BAB III METODE PENELITIAN 3.1. Metode yang Digunakanmedia.unpad.ac.id/thesis/120430/2012/120130120016_3_3344.pdf · Sedangkan penelitian kausal adalah yang paling tepat ketika hubungan

116

BAB III

METODE PENELITIAN

3.1. Metode yang Digunakan

Tujuan penelitian ini, seperti yang telah dikemukakan di bab sebelumnya,

secara umum bertujuan untuk mendapatkan gambaran yang komprehensif

mengenai CSR, Kemitraan, Citra Perusahaan, Daya Saing dan Kinerja Perusahaan

serta mengungkapkan dan menguji masing-masing pengaruh dari setiap variabel

penelitian. Sehingga berdasarkan tujuan tersebut, penelitian ini akan menggunakan

jenis penelitian deskriptif dan verifikatif dengan melakukan pengujian hubungan

dan pengaruh CSR, Kemitraan, Citra Perusahaan, Daya Saing terhadap Kinerja

Perusahaan.

Penelitian deskriptif (descriptive research) adalah suatu jenis penelitian

yang dirancang untuk menggambarkan karakteristik-karakteristik suatu populasi

atau fenomena. Pendekatan yang paling cocok untuk mengumpulkan informasi

deskriptif yaitu dengan menggunakan penelitian survei (Kotler dan Amstrong

2006). Sedangkan penelitian kausal adalah yang paling tepat ketika hubungan

fungsional antara faktor-faktor penyebab dan akibat pada variabel penelitian

(Hair.et al 2014).

Unit analisis dalam penelitian ini adalah industri perusahaan tekstil di Jawa

Barat dan unit observasi adalah pihak manajemen dari perusahaan tekstil tersebut.

Data dan informasi yang akan dikumpulkan langsung di tempat kejadian secara

empirik pada satu waktu tertentu yaitu pada tahun 2015, sehingga pengamatan

117

117

dalam penelitian ini menggunakan cakupan waktu (time horizon) bersifat cross

section/one shoot, artinya informasi atau data yang dikumpulkan seperti yang

dikemukakan Sekaran (2010).

Rancangan analisis yang digunakan untuk menguji hipotesis dan

mengetahui hubungan antar variabel penelitian akan digunakan Structural Equation

Modeling (SEM). SEM adalah sebuah prosedur dalam statistika yang digunakan

untuk mengestimasi serangkaian hubungan antar variabel yang bersifat laten

(construct) yang diukur oleh sejumlah indikator yang bersifat observable

(measured variables) seperti yang dikemukakan oleh Malhotra (2010).

3.2 Operasionalisasi Variabel

Untuk memperoleh data dan informasi dalam penelitian ini, maka dilakukan

pengungkapan sejumlah variabel lengkap dengan konsep, sub variabel, indikator,

dan skalanya melalui operasionalisasi variabel. Terdapat dua macam variabel yaitu

variabel eksogen dan variabel endogen.

Tabel 3.1 Operasionalisasi Variabel Penelitian

Dimensi Indikator Ukuran Skala Kuesioner

Corporate Social Responsibilities (CSR) (X1) adalah tanggung jawab sosial perusahaan yang memastikan

keberhasilan komersial dengan cara memperhatikan nilai-nilai etis serta menghormati manusia dan lingkungan

Aspek

Keuangan /

Ekonomi

(X11)

Pengaruh kinerja keuangan/

ekonomi perusahaan dapat secara

langsung/tidak mempengaruhi

stakeholder

Tingkat kinerja keuangan

perusahaan yang baik dalam

pengembangan operasi untuk

jangka panjang dan

berinvestasi dalam

pembangunan dan

kesejahteraan stakeholder

Ordinal P.CSR1.1

Kontribusi pajak terhadap

pembangunan masyarakat sekitar

Tingkat signifikansi pajak

yang dibayarkan terhadap

tingkat kemakmuran

masyarakat sekitar

Ordinal P.CSR1.2

Tanggung jawab atas kepercayaan

dan dukungan komunitas lokal

tempat perusahaan beroperasi

Tingkat penghargaan dan

inisiatif perusahaan terhadap

komunitas disekitar

perusahaan

Ordinal P.CSR1.3

Aspek Sosial

(X12)

Tanggung jawab terhadap

pelanggan

Standar atau layanan purna

jual perusahaan atas produk

atau jasa yang dihasilkan

Ordinal P.CSR2.1


karyawan

Perusahaan memberikan

kesempatan yang sama

kepada karyawan dalam

berkarir

Ordinal P.CSR2.2


masyarakat

Memberikan pelatihan dan

keterampilan kepada

masyarakat sekitar

Ordinal P.CSR2.3

Aspek

Lingkungan

(X13)

Tanggung jawab lingkungan Tingkat inisiatif penyediaan

produk dan jasa yang

menggunakan energi efisien

atau sumber daya terbaru

serta pengurangan

penggunaan energi tidak

terbarukan

Ordinal P.CSR3.1

Tingkat signifikan yang

ditimbulkan oleh aktivitas

produk dan jasa pada

Ordinal P.CSR3.2

119


keanekaragaman hayati yang

ada di wilayah operasional

perusahaan

Tingkat inisaitif untuk

mengurangi dampak buruk

pada lingkungan yang

diakibatkan oleh produk dan

jasa yang dihasilkan

Ordinal P.CSR3.3

Tingkat biaya yang

dikeluarkan untuk

perlindungan lingkungan

Ordinal P.CSR3.4

Tingkat ketaatan pada

peraturan mengenai

tanggungjawab lingkungan

Ordinal P.CSR3.5

Tingkat inisiatif pemulihan

lingkungan yang terdampak

dari operasional perusahaan

Ordinal P.CSR3.6

Kemitraan (X2) adalah upaya untuk melakukan kerjasama dengan stakeholders, yang meliputi hubungan secara

vertikal, yang terdiri dari hubungan dengan supplier dan customer serta hubungan horizontal yang terdiri dari

kemitraan lateral dan internal

Internal

Partnership

(X21)

Penciptaan sinergitas antarbagian

di dalam perusahaan untuk

melayani kebutuhan pelanggan

Tingkat implementasi

penciptaan sinergitas

antarbagian di dalam

perusahaan untuk melayani

kebutuhan pelanggan

Ordinal P.KM1.1

Kolaborasi antarbagian untuk

saling melengkapi dalam

memecahkan masalah dalam

meningkatkan layanan


kolaborasi antarbagian di

perusahaan untuk saling

melengkapi dalam


meningkatkan layanan

Ordinal P.KM1.2

Kolaborasi antarbagian untuk

saling melengkapi dalam


meningkatkan kepuasan pelanggan


kolaborasi antarbagian

antarbagian di perusahaan

untuk saling melengkapi

dalam memecahkan masalah

dalam meningkatkan

kepuasan pelanggan

Ordinal P.KM1.3

120


Supplier

Partnership

(X22)

Program kemitraan dengan

supplier

Tingkat pelaksanaan program

kemitraan di perusahaan

dengan supplier

Ordinal P.KM2.1

Berpartner dengan supplier sesuai

dengan kebutuhan

Tingkat pelaksanaan bermitra

dengan supplier sesuai

dengan kebutuhan di

perusahaan

Ordinal P.KM2.2

Kontrak jangka panjang yang

saling menguntungkan dengan

supplier

Tingkat pelaksanaan kontrak

jangka panjang yang saling

menguntungkan dengan

supplier

Ordinal P.KM2.3

Buyer

Partnership

(X23)

Pelayanan sesuai harapan

pelanggan

Tingkat kualitas pelayanan

sesuai harapan pelanggan

Ordinal P.KM3.1

Fasilitas transaksi pembayaran

sistem perbankan

Tingkat kelengkapan fasilitas

transaksi pembayaran sistem

perbankan perusahaan

industri tekstil

Ordinal P.KM3.2

Kemudahan dalam melakukan

transaksi pembayaran

Tingkat kemudahan dalam

melakukan transaksi

pembayaran

Ordinal

P.KM3.3

Lateral

Partnership

(X24)

Bermitra dengan perusahaan terkait Tingkat kualitas kemitraan

dengan perusahaan terkait

Ordinal P.KM4.1

Bermitra dengan lembaga

intermediasi pemerintah

Tingkat kualitas kemitraan

dengan lembaga intermediasi

pemerintah

Ordinal P.KM4.2

Bermitra dengan lembaga

pendidikan tinggi, LSM dan

komunitas terkait

kemitraan dengan lembaga

pendidikan tinggi, LSM dan

komunitas terkait

Ordinal P.KM4.3

Citra (Y1) adalah persepsi publik terkait kualitas produk/jasa, program, dan fasilitas berdasarkan hasil

pengalaman atas aktivitas perusahaan

Kualitas Citra

(Y11)

Tingkat kualitas citra perusahaan

termasuk produk/jasa yang

dihasilkan

Tingkat kualitas citra

perusahaan

Ordinal P.CP1.1

121


Seberapa mudah citra merek

atas produk/jasa yang

diproduksi dapat ditiru oleh

perusahaan lain

Ordinal P.CP1.2

Seberapa mudah konsumen

memiliki asosiasi terhadap

produk/jasa yang diproduksi

perusahaan

Ordinal P.CP1.3

Citra Program

(Y12)

