149
Bab Lima
Temuan Empirik Dan Statistik Industri
Kreatif di Jawa Timur
Temuan Empirik dan Statistik Deskriptif Variabel Penelitian
Tanggapan Responden Terhadap Variabel-Variabel Penelitian
Untuk menerangkan tanggapan responden terhadap variabel
penelitian maka dilakukan analisis terhadap jawaban yang diberikan
responden yang berkaitan dengan pernyataan yang ada. Pernyataan terdiri
dari 37 item pernyataan. Untuk mengetahui lebih jelas mengenai
pernyataan yang berasal dari variabel knowledge management, intellectual
capital, kinerja industri kreatif, dan knowledge broker, maka akan
dideskripsikan masing-masing item pernyataan secara terpisah dan dari
analisis tersebut dapat diketahui berapa banyak responden yang memilih
alternatif jawaban tertentu dan akan diperoleh nilai rata-rata tertinggi
hingga terendah. Untuk menerangkan tanggapan responden terhadap
variabel penelitian, dilakukan analisis terhadap jawaban yang diberikan
berkaitan dengan pernyataan yang ada. Pernyataan terdiri knowledge
management 9 item, intellectual capital 17 item, kinerja industri kreatif 5
item, dan knowledge broker 6 item. Skala pegukuran variabel yang diguna-
150
kan adalah skala Likert dengan 5 poit yaitu: 1 (sangat tidak setuju), 2 (tidak
setuju), 3 (netral), 4 (setuju), 5 (sangat setuju).
Dari analisis tersebut dapat diketahui berapa nilairata-rata dimensi
dan nilai rata-rata keseluruhan. Penentuan kelas atas pernyataan
responden terhadap variabel penelitian adalah sebagai berikut:
Nilai terendah = 1 x 1 = 1
Nilai tertinggi = 1 x 5 = 5
Interval kelas = (n – 1) / n = (5-1) / 5 = 0,8
Sehingga sebaran kelasnya dan intepretasinya seperti yang dikemukakan
berikut :
1,00 – 1,80 = sangat lemah, sangat rendah.
1,81 – 2,60 = lemah, rendah.
2,61 – 3,40 = cukup kokoh, cukupkuat, cukup tinggi.
3,41 – 4,20 = kokoh, kuat, tinggi.
4,21 – 5,00 = sangat kokoh, sangat kuat, sangat tinggi
Deskripsi Knowledge Management
Knowledge Management, pengukuran peubah ini mengacu pada
dimensi yang dikemukakan oleh Godbout, A. J. , (2000) yang terdiri dari tiga
elemen utama yaitu: a. People dengan indikator: merangsang berbagi
pengetahun, memelihara berbagi pengetahuan, penggunaan pengetahuan.
Adapun dimensi: b. Process, dengan indikator: mencari pengetahuan,
membuat berbagi pengetahuan, menangkap berbagi pengetahuan. Sedang-
kan dimensi: c. Technology, dengan indikator: menyimpan pengetahuan,
membuat pengethuan mudah diakses, memungkinkan orang lain bekerja-
sama. Adapun data frekuensi penyebaran tanggapan responden diperoleh
dari tabel frekuensi pada lampiran. Data selengkapnya dapat dilihat pada
tabel 5.1.
151
Dari tabel knowledge management berikut dapat diketahui bahwa
:Proporsi pendapat terbanyak dilihat dari nilai rata-rata terdapat pada
indikator Tech 1dan Tech 3 “Menyimpan pengetahuan” dan “Memungkin-
kan orang lain bekerjasama”. Hal ini diketahui dari tanggapan terhadap
pilihan jawaban responden dengan nilai rata-rata sebesar 2,84. Hal tersebut
mengandung makna bahwa knowledge management yang ada pada industri
kreatif mempunyai kekokohon yang berada pada range rendah.
Tabel 5.1.
Deskriptip Knowledge Management
Sumber: Analisis data primer 2016, diolah
152
Adapun jika dilihat dari kekokohan knowledge management pada
setiap dimensi people, process, technology, nampak terdapat pada dimensi
technology dengan sub nilai rata-rata sebesar 2.77 dengan makna bahwa
pelaksanaan knowledge management yang ada pada industri kreatif lebih
menonjol pada komponen technology yang berada pada range kekokohan
rendah.
