71

BAB IV
ANALISIS DAN PEMBAHASAN

Bab ini memaparkan gambaran umum subyek penelitian, analisis data, dan

pembahasan.

4.1 Gambaran Umum Ditjen PHI dan Jamsos

Direktorat Jenderal Pembinaan Hubungan Industrial dan Jaminan

Sosial Tenaga Kerja (disingkat Ditjen PHI dan Jamsos) adalah pelaksana

yang berada di bawah dan bertanggung jawab kepada Menteri

Ketenagakerjaan. Direktorat Jenderal Pembinaan Hubungan Industrial dan

Jaminan Sosial Tenaga Kerja dipimpin oleh Direktur Jenderal Pembinaan

Hubungan Industrial dan Jaminan Sosial Tenaga Kerja.

4.1.1 Tugas dan Fungsi

Berdasarkan Peraturan Menteri Ketenagakerjaan Nomor 13 Tahun

2015 tentang Organisasi dan Tata Kerja Kementerian

Ketenagakerjaan, Direktorat Jenderal Pembinaan Hubungan Industrial dan

Jaminan Sosial Tenaga Kerja mempunyai tugas menyelenggarakan

perumusan dan pelaksanaan kebijakan di bidang hubungan industrial dan

jaminan sosial tenaga kerja. Dalam melaksanakan tugas, Direktorat

Jenderal Pembinaan Hubungan Industrial dan Jaminan Sosial Tenaga Kerja

menyelenggarakan fungsi:
 72

a. Perumusan kebijakan di bidang persyaratan kerja, pengupahan,

jaminan sosial tenaga kerja, kelembagaan dan kerja sama hubungan

industrial, serta penyelesaian perselisihan hubungan industrial;

b. Pelaksanaan kebijakan di bidang persyaratan kerja, kelembagaan dan

kerja sama hubungan industrial, serta penyelesaian perselisihan

hubungan industrial;
c. Penyusunan norma, standar, prosedur dan kriteria di bidang

persyaratan kerja, pengupahan, jaminan sosial tenaga kerja,

kelembagaan dan kerja sama hubungan industrial, serta penyelesaian

perselisihan hubungan industrial;

d. Pemberian bimbingan teknis dan supervisi di bidang persyaratan

kerja, pengupahan, jaminan sosial tenaga kerja, kelembagaan dan

kerja sama hubungan industrial, serta penyelesaian perselisihan

hubungan industrial;
e. Pelaksanaan evaluasi dan pelaporan di bidang persyaratan kerja,

pengupahan, jaminan sosial tenaga kerja, kelembagaan dan kerja sama

hubungan industrial, serta penyelesaian perselisihan hubungan

industrial;
f. Pelaksanaan administrasi Direktorat Jenderal Pembinaan Hubungan

Industrial dan Jaminan Sosial Tenaga Kerja; dan pelaksanaan fungsi

lain yang diberikan oleh Menteri Ketenagakerjaan.

4.1.2 Visi dan Misi

Visi dari Ditjen PHI dan Jamsos adalah:
 73

Terwujudnya Hubungan Industrial Yang Harmonis, Dinamis,

Berkeadilan Dan Bermartabat Yang Menjamin Kelangsungan Usaha Dan

Peningkatan Kesejahteraan Pekerja / Buruh.

Misi dari Ditjen PHI dan Jamsos, adalah

a. Mewujudkan syarat kerja yang menjamin kesejahteraan dan

produktivitas tanpa diskriminasi l ;

b. Mewujudkan kelembagaan hubungan industrial yang profesional ;
c. Mewujudkan pekerja / buruh yang sejahtera, profesional yang

mampu meningkatkan daya saing usaha ;

d. Melaksanakan pengurusan penyelesaian perselisihan hubungan

industrial secara cepat dan tepat ;

e. Membangun dan memperkuat jejaring informasi dan jejaring kerja

baik regional, nasional dan internasional ;

f. Membangun dan memperkuat sistem administrasi dan pelaporan.

4.1.3 Susunan Organisasi

Direktorat Jenderal Pembinaan Hubungan Industrial dan Jaminan

Sosial Tenaga Kerja terdiri atas:

a. Sekretariat Direktorat Jenderal

b. Direktorat Persyaratan Kerja
c. Direktorat Pengupahan
d. Direktorat Jaminan Sosial Tenaga Kerja
e. Direktorat Kelembagaan dan Kerja Sama Hubungan Industrial
f. Direktorat Penyelesaian Perselisihan Hubungan Industrial

4.2 Analisis Data

Keabsahan atau kesahihan hasil penelitian sangat ditentukan oleh

data diperoleh dari alat ukur yang digunakan. Untuk menguji apakah alat

ukur (instrument) yang digunakan memenuhi syarat-syarat alat ukur yang

baik, sehingga mengahasilkan data yang sesuai dengan apa yang diukur,

sebelum data yang diperoleh digunakan untuk menghitung pengaruh antar

 74

variabel sesuai hipotesis yang diajukan, maka dilakukan uji validitas dan

reliabilitas. Setelah dilakukan pengembangan kerangka berpikir dan

instrumen penelitian, maka dilakukan penyebaran kuesioner terhadap 30

responden dalam rangka pre-test.