Tingkat kualitas program

pengenalan dan pemberian

informasi atas produk/jasa yang

dihasilkan

Kualitas program yang

diselenggarakan oleh

perusahaan

Ordinal P.CP2.1

Tingkat informasi produk

yang dihasilkan dapat

diketahui oleh masyarakat

Ordinal P.CP2.2

Seberapa sering perusahaan

dalam menyampaikan atau

memperkenalkan produk dan

perusahaan mereka melalui

bidang identitas perusahaan

Ordinal P.CP2.3

Citra

Infrastuktur

(Y13)

Tingkat kualitas citra infrastruktur

perusahaan yang dirasakan

Kualitas citra infrastuktur

perusahaan

Ordinal P.CP3.1

Seberapa mudah logo dan

kombinasi warna perusahaan

dikenal oleh masyarakat

Ordinal P.CP3.2

Seberapa besar jaringan

komunikasi yang dimiliki

oleh perusahaan

Ordinal P.CP3.3

Daya Saing (Y2) adalah posisi perusahaan yang mampu berinteraksi dengan lingkungannya dengan memberikan

harga produk yang kompetitif, memiliki produk yang unggul dibandingkan pesaingnya, mampu memberikan

pelayanan yang cepat kepada pelangganya serta mampu mengikuti dan mengantisipasi perubahan dengan cepat

sehingga menghasilkan kinerja perusahaan yang tinggi

Harga yang

Kompetitif

(Y21)

Harga produk yang lebih murah

dibanding produk sejenis dari

pesaing

Tingkat harga produk tekstil

yang lebih murah dibanding

produk sejenis dari pesaing

Ordinal P.DS1.1

122


Biaya operasional yang efisien

Tingkat efisiensi biaya

operasional pada industri

tekstil

Ordinal P.DS1.2

Harga produk yang lebih

terdiversifikasi dibanding produk

sejenis dari pesaing

Tingkat diversifikasi harga

sesuai dengan konsumen

yang dituju

Ordinal P.DS1.3

Produk

dengan

Kualitas

Unggul (Y22)

Produk dengan bahan yang

berkualitas tinggi

Implementasi segmentasi

pelanggan untuk produk

tekstil yang ditawarkan

perusahaan

Ordinal P.DS2.1

Produk dengan desain yang unik

Tingkat keunikan desain

produk tekstil

Ordinal P.DS2.2

Produk yang variatif Tingkat variasi produk tekstil

yang dihasilkan perusahaan

Ordinal P.DS2.3

Pelayanan

yang Cepat

(Y23)

Respon yang cepat atas pesanan

pelanggan

Tingkat kecepatan dalam

merespon pesanan pelanggan

produk tekstil

Ordinal P.DS3.1

Pengiriman pesanan yang tepat

waktu

Tingkat kecepatan

pengiriman pesanan produk

tekstil yang tepat waktu

Ordinal P.DS3.2

Kualitas yang diberikan Tingkat kecepatan

pengiriman atas kualitas yang

dihasilkan

Ordinal P.DS3.3

Kinerja (Z) adalah atau hasil dari penerapan segala aktivitas yang berhubungan dengan kegiatan bisnis dengan

menggunakaan empat persektif keuangan, customer, proses bisnis/intern, serta pembelajaran dan pertumbuhan

yang dikenal juga dengan balance scorecard

Aspek

Keuangan (Z) Tingkat likuiditas perusahaan Kemampuan perusahaan

dalam membayar hutang

jangka pendeknya

menggunakan aset jangka

pendek

Ordinal P.KP1.1

Kemampuan perusahaan

dalam membayar hutang

Ordinal P.KP1.2

123


jangka pendeknya

menggunakan aset jangka

pendek yang likuid

Tingkat leverage Perusahaan Sejauh mana perusahaan

mengelola hutang secara

efektif

Ordinal P.KP2.1


dalam menggunakan

pinjaman untuk membiayai

aset perusahaan

Ordinal P.KP2.2

Tingkat efektifitas sumber daya

perusahaan

Sejauhmana perusahaan

efektivitas penjualan yang

dihasilkan oleh setiap piutang

perusahaan

Ordinal P.KP3.1

Sejauhmana efektifitas

penagihan yang dilakukan

oleh perusahaan

Ordinal P.KP3.2

Tingkat profitability Perusahaan Kemampuan laba bersih

setelah pajak yang dihasilkan

dari penjualan/pendapatan

Ordinal P.KP4.1

Seberapa efisiensi

pengendalian Harga Pokok

Produksi perusahaan

Ordinal P.KP4.2


secara keseluruhan didalam

menghasilkan laba dengan

memanfaatkan keseluruhan

aset yang tersedia dalam

perusahaan

Ordinal P.KP4.3

Seberapa mampu modal yang

diinvestasikan dalam

keseluruhan aktiva untuk

menghasilkan keuntungan

bersih

Ordinal P.KP4.4

124


Sejauh manakah perusahaan

mengelola modal sendiri

secara efektif

Ordinal P.KP4.5

Perspektif

Pelanggan

(Z2)

Pangsa Pasar Tingkat pertumbuhan pangsa

pasar perusahaan

Ordinal P.KP5.1

Kepuasan Pelanggan Sejauhmana pelanggan dapat

dilayani dengan baik

Ordinal P.KP5.2

Keluhan Pelanggan Sejauhmana tingkat keluhan

pelanggan terhadap produk

yang dihasilkan

Ordinal P.KP5.3

Perspektif

Proses Bisnis

Internal (Z3)

Tingkat pengembangan Produk Seberapa sering perusahaan

melakukan pengembangan

terhadap produk

Ordinal P.KP6.1

Produk baru dan Inovatif Seberapa sering perusahaan

meluncurkan produk yang

baru, berbeda dan inovatif ke

pasar

Ordinal P.KP6.2

Kualitas Produk Sejauhmana tingkat presisi

produk yang dihasilkan

perusahaan

Ordinal P.KP6.3

Kualitas Mesin dan alat Produksi Seberapa sering perusahaan

melakukan perbaikan mesin

dan alat – alat produksi

lainnya selama satu tahun

terakhir

Ordinal P.KP6.4

Perspektif

Pertumbuhan

dan

Pembelajaran

(Z4)

Kepuasan Karyawan Tingkat turnover karyawan

dalam satu tahun terakhir

Ordinal P.KP7.1

Produktivitas Tingkat produktivitas

karyawan dalam perusahaan

Ordinal P.KP7.2

Pembelajaran Pengarahan kepada karyawan

dalam setiap pekerjaan

Ordinal P.KP7.3

125

3.3. Sumber dan Cara Penentuan Data/Informasi

3.3.1. Sumber Data/Informasi

Sumber data dan informasi yang diperoleh dalam penelitian berasal dari dua

sumber yaitu primer, data yang dikumpulkan peneliti dengan tujuan berkaitan

dengan masalah penelitian yang dihadapinya dan data sekunder yaitu data yang

dipakai untuk penelitian yang tidak dikumpulkan secara langsung tetapi masih

berkaitan dengan penelitian yang dimaksud.

Unit observasi dalam penelitian ini adalah perusahaan tekstil yang berada di

wilayah jawa barat, sedangkan unit analisis adalah manajemen/pimpinan dari

perusahaan - perusahaan yang bergerak dibidang tekstil yang berada di wilayah Jawa

Barat, Indonesia

3.3.2. Populasi dan Sampel

Populasi merupakan keseluruhan objek pengamatan yang ada dalam suatu

penelitian, Aaker, et. al. (2010) mengartikan populasi sebagai keseluruhan subjek

penelitian yang mengandung suatu objek atau subjek dengan qualitas yang spesifik

dan karakteristik yang ditentukan berdasarkan proses untuk dapat menjawab

hipotesis. Dalam penelitian ini, adapun yang menjadi populasi adalah perusahaan

yang bergerak dibidang tekstil yang berada di wilayah Jawa Barat

Berdasarkan data dari kementrian perindustrian dan Asosiasi Pertekstilan di

Indonesia diketahui bahwa perusahaan tekstil yang berada di Jawa Barat berjumlah

295 (Kementrian Perindustrian, 2015).

126

Ukuran sampel ditentukan dengan memperhatikan teknik analisis yang

digunakan dalam uji hipotesis yang menggunakan model persamaan struktural

Structural Equation Modelling (SEM). Hair, et al., (2014) menyatakan tidak ada

kriteria tunggal untuk menentukan ukuran sampel (sample size) dalam SEM. Namun

perlu diperhatikan rasio sampel terhadap parameter. Oleh karena itu, besar sampel

minimum sedikitnya adalah lima responden tiap parameter yang diukur, dan lebih

baik bila mencapai rasio sepuluh responden dari tiap parameter. Dalam

menggunakan analisis LISREL ukuran sampel agar memenuhi prosedur estimasi

yang umum, yakni Maximum Likelihood Estimation (MLE) adalah antara seratus

sampai dengan seratus lima puluh responden, dimana jumlah sampel kurang dari lima

puluh responden tidak direkomendasikan. Akan tetapi direkomendasikan besar

sampel adalah antara 100 sampai dengan dua ratus responden..

