ANALISIS PENGARUH MOTIVASI DAN WORK ...repository.its.ac.id/652/3/1313030083-Non_Degree.pdfdengan...
Transcript of 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
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
Gambar 4.2 Model CFA Variabel
Motivasi ............................................................ 37
Gambar 4.3 Model CFA Variabel
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
Tabel 4.6 Estimasi Parameter CFA Variabel
Motivasi .............................................................. 38
Tabel 4.7 Uji Parsial Indikator dari
Variabel Work Engagement ................................ 41
Tabel 4.8 Goodness Of Fit Variabel
Work Engagement .............................................. 43
Tabel 4.9 Estimasi Parameter CFA Variabel
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
persamaan 2.21 (Engel, Moosbrugger & Muller, 2003).
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
persamaan 2.22 (Engel, Moosbrugger & Muller, 2003).
)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-
Variabel Indikator Skala
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-
Variabel Indikator Skala
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-
Variabel Indikator Skala
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-
Variabel Indikator Skala
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-
Variabel Indikator Skala
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-
Variabel Indikator Skala
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
PA2 0,689 0,000 Signifikan
PA3 0,875 0,000 Signifikan
PA4 0,804 0,000 Signifikan
34
Indikator Loading Factor p-value Keterangan
PA5 0,799 0,000 Signifikan
PA6 0,826 0,000 Signifikan
PA7 0,550 0,000 Signifikan
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
PA5 = 0,799 Performance appraisal
PA6 = 0,826 Performance appraisal
PA7 = 0,550 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
Chi-Square Diharapkan kecil 452,822 Model tidak dapat diterima
P-value ≥ 0,05 0,000 Model tidak dapat diterima
GFI ≥ 0,90 0,660 Model tidak dapat diterima
AGFI ≥ 0,90 0,569 Model tidak dapat diterima
CFI ≥ 0,90 0,559 Model tidak dapat diterima
RMSEA ≤ 0,08 0,000 Model 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
M11 = 0,508 Motivasi
M12 = 0,574 Motivasi
M13 = 0,693 Motivasi
M14 = 0,680 Motivasi
M15 = 0,578 Motivasi
M16 = 0,619 Motivasi
M17 = 0,534 Motivasi
M18 = 0,717 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
WE4 0,022 Tolak H0 WE13 0,014 Tolak H0
WE5 0,023 Tolak H0 WE14 0,014 Tolak H0
WE6 0,016 Tolak H0 WE15 0,013 Tolak H0
WE7 0,016 Tolak H0 WE16 0,032 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
Chi-square = 364,532
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
Fit Index Cut Off Value
Hasil
Model Keterangan
Chi-Square Diharapkan kecil 364,532 Model tidak dapat diterima
P-value ≥ 0,05 0,000 Model tidak dapat diterima
GFI ≥ 0,90 0,667 Model cukup diterima
AGFI ≥ 0,90 0,572 Model tidak dapat diterima
CFI ≥ 0,90 0,605 Model tidak dapat diterima
RMSEA ≤ 0,08 0,000 Model dapat 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
WE2 = 0,034 Work Engagement
WE3 = 0,409 Work Engagement
WE4 = 0,471 Work Engagement
WE5 = 0,466 Work Engagement
WE6 = 0,596 Work Engagement
WE7 = 0,611 Work Engagement
WE8 = 0,268 Work Engagement
WE9 = 0,478 Work Engagement
WE10 = 0,283 Work Engagement
WE11 = 0,679 Work Engagement
WE12 = 0,656 Work Engagement
WE13 = 0,677 Work Engagement WE14 = 0,671 Work Engagement WE15 = 0,748 Work Engagement
WE16 = 0,385 Work Engagement
WE17 = 0,726 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
Fit Index Cut Off Value
Hasil
Model Keterangan
Chi-Square Diharapkan kecil 2301,045 Model tidak dapat diterima
