35 BAB III METODE PENELITIAN 3.1 Metode yang Digunakan

BAB III
METODE PENELITIAN
3.1 Metode yang Digunakan
Dalam penelitian ini, jenis penelitian yang digunakan adalah asosiatif. Menurut
Sugiyono (2009), penelitian asosiatif adalah penelitian yang dilakukan dengan tujuan
untuk mengetahui hubungan antara dua variabel atau lebih. Metode penelitian yang
digunakan adalah survei lewat penyebaran kuesioner. Unit analisis yang digunakan
adalah individu yaitu karyawan tetap PT Telekomunikasi Selular Regional Sumbagut
dengan time horizon yang dipergunakan dalam penelitian ini adalah cross-sectional,
di mana informasi dikumpulkan hanya sekali pada saat tertentu.
Berikut ini adalah tabel dari metode penelitian yang digunakan.
Tabel 3.1 Metode Penelitian
Tujuan Jenis Penelitian Metode Penelitian
T-1
T-2
T-3
T-4
Asosiatif
Asosiatif
Asosiatif
Asosiatif
Unit Analisis
Time Horizon
Survei
Individu – Karyawan
PT Telekomunikasi
Selular Regional
Sumbagut
Cross sectional
Survei
Individu – Karyawan
PT Telekomunikasi
Selular Regional
Sumbagut
Cross sectional
Survei
Individu – Karyawan
PT Telekomunikasi
Selular Regional
Sumbagut
Cross sectional
Survei
Individu – Karyawan
PT Telekomunikasi
Selular Regional
Sumbagut
Cross sectional
Sumber: Penulis, 2014
Keterangan:
• T-1: Untuk menentukan bagaimana pengaruh kepuasan kerja terhadap komitmen
35
36
organisasi pada PT Telekomunikasi Selular Regional Sumbagut.
• T-2: Untuk menentukan bagaimana pengaruh kepuasan kerja terhadap turnover
intention karyawan PT Telekomunikasi Selular Regional Sumbagut.
• T-3: Untuk menentukan bagaimana pengaruh komitmen organisasi terhadap
turnover intention karyawan pada PT Telekomunikasi Selular Regional Sumbagut.
• T-4: Untuk menentukan bagaimana pengaruh kepuasan kerja terhadap turnover
intention karyawan dengan komitmen organisasi sebagai variabel intervening pada
PT Telekomunikasi Selular Regional Sumbagut.
3.2 Operasionalisasi Variabel
Variabel adalah suatu atribut atau sifat atau nilai dari orang atau obyek atau
kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan ditarik kesimpulannya (Sugiyono, 2010). Dalam penelitian ini variabel
yang diteliti dibagi menjadi variabel bebas (independent variable), variabel
intervening, dan variabel terikat (dependent variable). Definisi operasional untuk
masing-masing variabel adalah sebagai berikut.
1. Variabel bebas (independent variable)
Variabel bebas merupakan variabel yang memengaruhi atau yang menjadi sebab
perubahan atau timbulnya variabel dependen (Sugiyono, 2010). Variabel bebas
atau variabel eksogen memengaruhi variabel terikat dalam cara yang positif atau
negatif. Dengan kata lain, perbedaan dalam variabel terikat dihitung oleh variabel
bebas. Oleh karena itu, ketika variabel bebas terjadi pada saat ini, maka variabel
terikat juga saat ini, dan tiap unit dari peningkatan dalam variabel bebas, ada
peningkatan atau penurunan dalam variabel terikat. Dalam penelitian ini,
variabel bebasnya adalah Kepuasan Kerja (X).
2. Variabel mediasi (intervening)
Variabel mediasi (mediator) juga disebut variabel intervening atau variabel
proses. Ghozali (2007) mengatakan variabel intervening merupakan variabel
antara atau mediating yang fungsinya memediasi hubungan antara variabel
independen dengan variabel dependen. Variabel intervening merupakan variabel
yang secara teoritis memengaruhi hubungan antara variabel bebas dan variabel
37
terikat, namun sulit untuk diukur. Dalam penelitian ini, yang digunakan sebagai
variabel intervening adalah Komitmen Organisasi (Y).
3. Variabel terikat (dependent variable)
Variabel terikat atau variabel endogen merupakan variabel yang dipengaruhi atau
yang menjadi akibat, karena adanya variabel bebas. Dalam penelitian ini, yang
merupakan variabel terikat adalah Turnover Intention (Z).
Ukuran variabel yang digunakan dalam penelitian ini adalah interval yaitu skala
yang memiliki urutan dan interval yang sama antarkategori atau titik terdekatnya, di
mana antara kategori yang satu dan kategori yang lain memiliki keterkaitan. Skala
pengukuran yang digunakan adalah skala Likert yaitu skala yang digunakan untuk
mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang terhadap
suatu kejadian atau keadaan sosial, di mana variabel yang akan diukur dijabarkan
menjadi indikator variabel kemudian indikator tersebut dijadikan sebagai titik tolak
untuk menyusun butir-butir pertanyaan. Menurut Sugiyono (2009), skala Likert yang
sering digunakan dalam penelitian ilmu sosial adalah:
Salah satu cara yang paling sering digunakan dalam menentukan skor adalah
dengan menghadapkan responden dengan sebuah pertanyaan dan kemudian
diminta untuk memberikan jawaban: sangat setuju, setuju, ragu-ragu, tidak
setuju, sangat tidak setuju masing-masing jawaban ini diberi skor terendah 1
(satu) hingga yang tertinggi 5 (lima).
Skala Likert dalam penelitian ini diberi bobot sebagai berikut.
Sangat Setuju (SS)
=5
Setuju (S)
=4
Kurang Setuju (KS)
=3
Tidak Setuju (TS)
=2
Sangat Tidak Setuju (STS) = 1
Berdasarkan pendapat Riduwan dan Kuncoro (2008), mentransformasikan data
ordinal menjadi data interval gunanya untuk memenuhi sebagian dari syarat analisis
parametrik yang mana data setidak-tidaknya berskala interval. Teknik transformasi
38
yang paling sederhana adalah dengan menggunakan MSI (Method of Successive
Interval). Langkah-langkah transformasi data ordinal ke data interval sebagai
berikut:
1. Pertama perhatikan setiap butir jawaban responden dari angket yang disebarkan.
2. Pada setiap butir ditentukan beberapa orang yang mendapat skor 1, 2, 3, 4, dan
5 yang disebut sebagai frekuensi.
3. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut
proporsi.
4. Tentukan nilai proporsi kumulatif dengan jalan menjumlahkan proporsi
secara berurutan per kolom skor.
5. Gunakan Tabel Distribusi Normal, hitung nilai Z untuk setiap proporsi
kumulatif yang diperoleh.
