Bab Lima Temuan Empirik Dan Statistik Industri Kreatif di...

149

Bab Lima

Temuan Empirik Dan Statistik Industri

Kreatif di Jawa Timur

Temuan Empirik dan Statistik Deskriptif Variabel Penelitian

Tanggapan Responden Terhadap Variabel-Variabel Penelitian

Untuk menerangkan tanggapan responden terhadap variabel

penelitian maka dilakukan analisis terhadap jawaban yang diberikan

responden yang berkaitan dengan pernyataan yang ada. Pernyataan terdiri

dari 37 item pernyataan. Untuk mengetahui lebih jelas mengenai

pernyataan yang berasal dari variabel knowledge management, intellectual

capital, kinerja industri kreatif, dan knowledge broker, maka akan

dideskripsikan masing-masing item pernyataan secara terpisah dan dari

analisis tersebut dapat diketahui berapa banyak responden yang memilih

alternatif jawaban tertentu dan akan diperoleh nilai rata-rata tertinggi

hingga terendah. Untuk menerangkan tanggapan responden terhadap

variabel penelitian, dilakukan analisis terhadap jawaban yang diberikan

berkaitan dengan pernyataan yang ada. Pernyataan terdiri knowledge

management 9 item, intellectual capital 17 item, kinerja industri kreatif 5

item, dan knowledge broker 6 item. Skala pegukuran variabel yang diguna-

150

kan adalah skala Likert dengan 5 poit yaitu: 1 (sangat tidak setuju), 2 (tidak

setuju), 3 (netral), 4 (setuju), 5 (sangat setuju).

Dari analisis tersebut dapat diketahui berapa nilairata-rata dimensi

dan nilai rata-rata keseluruhan. Penentuan kelas atas pernyataan

responden terhadap variabel penelitian adalah sebagai berikut:

Nilai terendah = 1 x 1 = 1

Nilai tertinggi = 1 x 5 = 5

Interval kelas = (n – 1) / n = (5-1) / 5 = 0,8

Sehingga sebaran kelasnya dan intepretasinya seperti yang dikemukakan

berikut :

1,00 – 1,80 = sangat lemah, sangat rendah.

1,81 – 2,60 = lemah, rendah.

2,61 – 3,40 = cukup kokoh, cukupkuat, cukup tinggi.

3,41 – 4,20 = kokoh, kuat, tinggi.

4,21 – 5,00 = sangat kokoh, sangat kuat, sangat tinggi

Deskripsi Knowledge Management

Knowledge Management, pengukuran peubah ini mengacu pada

dimensi yang dikemukakan oleh Godbout, A. J. , (2000) yang terdiri dari tiga

elemen utama yaitu: a. People dengan indikator: merangsang berbagi

pengetahun, memelihara berbagi pengetahuan, penggunaan pengetahuan.

Adapun dimensi: b. Process, dengan indikator: mencari pengetahuan,

membuat berbagi pengetahuan, menangkap berbagi pengetahuan. Sedang-

kan dimensi: c. Technology, dengan indikator: menyimpan pengetahuan,

membuat pengethuan mudah diakses, memungkinkan orang lain bekerja-

sama. Adapun data frekuensi penyebaran tanggapan responden diperoleh

dari tabel frekuensi pada lampiran. Data selengkapnya dapat dilihat pada

tabel 5.1.

151

Dari tabel knowledge management berikut dapat diketahui bahwa

:Proporsi pendapat terbanyak dilihat dari nilai rata-rata terdapat pada

indikator Tech 1dan Tech 3 “Menyimpan pengetahuan” dan “Memungkin-

kan orang lain bekerjasama”. Hal ini diketahui dari tanggapan terhadap

pilihan jawaban responden dengan nilai rata-rata sebesar 2,84. Hal tersebut

mengandung makna bahwa knowledge management yang ada pada industri

kreatif mempunyai kekokohon yang berada pada range rendah.

Tabel 5.1.

Deskriptip Knowledge Management

Sumber: Analisis data primer 2016, diolah

152

Adapun jika dilihat dari kekokohan knowledge management pada

setiap dimensi people, process, technology, nampak terdapat pada dimensi

technology dengan sub nilai rata-rata sebesar 2.77 dengan makna bahwa

pelaksanaan knowledge management yang ada pada industri kreatif lebih

menonjol pada komponen technology yang berada pada range kekokohan

rendah.

Sedangkan jika dilihat dari kekokohan knowledge management

secara menyeluruh, nampak dari besarnya nilai rata-rata sebesar 2,71, yang

mempunyai makna knowledge management yang terjadi pada industri

kreatif berada pada range rendah. Dengan demikian dapat ditarik

kesimpulan bahwa pelaksanaan knowledge management yang ada pada

industri kreatif belum dapat dillaksanakan secara maksimal dan lebih

mengutamakan pada dimensi technology.

Deskripsi Intellectual Capital

Intellectual Capital, pengukuran peubah ini mengacu pada dimensi

yang dikemukakan oleh Edvinsson, and Malone, (1997), yang terdiri dari

tiga elemen utama yaitu: a. Human capital, dengan indikator: Attitude,

competencies, education, knowledge, and skills. Sedangkan dimensi: b.

Structural capital, dengan indikator: copyright, corporate culture, desgn

rights, financial relations, information technology infrastructure,

management processes, service marks, trade secrets, and trademarks.

Adapun dimensi: c. Customer capital dengan indikator: brand, company

name, customers, distribution channels, franchise agreements, license

agreements, and loyalty. Data selengkapnya dapat dilihat pada tabel

berikut.

Dari tabel 5.2. Intellectual capital berikut dapat diketahui

bahwa: Proporsi pendapat terbanyak dilihat dari nilai rata-rata terdapat

pada indikator Hc1 “Attitude” dengan pernyataan “Karyawan saya

mempunyai sikap yang baik, tanggap dan segera merespon dalam

153

melaksanakan pekerjaannya”. Hal ini diketahui dari tanggapan terhadap

pilihan jawaban responden dengan mean sebesar 4.29. Hal tersebut

mengandung makna bahwa Intellectual capital yang ada pada industri

kreatif mempunyai kekuatan yang berada pada range sangat kuat.