P-value ≥ 0,05 0,000 Model tidak dapat diterima
GFI ≥ 0,90 0,483 Model tidak dapat diterima
AGFI ≥ 0,90 0,428 Model tidak dapat diterima
CFI ≥ 0,90 0,453 Model tidak dapat diterima
RMSEA ≤ 0,08 0,000 Model dapat diterima
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
Chi-square = 2301,045
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
56
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
Kendall's tau_b PA2 Correlation Coefficient 1.000 .627**
Sig. (2-tailed) . .000
N 30 30
Total1 Correlation Coefficient .627** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
PA3 Total1
Kendall's tau_b PA3 Correlation Coefficient 1.000 .900**
Sig. (2-tailed) . .000
N 30 30
Total1 Correlation Coefficient .900** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
PA4 Total1
Kendall's tau_b PA4 Correlation Coefficient 1.000 .892**
Sig. (2-tailed) . .000
N 30 30
Total1 Correlation Coefficient .892** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
60
Correlations
Total1 PA5
Kendall's tau_b Total1 Correlation Coefficient 1.000 .876**
Sig. (2-tailed) . .000
N 30 30
PA5 Correlation Coefficient .876** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total1 PA6
Kendall's tau_b Total1 Correlation Coefficient 1.000 .789**
Sig. (2-tailed) . .000
N 30 30
PA6 Correlation Coefficient .789** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total1 PA7
Kendall's tau_b Total1 Correlation Coefficient 1.000 .587**
Sig. (2-tailed) . .000
N 30 30
PA7 Correlation Coefficient .587** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
61
Correlations
Total2 M1
Kendall's tau_b Total2 Correlation Coefficient 1.000 .430**
Sig. (2-tailed) . .003
N 30 30
M1 Correlation Coefficient .430** 1.000
Sig. (2-tailed) .003 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total2 M2
Kendall's tau_b Total2 Correlation Coefficient 1.000 .390**
Sig. (2-tailed) . .008
N 30 30
M2 Correlation Coefficient .390** 1.000
Sig. (2-tailed) .008 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total2 M3
Kendall's tau_b Total2 Correlation Coefficient 1.000 .258
Sig. (2-tailed) . .086
N 30 30
M3 Correlation Coefficient .258 1.000
Sig. (2-tailed) .086 .
N 30 30
62
Correlations
Total2 M4
Kendall's tau_b Total2 Correlation Coefficient 1.000 .426**
Sig. (2-tailed) . .005
N 30 30
M4 Correlation Coefficient .426** 1.000
Sig. (2-tailed) .005 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total2 M5
Kendall's tau_b Total2 Correlation Coefficient 1.000 .444**
Sig. (2-tailed) . .003
N 30 30
M5 Correlation Coefficient .444** 1.000
Sig. (2-tailed) .003 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total2 M6
Kendall's tau_b Total2 Correlation Coefficient 1.000 .546**
Sig. (2-tailed) . .000
N 30 30
M6 Correlation Coefficient .546** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total2 M7
Kendall's tau_b Total2 Correlation Coefficient 1.000 .466**
Sig. (2-tailed) . .002
N 30 30
63
M7 Correlation Coefficient .466** 1.000
Sig. (2-tailed) .002 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total2 M8
Kendall's tau_b Total2 Correlation Coefficient 1.000 .545**
Sig. (2-tailed) . .000
N 30 30
M8 Correlation Coefficient .545** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total2 M9
Kendall's tau_b Total2 Correlation Coefficient 1.000 .387**
Sig. (2-tailed) . .008
N 30 30
M9 Correlation Coefficient .387** 1.000
Sig. (2-tailed) .008 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total2 M10
Kendall's tau_b Total2 Correlation Coefficient 1.000 .564**
Sig. (2-tailed) . .000
N 30 30
M10 Correlation Coefficient .564** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
64
Correlations
Total2 M11
