Simulasi SmartPLS (Structural Equation Modeling berbasis Variance)

Pengujian hipotesis dalam penelitian ini menggunakan metode Partial Least Square (PLS). PLS merupakan metode alternatif analisis dengan Structural Equation Modelling (SEM) yang berbasis variance. Keunggulan metode ini adalah tidak memerlukan asumsi dan dapat diestimasi dengan jumlah sampel yang relatif kecil. Alat bantu yang digunakan berupa program SmartPLS Versi 2 yang dirancang khusus untuk mengestimasi persamaan struktural dengan basis variance. Program SmartPLS Versi 2 dapat diperoleh secara gratis di www.smartpls.de. Model struktural dalam penelitian ini ditampilkan pada Gambar 1 di bawah. Gambar 1 MODEL STRUKTURAL

Gambar tersebut menunjukkan bahwa konstruk Kepemimpinan (KM) diukur dengan 5 buah indikator yaitu KM1, KM2, KM3, KM4 dan KM5. Demikian juga konstruk Budaya Organisasi (BO) diukur dengan 3 indikator yaitu BO1, BO2 dan BO3, konstruk Motivasi (MT) diukur dengan 3 indikator yaitu MT1, MT2 dan MT3 dan kontruk Kinerja Pegawai (KP) diukur dengan 6 indikator yaitu KP1, KP2, KP3,KP4, KP5 dan KP6. Arah panah antara indikator dengan kontruk laten adalah menuju indikator yang menunjukkan bahwa penelitian menggunakan indikator reflektif yang relatif sesuai untuk mengukur persepsi. Hubungan yang akan diteliti (hipotesis) dilambangkan dengan anak panah antara konstruk A. Evaluasi Measurement (Outer) Model 1. Uji Validitas Suatu indikator dinyatakan valid jika mempunyai loading factor di atas 0,5 terhadap konstruk yang dituju. Output SmartPLS untuk loading factor memberikan hasil sebagai berikut: Tabel 1 RESULT FOR OUTER LOADING BO KM KP MT BO1 0.89335

BO2 BO3 KM1 KM2 KM3 KM4 KM5 KP1 KP2 KP3 KP4 KP5 KP6 MT1 MT2 MT3

0.82232 0.84462 0.78001 0.84287 0.76889 0.80161 0.82647 0.70015 0.74459 0.74555 0.74742 0.78854 0.74880 0.78258 0.86810 0.80563

Pengujian validitas untuk indikator reflektif menggunakan korelasi antara skor item dengan skor konstruknya. Pengukuran dengan indikator reflektif menunjukkan adanya perubahan pada suatu indikator dalam suatu konstruk jika indikator lain pada konstruk yang sama berubah (atau dikeluarkan dari model). Indikator reflektif cocok digunakan untuk mengukur persepsi sehingga penelitian ini menggunakan indikator reflektif. Tabel di atas menunjukkan bahwa loading factor memberikan nilai di atas nilai yang disarankan yaitu sebesar 0,5. Nilai paling kecil adalah sebesar 0,70015 untuk indikator KP1. Berarti indikator yang dipergunakan dalam penelitian ini adalah valid atau telah memenuhi convergent validity. Berikut adalah diagram loading factor masing-masing indikator dalam model penelitian: Gambar 2 NILAI LOADING FACTOR

Lebih lanjut, indikator reflektif juga perlu diuji discriminant validity dengan cross loading sebagai berikut: Tabel 2 RESULT FOR CROSS LOADING BO BO1 BO2 BO3

KM

KP

MT

0.89335 0.63664 0.62885 0.49597 0.82232 0.65175 0.65580 0.53919 0.84462 0.61946 0.57426 0.60406

KM1 0.62461 0.78001 0.65380 0.54003 KM2 0.68888 0.84287 0.58820 0.51648 KM3 0.44786 0.76889 0.47245 0.50685 KM4 0.62650 0.80161 0.58733 0.61814 KM5 0.58046 0.82647 0.56924 0.52591 KP1 KP2 KP3 KP4 KP5 KP6 MT1 MT2 MT3 0.47064 0.45977 0.70015 0.56813 0.64951 0.75447 0.74459 0.66285 0.39754 0.40267 0.74555 0.41818 0.38730 0.35028 0.74742 0.35960 0.62638 0.51969 0.78854 0.48857 0.59890 0.57461 0.74880 0.60346 0.53108 0.52631 0.63638 0.78258 0.51768 0.63783 0.59191 0.86810 0.52699 0.48718 0.53629 0.80563

