Model CFA

Mulai

A

29

Ya

Gambar 3.2b Diagram Alir

Tidak

Indikator perlu

diperbaiki

Signifikan?

A

Interpretasi model

Kesimpulan

Perancangan Model SEM

Selesai

Ya

Tidak

Variabel perlu

diperbaiki

Signifikan?

31

BAB IV

ANALISIS DAN PEMBAHASAN

4.1 CFA (Confirmatory Factor Analysis)

Untuk mengkonfirmasi apakah indikator-indikator

signifikan mengukur variabel laten maka dilakukan analisis CFA

(Confirmatory Factor Analysis). Dalam analisis CFA, dibutuhkan

asumsi yang harus dipenuhi yaitu pengujian multivariat normal.

Berikut adalah analisisnya.

4.1.1 Pemeriksaan Asumsi

Pemeriksaan asumsi multivariat normal digunakan untuk

mendukung kevalidan pengujian yang dilakukan. Dari pengujian

yang dilakukan, didapatkan hasil presentase dari jarak

mahalanobis (2

jd ) yang kurang dari 2

)5.0,p( sebesar 52% dimana

lebih besar dari 50% yang berarti sudah memenuhi asumsi

multivariat normal. Selanjutnya dilakukan pengujian

Confirmatory Factor Analysis pada setiap variabel laten.

4.1.2 CFA Variabel Performance Appraisal Variabel performance appraisal dapat diukur berdasarkan

tujuh indikator. Untuk mengetahui indikator mana saja yang

berpengaruh terhadap variabel performance appraisal makan

dilakukan CFA (Confirmatory Factor Analysis). Berikut adalah

hasil pengujian parsial dari setiap indikator terhadap variabel

performance appraisal. Tabel 4.1 Pengujian Parsial Indikator dari Performance Appraisal

Indikator P-value Keputusan

PA1 0,000 Tolak H0

PA2 0,000 Tolak H0

PA3 0,000 Tolak H0

PA4 0,000 Tolak H0

PA5 0,000 Tolak H0

PA6 0,000 Tolak H0

PA7 0,000 Tolak H0

32

Tabel 4.1 menunjukkan bahwa ketujuh indikator yang

mengukur variabel Performance Appraisal yaitu kemauan

membantu perusahaan mendapatkan tender/proyek (yang besar),

keberhasilan menjual produk dengan keuntungan yang tinggi,

keberhasilan menjual produk dengan jumlah yang besar/tinggi,

mampu dengan cepat menjual produk perusahaan, mampu

menemukan orang-orang yang berpotensi untuk membeli produk

perusahaan, menjual lebih dari target yang ditetapkan, dan

membantu supervisor marketing untuk memenuhi target yang

ditetapkan perusaahaan terbukti signifikan berpengaruh terhadap

Performance Appraisal.

Model CFA dari variabel performance appraisal

ditampilkan pada gambar 4.1.

Gambar 4.1 Model CFA Variabel Performance Appraisal

Gambar 4.1 merupakan path diagram dari variabel laten

performance appraisal dengan masing-masing indikatornya.

Untuk mengetahui apakah model dalam keadaan non identified,

Chi-square = 44,246

Df = 14

P-value = 0,000

33

just identified, atau over identified dilakukan perhitungan

identifikasi model. Didapatkan nilai df (14) yang berarti lebih

besar dari nol, maka model dikatakan over identified. Karena

model dalam keadaan over identified maka perlu dilakukan

pengujian kriteria kebaikan model (goodness of fit). Model

dikatakan baik jika nilai kebaikan model yang dihasilkan

memenuhi beberapa kriteria kebaikan model yang ditampilkan

pada Tabel 4.2. Tabel 4.2 Goodness of Fit Variabel Performance Appraisal

Goodness of

Fit Index Cut Off Value

Hasil

Model Keterangan

Chi-Square Diharapkan kecil 44,246 Model tidak dapat diterima

P-value ≥ 0,05 0,000 Model tidak dapat diterima

GFI ≥ 0,90 0,883 Model tidak dapat diterima

AGFI ≥ 0,90 0,766 Model tidak dapat diterima

CFI ≥ 0,90 0,924 Model dapat diterima

RMSEA ≤ 0,08 0,001 Model dapat diterima

Tabel 4.2 menunjukkan bahwa dua diantara enam kriteria

kebaikan model menghasilkan keputusan model dapat diterima.

Dalam kenyataannya, model tersebut memang sesuai

menggambarkan kondisi kinerja karyawan di PT. Petrokimia

Gresik sehingga model dapat digunakan. Dengan demikian dapat

dikonfirmasikan bahwa indikator-indikator yang digunakan dalam

variabel performance appraisal sudah sesuai digunakan untuk

mengukur model pengaruh Performance appraisal. Selanjutnya

dilakukan pengujian terhadap loading factor untuk mengetahui

besarnya pengaruh indikator dalam mengukur variabel

performance appraisal. Indikator dikatakan memiliki pengaruh

yang signifikan jika p-value <α (0,50). Nilai loading factor dan p-

value pada pengujian ditunjukkan pada Tabel 4.3.

Tabel 4.3 Estimasi Parameter CFA Variabel Performance Appraisal

Indikator Loading Factor p-value Keterangan

PA1 0,691 0,000 Signifikan




34

Indikator Loading Factor p-value Keterangan




Tabel 4.3 dapat dilihat bahwa semua indikator performance

appraisal signifikan dalam mengukur variabel laten performance

appraisal. Berdasarkan nilai loading factor yang didapatkan,

maka model pengukuran dari variabel performance appraisal

diantaranya adalah sebagai berikut.

PA1 = 0,691 Performance appraisal PA2 = 0,689 Performance appraisal PA3 = 0,875 Performance appraisal

PA4 = 0,804 Performance appraisal




Indikator PA3 dan PA5 memiliki nilai loading factor yang

paling besar yaitu 0,875. Hal ini menunjukkan bahwa indikator

PA3 (keberhasilan menjual maupun memproduksi produk dengan

jumlah yang besar/tinggi) memberikan pengaruh yang paling

besar terhadap variabel performance appraisal. Selain model

pengukuran, dapat diketahui besarnya kesalahan pengukuran

indikator diantaranya adalah sebagai berikut.

V(δ1) = 0,279

V(δ2) = 0,250

V(δ3) = 0,145

V(δ4) = 0,214

V(δ5) = 0,197

V(δ6) = 0,223

V(δ7) = 0,324

Kesalahan pengukuran dalam mengukur variabel

performance appraisal yang paling kecil terdapat pada indikator

PA3 (keberhasilan menjual produk dengan jumlah yang

besar/tinggi). Hal tersebut sesuai dengan hasil analisis dari

Lanjutan Tabel 4.3 Estimasi Parameter CFA Variabel Performance Appraisal

35

loading factor yang memang menunjukkan bahwa indikator PA3

yang paling berpengaruh. Selanjutnya untuk mengetahui

konsistensi dari variabel performance appraisal dapat dihitung

menggunakan Cronbach’s alpha ( C ) yaitu sebagai berikut.