Kendall's tau_b Total2 Correlation Coefficient 1.000 .595**
Sig. (2-tailed) . .000
N 30 30
M11 Correlation Coefficient .595** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total2 M12
Kendall's tau_b Total2 Correlation Coefficient 1.000 .417**
Sig. (2-tailed) . .005
N 30 30
M12 Correlation Coefficient .417** 1.000
Sig. (2-tailed) .005 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total2 M13
Kendall's tau_b Total2 Correlation Coefficient 1.000 .532**
Sig. (2-tailed) . .000
N 30 30
M13 Correlation Coefficient .532** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
65
Correlations
Total2 M14
Kendall's tau_b Total2 Correlation Coefficient 1.000 .405**
Sig. (2-tailed) . .007
N 30 30
M14 Correlation Coefficient .405** 1.000
Sig. (2-tailed) .007 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total2 M15
Kendall's tau_b Total2 Correlation Coefficient 1.000 .481**
Sig. (2-tailed) . .001
N 30 30
M15 Correlation Coefficient .481** 1.000
Sig. (2-tailed) .001 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total2 M16
Kendall's tau_b Total2 Correlation Coefficient 1.000 .317*
Sig. (2-tailed) . .037
N 30 30
M16 Correlation Coefficient .317* 1.000
Sig. (2-tailed) .037 .
N 30 30
*. Correlation is significant at the 0.05 level (2-tailed).
Correlations
Total2 M17
Kendall's tau_b Total2 Correlation Coefficient 1.000 .524**
Sig. (2-tailed) . .000
66
N 30 30
M17 Correlation Coefficient .524** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total2 M18
Kendall's tau_b Total2 Correlation Coefficient 1.000 .392**
Sig. (2-tailed) . .010
N 30 30
M18 Correlation Coefficient .392** 1.000
Sig. (2-tailed) .010 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total3 WE1
Kendall's tau_b Total3 Correlation Coefficient 1.000 .336*
Sig. (2-tailed) . .030
N 30 30
WE1 Correlation Coefficient .336* 1.000
Sig. (2-tailed) .030 .
N 30 30
*. Correlation is significant at the 0.05 level (2-tailed).
Correlations
Total3 WE2
Kendall's tau_b Total3 Correlation Coefficient 1.000 .214
Sig. (2-tailed) . .163
N 30 30
WE2 Correlation Coefficient .214 1.000
Sig. (2-tailed) .163 .
N 30 30
67
Correlations
Total3 WE3
Kendall's tau_b Total3 Correlation Coefficient 1.000 .451**
Sig. (2-tailed) . .003
N 30 30
WE3 Correlation Coefficient .451** 1.000
Sig. (2-tailed) .003 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total3 WE4
Kendall's tau_b Total3 Correlation Coefficient 1.000 .552**
Sig. (2-tailed) . .000
N 30 30
WE4 Correlation Coefficient .552** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total3 WE5
Kendall's tau_b Total3 Correlation Coefficient 1.000 .567**
Sig. (2-tailed) . .000
N 30 30
WE5 Correlation Coefficient .567** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total3 WE6
Kendall's tau_b Total3 Correlation Coefficient 1.000 .602**
Sig. (2-tailed) . .000
N 30 30
68
WE6 Correlation Coefficient .602** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total3 WE7
Kendall's tau_b Total3 Correlation Coefficient 1.000 .626**
Sig. (2-tailed) . .000
N 30 30
WE7 Correlation Coefficient .626** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total3 WE8
Kendall's tau_b Total3 Correlation Coefficient 1.000 .395**
Sig. (2-tailed) . .010
N 30 30
WE8 Correlation Coefficient .395** 1.000
Sig. (2-tailed) .010 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total3 WE9
Kendall's tau_b Total3 Correlation Coefficient 1.000 .400**
Sig. (2-tailed) . .009
N 30 30
WE9 Correlation Coefficient .400** 1.000
Sig. (2-tailed) .009 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
69
Correlations
Total3 WE10
Kendall's tau_b Total3 Correlation Coefficient 1.000 .202
Sig. (2-tailed) . .184
N 30 30
WE10 Correlation Coefficient .202 1.000
Sig. (2-tailed) .184 .