Sedangkan jika dilihat dari kekokohan knowledge management
secara menyeluruh, nampak dari besarnya nilai rata-rata sebesar 2,71, yang
mempunyai makna knowledge management yang terjadi pada industri
kreatif berada pada range rendah. Dengan demikian dapat ditarik
kesimpulan bahwa pelaksanaan knowledge management yang ada pada
industri kreatif belum dapat dillaksanakan secara maksimal dan lebih
mengutamakan pada dimensi technology.
Deskripsi Intellectual Capital
Intellectual Capital, pengukuran peubah ini mengacu pada dimensi
yang dikemukakan oleh Edvinsson, and Malone, (1997), yang terdiri dari
tiga elemen utama yaitu: a. Human capital, dengan indikator: Attitude,
competencies, education, knowledge, and skills. Sedangkan dimensi: b.
Structural capital, dengan indikator: copyright, corporate culture, desgn
rights, financial relations, information technology infrastructure,
management processes, service marks, trade secrets, and trademarks.
Adapun dimensi: c. Customer capital dengan indikator: brand, company
name, customers, distribution channels, franchise agreements, license
agreements, and loyalty. Data selengkapnya dapat dilihat pada tabel
berikut.
Dari tabel 5.2. Intellectual capital berikut dapat diketahui
bahwa: Proporsi pendapat terbanyak dilihat dari nilai rata-rata terdapat
pada indikator Hc1 “Attitude” dengan pernyataan “Karyawan saya
mempunyai sikap yang baik, tanggap dan segera merespon dalam
153
melaksanakan pekerjaannya”. Hal ini diketahui dari tanggapan terhadap
pilihan jawaban responden dengan mean sebesar 4.29. Hal tersebut
mengandung makna bahwa Intellectual capital yang ada pada industri
kreatif mempunyai kekuatan yang berada pada range sangat kuat.
Tabel 5.2. Deskriptip Intellectual Capital
INDIKATOR SKOR Rata- rata (X)
(1) STS
(2) TS
(3) N
(4) S
(5) SS
F % F % F % F % F %
Hc 1 Attitude 3 1,20 0 0 8 3,21 148 59,43 90 36,14 4.29
Competencies 0 0 3 1,20 24 9,63 153 61,44 69 27,71 4.16
Hc3 Education 0 0 0 0 44 17,67 170 68,27 35 14,05 3.96
Hc4 Knowledge 21 8,43 53 21,28 135 54,21 19 7,63 21 8,43 2.86
Hc5 Skills 0 0 3 1,20 31 12,44 181 72,69 34 13,65 3.99
Sub total rata- rata
3.85
Sc 1 Copyright 0 0 22 8,83 37 14,85 153 61,44 37 14,85 3.82
Sc 2 Corporate culture 0 0 3 1,20 16 6,42 168 67,46 62 24,89 4.16
Sc 3 Design rights 0 0 3 1,20 29 11,64 182 73,09 35 14,05 4.00
Sc 4 Financial relations
7 2,81 49 19,67 73 29,31 85 34,13 35 14,05 3.37
Sc 5 Information technology Infrastructure
7 2,81 24 9,60 73 29,30 132 53,0 13 5,20 3.48
Sc 6 Management processes
0 0 0 0 27 10,80 176 70,70 46 18,50 4.08
Sub total rata- rata
3.81
Rc 1 Brand 0 0 0 0 16 6,40 176 70,70 57 22,90 4.16
Rc 2 Company name 0 0 3 1.20 63 25.30 152 61.0 31 12.40 3.85
Rc 3 Customers 0 0 0 0 59 23.70 151 60,60 39 15.70 3.92
Rc 4 Distribution channels
0 0 14 5,60 77 30,90 139 55,80 19 7,60 3.65
Rc 5 Franchise agreements
0 0 0 0 27 10,80 180 72,30 42 16,90 4.06
Rc 6 Loyalty 0 0 16 6,40 72 28,90 153 61,40 8 3,20 3.61
Sub total rata- rata
3.87
Total rata-rata 3.84
Keterangan : 1.STS : sangat tidak setuju;2. TS : tidak setuju; 3. N : Netral; 4. S : setuju; 5. SS : sangat setuju
Sumber: Analisis data primer 2016, diolah
154
Adapun jika dilihat dari kekuatan Intellectual capital pada setiap
dimensi human capital, structural capital, dan relational capital nampak
terdapat pada dimensi Relational capital dengan sub nilai rata-rata mean
sebesar 3.87 dengan makna bahwa pelaksanaan Intellectual capital yang
ada pada industri kreatif lebih menonjol pada komponen Relational capital
yang berada pada range kuat. Sedangkan jika dilihat dari kekuatan
intellectual capital secara menyeluruh dapat dilihat dari nilai rata-rata
sebesar 3,84 yang mempunyai makna bahwa intellectual capital yang ada
pada industri kreatif berada pada range kuat.