52,46

164,81034,1C 853,0

Nilai C yang dihasilkan variabel performance appraisal

sebesar 0,853 yaitu lebih besar dari 0,7. Hal ini menggambarkan

bahwa indikator-indikator pada variabel performance appraisal

sudah reliabel yang berarti semua indikator pada variabel tersebut

saling memperkuat.

4.1.3 CFA Variabel Motivasi

Variabel Motivasi dapat diukur berdasarkan 18 indikator

yang membentuknya. Hasil pengujian parsial dari setiap indikator

terhadap variabel Motivasi adalah sebagai berikut.

Tabel 4.4 Uji Parsial Indikator dari Variabel Motivasi

Indikator P-value Keputusan Indikator P-value Keputusan

M1 0,000 Tolak H0 M10 0,004 Tolak H0

M2 0,011 Tolak H0 M11 0,008 Tolak H0

M3 0,011 Tolak H0 M12 0,006 Tolak H0

M4 0,108 Gagal

Tolak H0 M13 0,004 Tolak H0

M5 0,007 Tolak H0 M14 0,004 Tolak H0

M6 0,027 Tolak H0 M15 0,006 Tolak H0

M7 0,010 Tolak H0 M16 0,005 Tolak H0

M8 0,007 Tolak H0 M17 0,007 Tolak H0

M9 0,008 Tolak H0 M18 0,004 Tolak H0

Tabel 4.4 menunjukkan bahwa dari 18 indikator yang

mengukur variabel Motivasi terdapat 17 indikator yang signifikan

berpengaruh terhadap variabel tersebut dan satu indikator (senang

mempelajari hal-hal baru) tidak signifikan. Jadi, indikator yang

berpengaruh terhadap motivasi terdiri dari jenis pekerjan yang

dipilih sendiri, merasa cukup dengan pendapatan sekarang,

36

mampu mengelola tugas-tugas penting terkait dengan pekerjaan

ini, pekerjaan ini telah menjadi bagian dari diri sendiri, keinginan

sukses dalam pekerjaan ini agar tidak memalukan diri sendiri,

memilih pekerjaan ini untuk mencapai tujuan karir, menerima

tantangan yang menarik guna memuaskan diri sendiri, pekerjaan

ini memungkinkan mendapatkan uang yang banyak, pekerjaan ini

adalah bagian dari cara yang dipilih untuk menjalani hidup,

keinginan menjadi yang terbaik di tempat kerja agar tidak

mengecewakan, tidak tahu mengapa mau berada di lingkungan

kerja yang tidak realistis, keinginan menjadi pemenang bagi diri

sendiri, pekerjaan yang dipilih untuk mencapai tujuan penting

dalam hidup, mengalami kepuasan pribadi ketika mengerjakan

tugas-tugas yang sulit, merasa aman melakukan pekerjaan ini,

banyak harapan yang ditargetkan pada diri sendiri, dan perasaan

bahwa pekerjaan ini telah menjadi bagian dari hidup.

Satu indikator yang tidak signifikan yaitu merasa senang

mempelajari hal-hal baru perlu ditingkatkan lagi agar keseluruhan

indikator tersebut semakin kuat mengukur Motivasi. Untuk model

CFA dari variabel Motivasi tersebut ditampilkan pada gambar

4.2.

Gambar 4.2 merupakan path diagram dari variabel laten

Motivasi dengan masing-masing indikator yang

mempengaruhinya. Sebelum melakukan analisis selanjutnya,

dilakukan perhitungan identifikasi model untuk mengetahui

apakah model dalam keadaan non identified, just identified,

maupun over identified. Didapatkan nilai df (135) yang lebih

besar dari nol, maka model dikatakan over identified. Karena

model dalam keadaan over identified maka perlu dilakukan

pengujian kriteria kebaikan model (goodness of fit).

37

Gambar 4.2 Model CFA Variabel Motivasi

Chi-square = 452,822

df = 135

P-value = 0,000

38

Model dikatakan baik jika memenuhi kriteria kebaikan

model yang ditampilkan pada Tabel 4.5.

Tabel 4.5 Goodness of Fit Variabel Motivasi

Goodness of

Fit Index

Cut Off Value Hasil

Model Keterangan





CFI ≥ 0,90 0,559 Model tidak dapat diterima


Tabel 4.5 menunjukkan bahwa model dikatakan baik

berdasarkan satu kriteria kebaikan model. Sesuai kenyataan di PT

Petrokimia Gresik bahwa pemodelan tersebut sudah dapat

menggambarkan kondisi sebenarnya dari setiap indikator terhadap

variabel laten Motivasi. Selanjutnya untuk mengetahui besarnya

pengaruh indikator dalam mengukur variabel Motivasi, maka

dilakukan pengujian loading factor. Indikator dikatakan sudah

signifikan jika p-value kurang dari alpha (α=0,05) yang

ditunjukkan pada Tabel 4.6.

Tabel 4.6 Estimasi Parameter CFA Variabel Motivasi

Indi-

kator

Loading

Factor

P-

value

Ketera-

ngan

Indi-

kator

Loading

Factor

P-

value

Ketera-

ngan

M1 0,308 0,000 Tolak

H0 M10 0,698 0,004

Tolak

H0

M2 0,442 0,011 Tolak

H0 M11 0,508 0,008

Tolak

H0

M3 0,441 0,011 Tolak

H0 M12 0,574 0,006

Tolak

H0

M4 0,197 0,108

Gagal

Tolak

H0

M13 0,693 0,004 Tolak

H0

M5 0,535 0,007 Tolak

H0 M14 0,680 0,004

Tolak

H0

M6 0,325 0,027 Tolak

H0 M15 0,578 0,006

Tolak

H0

M7 0,463 0,010 Tolak M16 0,619 0,005 Tolak

39

Indi-

kator

Loading

Factor

P-

value

Ketera-

ngan

Indi-

kator

Loading

Factor

P-

value

Ketera-

ngan

H0 H0

M8 0,523 0,007 Tolak

H0 M17 0,534 0,007

Tolak

H0

M9 0,514 0,008 Tolak

H0 M18 0,717 0,004

Tolak

H0

Tabel 4.6 menunjukkan bahwa loading factor 17 indikator

signifikan berpengaruh terhadap variabel laten Motivasi. Loading

factor pada indikator yang keempat tidak signifikan pengaruhnya

terhadap Motivasi. Hasil tersebut sesuai dengan uji parsial

sebelumnya (pada Tabel 4.4) yang menunjukkan bahwa indikator

keempat tidak berpengaruh signifikan terhadap Motivasi. Maka

hal tersebut dapat dijadikan informasi bagi perusahaan untuk

lebih meningkatkan indikator yang tidak signifikan tersebut agar

Motivasi seluruh tenaga kerja semakin meningkat.

Analisis selanjutnya adalah dengan melihat nilai loading

factor pada Tabel 4.6. Berdasarkan nilai loading factor yang

didapatkan, maka model pengukuran dari variabel Motivasi

adalah sebagai berikut.