4.2.1 Uji Reliabilitas

Uji reliabilitas dilakukan untuk mengetahui apakah pertanyaan

yang digunakan konsisten atau tidak. Metode yang digunakan dalam

penelitian ini adalah Cronbach’s Alpha.

Adapun cara yang digunaka untuk menguji reliabilitas kuesioner

dalam penelitian ini adalah mengukur reliabilitas dengan uji statistik

Cronbach Alpha. Kriteria reliabilitas adalah :

 Apabila hasil koefisien Alpha lebih besar dari taraf signifikansi 60%

atau 0,6 maka kuesioner tersebut reliable.

 Apabila hasil koefisien Alpha lebih kecil dari taraf signifikansi 60%

atau 0,6 maka kuesioner tersebut tidak reliable

Tabel 4.1: Hasil CA Instrumen Penelitian (Pre-Test, n=30)

Variabel ∑ Indikator Awal ∑ Indikator Akhir CA

10 butir 10 butir
Kompetensi (X11,X12,X13,X14,X15 (X11,X12,X13,X14,X15, 0.894
( X1 ) ,X16,X17,X8, X19,X110) X16,X17,X8, X19,X110)
10 butir 10 butir
Motivasi Kerja (X21,X22,X13,X24,X25 (X21,X22,X13,X24,X25, 0.920
( X2 ) ,X26,X27,X28, X39,X110) X26,X27,X28, X39,X110)
 75

Variabel ∑ Indikator Awal ∑ Indikator Akhir CA

10 butir 9 butir
Kinerja (Y11, Y12, Y1_3, Y14, (Y11, Y12, Y13, Y1 4, Y15,
0.940
(Y1) Y15, Y16, Y1_7, Y1_9, Y1_10)
Y16, Y7, Y18, Y19, Y110)
10 butir 10 butir
Kompensasi (Y21,Y22, Y23, Y24, Y25, (Y21,Y22,Y23, Y24, Y25),
0.885
(Y2) Y26, Y27, Y28, Y29, Y26, Y27, Y28, Y29, Y210)
Y210)
Sumber: Lampiran

Hasil pengujian reliabilitas yang diukur dengan nilai Croanbach’s

Alpha (CA) pada Tabel 4.1. merupakan hasil pengolahan data dengan

perangkat lunak SPSS versi 20. Dari 40 instrumen, seluruh instrumen

dapat digunakan karena nilai CA > 0,6 (Arikunto dalam Janita Sembiring,

2014).

4.2.2 Uji Validitas

Uji validitas dilakukan dengan membandingkan nilai r hitung

dengan nilai r tabel untuk degree of freedom (df) = 30-2 dengan alpha

0,05. Jika r hitung lebih besar dari 0,361 dan nilai r positif, maka butir atau

pertanyaan tersebut dikatakan valid (Sugiyono, 2014). Untuk hasil analisis

dapat dilihat pada output uji reliabilitas pada bagian corrected item total

correlation. Metode yang digunakan adalah korelasi Product Moment

dengan cara mengkorelasikan skor jawaban pada setiap butir pertanyaan

 76

dengan skor total dikoreksi. Kriteria yang digunakan untuk penentuan item

valid atau tidak adalah :

 Apabila r hitung > r tabel (0,361), maka dapat dikatakan item

kuesioner valid (diterima).

 Apabila r hitung < r tabel (0,361), maka dikatakan item kuesioner

tidak valid (tidak diterima).

Hasil uji validitas instrumen setiap variabel adalah :

1. Hasil Uji Validitas Variabel Kompetensi (X1)

Variabel Kompetensi Kerja (X1) diukur dengan 10 item

pernyataan sebagai indikator. Hasil perhitungan mengenai uji

validitas Variabel Kompetensi (X1) dapat dilihat pada tabel

sebagai berikut :

Tabel 4.2 Hasil Uji Validitas Variabel Kompetensi (X1)

Item R Rtabel Kesimpulan

x11 0.439 0.361 Valid
x12 0.696 0.361 Valid
x13 0.758 0.361 Valid
x14 0.706 0.361 Valid
x15 0.539 0.361 Valid
x16 0.677 0.361 Valid
x17 0.657 0.361 Valid
x18 0.713 0.361 Valid
x19 0.683 0.361 Valid
x110 0.643 0.361 Valid
Sumber : Hasil Pengujian Validitas Instrumen, 2017
 77

Tabel 4.2 menunjukkan hasil perhitungan nilai korelasi skor

item dengan skor total skor variabel Kompetensi (X1). Diperoleh

seluruh item pernyataan yang digunakan memiliki nilai korelasi

lebih dari 0, 361 sebagai nilai batas suatu item kuesioner

penelitian dikatakan dapat digunakan (dapat diterima) berdasarkan

kriteria yang ditetapkan. Sehingga dapat dikatakan bahwa seluruh

item kuesioner variabel Kompetensi valid dan dapat digunakan

untuk mengukur variabel Kompetensi.

