Pengertian Lingkungan Kerja Fisik (skripsi, tesis, dan disertasi)
Pengertian Lingkungan Kerja (skripsi, tesis, dan disertasi)
Menurut Arta dan Sari (2015), lingkungan kerja adalah lingkungan dimana seorang karyawan melakukan pekerjaan sehari-harinya yang dapat mempengaruhi dirinya dalam menjalankan tugas-tugasnya.Menurut Nuryasin et al(2016), suatu kondisi lingkungan kerja dikatakan baik, apabila karyawan dapat melaksanakan kegiatan atau pekerjaan secara optimal, sehat, aman, dan nyaman.Nuryasin et al (2016),juga mengungkapkan bahwa lingkungan kerja dibagimenjadi 2 (dua) yaitu: lingkungan kerja fisik dan lingkungan kerja non fisik.
Sistem Penilaian Prestasi Kerja (skripsi, tesis, dan disertasi)
Data menurut cara memperolehnya (skripsi, tesis, disertasi)
Obyek Penilaian Prestasi Kerja (skripsi, tesis, dan disertasi)
Jenis Variabel (skripsi, tesis, disertasi)
Variabel adalah objek yang dijadikan penelitian dan memiliki nilai bervariasi yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya, sedangkan sesuatu yang hanya memiliki satu nilai disebut konstanta. Variabel dibedakan sebagai berikut:
a. Variabel bebas/independen (Exogenous variable atau X) adalah variabel yang mempengaruhi perubahan dalam variable terikat dan mempunyai hubungan positif dan negatif (Suharso, 2009). b. Variabel terikat/dependen (Endogenous variable atau Y) adalah variabel yang menjadi perhatian utama (sebagai faktor yang berlaku dalam pengamatan) dan menjadi sasaran penelitian (Suharso, 2009).
c. Variabel laten (Unobserved/latent variable) biasa disebut sebagai variabel abstrak atau variabel yang tidak dapat diukur. Variabel laten memiliki dua jenis yaitu variabel laten eksogen dan variabel laten endogen. Variabel laten eksogen dapat disebut sebagai variabel bebas dalam suatu persamaan sedangkan variabel laten endogen merupakan variabel terikat pada suatu persamaan (Wijanto, 2008).
d. Variabel manifes (Observed/manifest variable) merupakan variabel yang dapat diamati atau dapat diukur secara empiris. Variabel manifes dapat disebut sebagai efek atau ukuran dari variabel laten (Wijanto, 2008).
e. Variabel moderator (moderating variable) adalah variabel yang mempunyai pengaruh ketergantungan yang kuat dalam hubungan antara variabel bebas dan variabel terikat (Suharso, 2009).
f. Variabel antara (intervening variable) adalah variabel yang bisa muncul saat variabel bebas mulai mempengaruhi variabel terikat, dan saat pengaruh variabel bebas terasa pada variabel terikat (Suharso, 2009).
Model Integrasi TTF-UTAUT (skripsi, tesis, disertasi)
Penggabungan model TTF dan UTAUT telah dilakukan oleh beberapa peneliti. Penelitian untuk menguji model integrasi TTF-UTAUT sebelumnya juga telah dilakukan oleh Dishaw pada tahun 2004 dengan responden mahasiswa dari beberapa kelas penelitian pemasaran, sistem analis, programer, dan manajemen operasi. Penelitian dilakukan dengan menggunakan model secara terpisah dan penggabungan kedua model, hasilnya kombinasi kedua model menghasilkan penjelasan yang lebih mendalam dalam mengetahui perilaku pengguna untuk menggunakan sistem informasi.
Penelitian ini dikembangkan lagi oleh Pai dan Tu pada tahun 2011 dengan menggunakan model integrasi TTF-UTAUT untuk mengetahui faktor-faktor yang mempengaruhi penerimaan dan penggunaan sistem Customer Relationship Management (CRM) di industri pelayanan distribusi Taiwan. Dalam penelitiannya, Pai dan Tu meneliti pengaruh Behavioural Intention dari penggunaan sistem CRM yang dipengaruhi oleh ketiga faktor kunci yaitu Performance Expectancy, Effort Expectancy dan Social Expectancy serta faktor Task Characteristics and Technology Characteristics dari TTF terhadap Task-Technology Fit yang berpengaruh tidak langsung kepada Behavioural Intention. Pada hasil penelitian tersebut diketahui bahwa penentuan perilaku pengguna terhadap sistem CRM (User Behaviour) akan dipengaruhi oleh faktor Behavioural Intention dan Facilitating Conditions yang ada.
Selain itu, peneliti lain juga menggunakan metode gabungan TTF-UTAUT (Zhou dkk., 2010) dalam penelitiannya tentang pengintegrasi model TTF dan UTAUT untuk menjelaskan adopsi pengguna mobile banking. Penggabungan kedua metode ini dipilih karena beberapa alasan. Pertama, penelitian yang dilakukan pada adopsi pengguna mobile banking selama ini masih berfokus pada persepsi pengguna terhadap teknologi dan jarang yang mempertimbangkan efek dari kesesuaian tugas dan teknologi. Kedua, penelitian ini menemukan bahwa kesesuaian tugas dan teknologi tidak hanya mempengaruhi adopsi pengguna tetapi juga mempengaruhi kinerja yang diharapkan. Hal ini menunjukkan pentingnya mempertimbangkan faktor kesesuaian tugas dan teknologi. Terakhir, dibandingkan dengan penggunaan individu antara model TTF dan model UTAUT, model gabungan antara TTF dan UTAUT menjelaskan perilaku adopsi pengguna yang lebih bervariasi. Hal ini menunjukkan kelebihan dari penggabungan kedua model tersebut. Penelitian ini berfokus pada penjelasan adopsi pengguna dari persepsi teknologi seperti perceived usefulness, perceived ease of use, interactivity, relative advantage, dan task technology fit.
Model integrasi TTF-UTAUT ini dapat memberikan penjelasan tingkat penerimaan pengguna terhadap teknologi dari sisi pengguna (user), lingkungan (social) dan teknologi. Seperti yang telah terlihat pada gambar 2.3, model ini melibatkan delapan variabel yang terdiri dari task characteristics (karakteristik tugas) technology characteristics (karakteristik teknologi), task technology fit (kesesuaian tugas-teknologi), performance expectancy (kinerja yang diharapkan), effort expectancy (tingkat kemudahan yang diharapkan), social influence (pengaruh sosial), facilitating conditions (kondisi fasilitas yang ada) dan user adoption (penerimaan pengguna
Model Unified Theory of Acceptance and Use of Technology (skripsi, tesis, disertasi)
Unified Theory of Acceptance and Use of Technology (UTAUT) model merupakan model yang disusun berdasarkan teori-teori dasar mengenai perilaku pengguna teknologi dan model penerimaan teknologi meliputi Theory of Reasoned Action (TRA), Technology Acceptance Model (TAM), Motivational Model (MM), Theory of Planned Behavior (TPB), Combined TAM and TPB (C-TAM-TPB), Model of PC Utilization (MPCU), Innovation Diffusion Theory (IDT), dan Social Cognitive Theory (SCT) menjadi satu teori (Venkatesh dkk, 2003). Berdasarkan teori, model UTAUT memiliki empat variabel yang dianggap mempunyai peran utama dan berpengaruh langsung terhadap penerimaan (behavioural intention) dan penggunaan teknologi (use behaviour) yaitu: ekspektasi kinerja (performance expectancy), ekspektasi usaha (effort expectancy), pengaruh sosial (social influence) dan kondisi yang memfasilitasi (facilitating condition). Keempat variabel tersebut dimoderasi oleh empat variabel lain yaitu kesukarelaan, jenis kelamin, umur, dan pengalaman
Unsur dan Indikator Penilaian Prestasi Kerja (skripsi, tesis, dan disertasi)
Model Task-Technology Fit (skripsi, tesis, disertasi)
Inti dari model ini adalah konstruk yang disebut kecocokan tugas dengan teknologi atau Task-Technology Fit (TTF), yaitu kesesuaian antara kemampuan teknologi dengan tuntutan pekerjaan, atau kemampuan teknologi untuk mendukung pekerjaan (Goodhue and Thompson, 1995) seperti yang dikutip oleh Dishaw dkk (2002). Metode TTF melibatkan dua komponen yang berinteraksi, yaitu tugas-tugas yang harus dilakukan dan teknologi-teknologi yang digunakan untuk membantu melaksanakan tugasnya. Model TTF memiliki empat konstruk kunci yaitu Task Characteristics, Technology Characteristics, yang bersama-sama mempengaruhi konstruk Task Technology Fit. Ketiga konstruk ini (baik secara langsung atau tidak langsung) mempengaruhi variabel outcome yaitu Performance Impacts atau Utilization. Model TTF menempatkan bahwa teknologi informasi hanya akan digunakan jika fungsi dan manfaatnya tersedia untuk mendukung aktivitas pengguna. Model TTF berpegang pada prinsip bahwa teknologi informasi berdampak positif terhadap kinerja individu dan dapat digunakan jika kemampuan teknologi informasi cocok dengan tugas-tugas yang harus dihasilkan oleh pengguna (Furneaux, 2006)
Tujuan Penilaian Prestasi Kerja (skripsi, tesis, dan disertasi)
Mobile banking (skripsi, tesis, disertasi)
Elektronik perbankan mobile banking atau yang biasa disebut dengan m-banking merupakan sebuah kemajuan teknologi dan komunikasi yang dipakai sebagai fasilitas dari Bank kepada setiap nasabah bank untuk melakukan sejumlah transaksi keuangan yang dapat diakses langsung melalui perangkat mobile seperti telepon seluler. Bank Indonesia mengeluarkan kebijakan mengenai pengelolaan dan manajemen risiko penyelenggaraan kegiatan internet banking (termasuk pada m-banking) berdasarkan peraturan Bank Indonesia No.5/8/PBI/2003 tentang penerapan manajemen risiko pada aktifitas pelayanan jasa bank melalui sistem internet. Layanan m-banking ini merupakan suatu layanan dalam komunikasi yang bergerak dan diakses melalui telepon selular berbasis GSM. Kemampuannya dalam bergerak (mobile) tanpa batas ruang dan waktu ini memungkinkan manusia untuk dapat menjalankan aktivitas yang sedang dilakukan seperti yang diungkapkan oleh Sunarto (2004). Telepon seluler bekerja dengan cara menerima sinyal elektromagnetik dari sebuah pemancar yang disebut dengan Base Transceiver Station (BTS). BTS biasanya diletakan pada tempat tertentu dan ditandai dengan antena yang dipasang pada daerah tersebut. Jika seseorang sedang dalam melakukan perjalanan jarak jauh maka ponsel mereka akan menerima sinyal dari satu BTS ke BTS lainya. Nasabah yang memiliki akses m-banking dapat dengan mudah memakai fasilitas seperti transfer dana, informasi saldo, mutasi rekening, informasi nilai tukar uang, pembayaran kartu kredit, telepon, listrik dan asuransi, juga dapat digunakan untuk pembelian isi ulang pulsa. Ada tiga cara untuk dapat mengakses perbankan dengan menggunakan m-banking, tergantung pada kapabilitas telepon seluler. Pertama, m-banking dapat dilakukan melalui SMS dimana informasi saldo dan password perbankan dapat dikirim ke nasabah melalui SMS. Kedua, beberapa lembaga keuangan telah mendedikasikan aplikasi perangkat lunak yang dapat di download di telepon seluler seperti smartphone. Terakhir, telepon seluler dapat mengakses melalui fasilitas dari SIM Card. Layanan yang diberikan dari lembaga keuangan berupa m-banking mempermudah setiap nasabah untuk mengakses transaksi dari bank
Metode Penilaian Prestasi Kerja (skripsi, tesis, dan disertasi)
Skala Pengukuran (skripsi, tesis, disertasi)
Perancangan skala perlu dilakukan peneliti jika penelitian yang dijalankan
merupakan riset kuantitatif. Dalam pemberian skala, peneliti harus harus
menggunakan angka sesuai jenis skala (Suryani, 2015). Berikut 2 jenis pembagian
skala:
1. Skala Nominal
Skala nominal merupakan skala yang digunakan untuk memberi label,
simbol, lambang atau nama suatu kategori. Skala ini memudahkan
pengelompokan data menurut kategorinya, sehingga angka yang
diberikan pada suatu kategori (misalnya 1, 2, 3 dan seterusnya) tidak
memiliki makna matematis, seperti lebih besar, sama atau lebih kecil dari
pada kategori lain. Perbedaan angka di sini menunjukkan perbedaan
kategori (Suryani, 2015). Berikut contoh skala nominal untuk pertanyaan
dalam kuesioner:
Jenis kelamin Anda (silahkan beri tanda )
Laki-laki Perempuan
2. Skala Likert
Skala ini pertama kali dikembangkan oleh Rensist Likert, seorang
sosiolog dari University of Michigan melalui artikel ”A Technique for the
Meaurement of Attitudes” yang dipublikasikan oleh the Archieves of
Psychology pada tahun 1932. Bentuk awal slaka Likert adalah lima
pilihan jawaban dari sangat tidak setuju sampai dengan tingkat sangat
setuju yang merupakan sikap atau persepsi seseorang atas suatu kejadian
atau pernyataan yang diberikan dalam instrumen/kuesioner. Dalam
perkembangan terkini, skala Likert telah banyak dimodifikasi seperti
skala titik (dengan menghilangkan pilihan jawaban netral), atau
menggunakan skala 7 sampai 9 titik (Suryani, 2015) Dalam perkembangannya, skala ini sudah dimodifikasi dengan berbagai
bentuk, mulai dari skala 4 titik sampai dengan 9 titik. Dalam penelitian
ini skala yang digunakan adalah skala Likert modifikasi dengan 4 titik
pengukuran,
Populasi dan Sampel (skripsi, tesis, disertasi)
Populasi adalah suatu keseluruhan pengamatan atau objek yang menjadi
perhatian kita. Sedangkan sampel adalah bagian dari populasi yang menjadi
perhatian kita. Populasi menggambarkan sesuatu yang sifatnya ideal atau teoritis,
sedangkan sampel menggambarkan sesuatu yang sifatnya nyata atau empiris.