M1 = 0,308 Motivasi M2 = 0,442 Motivasi M3 = 0,441 Motivasi

M4 = 0,197 Motivasi

M5 = 0,535 Motivasi M6 = 0,325 Motivasi M7 = 0,463 Motivasi

M8 = 0,523 Motivasi

M9 = 0,514 Motivasi

M10 = 0,698 Motivasi









Dari model pengukuran, didapatkan bahwa Indikator

M18 memiliki nilai loading factor yang paling besar yaitu

0,717. Hal ini menunjukkan bahwa indikator M18 (perasaan

bahwa pekerjaan ini telah menjadi bagian dari hidup)

memberikan pengaruh yang paling besar terhadap variabel

Lanjutan Tabel 4.6 Estimasi Parameter CFA Variabel Motivasi

40

Motivasi. Selain model pengukuran, dapat diketahui besarnya

kesalahan pengukuran indikator yaitu sebagai berikut.

V(δ1) = 0,602

V(δ2) = 0,491

V(δ3) = 0,345

V(δ4) = 0,299

V(δ5) = 0,286

V(δ6) = 0,352

V(δ7) = 0,516

V(δ8) = 0,509

V(δ9) = 0,546

V(δ10) = 0,290

V(δ11) = 0,239

V(δ12) = 0,446

V(δ13) = 0,402

V(δ14) = 0,374

V(δ15) = 0,373

V(δ16) = 0,319

V(δ17) = 0,486

V(δ18) = 0,241

Kesalahan pengukuran yang paling kecil dalam

mengukur variabel Motivasi pada model Pengaruh Motivasi

terhadap Performance Appraisal adalah pada indikator M11

(ingin menjadi yang terbaik di tempat kerja agar tidak

mengecewakan). Selanjutnya untuk mengetahui seberapa

besar kekuatan seluruh indikator dalam mengukur variabel

Motivasi dapat dihitung menggunakan Cronbach’s alpha

( C ) yaitu sebagai berikut.

2885,65

0655,121034,1C 84,0

Nilai C yang dihasilkan pada variabel Motivasi

sebesar 0,84 yang lebih besar dari 0,7. Hal ini

menggambarkan bahwa indikator-indikator pada variabel

Motivasi sudah reliabel yang berarti semua indikator pada

variabel tersebut saling memperkuat.

4.1.4 CFA Variabel Work Engagement

Variabel Work Engagement dapat diukur berdasarkan

17 indikator yang membentuknya. Hasil pengujian parsial dari

setiap indikator terhadap variabel Work Engagement dapat

dilihat pada Tabel 4.7.

41

Tabel 4.7 Uji Parsial Indikator dari Variabel Work Engagement

Indikator P-value Keputusan Indikator P-value Keputusan

WE1 0,000 Tolak H0 WE10 0,060 Gagal

Tolak H0

WE2 0,749 Gagal

Tolak H0 WE11 0,014 Tolak H0

WE3 0,029 Tolak H0 WE12 0,014 Tolak H0





WE8 0,067 Gagal

Tolak H0 WE17 0,013 Tolak H0

WE9 0,022 Tolak H0

Tabel 4.7 menunjukkan bahwa dari 17 indikator yang

mengukur variabel work engagement terdapat 14 indikator

yang signifikan berpengaruh terhadap variabel tersebut dan

tiga indikator tidak signifikan yaitu kesadaran bahwa

pekerjaan ini memiliki makna dan tujuan untuk diri sendiri,

ketika bangun pagi memiliki semangat untuk berangkat

bekerja, dan rasa bangga dengan pekerjaan yang dijalani.

Indikator yang berpengaruh terhadap work engagement adalah

semangat dalam menjalan pekerjaan, ketika bekerja merasa

waktu berlalu dengan cepat, merasa kuat dan giat (penuh

semangat) dalam pekerjaan saat ini, antusias dengan pekerjaan

saat ini, ketika bekerja melupakan segala sesuatu yang ada di

sekitar, pekerjaan saat ini sangat menginspirasi, merasa

bahagia ketika bekerja, tenggelam (terbenam) dalam

pekerjaan, dapat melanjutkan proses bekerja dalam jangka

waktu yang sangat lama, pekerjaan saat ini menantang, dapat

terhanyut ketika sedang bekerja, orang yang tangguh dalam

bekerja, sulit bagi diri sendiri untuk melepaskan pekerjaan ini,

dan selalu tekun (gigih) meskipun terjadi hal-hal yang tidak

diharapkan. Model CFA dari variabel work engagement dapat

dilihat pada gambar 4.3

X2

42

Gambar 4.3 Model CFA Variabel Work Engagement


df = 119

P-value = 0,000

43

Gambar 4.3 merupakan path diagram dari variabel

laten Work Engagement dengan masing-masing indikator

yang mempengaruhinya. Selanjutnya dilakukan analisis

identifikasi model untuk mengetahui apakah model dalam

keadaan non identified, just identified, maupun over identified.

Didapatkan nilai df (119) lebih besar dari nol, maka model

dikatakan over identified. Karena model dalam keadaan over

identified maka perlu dilakukan pengujian kriteria kebaikan

model (goodness of fit). Model dikatakan baik jika memenuhi

kriteria kebaikan model yang ditampilkan pada Tabel 4.8.

Tabel 4.8 Goodness of Fit Variabel Work Engagement

Goodness of


Hasil

Model Keterangan



GFI ≥ 0,90 0,667 Model cukup diterima




Tabel 4.8 menunjukkan bahwa model memenuhi satu

kriteria kebaikan model dan satu kriteria model menunjukkan

model cukup diterima. Untuk mengetahui besarnya pengaruh

indikator dalam mengukur variabel Work Engagement, maka

dilakukan pengujian loading factor. Indikator dikatakan sudah

signifikan jika p-value kurang dari alpha (α=0,05) yang

ditunjukkan pada Tabel 4.9.

Tabel 4.9 Estimasi Parameter CFA Variabel Work Engagement

Indi-

kator

Loading

Factor

P-

value

Ketera-

ngan

Indi-

kator

Loading

Factor

P-

value

Ketera-

ngan

WE1 0,264 0,000 Tolak

H0 WE10 0,283 0,060

Gagal

Tolak

H0

WE2 0,034 0,749

Gagal

Tolak

H0

WE11 0,679 0,014 Tolak

H0

WE3 0,409 0,029 Tolak WE12 0,656 0,014 Tolak

44

Indi-

kator

Loading

Factor

P-

value

Ketera-

ngan

Indi-

kator

Loading

Factor

P-

value

Ketera-

ngan

H0 H0

WE4 0,471 0,022 Tolak

H0 WE13 0,677 0,014

Tolak

H0

WE5 0,466 0,023 Tolak

H0 WE14 0,671 0,014

Tolak

H0

WE6 0,596 0,016 Tolak

H0 WE15 0,748 0,013

Tolak

H0

WE7 0,611 0,016 Tolak

H0 WE16 0,385 0,032

Tolak

H0

WE8 0,268 0,067

Gagal

Tolak

H0

WE17 0,726 0,013 Tolak

H0

WE9 0,478 0,022 Tolak

H0

Tabel 4.9 menunjukkan bahwa terdapat tiga indikator

yang tidak berpengaruh signifikan terhadap variabel laten

Work Engagement. Tiga indikator tersebut adalah kesadaran

bahwa pekerjaan ini memiliki makna dan tujuan untuk diri

sendiri, ketika bangun pagi memiliki semangat untuk

berangkat bekerja, dan rasa bangga dengan pekerjaan yang

dijalani. Maka manajemen perusahaan perlu lebih

meningkatkan tiga indikator tersebut agar tercipta work

Engagement yang baik.