2. Hasil Uji Validitas Variabel Motivasi (X2)

Variabel Motivasi (X2) diukur dengan 10 item pernyataan

sebagai indikator. Hasil perhitungan mengenai uji validitas

Variabel Motivasi (X2) dapat dilihat pada tabel sebagai berikut :

Tabel 4.3 Hasil Uji Validitas Variabel Motivasi (X2)

Item R Rtabel Kesimpulan

X21 0.710 0.361 Valid
X22 0.666 0.361 Valid
X23 0.742 0.361 Valid
X24 0.664 0.361 Valid
X25 0.631 0.361 Valid
X26 0.697 0.361 Valid
X27 0.795 0.361 Valid
X28 0.645 0.361 Valid
X29 0.721 0.361 Valid
 78

X210 0.720 0.361 Valid

Sumber : Hasil Pengujian Validitas Instrumen, 2017

Tabel 4.3 menunjukkan hasil perhitungan nilai korelasi skor

item dengan skor total skor variabel Motivasi (X2). Diperoleh 10

item pernyataan yang digunakan dalam instrumen Motivasi (X2)

memiliki nilai korelasi lebih dari 0,361 sebagai nilai batas suatu

item kuesioner penelitian dikatakan dapat digunakan (dapat

diterima) berdasarkan kriteria yang ditetapkan. Sehingga dapat

dikatakan bahwa 10 item kuesioner variabel Motivasi seluruhnya

valid dan dapat digunakan untuk mengukur variabel Motivasi.

3. Hasil Uji Validitas Variabel Kinerja (Y1)

Variabel Kinerja (Y1) diukur dengan 10 item pernyataan

sebagai indikator. Hasil perhitungan mengenai uji validitas

Variabel Kinerja (Y1) dapat dilihat pada tabel sebagai berikut :

Tabel 4.4 Hasil Uji Validitas Variabel Kinerja (Y1)

Item R Rtabel Kesimpulan

Y11 0.614 0.361 Valid
Y12 0.831 0.361 Valid
Y13 0.677 0.361 Valid
Y14 0.863 0.361 Valid
Y15 0.846 0.361 Valid
Y16 0.720 0.361 Valid
Y17 0.810 0.361 Valid
Y18 0.695 0.361 Valid
Y19 0.838 0.361 Valid
 79

Y110 0.718 0.361 Valid

Sumber : Hasil Pengujian Validitas Instrumen, 2017

Tabel 4.4 menunjukkan hasil perhitungan nilai korelasi skor

item dengan skor total skor variabel Kinerja (Y1). Diperoleh 10

item pernyataan yang digunakan dalam instrumen Kinerja (Y1)

memiliki nilai korelasi lebih dari 0,361 sebagai nilai batas suatu

item kuesioner penelitian dikatakan dapat digunakan (dapat

diterima) berdasarkan kriteria yang ditetapkan. Sehingga dapat

dikatakan bahwa 9 item kuesioner variabel Kinerja seluruhnya

valid dan dapat digunakan untuk mengukur variabel Kinerja .

4. Hasil Uji Validitas Variabel Kompensasi (Y2)

Variabel Kompensasi (Y2) diukur dengan 10 item

pernyataan sebagai indikator. Hasil perhitungan mengenai uji

validitas Variabel Kompensasi (Y2) dapat dilihat pada tabel

sebagai berikut :

Tabel 4.5 Hasil Uji Validitas Variabel Kompensasi (Y2)

Item R Rtabel Kesimpulan

1 0.578 0.361 Valid
2 0.638 0.361 Valid
3 0.636 0.361 Valid
4 0.545 0.361 Valid
5 0.598 0.361 Valid
6 0.480 0.361 Valid
7 0.741 0.361 Valid
8 0.598 0.361 Valid
 80

9 0.712 0.361 Valid

10 0.580 0.361 Valid
Sumber : Hasil Pengujian Validitas Instrumen, 2017

Tabel 4.5 menunjukkan hasil perhitungan nilai korelasi skor

item dengan skor total skor variabel Kompensasi (Y2). Diperoleh

seluruh item pernyataan yang digunakan dalam instrumen

Kompensasi (Y2) memiliki nilai korelasi lebih dari 0,361 sebagai

nilai batas suatu item kuesioner penelitian dikatakan dapat

digunakan (dapat diterima) berdasarkan kriteria yang ditetapkan.

Sehingga dapat dikatakan bahwa item kuesioner variabel

Kompensasi (Y2) seluruhnya valid dan dapat digunakan untuk

mengukur variabel Kompensasi (Y2).

4.2.3 Profil Responden

Berdasarkan kuesioner yang terkumpul, keseluruhan 129 kuesioner

terisi dengan lengkap dan tepat. Tabel 4.6 memaparkan profil responden

pegawai Ditjen PHI dan Jamsos:

Tabel 4.6 Profil Responden (n=129)

No Indikator Frekuensi Persentase

Jenis kelamin:
1 a. Pria 73 57%
b. Wanita 56 43%
Usia:
a. 21 - 30 tahun 20 16%
2 b. 30-40 tahun 38 29%
c. 40-50 tahun 53 41%
d. > 50 tahun 18 14%
 81