N 30 30
Correlations
Total3 WE11
Kendall's tau_b Total3 Correlation Coefficient 1.000 .582**
Sig. (2-tailed) . .000
N 30 30
WE11 Correlation Coefficient .582** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total3 WE12
Kendall's tau_b Total3 Correlation Coefficient 1.000 .791**
Sig. (2-tailed) . .000
N 30 30
WE12 Correlation Coefficient .791** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total3 WE13
Kendall's tau_b Total3 Correlation Coefficient 1.000 .688**
Sig. (2-tailed) . .000
N 30 30
WE13 Correlation Coefficient .688** 1.000
70
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total3 WE14
Kendall's tau_b Total3 Correlation Coefficient 1.000 .795**
Sig. (2-tailed) . .000
N 30 30
WE14 Correlation Coefficient .795** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total3 WE15
Kendall's tau_b Total3 Correlation Coefficient 1.000 .627**
Sig. (2-tailed) . .000
N 30 30
WE15 Correlation Coefficient .627** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Total3 WE16
Kendall's tau_b Total3 Correlation Coefficient 1.000 .179
Sig. (2-tailed) . .231
N 30 30
WE16 Correlation Coefficient .179 1.000
Sig. (2-tailed) .231 .
N 30 30
71
Correlations
Total3 WE17
Kendall's tau_b Total3 Correlation Coefficient 1.000 .708**
Sig. (2-tailed) . .000
N 30 30
WE17 Correlation Coefficient .708** 1.000
Sig. (2-tailed) .000 .
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
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
Estimate S.E. C.R. P Label
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)
Estimate S.E. C.R. P Label
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
Model RMR GFI AGFI PGFI
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
Independence model .439 .403 .476 .000
Lampiran 6. Confirmatory Factor Analysis (CFA) Motivasi
Notes for Model (Default model)
Computation of degrees of freedom (Default model)
Number of distinct sample moments: 171
Number of distinct parameters to be estimated: 36
Degrees of freedom (171 - 36): 135
Result (Default model)
Minimum was achieved
Chi-square = 452.822
Degrees of freedom = 135
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
M1 <--- Motivasi 1.000
M2 <--- Motivasi 1.374 .541 2.541 .011
74
Estimate S.E. C.R. P Label
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
Standardized Regression Weights: (Group number 1 - Default model)
Estimate
M1 <--- Motivasi .308
M2 <--- Motivasi .442
M3 <--- Motivasi .441
M4 <--- Motivasi .197
M5 <--- Motivasi .535
M6 <--- Motivasi .325
M7 <--- Motivasi .463
M8 <--- Motivasi .523
M9 <--- Motivasi .514
M10 <--- Motivasi .698
M11 <--- Motivasi .508
M12 <--- Motivasi .574
M13 <--- Motivasi .693
M14 <--- Motivasi .680
M15 <--- Motivasi .578
M16 <--- Motivasi .619
M17 <--- Motivasi .534
75
Estimate
M18 <--- Motivasi .717
Variances: (Group number 1 - Default model)
Estimate S.E. C.R. P Label
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
Model NPAR CMIN DF P CMIN/DF
Default model 36 452.822 135 .000 3.354
Saturated model 171 .000 0
Independence model 18 872.966 153 .000 5.706
RMR, GFI
Model RMR GFI AGFI PGFI
Default model .064 .660 .569 .521
Saturated model .000 1.000
76
Model RMR GFI AGFI PGFI
