berjarak ± 10km. Walaupun berada di pedesaan, namun lokasi desa dilalui kereta
api dan terdapat stasiun kereta api yang menghubungkannya dengan beberapa
kota besar seperti Surabaya, Semarang, Yogyakarta, Bandung, dan Jakarta. Desa
Trangsan dapat dijangkau dari beberapa rute diantaranya melalui jalan alternatif
4.1 berikut :
Gambar 4.1
Sukoharjo dengan luas sebesar 240 ha dari total 1.947 ha luas keseluruhan
Desa Trangsan sebanyak 2164 KK yang terdiri dari 6747 jiwa. Adapun komposisi
penduduk menurut jenis kelamin di Desa Trangsan ditampilkan pada tabel 4.1
berikut :
Tabel 4.1
Dari Tabel 4.1 dapat diketahui bahwa secara umum komposisi penduduk
Tabel 4.2
Berdasarkan data pada Tabel 4.2, dapat disimpulkan bahwa sebagian besar
penduduk di Desa Trangsan berada pada usia produktif (16-55 tahun) sebanyak
4.232 orang (62,72%) dari total penduduk desa Trangsan. Sedangkan komposisi
penduduk pada usia tidak produktif sebesar 15,22%. Selanjutnya Tabel 4.3 berikut
Tabel 4.3
Berdasarkan data pada Tabel 4.3 diketahui bahwa komposisi sumber mata
pencaharian sebagian besar penduduk desa Trangsan berasal dari sektor pertanian
yaitu sebanyak 38,41% (pemilik lahan, penggarap lahan, buruh tani) diikuti
dengan sektor industri mikro, kecil, menengah maupun besar sebanyak 17,68%.
Secara umum dapat disimpulkan bahwa sumber mata pencarian penduduk Desa
48,16% dari penduduk telah enyelesaikan pendidikan formal setara SMP yang
4.4 beikut :
Tabel 4.4
sekaligus ketua klaster industri Rotan Trangsan), industri rotan di Desa Trangsan
muncul pada awal tahun 1900-an yang semua membuat produk-produk anyaman
sederhana dari bambu maupun rotan. Pada mulanya hasil kerajinan anyaman ini
Development (GTZ RED) menjadi awal mula rotan Trangsan memasuki pasar
ekspor. Saat itu, para pengrajin diberikan pelatihan intensif selama 4 bulan full
untuk menghasilkan produk rotan yang memenuhi standar pasar ekspor. Akhirnya
sejak tahun 1987 untuk pertama kalinya hasil pengolahan rotan di Desa Trangsan
Industri rotan Trangsan pernah mengalami masa jaya pada era 1990-2000an.
Jumlah pengrajin dan pengusaha di sektor industri rotan Trangsan kala itu
mencapai 500orang dan mampu menyerap hingga 8000 tenaga kerja serta
mengekspor 300 sampai 400 kontainer setiap bulannya. Namun masa jaya
tersebut mengalami penurunan drastis saat terjadi krisis global yang puncaknya
pada tahun 2008 banyak pelaku usaha rotan bangkrut dan alih profesi sampai
global ini diperparah dengan adanya masalah lain seperti Ketidaktersediaan bahan
baku (jika adapun harganya mahal) karena petani rotan lebih suka mengirimkan
bahan mentah ke luar negeri tanpa regulasi yang membatasi, terbatasnya modal
dan akses pendanaan, ketersediaan SDM terampil yang berkurang karena banyak
yang memutuskan alih profesi setelah krisis, desain produk yang monoton yang
pelaku industri rotan yang masih bertahan saat itu untuk melakukan audiensi
Universitas (UNS dan UMS), Asmindo, AMKRI, Pupuk Indonesia dan beberapa
(cultural district) yang maju sebagai salah satu unggulan daerah. Klaster rotan
mengalami kejayaan), sudah terjadi linkage yang cukup baik antara hulu dan hilir,
cakupan wilayah usaha dan dampak ekonomi yang cukup besar (serapan tenaga
dilakukan oleh sebuah tim kelompok kerja (Pokja) klaster rotan yang diketuai
Sukoharjo.