Jabatan :
a. Struktural 39 30%
3
b. Fungsional Khusus 23 18%
c. Fungsional Umum 67 52%
Masa Kerja :
a. < 5 Tahun 28 22%
4
b. 5 – 10 tahun 54 42%
c. > 10 tahun 47 36%
Pendidikan
SLTA atau dibawahnya 6 5%
Akademi/Diploma 43 33%
5
S1 52 40%
S2 25 19%
Lain-lain 3 2%
Pelatihan /Diklat yang pernah
diikuti
Diklat/Pelatihan Manajemen 37 29%
6
Diklat/Pelatihan Teknis 54 42%
Seminar/Workshop/Bimtek 34 26%
Lain-lain 4 3%
Sumber: Lampiran

Mayoritas responden yang diteliti berjenis kelamin pria (57%),

berusia antara 40-50 tahun (41%), memiliki jabatan Fungsional Umum

(52%), masa kerja 5-10 tahun (42%), berpendidikan S1 (40%), dan

pelatihan/diklat yang pernah diikuti sebagian besar adalah pelatihan teknis

(42%).

4.2.4. Analisis Deskriptive Frekeunsi

Frekuensi dapat memberikan gambaran umum mengenai persepsi

responden terhadap variabel yang diteliti pada Tabel 4.7:

Tabel 4.7: Kriteria Penilaian Kondisi Setiap Variabel

 82

No Persentase
1 20% - 36%
2 36,1% - 52%
3 52,1% - 68%
4 68,1% - 84%
5 84,1% - 100%
Hasil
Sangat tidak Setuju/Sangat
Rendah
Tidak Setuju/Rendah
Kurang Setuju/Kurang
Setuju/Tinggi
Sangat Setuju/Sangat tinggi

Ketercapaian skor setiap variabel adalah sebagai berikut :

Tabel 4.8 Ketercapaian Skor Setiap Variabel

No Variabel Persentase Kriteria

1. Kompetensi 86% Setuju/Tinggi
2. Motivasi Kerja 87% Setuju/Tinggi
3. Kinerja 79% Setuju/Tinggi
4. Kompensasi 78% Setuju/Tinggi

Berdasarkan tabel ketercapaian skor variabel kompetensi pegawai

adalah 86%. Berdasarkan pedoman penilaian, maka tanggapan responden

tentang kompetensi berada pada kisaran setuju, maka kompetensi pegawai

Ditjen PHI dan Jamsos dikategorikan tinggi.

Ketercapaian skor variabel motivasi kerja adalah 87%.

Berdasarkan pedomanan penilaian, maka tanggapan responden tentang

motivasi kerja berada pada kisaran setuju, maka motivasi kerja pegawai

Ditjen PHI dan Jamsos dikategorikan tinggi.

Berdasarkan tabel ketercapaian skor variabel Kinerja adalah 79.

Berdasarkan pedomanan penilaian, maka tanggapan responden tentang

Kinerja berada pada kisaran setuju, maka Kinerja pegawai Ditjen PHI dan

Jamsos dikategorikan tinggi.

 83

Berdasarkan tabel ketercapaian skor variabel Kompensasi adalah

78%. Berdasarkan pedomanan penilaian, maka tanggapan responden

tentang Kompensasi berada pada kisaran setuju, maka kompensasi yang

diterima pegawai Ditjen PHI dan Jamsos dikategorikan tinggi.

4.2.5. Pengaruh Kompetensi dan Motivasi Kerja Terhadap Kinerja Pegawai

serta Dampaknya Terhadap Kompensasi.

Untuk mengetahui pengaruh Motivasi Kerja dan Kompetensi

Terhadap Kinerja Pegawai serta Dampaknya Terhadap Kompensasi dalam

penelitian ini digunakan Structural Equation Modelling (SEM).

1. Uji Asumsi Klasik

Dalam analisis SEM, data yang diperoleh berdasarkan

jumlah sampel penelitian kemudian diuji secara statistik. Langkah

awal pengujian adalah dengan uji normalitas dan uji

multikolinearitas, yang dikenal dengan uji asumsi klasik.

Setelahnya akan dilakukan pengujian validitas indikator maupun

variabel dan reliabilitas gabungan. Setelah seluruh data diuji

dengan seluruh tahap tersebut, kemudian dapat dilaksanakan

pengujian kesesuaian model penelitian dan pengujian hipotesis.

Uji asumsi klasik adalah uji statistik yang meliputi uji

normalitas dan multikolinearitas. Dalam analisis yang

menggunakan pendekatan multivariat, uji asumsi klasik menjadi

penting untuk memastikan bahwa data yang ada merupakan data

 84

yang memiliki sebaran normal dan setiap variabel penelitian tidak

memiliki korelasi sempurna.

2. Uji Normalitas

Dalam upaya untuk mengetahui distribusi data pada suatu

variabel matrik tunggal yang menghasilkan distribusi normal,

dilakukan uji normalitas (Hair et al., 1998; Ghozali & Fuad, 2008).

Data yang memiliki normalitas yang baik adalah data yang nilai Z

skewnessnya tidak lebih dari dua dan nilai Z kurtosisnya tidak lebih

dari 7 (lihat Tabel 4.9.). Mengingat penelitian ini menggunakan dua

instrumen penelitian, maka pengujian dilakukan terhadap data

berbeda yang terkumpul dari kedua instrumen tersebut.