Malhotra (1993) memberikan panduan ukuran sampel yang diambil dapat

ditentukan dengan cara mengalikan jumlah variabel dengan 5 atau 5× jumlah

variabel. Dengan demikian jika jumlah variabel yang diamati berjumlah 20, maka

sampel minimalnya adalah 5 × 20 = 100

Hair, Anderson, Tatham dan Black (1995) menjelaskan bahwa dalam model

persamaan struktural, ukuran sampel memainkan peran penting dalam estimasi dan

interpretasi hasil. Mempertimbangkan bahwa tidak ada ukuran sampel yang benar,

maka direkomendasikan ukuran sampel memiliki rentang antara 100 hingga 200.

Pendekatan lainnya untuk menentukan ukuran sampel oleh Krejcie dan Morgan

(1970) mengenai ukuran sampel yang diperlukan untuk ukuran-ukuran populasi

tertentu, dihitung dengan tingkat kesalahan 5%.

127

Banyaknya perusahaan yang digunakan dalam penelitian ini menggunakan

ukuran sampel perusahaan minimum yang dihitung menggunakan rumus

Lemeshow sebagai berikut :

𝑛 =𝑍𝛼

2

2. 𝑝𝑞𝑁

𝑑2(𝑁 − 1) + 𝑍𝛼2

2𝑝𝑞

(Snedecor GW dan Cochran WG, 1967)

(Lemeshow dkk, 1997)

Keterangan :

n = Ukuran sampel minimal yang diperlukan

N= Ukuran populasi

= derajat kepercayaan

p = proporsi perusahaan tekstil

q = 1-p

d = limit dari error atau presisi absolut

Jika ditetapkan =0,05 maka Z /2 = 1,96

Sehingga ukuran sampel perusahaan adalah

𝑛 =(1,96)2(0,5)(0,5)296

(0,05)2(296 − 1) + (1,96)2(0,5)(0,5)= 167.43 ≈ 168

Sampel Perusahaan akan diambil secara Sampling acak sederhana (Simple

Random Sampling) dengan menggunakan Sampling Frame berdasarkan data

direktori Kementrian Perindustrian.

Hasil sampel yang digunakan telah sesuai dengan kaedah yang diberikan

oleh Hair, et al., (2014), Malhotra (1993), Hair, Anderson, Tatham dan Black (1995)

128

dan Krejcie dan Morgan (1970) serta Ghozali (2005) untuk melakukan pengujian

dengan struktural equation model yang telah digambarkan sebelumnya diatas.

Setelah penentuan ukuran minimal perusahaan selanjutnya, kuesioner akan

dibagikan kepada Manajemen/Pimpinan Perusahaan dengan minimal satu

perusahaan dibagikan dua kuesioner,

3.4. Teknik Pengumpulan Data

Data yang diperlukan adalah data primer dan data sekunder, data tersebut akan

dikumpulkan melalui teknik sebagai berikut.

1. Kuesioner, yaitu daftar pertanyaanyangdigunakan untuk mengumpulkan data

dan ditujukan langsung kepada para pengelola industry tekstil

2. Wawancara adalah komunikasi dua arah untuk mendapatkan data dari

narasumber lain misalnya para pengelola industry tekstil, Deperin serta beberapa

badan dan pihak yang berkaitan.

3.4.1. Pengembangan Instrumen Penelitian

Penelitian ini menggunakan instrumen kuesioner sebagai alat pengumpul data

dengan menerapkan skala Likert untuk mengukur persepsi yang menggunakan skala

1 sampai dengan 5.

3.4.2. Pengujian Normalitas dan Multikolinieritas

Uji normalitas dan multikolinieritas data penting dan menjadi syarat untuk

mengolah data yang menggunakan teknik estimasi Maximum Likelihood.

129

Terpenuhinya normalitas dan multikolinieritas data, maka dapat menghindari bias

dan ketidakefisienan hasil.

Dalam pengujian Normalitas terdapat asumsi yang dikenal dengan asumsi

normalitas sebaran yaitu data yang akan di analisis (variabel laten) dengan menyebar

normal. Dengan sampel yang besar (100) asumsi ini tidak terlalu kritis, landasannya

adalah Dalil Limit Pusat (Central Limit Theorm), yaitu jika n (sample size) besar

maka statistik dari sampel tersebut akan mendekati distribusi normal walaupun

populasi dari mana sampel tersebut diambil tidak terdistribusi normal. Selain itu juga

dikenal dengan asumsi tidak adanya outlier (pencilan).

Outlier merupakan observasi yang muncul dengan nilai ekstrim secara

univariate maupun multivariate, karena kombinasi karakteristik unik dan terlihat

sangat jauh berbeda dari observasi lainnya. Outlier muncul dengan empat kategori,

yaitu:

1) Outlier muncul karena kesalahan prosedur seperti kesalahan dalam

memasukkan data atau kesalahan dalam mengkode data.

2) Outlier muncul karena keadaan khusus yang memungkinkan profil data

menjadi lain, khusus yang memungkin profil data menjadi lain, tetapi

peneliti mempunyai penjelasan mengenai apa yang menyebabkan

munculnya nilai ekstrim tersebut.

3) Outlier muncul karena adanya sesuatu alasan, tetapi tidak dapat diketahui

perihal penyebab munculnya ekstrim itu.

4) Outlier muncul dalam rentang nilai yang ada, tetapi apabila dikombinasikan

dengan variabel lainnya, kombinasinya menjadi tidak lazim atau sangat

130

ekstrim, yang disebut dengan multivariate outlier, maka menggunakan

metode pengujian Mahalanobis distance.

Mendeteksi univariate outliers dapat dilakukan dengan cara menentukan

nilai ambang batas yang akan dikategorikan sebagai outliers dengan cara

mengkonversi nilai data penelitian ke dalam standard score atau z-score, yang

mempunyai nilai rata-rata 0 dan standar devisasi sebesar 1,00 (Hair et al., 2014. p.

64). Pengujian univariate outliers ini dilakukan per konstruk variabel dengan

menggunakan program SPSS 22. Observasi data yang memiliki nilai z-score ≥ 3,0

dikategorikan sebagai outliers.

Pengujian terhadap multivariate outliers perlu dilakukan karena data yang

dianalisis menunjukkan tidak ada outliers pada tingkat univariate, tetapi observasi-

observasi itu dapat menjadi outliers bila dikombinasikan. The Mahalonobis

Distance atau jarak mahalonobis untuk setiap observasi dapat dihitung dan akan

menunjukkan jarak sebuh observasi dari rata-rata semua variabel dalam sebuah

ruang multidimensional (Hair et al., 2014. p. 64).

Outliers pada tingkat multivariate dideteksi dari nilai jarak mahalanobis

(The Mahalanobis Distance). Kriteria yang digunakan adalah nilai Chi-Squares

pada tingkat derajat kebebasan (df) tertentu dan pada tingkat signifikansi tertentu

(p < 0,001).

Berdasarkan hasil pengolahan mengenai uji asumsi yang telah dilakukan

maka diperoleh hasil seperti tertera pada Tabel 3.2 dan Tabel 3.3 dibawah ini:

131

Tabel 3.2 Uji Normalitas Data

Skewness Kurtosis Skewness and

Kurtosis

Value Z-Score P-Value Value Z-

Score

P-

Value

Chi-

Square

P-

Value

35.733 18.071 0.0550 431.533 17.812 0.0541 643.848 0.0644

Sumber : hasil pengolahan

Berdasarkan pengujian univariate normality dan multivariate normality terlihat

bahwa nilai P-Value > 0,05 sehingga dapat dikatakan bahwa data memiliki tingkat

normalitas yang baik. Apabila merujuk pada Teorema Limit Pusat (central limit

theorem) adalah sebuah teorema yang menyatakan bahwa kurva distribusi sampling

(untuk ukuran sampel > 30) akan berpusat pada nilai parameter populasi dan akan

memiliki semua sifat-sifat distribusi normal. Asumsi teorema limit pusat dijadikan

sebagai penguat hasil pengujian univariate normality dan multivariate normality

Asumsi multikolinieritas digunakan untuk mengetahui apakah terjadi korelasi

yang kuat di antara variabel-variabel independen yang diikutsertakan dalam

pembentukan model. Gejala adanya multikolinieritas dapat dideteksi dari nilai

korelasi yang tinggi antar variabel independen, yaitu 0,9 atau lebih.

Pengujian multikolinieritas dilakukan dengan software Minitab Versi 16.0

dengan mengkorelasikan antar variabel eksogen (independent). Gejala adanya

multikolinieritas dapat dideteksi dari nilai korelasi yang tinggi antar variabel eksogen,

yaitu 0,9 atau lebih.