6. Tentukan nilai tinggi densitas untuk setiap nilai Z yang diperoleh
(dengan menggunakan tabel Tinggi Densitas)
7. Tentukan nilai skala dengan menggunakan rumus;
8. Tentukan nilai skala dengan menggunakan rumus;
Y = NS + [1+|1+|NSmin|]
Operasionalisasi variabel merupakan
penelitian, dimensi, dan
penjabaran dari variabel-variabel
indikator yang digunakan untuk mengukur variabel
tersebut. Berikut ini tabel operasionalisasi variabel dari penelitian ini.
Tabel 3.2 Operasionalisasi Variabel
Variabel
Konsep
Indikator
Perasaan positif
Kepuasan terhadap
tentang
pekerjaan itu sendiri
Kepuasan
pekerjaan sebagai
Kepuasan terhadap
kerja
hasil evaluasi dari
gaji/upah
karakter-karakter
Kepuasan terhadap
pekerjaan tersebut.
peluang promosi
Skala Data
Skala
Ukuran
Interval
Likert
Interval
Likert
Interval
Likert
39
(Robbins dan
Kepuasan terhadap
Judge, 2007)
pengawasan
Kepuasan terhadap
kelompok kerja
Kepuasan terhadap
kondisi kerja
Suatu keadaan di
mana seorang
karyawan memihak
Komitmen
Organisasi
Interval
Likert
Interval
Likert
Interval
Likert
Interval
Likert
Interval
Likert
Interval
Likert
Interval
Likert
Interval
Likert
Interval
Likert
Interval
Likert
Melakukan upaya
penyesuaian
terhadap organisasi
organisasi tertentu
Meneladani
dan tujuan serta
kesetiaan
berkeinginan
mempertahankan
Mendukung
keanggotaan dalam
organisasi secara
organisasi.
aktif
(Robbins dan
Melakukan
Coulter, 2012)
pengorbanan pribadi
Mencari lowongan
pekerjaan lain
Berpikir untuk
Keinginan untuk
Turnover
Intention
meninggalkan
organisasi dengan
sengaja dan sadar.
(Mutiara, 2004)
meninggalkan
pekerjaan di
perusahaan
Memiliki pandangan
masa depan
mengenai
kemungkinan tidak
mempunyai masa
depan yang baik jika
40
tetap bekerja di
perusahaan ini.
Sumber: Penulis, 2014
3.3 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif. Data
kuantitatif adalah data yang berbentuk angka atau bilangan. Sesuai dengan
bentuknya, data kuantitatif dapat diolah atau dianalisis menggunakan teknik
perhitungan matematika atau statistika.
Sumber data penelitian ini adalah primer. Sumber data adalah segala sesuatu
yang dapat memberikan informasi mengenai data (Sugiyono, 2009). Data dibagi
menjadi dua yaitu data primer dan data sekunder (Sekaran dan Bougie, 2010). Data
primer adalah informasi yang diperoleh dari sumber data pertama di lokasi penelitian
atau obyek penelitian untuk tujuan penelitian. Data dikumpulkan sendiri oleh peneliti
langsung dari sumber pertama atau tempat obyek penelitian dilakukan. Data sekunder
merupakan kumpulan informasi yang didapat melalui sumber yang telah tersedia
sebelumnya. Data ini dapat ditemukan dengan cepat. Dalam penelitian ini yang
menjadi sumber data sekunder adalah literatur, artikel, jurnal serta situs di internet
yang berkenaan dengan penelitian yang dilakukan.
Jenis dan sumber data yang digunakan dalam penelitian dapat dilihat pada tabel
di bawah ini.
Tabel 3.3 Jenis dan Sumber Data
Tujuan
Penelitian
Jenis dan Sumber Data
Data
Jenis Data
Sumber Data
T-1
Kepuasan Kerja dan
Turnover Intention
Kuantitatif
Data primer melalui
penyebaran kuesioner
T-2
Komitmen Organisasi
dan Turnover Intention
Kuantitatif
Data primer melalui
penyebaran kuesioner
T-3
Kepuasan Kerja,
Komitmen Organisasi,
dan Turnover Intention
Kuantitatif
Data primer melalui
penyebaran kuesioner
Sumber: Penulis, 2014
41
3.4 Teknik Pengumpulan Data
Teknik pengumpulan data merupakan alat-alat ukur yang diperlukan dalam
melaksanakan suatu penelitian (Riduwan dan Kuncoro, 2008). Data yang akan
dikumpulkan dapat berupa angka-angka, keterangan tertulis, informasi lisan dan
beragam fakta yang berhubungan dengan fokus penelitian yang diteliti. Teknik
pengumpulan data yang dilakukan dalam penelitian ini terdiri dari:
1. Kuesioner (questionnaire), yaitu daftar pertanyaan maupun pernyataan tertulis yang
telah dirumuskan sebelumnya yang akan responden jawab, biasanya dalam alternatif
yang didefinisikan dengan jelas (Sekaran, 2006). Kuesioner digunakan untuk
memperoleh informasi dari responden yang terdiri dari pertanyaan opini
responden terhadap kepuasan kerja dan komitmen organisasi serta kecenderungan
memikirkan rencana untuk meninggalkan perusahaan (turnover intention).
2. Wawancara (interview) yaitu teknik pengumpulan data secara lisan dengan
mengadakan tanya jawab dengan pihak perusahaan di antaranya karyawan divisi
human resources management sebagai wakil dari perusahaan untuk memperoleh
data dan informasi tambahan yang dibutuhkan dalam penelitian.
3. Riset kepustakaan (library research), pencarian informasi dengan membaca,
mengumpulkan, mencatat, mempelajari text book dan buku-buku pelengkap atau
dokumen yang bersangkutan seperti jurnal, majalah, media cetak di perpustakaan
dan internet.
3.5 Teknik Pengambilan Sampel
Salah satu langkah yang ditempuh dalam penelitian adalah menentukan obyek
yang akan diteliti dan besarnya populasi yang ada. Berdasarkan pendapat Sekaran
dan Bougie (2010), populasi mengacu pada seluruh kelompok orang, kejadian, atau
hal-hal menarik yang ingin diselidiki oleh peneliti untuk membuat suatu kesimpulan.
Namun demikian tidak semua populasi diteliti tetapi hanya sebagian saja dari
populasi yang diteliti diharapkan bahwa hasil yang didapat menggambarkan sifat
populasi yang bersangkutan.
42
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi
(Sugiyono, 2009). Sampel adalah bagian dari populasi yang dipercaya dapat
mewakili karakteristik populasi secara keseluruhan. Pengambilan sampel bertujuan
untuk memahami sifat dan karakteristik dari sampel yang membuat peneliti dengan
mudah menggeneralisasikan sifat atau karakter pada elemen populasi. Teknik
pengambilan sampel atau teknik sampling merupakan teknik penentuan sampel yang
akan digunakan dalam penelitian. Menurut Riduwan dan Kuncoro (2008) teknik
sampling adalah suatu cara mengambil sampel yang representatif dari populasi.
Teknik sampling dapat dikelompokkan menjadi dua, yaitu probability sampling dan
nonprobability sampling.