Tabel 5.2. Deskriptip Intellectual Capital

INDIKATOR SKOR Rata- rata (X)

(1) STS

(2) TS

(3) N

(4) S

(5) SS

F % F % F % F % F %

Hc 1 Attitude 3 1,20 0 0 8 3,21 148 59,43 90 36,14 4.29

Competencies 0 0 3 1,20 24 9,63 153 61,44 69 27,71 4.16

Hc3 Education 0 0 0 0 44 17,67 170 68,27 35 14,05 3.96

Hc4 Knowledge 21 8,43 53 21,28 135 54,21 19 7,63 21 8,43 2.86

Hc5 Skills 0 0 3 1,20 31 12,44 181 72,69 34 13,65 3.99

Sub total rata- rata

3.85

Sc 1 Copyright 0 0 22 8,83 37 14,85 153 61,44 37 14,85 3.82

Sc 2 Corporate culture 0 0 3 1,20 16 6,42 168 67,46 62 24,89 4.16

Sc 3 Design rights 0 0 3 1,20 29 11,64 182 73,09 35 14,05 4.00

Sc 4 Financial relations

7 2,81 49 19,67 73 29,31 85 34,13 35 14,05 3.37

Sc 5 Information technology Infrastructure

7 2,81 24 9,60 73 29,30 132 53,0 13 5,20 3.48

Sc 6 Management processes

0 0 0 0 27 10,80 176 70,70 46 18,50 4.08


3.81

Rc 1 Brand 0 0 0 0 16 6,40 176 70,70 57 22,90 4.16

Rc 2 Company name 0 0 3 1.20 63 25.30 152 61.0 31 12.40 3.85

Rc 3 Customers 0 0 0 0 59 23.70 151 60,60 39 15.70 3.92

Rc 4 Distribution channels

0 0 14 5,60 77 30,90 139 55,80 19 7,60 3.65

Rc 5 Franchise agreements

0 0 0 0 27 10,80 180 72,30 42 16,90 4.06

Rc 6 Loyalty 0 0 16 6,40 72 28,90 153 61,40 8 3,20 3.61


3.87

Total rata-rata 3.84

Keterangan : 1.STS : sangat tidak setuju;2. TS : tidak setuju; 3. N : Netral; 4. S : setuju; 5. SS : sangat setuju

Sumber: Analisis data primer 2016, diolah

154

Adapun jika dilihat dari kekuatan Intellectual capital pada setiap

dimensi human capital, structural capital, dan relational capital nampak

terdapat pada dimensi Relational capital dengan sub nilai rata-rata mean

sebesar 3.87 dengan makna bahwa pelaksanaan Intellectual capital yang

ada pada industri kreatif lebih menonjol pada komponen Relational capital

yang berada pada range kuat. Sedangkan jika dilihat dari kekuatan

intellectual capital secara menyeluruh dapat dilihat dari nilai rata-rata

sebesar 3,84 yang mempunyai makna bahwa intellectual capital yang ada

pada industri kreatif berada pada range kuat.

Dengan demikian dapat ditarik kesimpulan bahwa Intellectual capital

yang ada pada industri kreatif adalah kuat dan lebih mengutamakan pada

dimensi Relational capital.

Deskripsi Kinerja Industri Kreatif

Kinerja Industri Kreatif, pengukuran peubah ini mengacu pada

beberapa rujukan yang perlu disesuaikan (Shepherd (2004), Bontis (1998),

Swamidass dan Newell, (1987), Kementerian Perdagangan RI (2008) yang

terdiri dari: a. kesempatan kerja, b. tingkat keuntungan, c. pertumbuhan

industri, d. pertumbuhan laba, e. pertumbuhan penjualan, f. respon secara

keseluruhan terhadap persaingan, g. tingkat kesuksesan dalam peluncuran

produk baru, h. Meningkatkan kreativitas, i. Meningkat-kan ketrampilan, j.

meningkatkan bakat individu. Data selengkapnya dapat dilihat pada tabel

berikut.

Dari tabel 5.3. kinerja industri kreatif berikut dapat diketahui bahwa

:Proporsi pendapat terbanyak dilihat dari nilai rata-rataterdapat pada

indikator Kik 5 “Pertumbuhan pangsa pasar”dengan pernyataan “Usaha

saya mempunyai pertumbuhan pangsa pasar yang meningkat dari waktu ke

waktu”. Hal ini diketahui dari tanggapan terhadap pilihan jawaban

responden dengan mean sebesar 3.8554. Hal tersebut mengandung makna

155

bahwa kinerja industri kreatif lebih menekankan pada pertumbuhan pangsa

pasar yang berada pada range tinggi.

Tabel 5.3.

Deskriptip Kinerja Industri Kreatif

INDIKATOR SKOR Rata-

rata

(X)

(1)

STS

(2)

TS

(3)

N

(4)

S

(5)

SS

F % F % F % F % F %

Kik 1 Pertumbuhan laba 0 0 14 5.60 65 26,10 142 57,0 28 11,20 3.74

Pertumbuhan

penjualan

0 0 11 4.40 63 25,30 160 64.30 15 6,0 3.72

Kik 3 Tingkat kesuksesan

dalam peluncuran

produk baru

0 0 11 4,40 67 26.9 147 59.0 24 9,60 3.74

Kik 4 Kesempatan kerja 0 0 20 8.0 57 22,90 149 59.80 23 9.20 3.70

Kik 5 Pertumbuhan pangsa

pasar

0 0 19 7.60 35 14.10 158 63.50 37 14.90 3.86


Keterangan :

1.STS : sangat tidak setuju;2. TS : tidak setuju; 3. N : Netral; 4. S : setuju; 5. SS : sangat setuju

Sumber : Analisis data primer 2016, diolah

Adapun jika dilihat dari tinggi rendahnya kinerja industri kreatif dari

tabel deskriptip diatas dapat dilihat dari besarnya total nilai rata-rata mean

=3.75 dengan makna bahwa kinerja industri kreatif di Jawa Timur

mempunyai range tinggi. Dengan demikian dapat ditarik kesimpulan bahwa

kinerja industri kreatif mempunyai range yang tinggi dan lebih menekankan

pada “Pertumbuhan pangsa pasar” industri kreatif.