132

Tabel 3.3. Korelasi antar Variabel Eksogen

CSR1 CSR2 CSR3 KM1 KM2 KM3 KM4 CP1 CP2 CP3 DS1 DS2

CSR2 0,69 - - - - - - - - - - -

CSR3 0,77 0,72 - - - - - - - - - -

KM1 0,73 0,72 0,47 - - - - - - - - -

KM2 0,78 0,62 0,59 0,76 - - - - - - - -

KM3 0,36 0,57 0,62 0,46 0,56 - - - - - - -

KM4 0,69 0,46 0,37 0,43 0,68 0,76 - - - - - -

CP1 0,62 0,51 0,73 0,46 0,70 0,76 0,39 - - - - -

CP2 0,78 0,37 0,46 0,41 0,44 0,74 0,60 0,74 - - - -

CP3 0,58 0,72 0,77 0,57 0,39 0,66 0,56 0,60 0,37 - - -

DS1 0,55 0,37 0,48 0,77 0,44 0,41 0,46 0,46 0,63 0,79 - -

DS2 0,77 0,72 0,69 0,70 0,56 0,76 0,52 0,67 0,36 0,56 0,63

DS3 0,46 0,65 0,39 0,63 0,53 0,70 0,51 0,69 0,75 0,70 0,73 0,45

Sumber : hasil pengolahan

133

Hasil penghitungan uji multikolinieritas dapat terlihat bahwa korelasi antar

variabel eksogen cenderung kecil meskipun ada beberapa yang mendekati 0.90,

akan tetapi masih dapat diterima sehingga asumsi non multikolinieritas sudah

terpenuhi dan dapat dilanjutkan pada analisis dan pengujian hipotesis.

3.4.3. Confirmatory Factor Analysis

Analisis CFA mengidentifikasi apakah indikator merupakan konstruk dari

variabel penelitian yang ada atau dengan kata lain indikator–indikator tersebut

merupakan kesatuan atau unidimensionalitas. CFA menunjukkan operasionalisasi

variabel atau konstruk penelitian menjadi indikator-indikator terukur yang

dirumuskan dalam bentuk persamaan dan atau diagram jalur tertentu (Kusnendi,

2008:98).

Uji CFA dilakukan pada masing–masing variabel dimana Indikator

dikatakan merupakan bagian dari variabel apabila mempunyai nilai cut off > 0,5.

Hair, et al., (2014) dan Kelloway (1998) merekomendasikan penggunaan matriks

kovarian dalam estimasi model karena input matriks korelasi cenderung

menyederhanakan interpretasi. Kelima konstruk dibebaskan berkorelasi satu sama

lain, dan hasil korelasi antar konstruk akan digunakan sebagai dasar untuk

menganalisis validitas.

Tujuan CFA adalah untuk mengkonfirmasikan atau menguji model, yaitu

model pengukuran yang perumusannya berasal dari teori. Sehingga, CFA bisa

dikatakan memiliki dua focus kajian yaitu : (1) apakah indikator-indikator yang

134

dikonsepsikan secara unidimensional, tepat, dan konsisten; (2) indikator-indikator

apa yang dominan membentuk konstruk yang diteliti.

Untuk menguji CFA yaitu mengkorelasikan variabel-variabel secara

bersama-sama. Uji CFA dalam penelitian ini menggunakan cara yang dimana

prosedur dalam tahap measurement, harus mengkorelasikan varibel yang satu

dengan yang lain dengan angka korelasi di bawah 0,8 agar diperoleh validitas

diskriminan yang baik. Variabel bebas dapat langsung dikorelasikan dengan

variabel terikat karena hanya terdiri dari satu variabel. Namun demikian perlu

diingat bahwa modifikasi dapat dilakukan tidak hanya berdasarkan pertimbangan

statistik saja tetapi juga harus didasarkan teori yang dapat menunjang (Solimun,

2005). Apabila suatu model memiliki konstrak yang konvergen dan memberikan

hasil yang tepat dan memadai, tetapi tidak menunjukan indeks kesesuaian yang baik

dan sesuai maka ada sejumlah modifikasi yang dapat dilakukan. Kemungkinan atas

modifikasi tersebut dapat dilakukan.

Uji validitas dilakukan dengan menggunakan analisis Confirmatory Factor

Analysis (CFA) yang bertujuan untuk mengkonfirmasi faktor-faktor yang paling

dominan dalam suatu kelompok variabel (angka faktor didapat dari factor loading λ).

Untuk pertanyaan yang tidak valid maka akan dikeluarkan dan tidak di analisis,

sedangkan untuk pertanyaan yang valid akan diteruskan ke tahap pengujian

kehandalan (uji reliabilitas). Kriteria pengujian validitas menggunakan batasan nilai

factor loading > 0,5.

Reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-

indikator konstruk yang menunjukkan derajat masing-masing indikator mampu

135

mengindikasikan sebuah konstruk/ faktor laten yang umum. Uji reliabilitas diukur

dengan menghitung nilai Construct Reliability (CR) dan Variance Extracted (VE).

Suatu variabel dikatakan mempunyai reliabilitas yang baik apabila nilai CR ≥ 0.70

dan nilai VE ≥ 0.50. Nilai reliabilitas dimensi diperoleh melalui rumus berikut ini

(Ghozali 2008):

Construct Reliability= (∑ standard loading)2

(∑ standard loading)2+ ∑ Ej

Variance Extract= ∑ standard loading

2

∑ standard loading2

+ ∑ Ej

Keterangan :

Standard loading diperoleh langsung dari standardized loading untuk tiap-tiap

indikator (yang didapat dari perhitungan komputer dengan menggunakan

program Lisrel 8.7)

ΣEj adalah measurement error dari tiap-tiap indikator. Measurement error

diperoleh dari 1 ‒ (standardized loading)2

Berdasarkan teori yang telah dijelaskan diatas, maka dapat diuraikan hasil

pengujian analisis konfirmatori sebagai berikut :

136

3.4.3.1 Analisis Faktor Konfirmatori Variabel CSR

Variabel CSR diukur dengan 3 indikator yaitu Economics (CSR1), Social

(CSR2) dan Environmental and Ecological (CSR3). Hasil dari analisis faktor

Konfirmatori Variabel CSR sebagai berikut.

Gambar 3.1

Uji Konformatori Konstruk Variabel CSR

Dari hasil analisis faktor konfirmatori diatas dapat diketahui bahwa nilai

faktor loading dari semua indikator CSR lebih besar dari 0,5 sehingga dapat

disimpulkan bahwa semua indikator sudah valid untuk mencerminkan variabel

latennya.

137

3.4.3.2 Analisis Faktor Konfirmatori Variabel Kemitraan

Variabel Kemitraan diukur dengan 3 indikator yaitu Internal Partnership

(KB1), Supplier Partnership (KB2), Buyer Partnership (KB3) dan Lateral

Partnership (KB4). Hasil dari analisis faktor Konfirmatori Variabel Kemitraan

sebagai berikut.

Gambar 3.2

Uji Konformatori Konstruk Variabel Kemitraan


faktor loading dari semua indikator Kemitraan lebih besar dari 0,5 sehingga dapat


latennya.

138

3.4.3.3 Analisis Faktor Konfirmatori Variabel Citra Perusahaan

Variabel Citra Perusahaan diukur dengan 3 indikator yaitu Quality image

(CP1), Programme Image (CP2) dan Infrastructure image (CP3). Hasil dari analisis

faktor Konfirmatori Variabel Citra Perusahaan sebagai berikut.

Gambar 3.3

Uji Konformatori Konstruk Variabel Citra Perusahaan


faktor loading dari semua indikator Citra Perusahaan lebih besar dari 0,5 sehingga

dapat disimpulkan bahwa semua indikator sudah valid untuk mencerminkan

variabel latennya.

139

3.4.3.4 Analisis Faktor Konfirmatori Variabel Daya Saing

Variabel Daya Saing diukur dengan 3 indikator yaitu Harga yang

Kompetitif (DS1), Produk dengan kualitas unggul (DS2) dan Pelayanan yang cepat

(DS3). Hasil dari analisis faktor Konfirmatori Variabel Daya Saing sebagai berikut.

Gambar 3.4

Uji Konformatori Konstruk Variabel Daya Saing


faktor loading dari semua indikator Daya Saing lebih besar dari 0,5 sehingga dapat


latennya.

140

3.4.3.5 Analisis Faktor Konfirmatori Variabel Kinerja Perusahaan

Variabel Kinerja Perusahaan diukur dengan 4 indikator yaitu Aspek

Keuangan (KP1), Perspektif Pelanggan (KP2), Perspektif proses bisnis internal

(KP3) dan Perspektif pertumbuhan dan pembelajaran (KP4). Hasil dari analisis

faktor Konfirmatori Variabel Kinerja Perusahaan sebagai berikut.

Gambar 3.5

Uji Konformatori Konstruk Variabel Kinerja Perusahaan


faktor loading dari semua indikator Kinerja Perusahaan lebih besar dari 0,5

141

sehingga dapat disimpulkan bahwa semua indikator sudah valid untuk

mencerminkan variabel latennya.

3.4.3.6 Pengujian Construct Reliability (CR) Dan Variance Extracted (VE)

Untuk Model Variabel Eksogen Dan Endogen.