Probability sampling adalah teknik yang memberikan kesempatan atau peluang
yang sama pada setiap anggota populasi untuk dipilih menjadi sampel. Teknik
sampling ini meliputi:
1. Simple Random Sampling, adalah cara pengambilan sampel secara acak dari
anggota populasi tanpa mementingkan tingkatan.
2. Proportionate Stratified Random Sampling, adalah cara pengambilan sampel
secara acak dari suatu anggota populasi dan bertingkat secara proporsional yang
dilakukan jika anggota populasinya beragam atau bertingkat.
3. Disproportinate Statified Random Sampling, adalah cara pengambilan sampel
secara acak dari suatu anggota populasi berstrata, tetapi kurang proposional.
4. Cluster Sampling, adalah suatu cara yang digunakan untuk menentukan sampel
bila obyek yang diteliti bersumber data sangat luas.
5. Systematic Sampling, adalah teknik pengambilan sampel berdasarkan urutan dari
anggota populasi yang telah diberi nomor urut.
Sedangkan nonprobability sampling adalah teknik sampling yang tidak
memberikan kesempatan atau peluang yang sama pada setiap anggota populasi untuk
dipilih menjadi sampel. Teknik ini meliputi:
1. Quota Sampling, adalah teknik pengambilan sampel dimana peneliti bebas
menentukan jumlah sampel yang mempunyai ciri tertentu.
2. Accidental Sampling, adalah teknik penentuan sampel berdasarkan kebetulan.
43
3. Snowball Sampling, adalah teknik pengambilan sampel dengan jumlah sampel
pada awalnya sedikit, tetapi semakin lama akan semakin banyak dan akan
berhenti ketika informasi yang di dapat dianggap sudah cukup.
Penelitian ini menggunakan probability sampling dengan metode simple
random sampling. Metode ini adalah cara pengambilan sampel secara acak dari
anggota populasi. Walaupun pemakaian jumlah sampel yang besar sangat dianjurkan
di mana menurut Sarwono (2007) jumlah sampel yang memadai untuk penelitian
dengan menggunakan metode analisis jalur adalah minimal 100 responden, dengan
pertimbangan adanya berbagai keterbatasan pada peneliti, sehingga peneliti berusaha
mengambil sampel minimal dengan syarat dan aturan statistika tetap terpenuhi
sebagaimana dianjurkan oleh Stephen Isaac & William B. Michael (1981; Sukardi,
2004). Dengan menggunakan rumus di bawah ini, Isaac dan Michael memberikan
hasil akhir jumlah sampel terhadap jumlah populasi antara 10 – 100.000 (Sukardi,
2004).
Keterangan:
S
= Jumlah Sampel
N
= Jumlah Populasi
P
= Proporsi dalam populasi (P = 0,50)
d
= Ketelitian / derajat ketetapan (0,05)
2
= Nilai tabel chisquare untuk α tertentu
Berdasarkan rumus di atas, Isaac dan Michael melakukan penghitungan
penentuan jumlah sampel terhadap jumlah populasi antara 10 – 100000 yang
diringkaskan dalam tabel terlampir dalam skripsi ini. Tabel penentuan jumlah sampel
dari Isaac dan Michael memberikan kemudahan penentuan jumlah sampel
berdasarkan tingkat kesalahan 1%, 5% dan 10%. Dengan tabel ini, peneliti dapat
44
secara langsung menentukan besaran sampel berdasarkan jumlah populasi dan
tingkat kesalahan yang dikehendaki.
Dari keseluruhan jumlah karyawan sebesar 140 orang digunakan sampel
sebanyak 100 responden yang ditentukan berdasarkan tabel Isaac dan Michael di
mana jumlah sampel untuk populasi sebesar 140 dengan presisi atau toleransi
ketidaktelitian (signifikansi) 5% dengan tingkat kepercayaan 95% adalah sebesar 100
sampel.
3.6 Rancangan Analisis dan Uji Hipotesis
3.6.1 Rancangan Analisis
Menurut Istijanto (2009), analisis merupakan tindakan mengolah data
hingga menjadi informasi yang bermanfaat dalam menjawab masalah riset.
Pengujian hipotesis penelitian untuk T-1, T-2, dan T-3 menggunakan metode
analisis jalur untuk mengetahui pengaruh antarvariabel dengan menggunakan
software SPSS (Statistical Product and Services Solution) versi 21.0. Analisis
jalur (path analysis) merupakan sebuah teknik yang digunakan untuk
menganalisis pola hubungan antara variabel dengan tujuan untuk mengetahui
peran langsung maupun tidak langsung seperangkat variabel independen
terhadap variabel dependen (Setiawan dan Ritonga, 2011).
3.6.1.1 Uji Instrumen Data
3.6.1.1.1 Uji Validitas
Pengujian validitas merupakan pengujian yang
penting untuk dilakukan pada penelitian sebelum analisis
jawaban responden yang didapat setelah pengumpulan data.
Uji validitas dilakukan untuk mengetahui apakah alat ukur
yang telah disusun dapat digunakan untuk mengukur apa yang
hendak diukur secara tepat. Menurut Sugiyono (2010) bahwa
valid berarti instrumen tersebut dapat digunakan untuk
mengukur apa yang seharusnya diukur. Valid menunjukan
derajat ketepatan antara data yang sesungguhnya terjadi pada
45
obyek dengan data yang dapat dikumpulkan oleh peneliti.
Salah satu cara untuk menghitung validitas suatu
alat tes yaitu dengan melihat daya pembeda pertanyaan atau
item (item discriminality). Item adalah metode yang paling
tepat digunakan untuk setiap jenis tes. Daya pembeda item
dalam penelitian ini dilakukan dengan cara korelasi item total,
yaitu konsistensi antara skor item dengan skor secara
keseluruhan yang dapat dilihat dari besarnya koefisien korelasi
antara setiap item dengan skor keseluruhan. Syarat validitas
adalah apabila korelasi (r) tidak kurang dari 0,3. Maka jika
korelasi skor tiap item instrumen dengan skor totalnya kurang
dari 0,3, butir dalam instrumen tersebut dapat dinyatakan tidak
memenuhi syarat validitas bentuk maupun validitas isi atau
dengan kata lain, butir tersebut dapat disisihkan. Dengan
pengertian semakin tinggi korelasi itu mendekati angka 1,00;
maka semakin baik pula validitasnya.
Langkah-langkah operasional pengujian validitas
adalah sebagai berikut:
1. Mencari definisi dan rumusan tentang konsep penelitian
yang diukur dari literatur yang ditulis para ahli.
2. Melakukan uji coba pengukuran tersebut pada sejumlah
responden. Sangat disarankan agar jumlah responden untuk
uji coba minimal 30 orang. Dengan jumlah minimal 30
orang ini, distribusi skor (nilai) akan lebih mendekati kurva
normal.