Deskripsi Knowledge Broker

Knowledge Broker, pengukuran peubah ini mengacu pada indikator

yang dikemukakan oleh Dobbins, et al., (2009) yang terdiri : a. Membangun

akses ke pengetahuan, b. Internalisasi pengalaman; c. Menghubungkan

http://en.wikipedia.org/w/index.php?title=Maureen_Dobbins&action=edit&redlink=1

156

kolam pengetahuan; d. Mendukung pengetahuan; e. Memfasilitasi

pengembangan kapasitas individu/ organisasi; f. Menerapkan pengetahuan

dalam pengaturan baru.

Tabel 5.4. Deskriptip Knowledge Broker

INDIKATOR SKOR Rata-

rata

(X)

(1)

STS

(2)

TS

(3)

N

(4)

S

(5)

SS

F % F % F % F % F %

Kb1 Membangun akses ke

pengetahuan

0 0 6 2,40 26 10,40 141 56.6 76 30,50 4.15

Internalisasi

pengalaman

0 0 4 1.60 24 9,60 161 64.70 60 24,10 4.11

Kb 3 Menghubungkan kolam

pengetahuan yang

terpisah

0 0 21 8.40 36 14,50 118 47.40 74 29,70 3.98

Kb 4 Mendukung pengeta-

hu an

1 0,40 13 5,20 66 26.50 123 49.40 46 18.50 3.80

Kb 5 Memfasilitasi pengem-

bangan kapasitas

individu /organisasi

0 0 12 4.80 35 14.10 130 52.20 72 28.90 4.05

Kb 6 Menerapkan

pengetahuan dalam

pengatur an baru

0 0 9 3.60 18 7.20 89 35.70 133 53.40 4.39


Keterangan :

1.STS : sangat tidak setuju;2. TS : tidak setuju; 3. N : Netral; 4. S : setuju; 5. SS : sangat setuju

Sumber : Analisis data primer 2016, diolah

Dari tabel 5.4. knowledge broker di atas dapat diketahui bahwa

:Proporsi pendapat terbanyak dilihat dari nilai rata-rata terdapat pada

indikator Kb 6 “Menerapkan pengetahuan dalam pengaturan baru”dengan

pernyataan “Usaha saya, memanfaatkan Broker pengetahuan dalam

menerapkan pengetahuan dalam pengaturan baru, agar pengetahuan baru

tersebut benar-benar merupakan pengetahuan yang terkini”. Hal ini

157

diketahui dari tanggapan terhadap pilihan jawaban responden dengan

mean sebesar 4.39. Hal tersebut mengandung makna bahwa kinerja industri

kreatif lebih menekankan pada memanfaatkan Broker pengetahuan dalam

mengelola inovasi, yang berada pada range sangat kuat.

Adapun jika dilihat dari kuat lemahnya knowledge broker dari tabel

deskriptip diatas dapat dilihat dari besarnya total nilairata-rata mean =4.08

dengan makna bahwa knowledge broker yang dibutuhkan kinerja industri

kreatif di Jawa Timur mempunyai range sangat kuat. Dengan demikian

dapat ditarik kesimpulan bahwa knowledge broker pada kinerja industri

kreatif mempunyai range yang sangat kuat dan lebih menekankan pada

“Menerapkan pengetahuan dalam pengaturan baru”.

Temuan Secara Statistik

Model Pengukuran dan Validitas (Outer Loading)

Model Pengukuran Indikator dengan Dimensi dan Indikator dengan

Variabel (First Order)

Model hubungan indikator dengan dimensi pada variabel knowlegde

management dan intellectual capital adalah bentuk reflektif, begitu juga

hubungan indikator dengan variabel pada variabel knowledge broker dan

kinerja industri kreatif adalah reflektif, maka cara menilai model

pengukuran adalah dengan melihat nilai factor loading atau biasa ditulis

“Original Sample” pada tabel outer loading.

Factor loading merupakan korelasi antara indikator dengan variabel,

jika lebih besar dari 0,5 indikator tersebut menjadi pengukur/ indikator dari

variabelnya (Ghozali, 2008).Berdasarkan pada tabel outer loading (tabel 5.5)

berikut, pada dimensi HC menunjukkan bahwa indikatornya HC2, HC3, HC4,

dan HC5 memiliki factor loading lebih besar dari 0,50.

158

Tabel 5.5. Outer Loadings (Factor Loading)

Original

Sample

(O)

Sample

Mean

(M)