Tabel 4.9: Tabel Uji Normalitas

Skewness Kurtosis Skewness and Kurtosis

Variable Z-Score P-Value Z-Score P-Value Chi-Square P-Value
X11 -1.964 0.050 -0.988 0.323 4.833 0.089
X12 -2.442 0.015 -1.383 0.167 7.877 0.019
X13 -3.308 0.001 -0.988 0.323 11.921 0.003
X14 -1.799 0.072 -0.951 0.342 4.139 0.126
X15 -3.102 0.002 -1.214 0.225 11.096 0.004
X16 -2.373 0.018 -1.310 0.190 7.346 0.025
X17 -1.881 0.060 -1.012 0.312 4.560 0.102
X18 -1.724 0.085 -0.876 0.381 3.738 0.154
X19 -0.932 0.351 -0.106 0.915 0.879 0.644
X110 -1.747 0.081 -0.789 0.430 3.675 0.159
X21 -2.064 0.039 -1.048 0.295 5.360 0.069
 85

X22 -2.384 0.017 -1.264 0.206 7.281 0.026

X23 -2.297 0.022 -1.248 0.212 6.835 0.033
X24 -1.893 0.058 -0.918 0.359 4.427 0.109
X25 -1.781 0.075 -0.999 0.318 4.172 0.124
X26 -1.611 0.107 -0.865 0.387 3.342 0.188
X27 -2.731 0.006 -1.253 0.210 9.031 0.011
X28 -1.953 0.051 -1.109 0.267 5.044 0.080
X29 -2.211 0.027 -1.224 0.221 6.387 0.041
X210 -2.625 0.009 -1.368 0.171 8.763 0.013
Y11 -1.308 0.191 -0.104 0.917 1.721 0.423
Y12 -2.766 0.006 -2.153 0.031 12.290 0.002
Y13 -0.840 0.401 -0.830 0.406 1.394 0.498
Y14 -2.352 0.019 -1.492 0.136 7.757 0.021
Y15 -1.693 0.091 -1.363 0.173 4.724 0.094
Y16 -1.145 0.252 -1.060 0.289 2.436 0.296
Y17 -1.826 0.068 -1.047 0.295 4.431 0.109
Y18 -0.931 0.352 -0.919 0.358 1.713 0.425
Y19 -2.326 0.020 -1.252 0.211 6.979 0.031
Y110 -1.398 0.162 -1.877 0.061 5.476 0.065
Y21 -1.443 0.149 -1.795 0.073 5.304 0.071
Y22 -2.182 0.029 -2.303 0.021 10.063 0.007
Y23 -1.602 0.109 -1.900 0.057 6.177 0.046
Y24 -1.430 0.153 -0.866 0.386 2.794 0.247
Y25 -2.079 0.038 -1.515 0.130 6.618 0.037
Y26 -1.150 0.250 -0.946 0.344 2.218 0.330
Y27 -1.818 0.069 -2.628 0.009 10.210 0.006
Y28 -1.917 0.055 -1.578 0.115 6.162 0.046
Y29 -1.629 0.103 -1.548 0.122 5.053 0.080
Y210 -1.934 0.053 -2.272 0.023 8.900 0.012
Relative Multivariate Kurtosis = 1.003

Sumber : Lampiran (Hasil Olah Lisrel)

Tabel 4.9 menginformasikan bahwa data yang digunakan

memiliki distribusi normal, di mana tidak terdapat nilai z skewness

> 2 dan nilai z kurtosis >7.

3. Uji Multikolinearitas

Salah satu uji asumsi klasik yang perlu dilakukan adalah uji

multikolinearitas. Asumsi multikolinearitas berguna untuk

memastikan tidak adanya korelasi sempurna atau besar di antara

variabel independen. Nilai korelasi antara variabel independen

 86

yang tidak diperbolehkan adalah sebesar 0.9 atau lebih (lihat Tabel

4.10).

Tabel 4.10: Tabel Kolerasi Antar Variabel Independen

Correlation Matrix of Independent Variables

KOMPET MOTIV
-------- --------
KOMPET 1.00

MOTIV 0.48 1.00

(0.07)
6.48
Sumber : Lampiran (hasil olah Lisrel)

Jika dilihat berdasarkan Tabel 4.10 dapat disimpulkan

bahwa korelasi antara variabel independen sebesaar 0.48, tidak

memiliki korelasi sempurna atau lebih kecil dari 0.9. Oleh karena

itu data empiris yang digunakan memenuhi asumsi kolinearitas dan

normalitas, sehingga dapat digunakan untuk tahap analisis

berikutnya pada SEM.

4. Uji Validitas dan Analisis Faktor Konfirmatori (CFA)

Setelah data yang digunakan dianalisis dengan uji asumsi

klasik, setiap indikator dan variabel penelitian kemudian diuji

validitas dan reliabilitasnya. Hal ini dilakukan untuk memberikan

gambaran statistik tentang daya beda dan reliabilitas seluruh

indikator dan variabel penelitian.

Sebagai bagian dari langkah analisis SEM, analisis

konfirmatori berguna untuk menguji struktur faktor suatu teori, dan

untuk mengkonfirmasi ulang konsep dan struktur teori yang ada

 87

(Tabachnick & Fidel, 2001; Ferdinand, 2002). Dari hasil

pengolahan data untuk menghasilkan informasi CFA dengan

perangkat lunak LISREL 8.70, dapat pula dilakukan secara

bersamaan pengamatan terhadap validitas konstruk setiap indikator.