3. Menentukan hipotesis
Ho = skor pertanyaan berkolerasi positif dengan skor
faktor (r hitung)
Ha = skor butir-butir berkolerasi negatif dengan skor
46
faktor
4. Menentukan nilai r tabel
Dari tabel r untuk df (degree of freedom) = jumlah
responden -2 dengan tingkat Sig dalam penelitian ini
adalah 5%. Dengan menggunakan program SPSS versi
21.0, nilai r tabel dapat diperoleh dengan menggunakan
rumus: t / sqrt (df + t**2)
5. Mencari r hasil
Di sini r hasil untuk tiap item (variabel) dapat dilihat pada
kolom Corrected Item-Total Correlation.
6. Mengambil keputusan
Di sini r hasil positf, serta r hasil > r tabel, maka
penyataan pada kuesioner tersebut valid. Jika r hasil tidak
positif, serta r hasil < r tabel, maka pertanyaan tersebut
tidak valid.
Untuk mengetahui tingkat validitas instrumen,
maka
dalam
penelitian
ini
dapat menggunakan rumus
sebagai berikut.
Keterangan:
= koefisien korelasi
X = item pertanyaan
Y = total skor
Dasar pengambilan keputusan:
• Jika r hitung positif serta r hitung > r tabel, maka butir atau
variabel tersebut valid.
• Jika r hitung positif serta r hitung < r tabel, maka butir atau
variabel tersebut tidak valid.
• Jika r hitung > r tabel, tapi bertanda negatif, maka butir atau
variabel tersebut tidak valid.
47
3.6.1.1.2 Uji Reliabilitas
Apabila suatu alat pengukuran telah dinyatakan
valid, maka tahap berikutnya adalah mengukur reliabilitas dari
data. Uji reliabilitas digunakan untuk mengetahui apakah alat
pengumpul data menunjukkan tingkat ketepatan, tingkat
keakuratan, kestabilan atau konsistensi dalam mengungkapkan
gejala tertentu. Menurut Umar (2005), reliabilitas adalah suatu
angka indeks yang menunjukkan suatu konsistensi suatu alat
pengukur dalam mengukur suatu gejala yang sama. Setiap alat
pengukur seharusnya memiliki kemampuan untuk memberikan
hasil pengukuran yang konsisten. Reabilitas adalah tingkat
keandalan kuesioner. Kuesioner yang reliabel adalah kuesioner
yang apabila dicobakan secara berulang-ulang kepada
kelompok yang sama akan menghasilkan data yang sama.
Asumsinya,
tidak
terdapat
perubahan
psikologis
pada
responden.
Menurut Sugiyono (2009), hasil penelitian yang
reliabel, bila terdapat kesamaan data dalam waktu yang
berbeda.
Keandalan
(realibilitas)
suatu
pengukuran
menunjukkan sejauh mana pengukuran tersebut tanpa bias
(bebas kesalahan) dan karena itu menjamin pengukuran yang
konsisten lintas waktu dan lintas beragam item dalam
instrumen. Dengan kata lain, keandalan suatu pengukuran
merupakan indikasi mengenai stabilitas dan konsistensi di
mana instrumen mengukur konsep dan membantu menilai
ketepatan sebuah pengukuran (Sekaran, 2006).
Dalam melakukan uji reliabilitas digunakan teknik
Cronbach’s Alpha, di mana suatu instrumen penelitian
dikatakan reliabel apabila memiliki koefisien keandalan atau
48
alpha > 0,60. Menurut Sekaran (2006), reliabilitas kurang dari
0,6 adalah kurang baik, sedangkan 0,7 dapat diterima dan di
atas 0,8 adalah baik.
2
 k  ∑σ b 
rn = 

 1 −
σ 1 2 
 (k − 1)  
Keterangan:
rn
= reliabilitas instrumen
k
= banyaknya butir pertanyaan
∑σ
σ 12
2
b
= jumlah varian butir pertanyaan
= varians total
Terdapat beberapa langkah operasional pengujian
reliabilitas yaitu:
1. Menentukan hipotesis
Ho = Skor pernyataan berkorelasi positif dengan komposit
faktornya
Ha = Skor pernyataan tidak berkorelasi dengan komposit
faktornya
2. Menentukan nilai r tabel
Dari tabel r untuk df (degree of freedom) = jumlah
responden − 2 dengan tingkat Sig. Dalam penelitian ini
adalah 5% atau 0,05. Dengan menggunakan program
SPSS versi 21.0, nilai r tabel dapat diperoleh dengan
menggunakan rumus: t / sqrt (df + t**2)
3. Mencari r hasil dengan melihat hasil dari Cronbach’s
Alpha
4. Mengambil keputusan
• Jika r Cronbach’s Alpha positif, serta r Cronbach’s
Alpha >
r
tabel,
maka butir pertanyaan tersebut
reliabel.
• Jika r Cronbach’s Alpha positif, serta r Cronbach’s
Alpha < r tabel, maka butir pertanyaan tersebut tidak
49
valid.
Uji reliabilitas ini merupakan reliabilitas internal
dari alpha. Besarnya Cronbach’s Alpha ini berkisar antara 0 –
1. Semakin besar nilai koefisien keandalannya maka semakin
tinggi keandalan alat ukurnya. Besarnya alpha berkorelasi
positif dengan jumlah variabel yang digunakan. Jadi semakin
rendah nilai rata-rata korelasi antar variabel manifest (item),
maka akan semakin rendah pula nilai alpha r.
Berikut ini tabel tingkat reliabilitas berdasarkan
nilai alpha.
Tabel 3.4 Tingkat Reliabilitas Berdasarkan Nilai Alpha
Alpha
Tingkat Reliabilitas
0,00 – 0,20
Kurang Reliabel
> 0,20 – 0,40
Agak Reliabel
> 0,40 – 0,60
Cukup Reliabel
> 0,60 – 0,80
Reliabel
> 0,80 – 1,00
Sangat Reliabel
Sumber: Yudiaatmaja, 2013
3.6.1.2 Uji Prasyarat Analisis Jalur
Asumsi yang paling fundamental dalam analisis multivariate
adalah normalitas (Ghozali dan Fuad, 2008). Analisis jalur termasuk
dalam analisis multivariate karena menggunakan lebih dari 1 variabel,
bahkan minimal 3 variabel (1 variabel bebas, 1 intervening, dan 1
terikat). Jika menggunakan bantuan software Lisrel untuk olah data,
selain normalitas, uji prasyarat yang lain adalah multikolinearitas.
Menurut Ghozali dan Fuad (2008), asumsi yang seharusnya dipenuhi
dalam Lisrel adalah normalitas dan multikolinearitas. Multikolinearitas
berarti adanya hubungan linear yang sempurna atau pasti, di antara
50
beberapa atau semua variabel yang menjelaskan dari model regresi
(Gujarati, 2006). Dalam penelitian ini, variabel bebas yang digunakan
hanya satu yaitu variabel Kepuasan Kerja (X) dengan menggunakan
program SPSS, maka uji multikolinearitas tersebut tidak perlu
digunakan.