Populasi dan sampel masing-masing mempunyai karakteristik atau ciri yang dapat
diukur.
Manfaat Penilaian Prestasi Kerja (skripsi, tesis, dan disertasi)
Teknik Sampling (skripsi, tesis, disertasi)
Teknik sampling adalah teknik pengambilan sampel. Teknik sampling pada
dasarnya dikelompokkan menjadi dua yaitu probability sampling dan
nonprobability sampling (Prasetyo dkk, 2005):
a. Probability Sampling (Pemilihan secara acak)
Probability Sampling adalah metode sampling yang setiap anggota
populasinya memiliki peluang spesifik dan bukan nol untuk terpilih sebagai
sampel. Peluang tersebut dapat sama dan dapat pula tidak sama besarnya dengan
anggota populasi lainnya. Jenis-jenis probability sampling yaitu, (Prasetyo dkk,
2005):
1. Sampling acak sederhana
Metode pangambilan sampel acak sederhana adalah metode yang digunakan
untuk memilih sampel dari populasi sehingga setiap anggota populasi
mempunyai peluang yang sama besar untuk diambil sebagai sampel. Ini
berarti bahwa semua anggota populasi menjadi anggota dari kerangka
sampel.
2. Sampling acak sistematis
Metode pengambilan acak sistematis adalah metode untuk mengambil
sampel secara sistematis dengan interval atau jarak tertentu dari suatu
kerangka sampel yang telah diurutkan. Dengan demikian tersedianya suatu
populasi sasaran yang tersusun merupakan prasyarat penting
bagidimungkinkannya pelaksanaan pengambilan sampel dengan metode
acak sistematis.
3. Sampling acak stratifikasi
Metode pengambilan acak stratifikasi adalah metode pengambilan sampel
dengan cara membagi populasi kedalam kelompok-kelompok yang
homogenyang disebut strata, kemudian sampel diambil secara acak dari tiap
strata tersebut.
4. Sampling klaster atau cluster sampling
Metode pengambilan sampel klaster adalah metode yang digunakan untuk
memilih sampel yang berupa kelompok dari beberapa kelompok yaitu setiap
kelompok terdiri atas beberapa unit yang lebih kecil atau element. Jumlah
elemen dari masing-masing kelompok bisa sama maupun berbeda.
b. Nonprobability Sampling (pemilihan tidak acak).
Nonprobability Sampling setiap unsur dalam populasi tidak memiliki
kesempatan atau peluang yang sama untuk dipilih sebagai sampel dalam
penarikan sampel probabilita, kesempatan yang mempunyai peranan besar
sedangkan dalam penarikan sampel Nonprobability sampling, kesempatan yang
mempunyai peranan besar, sedangkan dalam penarikan sampel Nonprobability
sampling yang berperan adalah kemampuan atau pengetahuan peneliti terhadap
populasi penelitiannya. Jenis teknik sampling dari Nonprobability sampling dalam,
(Prasetyo dkk, 2005) yaitu:
1. Accidental sampling atau kebetulan
Pada pengambilan sampel dengan cara Accidental sampling, sampel diambil
dari ketersediaan elemen dan kemudahan untuk mendapatkannya, sampel
dipilih karena sampel ada pada tempat dan waktu yang tepat.
2. Judgment sampling
Sampel diambil berdasarkan kriteria-kriteria berupa suatu pertimbangan
tertentu yang telah dirumuskan terlebih dahulu oleh peneliti.
25
3. Quota sampling
Quota sampling adalah purposive sampling yang mengambil persentase
yang mengambil persentase sampelnya sesuai dengan persentase jumlah
dipopulasinya. Quota sampling sampelnya harus mempunyai karakteristik
yang dimiliki oleh populasinya.
4. Snowball sampling
Cara mengambil sampel dengan cara ini adalah mengumpulkan sampel dari
responden yang berasal dari referensi suatu jaringan.
5. Sampel jenuh
Sampel jenuh adalah teknik pengumpulan sampel apabila semua anggota
populasi digunakan sebagai sampel. Hal ini sering dilakukan apabila jumlah
populasi relatif kecil
Penilaian Prestasi Kerja (skripsi, tesis, dan disertasi)
Pengertian Populasi (skripsi, tesis, disertasi)
Populasi adalah suatu keseluruhan pengamatan atau objek yang menjadi
perhatian kita. Sedangkan sampel adalah bagian dari populasi yang menjadi
perhatian kita. Populasi menggambarkan sesuatu yang sifatnya ideal atau teoritis,
sedangkan sampel menggambarkan sesuatu yang sifatnya nyata atau empiris.
Populasi dan sampel masing-masing mempunyai karakteristik atau ciri yang dapat
diukur.
Prestasi Kerja (skripsi, tesis, dan disertasi)
Instrumen pengumpulan data (skripsi, tesis, disertasi)
Instrumen pengumpulan data sendiri merupakan alat yang digunakan untuk
pengumpan data, yaitu dapat berupa lembar cek list. Kuesioner (angket terbuka
atau tertutup), pedoman wawancara, camera photo, video camera, buku catatan,
dan lain sebagainya (Suryani, 2015).
1. Metode kuesioner
Angket atau kuesioner adalah teknik pengumpulan data yang dilakukan
dengan cara memberikan seperangkat pertanyaan tau pernyataan kepada
orang lain yang dijadikan responden untuk dijawabnya metode kuesioner
dapat dilakukan melalui tatap muka langsung, maupun melalui kuesioner
surat (baik melalui surat dalam bentuk kertas maupun surat elektronik).
Kuesioner yang diberikan secara langsung memiliki kelebihan, yaitu:
a. Peneliti dapat secara langsung bertatap muka dengan responden sehingga
tujuan penelitian dan kegunaan penelitian dapat disampaikan secara
langsung sehingga dapat meningkatkan mengurangi keraguan responden
dan motivasi untuk menjawab secara jujur.
b. Peneliti dapat memeriksa langsung kelengkapan isi dari kuesioner yang
diberikan.
c. Penyebaran kuesioner yang dilakukan secara serentak yang dilakukan
oleh tim survei dapat mengumpulkan data dalam waktu yang singkat dan
relatif murah dibandingkan metode wawancara.
d. Peneliti dapat secara langsung memberikan penjelasan jika pernyataan
atau pertanyaan yang tidak dipahami oleh responden.
2. Metode observasi
Observasi merupakan salah satu teknik yang digunakan untuk merekam
berbagai fenomena yang terjadi (situasi, kondisi). Teknik ini digunakan bila
penelitian ditujukan untuk mempelajari perilaku manusia, proses kerja,
gejala-gejala alam dan dilakukan pada responden yang tidak terlalu besar.
Metode observasi digolongkan menjadi dua yaitu:
a. Participant observation, yaitu peneliti secara langsung terlibat dalam
kegiatan sehari-hari orang atau situasi yang diamati sebagai sumber data.
b. Non-participant observation, yaitu penelitinya tidak ikut secara langsung
dalam kegiatan atau proses yang sedang diamati. Kelemahan metode ini
adalah peneliti tidak akan memperoleh data yang mendalam karena
hanya bertindak sebagai pengamat dari luar tanpa mengetahui makna
yang terkandung di dalam peristiwa.
3. Wawancara
Wawancara merupakan teknik pengumpulan data yang dilakukan melalui
tatap muka dan tanya jawab langsung anta pengumpul data maupun peneliti
terhadap nara sumber atau sumber data, wawancara pada penelitian sampel
besar biasanya hanya dilakukan sebagai studi pendahuluan. Wawancara
terbagai menjadi wawancara terstruktur dan tidak terstruktur. Wawancara
terstruktur yaitu peneliti telah mengetahui pasti apa informasi yang ingin
digali dari responden sehingga daftar pertanyaannya sudah dibuat secara
sistematis. Peneliti juga dapat menggunakan alat bantu tape recorder,
kamera foto dan material lainnya yang dapat membantu kelancaran
wawancara. Sedangkan wawancara secara tidak terstruktur adalah
wawancara bebas, yaitu peneliti tidak menggunakan pedoman wawancara
yang berisi pertanyaan yang akan diajukan secara spesifik, dan hanya
memuat poin-poin penting masalah yang ingin digali dari responden.
Indikator Lingkungan Kerja (skripsi, tesis, dan disertasi)
Pengertian Data (skripsi, tesis, disertasi)
Data digunakan untuk mengukur nilai satu atau lebih variabel dalam sampel atau populasi. Data merupakan cerminan dari suatu variabel menurut klasifikasinya seperti berdasarkan sifatnya, sumbernya, cara memperolehnya, dan waktu pengumpulannya (Suryani, 2015).
Data Menurut Jenisnya (skripsi, tesis, disertasi)
Data menurut jenisnya dikelompokkan menjadi dua, yaitu kualitatif dan
kuantitatif. Data kualitatif (non-metric) seperti jenis kelamin, pendidikan,
warna, suku dan sebagainya. Sedangkan kuantitatif (metric) adalah data
berbentuk angka
Data Menurut Sifatnya (skripsi, tesis, disertasi)
Faktor-faktor Lingkungan Kerja (skripsi, tesis, dan disertasi)
Ada beberapa faktor yang mempengaruhi lingkungan kerja, seperti yang dikemukakan Sedarmayanti (2009:5)1. Penerangan2. Suhu Udara3. Bising4. Penggunaan Warna5. Ruang Gerak6. Keamanan Bekerja
Data Menurut Sumbernya (skripsi, tesis, disertasi)
Data menurut subernya dikelompokkan menjadi dua yaitu data internal dan data eksternal. Data internal adalah data yang menggambarkan keadaan atau kegiatan di dalam sebuah organisasi. Sedangkan data eksternal adalah data yang menggambarkan keadaan atau kegiatan di luar organisasi.
Manfaat Lingkungan Kerja (skripsi, tesis, dan disertasi)
Data Menurut Cara Memperolehnya (skripsi, tesis, disertasi)
.
Jenis Lingkungan Kerja (skripsi, tesis, dan disertasi)
Data Menurut Waktu Pengumpulannya (skripsi, tesis, disertasi)
Data menurut waktu pengumpulannya dikelompokkan menjadi tiga, yaitu
crosss-section, time series dan data panel. Data cross-section adala data
yang dikumpulkan pada suatu waktu tertentu yang dapat menggambarkan
keadaan atau kegiatan pada waktu tertentu. Time series (data berskala)
adalah daya yang dikumpulkan dalam waktu ke waktu untuk memberikan
gambaran tentang perkembangan suatu kegiatan selama periode spesifik
yang diamati. Data berskala sering kali disebut pula sebagai data historis.
Sedangkan data panel adalah data gabungan time series dan cross section.
SmartPLS (skripsi, tesis, disertasi)
SmartPLS merupakan aplikasi perangkat lunak untuk teknik SEM dalam
bentuk graphical user interface (GUI). SmartPLS menggunakan teknologi Java
webstart yang dapat diaplikasikan pada semua sistem operasi komputer.
SmartPLS memungkinkan impor data indikator variabel dalam model. Aplikasi
ini dibangun melalui proyek di Institute of Operations Management and
Organizations (School of Business, University of Hamburg, Germany), (Jogiyanto
dkk, 2009).