Tabel 3.4 Pengujian construct reliability (CR) dan variance extracted (VE)

Variabel Indikator Λ λ2 E CR VE Keterangan

CSR

CSR1 0,997 0,994 0,006

0,982 0,947 Reliabel CSR2 0,994 0,988 0,012

CSR3 0,992 0,984 0,147

Kemitraan

KB1 0,993 0,986 0,014

0,996 0,983 Reliabel KB2 0,992 0,984 0,016

KB3 0,986 0,972 0,028

KB4 0,995 0,990 0,010

Citra

Perusahaan

CP1 0,995 0,990 0,010

0,997 0,991 Reliabel CP2 0,995 0,990 0,010

CP3 0,996 0,992 0,008

Daya Saing

DS1 0,995 0,990 0,010

0,993 0,979 Reliabel DS2 0,995 0,990 0,010

DS3 0,979 0,958 0,042

Kinerja

Perusahaan

KP1 0,995 0,990 0,010

0,994 0,975 Reliabel KP2 0,990 0,980 0,020

KP3 0,978 0,956 0,044

KP4 0,986 0,972 0,028

Pada tabel diatas dapat diketahui bahwa nilai variance extracted untuk

variabel CSR sebesar 0,947 yang menunjukan bahwa 94,7%% informasi yang

terdapat pada ketiga indikator dapat tercermin melalui variabel laten CSR.

Kemudian nilai construct reliability sebesar 0,982 lebih besar dari 0,7 menunjukan

bahwa ketiga indikator memiliki kekonsistenan dalam mengukur variabel laten

CSR.

142

Nilai variance extracted untuk variabel Kemitraan sebesar 0,987 yang

menunjukan bahwa 98,7% informasi yang terdapat pada keempat indikator dapat

tercermin melalui variabel laten Kemitraan. Kemudian nilai construct reliability

sebesar 0,996 lebih besar dari 0,7 menunjukan bahwa keempat indikator memiliki

kekonsistenan dalam mengukur variabel laten Kemitraan.

Nilai variance extracted untuk variabel Citra Perusahaan sebesar 0,991 yang

menunjukan bahwa 99,1% informasi yang terdapat pada ketiga indikator dapat

tercermin melalui variabel laten Citra Perusahaan. Kemudian nilai construct

reliability sebesar 0,997 lebih besar dari 0,7 menunjukan bahwa ketiga indikator

memiliki kekonsistenan dalam mengukur variabel laten Citra Perusahaan.

Nilai variance extracted untuk variabel Daya Saing sebesar 0,979 yang

menunjukan bahwa 97,9% informasi yang terdapat pada ketiga indikator dapat

tercermin melalui variabel laten Daya Saing. Kemudian nilai construct reliability

sebesar 0,993 lebih besar dari 0,7 menunjukan bahwa ketiga indikator memiliki

kekonsistenan dalam mengukur variabel laten Daya Saing.

Nilai variance extracted untuk variabel Kinerja Perusahaan sebesar 0,975

yang menunjukan bahwa 97,5% informasi yang terdapat pada keempat indikator

dapat tercermin melalui variabel laten Kinerja Perusahaan. Kemudian nilai

construct reliability sebesar 0,994 lebih besar dari 0,7 menunjukan bahwa keempat

indikator memiliki kekonsistenan dalam mengukur variabel laten Kinerja

Perusahaan.

143

3.5 Teknis Analisis dan Uji Hipotesis

3.5.1 Teknis Analisis Deskriptif

Analisis deskriptif

Analisis deskriptif ditekankan untuk mengungkapkan perilaku variabel

penelitian. Menurut Saunders, Lewis dan Thornhill (2006) pengungkapannya dapat

berupa tabulasi atau grafik agar mudah melakukan analisa secara deskriptif. Aspek-

aspek yang penting yang sesuai dengan tujuan penelitian seperti Analisis indeks

rata-rata yang bertujuan untuk mendeskripsikan setiap jawaban responden atas

pertanyaan yang diajukan dari setiap variabel yang diteliti.

Dalam menganalisis data yang menyangkut penilaian responden terhadap

variabel penelitian, dilakukan langkah-langkah sebagai berikut.

1) Setiap indikator variabel/ sub variabel yang dinilai oleh responden,

diklasifikasikan ke dalam lima alternatif jawaban dengan menggunakan skala

ordinal yang menggambarkan peringkat jawaban. Peringkat jawaban setiap

indikator diberi skor antara 1 s.d. 5

2) Dihitung Total Skor Tiap Variabel/Sub Variabel = jumlah skor dari semua skor

indikator variabel untuk semua responden

3) Dihitung Skor Tiap Variabel/Sub Variabel = rata-rata dari total skor

4) Untuk mendeskripsikan jawaban responden juga digunakan statistik

deskriptif seperti distribusi frekuensi dan ditampilkan dalam bentuk tabel

ataupun grafik dengan menggunakan bantuan software Excell dan SPSS.

144

5) Analisis indeks rata-rata yang bertujuan untuk mendeskripsikan setiap

jawaban responden atas pertanyaan yang diajukan dari setiap variabel yang

diteliti. (Walpole and Meyers, 1993)

Indeks Rata – Rata = 𝑱𝒖𝒎𝒍𝒂𝒉 𝑺𝒌𝒐𝒓

𝒏 𝒙 𝒑

dimana : n = Jumlah sampel; dan p = Jumlah Pertanyaan

Berdasarkan kriteria skor tersebut untuk bahan pijakan dalam menguji

hipotesis deskriptif mengacu pada skala likert yang telah diubah kedalam skala

interval dengan menggunakan metode MSI yang digunakan, dengan interpretasi

untuk setiap variabel adalah sebagai berikut :

a) Variabel CSR dengan tiga indikator yakni aspek ekonomi, sosial dan

lingkungan dengan kinerja yang diukur dengan skala sangat efektif (skala

5) hingga sangat tidak efektif (skala 1)

b) Variabel Kemitraan dengan empat indikator yakni Internal Partnership,

SupplierPartnership, Buyer Partnership dan Lateral Partnership dengan

kinerja yang diukur dengan skala sangat baik (skala 5) hingga sangat buruk

(skala 1)

c) Variabel Citra Perusahaan dengan dua indikator yakni Quality image,

Programme Image, dan Infrastructure image dengan kinerja yang diukur

dengan skala sangat positif (skala 5) hingga sangat negatif (skala 1)

d) Variabel Daya Saing dengan dua indikator yakni Harga yang Kompetitif,

Produk dengan kualitas unggul, dan Pelayanan yang cepat dengan kinerja yang

diukur dengan skala sangat tinggi (skala 5) hingga sangat rendah ( skala 1)

145

e) Variabel Kinerja Perusahaan dengan empat indikator yakni keuangan,

pelanggan, Proses Bisnis Internal dan Pertumbuhan dan pembelajaran dengan

kinerja yang diukur dengan skala sangat prima (skala 5) hingga sangat tidak

prima (skala 1) kecuali dikatakan lain.

Tabel 3.5. Indeks rata-rata

Indeks

Rata-Rata CSR Kemitraan

Citra

Perusahaan Daya Saing

Kinerja

Perusahaan

4,6 - 5 Sangat Efektif Sangat Baik Sangat Positif Sangat Tinggi Sangat Prima

3,7 - 4,5 Efektif Baik Positif Tinggi Prima

2,8 - 3,6 Cukup Efektif Cukup Kurang Positif Cukup Cukup

1,9 - 2,7 Tidak Efektif Buruk Negatif Rendah Tidak Prima

1 - 1,8

Sangat Tidak

Efektif Sangat Buruk Sangat negatif Sangat Rendah

Sangat Tidak

Prima

Sumber : Walpole and Meyers (1993)

Analisis verifikatif

Menjawab tujuan penelitian digunakan analisis verifikatif yaitu pengujian

statistik menggunakan model persamaan struktural (Structural Equation Modeling).

Tujuan penelitian ini memperoleh bukti empirik dan mengkaji pengaruh antara

kinerja penyampaian jasa, karakteristik pelanggan terhadap retensi pelanggan melalui

kepercayaan pelanggan, dimana variabel variabel tersebut adalah konstruk/ konsep

yang tidak dapat diukur langsung tetapi diukur melalui subvariabel dan indikatornya.

146

sehingga akan diperoleh sebuah persamaan struktural yang menggambarkan hubungan

antara variabel-variabel yang diteliti.

Metode SEM dipilih karena kemampuannya dalam mengukur konstruk secara

tidak langsung, yakni melalui beberapa indikator serta dapat menganalisis indikator,

variabel laten, beserta penyimpangan dalam pengukurannya. Dengan demikian maka

kita dapat menganalisis hubungan antar variabel indikator dengan variabel latennya

yang disebut sebagai measurement equation (persamaan pengukuran). Hubungan antar

variabel laten satu dengan yang lainnya yang disebut sebagai structural equation

(persamaan struktur) yang secara bersamaan melibatkan kekeliruan pengukuran.

Menurut Byrne (1998), dalam metode SEM, variabel bebas disebut sebagai variabel

eksogen, sedangkan variabel terikat disebut juga sebagai variabel endogen. Model

persamaan struktural terdiri atas persamaan pengukuran dan persamaan struktural.