Standard

Deviation

Standard

Error

T Statistics

HC1 <- HC 0.0908 0.0899 0.1274 0.1274 0.7132

HC2 <- HC 0.8094 0.8079 0.0224 0.0224 35.9817

HC3 <- HC 0.7258 0.7263 0.0449 0.0449 16.1568

HC4 <- HC 0.7665 0.7600 0.0408 0.0408 18.7782

HC5 <- HC 0.6275 0.6182 0.0677 0.06776 9.2599

SC1 <- SC 0.6998 0.6988 0.0441 0.0441 15.8625

SC2 <- SC 0.4055 0.3967 0.1080 0.1080 3.7533

SC3 <- SC 0.3330 0.3254 0.1463 0.1463 2.2756

SC4 <- SC 0.7585 0.7564 0.0350 0.0350 21.6203

SC5 <- SC 0.5734 0.5695 0.0775 0.0775 7.3937

SC6 <- SC 0.5663 0.5646 0.0939 0.0939 6.0250

RC1 <- RC 0.7413 0.7377 0.0447 0.0447 16.5701

RC2 <- RC 0.7235 0.7177 0.0572 0.0572 12.6458

RC3 <- RC 0.4822 0.4826 0.0634 0.0634 7.5963

RC4 <- RC 0.4936 0.4933 0.0876 0.0876 5.6326

RC5 <- RC 0.7943 0.7904 0.0390 0.0390 20.3553

RC6 <- RC 0.7167 0.7112 0.0603 0.0603 11.8801

People1 <- People 0.7181 0.7186 0.0420 0.0420 17.0861

People2 <- People 0.7029 0.6993 0.0594 0.0594 11.8192

People3 <- People 0.8009 0.7974 0.0336 0.0336 23.7944

Process1 <- Process -0.1632 -0.1593 0.1959 0.1959 0.8332

Process2 <- Process 0.8387 0.8317 0.0296 0.0296 28.2527

Process3 <- Process 0.7418 0.7329 0.0573 0.0573 12.9358

Technology1 <-

Technology

0.7660 0.7589 0.0855 0.0855 8.9512

Technology2 <-

Technology

0.7899 0.7837 0.0441 0.0441 17.8997

Technology3 <-

Technology

0.2530 0.2483 0.1711 0.1711 1.4785

KB1 <- KNOW BROKER 0.5015 0.4884 0.1022 0.1022 4.9035

KB2 <- KNOW BROKER 0.5398 0.5341 0.0853 0.0853 6.3227

KB3 <- KNOW BROKER 0.6838 0.6852 0.0510 0.0510 13.4018

KB4 <- KNOW BROKER 0.5801 0.5738 0.0817 0.0817 7.0957

KB5 <- KNOW BROKER 0.5160 0.5179 0.0965 0.0965 5.3445

KB6 <- KNOW BROKER 0.4844 0.4790 0.0802 0.0802 6.0357

KIK1 <- KINERJA. IK 0.9915 0.9324 0.1754 0.1754 5.6519

KIK2 <- KINERJA. IK 0.2920 0.2939 0.2116 0.2116 1.3798

KIK3 <- KINERJA. IK 0.3336 0.3270 0.2146 0.2146 1.5543

KIK4 <- KINERJA. IK 0.3465 0.3222 0.1683 0.1683 2.0588

KIK5 <- KINERJA. IK 0.1666 0.1663 0.1799 0.1799 0.9259

Sumber : Data Diolah

159

Sedangkan HC1 mempunyai factor loading lebih kecil dari 0,50, yang

selanjutnya dipertimbangkan untuk dihapus. Pada dimensi SC menunjukkan

bahwa indikator SC1, SC4, SC5 dan SC6 memiliki factor loading lebih besar

dari 0,50. Sedangkan SC2 dan SC3 mempunyai factor loading lebih kecil dari

0,50, yang selanjutnya dipertimbangkan untuk dihapus. Pada dimensi RC

menunjukkan bahwa indikatornya RC1, RC2, RC5 dan RC6 memiliki factor

loading lebih besar dari 0,50. Sedangkan RC3 dan RC4 mempunyai factor

loading lebih kecil dari 0,50, yang selanjutnya dipertimbangkan untuk

dihapus.

Pada dimensi People menunjukkan bahwa seluruh indikatornya

adalah memiliki factor loading lebih besar dari 0,50. Pada dimensi Process

menunjukkan bahwa indikator Process2 dan Process3 memiliki factor-

loading lebih besar dari 0,50. Sedangkan Process1 mempunyai factor


dihapus. Pada dimensi Technology menunjukkan bahwa indikator

Technology1 dan Technology2 memiliki factor loading lebih besar dari 0,50.

Sedangkan Technology3 mempunyai factor loading lebih kecil dari 0,50,

yang selanjutnya dipertimbangkan untuk dihapus. Pada variabel Knowledge

Broker menunjukkan bahwa indikator KB1, KB2, KB3, KB4 dan KB5 memiliki

factorloading lebih besar dari 0,50. Sedangkan KB6 mempunyai factor


dihapus.

Pada variabel Kinerja Industri Kreatif menunjukkan bahwa hanya

indikator KIK1 memiliki facto rloading lebih besar dari 0,50. Sedangkan

KIK2, KIK3, KIK4 dan KIK5 mempunyai factor loading lebih kecil dari 0,50,

yang selanjutnya dipertimbangkan untuk dihapus. Berikut tabel 5.6.

perubahan setelah dihilangkan Factor Loading yang tidak memenuhi syarat.

Berdasarkan pada tabel outer loading (tabel 5.6) di atas, seluruh dimensi

dan indikator yang mempunyai factor loading lebih kecil dari 0.50 telah

160

dihapus, hanya tersisa indikator KB1 saja yang masih mempunyai factor

loading lebih kecil dari 0.50.


Setelah dilakukan penghapusan factor loading yang tidak valid

Original

Sample

(O)

Sample

Mean

(M)