Nilai loading factor yang didapatkan pada tabel 4.9

selanjutnya dibuat model pengukuran terhadap variabel Work

Engagement sebagai berikut.

WE1 = 0,264 Work Engagement












WE13 = 0,677 Work Engagement WE14 = 0,671 Work Engagement WE15 = 0,748 Work Engagement



Lanjutan Tabel 4.9 Estimasi parameter CFA Variabel Work Engagement

45

Dari model pengukuran, didapatkan bahwa Indikator

WE15 memiliki nilai loading factor yang paling besar yaitu

0,748. Hal ini menunjukkan bahwa indikator indikator WE15

(orang yang tangguh dalam bekerja) memberikan pengaruh

paling besar terhadap Work Engagement. Selain model

pengukuran, dapat diketahui besarnya kesalahan pengukuran

indikator sebagai berikut.

V(δ1) = 0,233

V(δ2) = 0,339

V(δ3) = 0,248

V(δ4) = 0,184

V(δ5) = 0,187

V(δ6) = 0,702

V(δ7) = 0,277

V(δ8) = 0,477

V(δ9) = 0,227

V(δ10) = 0,420

V(δ11) = 0,606

V(δ12) = 0,433

V(δ13) = 0,291

V(δ14) = 0,443

V(δ15) = 0,219

V(δ16) = 0,622

V(δ17) = 0,222

Kesalahan pengukuran yang paling kecil dalam mengukur

variabel Work Engagement pada model Performance Appraisal

adalah pada indikator WE4 (merasa kuat dan giat atau penuh

semangat dengan pekerjaan saat ini). Selanjutnya untuk

mengetahui seberapa besar kekuatan seluruh indikator dalam

mengukur variabel Work Engagement dapat dihitung

menggunakan Cronbach’s alpha ( C ) yaitu sebagai berikut.

392,60

484,81034,1C 89,0

Nilai C yang dihasilkan pada variabel Work Engagement

sebesar 0,89 yang lebih besar dari 0,7. Hal ini menggambarkan

bahwa indikator-indikator pada variabel Work Engagement sudah

reliabel yang berarti semua indikator pada variabel tersebut saling

memperkuat.

46

4.2 SEM (Structural Equation Modelling)

Setelah dilakukan analisis dengan menggunakan

Confirmatory Factor Analysis, tahap selanjutnya adalah

dilakukan analisis model struktural untuk mengetahui keterkaitan

antar variabel laten. Pada analisis ini, terdapat 3 model dugaan

yaitu Work Engagement berpengaruh signifikan terhadap

Motivasi, kemudian Motivasi berpengaruh signifikan terhadap

Performance Appraisal, dan yang terakhir Work Engagement

berpengaruh signifikan terhadap Performance Appraisal. Model

dugaan SEM ditampilkan pada gambar 4.4.

Gambar 4.4 merupakan model struktural dari pengaruh

variabel motivasi dan work enggament terhadap performance

appraisal. Df sebesar 816 adalah lebih dari 0 sehingga

menunjukkan bahwa model over identified. Maka, perlu

dilakukan analisis kebaikan model sebagai berikut.

Tabel 4.10 Goodness of Fit Persamaan Struktural Goodness of


Hasil

Model Keterangan







Tabel 4.10 menunjukkan bahwa dari persamaan struktural

terdapat satu kriteria kebaikan model yang terpenuhi. Selanjutnya

adalah pengujian signifikansi antar variabel laten dengan melihat

hubungan antara tiga variabel laten. Hubungan antara model

dugaan tersebut yaitu motivasi berpengaruh signifikan terhadap

performance appraisal, kemudian work engagement berpengaruh

signifikan terhadap performance appraisal, dan yang terakhir

work engagement melalui motivasi berpengaruh signifikan

terhadap performance appraisal. Estimasi koefisien jalur dan

signifikansi hubungan antar variabel laten ditampilkan pada Tabel

4.11 (menggunakan α = 0,1).

47


df = 816

P-value = 0,000

Gambar 4.4 Model Struktural

48

Tabel 4.11 Estimasi Koefisien Jalur Persamaan Struktural

Hubungan Koef

Jalur P-value Keterangan

Motivasi Performance

Appraisal 0,238 0,461

Tidak

Signifikan

Work

Engagement

Performance

Appraisal 1,626 0,069 Signifikan

Work

Engagement Motivasi 1,481 0,046 Signifikan

Model persamaannya adalah sebagai berikut.

Motivasi = 0,238 Performance appraisal

Work Engagement = 1,626 Performance appraisal

Work Engagement = 1,481 Motivasi

Dari hasil persamaan di atas, dapat diketahui bahwa work

engagement berpengaruh secara signifikan terhadap performance

appraisal sebesar 1,626. Artinya, semakin baik work engagement

seperti keadaan lingkungan kerja, hubungan antara karyawan

dengan karyawan maupun karyawan dengan pimpinan, dan

perasaan nyaman setiap individu terhadap pekerjaannya mampu

meningkatkan kinerja karyawan yang berdampak baik bagi

perusahaan.

Variabel work engagement berpengaruh signifikan sebesar

1,481 terhadap motivasi. Artinya, semakin baik work engagement

seperti keadaan lingkungan kerja, hubungan antara karyawan

dengan karyawan maupun karyawan dengan pimpinan, dan

perasaan nyaman setiap individu terhadap pekerjaannya maka

akan meningkatkan motivasi seseorang dalam bekerja.

Motivasi tidak berpengaruh signifikan terhadap

performance appraisal dengan tingkat kesalahan sepuluh persen.

Hal ini menunjukkan bahwa motivasi tenaga kerja PT Petrokimia

Gresik perlu ditingkatkan agar Motivasi menjadi lebih

berpengaruh terhadap kinerja karyawan. Motivasi dapat

ditingkatkan dengan memperbaiki indikator yang belum mencapai

signifikansi yaitu indikator keempat (senang mempelajari hal-hal

baru). Artinya, MSDM PT Petrokimia Gresik dapat menciptakan

suatu hal baru yang lebih menyenangkan dan menarik bagi tenaga

49

kerja sehingga Motivasi dalam diri tenaga kerja semakin

meningkat.

Jika Motivasi dan Work Engagement semakin baik, maka

dapat meningkatkan Performance Appraisal (kinerja karyawan).

Performance Appraisal yang semakin baik tersebut akan

berpengaruh baik dan bermanfaat besar bagi perusahaan.