Lingkungan Kerja (skripsi, tesis, dan disertasi)
Uji Hipotesis Pada PLS (skripsi, tesis, disertasi)
Untuk pengujian seluruh hipotesis maka digunakan metode Partial Least
Square (PLS). Partial Least Square (PLS) merupakan metode analisis yang
powerfull oleh karena tidak didasarkan banyak asumsi (Ghozali, 2014). Dengan
metode PLS maka model yang diuji dapat mempergunakan asumsi: data tidak
harus berdistribusi normal, skala pengukuran dapat berupa nominal, ordinal,
interval maupun rasio, jumlah sampel tidak harus besar, indikator tidak harus
dalam bentuk refleksif (dapat berupa indikator refleksif dan formatif) dan model
tidak harus berdasarkan pada teori (Ghozali, 2014).
Dengan uji t, yaitu untuk menguji signifikansi konstanta dan variabel
independen yang terdapat dalam persamaan tersebut secara individu apakah
berpengaruh terhadap nilai variabel dependen (Ghozali, 2014). Untuk pengujian
ini dilakukan dengan melihat output dengan bantuan program aplikasi SmartPLS.
Jika nilai T hitung < T tabel, maka Hipotesis nol ditolak, (koefisien regresi
signifikan). Dalam pengujian hipotesis tingkat signifikansi yang digunakan adalah
95% ( = 0.05). Nilai T tabel dengan tingkat signifikansi 95% adalah 1.96. Model
persamaan struktural dalam penelitian ini akan diselesaikan dengan program
SmartPLS 3.0.
Model Pengukuran atau Outer Model (skripsi, tesis, disertasi)
Dalam PLS model pengukuran atau outer model dengan indikator refleksif
dievaluasi dengan convergent validity dan discriminat validity dari indikatornya
serta composite reliability untuk blok indikator. Sedangkan indikator formatif
dievaluasi berdasarkan pada substantive content-nya yaitu membandingkan
besarnya relative weight dan melihat siginifikansi dari ukuran weight tersebut
(Ghozali, 2014).
Variabel laten yaitu variabel yang tidak dapat diukur langsung (harus
dengan indikator atau kuesioner). Sedangkan indikator refleksif adalah variabel
yang dipengaruhi oleh variabel laten. Jadi model indikator refleksif adalah
konstruk atau variabel laten diijelaskan oleh indikator atau arah hubungan dari
konstruk ke indikator. Indikator-indikator mengukur hal yang sama tentang
konstruk, sehingga antar indikator harus memiliki korelasi yang tinggi. Jika salah
satu indikator dibuang, maka konstruk akan terpengaruh. Dalam model indikator
formatif dipandang sebagai variabel yang mempengaruhi variabel laten. Jadi
model indikator formatif yaitu indikator mempengaruhi konstruk atau
hubungannya dari indikator ke konstruk, antar indikator diasumsikan tidak saling
berkorelasi sehinga satu indikator dibuang tidak akan mempengaruhi konstruk
(Ghozali, 2014). Pengujian outer model dilakukan dalam 4 tahap yaitu:
1. Convergent Validity
Convergent validity dari model pengukuran dengan indikator refleksif
dinilai berdasarkan korelasi antara item score atau component score
dengan construct score yang dihitung dengan PLS. Ukuran refleksif
individual dikatakan tinggi jika berkorelasi lebih dari 0.70 dengan
konstruk yang ingin diukur. Namun demikian untuk penelitian awal dari
pengembangan skala pengukuran nilai loading 0.50 sampai dengan 0.60
dianggap cukup (Ghozali, 2014).
2. Discriminant Validity
Discriminat validity dari model pengukuran dengan indikator refleksif
dinilai berdasarkan cross loading pengukuran dengan konstruk. Jika
korelasi konstruk dengan item pengukuran lebih besar daripada ukuran
konstruk lainnya, maka hal itu menunjukkan bahwa konstruk laten
memprediksi ukuran pada blok mereka lebih baik daripada ukuran pada
blok lainnya (Ghozali, 2014).
3. Square root of Average Variance Extracted (AVE)
Setiap konstruk dengan korelasi antara konstruk dengan konstruk lainnya
dalam model. Jika nilai akar AVE setiap konstruk lebih besar daripada
nilai korelasi antara konstruk dengan konstruk lainnya dalam model,
maka dikatakan memiliki nilai discriminant validity yang baik (Ghozali,
2014).
4. Compositre Reliability
Penilaian yang biasa digunakan untuk menilai reliabilitas konstruk dan
dinyatakan reliable jika nilai composite reliability dan cronbach alpha di
atas 0.70 untuk penelitian bersifat konfirmasi dan 0.60-0.70 masih dapat
diterima untuk penelitian yang bersifat exploratory atau penyelidikan
(Ghozali, 2014).
Faktor-Faktor yang Mempengaruhi Kinerja (skripsi, tesis, dan disertasi)
Partial Least Square (PLS) (skripsi, tesis, disertasi)
Sebagai alternatif covariance based SEM, pendekatan covariance based
atau component based dengan PLS orientasi analisis bergeser dari menguji model
kausalitas atau teori ke covariance based predictive model. CBSEM lebih
berorientasi pada model building yang dimaksudkan untuk menjelaskan
covariance dari semua observed indikators, sedangkan tujuan PLS adalah prediksi.
Variabel laten didefinisikan sebagai jumlah dari indikatornya. Algoritma PLS
ingin mendapatkan the best weight estimate untuk setiap blok indikator dari setiap
variabel laten. Hasil komponen skor untuk setiap variabel laten didasarkan pada
estimated indicator weight yang memaksimumkan variance explained untuk
variabel dependent atau laten, observe atau keduanya (Ghozali, 2014).
Partial least square (PLS) merupakan metode analisis yang powerfull oleh
karena tidak didasari banyak asumsi. Data tidak harus terdistribusi normal
multivariate (indikator dengan skala kategori, ordinal, interval, sampai ratio dapat
digunakan pada model yang sama), sampel tidak harus besar. Walapun PLS dapat
juga digunakan untuk mengkonfirmasi teori, tetapi dapat juga digunakan untuk
menjelaskan ada atau tidaknya hubungan antar variabel laten. Oleh karena lebih
menitik beratkan pada data dan dengan prosedur estimasi yang terbatas, maka
mispersifikasi model tidak begitu berpengaruh terhadap estimasi parameter.
Dibandingkan dengan CBSEM, component based SEM–PLS menghindari dua
masalah serius yaitu inadmisable solution dan factor indeterminacy (Ghozali,
2014).
PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator
refletif dan indikator formatif dan hal ini tidak mungkin dijalankan dalam
CBSEM karena akan terjadi unidentified model. Oleh karena algoritma dalam PLS
menggunakan analisis series ordinary least square, maka identifikasi model
bukan masalah dalam model rekursif dan juga tidak mengasumsikan bentuk
distribusi tertentu dari pengukuran variabel. Lebih jauh efesiensi perhitungan
algoritma mampu mengestimasi model yang besar dan komplek dengan ratusan
variabel laten dan ribuan indikator (Ghozali, 2014).
Secara ringkas dapat disimpulkan bahwa jika model struktur dan model
pengukuran yang dihipotesiskan benar dalam artian menjelaskan covariance
semua indikator dan kondisi data serta sample size terpenuhi, maka covariance
based SEM memberikan estimasi optimal dari parameter model. Ini ideal untuk
konfirmasi model dan estimasi kebenaran parameter populasi. Namun demikian
tergantung dari tujuan si peneliti dan pandangan epistemic dari data ke teori,
properti data yang ada, tingkat pengetahuan teoritis dan pengembangan
pengukuran, pendekatan PLS mungkin lebih cocok
Structural Equation Model (SEM) (skripsi, tesis, disertasi)
Structural Equation Model (SEM) adalah suatu teknik statistik yang mampu
menganalisis variabel laten, variabel indikator dan kesalahan pengukuran secara
langsung. Teknik ini dilakukan untuk menjelaskan secara menyeluruh hubungan
antar variabel yang ada dalam penelitian. SEM digunakan bukan untuk merancang
suatu teori, tetapi lebih ditujukan untuk memeriksa dan membenarkan suatu model.
SEM terbagi atas 2 jenis varian, yaitu SEM covariance based dan SEM
componenet based (Ghozali, 2014).
SEM memiliki dua tujuan utama dalam analisisnya, tujuan yang pertama
yaitu menentukan apakah model possible (masuk akal) atau fit, atau dengan kata
lain menguji fit suatu model yaitu kesesuaian model dengan data empiris. Tujuan
kedua yaitu menguji berbagai hipotesis yang telah dibangun sebelumnya. SEM
memiliki 4 perbedaan dengan regresi biasa dan teknik multivariate lainnya yaitu:
1. SEM membutuhkan lebih dari sekedar perangkat statistik yang
didasarkan atas regresi biasa dan analisis varian.
2. Regresi biasa, umumnya, menspesifikan hubungan kausal antara
variabel-variabel teramati, sedangkan pada model variabel laten SEM,
hubungan kausal terjadi di antara variabel-variabel tidak teramati atau
variabel-varibel laten.
3. SEM selain memberikan informasi tentang hubungan kausal simultan di
antara variabel-variabelnya, juga memberikan informasi tentang muatan
faktor dan kesalahan-kesalahan pengukuran.
4. Estimasi terhadap multiple interrelated dependence relationships. pada
SEM sebuah variabel bebas pada satu persamaan bisa menjadi variabel
terikat pada persamaan lain.
Faktor-Faktor Yang Mempengaruhi Lingkungan Kerja (skripsi, tesis, dan disertasi)
Jenis lingkungan Kerja (skripsi, tesis, dan disertasi)
Pengertian lingkungan Kerja (skripsi, tesis, dan disertasi)
Dalam melakukan aktivitas perusahaan, lingkungan kerja merupakansegala kondisi yang berada disekitar para pekerja, sehingga baik secara langsungmaupun tidak langsung dapatmempengaruhi dirinya dalam melaksanakan tugasyang dibebankan. Lingkungan yang baik dan menyenangkan akan dapatmenimbulkan semangat dan bergairah kerja, dan sebaliknya jika lingkungan kerjayang tidak menyenangkan akan dapat mengurangi semangat dan bergairah kerja.MenurutAlex Nitisimito (2006),lingkungan kerja adalah segala yang adadisekitar para pekerja yang dapat mempengaruhi dirinya dalam menjalankan tugasyang dibebankan.Lussier (Dalam Hadari Nawawi : 2003)mengartikan bahwalingkungan kerjaadalah kualitas internal operganisasi yang relatif berlangsungterus menerus yang dirasakan oleh anggotanya.Lingkungan kerja adalah semua aspek fisik kerja, psikologis kerja danperaturan kerja yang dapat mempengaruhi kepuasan kerja dan tercapaiproduktivitas(Anwar P. Mangkunegara : 2005)
Spesifikasi dan EValuasi Model (skripsi, tesis, disertasi)
Model Analisis jalur semua variabael laten dalam PLS terdiri dari tiga set hubungan
yaitu Outer Model yang menspesifikasi hubungan variabel laten dengan indikator
lainnya yang merupakan nilai kasus dari variabel laten yang dapat diestimasi, Inner
Model yang menspesfikasi hubungan antar variabel laten.
a. Evaluasi Goodness-of-fit Outer Model
Goodness of fit Outer model refleksif meliputi convergent validity, discriminant
validity, dan composite reliability. Sedangkan untuk Outer model formatif dievaluasi
dengan signifikansi dari pembobotan (weight). Goodness of fit Outer model refleksif
adalah sebagai berikut:
1. Convergent Validity
Convergent Validity mengukur besarnya korelasi antara konstrak dengan
variabel laten. Dalam evaluasi Convergent Validity dari pemeriksaan individual
item Realibility dapat dilihat dari nilai Standardized loading factor.
Standardized loading factor menggambarkan besarnya korelasi antara setiap
item pengukuran (indicator) dengan konstraknya. Nilai loading factor diatas 0,7
dapat dikatakan ideal artinya bahwa indicator tersebut dikatakan valid sebagai
indicator yang mengukur konstak. Meskipun demikian, nilai Standardized
loading factor diatas 0,5 dapat diterima, sedangkan nilai Standardized loading
factor dibawah 0,5 dapat dikeluarkan dari model. (Chin & Marcolin, 1996).
2. Discriminant Validity
Discriminant validity dari model reflektif dievaluasi melalui cross loading,
kemudian membandingkan nilai AVE dengan kuadrat nilai kolerasi antar
konstrak (atau membandingkan square root average variance extracted (akar
AVE) dengan korelasi antar kontrak). Ukuran cross loading adalah
membandingkan korelasi indicator dengan kontraknya dan kontrak dari blok
lainnya. Bila kolerasi antara indikator dengan kontraknya lebih tinggi dari
kolerasi dengan kontrak blok lainnya, hal ini menunjukkan kontrak tersebut
memprediksi ukuran pada blok mereka dengan lebih baik dari blok lainnya.