Standard

Deviation

Standard

Error

T Statistics

HC2 <- HC 0.8071 0.8090 0.0198 0.0198 40.5979

HC3 <- HC 0.7332 0.7352 0.0338 0.0338 21.6446

HC4 <- HC 0.7668 0.7637 0.0381 0.0381 20.0856

HC5 <- HC 0.6230 0.6216 0.0651 0.0651 9.5644

SC1 <- SC 0.7335 0.7385 0.0369 0.0369 19.8428

SC4 <- SC 0.7610 0.7611 0.0361 0.0361 21.0300

SC5 <- SC 0.5287 0.5117 0.0944 0.0944 5.5964

SC6 <- SC 0.6444 0.6431 0.0675 0.0675 9.5449

RC1 <- RC 0.7537 0.7495 0.0462 0.0462 16.3142

RC2 <- RC 0.7916 0.7887 0.0463 0.0463 17.0714

RC5 <- RC 0.8005 0.7970 0.0437 0.0437 18.2972

RC6 <- RC 0.8152 0.8122 0.0412 0.0412 19.7635

People1 <- People 0.7193 0.7212 0.0385 0.0385 18.6523

People2 <- People 0.7042 0.7002 0.0519 0.0510 13.5539

People3 <- People 0.7988 0.7988 0.0340 0.0340 23.4610

Process2 <- Process 0.8437 0.8459 0.0207 0.0207 40.7080

Process3 <- Process 0.7644 0.7610 0.0464 0.0464 16.4668

Technology1 <- Technology 0.8468 0.8485 0.0348 0.03481 24.3239


KB1 <- KNOWLEDGE BROKER 0.4909 0.4770 0.1178 0.1178 4.1661





KIK1 <- KINERJA.IND.KREATIF 1.0000 1.0000 0.0000 Sumber: Data Diolah

Sehubungan dengan masih adanya indikator yang mempunyai factor

loading lebih kecil dari 0.50, maka perlu dilakukan proses penghapusan

yang menghasilkan tabel perubahan sebagai berikut (tabel 5.7.).

161

Berdasarkan pada tabel outer loading (tabel 5.7) berikut, seluruh

dimensi dan indikator yang mempunyai factor loading lebih kecil dari 0.50

telah dihapus, sehingga seluruh dimensi dan indikator telah mempunyai

factor loading lebih besar dari 0.50.



Original

Sample

(O)

Sample

Mean

(M)

Standard

Deviation

Standard

Error

T Statistics

HC2 <- HC 0.8073 0.8072 0.0195 0.0195 41.3624

HC3 <- HC 0.7344 0.7357 0.0340 0.0340 21.5699

HC4 <- HC 0.7667 0.7600 0.0399 0.0399 19.1829

HC5 <- HC 0.6215 0.6151 0.0645 0.0645 9.6350

SC1 <- SC 0.7341 0.7347 0.0378 0.0378 19.3787

SC4 <- SC 0.7602 0.7571 0.0403 0.0403 18.8338

SC5 <- SC 0.5258 0.5216 0.0864 0.0864 6.0800

SC6 <- SC 0.6466 0.6407 0.0626 0.0626 10.3188

RC1 <- RC 0.7547 0.7529 0.0443 0.0443 17.0026

RC2 <- RC 0.7908 0.7850 0.0489 0.0489 16.1412

RC5 <- RC 0.8013 0.8001 0.0442 0.0442 18.1139

RC6 <- RC 0.8144 0.8088 0.0441 0.0441 18.4541

People1 <- People 0.7196 0.7181 0.0365 0.0365 19.6948

People2 <- People 0.7040 0.7019 0.0528 0.0528 13.3265

People3 <- People 0.7987 0.7982 0.0306 0.0306 26.0905

Process2 <- Process 0.8439 0.8442 0.0211 0.0211 39.8754

Process3 <- Process 0.7643 0.7609 0.0465 0.0465 16.4145






KIK1 <- KINERJA.IND.KREATIF 1.0000 1.0000 0.0000 Sumber : Data Diolah

162

Model Pengukuran Variabel dengan Dimensi (Second Order)

Model hubungan Variabel dengan dimensi pada variabel knowledge

management dan intellectual capital, adalah model reflektif, maka untuk

melihat model pengukurannya dengan melihat nilai factor loading pada

tabel outer loading. Hasil pengujian pada tabel outer loading (tabel 5.8)

menunjukkan bahwa dimensi human capital (HC), structural capital (SC) dan

relational capital (RC) memiliki factor loading lebih besar 0,5. Jadi dapat

disimpulkan bahwa ketiga dimensi tersebut adalah sebagi dimensi dan

pembentuk variabel intellectual capital.

Demikian juga dilihat dari variabel knowledge management hasil

pengujian menunjukkann bahwa dimensi people, process dan technology

memiliki factor loading lebih besar 0,5.


Original

Sample

(O)

Sample

Mean (M)

Standard

Deviation

(STDEV)

Standard

Error

(STERR)

T Statistics

(|O/STERR|)

Intelectual Capital -> HC 0.7551 0.7539 0.0413 0.0413 18.2842

Intelectual Capital -> SC 0.8139 0.8160 0.0309 0.0309 26.3173

Intelectual Capital -> RC 0.7237 0.7199 0.0503 0.0503 14.3688

Know. Management -> People 0.7952 0.7956 0.0340 0.0340 23.3646

Know. Management -> Process 0.7917 0.7897 0.0374 0.0374 21.1439

Know. Management ->

Technology

0.7183 0.7184 0.0491 0.0491 14.6240

Sumber : Hasil olah data PLS

Jadi dapat disimpulkan bahwa ketiga dimensi tersebut adalah

sebagi dimensi dan pembentuk variabel knowledge management. Secara

keseluruahan hasil estimasi telah memenuhi Convergen vailidity dan

validitas baik.

163

Evaluasi Validitas

Validitas digunakan untuk mengetahui kelayakan butir-butir dalam

suatu daftar pertanyaan dalam mendefinisikan suatu variabel. Menurut

Malhotra (2012), validitas merupakan instrumen dalam kuesioner dapat

digunakan untuk mengukur apa yang seharusnya diukur, bukan kesalahan

sistematik. Sehingga indikator-indikator tersebut dapat mencerminkan

karakteristik dari variabel yang digunakan dalam penelitian. Salah satu

pengukur validitas dalam penelitian ini digunakan Average Variance

Extracted (AVE).

Average Variance Extracted (AVE)

Model pengukuran avarage variance extracted (AVE), yaitu nilai

menunjukkan besarnya varian indikator yang dikandung oleh variabel

latennya.