Hubungan antara variabel indikator dengan variabel lainnya merupakan persamaan

pengukuran sedangkan hubungan antara variabel laten dikenal sebagai persamaan

struktural.

Analisis ini digunakan untuk mengukur hubungan antar variable dan

melakukan pengujian hipotesis. Alat analisis yang digunakan adalah menggunakan

model persamaan struktural (Structural Equation Modeling).

Model persamaan struktural (Structural Equation Modeling)adalah salah

satu teknik multivariat yang memeriksa rangkaian hubungan ketergantungan antar

variabel laten. Model persamaan struktural terdiri atas persamaan pengukuran dan

persamaan struktural. Hubungan antara variabel indikator dengan variabel lainnya

147

merupakan persamaan pengukuran sedangkan hubungan antara variabel laten

dikenal sebagai persamaan struktural. (Hair, 2014)

Berdasarkan hipotesis konseptual yang diajukan serta paradigma penelitian,

dapat digambarkan suatu kerangka alur hubungan antara variabel berupa model

persamaan struktural (structural equation modeling).

Gambar 3.6

Kerangka Alur Hubungan antar Variabel Laten

Persamaan model struktural menghubungkan variabel –variabel laten

adalah sebagai berikut :

Y1 = γ11 X1+ γ12 X2 +ζ 1

Y2 = γ21 X1+ γ22 X2 +β21Y1 +ζ 2

Z= γ31 X1+ γ32 X2 +β31Y1 +β32Y2 +ζ3 :

Dimana :

148

X1 = CSR; X2 = Kemitraan ; Y1 =Citra Perusahaan; Y2 = Daya Saing ; Z

= Kinerja Perusahaan

Hair (2014) menyatakan langkah-lanngkah dalam SEM sebagai berikut :

1. Membangun Model yang berdasarkan teori (Theoretically Based Model)

Pada tahap ini dilakukan pembuatan model teoretis yang dirumuskan oleh

peneliti. Biasanya model ini dihipotesiskan berdasarkan teori. Sesuai dengan

uraian pada kerangka pemikiran dan mengacu pada model penelitian di atas,

maka dapat terungkap hipotesis penelitian seperti yang telah diuraikan pada

Bab II.

2. Membuat diagram jalur untuk menggambarkan hubungan kausal dan

menterjemahkannya ke dalam persamaan struktural dan persamaan

pengukuran (structural and measurement equation)

Setelah hubungan teoritis terbentuk, metode lain yang dapat menggambarkan

hubungan ini adalah melalui diagram jalur. Dalam membuat diagram jalur,

hubungan antara variabel diwakili oleh panah. Panah yang lurus menunjukkan

hubungan kausal yang langsung dari satu variabel ke variabel yang lain. Panah

dua arah antara variabel hanya menunjukkan korelasi antar variabel.

3. Membuat persamaan struktural berdasarkan diagram jalur

Setelah model teoritis dan diagram jalur terbentuk maka selanjutnya adalah

menspesifikasikan model ke tampilan yang lebih formal melalui persamaan-

persamaan matematis. Untuk lebih jelas, dapat dilihat persamaan model

matematis di atas.

149

4. Memilih tipe matriks input dan menentukan model yang diperkirakan.

Input untuk mengolah data adalah matrika korelasi atau matrik varians-

kovarians dari semua indikator yang terlibat dalam model, diantaranya adalah

penggunaan korelasi Product-moment Pearson yang mengasumsikan bahwa

variabel-variabelnya adalah metrik. Agar ukuran non-metrik dapat digunakan

dalam model persamaan structural (SEM) dan Lisrel, maka dilakukan dengan

pengukuran korelasi Polychoric, Polyserial, Tetrachoric dan Biserial.

5. Identifikasi dan Estimasi Model

Identifikasi model di atas perlu dilakukan sebelum model diestimasi untuk

menjamin varian-kovarian variabel teramati mempunyai cukup informasi

untuk mengestimasi parameter yang tidak diketahui.

6. Uji Kesesuaian model (Goodness of Fit)

Tujuan SEM adalah untuk menguji apakah model yang diusulkan dalam

diagram jalur (model teoritis) sesuai, cocok (fit) atau tidak dengan data.

Evaluasi terhadap kinerja model tersebut dilakukan secara menyeluruh (overall

test). Tabel berikut memperlihatkan beberapa jenis pengujian yang bisa

dilakukan.

150

Tabel 3.6

Ketentuan Kesesuaian Model

Alat Uji Cut of Value

Chi-Square

Chi-Square Diharapkan nilai kecil dari t-

tabel

Significance Probability P > 0,05

Absolute Fit Measures

GFI ≥ 0,90

RMSEA ≤ 0,08

Normed Chi-Square 1 – 5

Incremental Fit Indices

NFI 0,90

NNFI 0.90

CFI 0.90

RFI 0.90

Parsimony Fit Indices

AGFI 0 – 1

PNFI 0 – 1

Sumber: Imam Ghozali dan Fuad, 2005; Sitinjak dan Sugiarto, 2006; Heirs

(2014).

Pada tahap ini dilakukan pengujian terhadap kesesuaian model melalui telaah

terhadap berbagai kriteria indeks goodness of fit (kecocokan model). Berikut ini

beberapa indeks kesesuaian dan cut-off value untuk menguji apakah suatu model

dapat diterima atau ditolak yang dikutip dari berbagai sumber.

a. Chi-square statistik. Model dipandang baik bila nilai chi-square kecil. Artinya

semakin kecil nilai chi-square terhadap chi-square tabel, maka model semakin

baik dan dapat diterima berdasarkan probabilitas dengan cut-off value sebesar p >

0.05 atau p > 0.10.

151

b. The Root Mean Square Error of Approximation (RMSEA) menunjukkan

goodness of fit yang dapat diharapkan bila model di estimasi dalam polulasi.

Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk

dapat diterimanya model yang menunjukkan sebuah close fit dari model itu

berdasarkan degrees of freedom.

c. Goodness of Fit Index (GFI), adalah ukuran non statistikal yang mempunyai

rentang nilai antara 0 (poor fit) sampai dengan 1 (perfect fit). Nilai yang tinggi

dalam indeks ini menunjukkan ‘better fit’. Batasa nilai GFI adalah lebih besar

dari 0.90 agar model yang diuji memiliki kesesuaian yang baik.

d. Adjusted Goodness of Fit Index (AGFI) memiliki fungsi yang sama dengan GFI

hanya memiliki perbedaan pada penyesuaian nilai df terhadap model yang

dispesifikasi. Tingkat penerimaan yang direkomendasikan jika nilai AGFI sama

dengan atau lebih besar dari 0,90.

e. Comparative Fit Index (CFI), merupakan indeks kesesuaian incemental. Besaran

nilai ini berada pada rentang 0 sampai 1 dan bila mendekati 1, mengindikasikan

tingkat kesesuaian yang paling tinggi. Nilai yang direkomendasikan adalah CFI

≥ 0,90.

f. Normed Fit Indeks (NFI) merupakan indeks untuk mengukur perbandingan

antara proposed model dan null model. Nilai yang direkomendasikan > 0.90

Setelah evaluasi model secara simultan memperlihatkan model teoritis sudah

cocok dengan data maka selanjutnya dilakukan pengujian secara individu

berdasarkan hipotesis penelitian.

152

Selanjutnya model empiris yang dihasilkan dari model teoritis dalam

penelitian ini memerlukan pengujian full model. Setelah dilakukan analisis

faktor konfirmatori (confirmatory factor analisys) untuk masing-masing

variabel eksogen dan Endogen, setelah itu diperlukan estimasi full model

struktural. Analisis estimasi full model struktural tersebut menggambarkan

hubungan antar variabel laten dan dapat dilakukan apabila measurement model

telah dianalisis melalui analisis faktor konfirmatori (confirmatory factor

analisys). Hal tersebut karena masing-masing indikator dapat digunakan untuk

mendefinisikan sebuah konstruk laten.

Pengujian full model SEM dilakukan dengan dua macam pengujian yaitu

kesesuaian model dan signifikansi kausalitas melalui koefisien regresi. Pengujian

full model SEM digunakan untuk melihat kelayakan model atau kesesuaian model.