51

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil analisis data pengaruh motivasi dan work

engagement terhadap performance appraisal tenaga kerja dengan

menggunakan Structural Equation Modelling (SEM) dapat

disimpulkan sebagai berikut.

1. Pada variabel performance appraisal, indikator

‘keberhasilan menjual maupun memproduksi produk

dengan jumlah yang besar/tinggi’ dan ‘indikator mampu

menemukan orang-orang yang berpotensi untuk membeli

produk perusahaan/ berpotensi untuk memproduksi produk

yang baik’ memberikan pengaruh yang paling besar. Pada

variabel motivasi, indikator ‘perasaan bahwa pekerjaan ini

telah menjadi bagian dari hidup’ memberikan pengaruh

yang paling besar. Pada variabel work engagement,

indikator ‘orang yang tangguh dalam bekerja’ memberikan

pengaruh paling besar.

2. Work engagement berpengaruh secara signifikan terhadap

performance appraisal sebesar 1,626. Artinya, semakin

baik work engagement seperti keadaan lingkungan kerja,

hubungan antara karyawan dengan karyawan maupun

karyawan dengan pimpinan, dan perasaan nyaman setiap

individu terhadap pekerjaannya mampu meningkatkan

kinerja karyawan yang berdampak baik bagi perusahaan.

Variabel work engagement juga berpengaruh signifikan

sebesar 1,481 terhadap motivasi. Artinya, semakin baik

work engagement maka akan meningkatkan motivasi

seseorang dalam bekerja. Motivasi tidak berpengaruh

signifikan terhadap performance appraisal dengan tingkat

kesalahan sepuluh persen. Hal ini menunjukkan bahwa

motivasi tenaga kerja PT Petrokimia Gresik perlu

ditingkatkan agar Motivasi menjadi lebih berpengaruh

terhadap kinerja karyawan.

52

5.2 Saran

Pada penelitian selanjutnya sebaiknya digunakan jumlah

sampel yang lebih besar sehingga dihasilkan model yang lebih

sesuai. Saran bagi perusahaan agar dapat meningkatkan

manajemen kualitas perusahaan adalah sebaiknya meningkatkan

motivasi karyawan agar kinerja karyawan dapat meningkat.

Manajemen Sumber Daya Manusia (MSDM) PT Petrokimia perlu

meningkatkan motivasi karyawan salah satu caranya dengan

memperbaiki indikator yang tidak signifikan yaitu memberikan

hal-hal baru yang menyenangkan bagi karyawan.

MSDM perlu meningkatkan kondisi Work Engagement

yang baik bagi tenaga kerja. Work Engagement dapat

ditingkatkan melalui lingkungan kerja yang menyenangkan,

keramahan antar karyawan dan pimpinan, megadakan kegiatan

yang dapat meningkatkan kekompakan antar tenaga kerja,

menjamin kesejahteraan karyawan sehingga karyawan merasa

bahwa pekerjaan tersebut merupakan bagian dari hidupnya.

DAFTAR PUSTAKA

Bentler, P. M. 1990. Practical issues in structural modelling.

Sociological Methods and Research, 16 (1), 78-117.

Engel, K. S., Moosbrugger, H., dan Muller, H. 2003. Evaluating

the Fit of Structural Equation Models: Test of Significance

and Descriptive Goodness-of-Fit Measures. Methods of

Psychological Research Online, 8(2), 23-74.

Ferdinand, A. 2002. Structural Equation Modeling dalam

Penelitian Manajemen (2nd

Edition). Semarang: Universitas

Diponegoro.

Gomes, F. C. 2001. Manajemen Sumber Daya Manusia.

Yogyakarta: Andi Offet.

Hair J.F., Rolph E. Anderson, Ronald L. Tatham, dan William C.

Black. 1998. Multivariat Data Analysis. Fifth Edition, New

Jersey: Pearson Education Prentice Hall, In.

Herzberg, F. (1966). Work and the nature of man. Cleveland, OH:

World Publishing Company.

Johnson, R.A., dan Wichern, D.W. 1998. Applied Multivariat

Statistical Analysis. Prentice Hall, Englewood Cliffs: New

Jersey.

Kahn, W. A. 1990. Psychological Conditions Of Personal

Engagement And Disengagement At Work. Academy of

management journal Vol. 33, No. 4: hal. 692-724.

Mathis, R. L., dan Jackson, J. H. 2001. Manajemen Sumber Daya

Manusia. Jakarta : Salemba Empat.

Sakovska, M. 2012. Importance of employee engagement in

business environment : Measuring the engagement level of

administrative personnel in VUC Aarhus and detecting

factors recuiring improvement. Aarhus School of Buisness

and Social Science.

Schaufeli,W. B., Salanova, M., Gonzalez-Romá, V., & Bakker, A.

B. (2002). The Measurement Of Engagement And Burnout:

A Confirmative Analytic Approach. Journal of Happiness

Studies. Vol. 3, Issue 1: hal. 71-92.

Schaufeli, W., dan Bakker, A. 2003. Utrecht Work Engagement

Scale. Utrecht University: Occupational Health Psychology

Unit.

Schaufeli, W. B. & Bakker, A. B. 2004. Job Demands, Job

Resources, And Their Relationship With Burnout And

Engagement: A Multi-Sample Study. Journal of

Organizational Behavior. Vol. 25: hal. 293.

Sharma, Subhash. 1996. Applied Multivariate Techniques. New

York : University of South Carolina. John Wiley & Sons,

Inc.

Sujan, Harish, Barton A. Weitz, dan Nirmalya Kumar. 1994.

Learning Orientation, Working Smart, and Effective

Selling. Journal of Marketing, 58, 39-52.

Teck Hong, Tan, Amna Waheed. 2011. Herzberg's Motivation-

Hygiene Theory And Job Satisfaction In The Malaysian

Retail Sector: The Mediating Effect of Love of Money.

Sunway University, School of Business.5, Jalan Universiti,

Bandar Sunway 46150 Petaling Jaya. Selangor, Malaysia.

Asian Academy of Management Journal, Vol. 16, No 1, pp.

73 – 94

Tinsley, Howard E., dan Tinsley, Diane J. Journal of Counseling

Psychology. Vol 34(4), October 1987, 414-424.

Tremblay, M. A., Blanchard, C. M., Taylor, S., dan Pelletier, L.

G. 2009. Work Extrinsic and Intrinsic Motivation Scale :

Its Value for Organizational Psychology Research.

Canadian Journal of Behavioural Science, 41(4), 213-226.

Veithzal, R. 2004. Manajemen Sumber Daya Manusia Untuk

Perusahaan : Dari Teori Ke Praktik. Jakarta: PT Raja

Grafindo Persada.

Wood, S. 1999. Human Resource Management and Performance.

International Journal and Management Review, I(4), 367-

413.