Menurut Olobatuyi (2006) asumsi untuk analisis jalur
mencakup linearitas, skala pengukuran interval, normalitas, dan
autokorelasi. Uji autokorelasi digunakan untuk melihat apakah ada
hubungan linear antara error serangkaian observasi yang diurutkan
menurut waktu (data time series). Uji autokorelasi perlu dilakukan
apabila data yang dianalisis merupakan data time series (Gujarati,
2006), sedangkan data yang digunakan pada penelitian ini adalah data
cross sectional di mana data yang diambil adalah data yang ada pada
saat kuesioner yang disebar, oleh karena itu uji autokorelasi tidak
digunakan dalam penelitian ini.
Maka, uji persyaratan analisis jalur yang digunakan dalam
penelitian ini adalah sebagai berikut.
3.6.1.2.1 Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah
data yang diolah berdistribusi normal dan sampel yang diambil
berasal dari populasi yang sama. Sebaran data harus dianalisis
untuk mengetahui apakah asumsi normalitas dipenuhi,
sehingga data dapat diolah lebih lanjut pada diagram jalur.
Tujuan dilakukannya uji normalitas adalah untuk mengetahui
apakah suatu variabel mempunyai distribusi data yang normal
atau
tidak.
Uji normalitas
pada
dasarnya
melakukan
perbandingan antara data yang kita miliki dengan data
bedistribusi normal yang memiliki mean dan standar deviasi
yang sama dengan data yang dimiliki. Data yang normal
adalah salah satu syarat dilakukannya parametrik test.
51
Normalitas suatu variabel umumnya dideteksi dengan grafik
atau uji statistik.
Asumsi
normalitas
dapat
diperiksa
dengan
pemeriksaan output normal P-P plot atau normal Q-Q plot.
Asumsi normalitas terpenuhi ketika penyebaran titik-titik
output plot mengikuti garis diagonal plot. Namun, ketika
peneliti mendapati keraguan dengan pemeriksaan normalitas
tersebut,
digunakan
pengujian
normalitas,
seperti
uji
Kolmogorov-Smirnov dengan dasar pengambilan keputusan
sebagai berikut (Santoso, 2009).
a. Jika nilai signifikansi (Sig.) uji Kolmogorov-Smirnov atau
nilai probabilitas (α) ≥ 0,05, maka data tidak berdistribusi
normal.
b. Jika nilai signifikansi (Sig.) uji Kolmogorov-Smirnov atau
nilai probabilitas (α) < 0,05, maka data berdistribusi
normal.
3.6.1.2.2 Uji Linearitas
Uji linearitas berkaitan dengan suatu pembuktian
apakah model garis linear yang ditetapkan benar-benar sesuai
dengan keadaannya ataukah tidak (Sudarmanto, 2005). Uji
linearitas digunakan untuk melihat apakah model yang
dibangun mempunyai hubungan yang linear (garis lurus) atau
tidak. Jadi, peningkatan atau penurunan kuantitas di satu
variabel akan diikuti secara linear oleh peningkatan atau
penurunan variabel lainnya (Santoso, 2009). Dalam penelitian
ini menggunakan uji linearitas via ANOVA dengan SPSS
versi 21.0. Hasil yang perlu diperhatikan, yaitu kolom Sig.
untuk Deviation from Linearity. Pada kolom Sig. untuk
52
Deviation from Linearity, apabila nilai signifikansi lebih besar
atau sama dengan taraf signifikansi yag dipakai (α = 0,05)
maka variabel tersebut bersifat linear dengan variabel lain
(Widiarso, 2010).
3.6.1.3 Korelasi Pearson
Menurut Riduwan dan Kuncoro (2008), korelasi Pearson
Product Moment (PPM) kegunaannya untuk mengetahui derajat hubungan
antara variabel bebas (independent) dan variabel terikat (dependent).
Rumus korelasi sederhana yaitu:
Keterangan:
rx,y = koefisien korelasi
ΣX = jumlah skor item
ΣY = jumlah skor total seluruh item
N
= jumlah responden
Korelasi Pearson Product Moment (PPM) dilambangkan r dengan
ketentuan nilai r tidak lebih dari nilai (-1 ≤ r ≤ +1). Apabila nilai r=-1
artinya korelasinya negatif sempurna; r = 0 artinya tidak ada korelasi;
dan r = 1 berarti korelasinya sangat kuat. Sedangkan arti nilai r
diinterpretasikan dengan tabel interpretasi nilai r sebagai berikut.
Tabel 3.5 Interpretasi Koefisien Korelasi Nilai r
Interval Koefisien
Tingkat Hubungan
0,80 – 1,000
Sangat kuat
0,60 – 0,799
Kuat
0,40 – 0,599
Cukup kuat
0,20 – 0,399
Rendah
0,00 – 0,199
Sangat rendah
Sumber: Riduwan dan Kuncoro, 2008
53
Besar kecilnya sumbangan variabel x terhadap y dapat ditentukan
dengan rumus koefisien determinan sebagai berikut.
KP = r2 x 100%
Keterangan:
KP = nilai koefisien determinan
r
= nilai koefisien korelasi
Pengujian signifikansi yang berfungsi apabila peneliti ingin mencari
makna generalisasi dari hubungan variabel X terhadap Y, maka hasil
korelasi PPM tersebut diuji dengan uji signifikansi dengan tahapan
sebagai berikut.
1. Menentukan hipotesis
Ho : Tidak ada hubungan yang signifikan antara variabel X dan
variabel Y.
Ha : Ada hubungan yang signifikan antara variabel X dan variabel
Y.
2. Dasar pengambilan keputusan
• Jika nilai probabilitas (α = 0,05) lebih kecil dari nilai Sig. atau
0,05 < Sig., maka Ho diterima dan Ha ditolak, artinya tidak ada
hubungan yang signifikan terhadap variabel X dengan variabel Y.
• Jika nilai probabilitas (α = 0,05) lebih besar atau sama dengan
nilai Sig. atau 0,05 ≥ Sig., maka Ho ditolak dan Ha diterima,
artinya ada hubungan yang signifikan terhadap variabel X dengan
variabel Y.
3.6.1.4 Analisis Jalur (Path Analysis)
Ghozali (2007) mengatakan variabel intervening merupakan
variabel antara atau mediating, fungsinya memediasi hubungan antara
variabel independen dengan variabel dependen. Dalam penelitian ini
untuk menguji pengaruh variabel intervening digunakan metode analisis
54
jalur (path analysis). Analisis jalur merupakan perluasan dari analisis
regresi untuk menaksir hubungan kausalitas antarvariabel (model
kausal) yang telah ditetapkan sebelumnya berdasarkan teori (Ghozali,
2007). Menurut Setiawan dan Ritonga (2011), analisis jalur (path
analysis) merupakan sebuah teknik yang digunakan untuk menganalisis
pola hubungan antara variabel dengan tujuan untuk mengetahui peran
langsung maupun tidak langsung seperangkat variabel independen
terhadap variabel dependen.
3.6.1.4.1 Manfaat Analisis Jalur
Riduwan dan Kuncoro (2008) mengemukakan
manfaat model analisis jalur yaitu untuk:
1. Penjelasan
(explanation) terhadap
fenomena
yang
dipelajari atau permasalahan yang diteliti.