Hingga saat ini, Forum Rembuk Klaster Industri Rotan Trangsan masih
berjalan aktif, dengan melakukan kegiatan rapat rutin dua bulanan. Adapun
sebagai berikut :
Gambar 4.2
penelitian ini dibuat sebanyak 101 eksemplar yang berisi pertanyaan terbuka dan
mendalam dengan bapak Mujiman yang merupakan kepala desa trangsan yang
sekaligus ketua forum rembuk klaster rotan trangsan dan Bapak Suparji selaku
sampai 30 Mei 2019. Penentuan responden beracuan pada daftar nama pelaku
industri mebel rotan di klaster Trangsan yang berasal dari database yang dimiliki
RW yang ada di Desa Trangsan. Dari total 197 pelaku industri yang ada didaftar,
dipilih 101 responden yang ditentukan secara acak berlapis (stratified random
mencakup usia, tingkat pendidikan, posisi dalam bisnis, lama menjalankan bisnis,
4.2.1 Usia
25-35 tahun, 18 orang responden berusia 35-45 tahun dan 39 orang responden
memiliki rentang usia 45-55 tahun, 24 orang memiliki rentang usia 55-65 tahun
dan 9 orang memiliki usia lebih dari 65 tahun. Berdasarkan data ini, diketahui
bahwa responden yang mendominasi penelitian ini berada pada rentang usia 45
hingga 55 tahun. Berdasarkan data tersebut, secara umum dapat disimpulkan
bahwa sebagian besar responden berada pada rentang usia produktif di Indonesia
Gambar 4.3
terakhir sarjana (S1). Dari 101 responden tidak ada yang menempuh pendidikan
Gambar 4.4
dalam kategori ini adalah supplier yang mengerjakan pesanan dari perusahaan
besar tetapi juga memiliki modal, akses pasar sendiri dan menjualkan produknya
ke pihak lain juga). Selanjutnya 16 orang lainnya adalah pelaku usaha yang
menjadi supplier atau subkon dari perusahaan eksportir besar. Berbeda seperti
supplier sebagai pemilik bisnis, supplier pada kategori ini adalah pengrajin yang
secara mandiri. Supplier ini sebagian besar mendapat sokongan bahan baku dari
tetapi yang mengerti proses bisnis secara utuh. Berdasarkan data kuisioner, posisi
responden dalam bisnis sudah sesuai dengan sasaran penelitian yang memperkuat
hasil penelitian. Diagram persentase status responden dalam bisnis dapat dilihat
Gambar 4.5
Diagram Status dalam Bisnis
tahun. Hanya 12 orang responden yang baru menjalankan bisnis kurang dari 10
tahun. Berdasarkan data ini dapat dikatakan bahwa pelaku usaha di Klaster
Industri Trangsan memiliki ketahanan yang baik karena sudah melewati beberapa
kejayaan pada tahun 1990 sampai tahun 2000an sampai mengalami masa terpuruk
pada tahun 2006 sampai 2008 dan mulai rebound kembali sejak tahun 2014.
Gambar 4.6
Diagram Usia Bisnis
yang membantu dalam proses produksi dengan rentang jumlah 1-5 karyawan.
9 responden memiliki karyawan dengan dengan rentang antara 11-50 orang dan
hanya 1 responden yang memiliki karyawan lebih dari 50 orang. Berdasarkan data
ini, dapat disimpulkan bahwa serapan tenaga kerja dari Industri rotan yang ada di
klaster Trangsan sangat baik. Jika dihitung jumlah tenaga kerja yang terserap
berdasarkan usia produktif industri rotan dengan skala UMKM sudah mampu
menyerap tenaga kerja sebesar 13,18%. Secara lebih jelas jumlah tenaga kerja
yang dimiliki oleh responden ditampilkan diagram pada Gambar 4.7 berikut ini :
Gambar 4.7
4.2.6 Pendapatan
hasil usaha atau omzet) merupakan salahsatu kriteria yang digunakan untuk
2008 terkait Usaha Mikro, Kecil dan Menengah. Dalam konteks managemen
pendapatan yang terkait dengan finansial merupakan indikator yang paling lazim
orang. Sedangkan 7 orang responden merupakan pelaku industri kecil dan hanya
ada 3 responden yang sudah masuk kriteria menengah. Berdasarkan data tersebut,
kualifikasi usaha yaitu UMKM. Data pendapatan responden secara lebih jelas
Gambar 4.8
Gambar 4.9
(PLS) dengan alat bantu analisis yang digunakan adalah program WarpPLS versi
6.0. Menurut Hair dkk (2003) dalam Mahfud (2013) terdapat lima kriteria yang
dapat dijadikan acuan dalam menggunakan SEM-PLS yang disebut rule of thumb.