Tabel 5.9. Average variance extracted (AVE)

AVE

Intelectual Capital 0.6533

HC 0.5413

RC 0.6250

SC 0.6529

Know. Management 0.2886

People 0.5505

Process 0.6482

Technology 0.6434

Kinerja.Ind.Kreatif 1.0000

Knowledge Broker 0.6004

Sumber : hasil olah data PLS

164

Konvergen Nilai AVE lebih besar 0,5 menunjukkan kecukupan

validitas yang baik bagi variabel laten (Ghozali, 2008). Pada variabel

indikator reflektif dapat dilihat dari nilai avarage variance extracted (AVE)

untuk setiap konstruk (variabel). Dipersyaratkan model yang baik apabila

nilai AVE masing-masing konstruk lebih besar dari 0,5.

Berdasarkan tabel 5.9. di atas, hasil pengujian menunjukkan bahwa

nilai AVE untuk konstruk (variabel/ dimensi) dimensi intellectual capital,

HC,SC dan RC, people, process, technology, serta variabel knowledge broker

dan kinerja industri kreatif memiliki nilai AVE lebih besar dari 0,5, sehingga

valid, kecuali hanya knowlegde management yang mempunyai AVE lebih

kecil dari 0.50.

Evaluasi Reliabilitas

Evaluasi reliabilitas dilakukan dengan melihat nilai composite

reliability dari blok indikator yang mengukur konstruk. Hasil composite

reliability akan menunjukkan nilai yang memuaskan jika di atas 0,7.

Composite Reliability

Reliabilitas konstruk yang diukur dengan nilai composite reliability,

konstruk reliabel jika nilai composite reliability di atas 0,70 maka indikator

disebut konsisten dalam mengukur variabel latennya (Ghozali, 2008).

Berdasarkan tabel 5.10. berikut, hasil pengujian menunjukkan bahwa

konstruk (variabel/ dimensi) dimensi people, process, technology, HC, SC

dan RC serta variable knowlegde management, Intellectual Capital,

Knowledge Broker dan Kinerja Industri Kreatif memiliki nilai composite

reliability lebih besar dari 0,7. Sehingga reliabel.

165

Tabel 5.10. Composite Reliability

Composite Reliability

Intelectual Capital 0.8385

HC 0.8239

RC 0.8695

SC 0.7647

Know. Management 0.7363

People 0.7855

Process 0.7861

Technology 0.7824

Kinerja.Ind.Kreatif 1.0000

Knowledge Broker 0.7219

Sumber: hasil olah data PLS

Pembentukan Variabel Laten

Dari frekuensi jawaban setuju dan sangat setuju pada tabel di

bawah, dapat dilihat bahwa angka frekuensi skor menunjukkan persepsi

responden pada saat penelitian, sedangkan angka faktor loading

menunjukkan apa yang seharusnya menjadi perhatian bagi organisasi untuk

perbaikan kedepan. Pembentukan variabel laten ini dapat digunakan untuk

mengetahui indikator mana yang memiliki faktor loading terbesar yang

memiliki pengaruh terbesar terhadap variabelnya. Dengan demikian dapat

dijadikan masukan kepada organisasi untuk mendapatkan perhatian yang

lebih.

Berdasarkan tabel 5.11.berikut menampilkan frekuensi dan factor

loading variabel knowledge management. Berdasarkan variabel knowledge

management dapat dijelaskan bahwa indikator dari variabel knowledge

management yang memiliki frekuensi dominan yaitu People2 (memelihara

berbagi pengetahuan: Usaha saya hidup kebiasaan berbagi pengetahuan

diantara karyawan agar pengetahuan tersebut dapat berguna dalam

melaksanakan pekerjaannya) sebesar 241. Namun, hasil pengolahan data

166

factor loading nilai tertinggi berada pada Technology1 (Menyimpang

pengetahuan: Di Usaha saya, tersedia prasarana teknologi untuk

menyimpan pengetahuan) sebesar 0.8468.

Tabel 5.11.

Frekuensi dan Factor Loading Variabel Knowledge Management

Notasi INDIKATOR FREKUENSI SKOR FAKTOR

LOADING 2 3 JUMLAH

People1 Merangsang berbagi

pengetahuan

113

120

233

0.7193

People2 Memelihara berbagi

pengetahuan

93

148

241

0.7042

People3 Penggunaan pengetahuan 109 126 235 0.7988

Process2 Membuat berbagi

pengetahuan

113

97

210

0.8437

Process3 Menangkap berbagi

pengetahuan

97

118

215

0.7644

Technol

ogy1

Menyimpan pengetahuan 77

142

219

0.8468

Technol

ogy2

Membuat pengetahuan

mudah diakses

112

123

235

0.7548

Sumber: Hasil Olah Data PLS

Hal ini menunjukkan bahwa pada saat penelitian responden lebih

menekankan proses memelihara berbagi pengetahuan dalam usaha tidak

berjalan lancar. Harapan responden ke depannya adalah agar menyimpan

pengetahuan berjalan dengan baik, sehingga dalam usahanya, memelihara

berbagi pengetahuan dapat berjalan lancar.

Pada tabel 5.10. berikut dapat dilihat frekuensi dan factor loading

variabel intellectual capital. Berdasarkan variabel intellectual capital dapat

dijelaskan bahwa indikator dari variabel intellectual capital yang memiliki

frekuensi dominan yaitu Rc 1 (Brand dengan pernyataan: Usaha saya

memiliki merek yang menarik bagi konsumen) sebesar 233. Adapun hasil

pengolahan data factor loading nilai tertinggi berada pada Sc6

167

(Management process :Usaha saya memiliki pengelolaan manajemen yang

baik)sebesar 0.8144.

Hal ini menunjukkan bahwa pada saat penelitian responden lebih

menekankan pada brand (merek) yang menarik, dengan harapan responden

kedepannya adalah agar dapat dipertahankan dan ditingkatkan

pengelolaan manajemen yang baik.

Tabel 5.12.