2. Prediksi nilai variabel terikat (Y) berdasarkan nilai
variabel bebas (X), dan prediksi dengan analisis jalur ini
bersifat kualitatif.
3. Faktor determinan yaitu penentu variabel bebas (X)
mana yang berpengaruh dominan terhadap variabel
terikat (Y), juga dapat digunakan untuk menelusuri
mekanisme (jalur-jalur) pengaruh variabel bebas (X)
terhadap variabel terikat (Y).
4. Pengujian model, menggunakan teori trimming baik uji
reliabilitas (uji keajegan) konsep yang sudah ada ataupun
uji pengembangan konsep baru.
3.6.1.4.2 Model Analisis Jalur
Menurut Sarwono (2007), ada beberapa model jalur
dalam analisis jalur yaitu:
a. Model Regresi Berganda
Model regresi berganda ini sebenarnya merupakan
55
pengembangan dari teknik analisis regresi linear berganda
dengan menggunakan lebih dari satu variabel independen
(exogenous), yaitu X1
dan X2 dengan satu variabel
dependen (endogenous) Y. Model tersebut mempunyai
diagram jalur seperti di bawah ini.
Di mana:
• X1 adalah variabel independen (exogenous) pertama
• X2 adalah variabel independen (exogenous) kedua
• Y adalah variabel dependen (endogenous)
b. Model Mediasi Melalui Variabel Perantara (Intervening
Variable)
Model kedua analisis jalur adalah model mediasi atau
perantara (intervening variable) di mana kehadiran
variabel Y sebagai variabel perantara akan mengubah
pengaruh variabel X terhadap variabel Z. Pengaruh ini
dapat menurun ataupun meningkat.
Model kedua ini
diagram jalurnya seperti di bawah ini.
Di mana:
• X adalah variabel independen (exogenous)
56
• Y adalah variabel endogenous perantara
• Z adalah variabel dependen (endogenous)
c. Model Gabungan antara Model Regresi Berganda dengan
Model Mediasi
Model
ketiga
dalam
analisis
jalur
merupakan
penggabungan antara model regresi linear berganda
dengan model mediasi, yang juga merupakan model yang
yang digunakan dalam penelitian ini, yaitu variabel X
berpengaruh terhadap variabel Z secara langsung (direct
effect) dan secara tidak langsung (indirect effect)
memengaruhi juga variabel Z melalui variabel perantara Y.
Dalam model ini dapat diterangkan sebagai berikut:
• Variabel X berfungsi sebagai variabel independen
(exogenous) terhadap variabel Y dan Z
• Variabel Y mempunyai dua fungsi:
- Fungsi pertama ialah sebagai variabel endogenous
terhadap variabel exogenous X
- Fungsi kedua ialah sebagai variabel endogenous
perantara untuk melihat pengaruh X terhadap Z
melalui Y
• Variabel Z merupakan variabel dependen (endogenous)
Model ini mempunyai diagram jalur seperti berikut ini.
Di mana:
• X adalah variabel independen (exogenous)
• Y adalah variabel endogenous dan sebagai variabel
perantara
• Z adalah variabel dependen (endogenous)
57
d. Model Kompleks
Model keempat dalam analisis jalur ini merupakan model
yang kompleks, yaitu variabel X1 secara langsung
memengaruhi Y2 dan melalui variabel X2 secara tidak
langsung memengaruhi Y2, sementara itu variabel Y2 juga
dipengaruhi oleh variabel Y1. Dalam model ini dapat
diterangkan sebagai berikut:
• Variabel X1 berfungsi sebagai variabel independen
exogenous
• Variabel X2 mempunyai dua fungsi:
- Fungsi pertama ialah sebagai variabel endogenous
terhadap variabel exogenous X1
- Fungsi kedua ialah sebagai variabel endogenous
perantara untuk melihat pengaruh X1 terhadap Y2
melalui X2
• Variabel Y2 merupakan variabel dependen (endogenous)
• Variabel
Y1
merupakan
variabel
independen
(exogenous)
Model ini mempunyai diagram jalur seperti berikut ini.
Di mana:
• X1 adalah variabel independen (exogenous)
• X2 adalah variabel (endogenous) dan sebagai variabel
perantara
• Y1 adalah variabel independen (exogenous)
58
• Y2 adalah variabel endogenous
3.6.1.4.3 Langkah Pengujian Analisis Jalur
Berdasarkan pendapat Riduwan & Kuncoro (2008),
ada beberapa langkah pengujian analisis jalur yaitu:
1. Merumuskan hipotesis dalam persamaan struktural.
Struktur: Y = ρzxX + ρzyY + ρzε1
2. Menghitung koefisien jalur yang didasarkan pada koefisien
regresi.
a. Gambar diagram jalur lengkap, tentukan sub-sub
struktural dan rumuskan persamaan strukturalnya yang
sesuai hipotesis yang diajukan.
Hipotesis: naik turunnya
variabel endogen (Y)
dipengaruhi secara signifikan oleh variabel eksogen
(X).
b. Menghitung koefisien regresi untuk struktur yang telah
dirumuskan.
3. Menghitung koefisien jalur secara simultan (keseluruhan).
Pengujian keseluruhan hipotesis statistik dirumuskan
sebagai berikut.
Hipotesis statistik dirumuskan sebagai berikut:
H0: ρyx1 = ρyx2 = …. ρyxk = 0
H1: ρyx1 = ρyx2 = …. ρyxk ≠ 0
a. Kaidah
pengujian
signifikansi
secara
manual:
menggunakan tabel F.
F=
Keterangan:
n = jumlah sampel
k = jumlah variabel eksogen
= Rsquare
Dengan taraf signifikan (α) = 0,05. Mencari nilai
59
Ftabel menggunakan Tabel F dengan rumus:
Ftabel = F{(1 – α)(dk = k), (dk = n – k – 1)}
Jika Fhitung ≥ Ftabel, maka tolak H0 artinya signifikan
dan Fhitung ≤ Ftabel, terima H0 artinya tidak
signifikan.
b. Kaidah pengujian signifikansi dengan program SPSS
•
Jika nilai probabilitas 0,05 lebih kecil atau sama
dengan nilai probabilitas Sig atau (0,05 ≤ Sig),
maka Ho diterima dan Ha ditolak, artinya tidak
signifikan.
•
Jika nilai probabilitas 0,05 lebih besar dari nilai
probabilitas Sig atau (0,05 > Sig), maka Ho ditolak
dan Ha diterima, artinya signifikan.
4. Menghitung koefisien jalur secara individu.
Hipotesis penelitian yang akan diuji dirumuskan menjadi
hipotesis statistik berikut.
Ha: ρyxk > 0
H0: ρyxk = 0
Secara individual uji statistik yang digunakan adalah uji t
yang dihitung dengan rumus:
tk =
Keterangan:
ρxi
= koefisien regresi dari variabel Xi
seρk = standar error koefisien regresi
Selanjutnya untuk mengetahui signifikansi analisis jalur,
bandingkan antara nilai probabilitas 0,05 dengan nilai Sig.
dengan dasar pengambilan keputusan sebagai berikut.
a. Jika nilai Sig. lebih kecil atau sama dengan nilai
probabilitas (α = 0,05) atau (Sig. ≤ 0,05), maka H0 ditolak
dan Ha diterima, artinya signifikan.