Independence model .172 .372 .299 .333
Baseline Comparisons
Model NFI
Delta1
RFI
rho1
IFI
Delta2
TLI
rho2 CFI
Default model .481 .412 .569 .500 .559
Saturated model 1.000
1.000
1.000
Independence model .000 .000 .000 .000 .000
RMSEA
Model RMSEA LO 90 HI 90 PCLOSE
Default model .154 .139 .170 .000
Independence model .218 .204 .232 .000
Lampiran 7. Confirmatory Factor Analysis (CFA) Work Engagement
Notes for Model (Default model)
Computation of degrees of freedom (Default model)
Number of distinct sample moments: 153
Number of distinct parameters to be estimated: 34
Degrees of freedom (153 - 34): 119
Result (Default model)
Minimum was achieved
Chi-square = 364.532
Degrees of freedom = 119
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
WE1 <--- Work_Engagement 1.000
WE2 <--- Work_Engagement .152 .474 .320 .749
WE3 <--- Work_Engagement 1.692 .773 2.189 .029
WE4 <--- Work_Engagement 1.736 .761 2.282 .022
WE5 <--- Work_Engagement 1.725 .758 2.276 .023
WE6 <--- Work_Engagement 4.713 1.959 2.406 .016
WE7 <--- Work_Engagement 3.080 1.274 2.417 .016
77
Estimate S.E. C.R. P Label
WE8 <--- Work_Engagement 1.460 .797 1.832 .067
WE9 <--- Work_Engagement 1.964 .857 2.292 .022
WE10 <--- Work_Engagement 1.454 .772 1.884 .060
WE11 <--- Work_Engagement 5.466 2.223 2.459 .014
WE12 <--- Work_Engagement 4.344 1.776 2.446 .014
WE13 <--- Work_Engagement 3.767 1.533 2.458 .014
WE14 <--- Work_Engagement 4.567 1.861 2.454 .014
WE15 <--- Work_Engagement 3.993 1.603 2.491 .013
WE16 <--- Work_Engagement 2.495 1.163 2.145 .032
WE17 <--- Work_Engagement 3.777 1.522 2.482 .013
Standardized Regression Weights: (Group number 1 - Default model)
Estimate
WE1 <--- Work_Engagement .264
WE2 <--- Work_Engagement .034
WE3 <--- Work_Engagement .409
WE4 <--- Work_Engagement .471
WE5 <--- Work_Engagement .466
WE6 <--- Work_Engagement .596
WE7 <--- Work_Engagement .611
WE8 <--- Work_Engagement .268
WE9 <--- Work_Engagement .478
WE10 <--- Work_Engagement .283
WE11 <--- Work_Engagement .679
WE12 <--- Work_Engagement .656
WE13 <--- Work_Engagement .677
WE14 <--- Work_Engagement .671
WE15 <--- Work_Engagement .748
WE16 <--- Work_Engagement .385
WE17 <--- Work_Engagement .726
Variances: (Group number 1 - Default model)
Estimate S.E. C.R. P Label
Work_Engagement
.017 .014 1.263 .207
e1
.233 .033 6.972 ***
e2
.339 .048 7.035 ***
e3
.248 .036 6.865 ***
78
Estimate S.E. C.R. P Label
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
Model NPAR CMIN DF P CMIN/DF
Default model 34 364.532 119 .000 3.063
Saturated model 153 .000 0
Independence model 17 757.343 136 .000 5.569
RMR, GFI
Model RMR GFI AGFI PGFI
Default model .058 .667 .572 .519
Saturated model .000 1.000
Independence model .173 .396 .320 .352
Baseline Comparisons
Model NFI
Delta1
RFI
rho1
IFI
Delta2
TLI
rho2 CFI
Default model .519 .450 .615 .548 .605
Saturated model 1.000
1.000
1.000
Independence model .000 .000 .000 .000 .000
79
RMSEA
Model RMSEA LO 90 HI 90 PCLOSE
Default model .144 .128 .161 .000
Independence model .215 .200 .230 .000
Lampiran 8. Structural Equation Modelling (SEM)
Notes for Model (Default model)
Computation of degrees of freedom (Default model)
Number of distinct sample moments: 903