Frekuensi dan Factor Loading Variabel Intellectual Capital


LOADING 4 5 JUMLAH

HC2 Competencies 153 69 222 0.8073

HC3 Education 170 35 205 0.7344

HC4 Knowledge 19 21 40 0.7667

HC5 Skills 181 34 215 0.6215

SC1 Copyright 153 37 190 0.7547

SC4 Financial relations 85 35 120 0.7908

SC5 Information technology

Infrastructure

132 13 145 0.8013

SC6 Management processes 176 46 222 0.8144

RC1 Brand 176 57 233 0.7341

RC2 Company name 152 31 183 0.7602

RC5 Franchise agreements 180 42 222 0.5258

RC6 Loyalty 153 8 161 0.6466

Sumber : Hasil Olah Data PLS


variabel knowledge broker.Berdasarkan variabel knowledge broker dapat

dijelaskan bahwa indikator dari variabel knowledge broker yang memiliki

frekuensi dominan yaitu Kb 5 (Memfasilitasi pengembangan kapasitas

individu/ organisasi: Usaha saya, memanfaatkan Broker pengetahuan dalam

memfasilitasi pengembangan kapasitas individu / organisasi) sebesar 202.

168

Namun, hasil pengolahan data factor loading nilai tertinggi berada

pada Kb 1 (menghubungkan kolam pengetahuan yang terpisah: Usaha saya,

memanfaatkan Broker pengetahuan dalam menghubungkan pengetahuan

dari sumber pengetahuan ke industri kreatif) sebesar 0.7957.

Tabel 5.13.

Frekuensi Dan Factor Loading Variabel Knowledge Broker


LOADING 4 5 JUMLAH

KB3 Menghubungkan sumber pengeta-

huan yang ter pisah

118 74 192 0.7957

KB4 Mendukung pengetahuan 123 46 169 0.5341

KB5 Memfasilitasi pengembangan

kapasitas individu/ organisasi

130

72

202

0.6266


Hal ini menunjukkan bahwa responden lebih menekankan pada

memfasilitasi pengembangan kapasitas individu/ organisasi yang menunjuk-

kan persepsi responden pada saat penelitian dan,agar menghubungkan

sumber pengetahuan yang terpisah yang menunjukkan apa yang

seharusnya menjadi perhatian bagi organisasi untuk perbaikan kedepan.


variabel kinerja industri kreatif. Berdasarkan variabel kinerja industri kreatif

dapat dijelaskan bahwa indikator dari variabel kinerja industri kreatif hanya

tinggal 1 saja, sehingga yang memiliki frekuensi dominan dan factor loading

yaitu Kik 1 (pertumbuhan laba dengan pernyataan: Usaha saya, mempunyai

pertumbuhan laba yang meningkat) sebesar 170 dengan nilai factor loading

maksimum yaitu 1.000 yang berada pada Kik 1 (pertumbuhan laba).

169

Tabel 5.14.

Frekuensi Dan Factor Loading Variabel Kinerja Industri Kreatif


LOADING 4 5 JUMLAH

Kik 1 Pertumbuhan laba 142 28 170 1.0000


Hal ini menunjukkan bahwa responden lebih menekankan pada

pertumbuhan laba yang menunjukkan persepsi responden pada saat

penelitian dan agar usahanya dapat mempunyai pertumbuhan laba yang

terus meningkat yang menunjukkan apa yang seharusnya menjadi perhatian

bagi organisasi untuk perbaikan kedepan.

Inner Model (Pengujian Model Struktural), Goodness of Fit Model

Pengujian terhadap model struktural dilakukan dengan melihat nilai

R-Square yang merupakan uji goodness-fit model. Pengujian inner model

dapat dilihat dari nilai R-square pada persamaan antar variabel latent. Nilai

R2 menjelaskan seberapa besar variabel eksogen (independen/ bebas) pada

model mampu menerangkan variabel endogen (dependen/ terikat). Nilai

R2adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan

variabel-variabel independen dalam menjelaskan variabel dependen amat

terbatas. Nilai R2yang mendekati satu berarti variabel-variabel independen

memberikan hampir semua informasi yang dibutuhkan untuk memprediksi

variasi variabel dependen (Augusty Ferdinand, 2006).

170

Tabel 5.13.Inner Model (Pengujian Model Struktural) R-square

R Square

Intellectual Capital 0.7148

Kinerja Industri Kreatif 0.2803

Sumber: Hasil Olah Data PLS

Nilai R2pada variabel Intellectual Capital=0.7148. Hal ini dapat

diinterpretasikan bahwa model sangat Baik dan mampu menjelaskan

fenomena/ masalah Intellectual Capital sebesar 71,48%.Sedangkan sisanya

(28.52%) dijelaskan oleh variabel lainyang belum masuk ke dalam model

dan error. Artinya Intellectual Capital dipengaruhi oleh knowlegde

management, knowledge broker, dan variabel moderasi sebesar 75,79%

sedang sebesar 24,10% dipengaruhi oleh selain variabel knowlegde

management, knowledge broker, dan variabel moderasi.

Nilai R2secara keseluruhan = 1- (1-0.2803) (1-0.7148) = 0.7947. Hal

ini dapat diinterpretasikan bahwa model cukup baik dan mampu

menjelaskan fenomena/ masalah kinerja industri kreatif sebesar79,47%.

Sedangkan sisanya (20.53%) dijelaskan oleh variabel lain yang belum masuk

ke dalam model dan error. Artinya Kinerja Industri Kreatif dipengaruhi oleh

knowlegde management, intellectual capital, knowledge broker, dan

variabel moderasi sebesar79,47 % sedang sebesar 20.53% dipengaruhi oleh

selain variabel knowlegde management, intellectual capital, knowledge

broker, dan variabel moderasi. Selanjutnya dalat dilihat koefisien path pada

inner model.

171

Uji Hipotesis / Uji Kausalitas (Inner Model)

Mengacu gambar 5.1. Model PLS di atas nampak adanya dua model

yaitu model struktural (inner model) dan model pengukuran (outer model).