60
b. Jika nilai Sig. lebih besar dari nilai probabilitas (α =
0,05) atau (Sig. > 0,05), maka H0 diterima dan Ha ditolak,
artinya tidak signifikan.
5. Mencari
besar
kontribusi
bersama
atau
koefisien
determinasi dengan mengalikan Rsquare dengan 100%.
6. Meringkas dan menyimpulkan.
3.6.1.5 Uji Signifikansi Pengaruh Tidak Langsung
Variabel mediator juga disebut variabel intervening atau
variabel proses. Ghozali (2007) mengatakan variabel intervening
merupakan variabel antara atau mediating, fungsinya memediasi
hubungan antara variabel independen dengan variabel dependen.
Mediasi terjadi jika prediktor atau variabel independen memengaruhi
variabel dependen secara tidak langsung melalui paling tidak satu
variabel intervening atau mediator. Bila terdiri dari hanya satu mediator
maka disebut simple mediation– yang dibahas dalam penelitian ini di
mana
komitmen
organisasi
sebagai
mediator–dan
bila
proses
mediasional melibatkan lebih dari satu mediator maka disebut dengan
multiple mediation.
Hipotesis mediasional atau mediational hypothesis, umumnya
diuji dengan dua cara atau strategi yaitu: causal step berdasarkan
ketentuan dari Baron dan Kenny (1986, dalam Larsman, 2008) dan
strategi perkalian koefisien atau product of coefficient, yang didasarkan
pada pengujian signifikansi pengaruh tidak langsung atau indirect
effects (Preacher, Rucker dan Hayes, 2007).
1. Strategi Causal Step
Dalam pengujian dengan causal steps, peneliti harus mengestimasi
tiga persamaan regresi berikut (Baron dan Kenny, 1986, dalam
Larsman, 2008):
• Persamaan regresi sederhana variabel mediator (Y) pada variabel
independen (X): M = i1 + a X + e1
61
• Persamaan regresi sederhana variabel dependen (Z) pada variabel
independen (X): Y = i2 + c X + e2
• Persamaan regresi berganda variabel dependen (Y) pada kedua
variabel independen (X) dan mediator (M): Y = i3 + c' X + b M +
e3
Di mana i adalah koefisien intersep
Berdasarkan hasil estimasi ketiga model regresi tersebut, ada
beberapa persyaratan yang harus dipenuhi untuk tercapainya
mediasi, yaitu:
• Variabel independen harus signifikan memengaruhi variabel
mediator pada persamaan pertama, jadi koefisien a ≠ 0
• Variabel independen harus signifikan memengaruhi variabel
dependen pada persamaan kedua, jadi koefisien c ≠ 0
• Variabel mediator harus signifikan memengaruhi variabel
dependen pada persamaan ketiga, jadi koefisien b ≠ 0
Mediasi terjadi jika pengaruh variabel independen terhadap variabel
dependen lebih rendah pada persamaan ketiga (c') dibandingkan
pada persamaan kedua (c) (Baron dan Kenny, 1986, dalam Larsman,
2008). Sebenarnya koefisien a dan b yang signifikan sudah cukup
untuk menunjukkan adanya mediasi, meskipun c tidak signifikan.
Sehingga tahap esensial dalam pengujian mediasional adalah tahap
2 dan tahap 3. Jadi (1) variabel independen memengaruhi mediator
dan (2) mediator memengaruhi dependen meskipun independen
tidak memengaruhi dependen (Kenny et al., 1998 dalam Larsman,
2006). Bila tahap 2 dan tahap 3 terpenuhi dan koefisien c' tidak
signifikan (c' = 0) maka terjadi perfect atau complete mediation.
Bila koefisien c' berkurang namun tetap signifikan (c' ≠ 0) maka
dinyatakan terjadi partial mediation (Kenny, 2008).
2. Strategi Product of Coefficient
62
Strategi kedua untuk pengujian mediasional adalah product of
coefficient, yang menguji signifikansi pengaruh tidak langsung atau
indirect effect (perkalian efek langsung atau direct effect variabel
independen terhadap mediator (a) dan direct effect mediator
terhadap variabel dependen (b) atau ab). Pengaruh tidak langsung
variabel independen (X) terhadap variabel dependen (Z) melalui
mediator (Y) dihitung dengan cara mengalikan jalur X → Y (a)
dengan jalur Y → Z (b) atau ab. Jadi koefisien ab = (c – c’), di mana
c adalah pengaruh X terhadap Z tanpa mengontrol Y, dan c’ adalah
koefisien pengaruh X terhadap Z setelah mengontrol Y. Gambaran
hubungan antara variabel independen dan dependen dengan
pengaruh mediator dapat dilihat pada gambar berikut.
Mediator
b (Sb)
a (Sa)
Independent Variable
c’
Dependent Variable
Gambar 3.1 Gambaran Hubungan antara Variabel Independen
dan Dependen dengan Pengaruh Mediator
Standar error koefisien ab (Sab) dihitung berdasarkan versi Aroian
dari Sobel test yang dipopulerkan dan direkomendasikan oleh Baron
dan Kenny (1986, dalam Larsman, 2008). Sobel test bekerja dengan
baik hanya pada sampel besar yaitu lebih besar dari 30 sampel
(Preacher dan Hayes, 2004). Standar error koefisien a dan b ditulis
dengan Sa dan Sb sementara Sab menggambarkan besarnya standar
error tidak langsung (indirect effect). Sab dihitung dengan rumus
sebagai berikut.
Keterangan:
Sab = standar error tidak langsung
a
= koefisien regresi tidak terstandar yang menggambarkan
63
pengaruh X terhadap Y
b
= koefisien regresi tidak terstandar yang menggambarkan
pengaruh Y terhadap Z
Sa = standar error dari koefisien a
Sb = standar error dari koefisien b
Uji signifikansi terhadap koefisien indirect effect ab diakui
memberikan pengujian yang lebih langsung terhadap hipotesis
mediasional, dibanding pendekatan causal step (Preacher, Rucker
dan Hayes, 2007). Uji signifikansi indirect effect ab dilakukan
berdasarkan rasio antara koefisien ab dengan standar error-nya yang
akan menghasilkan nilai z statistik (z-value). Sehingga formula
lengkap dari z-value adalah sebagai berikut.