Ukuran discriminant validity lainnya adalah bahwa nilai akar AVE harus lebih
tinggi daripada kolerasi antara kontrak dengan kontrak lainnya atau nilai AVE
lebih tinggi dari kuadrat kolerasi antar kontrak merupakan pengukuran indikator
dengan variabel latennya. Fornell dan Lacrker (1981) menyatakan ukuran AVE
ini dapat juga digunakan untuk mengukur reliabitilas component score variable laten dan hasilnya lebih konservatif dibandingkan dengan composite reliability.
(Sofyan & Kurniawan, 2011).
Varians rata-rata yang diekstraksi harus lebih tinggi dari 0,5
3. Composite Reliability
Composite reliability lebih baik dalam mengukur internal consistency
dibandingkan cornbach’s alpha dalam model SEM dikarenakan composite
reliability tidak mengasumsikan kesamaan boot dari setiap indikator.
Cronbach’s alpha cenderung menaksir lebih rendah contruct reliability
dibandingkan composite reliability. Interpretasi composite reliability sama
dengan cronbach’s alpha. Nilai batas 0,7 keatas berarti dapat diterima dan diatas
0,8 dan 0,9 berarti sangat memuaskan. (Sofyan & Kurniawan, 2011). Adapun
. Composite Reliability adalah ukuran dari konsisensi
internal dan tidak boleh lebih rendah dari 0.6
b. Evaluasi Goodness-of-fit Inner model
Goodness of Fit inner model diukur menggunakan R-square variabel laten dependen
dengan interpretasi yang sama dengan regresi. Hasil R-square 0.67 dapat diindikasikan
baik, 0,33 dapat diindikasikan sebagai moderat, dan 0.19 sebagai hasil yang lemah. Q-21
Square predictive relevance untuk model struktural, megukur seberapa baik nilai observasi dihasilkan oleh model dan juga estimasi parameternya. Nilai Q-square > 0
menunjukkan model memiliki predictive relevance; sebaliknya jika nilai Q-Square ≤ 0
menunjukkan model kurang memiliki predictive relevance
Perhitungan Q-square dapat dilakukan dengan rumus :
?
2 – 1 – ( 1 – ?1² )(1 – ?2² )….( 1 – ??² ) …………………………………………………………..2.3
Di mana ?1², ?2² … ??² adalah R-square variabel endogen dalam model persamaan.
Besaran ?
2 memiliki nilai dengan rentang 0 < ?
2 < 1, dimana semakin mendekati 1
berarti model semakin baik. Besaran ?
2
ini setara dengan koefisien determinasi total
pada analisis jalur (path analysis).
2.2.2.3 Estimasi
Langkah selanjutnya untuk mengestimasi setelah mengembangkan model adalah
dengan menguji kriteria pada setiap indikator yang ada. Model jalur yang telah
dikembangkan kemudian diuji dnega perhitungan algoritma yang telah tersedia di
dalam program. Apabila ada indikator dengan loading factor dibawah 0.70 maka
indikator tersebut perlu dikeluarkan atau dibuang dari model dan dilakukan estimasi
ulang. Setelah semua indikator sudah memenuhi syarat maka langkah selanjutnya
adalah melakukan uji hubungan dengan menu Bootstrapping pada program di software
Smart-PLS.Hasil output hubungan dan signifikansi setiap variabel akan muncul dan
kemudian diidentifikasi. (Ghozali, 2006)
Analisa model struktutal Partial Least Square (PLS) (skripsi, tesis, disertasi)
Penelitian ini dilakukan dengan menggunakan bantuan software SmartPLS. Partial
Least Square dapat digunakan untuk memprediksi ada atau tidaknya hubungan yang
terjadi antara variabel laten satu dengan variabel laten lainnya dengan situasi
kompleksitas yang tinggi dan dukungan teori yang rendah. (Ghozali, 2006). Penelitian
ini menggunakan metode Partial Least Square dengan alasan karena penelitian ini
menggunakan hasil dari jawaban kuesioner sebagai sumber data. Teknik analisis yang
digunakan ini berguna untuk mengetahui pengaruh retail service quality dengan
kepuasan dan loyalitas pelanggan. Berikut adalah pemaparan prosedur yang dipakai
dalam metode PLS secara umum. (Ghozali, 2006).
Pengertian SEM-PLS (skripsi, tesis, disertasi)
Menurut Ghozali (2006), Partial Least Square (PLS) merupakan orientasi model
persamaan struktural yang digunakan untuk menguji teori atau untuk mengembangkan
teori (tujuan prediksi). (Ghozali, 2006). PLS ini adalah pendekatan alternatif yang
bergeser dari pendekatan Structur Equation Modelling (SEM) berbasis kovarian
(mengukur besarnya hubungan antara dua variabel) menjadi berbasis varian (ukuran
korelasi antara dua variabel acak yang sama). PLS ini sering diterapkan karena tiga
alasan yaitu diatribusi data, ukuran sampel, dan penggunaan indikator formatif.
Dinyatakan oleh Wold dalam Ghozali (2006), metode ini merupakan metode yang
sangat kuat, karena tidak didasarkan oleh banyak asumsi, data tidak harus terdistribusi
dengan normal multivariate (indikator dengan skala kategori sampai rasio dapat
digunakan pada model yang sama) dan untuk bahan sampel tidak harus besar dengan
minimal sampel 30-50 sudah dapat diaplikasikan dan sudah layak untuk dijadikan
sampel penelitian. (Ghozali, 2006). Sedangkan, menurut Wold dalam Hoyle (1999), PLS
merupakan metode analisis yang “powerfull” karena dapat diterapkan pada semua skala
data, tidak membutuhkan banyak asumsi dan ukuran sampel tidak harus besar. (Ghozali,
2006). Walaupun PLS dapat juga digunakan untuk mengkonfirmasi teori, tetapi dapat
juga digunakan untuk menjelaskan ada atau tidaknya hubungan antara variabel laten.
Selain dapat digunakan untuk mengeksplorasi hubungan antar variabel dengan landasan
teori lemah atau belum ada, PLS juga dapat digunakan untuk pengujian hipotesis. PLS
merupakan pendekatan yang lebih tepat untuk tujuan prediksi. Konstrak terbagi menjadi
dua, yaitu konstrak eksogen dan konstrak endogen. Konstrak eksogen merupakan
konstrak penyebab, konstrak yang tidak dipengaruhi oleh konstrak lainnya. Konstrak
eksogen memberikan efek kepada konstrak lainnya, sedanhkan konstrak endogen
merupakan konstrak yang dijelaskan oleh konstrak eksogen. Konstrak endogen adalah
efek dari konsrrak eksogen. (Yamin dan Kurniawan, 2010)
2.2.1.1 Identifikasi Indikator pada SEM-Partial Least Square (SEM-PLS)
a. Indikator Variabel Physical Aspects (Aspek Fisik)
b. Indikator Variabel Reliability (Kehandalan)
c. Indikator Variabel Personal Interaction (Interaksi Pribadi)
d. Indikator Variabel Problem Solving (Pemecahan Masalah)
e. Indikator Variabel Policy (Kebijakan)
SmartPLS bertujuan untuk memprediksi suatu model dan mengkonfirmasi teori
yang telah ada, tetapi bisa juga digunakan untuk menjelaskan ada tidaknya hubungan
antar peubah atau variabel laten. Model analisis jalur semua variabel laten dalam
smartPLS terdiri dari tiga set hubungan:
a. Inner model yang menspesifikasi hubungan antar variabl laten (structural
model). Inner model menggambarkan hubungan antar variabel laten
berdasarkan substantive theory.
b. Outer model yang menspesifikasi hubungan antara variabel laten dengan
indikator atau variabel manifestnya (measurment model). Outer model juga
mendefinisikan bagaimana setiap blok indikator berhubungan dengan variabel
latennya.
c. Weight relation di mana nilai kasus dari variabel laten dapat diestimasi. Tanpa
kehilangan generalisasi, dapat diasumsikan bahwa variabel laten dan indikator
atau manifest variabel diskala zero means dan unit variance sehingga parameter
lokasi dapat dihilangkan dalam model.
Pengolahan dalam penelitian ini menggunakan model Structural Equation
Model (SEM) dengan smartPLS. Hubungan kausalitas model SEM ini untuk lebih
jelasnya dapat dilihat melalui diagram path. Ada beberapa hal yang membedakan
analisis PLS dengan model analisis SEM yang lain:
a. Data tidak harus berdistribusi normal.
b. Dapat digunakan sampel kecil. Minimal sampel>30 dapat digunakan.
c. PLS selain dapat digunakan untuk mengkonfirmasikan teori, dapat juga
digunakan untuk menjelaskan ada atau tidaknya hubungan antar variabel laten.
d. PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator
reflektif dan formatif.
e. PLS mampu mengestimasi model yang besar dan kompleks dengan ratusan
variabel laten dan ribuan indicator. (Sanjiwani & Jayanegara, 2015)
LANGKAH-LANGKAH ANALISIS DALAM SEM (skripsi, tesis, disertasi)
Untuk melakukan analisis SEM diperlukan langkah-langkah sebagai berikut:
Pertama, • kita membuat spesifikasi model yang didasarkan pada teori, kemudian menentukan bagaimana mengukur konstruk-konstruk, mengumpulkan data, dan kemudian masukkan data ke Amos.
Kedua,• Amos akan mencocokkan data kedalam model yang sudah dispesifikasi, kemudian memberikan hasil yang mencakup semua angka-angka statistik kecocokan model dan estimasi-estimasi parameter.
Ketiga,• masukkan data yang biasanya dalam bentuk matriks kovarian dari variable-variabel yang sedang diukur, misalnya nilai butir-butir pertanyaan yang digunakan,. Bentuk masukan lainnya dapat berupa matriks korelasi dan rata-rata (mean). Data dapat berupa data mentah kemudian diubah menjadi kovarian dan rata-rata.
Keempat,• membuat estimasi sesuai keperluan riset.
Kelima, • mencocokkan data dengan model yang sudah dibuat.
KENGGULAN-KEUNGGULAN SEM (skripsi, tesis, disertasi)
Pertama,1. memungkinkan adanya asumsi-asumsi yang lebih fleksibel;
Kedua,2. penggunaan analisis faktor penegasan (confirmatory factor analysis) untuk mengurangi kesalahan pengukuran dengan memiliki banyak indikator dalam satu variabel laten;
Ketiga,3. daya tarik interface pemodelan grafis untuk memudahkan pengguna membaca keluaran hasil analisis;
Keempat,4. kemungkinan adanya pengujian model secara keseluruhan dari pada koefesien-koefesien secara sendiri-sendiri;
Kelima,5. kemampuan untuk menguji model – model dengan menggunakan beberapa variabel tergantung;
Keenam,6. kemampuan untuk membuat model terhadap variabel-variabel perantara;
Ketujuh, 7. kemampuan untuk membuat model gangguan kesalahan (error term);
Kedelapan,8. kemampuan untuk menguji koefesien-koefesien di luar antara beberapa kelompok subyek;
Kesembilan,9. kemampuan untuk mengatasi data yang sulit, seperti data time series dengan kesalahan otokorelasi, data yang tidak normal, dan data yang tidak lengkap.
Variabel dalam SEM (skripsi, tesis, disertasi)
Observed Variables– : Variabel Yang Dapat Diobservasi Secara Langsung / Var Manifest / Indikator / Referensi
Unobserved Variables– : Variabel Yang Tidak Dapat Diobservasi Secara Langsung / Fenomena Abstrak / Var Laten / Faktor / Konstruk
Minimal 4 variabel untuk pemodelan dalam SEM–
Variabel Laten Exogenous (Variabel Independen)•
Penyebab fluktuasi nilai – nilai di variabel – variabel laten lainnya dalam model yang dibangun. Perubahan nilai dalam var ini ini tidak dapat diterangkan dengan menggunakan model, tetapi harus mempertimbangkan pengaruh faktor – faktor eksternal lainnya diluar model; sebagai contoh faktor demografi, status sosial dan ekonomi. (Bandingkan dengan konsep Regresi dan Analisis Jalur dimana model tidak digunakan untuk memberikan penjelasan perubahan nilai pada variabel bebas (regresi) dan exogenous (analisis jalur) krn variabel – variabel ini diperlakukan sebagai penyebab perubahan nilai var tergantung (regresi) dan var endogenous (analisis jalur) Variabel yang dipengaruhi oleh var exogenous dalam model baik secara langsung maupun tidak – langsung. Fluktuasi nilai dalam var endogenous dapat diterangkan dengan model yang dibangun karena semua variabel laten yang mempengaruhi variabel laten endogenous ini dimasukkan dalam spesifikasi model tersebut.