Dalam model struktural nampak adanya jalur hubungan knowledge

management terhadap intellectual capital, dan jalur hubungan intellectual

capital terhadap kinerja industri kreatif, serta jalur hubungan knowledge

management terhadap kinerja industri kreatif, maupun jalur moderasi

knowledge broker terhadap hubungan knowledge management dan

intellectual capital.

Dalam model pengukuran nampak adanya jalur dimensi dalam

variabel knowledge management yang terdiri dari dimensi people, process,

technologie. Sedangkan dalam variabel intellectual capital terdiri 3 dimensi

yang terdiri dari dimensi human capital, structural capital, dan relational

Gambar 5.1. MODEL PLS tahap1


172


capital. Adapun masing-masing dimensi baik dari variabel knowledge

management, intellectual capital, knowledge broker mempunyai indikator

reflektif.

Pada gambar 5.1. tersebut di atas nampak terdapat beberapa

indikator dalam beberapa dimensi yang mempunyai factor loading lebih

kecil dari 0.50.Indikator-indikator yang mempunyai factor loading lebih

kecil dari 0.50 perlu dihapus. Perubahan dari langkah tersebut

menghasilkan model PLS sebagai berikut.

Gambar 5.2. MODEL PLS tahap 2


173

Pada gambar 5.2. tersebut di atas setelah dilakukan proses

pengolahan penghapusan factor loading yang tidak memenuhi syarat,

ternyata masih nampak terdapat 1 indikator dalam KB1 yaitu sebesar

0.491. Indikator yang mempunyai factor loading lebih kecil dari 0.50

tersebut perlu dihapus. Perubahan dari langkah tersebut menghasilkan

model PLS final sebagai berikut.

Gambar 5.3. MODEL PLS tahap3 Final

Setelah di lakukan penghapusan factor loading yang tidak valid

Mengacu gambar 5.3. di atas nampak bahwa bahwa indikator-

indikator yang mempunyai factor loading lebih kecil dari 0.50 telah dihapus

semua, sehingga seluruh indikator dapat dikatakan valid.


174

Selanjutnya dapat dilihat koefisien path pada inner model seperti

pada tabel 5.1.4. berikut:

Tabel 5.14. Path Coefficients (Mean, STDEV, T-Values)

Original

Sample

(O)

Sample

Mean

(M)

Standard

Deviation

(STDEV)

Standard

Error

(STERR)

T

Statist

ics

Keterangan

Keputus

an

Know. Management ->

Intellectual Capital

0.5740 0.5654 0.0699 0.0699 8.2052 Signifikan,

positif

Diterima

Intellectual Capital ->

Kinerja.Ind.Kreatif

0.6581 0.6498 0.1291 0.1291 5.0949 Signifikan,

positif

Diterima

Know. Management ->

Kinerja.Ind.Kreatif

-0.1681 -0.1599 0.1195 0.1195 1.4064 Non

Signifikan,

negatif

(hubungan

langsung)

Ditolak

Knowledge

Management-

>Intellectual Capital->

Kinerja Industri Kreatif

Karena hubungan langsung Non signifikan, maka perlu

menggunakan mediasi Intellectual Capital

Signifikan

(dalam

memediasi)

Know.Man

*Know.Broker ->

Intellectual Capital

0.0821 0.0518 0.0308 0.0308 2.6638 Signifikan

(dalam

memoderasi)

Diterima

Batas signifikansi :

Loading factor (original sample) ≥0,50 (Ghozali, 2008) atau

Z α≥ 1,645 (Z α = 0,05 (5%)


Berdasarkan tabel di atas dapat diketahui bahwa:

1. Knowledge management mempunyai pengaruh signifikan terhadap

intellectual capital industri kreatif, hal tersebut terlihat dari besarnya t

statistik 8.205212> dari 1,645 yang berarti knowledge management

benar-benar mempunyai kontribusi terhadap intellectual capital industri

kreatif. Kondisi demikian mengandung makna knowledge management

yang digunakan mempunyai pengaruh terhadap kemampuan

intellectual capital industri kreatif. Adapun arah hubungan antara

knowledge management dengan intellectual capital adalah positif, hal

tersebut terlihat dari besarnya koefisien path sebesar 0.574012.

175

2. Intellectual capital mempunyai pengaruh signifikan terhadap kinerja

industri kreatif, hal tersebut terlihat dari besarnya t statistic 5.094970>

1,645, yang berarti intellectual capital benar-benar mempunyai

kontribusi terhadap kinerja industri kreatif. Kondisi demikian

mengandung makna kekuatan intellectual capital yang dimilki industri

kreatif mempunyai pengaruh terhadap kinerja industri kreatif. Adapun

arah hubungan antara intellectual capital dengan kinerja industri kreatif

adalah positif, hal tersebut terlihat dari besarya koefisien path sebesar

sebesar 0.658190.

3. Knowledge management tidak mempunyai pengaruh terhadap kinerja

industri kreatif, hal tersebut terlihat dari besarnya t statistik 1.406464<

dari 1,645 yang berarti knowledge management benar-benar tidak

mempunyai kontribusi terhadap kinerja industri kreatif. Kondisi

demikian mengandung makna knowledge management yang digunakan

tidak mempunyai pengaruh terhadap kemampuan intellectual capital

industri kreatif. Adapun arah hubungan antara knowledge management

dengan kinerja industri kreatif adalah negatif, hal tersebut terlihat dari

besarya koefisien path sebesar-0.168152.

4. Knowledge broker mempunyai peranan yang signifikan dalam

memoderai hubungan antara knowledge management dengan

intellectual capital, hal tersebut terlihat dari besarnya t statistic

2.663813> 1,645, yang berarti knowledge broker benar-benar mampu

memperkuat pengaruh knowledge management terhadap intellectual

capital yang dimiliki industri kreatif.

Bab Lima Temuan Empirik Dan Statistik Industri Kreatif di...

Documents

Transcript of Bab Lima Temuan Empirik Dan Statistik Industri Kreatif di...