Indeks-indeks kesesuaian model yang digunakan tidak berbeda dengan indeks-

indeks pada analisa faktor konfirmatori. Evaluasi terhadap kesesuaian yang baik

model persamaan struktural dengan membandingkan nilai indeks-indeks fit yang

direkomendasikan seperti yang telah disampaikan diatas dan disajikan dalam tabel

berikut :

153

Tabel 3.7 Evaluasi Terhadap Indeks-Indeks Fit Model Struktural

Indeks fit Hasil Nilai yang

direkomendasikan Evaluasi model

Chisquare

Chi-Square 225,833 < 135,480 Marginal

Probabilitas 0,000 > 0,05 Marginal

Absolute Fit Measures

GFI 0,930 > 0,90 Good fit

RMSEA 0,0526 < 0,08 Good fit

Chi-Square/DF 1,947 < 2 Good fit

Incremental Fit

Indices

NFI 0,985 > 0,90 Good fit

NNFI 0,990 > 0,90 Good fit

CFI 0,992 > 0,90 Good fit

RFI 0,981 > 0,90 Good fit

Parsimony Fit Indices

AGFI 0,904 0-1 Good fit

PNFI 0,797 0-1 Good fit

Sumber : Hasil Pengolahan

Berdasarkan hasil penghitungan kecocokan model dengan beberapa kriteria

indeks kecocokan, di dapat sebelas kriteria yang diukur dan dari sebelas ukuran

tersebut, ada dua indeks yang tidak memenuhi syarat kecocokan model yaitu nilai

Chi-Square dan Significance Probability, sedangkan sembilan indeks yang lainnya

sudah masuk kriteria yang baik. Bila mengacu pada nilai RMSEA sudah memenuhi

kriteria fit. demikian juga dengan kriteria lainnya sudah cukup memenuhi kriteria

fit. sehingga dapat disimpulkan bahwa model penelitian diterima Nilai Chi-Square

yang diharapkan untuk kecocokan model yaitu lebih kecil dari Chi-Square-tabel dan

nilai Significance Probability yang diharapkan lebih besar dari 0,05. Hair, et al.,

(2014. p. 578) menjelaskan bahwa Chi-Square (𝑋2) bersifat sangat sensitif terhadap

154

sampel besar yang digunakan. Apabila jumlah sampel besar dalam penelitian lebih

dari 200 sampel, maka Chi-Square (𝑋2) harus didampingi dengan alat uji yang lain.

Berdasarkan tabel diatas dapat dilihat hasil pengujian kecocokan model

secara overall menggunakan uji X2 (chi-square) diperoleh nilai sebesar 214,180

dengan p-value sebesar 0,000 dan nilai RMSEA = 0,0532. Bila mengacu pada nilai

RMSEA sudah memenuhi kriteria fit begitupun dengan indikator fit lainnya seperti

GFI, AGFI, NFI, NNFI, CFI dan RFI sudah menunjukan goodness of fit.

7. Interpretasi dan Spesifikasi model

Tahapan ini dilakukan apabila pengujian kecocokan menghasilkan model

yang kurang cocok. Dalam kondisi ini peneliti membuat keputusan bagaimana

menghapus, menambah atau memodifikasi jalur dalam model dan mengujinya

kembali.

3.5.2 Rancangan Uji Hipotesis

Berikut ini disampaikan uji hipotesis sebagai berikut:

Hipotesis 1

CSR dan kemitraan berpengaruh terhadap citra perusahaan industri tekstildi Jawa

Barat baik secara simultan dan parsial.

155

Hipotesis diatas dapat digambarkan sebagai berikut.

Gambar 3.8

Diagram Jalur Hipotesis 2

Model struktural untuk diagram di atas adalah:

Y1= γ11X1+ γ12X2 +ζ1

Rumus statistik uji yang digunakan untuk menguji hipotesis secara simultan adalah

sebagai

H0 : 11= 12 = 0

Tidak terdapat pengaruh CSR dan kemitraan terhadap citra perusahaan

industri tekstildi Jawa Barat secara simultan;

H1 : paling sedikit ada 11 atau12 0

Terdapat pengaruh CSR dan kemitraan terhadap citra perusahaan industri

tekstildi Jawa Baratsecara simultan

156

Rumus statistik uji yang digunakan untuk menguji hipotesis secara simultan di atas

sebagai berikut :

(Hair.et al 2014;181).

Kriteria uji, Tolak H0 jika F hitung > F tabel pada tingkat kepercayaan 1- dan

derajat bebas (k;n-k-1) dengan k adalah jumlah variabel bebas dan n adalah jumlah

sampel (pengamatan).

Rumus statistik uji yang digunakan untuk menguji hipotesis secara parsial adalah

sebagai berikut :

Ho : γ1i= 0, i=1,2

Tidak terdapat pengaruh CSRterhadap citra perusahaan industri

tekstildi Jawa Barat

Tidak terdapat pengaruh kemitraan terhadap citra perusahaan industri


H1 : γ1i≠0

Terdapat pengaruh CSRterhadap citra perusahaan industri tekstildi

Jawa Barat

Terdapat pengaruh kemitraan terhadap citra perusahaan industri


2

2

21

21

1

)1(

yxx

yxx

Rk

RknF

157

Statistik uji yang digunakan adalah :

)ˆ(

ˆ

1

1

i

i

SEt

Tolak Ho jika t hitung > t tabel pada taraf signifikan

Hipotesis 3

CSR dan kemitraan berpengaruh terhadap daya saing industri tekstil di Jawa Barat

baik secara simultan dan parsial.


Gambar 3.9


158


Y2= γ21X1+ γ22X2 +ζ2


sebagai berikut :

H0 : 21= 22 = 0

Tidak terdapat pengaruh CSR dan kemitraan terhadap daya saingindustri

tekstildi Jawa Barat secara simultan;

H1 : paling sedikit ada 21 atau 22 0

Terdapat pengaruh CSR dan kemitraan terhadap daya saing industri tekstildi

Jawa Baratsecara simultan


sebagai berikut :

Ho : γ2i= 0, i=1,2

Tidak terdapat pengaruh CSR terhadap daya saing industri tekstil di

Jawa Barat

Tidak terdapat pengaruh kemitraan terhadap daya saing industri tekstil

di Jawa Barat

H1 : γ2i≠0

Terdapat pengaruh CSRterhadap daya saing industri tekstil di Jawa

Barat

Terdapat pengaruh kemitraan terhadap daya saing industri tekstil di

Jawa Barat

159


)ˆ(

ˆ

2

2

i

i

SEt


Hipotesis 4

CSR dan kemitraan berpengaruh terhadap kinerja perusahaan industri tekstil di

Jawa Barat baik secara simultan dan parsial.


Gambar 3.10



Z= γ31X1+ γ32X2 +ζ3

160


sebagai berikut :

H0 : 31= 32 = 0

Tidak terdapat pengaruh CSR dan kemitraan terhadap kinerja perusahaan

industri tekstil di Jawa Barat secara simultan;


Terdapat pengaruh CSR dan kemitraan terhadap kinerja perusahaan industri

tekstil di Jawa Barat secara simultan


sebagai berikut :

Ho : γ3i= 0, i=1,2

Tidak terdapat pengaruh CSR terhadap kinerja perusahaan industri

tekstil di Jawa Barat

Tidak terdapat pengaruh kemitraan terhadap kinerja perusahaan industri


H1 : γ3i≠0

Terdapat pengaruh CSR terhadap kinerja perusahaan industri tekstil di

Jawa Barat

Terdapat pengaruh kemitraan b terhadap kinerja perusahaan industri

tekstil di Jawa Barat


)ˆ(

ˆ

3

31

i

i

SEt


161

Hipotesis 5

Citra perusahaan dan daya saing berpengaruh terhadap kinerja perusahaan pada

industri tekstil di Jawa Barat baik secara simultan dan parsial.


Kinerja

Perusahaan

4Citra

Perusahaan

Daya Saing

Y21

Y22

Y23

Y11

Y12

Y13Z1

Z2

Z3

Gambar 3.11



Z= β31Y1+ β 32Y2 +ζ4


sebagai berikut :

H0 : 31= 32 = 0

Tidak terdapat pengaruh citra perusahaan dan daya saing terhadap kinerja

perusahaan pada industri tekstil Jawa Barat secara simultan;


162

Terdapat pengaruh citra perusahaan dan daya saing terhadap kinerja

perusahaan pada industri tekstil Jawa Barat secara simultan


sebagai berikut :

Ho : β 3i= 0, i=1,2

Tidak terdapat pengaruh citra perusahaan terhadap kinerja perusahaan

pada industri tekstil Jawa Barat

Tidak terdapat pengaruh daya saingterhadap kinerja perusahaan pada

industri tekstil Jawa Barat

H1 : β 3i≠0

Terdapat pengaruh citra perusahaan terhadap kinerja perusahaan pada

industri tekstil Jawa Barat

Terdapat pengaruh daya saing terhadap kinerja perusahaan pada industri

tekstil Jawa Barat


)ˆ(

ˆ

3

3

i

i

SEt


Hipotesis 6

CSR dan Kemitraan berpengaruh terhadap Kinerja Perusahaan melalui Citra

Perusahaan pada industri tekstil Jawa Barat

163


Gambar 3.12



sebagai berikut :

Ho : β 3i= 0, i=1,2

Tidak terdapat pengaruh CSR terhadap kinerja perusahaan melalui Citra

Perusahaan pada industri tekstil Jawa Barat;

Tidak terdapat pengaruh Kemitraan terhadap kinerja perusahaan melalui

Citra Perusahaan pada industri tekstil Jawa Barat

H1 : β 3i≠0

Terdapat pengaruh CSR terhadap kinerja perusahaan melalui Citra

Perusahaan pada industri tekstil Jawa Barat;

Terdapat pengaruh Kemitraan terhadap kinerja perusahaan melalui Citra

Perusahaan pada industri tekstil Jawa Barat


164

)ˆ(

ˆ

3

3

i

i

SEt


Hipotesis 7

CSR dan Kemitraan berpengaruh terhadap Kinerja Perusahaan melalui Daya Saing

pada industri tekstil Jawa Barat


Gambar 3.13



sebagai berikut :