konstruk secara konseptual yaitu dengan melakukan literature review dari hasil
akan digunakan. PLS SEM memiliki tiga pilihan algoritma yaitu factorial,
centroid, dan path atau structural weighting. Dalam penelitian ini algoritma yang
Dalam PLS SEM menggunakan WarpPLS versi 6.0 terdapat tiga metode
metode Stable2 dan Stable3 telah dikembangkan sebagai alternatif dari metode
Stable1. Berbeda dengan metode Stable1, metode Stable2 dan Stable3 bergantung
pada aplikasi langsung dari rumus smoothing eksponensial (Kock, 2014b dan
perkiraan kesalahan standar aktual yang konsisten dengan yang diperoleh melalui
tersebut, dalam penelitian ini metode resampling yang digunakan adalah Stable3.
Pembentukan diagram jalur ini sesuai dengan hipotesis dan model penelitian yang
telah diajukan, yaitu sesuai dengan Gambar 2.6. Menurut Kock (2011),
pembentukan diagram jalur dengan konstruk second order dengan WarpPLS dapat
1. Membuat model null yang terdiri dari konstruk fisrt order dan indikator-
Gambar 4.10
Pembentukan Model null
Sumber : Tampilan olahdata WarpPLS 6.0
2. Membuat model baru yang terdiri dari variabel eksogen dan variabel
perhitungan pada model null. Konstruk first order yang dijadikan sebagai
(IP), kemampuan adaptasi (IA) dan stabilitas institusi (FS), tata kelola
(TG), partisipasi (PG), dan akuntabilitas (AG). Konstruk first order yang
konstruk first order modal kapital (CAP), tenaga kerja (LAB) dan
Gambar 4.11
Pembentukan Model null
Model persamaan regresi dari rancangan model pada Gambar 4.11 dapat
Tabel 4.5.
Persamaan regresi dari model penelitian
Variabel ε1, ε2, dan ε3 melambangkan variabel yang tidak termasuk dalam
penelitian. Sementara itu, nilai A1, B1, B2, B3, C1, C2, C3, dan C4 akan
diketahui dari nilai path coefficient pada evaluasi model struktural. Hasil
dan reliabitias model. Dengan mengetahui korelasinya, maka sebuah model dapat
diketahui validitas dan reliabilitasnya. Evaluasi outer model dalam penelitian ini
dilakukan melalui dua tahap, yaitu evaluasi pada konstruk fisrt order yaitu
second order yaitu konstruk yang dibentuk oleh konstruk fisrt order yang menjadi
dimensinya.
konstruk first order dilakukan dengan menguji model null yang telah
dibuat, dapat dilihat pada Gambar 4.10. Outer model dengan indikator
berdasarkan korelasi antara skor item atau component score dengan skor
variabel laten atau construct score yang diestimasi dengan program PLS.
Terdapat dua kriteria untuk menilai apakah outer model memenuhi syarat
validitas konvergen untuk konstruk reflektif yaitu (1) nilai loading harus
diatas 0,70 dan (2) nilai P signifikan (<0,05) (Hair dkk, 2013) dalam
(Mahfud, 2013). Selain itu, kriteria validitas diskriminan juga dapat dilihat
dari hasil cross loading pada matriks output combine loading and cross
<0,05) walaupun tidak semua loading nilainya diatas 0,70. Selain itu,
indikator reflektif pada penelitian ini secara lebih rinci ditampilkan pada
Keterangan :
laten formatif digunakan dua kriteria yaitu (1) bobot (weight) harus
signifikan (Pvalue < 0,05) dan (2) nilai VIF kurang dari 3,3 (Kock, 2013)
dalam (Mahfud, 2013). Namun menurut Hair dkk (2013) dalam Mahfud
(2013) jika loading bernilai diatas 0,50 meskipun indikator weight tidak
dibawah 0,50 maka harus dilihat signifikansi dari loading tersebut. Jika
lainnya. Namun jika loading-nya kurang dari 0,50 dan tidak signifikan
maka indikator tersebut bisa dihapus. Adapun hasil pengujian outer model
memiliki nilai weight <0,50 dan tidak signifikan sehingga harus dihapus.
pada Tabel 4.7 (Interasi pertama) dan Tabel 4.8 (Iterasi kedua setelah
Keterangan :
Tabel 4.8.