Number of distinct parameters to be estimated: 87
Degrees of freedom (903 - 87): 816
Result (Default model)
Minimum was achieved
Chi-square = 2301.045
Degrees of freedom = 816
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
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
Estimate S.E. C.R. P Label
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
WE3 <--- Work_Engagement 1.681 .752 2.235 .025
WE4 <--- Work_Engagement 1.776 .756 2.350 .019
WE5 <--- Work_Engagement 1.767 .754 2.344 .019
WE6 <--- Work_Engagement 4.398 1.810 2.430 .015
WE7 <--- Work_Engagement 3.144 1.266 2.483 .013
WE8 <--- Work_Engagement 1.554 .803 1.935 .053
WE9 <--- Work_Engagement 2.036 .860 2.367 .018
WE10 <--- Work_Engagement 1.526 .774 1.973 .048
WE11 <--- Work_Engagement 5.235 2.093 2.501 .012
WE12 <--- Work_Engagement 4.183 1.681 2.489 .013
WE13 <--- Work_Engagement 3.802 1.509 2.520 .012
WE14 <--- Work_Engagement 4.419 1.768 2.500 .012
WE15 <--- Work_Engagement 3.832 1.510 2.537 .011
WE16 <--- Work_Engagement 2.601 1.168 2.227 .026
WE17 <--- Work_Engagement 3.701 1.461 2.534 .011
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 ***
Standardized Regression Weights: (Group number 1 - Default model)
Estimate
Motivasi <--- Work_Engagement .747
PA <--- Work_Engagement .431
PA <--- Motivasi .125
M1 <--- Motivasi .325
M2 <--- Motivasi .445
M3 <--- Motivasi .424
M4 <--- Motivasi .209
M5 <--- Motivasi .529
M6 <--- Motivasi .338
M7 <--- Motivasi .485
81
Estimate
M8 <--- Motivasi .524
M9 <--- Motivasi .513
M10 <--- Motivasi .686
M11 <--- Motivasi .520
M12 <--- Motivasi .572
M13 <--- Motivasi .681
M14 <--- Motivasi .682
M15 <--- Motivasi .572
M16 <--- Motivasi .615
M17 <--- Motivasi .547
M18 <--- Motivasi .716
WE1 <--- Work_Engagement .268
WE2 <--- Work_Engagement .051
WE3 <--- Work_Engagement .412
WE4 <--- Work_Engagement .488
WE5 <--- Work_Engagement .484
WE6 <--- Work_Engagement .564
WE7 <--- Work_Engagement .633
WE8 <--- Work_Engagement .290
WE9 <--- Work_Engagement .503
WE10 <--- Work_Engagement .302
WE11 <--- Work_Engagement .660
WE12 <--- Work_Engagement .641
WE13 <--- Work_Engagement .694
WE14 <--- Work_Engagement .659
WE15 <--- Work_Engagement .728
WE16 <--- Work_Engagement .407
WE17 <--- Work_Engagement .722
PA1 <--- PA .690
PA2 <--- PA .694
PA3 <--- PA .876
PA4 <--- PA .807
PA5 <--- PA .795
PA6 <--- PA .826
PA7 <--- PA .543
82
Variances: (Group number 1 - Default model)
Estimate S.E. C.R. P Label
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
Estimate S.E. C.R. P Label
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
Model NPAR CMIN DF P CMIN/DF
Default model 87 2301.045 816 .000 2.820
Saturated model 903 .000 0
Independence model 42 3574.420 861 .000 4.151
RMR, GFI
Model RMR GFI AGFI PGFI
Default model .062 .483 .428 .437
Saturated model .000 1.000
Independence model .157 .239 .202 .228
Baseline Comparisons
Model NFI
Delta1
RFI
rho1
IFI
Delta2
TLI
rho2 CFI
Default model .356 .321 .462 .423 .453
Saturated model 1.000
1.000
1.000
Independence model .000 .000 .000 .000 .000
RMSEA
Model RMSEA LO 90 HI 90 PCLOSE
Default model .136 .129 .142 .000
Independence model .178 .172 .185 .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.