Ho : β 3i= 0, i=1,2

Tidak terdapat pengaruh CSR terhadap kinerja perusahaan melalui Daya

Saing pada industri tekstil Jawa Barat;

Tidak terdapat pengaruh Kemitraan terhadap kinerja perusahaan melalui

Daya Saing pada industri tekstil Jawa Barat

165

H1 : β 3i≠0

Terdapat pengaruh CSR terhadap kinerja perusahaan melalui Daya

Saing pada industri tekstil Jawa Barat;

Terdapat pengaruh Kemitraan terhadap kinerja perusahaan melalui

Daya Saing pada industri tekstil Jawa Barat


)ˆ(

ˆ

3

3

i

i

SEt


3.6 Rancangan Penetapan Temuan Penelitian

Pemecahan temuan penelitian disusun dengan menggambarkan bagaimana

masalah dari awal sampai akhir penelitian berdasarkan hasil dan mengacu pada

identifikasi masalah, tujuan penelitian sehingga diperoleh variabel-variabel solusi

yang berpengaruh signifikan terhadap kinerja bisnis dan dilakukan pemetaan

strategi untuk mendapatkan model solusi yang jelas. Dari hasil penelitian melalui

wawancara, serta pengujian hipotesis statistik diharapkan akan mampu

memunculkan model peningkatkan kinerja perusahaan.

3.6.1. Rancangan Pemecahan Masalah

Beranjak dari masalah yang terjadi dan peran penting industri tekstil yang

mampu menyerap total tenaga kerja manufaktur di Indonesai namun masih

memiliki kelemahan dalam posisi daya saing dan dalam meningkatan citra

perusahaan, serta fenomena yang ada di dalam industri tekstil di Jawa Barat

166

mengindikasikan belum optimalnya implementasi CSR untuk menunjang citra

perusahaan yang lebih baik agar menghasilkan kinerja perusahaan yang

berkelanjutan yang diikuti dengan pengembangan kemitraan yang dijalin belum

secara optimal, dikarenakan masih lemahnya kerja sama lintas fungsi yang dapat

mempengaruhi daya saing perusahaan, sehingga peneliti kemudian mendasarkan

variabel penelitiannya pada hasil penelitian terdahulu mengenai kinerja perusahaan,

sehingga munculah variabel CSR, kemitraan, citra perusahaan, daya saing. Pada

identifikasi rumusan masalah, cakupan penelitian dipersempit untuk dapat menjawab

inti dari masalah sehingga menghasilkan tujuan penelitian sampai hipotesis penelitian

yang didukung oleh hasil wawancara.

Mengacu pada identifikasi masalah, tujuan penelitian dan metode penelitian

dalam subbab di atas diharapkan akan didapatkan variabel dan keterkaitan antar

variabel yang dapat dipakai sebagai variabel solusi yang dijadikan dasar sebagai

bahan untuk pemecahan masalah. Setelah didapatkan variabel solusi, dilakukan

rumusan tujuan, pemetaan strategi untuk mendapatkan model solusi yang jelas,

menyusun operasionalisasi strategi, dan menyusun rencana tindakan. Dari hasil

penelitian yang meliputi wawancara dan observasi, dan pengujian hipotesis statistik

dengan menggunakan SEM, diharapkan akan mampu memunculkan model

peningkatkan retensi pelanggan. Berdasarkan alur tersebut, diperoleh variabel-

variabel yang berpengaruh signifikan terhadap kinerja perusahaan tekstil di Indonesia

dan dilakukan pemetaan strategi untuk mendapatkan model solusi yang jelas.

Tahapan untuk rancangan pemecahan masalah secara lengkap adalah

sebagai berikut.

167

3.6.1.1. Pemecahan Masalah

Sebelum menyusun rumusan tujuan, maka perlu diidentifikasi setiap uraian

masalah baik secara deskriptif maupun verifikatif setelah melakukan penelitian di

lapangan. Hasil identifikasi tersebut juga memerlukan uji reliabilitas dan validitas

serta uji kesesuaian model untuk menghasilkan penelitian yang dapat

dipertanggung-jawabkan secara ilmiah.

Dari setiap uraian masalah yang telah diidentifikasi, maka dapat ditentukan

tujuan pemecahan masalah berkaitan dengan peningkatan kinerja perusahaan tekstil

baik melalui peningkatan citra perusahaan, dan daya saing yang superior melalui

pembangunan kemitraan strategis dan pengaplikasian strategi CSR agar perusahaan

memperoleh keunggulan bersaing yang kuat.

3.6.1.2. Pemetaan Strategi

Sesuai dengan identifikasi masalah dan tujuan penelitian ini, tujuan

pemecahan masalah adalah mengembangkan kinerja perusahaan TPT dan strategi

peningkatan CSR dan kemitraan yang mempertimbangkan daya saing serta citra

perusahaan untuk meningkatkan kinerja perusahaan. Selanjutnya diidentifikasi

terlebih dahulu variabel solusi (variabel-variabel endogen yang signifikan)

berdasarkan hasil analisis. Memperhatikan kemungkinan hasil analisis dalam

model penelitian, akan didapatkan kondisi alternatif sesuai dengan hipotesis

penelitian.

Dari masing-masing alternatif hasil pengujian hipotesis dibuat peta strategi

untuk mencapai tujuan pemecahan masalah. Peta strategi dimulai dari penentuan

168

variabel solusi, kemudian disusun operasionalisasi variabel solusi atau merinci

indikator variabel solusi sehingga menjadi dimensi dan indikator atau saran yang

konkrit. Dalam tahap ini akan diidentifikasi terlebih dahulu variabel solusi (variabel-

variabel independen yang signifikan) berdasarkan hasil analisis. Memperhatikan

kemungkinan hasil analisis dalam model penelitian, akan didapatkan kondisi

alternatif sebagai berikut :

Tabel 3.8 Tahapan Pemetaan Strategi

Pemetaan

Strategi

Langkah

Prioritas

Tingkat

Kontribusi

Pengaruh

Langkah

Pendukung

Tingkat

Kontribusi

Pengaruh

--- --- --- --- ---

Dari masing-masing alternatif di atas akan dapat dibuat peta strategi untuk

mencapai tujuan pemecahan masalah. Peta strategi dimulai dari penentuan variabel

solusi, kemudian disusun operasionalisasi variabel solusi atau merinci indikator

variabel solusi sehingga menjadi dimensi dan indikator atau saran yang konkrit. Hal

ini menjadi dasar untuk melakukan pemetaan strategi dalam rangka mengetahui

alternatif solusi yang tepat berdasarkan temuan empiris penelitian.

3.6.1.3. Operasionalisasi Strategi

Setelah peta strategi disusun, maka dalam tahap operasionaliasi strategi

dilakukan penilaian efektivitas tiap saran yang diajukan dengan melibatkan

manajemen perusahaan yang bergerak dalam bidang industri tekstil di Jawa Barat.

169

Operasionalisasi strategi adalah melakukan penilaian setiap saran yang

diajukan dengan melibatkan pihak manajemen/pengelola industri tekstil di Jawa

Barat.

3.6.1.4. Rencana Tindakan

Berdasarkan pemetaan strategi dan operasionalisasi strategi, akan dapat

disusun rencana tindakan (action plan) dengan format sebagai berikut.

Tabel 3.9 Rencana Tindakan

Saran Person in Charge Waktu Pelaksanaan

------ ------ -----

Saran penelitian disesuaikan dengan hasil temuan pada penelitian

berdasarkan Rencana tindakan berisi saran-saran yang konkrit untuk meningkatkan

kinerja perusahaan melalui citra perusahaan dan daya saing dengan meningkatkan

kinerja kemitraan dan CSR. Dengan demikian, rencana tindakan yang akan

dilakukan adalah:

1. Menentukan peningkatan kinerja kemitraan dan CSR agar dapat

meningkatkan citra perusahaan dan daya saing terhadap perusahaan tekstil

2. Meningkatkan kinerja perusahaan yang dilandasi citra perusahaan dan daya

saing terhadap perusahaan tekstil.

170

3.6.1.5. Rencana Evaluasi dan Kontrol

Tahap akhir ini merupakan bagian akhir tahapan yang bertujuan untuk

mengevaluasi dan mengontrol efektivitas pemecahan masalah berdasarkan indikator

yang ditetapkan / direkomendasikan. Rencana evaluasi dan kontrol

diimplementasikan oleh penanggung jawab pada kurun waktu yang telah ditetapkan.

Adapun indikator yang telah ditetapkan diukur dan digunakan sebagai alat verifikasi

yang memperlihatkan bahwa solusi yang diberikan telah sesuai dalam

pelaksanaannya dan diharapkan dapat memberikan pemecahan atas masalah yang

dihadapi industri tekstil terutama bagi perusahaan TPT di Jawa Barat.

Documents

BAB III METODE PENELITIAN 3.1. Metode yang Digunakanmedia.unpad.ac.id/thesis/120430/2012/120130120016_3_3344.pdf · Sedangkan penelitian kausal adalah yang paling tepat ketika hubungan