55

LAMPIRAN

Lampiran 1. Kuesioner

KUESIONER PENELITIAN

INSTITUT TEKNOLOGI SEPULUH NOPEMBER (ITS) SURABAYA

Analisis Pengaruh Motivasi dan Work Engagement Terhadap Performance Appraisal Karyawan PT Petrokimia Gresik dengan Pendekatan Structural Equation Modelling (SEM)

Dengan hormat, Kami dari Jurusan Statistika ITS sedang melakukan penelitian tentang analisis statistik

untuk Analisis Pengaruh Motivasi Dan Work Engagement Terhadap Performance Appraisal Karyawan

PT Petrokimia Gresik. Kami mohon kesediaan Saudara/i untuk mengisi kuesioner dibawah ini. Jawaban

yang kami terima akan dijaga kerahasiaannya. Terima Kasih.

Petunjuk :

Berilah tanda silang () pada kolom yang jawabannya sesuai dengan pendapat Saudara/i. Pilihan

jawaban yang tersedia sebagai berikut :

a. STS = Sangat Tidak Setuju

b. TS = Tidak Setuju

c. CS = Cukup Setuju

d. S = Setuju

e. SS = Sangat Setuju

57

Lampiran 2. Data Penelitian

No Performance Appraisal Motivasi Work Engagement

PA1 PA2 ... PA7 M1 M2 M4 ... M17 WE1 WE3 ... WE17

1 4 4 ... 5 4 4 5 ... 3 5 5 ... 4

2 5 3 ... 4 4 4 4 ... 2 5 3 ... 4

3 4 4 ... 3 5 2 5 ... 2 5 4 ... 2

4 3 4 ... 4 5 5 5 ... 3 5 5 ... 5

5 4 4 ... 4 3 4 3 ... 3 5 2 ... 4

6 4 4 ... 4 4 4 4 ... 4 5 4 ... 4

7 4 4 ... 4 4 4 4 ... 3 5 5 ... 4

8 4 4 ... 4 4 4 4 ... 2 5 3 ... 4

9 4 4 ... 4 4 4 4 ... 2 5 5 ... 4

10 4 4 ... 4 4 4 4 ... 3 5 3 ... 4

11 4 5 ... 4 5 3 3 ... 1 5 3 ... 3

12 3 3 ... 3 3 3 3 ... 3 5 3 ... 3

13 2 2 ... 2 4 4 5 ... 3 5 4 ... 4

... ... ... ... ... ... ... ... ... ... ... ... ... ...

94 4 4 ... 4 2 5 4 ... 4 5 4 ... 5

95 4 4 ... 4 4 4 4 ... 5 5 4 ... 4

96 4 4 ... 4 4 3 4 ... 5 4 5 ... 3

97 4 4 ... 4 4 4 4 ... 5 4 4 ... 4

98 4 4 ... 4 4 3 4 ... 5 5 4 ... 3

99 4 4 ... 4 4 3 4 ... 4 5 4 ... 3

100 4 4 ... 4 3 4 4 ... 5 5 4 ... 4

58

Lampiran 3. Pemeriksaan Asumsi Normal Multivariate

MTB > Copy c1-c38 m1

MTB > Copy c40-c77 m2

MTB > transpose m2 m3

MTB > Name m4 "COVA1"

MTB > Covariance 'PA1'-'WE17' 'COVA1'.

MTB > invert m4 m5

MTB > mult m2 m5 m6

MTB > mult m6 m3 m7

MTB > diag m7 c79

MTB > sort c79 c80

MTB > Set c81

DATA> 1( 1 : 100 / 1 )1

DATA> End.

MTB > let c82=1-((100-c81+0.5)/100)

MTB > InvCDF C82 c83;

SUBC> ChiSquare 42.

MTB > InvCDF 0.5;

SUBC> ChiSquare 42.

Inverse Cumulative Distribution Function

Chi-Square with 42 DF

P( X <= x ) x

0.5 37.3355

dj2

2 52%

Lampiran 4. Uji Validitas dan Reliabilitas

Correlations

PA1 Total1

Kendall's tau_b PA1 Correlation Coefficient 1.000 .642**

Sig. (2-tailed) . .000

N 30 30

Total1 Correlation Coefficient .642** 1.000

Sig. (2-tailed) .000 .

N 30 30

**. Correlation is significant at the 0.01 level (2-tailed).

59

Correlations

PA2 Total1



N 30 30



N 30 30


Correlations

PA3 Total1



N 30 30



N 30 30


Correlations

PA4 Total1



N 30 30



N 30 30


60

Correlations

Total1 PA5

Kendall's tau_b Total1 Correlation Coefficient 1.000 .876**


N 30 30

PA5 Correlation Coefficient .876** 1.000


N 30 30


Correlations

Total1 PA6



N 30 30



N 30 30


Correlations

Total1 PA7



N 30 30



N 30 30


61

Correlations

Total2 M1



N 30 30

M1 Correlation Coefficient .430** 1.000


N 30 30


Correlations

Total2 M2



N 30 30



N 30 30


Correlations

Total2 M3

Kendall's tau_b Total2 Correlation Coefficient 1.000 .258


N 30 30

M3 Correlation Coefficient .258 1.000


N 30 30

62

Correlations

Total2 M4



N 30 30



N 30 30


Correlations

Total2 M5



N 30 30



N 30 30


Correlations

Total2 M6



N 30 30



N 30 30


Correlations

Total2 M7



N 30 30

63



N 30 30


Correlations

Total2 M8



N 30 30



N 30 30


Correlations

Total2 M9



N 30 30



N 30 30


Correlations

Total2 M10



N 30 30



N 30 30


64

Correlations

Total2 M11



N 30 30



N 30 30


Correlations

Total2 M12



N 30 30



N 30 30


Correlations

Total2 M13



N 30 30



N 30 30


65

Correlations

Total2 M14



N 30 30



N 30 30


Correlations

Total2 M15



N 30 30



N 30 30


Correlations

Total2 M16

Kendall's tau_b Total2 Correlation Coefficient 1.000 .317*


N 30 30

M16 Correlation Coefficient .317* 1.000


N 30 30

*. Correlation is significant at the 0.05 level (2-tailed).

Correlations

Total2 M17



66

N 30 30



N 30 30


Correlations

Total2 M18



N 30 30



N 30 30


Correlations

Total3 WE1

Kendall's tau_b Total3 Correlation Coefficient 1.000 .336*


N 30 30

WE1 Correlation Coefficient .336* 1.000


N 30 30

*. Correlation is significant at the 0.05 level (2-tailed).