Suatu indikator dikategorikan memiliki validitas yang baik

jika nilai-t dalam standardized loading > 1.96, dan harus ≥ 0.5

(Hair et al., 1998), untuk tingkat p=0.05 dengan jumlah sampel

129 orang. Sementara itu, dalam mengukur kecocokan model

variabel dengan data yang digunakan, alat uji yang dijadikan

patokan adalah kriteria goodness of fit (Jaccard & Wan, 1996).

Hasil uji validitas, CFA, dan fit atau tidaknya setiap variabel

dengan data yang ada menunjukkan bahwa sebagian indikator pada

suatu variabel tidak memenuhi kriteria sementara yang lainnya

memenuhi kriteria (dapat dilihat pada lihat Gambar 4.1 - Gambar

4.4).

Gambar 4.1 CFA Kompetensi (KOMPET)

 88

Gambar 4.2 CFA Motivasi (MOTIV)

Gambar 4.3 CFA Kinerja

 89

Gambar 4.4 CFA Kompensasi (KOMP)

 90

Setelah melakukan pengujian validitas setiap indikator

(Gambar 4.1 – 4.4), ditemukan bahwa setiap indikator memiliki

validitas yang baik, dimana nilai loading faktor > 0,5 dan

signifikan.

Tabel 4.11 : Tabel Ringkasan Hasil CFA Instrumen

Variabel dan P-
Loading RMSEA GFI AGFI Kesimp.
Indikator VALUE
x11 0.77
x12 0.82
x13 0.76
x14 0.81
Kompetensi x15 0.76
0.571 0.000 0.58 0.92 Good Fit
(KOM) x16 0.78
x17 0.79
x18 0.76
x19 0.70
x110 0.76
X21 0.73
X22 0.78
X23 0.75
X24 0.73
Motivasi X25 0.77
0.550 0.000 0.95 0.92 Good Fit
(MOTIV) X26 0.77
X27 0.77
X28 0.73
X29 0.76
X210 0.59
Y11 0.68
Y12 0.76
Y13 0.70
Y14 0.73
Y15 0.76
Kinerja 0.155 0.053 0.94 0.91 Good t Fit
Y16 0.67
Y17 0.75
Y18 0.70
Y19 0.70
Y110 0.70
Y21 0.75
Y22 0.73
Y23 0.79
Y24 0.69
Kompensasi Y25 0.62
0.063 0.063 0.91 0.86 Good Fit
(KOMP) Y26 0.76
Y27 0.76
Y28 0.77
Y29 0.64
Y210 0.65
Sumber : Lampiran Hasil Uji CFA
 91

Dari tabel 4.11 dapat dilihat beberapa ukuran Goodness of Fit dari

variabel. Dimana terlihat bahwa variabel-variabel tersebut

memenuhi kriteria model fit. Ini berarti bahwa variabel-variabel

dalam model tersebut dapat dikatakan fit.

4.2.6. Pengujian Pengaruh Kompetensi dan Motivasi Terhadap Kinerja

Pegawai Serta efeknya terhadap Kompensasi

Setelah model pengukuran dianalisis melalui Confirmatory Factor

Analysis dan dilihat bahwa masing-masing variabel dapat digunakan untuk

mendefinisikan sebuah konstruk laten, maka sebuah full-model SEM dapat

dianalisis. Hasil pengolahan Lisrel dapat dilihat pada Gambar 4.5 berikut:

Gambar 4.5 Full Model SEM Estimate

Sumber : Hasil Uji Lisrel

Gambar 4.5 digunakan untuk menguji model kausalitas yang telah

dinyatakan sebelumnya. Melalui analisis Full Model akan terlihat ada

tidaknya kesesuaian model dan hubungan kausalitas yang dibangun dalam

 92

model yang diuji. Hasil kesesuaian dalam penelitian, diperoleh tingkat

signifikansi untuk uji perbedaan adalah chi-square sebesar 796, 94 dengan

RMSEA sebesar 0.026 yang berada di atas batas signifikansi.

Pengujian Struktural Equation Model juga dilakukan dengan dua

macam pengujian, yaitu: uji kesesuaian model serta uji signifikansi

kausalitas.

1. Uji Kesesuaian Model-Goodness-of-fit Test

Hasil uji kesesuaian model dapat dilihat pada Tabel 4.12 dibawah

ini:

Tabel 4.12
Indeks Kesesuaian Model Struktural Equation Model

Goodness
Cut of Hasil Uji Kesimpulan
of fit
Chi-square Diharapkan kecil 796.94 Good Fit
P-Value > 0,05 0.0531 Good Fit
RMR < 0,05 0.043 Good Fit
RMSEA ≤ 0,08 0.026 Good Fit
GFI ≥0,90 0.76 Good Fit
AGFI ≥ 0,90 0.73 Good Fit
NFI ≥ 0,90 0.93 Good fit
CFI ≥ 0,90 0.98 Good Fit
Sumber: Analisis Hasil Olah Lisrel

Pengujian kesesuaian model (goodness of fit) minimal 3

atau 4 kriteria dari 8 kriteria GOF (Jaccard & Wan, 1996; Kline,

1998). Hasil pengujian kesesuaian model pada Tabel 4.12 diatas

menunjukkan X2 = 796.94 dengan dengan p-value = 0.053 merujuk

kepada goodness fit yang baik. Indeks pengukuran kesesuaian

model GFI (0,76) RMSEA (0,026), RMR (0.043) dan CMIN/DF

 93

(796,94) berada dalam rentang nilai yang diharapkan. Dengan

demikian model SEM dapat diterima dan dapat dianalisis lebih

lanjut.