Indikator Weight untuk Indikator Formatif (Iterasi kedua)
VARIABEL Type P
LATEN KODE CAP LAB TECH TG PG AG (a SE value VIF
K2 0,251 0 0 0 0 0 Formati 0,093 0,004 5,992
K3 0,258 0 0 0 0 0 Formati 0,093 0,003 4,428
K4 0,205 0 0 0 0 0 Formati 0,094 0,016 2,463
Kapital
K5 0,174 0 0 0 0 0 Formati 0,095 0,035 1,334
K6 0,229 0 0 0 0 0 Formati 0,094 0,008 7,49
K7 0,223 0 0 0 0 0 Formati 0,094 0,009 6,952
L1 0 0,366 0 0 0 0 Formati 0,09 <0,001 1,147
Tenaga Kerja L2 0 0,477 0 0 0 0 Formati 0,087 <0,001 1,493
L3 0 0,451 0 0 0 0 Formati 0,088 <0,001 1,406
T1 0 0 0,2 0 0 0 Formati 0,094 0,018 1,143
T2 0 0 0,405 0 0 0 Formati 0,089 <0,001 1,422
Teknologi
T3 0 0 0,428 0 0 0 Formati 0,089 <0,001 1,559
T4 0 0 0,374 0 0 0 Formati 0,09 <0,001 1,358
TG1 0 0 0 0,305 0 0 Formati 0,092 <0,001 2,884
TG2 0 0 0 0,33 0 0 Formati 0,091 <0,001 3,574
Transparansi
TG3 0 0 0 0,319 0 0 Formati 0,091 <0,001 2,44
TG5 0 0 0 0,259 0 0 Formati 0,093 0,003 1,711
Keterangan :
Selain dengan melihat nilai cross loading dan indikator weight, untuk
dengan melihat akar kuadrat dari average variance extracted (AVE) untuk setiap
konstruk atau variabel laten. Model memiliki validitas diskriminan yang lebih
baik apabila akar kuadrat AVE untuk masing-masing konstruk lebih besar dari
korelasi antara dua konstruk di dalam model. Menurut Ghozali (2014), AVE yang
baik disyaratkan memiliki nilai lebih besar dari 0,50.Dalam penelitian ini semua
konstruk menunjukkan nilai AVE yang lebih besar dari 0,50 dengan nilai terkecil
0,637 untuk konstruk Akuntabilitas (AG) dan terbesar 0,903 untuk konstruk risk
taking (ER). Hal ini sudah memenuhi persyaratan sesuai dengan batas nilai
minimum AVE yang ditentukan yaitu 0,50. Korelasi antar konstruk dengan nilai
akar kuadrat AVE untuk masing-masing konstruk disajikan pada Tabel 4.8.
VARIABEL
IP IA FS EI EP ER CAP LAB T
LATEN
IP 0,683 0,596 0,362 0,161 0,21 0,242 0,11 0,169
IA 0,596 0,794 0,369 0,174 0,183 0,164 0,015 0,134
FS 0,362 0,369 0,805 0,17 0,208 0,288 0,113 0,118
EI 0,161 0,174 0,17 0,797 0,566 0,318 -0,022 -0,152
EP 0,21 0,183 0,208 0,566 0,75 0,249 0,035 -0,066
ER 0,242 0,164 0,288 0,318 0,249 0,903 0,147 0,067
CAP 0,11 0,015 0,113 -0,022 0,035 0,147 0,74 0,254
LAB 0,169 0,134 0,118 -0,152 -0,066 0,067 0,254 0,768
TECH 0,287 0,116 0,135 0,276 0,246 0,214 0,156 0,03
TG 0,484 0,373 0,386 0,264 0,138 0,298 0,269 0,052
PG 0,517 0,515 0,269 0,178 0,127 0,094 -0,005 0,061
AG 0,557 0,53 0,376 0,26 0,275 0,195 0,054 -0,115
BP 0,22 -0,021 0,025 0,331 0,38 0,3 0,333 0,095
LED 0,255 0,149 0,191 0,246 0,303 0,27 0,334 0,159
4.3.5.5 Reliabilitas
4.1 Pembahasan