Suatu indikator dinyatakan valid jika mempunyai loading factor tertinggi kepada konstruk yang dituju dibandingkan loading factor kepada konstruk lain. Tabel di atas menunjukkan bahwa loading factor untuk indikator BO (BO1 sampai dengan BO3) mempunyai loading factor kepada konstruk BO lebih tinggi dari pada dengan konstruk yang lain. Sebagai ilustrasi loading factor BO1 kepada BO adalah sebesar 0,89335 yang lebih tinggi dari pada loading factor kepada KM (0,63664), KP (0,62885) dan MT (0,49597). Hal serupa juga tampak pada indikator-indikator yang lain. Dengan demikian, kontrak laten memprediksi indikator pada blok mereka lebih baik dibandingkan dengan indikator di blok yang lain. Metode lain untuk melihat discriminant validity adalah dengan melihat nilai square root of average variance extracted (AVE). Nilai yang disarankan adalah di atas 0,5. Berikut adalah nilai AVE dalam penelitian ini: Tabel 3 AVERAGE VARIANCE EXTRACTED (AVE) Average variance extracted (AVE) BO KM KP MT 0.729221 0.647136 0.556932 0.671688

Tabel di atas memberikan nilai AVE di atas 0,5 untuk semua konstruk yang terdapat pada model penelitian. Nilai terendah AVE adalah sebesar 0,556932 pada konstruk KP (Kinerja Pegawai). 2. Uji Reliabilitas Uji 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. Berikut adalah nilai composite reliability pada output: Tabel 4 COMPOSITE RELIABILITY Composite Reliability BO 0.889739 KM 0.901564 KP 0.882809 MT 0.859663 Tabel di atas menunjukkan bahwa nilai composite reliability untuk semua konstruk adalah di atas 0,7 yang menunjukkan bahwa semua konstruk pada model yang diestimasi memenuhi kriteria discriminant validity. Nilai composite reliability yang terendah adalah sebesar 0,859663 pada konstruk MT (Motivasi). Uji reliabilitas juga bisa diperkuat dengan Cronbachs Alpha di mana output SmartPLS Versi 2 memberikan hasil sebagai berikut:

Tabel 4 CRONBACHS ALPHA Cronbachs Alpha BO 0.813561 KM 0.863653 KP 0.843144 MT 0.754684 Nilai yang disarankan adalah di atas 0,6 dan pada tabel di atas menunjukkan bahwa nilai Cronbachs Alpha untuk semua kontruk berada di atas 0,6. Nilai terendah adalah sebesar 0,754684 (MT). Pengukuran Communality dan Redundancy dengan program SmartPLS Versi 2 memberikan hasil sebagai berikut: Tabel 4.5 COMMUNALITY DAN REDUNDANCY Communality Redundancy BO 0.729221 KM 0.647136 KP 0.556931 MT 0.671688 0.193178 0.201730 0.403785

Tampak bahwa nilai communality pada semua kontruk di atas 0,5 yang memperkuat hasil pengujian dengan Composite Reliability dan Cronbachs Alpha. Lebih lanjut, nilai Redundancy BO adalah sebesar 0,403786 yang termasuk tinggi. Juga R untuk KP dan MT di atas 0,15 di mana nilai tersebut adalah masuk pada kategori tinggi. B. Pengujian Model Struktural (Inner Model) Setelah model yang diestimasi memenuhi kriteria Outer Model, berikutnya dilakukan pengujian model structural (Inner model). Berikut adalah nilai R-Square pada konstruk: Tabel 6 R-SQUARE R-square BO 0.556247 KM KP 0.660472 MT 0.498196 Tabel di atas memberikan nilai 0,556247 untuk konstruk BO yang berarti bahwa KM mampu menjelaskan varians BO sebesar 55,6247%. Nilai R juga terdapat pada KP yang

dipengaruhi oleh KM, MT dan BO yaitu sebesar 0,660472 dan MT yang dipengaruhi oleh KM dan BO yaitu sebesar 0,498196. Pengujian hipotesis adalah sebagai berikut: Tabel 7 UJI HIPOTESIS Standard Standard Original Sample Mean T Statistics (| Deviation Error Sample (O) (M) O/STERR|) (STDEV) (STERR) BO -> KP BO -> MT KM -> BO KM -> KP KM -> MT MT -> KP 0.32109 0.30948 0.74582 0.24342 0.44423 0.34999 0.30654 0.31831 0.74832 0.25176 0.43422 0.35972 0.11268 0.09762 0.04127 0.09068 0.11648 0.08581 0.11268 0.09762 0.04127 0.09068 0.11648 0.08581 2.84958 3.17041 18.07381 2.68447 3.81383 4.07855