2. Uji Reliabilitas Gabungan

Uji reliabilitas gabungan (composite reliability) merupakan

pengukuran statistik yang berguna untuk mengetahui apakah setiap

indikator memiliki konsistensi yang tinggi dalam mengukur

konstruk latennya (Friedenberg, 1995). Pengukuran reliabilitas

yang digunakan dalam SEM adalah uji reliabilitas gabungan. Uji

ini akan dilakukan pada setiap variabel laten dengan menggunakan

informasi pada loading indikator dan error variance yang diperoleh

dari standardized solutions dan nilai composite reliability yang baik

adalah ≥ 0.70 (Hair et al., 2003) (dapat dilihat pada Tabel 4.13),

dihitung dengan rumus sebagai berikut (Ghozali & Fuad, 2008):

    2 
c   

  2

       
 =composite reliability

 = loading indikator

 = error variance indikator

Tabel 4.13: Tabel Reliabilitas Gabungan Konstruk

 94

Variabel dan Indikator   (∑  )2 ∑

 c
x11 0.77 0.41
x12 0.82 0.33
x13 0.76 0.42
x14 0.81 0.34
Kompetensi
x15 0.76 0.42
(KOMPET) 59.44 4.05 0.936
x16 0.78 0.39
x17 0.79 0.38
x18 0.76 0.42
x19 0.70 0.51
x110 0.76 0.42
X21 0.73 0.47
Motivasi X22 0.78 0.39
(MOTIV) X23 0.75 0.44
X24 0.73 0.47
X25 0.77 0.41
54.46 4.53 0.923
X26 0.77 0.41
X27 0.77 0.41
X28 0.73 0.47
X29 0.76 0.42
X210 0.59 0.65
Kinerja Y11 0.68 0.54
(KINERJA) Y12 0.76 0.42
Y13 0.70 0.51
Y14 0.73 0.47
Y15 0.76 0.42
51.12 4.88 0.913
Y16 0.67 0.55
Y17 0.75 0.44
Y18 0.70 0.51
Y19 0.70 0.51
Y110 0.70 0.51
Y21 0.75 0.44
Y22 0.73 0.47
Kompensasi
Y23 0.79 0.38
(KOMP)
Y24 0.69 0.52
Y25 0.62 0.62
51.27 4.84 0.914
Y26 0.76 0.42
Y27 0.76 0.42
Y28 0.77 0.41
Y29 0.64 0.59
Y210 0.65 0.58
Sumber : Lampiran
Ket :  =composite reliability
 = loading indikator
 = error variance indikator
 95

Setelah dilakukan uji reliabilitas, ditemukan bahwa seluruh

variabel penelitian memiliki reliabilitas yang baik dengan nilai >

0.70. Reliabilitas terendah terdapat pada variabel Kinerja dengan

nilai 0.913, dan tertinggi pada variabel Kompetensi dengan nilai

0.936.

3. Analisa Struktural (Uji Kausalitas-Regression Weight)

Analisis struktural adalah hasil analisis dengan LISREL

yang menginformasikan nilai koefisien determinasi, regresi, dan

nilai faktor loading antar variabel laten. Koefisien determinasi

adalah pengukuran secara statistik kemampuan variabel-variabel

independen untuk menjelaskan secara positif variabel-variabel

dependennya. Nilai ini biasanya diukur dengan persentase. Pada

hasil olahan data yang sama, dapat pula diamati nilai koefisien

regresi, yaitu nilai yang menentukan arah hubungan antar variabel

laten. Sementara itu, nilai-t digunakan untuk memprediksi

hubungan atau pengaruh antar variabel (dapat dilihat pada

Persamaan Gambar 4.6).

Menurut Ferdinand (2002 : 172), untuk menguji hipotesis

mengenai kausalitas yang dikembangkan dalam model, perlu diuji

hipotesis nol yang menyatakan bahwa koefisien regressi antara

hubungan adalah sama dengan nol melalui uji-t yang lazim dalam
 96

model-model regressi. Tabel 4.14 berikut menyajikan nilai-nilai

koefisien regresi dan t-hitungnya.