Model Anlisis Faktor•
Exploratory Factor Analysis (EFA)– : dirancang untuk suatu situasi dimana hubungan antara variabel – variabel yang diobservasi dan variabel laten tidak diketahui atau tidak jelas
Confirmatory Factor Analysis (CFA)– : digunakan untuk riset dimana peneliti sudah mempunyai pengetahuan mengenai struktur variabel laten yang melandasinya. Didasarkan pada teori atau riset empiris yang bersangkutan membuat postulat /asumsi / reasoning hubungan antara pengukuran yang diobservasi dengan faktor – faktor yang mendasarinya sebelumnya kemudian melakukan pengujian struktur hipotesis ini secara statistik.
Kesimpulan: Model analisis faktor EFA dan CFA berfokus pada bagaimana dan sejauh mana semua – variabel yang diobservasi berhubungan dengan faktor – faktor laten yang mendasarinya. Dengan kata lain, model analisis ini berfokus pada sejauh mana variabel – variabel yang diobservasi ini dihasilkan oleh konstruk – konstruk laten yang mendasarinya; dengan demikian, kekuatan semua jalur regresi dari semua faktor tersebut kearah semua variabel yang diobservasi secara langsung (koefesien regresi / factor loadings) menjadi fokus analisisnya. Karena model ini, khususnya CFA hanya berfokus pada hubungan antara faktor – faktor dan semua variabel yang diukur maka dalam perspektif SEM disebut sebagai Measurement Model.
Model Variabel Laten Lengkap / Full Latent Variable Model (LV)•
Model LV memungkinkan spesifikasi struktur regresi diantara semua variabel laten. Artinya peneliti – dapat membuat hipotesis pengaruh dari satu konstruk laten terhadap konstruk laten lainnya dalam suatu pemodelan hubungan sebab akibat. Model LV ini mencakup “measurement model” dan “structural model” : dimana MM menjelaskan hubungan antara
semua variabel laten dengan pengukuran yang diobservasi (CFA) dan model struktural menjelaskan – hubungan antara semua variabel laten itu sendiri.
Arah Hubungan •
Recursive– : hubungan pengaruh satu arah ( dari exogenous ke endogenous) (Model ini sama dengan Analisis Jalur)
Non Recursive– : hubungan bersifat sebab akibat / reciprocal atau feedback effects
Tujuan Umum Pemodelan Statistik dalam SEM•
Memberikan cara yang efisien dan sesuai untuk menggambarkan struktur variabel laten yang men– dasari seperangkat variabel yang diobservasi
Mengekspresikan dengan diagram atau menggunakan persamaan matematis –
Menyusun postulat menggunakan model statistik yang didasarkan pada pengetahuan peneliti ter– hadap teori yang sesuai, riset empiris kajiannya, atau kombinasi antara teori dan empiris.
Menentukan keselarasan (Goodness of Fit) antara model yang dihipotesiskan dengan data sam– pel.
Menguji seberapa cocok antara data hasil observasi dengan dengan struktur model yang dibuat –
Mengetahui – residual / perbedaan antara model yang dihipotesiskan dengan data observasi
Bentuk model yang sesuai dengan data observasi:•
Data = Model + Residual–
Model merupakan representasi struktur yang dihipotesiskan yang menghubungkan antara semua – variabel yang diobservasi dengan semua variabel laten dan untuk model tertentu menghubungkan antar variabel laten tertentu.
Residual merupakan perbedaan antara model yang dihipotesiskan dengan data yang diobservasi –
Kerangka Strategis Umum untuk Pengujian SEM Menurut Joreskog (1993) •
Terdapat 3 kerangka strategis umum dalam pengujian SEM, yaitu:Strictly Confirmatory (SC)– :
Peneliti membuat postulat suatu model singel didasarkan pada teori, •
Mengumpulkan data yang sesuai •
Menguji kecocokan antara model yang dihipotesiskan dengan data sampel observasi •
Hasil pengujian ialah menolak atau menerima model yang sudah dibuat •
Tidak ada modifikasi lebih lanjut terhadap model yang sudah dibuat •
Alternative Models (AM)– :
Peneliti mengajukan beberapa alternatif model yang didasarkan pada teori yang sesuai dengan • kajian yang dilakukan
Memilih model yang sesuai dengan data observasi yang paling mewakili data sampel yang • dimiliki
Model Generating (MG)– :
Peneliti membuat postulat dan menolak model yang diturunkan dari teori didasarkan pada • kekurang-sesuaian dengan data sampel
Melanjutkan dengan model exploratori bukan konfirmasi untuk memodifikasi dan mengestimasi • ulang model yang dibuat
Fokusnya ialah untuk menemukan sumber ketidaksesuaian dalam model dan menentukan • suatu model yang sesuai dengan data sampel yang ada
HAL PENTING DALAM PENGGUNAAN SEM (skripsi, tesis, disertasi)
Ada dua isu yang bersifat metodologis yang muncul dalam SEM berkaitan dengan kekuatan menganalisis data. Pertama, apakah parameter-parameter yang akan kita estimasi dapat diidentifikasi. Lebih lanjut apakah kita dapat memperoleh estimasi unik parameter tersebut. Pada saat semua parameter dalam suatu model teridentifikasi maka model tersebut dikatakan teridentifikasi. Masalah indentifikasi ini seperti persamaan dalam aljabar yang digunakan untuk mengetahui apakah terdapat persamaan independent yang memadai untuk memecahkan X, Y dan Z. Idealnya, kita menginginkan semua parameter model dapat diidentififikasi. Amos dapat mendeteksi serta memberitahu kita kisaran masalah-masalah identifikasi. Selain itu juga Amos menawarkan remedi untuk mengatasi masalah ini. Kita dapat mengatasi masalah indentifikasi dengan menggunakan pengendalian-pengendalian tertentu.
Isu kedua ialah ekuvalensi model. Dua model SEM akan equivalen jika kedua model tersebut dapat memprediksi nilai-nilai yang sama dari data yang sama pula. Apa yang dianalisis pada saat melakukan pencocokan dalam SEM ialah matriks kovarian atau matriks korelasi. Sekalipun demikian dalam SEM kadang kita juga menggunakan rata-rata (mean) hasil observasi juga pada saat intercept atau rata-rata faktor diestimasi. Setiap dua model SEM yang memprediksi momen yang sama, misanya kovarian, means, dan lainnya diperlakukan equivalen. Sampai saat ini belum ada prosedur yang komprehensif untuk menghitung semua kemungkinan model yang ingin kita spesifikasi.. Untuk mengatasi masalah ini, maka kita harus bersandar pada informasi diluar data untuk memilih model-model yang terbaik. Informasi ini dapat diperoleh dari riset sebelumnya, pengetahuan tentang lingkungan dimana data dikoleksi, intuisi manajerial dan pengalaman-pengalaman meneliti sebelumnya. Pemahaman ekuivalensi tidak jauh berbeda dengan pemahaman dimana variable-variabel tertentu bergantung pada lainnya dan mana yang tidak bergantung.
KONSEP IDENTIFIKASI MODEL (skripsi, tesis, disertasi)
Model – Model Struktural dapat berupa dalam SEM ialah: 1) just – identified, 2) over – identified, dan 3) under – identified
Model ‘Just – identified’– : jumlah poin data varian dan kovarian sama dengan jumlah parameter yang harus diestimasi. Model ini secara ilmiah tidak menarik karena tidak ada Degree of Freedom (DF) sehingga model harus selalu diterima / tidak dapat ditolak (Catatan: DF = data – parameter)
Model ‘Over – identified’– : jumlah poin data varian dan kovarian variabel-variabel yang teramati lebih besar dari jumlah parameter yang harus diestimasi. Dengan demikian terdapat DF positif sehingga memungkinkan penolakan model
Model ‘Under – identified’– : jumlah poin data varian dan kovarian lebih kecil dibandingkan dengan jumlah parameter yang harus diestimasi. Dengan demikian model akan kekurangan informasi yang cukup untuk mencari pemecahan estimasi parameter karena akan terdapat solusi yang tidak terhingga untuk model yang seperti ini.
Saturated Model– : mempunyai parameter bebas sebanyak jumlah moments (rata-rata dan varian). Jika dianalisis dengan data yang lengkap, maka model akan selalu cocok dengan data sampel secara sempurna (Chi square = 0.0; DF = 0)
PRINSIP-PRINSIP DASAR DIBALIK SEM (skripsi, tesis, disertasi)
Dalam statistik terdapat generaliasi yang menyatakan bahwa beberapa variabel saling berhubungan satu dengan yang lain dalam suatu kelompok persamaan linear. Hubungan tersebut menjadi semakin kompleks tetapi inti pesannya tetap sama, yaitu: kita dapat menguji apakah beberapa variable saling berhubungan melalui seperangkat hubungan linier dengan cara memeriksa varian dank ovarian variable tersebut. Dictum ini dapat diilustrasikan secara sederhana sebagai berikut:
Ada sekelompok angka (kita beri simbol X): 1, 2, dan 3. Sekeleompok angka tersebut mempunyai rata-rata sebesar 2 dan standard deviasi 1. Kemudian sekelompok ini ini (X) kita kalikan 4; maka akan menjadi sekelompok angka sebagai berikut: 4, 8, dan 12 (Kita beri simbol Y). Sekelompok angka tersebut mempunyai rata-rata sebesar 8, standard deviasi 4, dan varian sebesar 16 (varian adalah standard deviasi yang dikuadratkan). Seperangkat angka X dapat dihubungkan dengan seperangkat anhgka Y dengan menggunakan persamaan Y = 4 X; dengan demikian varian Y ialah 16 kali X. Dari persamaan tersebut kita dapat melakukan pengujian hipotesis, yaitu Y dan X dihubungkan dengan menggunakan persamaan Y = 4 X secara tidak langsung dengan cara membandingkan varian – varian variable X dan Y.
Dalam kaitannya dengan pemahaman tersebut, maka prosedur dalam SEM dilakukan dilakukan dengan cara sebagai berikut:
Nyatakan secara tegas bahwa beberapa variabel berkaitan antara satu dengan yang lainnya dengan • menggunakan diagram jalur.
Teliti melalui beberapa aturan internal yang kompleks implikasi-implikasi apa saja dalam kaitannya • degan varian – varian dan kovarian-kovariannya beberapa variabel tersebut.
Ujilah apakah semua varian dan kovarian cocok dengan modelnya. •
Laporkan hasil-hasil pengujian statistik, dan juga estimasi-estimasi parameter serta kesalahan-kesalahan • standard untuk semua koefisen numerik yang ada dalam persamaan linear.
Berdasarkan semua informasi di atas, peneliti memutuskan apakah model nampak sesuai dengan data • yang dipunyai atau tidak
PERTIMBANGAN UNTUK MENGGUNAKAN INDEKS KECOCOKAN MODEL SEM (skripsi, tesis, disertasi)
Karena banyaknya indeks kecocokan model dalam SEM, maka diperlukan pertimbangan-pertimbangan dalam menggunakan indeks kecocokan model tersebut. Sebaiknya kita menggunakan indeks kecocokan model yang umum, seperti RMSEA, Chi Square, NNFI, dan CFI dalam pengujian kecocokan model. Sekalipun demikian kita juga dapat menggunakan indeks – indeks lain, misalnya untuk melihat kesesuaian jumlah sampel ataupun nilai signifikansi
ACUAN INDEKS KECOCOKAN MODEL (skripsi, tesis, disertasi)
Untuk mengetahui apakah model yang dibuat didasarkan pada data observasi sesuai dengan model teori atau tidak diperlukan acuan indeks kecocokan model. Berikut ini nilai-nilai indeks kecocokan model yang sering digunakan dalam SEM, diantaranya:
Nilai Chi Square– : semakin kecil maka model semakin sesuai antara model teori dan data sampel. Nilai ideal sebesar <3
Rasio Kritis (Critical Ratio)– : Rasio deviasi tertentu dari nilai rata-rata standard deviasi. Nilai ini diperoleh dari estimasi parameter dibagi dengan standard error . Besar nilai CR adalah 1,96 untuk pembobotan regresi dengan significance sebesar 0,05 untuk koefesien jalurnya
Jika nilai CR > 1,96 – maka kovarian – kovarian faktor mempunyai hubungan signifikan
Jika koefesien struktural dibuat standar– , misalnya 2; maka var laten tergantung akan meningkat sebesar 2
Kesalahan pengukuran– sebaiknya sebesar 0
Pembobotan regresi (regression weight):– sebesar 1, tidak boleh sama dengan 0, bersifat random jika ada tanda ‘$’
Spesifikasi model– dengan nilai konstan 1
Maximum Likehood Estimation– akan bekerja dengan baik pada sampel sebesar >2500
Significance level– (probabilitas) sebaiknya <0.05
– Reliabilitas konstruk (construct reliability): minimal sebesar 0,70 untuk faktor loadings
Varian ekstrak – (uji lanjut reliabilitas): nilai minimal 0.5 semakin mendekati 1 semakin reliabel
Nilai indeks keselarasan (– goodness of fit index) (GFI): mengukur jumlah relatif varian dan kovarian yang besarnya berkisar dari 0 – 1. Jika nilai besarnya mendekati 0 maka model mempunyai kecocokan yang rendah sedang nilai mendekati 1 maka model mempunyai kecocokan yang baik
Nilai indeks keselarasan yang disesuaikan (– Adjusted Goodness of Fit Index (AGFI): Fungsi sama dengan GFI perbedaan terletak pada penyesuaian nilai DF terhadap model yang dispesifikasi. Nilai AGFI sama dengan atau lebih besar dari 0,9. Jika nilai lebih besar dari 0,9 maka model mempunyai kesesuaian model keseluruhan yang baik
Fungsi perbedaan sampel minimum (– The minimum sample discrepancy function (CMNF)) yang merupakan nilai statistik Chi Square dibagi dengan nilai derajat kebebasan (degree of freedom (df)) disebut juga Chi Square relatif dengan besaran nilai kurang dari 0,2 dengan toleransi dibawah 0,3 yang merupakan indikator diterimanya suatu kecocokan model dan data
Indeks Tucker Lewis (Tucker Lewis – Index (TLI)) dengan ketentuan sebagai penerimaan sebuah model sebesar sama dengan atau lebih besar dari 0,95. Jika nilai mendekati 1 maka model tersebut menunjukkan kecocokan yang sangat tinggi
Indeks Kecocokan Komparatif (– Comparative Fit Index (CFI)) dengan nilai antara 0- 1 dengan ketentuan jika nilai mendekati angka 1 maka model yand dibuat mempunyai kecocokan yang sangat tinggi sedang jika nilai mendekati 0, maka model tidak mempunyai kecocokan yang baik
Index Parsimony– : untuk kecocokan model yang layak nilainya >0,9.