Tabel di atas menunjukkan bahwa hubungan antara KM dengan KP adalah signifikan dengan T-statistik sebesar 2,68447 (> 1,96). Nilai original sample estimate adalah positif yaitu sebesar 0,24342 yang menunjukkan bahwa arah hubungan antara MT dengan KP adalah positif. Dengan demikian hipotesis H1 dalam penelitian ini yang menyatakan bahwa Kepemimpinan berpengaruh terhadap kinerja pegawai diterima Tabel di atas menunjukkan bahwa hubungan antara BO dengan KP adalah signifikan dengan T-statistik sebesar 2,8496 (> 1,96). Nilai original sample estimate adalah positif yaitu sebesar 0,32109 yang menunjukkan bahwa arah hubungan antara BO dengan KP adalah positif. Dengan demikian hipotesis H2 dalam penelitian ini yang menyatakan bahwa Budaya Organisasi berpengaruh terhadap kinerja pegawai diterima. Tabel di atas menunjukkan bahwa hubungan antara MT dengan KP adalah signifikan dengan T-statistik sebesar 4,07855 (> 1,96). Nilai original sample estimate adalah positif yaitu sebesar 0,34999 yang menunjukkan bahwa arah hubungan antara MT dengan KP adalah positif. Dengan demikian hipotesis H3 dalam penelitian ini yang menyatakan bahwa Motivasi berpengaruh terhadap kinerja pegawai diterima. Tabel di atas menunjukkan bahwa hubungan antara KM dengan MT adalah signifikan dengan T-statistik sebesar 3,81383 (> 1,96). Nilai original sample estimate adalah positif yaitu sebesar 0,44423 yang menunjukkan bahwa arah hubungan antara KM dengan MT adalah positif. Dengan demikian hipotesis H4 dalam penelitian ini yang menyatakan bahwa Kepemimpinan berpengaruh terhadap motivasi pegawai diterima. Tabel di atas menunjukkan bahwa hubungan antara BO dengan MT adalah signifikan dengan T-statistik sebesar 3,17041 (> 1,96). Nilai original sample estimate adalah positif yaitu sebesar 0,30948 yang menunjukkan bahwa arah hubungan antara BO dengan MT adalah positif. Dengan demikian hipotesis H5 dalam penelitian ini yang menyatakan bahwa Budaya organisasi berpengaruh terhadap motivasi pegawai diterima. Tabel di atas menunjukkan bahwa hubungan antara KM dengan BO adalah signifikan dengan T-statistik sebesar 18,07381 (> 1,96). Nilai original sample estimate adalah positif yaitu sebesar 0,74582 yang menunjukkan bahwa arah hubungan antara KM dengan BO adalah positif. Dengan demikian hipotesis H6 dalam penelitian ini yang menyatakan bahwa Kepemimpinan berpengaruh terhadap budaya organisasi pegawai diterima.

Berdasarkan nilai original sample estimate maka diperoleh bahwa nilai tertinggi yang mempengaruhi motivasi (MT) adalah pada kepemimpinan (KM) yaitu sebesar 0,44423. Hal tersebut menunjukkan bahwa kepemimpinan mempunyai pengaruh terhadap motivasi lebih tinggi dari pada pengaruh antara budaya organisasi terhadap motivasi (0,30948). Lebih lanjut, dari tiga variabel yang mempengaruhi kinerja pegawai (KP) secara langsung, yaitu kepemimpinan, budaya organisasi dan motivasi, yang paling besar pengaruhnya adalah motivasi karena mempunyai nilai original sample estimate tertinggi yaitu sebesar 0,34999 dibandingkan dua variabel yang lain. Dengan demikian motivasi merupakan variabel yang paling dominan dalam mempengaruhi kinerja pegawai. Sedangkan variabel yang paling tidak dominan adalah kepemimpinan yaitu dengan original sample estimate terkecil yaitu sebesar 0,24342. Berikut adalah diagram nilai T statistic berdasarkan output dengan SmartPLS Versi 2: Gambar 3 OUTPUT BOOTSTRAPPING