Correlations

Total3 WE2



N 30 30

WE2 Correlation Coefficient .214 1.000


N 30 30

67

Correlations

Total3 WE3



N 30 30

WE3 Correlation Coefficient .451** 1.000


N 30 30


Correlations

Total3 WE4



N 30 30



N 30 30


Correlations

Total3 WE5



N 30 30



N 30 30


Correlations

Total3 WE6



N 30 30

68



N 30 30


Correlations

Total3 WE7



N 30 30



N 30 30


Correlations

Total3 WE8



N 30 30



N 30 30


Correlations

Total3 WE9



N 30 30



N 30 30


69

Correlations

Total3 WE10



N 30 30



N 30 30

Correlations

Total3 WE11



N 30 30



N 30 30


Correlations

Total3 WE12



N 30 30



N 30 30


Correlations

Total3 WE13



N 30 30


70


N 30 30


Correlations

Total3 WE14



N 30 30



N 30 30


Correlations

Total3 WE15



N 30 30



N 30 30


Correlations

Total3 WE16



N 30 30



N 30 30

71

Correlations

Total3 WE17



N 30 30



N 30 30


2

1

2

11

tot

k

b

b

S

S

k

kC

C (Performance Appraisal) 0,853

C (Motivasi) 0,85

C (Work Engagement) 0,88

Lampiran 5. Confirmatory Factor Analysis (CFA) Performance Appraisal

Computation of degrees of freedom (Default model)

Number of distinct sample moments: 28

Number of distinct parameters to be estimated: 14

Degrees of freedom (28 - 14): 14

Result (Default model)

Minimum was achieved

Chi-square = 44.246

Degrees of freedom = 14

Probability level = .000

Estimates (Group number 1 - Default model)

Scalar Estimates (Group number 1 - Default model)

Maximum Likelihood Estimates

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

PA1 <--- PA 1.000

72


PA2 <--- PA .941 .147 6.378 ***

PA3 <--- PA 1.366 .172 7.927 ***

PA4 <--- PA 1.239 .168 7.358 ***

PA5 <--- PA 1.169 .160 7.316 ***

PA6 <--- PA 1.373 .182 7.542 ***

PA7 <--- PA .742 .144 5.146 ***

Standardized Regression Weights: (Group number 1 - Default model)

Estimate

PA1 <--- PA .691

PA2 <--- PA .689

PA3 <--- PA .875

PA4 <--- PA .804

PA5 <--- PA .799

PA6 <--- PA .826

PA7 <--- PA .550

Variances: (Group number 1 - Default model)


PA

.255 .067 3.809 ***

e1

.279 .043 6.459 ***

e2

.250 .039 6.465 ***

e3

.145 .029 4.934 ***

e4

.214 .037 5.869 ***

e5

.197 .033 5.910 ***

e6

.223 .039 5.656 ***

e7

.324 .048 6.764 ***

Model Fit Summary

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 14 44.246 14 .000 3.160

Saturated model 28 .000 0

Independence model 7 420.840 21 .000 20.040

RMR, GFI

Model RMR GFI AGFI PGFI

Default model .030 .883 .766 .442

73


Saturated model .000 1.000

Independence model .285 .338 .118 .254

Baseline Comparisons

Model NFI

Delta1

RFI

rho1

IFI

Delta2

TLI

rho2 CFI

Default model .895 .842 .926 .887 .924

Saturated model 1.000

1.000

1.000

Independence model .000 .000 .000 .000 .000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI

Default model .667 .597 .616

Saturated model .000 .000 .000

Independence model 1.000 .000 .000

RMSEA

Model RMSEA LO 90 HI 90 PCLOSE

Default model .148 .100 .198 .001


Lampiran 6. Confirmatory Factor Analysis (CFA) Motivasi

Notes for Model (Default model)







Chi-square = 452.822








M1 <--- Motivasi 1.000

M2 <--- Motivasi 1.374 .541 2.541 .011

74


M3 <--- Motivasi 1.146 .451 2.537 .011

M4 <--- Motivasi .438 .273 1.606 .108

M5 <--- Motivasi 1.345 .497 2.705 .007

M6 <--- Motivasi .809 .366 2.212 .027

M7 <--- Motivasi 1.493 .578 2.584 .010

M8 <--- Motivasi 1.742 .648 2.688 .007

M9 <--- Motivasi 1.759 .658 2.673 .008

M10 <--- Motivasi 2.088 .724 2.883 .004

M11 <--- Motivasi 1.146 .430 2.664 .008

M12 <--- Motivasi 1.861 .675 2.759 .006

M13 <--- Motivasi 2.424 .842 2.879 .004

M14 <--- Motivasi 2.254 .786 2.868 .004

M15 <--- Motivasi 1.719 .622 2.763 .006

M16 <--- Motivasi 1.769 .630 2.810 .005

M17 <--- Motivasi 1.753 .648 2.705 .007

M18 <--- Motivasi 2.011 .694 2.898 .004


Estimate

M1 <--- Motivasi .308

















75

Estimate




Motivasi

.063 .043 1.487 .137

e1

.602 .087 6.947 ***

e2

.491 .072 6.829 ***

e3

.345 .050 6.831 ***

e4

.299 .043 7.001 ***

e5

.286 .043 6.696 ***

e6

.352 .051 6.936 ***

e7

.516 .076 6.804 ***

e8

.509 .076 6.716 ***

e9

.546 .081 6.731 ***

e10

.290 .047 6.228 ***

e11

.239 .035 6.740 ***

e12

.446 .067 6.619 ***

e13

.402 .064 6.250 ***

e14

.374 .059 6.306 ***

e15

.373 .056 6.610 ***

e16

.319 .049 6.508 ***

e17

.486 .073 6.696 ***

e18

.241 .039 6.133 ***

Model Fit Summary

CMIN


Default model 36 452.822 135 .000 3.354



RMR, GFI


Default model .064 .660 .569 .521


76




Model NFI

Delta1

RFI

rho1

IFI

Delta2

TLI

rho2 CFI

Default model .481 .412 .569 .500 .559


1.000

1.000


RMSEA


Default model .154 .139 .170 .000


Lampiran 7. Confirmatory Factor Analysis (CFA) Work Engagement
















WE1 <--- Work_Engagement 1.000

WE2 <--- Work_Engagement .152 .474 .320 .749

WE3 <--- Work_Engagement 1.692 .773 2.189 .029



WE6 <--- Work_Engagement 4.713 1.959 2.406 .016


77













Estimate

WE1 <--- Work_Engagement .264



















Work_Engagement

.017 .014 1.263 .207

e1

.233 .033 6.972 ***

e2

.339 .048 7.035 ***

e3

.248 .036 6.865 ***

78


e4

.184 .027 6.794 ***

e5

.187 .027 6.800 ***

e6

.702 .107 6.567 ***

e7

.277 .042 6.528 ***

e8

.477 .068 6.970 ***

e9

.227 .033 6.784 ***

e10

.420 .060 6.961 ***

e11

.606 .096 6.304 ***

e12

.433 .068 6.389 ***

e13

.291 .046 6.311 ***

e14

.443 .070 6.337 ***

e15

.219 .037 5.951 ***

e16

.622 .090 6.888 ***

e17

.222 .037 6.081 ***

Model Fit Summary

CMIN


Default model 34 364.532 119 .000 3.063



RMR, GFI


Default model .058 .667 .572 .519




Model NFI

Delta1

RFI

rho1

IFI

Delta2

TLI

rho2 CFI

Default model .519 .450 .615 .548 .605


1.000

1.000


79

RMSEA


Default model .144 .128 .161 .000


Lampiran 8. Structural Equation Modelling (SEM)
