Root mean square error of approximation– , (RMSEA): berfungsi sebagai kriteria untuk pemodelan struktur kovarian dengan mempertimbangkan kesalahan yg mendekati populasi. Kecocokan model yg cocok dengan matriks kovarian populasi. Model baik jika nilainya lebih kecil atau sama dengan 0,05 ; cukup baik sebesar atau lebih kecil dari 0,08
Uji Reliabilitas– : untuk menghitung reliabilitas model yang menunjukkan adanya indikator-indikator yang mempunyai derajat kesesuaian yang baik dalam satu model satu dimensi. Reliabilitas merupakan ukuran konsistensi internal indikator-indikator suatu konstruk yang menunjukkan derajat sejauh mana setiap indikator tersebut menunjukkan sebuah konstruk laten yang umum. Reliabilitas berikutnya ialah Varian Extracted dengan besar diatas atau sama dengan 0,5. Dengan ketentuan nilai yang semakin tinggi menunjukkan bahwa indikator-indikator sudah mewakili secara benar konstruk laten yang dikembangkan
Parameter dengan nilai 0– mempunyai arti tidak ada hubungan antar variabel yang diobservasi. Parameter dapat secara bebas diestimasi dengan nilai tidak sama dengan 0. Fixed parameter diestimasi tidak berasal dari data, misalnya 1; free parameter diestimasi dari data sampel yang diasumsikan oleh peneliti tidak sama dengan 0.
Root Mean Square Residual (RMR)– : nilai rata-rata semua residual yang ditandarisasi. Nilai RMR berkisar mulai 0 – 1, suatu model yang cocok mempunyai nilai RMR < 0.05.
Parsimony Based Indexes of Fit (PGFI)– : Parsimony model yang berfungsi untuk mempertimbangkan kekompleksitasan model yang dihipotesiskan dalam kaitannya dengan kecocokan model secara menyeluruh. Nilai kecocokan ideal adalah 0.9
Normed Fit Index (NFI)– : Nilai NFI mulai 0 – 1 diturunkan dari perbandingan antara model yang dihipotesiskan dengan suatu model independen tertentu. Model mempunyai kecocokan tinggi jika nilai mendekati 1
Relative Fit Index (RFI)– : merupakan turunan dari NFI dengan nilai 0 -1. Model mempunyai kecocokan yang ideal dengan nilai 0.95
First Fit Index (PRATIO)– : berkaitan dengan model parsimony
Noncentrality Parameter (NCP)– : parameter tetap yang berhubungan dengan DF yang berfungsi untuk mengukur perbedaan antara matriks kovarian populasi dengan matriks kovarian observasi. Dengan Confidence Interval 90% maka NCP berkisar antara 29,983 – 98,953
The Expected Cross Validation Index (ECVI)– : mengukur perbedaan antara matriks kovarian yang dicocokkan dalam sampel yg dianalisis dengan matriks kovarian yang diharapkan yang akan diperoleh dari sampel lain dengan ukuran yang sama. Nilai ECVI dapat berapa saja dan tidak ada kisarannya. Jika model mempunyai nilai ECVI terkecil, maka model tersebut dapat direplikasi.
Hoelter’s Critical N (CN)– : berfungsi untuk melihat kecukupan ukuran sampel yang digunakan dalam riset. CN mempunyai ketentuan suatu model mempunyai ukuran sampel yang cukup jika nilai CN > 200.
Residual– : perbedaan antara matriks kovarian model dengan matriks kovarian sampel, semakin kecil perbedaan maka model semakin baik.
ASUMSI DASAR SEM (skripsi, tesis, disertasi)
Untuk menggunakan SEM, peneliti memerlukan pengetahuan tentang asumsi-asumsi yang mendasari penggunaannya. Beberapa asumsi tersebut, diantaranya ialah:
Distribusi normal indikator – indikator multivariat • (Multivariate normal distribution of the indicators): Masing-masing indikator mempunyai nilai yang berdistribusi normal terhadap indikator lainnya. Karena permulaan yang kecil normalitas multivariat dapat menuntun kearah perbedaan yang besar dalam pengujian chi-square, dengan demikian akan melemahkan kegunaannya. Secara umum, pelanggaran asumsi ini menaikkan chi-square sekalipun demikian didalam kondisi tertentu akan menurunkannya. Selanjutnya penggunaan pengukuran ordinal atau nominal akan menyebabkan adanya pelanggaran normalitas multivariat. Perlu diperhatikan bahwa normalitas multivariat diperlukan untuk estimasi kemiripan maksimum / maximum likelihood estimation (MLE), yang merupakan metode dominan dalam SEM yang akan digunakan untuk membuat estimasi koefesien – koefesien (jalur) struktur. Khusus MLE membutuhkan variabel-variabel endogenous yang berdistribusi normal.
Secara umum, sebagaimana ditunjukkan dalam suatu studi-studi simulasi menunjukkan, bahwa dalam kondisi – kondisi data yang sangat tidak normal, estimasi-estimasi parameter SEM, misalnya estimasi jalur masih dianggap akurat tetapi koefesien-koefesien signifikansi yang bersangkutan akan menjadi terlalu tinggi sehingga nilai-nilai chi-square akan meningkat. Perlu diingat bahwa untuk uji keselarasan chi-square dalam model keseluruhan, nilai chi-square tidak harus signifikan jika ada keselarasan model yang baik, yaitu: semakin tinggi nilai chi-square, semakin besar perbedaan model yang diestimasi dan matrices kovarian sesungguhnya, tetapi keselarasan model semakin buruk. Chi-square yang meninggi dapat mengarahkan peneliti berpikir bahwa model-model yang sudah dibuat memerlukan modifikasi dari apa yang seharusnya. Kurangnya normalitas multivariat biasanya menaikkan statistik chi-square, misalnya, statistik keselarasan chi-square secara keseluruhan untuk model yang bersangkutan akan bias kearah kesalahan Type I, yaitu menolak suatu model yang seharusnya diterima. Pelanggaran terhadap normalitas multivariat juga cenderung menurunkan (deflate) kesalahan-kesalahan standar mulai dari menengah sampai ke tingkat tinggi. Kesalahan-kesalahan yang lebih kecil dari yang seharusnya terjadi mempunyai makna jalur-jalur regresi dan kovarian-kovarian faktor / kesalahan didapati akan menjadi signifikan secara statistik dibandingkan dengan seharusnya yang terjadi.
Distribusi normal multivariat variabel-variabel tergantung laten • ( Multivariate normal distribution of the latent dependent variables). Masing-masing variabel tergantung laten dalam model harus didistribusikan secara normal untuk masing-masing nilai dari setiap variabel laten lainnya. Variabel-variabel laten dichotomi akan melanggar asumsi ini karena alasan-alasan tersebut.
Linieritas • (Linearity). SEM mempunyai asumsi adanya hubungan linear antara variabel-variabel indikator dan variabel-variabel laten, serta antara variabel-variabel laten sendiri. Sekalipun demikian, sebagaimana halnya dengan regresi, peneliti dimungkinkan untuk menambah transformasi eksponensial, logaritma, atau non-linear lainnya dari suatu variabel asli ke dalam model yang dimaksud.
Pengukuran tidak langsung • (Indirect measurement): Secara tipikal, semua variabel dalam model merupakan variabel-variabel laten.
Beberapa indikator • (Multiple indicators). Beberapa indikator harus digunakan untuk mengukur masing-masing variabel laten dalam model. Regresi dapat dikatakan sebagai kasus khusus dalam SEM dimana hanya ada satu indikator per variabel laten. Kesalahan pemodelan dalam SEM membutuhkan adanya lebih dari satu pengukuran untuk masing-masing variabel laten.
Rekursivitas • (Recursivity): Suatu model disebut rekursif jika semua anak panah menuju satu arah, tidak ada arah umpan balik (feedback looping), dan faktor gangguan (disturbance terms) atau kesalahan tersisa (residual error) untuk variabel-variabel endogenous yang tidak dikorelasikan. Dengan kata lain, model-model recursive merupakan model dimana semua anak panah mempunyai satu arah tanpa putaran umpan balik, dan peneliti dapat membuat asumsi kovarian – kovarian gangguan kesalahan semua 0. Hal itu berarti bahwa semua variabel yang tidak diukur yang merupakan determinan dari variabel-variabel endogenous tidak dikorelasikan satu dengan lainnya sehingga tidak membentuk putaran umpan balik (feedback loops). Model – model dengan gangguan kesalahan yang berkorelasi dapat diperlakukan sebagai model recursive hanya jika tidak ada pengaruh-pengaruh langsung diantara variabel-variabel endogenous
Data interval: • Sebaiknya data interval digunakan dalam SEM. Sekalipun demikian, tidak seperti pada analisis jalur tradisional, kesalahan model-model SEM yang eksplisit muncul karena penggunaan data ordinal. Variabel-variabel exogenous berupa variabel-variabel dichotomi atau dummy dan variabel dummy kategorikal tidak boleh digunakan dalam variabel-variabel endogenous. Penggunaan data ordinal atau nominal akan mengecilkan koefesien matriks korelasi yang digunakan dalam SEM. Jika data ordinal yang digunakan maka sebelum di analisis dengan SEM, data harus diubah ke interval dengan menggunakan method of successive interval (MSI)
Ketepatan yang tinggi: • Apakah data berupa data interval atau ordinal, data-data tersebut harus mempunyai jumlah nilai yang besar. Jika variabel – variabel mempunyai jumlah nilai yang sangat kecil, maka masalah-masalah metodologi akan muncul pada saat peneliti membandingkan varian dan kovarian, yang merupakan masalah sentral dalam SEM.
Residual-residual acak dan kecil: • Rata-rata residual – residual atau kovarian hasil pengitungan yang diestimasikan minus harus sebesar 0, sebagaimana dalam regresi. Suatu model yang sesuai akan hanya mempunyai residual – residual kecil. Residual – residual besar menunjukkan kesalahan spesifikasi model, sebagai contoh, beberapa jalur mungkin diperlukan untuk ditambahkan ke dalam model tersebut.
Gangguan kesalahan yang tidak berkorelasi • (Uncorrelated error terms) seperti dalam regresi, maka gangguan kesalahan diasumsikan saja. Sekalipun demikian, jika memang ada dan dispesifikasi secara eksplsit dalam model oleh peneliti, maka kesalahan yang berkorelasi (correlated error) dapat diestimasikan dan dibuat modelnya dalam SEM.
Kesalahan residual yang tidak berkorelasi • (Uncorrelated residual error): Kovarian nilai – nilai variabel tergantung yang diprediksi dan residual – residual harus sebesar 0. Multikolinearitas yang lengkap: • multikolinearitas diasumsikan tidak ada, tetapi korelasi antara semua variabel bebas dapat dibuat model secara eksplisit dalam SEM. Multikolinearitas yang lengkap akan menghasilkan matriks – matriks kovarian tunggal, yang mana peneliti tidak dapat melakukan penghitungan tertentu, misalnya inversi matrix karena pembagian dengan 0 akan terjadi.