Keterangan:
ab = koefisien indirect effect yang diperoleh dari perkalian antara
direct effect a dan b
a
= koefisien direct effect independen (X) terhadap mediator (Y)
b
= koefisien direct effect mediator (Y) terhadap dependen (Z)
Sa = standar error dari koefisien a
Sb = standar error dari koefisien b
Jika z-value dalam harga mutlak > 1,96 (z-table untuk α = 0,05) atau
tingkat signifikansi statistik z (p-value) < 0,05, berarti indirect effect
atau pengaruh tidak langsung variabel independen terhadap variabel
dependen melalui mediator, signifikan pada taraf signifikansi 0,05
(Preacher dan Hayes, 2004). Dengan hanya memasukkan nilai a dan
b beserta standar error-nya masing-masing maka uji signifikansi
dengan Sobel test (bersama variannya) dapat diperoleh. Bila indirect
effect ab dalam 95% confidence intervals tidak mengandung nol,
64
maka indirect effect atau pengaruh tidak langsung variabel
independen terhadap variabel dependen melalui variabel mediator
signifikan pada taraf signifikansi 0,05 yang berarti dukungan
terhadap adanya mediasi (Preacher dan Hayes, 2004).
Dalam penelitian ini, untuk menguji pengaruh tidak langsung
variabel independen Kepuasan Kerja (X) terhadap variabel dependen
Turnover Intention (Z) melalui mediator Komitmen Organisasi (Y)
digunakan strategi pengujian mediasional product of coefficient dengan
Sobel test versi Aroian yang menguji signifikansi pengaruh tidak
langsung atau indirect effect (ab) yaitu perkalian efek langsung atau
direct effect variabel independen Kepuasan Kerja terhadap mediator
yaitu Komitmen Organisasi (a) dan direct effect mediator terhadap
variabel dependen Turnover Intention (b).
3.6.1.6 Koefisien Determinasi (R Square)
Koefisien determinasi (R Square) digunakan untuk mengukur
seberapa baik garis regresi sesuai dengan data aktualnya (goodness of
fit). Koefisien determinasi mengukur goodness of fit dari persamaan
regresi yaitu memberikan proporsi atau persentasi variasi total dalam
variabel dependen, yang dijelaskan oleh variabel independen (Gujarati,
2006).
Menurut Santoso (2009) bahwa untuk regresi dengan lebih
dari dua variabel bebas digunakan Adjusted R Square sebagai koefisien
determinasi. Maka, untuk regresi linear sederhana menggunakan R
Square dan untuk regresi linear berganda menggunakan Adjusted R
Square, karena disesuaikan dengan jumlah variabel independen yang
digunakan dalam penelitian. Adjusted R Square adalah nilai R Square
yang telah disesuaikan, nilai ini selalu lebih kecil dari R Square dan
angka ini bisa memiliki harga negatif. Nilai R Square dikatakan baik
jika di atas 0,5 karena nilai R Square berkisar antara 0 sampai 1
(Nugroho, 2005). Nilai R Square = 1, berarti bahwa garis regresi yang
terjadi menjelaskan 100% variasi dalam variabel dependen, jika R
65
Square = 0 berarti bahwa model yang terjadi tidak dapat menjelaskan
sedikit pun garis regresi yang terjadi.
3.6.2 Rancangan Uji Hipotesis
Menurut Sugiyono (2009) perumusan hipotesis penelitian merupakan
langkah ketiga dalam penelitian, setelah peneliti mengemukakan landasan teori dan
kerangka pemikiran. Pada penelitian ini, perhitungan menggunakan SPSS
(Statistical Product and Service Solution) versi 21.0 dengan rancangan uji
hipotesis menggunakan tingkat kepercayaan 95%, dimana tingkat presisi atau
batas ketidakakuratannya (α) sebesar 5% atau 0,05. Sehingga dasar
pengambilan keputusannya adalah:
• Jika nilai probabilitas (α = 0,05) lebih kecil dari nilai Sig. atau Sig. > 0,05,
maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
• Jika nilai probabilitas (α = 0,05) lebih besar atau sama dengan nilai Sig. atau
Sig. ≤ 0,05, maka Ho ditolak dan Ha diterima, artinya signifikan.
Berikut ini hipotesis yang digunakan dalam penelitian ini.
T-1: Untuk menentukan bagaimana pengaruh kepuasan kerja terhadap
komitmen organisasi pada PT Telekomunikasi Selular Regional
Sumbagut.
Ho: Tidak ada pengaruh yang signifikan kepuasan kerja terhadap
komitmen organisasi pada PT Telekomunikasi Selular Regional
Sumbagut.
Ha: Ada pengaruh yang signifikan kepuasan kerja terhadap komitmen
organisasi pada PT Telekomunikasi Selular Regional Sumbagut.
T-2: Untuk menentukan bagaimana pengaruh kepuasan kerja terhadap
turnover intention karyawan pada PT Telekomunikasi Selular Regional
Sumbagut.
Ho: Tidak ada pengaruh yang signifikan kepuasan kerja terhadap
turnover intention karyawan pada PT Telekomunikasi Selular
66
Regional Sumbagut.
Ha: Ada pengaruh yang signifikan kepuasan kerja terhadap turnover
intention karyawan pada PT Telekomunikasi Selular Regional
Sumbagut.
T-3: Untuk menentukan bagaimana pengaruh komitmen organisasi terhadap
turnover intention karyawan pada PT Telekomunikasi Selular Regional
Sumbagut.
Ho: Tidak ada pengaruh yang signifikan komitmen organisasi terhadap
turnover intention karyawan pada PT Telekomunikasi Selular
Regional Sumbagut.
Ha: Ada pengaruh yang signifikan komitmen organisasi terhadap
turnover intention karyawan pada PT Telekomunikasi Selular
Regional Sumbagut.
T-4: Untuk menentukan bagaimana pengaruh kepuasan kerja terhadap
turnover intention karyawan dengan komitmen organisasi sebagai
variabel intervening pada PT Telekomunikasi Selular Regional Sumbagut.
Ho: Tidak ada pengaruh yang signifikan kepuasan kerja terhadap
turnover intention karyawan dengan komitmen organisasi sebagai
variabel intervening pada PT Telekomunikasi Selular Regional
Sumbagut.
Ha: Ada pengaruh yang signifikan kepuasan kerja terhadap turnover
intention karyawan dengan komitmen organisasi sebagai variabel
intervening pada PT Telekomunikasi Selular Regional Sumbagut.
3.7 Rancangan Pemecahan Masalah
Rancangan pemecahan masalah dalam penelitian ini dimulai dengan
pengumpulan data dari kuesioner yang diberikan pada 100 orang responden di PT
Telekomunikasi Selular Regional Sumbagut sehingga diperoleh gambaran mengenai
kepuasan kerja, komitmen organisasi, dan turnover intention karyawan. Selanjutnya,
dengan mengacu pada hasil kuesioner, dilakukan analisis pengaruh kepuasan kerja
terhadap turnover intention karyawan dengan komitmen organisasi sebagai variabel
intervening. Hasil analisis ini diharapkan dapat bermanfaat sebagai informasi dalam
67
membantu evaluasi implementasi strategi organisasi dalam menciptakan kepuasan
karyawan sudah berjalan dengan sukses atau tidak yang pada akhirnya dapat
membantu menurunkan tingkat turnover intention karyawan PT Telekomunikasi
Selular Regional Sumbagut.