Motivasi <--- Work_Engagement 1.481 .741 1.999 .046

PA <--- Work_Engagement 1.626 .893 1.820 .069

PA <--- Motivasi .238 .323 .737 .461

M1 <--- Motivasi 1.000

M2 <--- Motivasi 1.310 .491 2.667 .008

M3 <--- Motivasi 1.046 .400 2.616 .009

M4 <--- Motivasi .440 .257 1.716 .086

M5 <--- Motivasi 1.262 .444 2.841 .004

M6 <--- Motivasi .799 .341 2.346 .019

M7 <--- Motivasi 1.483 .538 2.758 .006

M8 <--- Motivasi 1.654 .584 2.832 .005

M9 <--- Motivasi 1.667 .593 2.813 .005

M10 <--- Motivasi 1.946 .639 3.047 .002

M11 <--- Motivasi 1.112 .394 2.825 .005

M12 <--- Motivasi 1.760 .605 2.910 .004

M13 <--- Motivasi 2.259 .743 3.042 .002

M14 <--- Motivasi 2.146 .705 3.043 .002

M15 <--- Motivasi 1.614 .555 2.910 .004

M16 <--- Motivasi 1.668 .562 2.968 .003

80


M17 <--- Motivasi 1.700 .592 2.871 .004

M18 <--- Motivasi 1.904 .619 3.075 .002

WE1 <--- Work_Engagement 1.000

WE2 <--- Work_Engagement .222 .468 .474 .636
















PA1 <--- PA 1.000

PA2 <--- PA .949 .148 6.424 ***

PA3 <--- PA 1.369 .173 7.935 ***

PA4 <--- PA 1.246 .169 7.383 ***

PA5 <--- PA 1.165 .160 7.286 ***

PA6 <--- PA 1.375 .182 7.544 ***

PA7 <--- PA .734 .144 5.087 ***


Estimate

Motivasi <--- Work_Engagement .747

PA <--- Work_Engagement .431

PA <--- Motivasi .125








81

Estimate





























PA1 <--- PA .690

PA2 <--- PA .694

PA3 <--- PA .876

PA4 <--- PA .807

PA5 <--- PA .795

PA6 <--- PA .826

PA7 <--- PA .543

82



Work_Engagement

.018 .014 1.290 .197

e43

.031 .020 1.552 .121

e44

.183 .049 3.722 ***

e8

.595 .086 6.946 ***

e9

.490 .072 6.849 ***

e10

.351 .051 6.869 ***

e11

.298 .043 7.001 ***

e12

.288 .043 6.740 ***

e13

.348 .050 6.938 ***

e14

.502 .074 6.802 ***

e15

.509 .075 6.748 ***

e16

.546 .081 6.764 ***

e17

.299 .047 6.359 ***

e18

.235 .035 6.754 ***

e19

.447 .067 6.666 ***

e20

.415 .065 6.377 ***

e21

.372 .058 6.373 ***

e22

.376 .056 6.666 ***

e23

.321 .049 6.573 ***

e24

.477 .071 6.712 ***

e25

.242 .039 6.234 ***

e26

.232 .033 6.978 ***

e27

.339 .048 7.034 ***

e28

.247 .036 6.882 ***

e29

.180 .026 6.801 ***

e30

.183 .027 6.806 ***

e31

.742 .111 6.685 ***

e32

.265 .041 6.534 ***

e33

.471 .068 6.967 ***

e34

.219 .032 6.782 ***

e35

.415 .060 6.960 ***

e36

.635 .098 6.455 ***

e37

.448 .069 6.510 ***

e38

.279 .044 6.337 ***

e39

.456 .071 6.459 ***

e40

.233 .038 6.186 ***

83


e41

.609 .088 6.887 ***

e42

.225 .036 6.215 ***

e1

.280 .043 6.481 ***

e2

.247 .038 6.468 ***

e3

.145 .029 4.994 ***

e4

.212 .036 5.885 ***

e5

.201 .034 5.976 ***

e6

.223 .039 5.702 ***

e7

.328 .048 6.782 ***

Model Fit Summary

CMIN


Default model 87 2301.045 816 .000 2.820



RMR, GFI


Default model .062 .483 .428 .437




Model NFI

Delta1

RFI

rho1

IFI

Delta2

TLI

rho2 CFI

Default model .356 .321 .462 .423 .453


1.000

1.000


RMSEA


Default model .136 .129 .142 .000


BIODATA PENULIS

Penulis bernama lengkap Sendy Apriliyana

Larasati. Lahir di Banyuwangi tanggal 7 April

1995. Penulis merupakan anak pertama dari tiga

bersaudara. Penulis menyelesaikan pendidikan

di SDN 2 Tamanbaru tahun 2007, SMPN 1

Banyuwangi tahun 2010, SMAN 1 Glagah

tahun 2013, masuk kuliah di DIII Statistika ITS

pada tahun 2013.

Selama masa perkuliahan penulis memiliki

pengalaman kerja sebagai Asisten Dosen untuk

mata kuliah Pengantar Metode Statistika, Desain Eksperimen, dan

Pengendalian Kualitas Statistik. Selain itu, penulis juga

mempunyai pengalaman kerja sebagai surveyor di PT Mitra

Pinasthika Mulia (MPM) dan Dinas Perhubungan Surabaya, data

entry, data analysis, dan tutor di LBB Prima Privat. Penulis aktif

mengikuti organisasi Himpunan Mahasiswa Diploma Statistika

ITS sebagai staff dan Kabiro Pelatihan dan Pendelegasian di

Departemen PSDM (Pengembangan Sumber Daya Mahasiswa).

Selain berpengalaman dalam organisasi, penulis juga aktif dalam

kepanitiaan diantaranya OKKBK (Orientasi Keprofesian dan

Kompetensi Berbasis Kurikulum), DAC (Data Analysis

Competition), Tips and Trick For Trainer, LKMM TD

HIMASTA-ITS dan HIMADATA-ITS, Gathering of Statistics

ITS dan Pelepasan Wisuda 110 ITS, dan lain-lain. Penulis pernah

menulis dua buah PKM dengan judul “Pemodelan Survival

Terhadap Faktor-Faktor yang Mempengaruhi Laju Kematian Bayi

Sebagai Tindak Lanjut Tingginya Angka Kematian Bayi (AKB)

di Kabupaten Probolinggo Dengan Pendekatan Regresi Cox” dan

“Analisa Statistik Terhadap Kesiapan Masyarakat di Awal Asean

Economic Community (AEC) dengan Ordinal Logistic Regression

(Studi Kasus Di Jawa Timur)” yang akhirnya didanai oleh Dikti.

Komunikasi lebih lanjut dengan penulis dapat melalui email

[email protected] atau 08970574316.

ANALISIS PENGARUH MOTIVASI DAN WORK ...repository.its.ac.id/652/3/1313030083-Non_Degree.pdfdengan...

Documents

Transcript of ANALISIS PENGARUH MOTIVASI DAN WORK ...repository.its.ac.id/652/3/1313030083-Non_Degree.pdfdengan...