Ukuran Sampel• tidak boleh kecil karena SEM bergantung pada pengujian-pengujian yang sensitif terhadap ukuran sampel dan magnitude perbedaan-perbedaan matrices kovarian. Secara teori, untuk ukuran sampelnya berkisar antara 200 – 400 untuk model-model yang mempunyai indikator antara 10 – 15. Satu survei terhadap 72 penelitian yang menggunakan SEM ditemukan median ukuran sampel sebanyak 198. Sampel di bawah 100 akan kurang baik hasilnya jika menggunakan SEM.
FUNGSI SEM (skripsi, tesis, disertasi)
Beberapa fungsi SEM, diantaranya ialah:
Pertama, • memungkinkan adanya asumsi-asumsi yang lebih fleksibel;
Kedua •, penggunaan analisis faktor penegasan (confirmatory factor analysis) untuk mengurangi kesalahan pengukuran dengan memiliki banyak indikator dalam satu variabel laten;
Ketiga, • daya tarik interface pemodelan grafis untuk memudahkan pengguna membaca keluaran hasil analisis; Keempat,• kemungkinan adanya pengujian model secara keseluruhan dari pada koefesien-koefesien secara sendiri-sendiri;
Kelima,• kemampuan untuk menguji model – model dengan menggunakan beberapa variabel tergantung;
Keenam,• kemampuan untuk membuat model terhadap variabel-variabel perantara;
Ketujuh,• kemampuan untuk membuat model gangguan kesalahan (error term);
Kedelapan, kemampuan untuk menguji koefesien-koefesien diluar antara beberapa kelompok • subyek;
Kesembilan,• kemampuan untuk mengatasi data yang sulit, seperti data time series dengan kesalahan otokorelasi, data yang tidak normal, dan data yang tidak lengkap.
DEFINISI DAN PENGERTIAN (skripsi, tesis, disertasi)
Apa sebenarnya yang dimaksud dengan Structural Equation Modeling (SEM) itu? Beberapa definisi SEM adalah sebagai berikut:
Structural Equation Modeling, yang dalam buku ini untuk selanjutnya akan disebut SEM, adalah suatu teknik modeling statistik yang bersifat sangat cross-sectional, linear dan umum. Termasuk dalam SEM ini ialah analisis faktor (factor analysis), analisis jalur (path analysis) dan regresi (regression).
Definisi berikutnya menyebutkan SEM adalah teknik analisis multivariat yang umum dan sangat bermanfaat yang meliputi versi-versi khusus dalam jumlah metode analisis lainnya sebagai kasus-kasus khusus.
Definisi lain mengatakan bahwa SEM merupakan teknik statistik yang digunakan untuk membangun dan menguji model statistik yang biasanya dalam bentuk model-model sebab akibat. SEM sebenarnya merupakan teknik hibrida yang meliputi aspek-aspek penegasan (confirmatory) dari analisis faktor, analisis jalur dan regresi yang dapat dianggap sebagai kasus khusus dalam SEM.
Sedikit berbeda dengan definisi-definisi sebelumnya, disebutkan SEM berkembang dan mempunyai fungsi mirip dengan regresi berganda, tetapi nampaknya SEM menjadi suatu teknik analisis yang lebih kuat karena mempertimbangkan pemodelan interaksi, nonlinearitas, variabel – variabel bebas yang berkorelasi (correlated independents), kesalahan pengukuran, gangguan kesalahan-kesalahan yang berkorelasi (correlated error terms), beberapa variabel bebas laten (multiple latent independents) dimana masing-masing diukur dengan menggunakan banyak indikator, dan satu atau dua variabel tergantung laten yang juga masing-masing diukur dengan beberapa indikator. Dengan demikian menurut definisi ini, SEM dapat digunakan sebagai alternatif lain yang lebih kuat dibandingkan dengan menggunakan regresi berganda., analisis jalur, analisis faktor, analisis time series, dan analisis kovarian
Dari definisi di atas dapat disimpulkan bahwa SEM mempunyai karakteristik yang bersifat sebagai teknik analisis untuk lebih menegaskan (confirm) daripada menerangkan. Maksudnya, seorang peneliti lebih cenderung menggunakan SEM untuk menentukan apakah suatu model tertentu valid atau tidak dari pada menggunakannya untuk menemukan suatu model tertentu cocok atau tidak, meski analisis SEM sering pula mencakup elemen-elemen yang digunakan untuk menerangkan.
Pengertian Regulasi Diri (skripsi, tesis, dan disertasi)
Faktor Prokrastinasi (skripsi, tesis, dan disertasi)
Menurut Ferrari (dalam Lastary & Rahayu, 2018) faktor-faktor yang mempengaruhi prokrastinasi dikategorikan menjadi dua macam, yaitu :a.Faktor InternalFaktor-faktor yang terdapat didalam diri seseorang yang mempengaruhi prokrastinasi. Faktor-faktor itu meliputi kondisi fisik dan kondisi psikologis.b.Faktor Eksternal Faktor-faktor diluar seseorang yang mampu mempengaruhi timbulnya prokrastinasi, antara lain : pengasuhan orang tua, kondisi lingkungan yang laten, kondisi lingkungan yang mendasarkan pada penilaian akhir, serta dukungan sosial.
Big Five Personality (skripsi, tesis, disertasi)
Aspek Prokrastinasi (skripsi, tesis, dan disertasi)
Perilaku Kerja Kontraproduktif (skripsi, tesis, disertasi)
Pengertian Prokrastinasi (skripsi, tesis, dan disertasi)
Desain MMR (skripsi, tesis, disertasi)
Metode pelatihan manajemen diri (skripsi, tesis, dan disertasi)
Pendekatan pelatihan manajemen diri (skripsi, tesis, dan disertasi)
Alasan Penggunaan MMR (skripsi, tesis, disertasi)
Pengertian pelatihan Manajemen diri (skripsi, tesis, dan disertasi)
Perspektif diri (skripsi, tesis, dan disertasi)
Terbentuk jika individu dapat melihat dirinya sama dengan apa yang dilihat orang lain pada dirinya. Individu yang dapat melihat dan menilai dirinya sama dengan apa yang dilihat dan dipikirkan oleh orang lain pada dirinya berarti individu tersebutjujur dannyata dalam menilai dirinya sehingga individu tersebut memiliki penerimaan diri yang lebih luas yang pada akhirnya akan mempermudah individu dalam manajemen diri, tetapi jika individu tidak dapat melihat dirinya seperti yang dilihat oleh orang lain secara jujur dan sesuai kenyataan maka akan mengarah pada suatu kebohongan pada diri sendiri dan individu tersebut akan menciptakan cermin diri yang semu sehingga individu tidak dapat menerima kenyataan dirinya
Kelebihan Dan Kelemahan Mixed Methods (skripsi, tesis, disertasi)
Seperti halnya metode kuantiatif serta kualitatif yang memiliki kelebihan disatu sisi dan kekurangan di sisi yang lain, MMRpun demikian. Dengan kesadaran seperti ini maka peneliti dapat mempertimbangkan saran dari Jones (1997) yang menyatakan bahwa ketika mengkombinasikan metode maka kita ambil kelebihan atau kekuatan yang terdapat dalam setiap metode. Pertanyaannya kemudian, apakah kelebihan dari MMR? Menurut Teddlie & Tashakkori (2010) MMR memiliki kelebihan antara lain (1) sanggup menjawab pertanyaan yang tidak mampu dijawab oleh metodologi yang lain, (2) memberikan proses pengambilan simpulan yang lebih baik atau akurat, (3) memberikan peluang untuk menyajikan beragam pandangan yang komprehensif. Tidak berbeda jauh Putra (2017) menyebutkan bahwa beberapa kelebihan MMR antara lain (1) dimungkinkan mengajukan pertanyaan penelitian yang kompleks, (2) didapat data yang lebih kaya dan komprehensif, (3) hasil penelitian akan memliki kredibilitas yang tinggi karena adanya triangulasi. Meskipun memiliki banyak kelebihan dibanding penggunaan metode tunggal, Putra (2017) menyatakan bahwa penggunaan MMR juga memiliki kelemahan. Terkait dengan itu, Morse (2010) memberikan catatan yang membantu kita. Menurutnya, pada sisi lain, kekuatan komprehensivitas penggunaan MMR juga dapat dipandang sebagai kelemahan. Dalam praktiknya peneliti dapat kurang ketat menerapkan prosedur-prosedur yang ada sehingga data yang diperolehnya menjadi dipertanyakan. Penulis yang menganalisis penggunaan MMR menemukan bahwa terdapat tiga kelemahaan dalam metode tersebut, antara lain (1) dibutuhkan pengetahuan prasayarat yang baik dan mendalam terkait dengan metode kuantitatif serta kualitatif karena keduanya digunakan dalam satu penelitian, (2) diperlukan pengambilan banyak data dalam penelitiannya, (3) menghabiskan banyak waktu dan tenaga dalam proses penelitiannya. Morse (2010) mengingatkan bahwa menggunakan MMR menimbulkan ancaman serius terhadap validitas penelitian karena asumsi-asumsi dasar dari kedua metode rawan dilanggar ketika memadukan atau mengkombinasikannya.
Pengembangan Diri (Self Development) (skripsi, tesis, dan disertasi)
Prinsip Rancangan MMR (skripsi, tesis, disertasi)
Mixed Methods Research (MMR) (skripsi, tesis, disertasi)
Pengertian Efisiensi Biaya Produksi (skripsi, tesis, disertasi)
Pengertian Biaya Produksi (skripsi, tesis, disertasi)
Fungsi Produksi (skripsi, tesis, disertasi)
Pengertian Produksi (skripsi, tesis, disertasi)
Penggolongan Biaya (skripsi, tesis, disertasi)
Pengertian Biaya (skripsi, tesis, disertasi)
Pengertian Efisiensi (skripsi, tesis, disertasi)
Implementasi Total Quality Management (TQM) dalam perusahaan (skripsi, tesis, disertasi)
Karakteristik Total Quality Management (TQM) (skripsi, tesis, disertasi)
Manfaat Total Quality Management (TQM) (skripsi, tesis, disertasi)
Pengertian dan Konsep Total Quality Management (TQM) (skripsi, tesis, disertasi)
Pengaruh Kepuasan Kerja terhadap Kinerja Karyawan (skripsi, tesis, disertasi)
Pengaruh Self Efficacy terhadap Kinerja Karyawan (skripsi, tesis, disertasi)
Pengaruh Budaya Organisasi terhadap Kinerja Karyawan (skripsi, tesis, disertasi)
Pengaruh Empowerment terhadap Kinerja Karyawan (skripsi, tesis, disertasi)
Pengaruh Budaya Organisasi terhadap Kepuasan Kerja (skripsi, tesis, disertasi)
Pengaruh Self Efficacy terhadap Kepuasan Kerja (skripsi, tesis, disertasi)
Pengaruh Empowerment terhadap Kepuasan Kerja (skripsi, tesis, disertasi)
Aspek-Aspek Manajemen Diri (skripsi, tesis, dan disertasi)
Budaya Organisasi (skripsi, tesis, disertasi)
Pemahaman para pakar mengenai budaya organisasi sebagai kesepakatan bersama
mengenai nilai-nilai kehidupan yang mengikat semua orang dalam organisasi mendasari
arti penting pemahaman budaya organisasi orang-orang yang tergabung didalamnya.
Menurut Robbin (2007) terdapat empat jenis budaya organisasi yaitu tipe akademik, tipe
kelab, tim bisbol, dan banteng. Sedangkan menurut Tosi dkk (dalam Munandar 2001)
menguraikan lima tipe budaya organisasi yaitu tipe charismatic vs self-suffiant, tipe
paranoid vs trusting, tipe avoidant vs achievhment, tipe politicied vs focused, tipe
bureaucratic vs creative. Tidak ada suatu tipe budaya yang dominan dan ektrem dalam
suatu perusahaan. Untuk menjadi organisasi yang kuat dan sehat, organisasi haruslah
memiliki campuran dari berbagai macam tipe kepribadian, karena tidak ada yang menjadi
dominan dan ektrem. Organisasi haruslah mampu mengadopsi dari berbagai tipe
39
kepribadian yang sehat yaitu budaya self-sufficient (prakarsa individu), trusting
(kepercayaan), achievement (prestasi), focused (focus), creative (kreatif).