Tabel 4.14 : Standarized Regresion Weight Structural Equation Model

Estimat
Equation t-value t-table Resume
e
Kompetensi (KOM)  Kinerja 0,35 3.31 1,97
Significant
(KIN))
Motivasi (MO)  Kinerja (KIN) 0,25 2.49 1,97 Significant
Kompetensi (KOM)  0,18 1.99 1,97
Significant
Kompensasi (KOMP)
Motivasi (MO)  Kompensasi 0.22 2.46 1,97
Significant
(KOMP)
Kinerja (KIN)  Kompensasi 0,50 4.60 1,97
Significant
(KOMP)
Sumber : Lisrel Estimate dan t-value

Pada Tabel 4.14 uji statistik dilakukan dengan mengamati

tingkat signifikansi hubungan antar variabel yang ditunjukkan

dengan uji-t dalam regresi. Hubungan yang signifikan ditandai

dengan nilai t - hitung yang lebih besar dari 1,97. Tabel 4.14

menunjukkan nilai t - hitung untuk hubungan kausalitas diatas 1,97

menunjukkan adanya hubungan kausalitas yang signifikan untuk

masing masing variabel. Hasil struktural equation modelling

menghasilkan t-value sebagai berikut :

Gambar 4.6 Full Model SEM t-Value

 97

Tabel 4.15 Full Model SEM t-Value

Struktural equation yang terbangun adalah :

KINERJA = 0.35*KOMPET + 0.25*MOTIV, Errorvar.= 0.73 , R² = 0.27

(0.10) (0.10) (0.17)
3.31 2.49 4.23

KOMP = 0.50*KINERJA + 0.18*KOMPET + 0.22*MOTIV, Errorvar.= 0.46 , R² = 0.54

(0.11) (0.089) (0.088) (0.12)
4.60 1.99 2.46 3.91

Structural Equations

Berdasarkan persamaan struktural terbukti bahwa

Kompetensi (KOMPET) berpengaruh positif signifikan terhadap

Kinerja (KINERJA) dengan koefisien pengaruh sebesar 0,35,

thitung = 3.31 > t tabel =1,97. Motivasi (MOTIV) berpengaruh

positif signifikan terhadap Kinerja (KINERJA) dengan koefisien

 98

pengaruh sebesar 0,25, thitung = 2.49 > t tabel =1,97. Kontribusi

Kompetensi dan Motivasi terhadap Kinerja sebesar 27%.

Demikian pula Kompetensi (KOMPET) berpengaruh

positif signifikan terhadap Kompensasi (KOMP) dengan koefisien

pengaruh sebesar 0,18 dan dan t value = 1.99 > tabel = 1,97.

Motivasi berpengaruh positif signifikan terhadap Kompensasi

(KOMP) dengan koefisien pengaruh sebesar 0,22 dan dan t value =

2.46 > tabel = 1,97. Kinerja (KIN) berpengaruh positif signifikan

terhadap Kompensasi (KOMP) dengan koefisien pengaruh sebesar

0,50, thitung = 4.60 > t tabel =1,97. Kontribusi ketiga variabel

tersebut terhadap Kepuasan mencapai 54%.

4.3 Pembahasan

Pada tahap analisis, ditemukan bahwa instrumen penelitian (dalam

hal ini kuesioner) teruji keterandalannya dengan indikator-indikator yang

valid dan variabel-variabel yang reliabilitasnya baik. Data empiris

sebanyak 129 sampel melalui uji model CFA menghasilkan model CFA

dengan kecocokan data model (GOF), validitas, dan reliabilitas yang baik

(tabel 4.6). Begitu juga dengan model struktural yang menunjukkan

tingkat kecocokan data model (GOF), validitas, dan reliabilitas yang baik

(tabel 4.14, dan 4.15). Tahap analisis hubungan kausal menunjukkan

bahwa kompetensi memiliki pengaruh positif yang berarti terhadap

Kinerja. Setiap kompetensi pegawai yang lebih baik, akan berdampak

semakin baik pula terhadap kinerja pegawai. Demikian pula motivasi

 99

memiliki pengaruh yang positif dan berarti terhadap kinerjaa pegawai.

Setiap peningkatan kompetensi yang tinggi akan berakibat meningkatnya

pinerja pegawai. Hal ini berlaku sebaliknya, dimana kompetensi dan

motivasi yang rendah, akan berdampak semakin rendah pula kinerja

pegawai. Dalam hal ini kompetensi memiliki pengaruh yang lebih besar

terhadap kinerja pegawai dibandingkan motivasi.

Kompetensi, motivasi kerja, dan kinerja pegawai terbukti secara

positif signifikan dan meyakinkan mempengaruhi kompensasi yang

diberikan terhaap pegawai, dimana kinerja memiliki pengaruh yang lebih

besar. Artinya setiap peningkatan kompetensi, motivasi kerja dan kinerja

pegawai akan berdampak positif terhadap kompensasi.

Tabel 4.16 : Ringkasan Uji Hipotesis

Estimate
No Hipotesis t-values Kesimpulan
s
Kompetensi berpengaruh signifikan
H1 0,35 3.31 Diterima**
terhadap Kinerja
Motivasi kerja berpengaruh
H2 0,25 2.49 Diterima*
signifikan terhadap Kinerja
Kompetensi berpengaruh signifikan
H3 0,18 1.99 Diterima*
terhadap Kompensasi
Motivasi berpengaruh signifikan
H4 0.22 2.46 Diterima**
terhadap Kompensasi
Kinerja berpengaruh signifikan Diterima**
H5 0,50 4.60
terhadap Kompensasi
Sumber : Lisrel Estimate

Keterangan : * = signifikan pada p = 0.05

** = signifikan pada p = 0.01