Robbin (1996) menyatakan bahwa budaya organisasi yang kuat memberikan para
karyawan suatu pemahaman yang jelas dari tugas-tugas yang diberikan oleh organisasi,
mempunyai pengaruh yang besar terhadap perilaku anggota-anggotanya karena tingginya
tingkat kebersamaan. Budaya organisasi juga dapat membina kekohesifan, kesetiaan dan
komitmen bersama. Apabila karyawan diberikan pemahaman tentang budaya organisasi
maka setiap karyawan akan termotivasi dan semangat kerja untuk melakukan setiap
tugas-tugas yang diberikan oleh perusahaan. Hal ini salah satu kunci untuk memperoleh
prestasi kerja yang optimal, sehingga produktivitas meningkat untuk mencapai tujuan
organisasi
Budaya dalam suatu organisasi pada hakekatnya mengarah pada perilaku-perilaku
yang dianggap tepat, mengikat dan memotivasi setiap individu yang ada di dalamnya dan
mengerahkan pada upaya mencari penyelesaian dalam situasi yang ambigu (Turner,
1994). Pengertian ini memberi dasar pemikiran bahwa setiap individu yang terlibat di
dalamnya akan bersama-sama berusaha menciptakan kondisi kerja yang ideal agar
tercipta suasana yang mendukung bagi upaya pencapaian tujuan yang diharapkan. Ada
begitu banyak definisi mengenai budaya yang pada hakekatnya tidak jauh berbeda antara
satu ahli dengan ahli lainnya. Budaya oleh Robbins dan Coultar (1996) diartikan sebagai
sistem atau pola-pola nilai, simbol, ritual, mitos, dan praktek-praktek yang terus
berlanjut; mengarahkan orang untuk berperilaku dan dalam upaya memecahkan masalah
Self Efficacy (skripsi, tesis, disertasi)
Menurut Bandura (1997) self Efficacy adalah belief atau keyakinan seseorang
bahwa ia dapat menguasai situasi dan menghasilkan hasil (outcomes) yang positif
(Santrock, 2001). Menurut Dale Schunk (1995, dalam Paulus Joko Sigiro dan Cahyono,
2005) self efficacy mempengaruhi siswa dalam memilih kegiatannya. Siswa dengan self
efficacy yang rendah mungkin menghindari pelajaran yang banyak tugasnya, khususnya
untuk tugas-tugas yang menantang, sedangkan siswa dengan self efficacy yang tinggi
mempunyai keinginan yang besar untuk mengerjakan tugas-tugasnya.
Menurut Bandura (1997) dalam Tesis yang berjudul Goal Orientantion, Self
Efficacy dan Prestasi Belajar pada Siswa Peserta dan Non Peserta Program Pengajaran
intensif di Sekolah oleh Retno Wulansari tahun 2001, ada beberapa faktor yang
mempengaruhi self efficacy yaitu:
a. Pengalaman Keberhasilan (mastery experiences)
Keberhasilan yang sering didapatkan akan meningkatkan self efficacy yang
dimiliki seseorang sedangkan kegagalan akan menurunkan self efficacynya. Apabila
keberhasilan yang didapat seseorang seseorang lebih banyak karena faktor-faktor di luar
dirinya, biasanya tidak akan membawa pengaruh terhadap peningkatan self efficacy.
Akan tetapi, jika keberhasilan tersebut didapatkan dengan melalui hambatan yang besar
dan merupakan hasil perjuangannya sendiri, maka hal itu akan membawa pengaruh pada
peningkatan self efficacynya.
b. Pengalaman Orang Lain (vicarious experiences)
Pengalaman keberhasilan orang lain yang memiliki kemiripan dengan individu
dalam mengerjakan suatu tugas biasanya akan meningkatkan self efficacy seseorang
dalam mengerjakan tugas yang sama. Self efficacy tersebut didapat melalui social models
yang biasanya terjadi pada diri seseorang yang kurang pengetahuan tentang kemampuan
dirinya sehingga mendorong seseorang untuk melakukan modeling. Namun self efficacy
yang didapat tidak akan terlalu berpengaruh bila model yang diamati tidak memiliki
kemiripan atau berbeda dengan model.
c. Persuasi Sosial (Social Persuation)
Informasi tentang kemampuan yang disampaikan secara verbal oleh seseorang
yang berpengaruh biasanya digunakan untuk meyakinkan seseorang bahwa ia cukup
mampu melakukan suatu tugas.
d. Keadaan fisiologis dan emosional (physiological and emotional states)
38
Kecemasan dan stress yang terjadi dalam diri seseorang ketika melakukan tugas
sering diartikan sebagai suatu kegagalan. Pada umumnya seseorang cenderung akan
mengharapkan keberhasilan dalam kondisi yang tidak diwarnai oleh ketegangan dan tidak
merasakan adanya keluhan atau gangguan somatic lainnya. Self efficacy biasanya ditandai
oleh rendahnya tingkat stress dan kecemasan sebaliknya self efficacy yang rendah
ditandai oleh tingkat stress dan kecemasan yang tinggi pula.
Sedangkan Jones (1986) mengungkapkan sumber atau indikator dari self efficacy
yang tidak jauh berbeda dengan yang dikemukakan oleh Bandura, yaitu: perasaan mampu
melakukan pekerjaan, kemampuan yang lebih baik, senang pekerjaan yang menantang
dan kepuasan terhadap pekerjaan.
Empowerment (skripsi, tesis, disertasi)
Pemberdayaan merupakan pelibatan karyawan yang benar-benar berarti.
Pemberdayaan atau (empowerment), adalah wewenang untuk membuat keputusan dalam
suatu area kegiatan operasi tertentu tanpa harus memperoleh pengesahan orang lain
(Luthans, 1998). Sedangkan Straub (1989; dalam Sadarusman, 2004), mengartikan
pemberdayaan sebagai pemberian otonomi, wewenang, kepercayaan, dan mendorong
individu dalam suatu organisasi untuk mengembangkan peraturan dalam rangka
menyelesaikan pekerjaan. Pemberdayaan merupakan pemberian tanggung jawab dan
wewenang terhadap pekerja untuk mengambil keputusan menyangkut semua
pengembangan produk dan pengambilan keputusan. Pemberdayaan juga berarti saling
berbagi informasi dan pengetahuan diantara karyawan yang digunakan untuk memahami
dan mendukung kinerja organisasi, pemberian penghargaan terhadap kinerja aorganisasi
dan pemberian otonomi dalam pengambilan keputusan yang berpengaruh terhadap
organisasi (Ford 1995; dalam Sadarusman, 2004).
Pemberdayaan merupakan sarana membangun kepercayaan antara karyawan dan
manajemen. Ada dua karakteristik dalam pemberdayaan, bahwa karyawan didorong
untuk menggunakan inisiatif mereka sendiri, dan karyawan tidak hanya hanya diberi
wewenang saja tetapi juga diberi sumberdaya untuk melakukan pengambilan keputusan
sesuai dengan kreativitas dan inovasi mereka. Secara tidak langsung karyawan juga
didorong untuk melakukan pembelajaran dari hasil keputusan dan pelaksanaannya.
Tujuan pemberdayaan tidak hanya untuk menjamin efektivitas keputusan yang dibuat
oleh karyawan yang benar tetapi juga digunakan untuk menyediakan mekanisme dan
tanggung jawab dari keputusan individu atau tim.
Thomas dan Veltahouse (1990) beragumentasi bahwa pemberdayaan merupakan
suatu yang multifaceted yang esensinya tidak bisa dicakup dalam satu konsep tunggal.
Dengan kata lain pemberdayaan mengandung pengertian perlunya keleluasaan kepada
individu untuk bertindak dan sekaligus bertanggung jawab atas tindakannya sesuai
dengan tugas yang diembannya. Konsep pemberdayaan ini juga berarti bahwa seseorang
akan mampu untuk berperilaku secara mandiri dan penuh tanggung jawab. Konsep
pemberdayaan dari Thomas dan Velthouse ini dimanifestasikan dalam empat kognisi
yang merefleksikan orientasi individu atas peran kerjanya yaitu arti (meaning),
kompetensi (competence), pendeterminasian diri (self determination), dan pengaruh
(impact).
Dari penelitian Spreitzer (1986; dalam Mahardiani, 2004) ditemukan empat
karakteristik umum yang dimiliki empowered people yang juga sama dengan konsep
Thomas dan Velthouse (1990), yaitu:
a. Sense of meaning
Meaning merupakan nilai tujuan pekerjaan yang dilihat dari hubungannya pada
idealisme atau standar individu.
b. Sense of competence
Kompetensi atau self efficacy lebih merupakan kepercayaan individu akan
kemampuan mereka dalam melakukan aktivitas mereka dengan menggunakan keahlian
yang mereka miliki. Dimensi ini menggunakan istilah kompetensi daripada self esteem
karena difokuskan pada efficacy secara spesifik pada peran pekerjaan. c. Sense of determination
Bila kompetensi merupakan keahlian dalam berperilaku, maka self determination
merupakan suatu perasaan memiliki suatu pilihan dalam membuat pilihan atau
melakukan suatu pekerjaan.
d. Sense of impact
Impact atau dampak merupakan derajat dimana seseorang dapat memengaruhi
hasil pekerjaan baik stratejik, administratif
Khan (1997) menawarakan sebuah model pemberdayaan yang dapat
dikembangkan dalam sebuah organisasi untuk menjamin keberhasilan proses
pemberdayaan dalam suatu organisasi. Model pemberdayaan tersebut yaitu:
1. Desire
Tahap pertama dalam model empowerment adalah adanya keinginan dari
manajemen untuk mendelegasikan dan melibatkan pekerja.Yang termasuk hal ini antara
lain:
a. Pekerja diberi kesempatan untuk mengidentifikasikan permasalahan yang
sedang berkembang.
b. Memperkecil directive personality dan memperluas kesempatan kerja.
c. Mendorong terciptanya perspektif baru dan memikirkan kembali strategi
kerja.
d. Mengembangkan keahlian team dan melatih karyawan untuk mengawasi
sendiri (self control).
34
2. Trust
Tahap dua adalah membangun kepercayaan antara manajemen dan karyawan
Adanya saling percaya di antara anggota organisasi akan tercipta kondisi yang baik untuk
pertukaran informasi dan saran tanpa adanya rasa takut. Hal-hal yang termasuk dalam
trust antara lain:
a. Memberi kesempatan kepada para karyawan untuk berpartisipasi dalam
pembuatan kebijakan.
b. Menyediakan waktu dan sumber daya yang mencukupi bagi karyawan
dalam menyelesaikan kerja.
c. Menyediakan pelatihan yang mencukupi bagi karyawan bagi kebutuhan
kerja.
d. Menghargai perbedaan pandangan dan menghargai kesuksesan yang diraih
oleh karyawan.
e. Menyediakan akses informasi yang cukup.
3. Confident
Tahap ke tiga dalam proses pemberdayaan adalah menimbulkan rasa percaya diri
karyawan dengan menghargai terhadap kemampuan yang dimiliki oleh karyawan. Hal
yang termasuk tindakan yang menimbulkan confident antara lain:
a. Mendelegasikan tugas yang penting kepada karyawan
b. Menggali ide dan saran dari karyawan.
c. Memperluas tugas dan membangun jarungan antar departemen.
35
d. Menyediakan jadwal job instruction dan mendorong penyelesaian yang
baik.
4. Credibility
Tahap ke empat berupa menjaga kredibilitas dengan penghargaan dan
mengembangkan lingkungan kerja yang sehat sehingga tercipta organisasi yang memiliki
performance yang tinggi. Hal yang termasuk credibility adalah:
a. Memandang karyawan sebagai partner strategis
b. Peningkatan target di semua pekerjaan.
c. Memperkenalkan inisiatif individu untuk melakukan perubahan melalui
partisipasi.
d. Membantu menyelesaikan perbedaan dalam penentuan tujuan dan
prioritas.
5. Accountabiliy
Tahap dalam proses pemberdayaan berikutnya adalah pertanggungjawaban
karyawan pada wewenang yang diberikan. Dengan menetapkan secara konsisten dan
jelas tentang peran, standar dan tujuan penilaian terhadap kinerja karyawan, tahap ini
merupakan sarana evaluasi terhadap kinerja dalam penyelesaian dan tanggung jawab
terhadap wewenang yang diberikan. Hal yang termasuk dalam accountability antara lain:
a. Menggunakan jalur training dalam mengevaluasi kinerja karyawan.
b. Memberikan tugas dan ukuran yang jelas.
c. Melibatkan karyawan dalam penentuan standar dan ukuran.
d. Memberikan saran dan bantuan kepada karyawan dalam menyelesaikan
beban kerjanya.
36
e. Menyediakan periode dan waktu pemberian feedback.
6. Communication
Tahap ini merupakan tahap terakhir, diharapkan adanya komunikasi yang terbuka
untuk menciptakan saling memahami antara karyawan dengan manajemen. Keterbukaan
ini dapat diwujudkan dengan adanya kritik dan saran terhadap hasil dan prestasi yang
dilakukan pekerja.
Hal yang termasuk dalam commnication antara lain:
a. Menetapkan kebijakan open door communication.
b. Menyediakan waktu untuk mendapatkan informasi dan mendiskusikan
permasalahan secara terbuka.
c. Menyediakan kesempatan untuk cross training.
maupun operasional.