Dengan demikian dapat ditarik kesimpulan bahwa Intellectual capital
yang ada pada industri kreatif adalah kuat dan lebih mengutamakan pada
dimensi Relational capital.
Deskripsi Kinerja Industri Kreatif
Kinerja Industri Kreatif, pengukuran peubah ini mengacu pada
beberapa rujukan yang perlu disesuaikan (Shepherd (2004), Bontis (1998),
Swamidass dan Newell, (1987), Kementerian Perdagangan RI (2008) yang
terdiri dari: a. kesempatan kerja, b. tingkat keuntungan, c. pertumbuhan
industri, d. pertumbuhan laba, e. pertumbuhan penjualan, f. respon secara
keseluruhan terhadap persaingan, g. tingkat kesuksesan dalam peluncuran
produk baru, h. Meningkatkan kreativitas, i. Meningkat-kan ketrampilan, j.
meningkatkan bakat individu. Data selengkapnya dapat dilihat pada tabel
berikut.
Dari tabel 5.3. kinerja industri kreatif berikut dapat diketahui bahwa
:Proporsi pendapat terbanyak dilihat dari nilai rata-rataterdapat pada
indikator Kik 5 “Pertumbuhan pangsa pasar”dengan pernyataan “Usaha
saya mempunyai pertumbuhan pangsa pasar yang meningkat dari waktu ke
waktu”. Hal ini diketahui dari tanggapan terhadap pilihan jawaban
responden dengan mean sebesar 3.8554. Hal tersebut mengandung makna
155
bahwa kinerja industri kreatif lebih menekankan pada pertumbuhan pangsa
pasar yang berada pada range tinggi.
Tabel 5.3.
Deskriptip Kinerja Industri Kreatif
INDIKATOR SKOR Rata-
rata
(X)
(1)
STS
(2)
TS
(3)
N
(4)
S
(5)
SS
F % F % F % F % F %
Kik 1 Pertumbuhan laba 0 0 14 5.60 65 26,10 142 57,0 28 11,20 3.74
Pertumbuhan
penjualan
0 0 11 4.40 63 25,30 160 64.30 15 6,0 3.72
Kik 3 Tingkat kesuksesan
dalam peluncuran
produk baru
0 0 11 4,40 67 26.9 147 59.0 24 9,60 3.74
Kik 4 Kesempatan kerja 0 0 20 8.0 57 22,90 149 59.80 23 9.20 3.70
Kik 5 Pertumbuhan pangsa
pasar
0 0 19 7.60 35 14.10 158 63.50 37 14.90 3.86
Total rata-rata 3.75
Keterangan :
1.STS : sangat tidak setuju;2. TS : tidak setuju; 3. N : Netral; 4. S : setuju; 5. SS : sangat setuju
Sumber : Analisis data primer 2016, diolah
Adapun jika dilihat dari tinggi rendahnya kinerja industri kreatif dari
tabel deskriptip diatas dapat dilihat dari besarnya total nilai rata-rata mean
=3.75 dengan makna bahwa kinerja industri kreatif di Jawa Timur
mempunyai range tinggi. Dengan demikian dapat ditarik kesimpulan bahwa
kinerja industri kreatif mempunyai range yang tinggi dan lebih menekankan
pada “Pertumbuhan pangsa pasar” industri kreatif.
Deskripsi Knowledge Broker
Knowledge Broker, pengukuran peubah ini mengacu pada indikator
yang dikemukakan oleh Dobbins, et al., (2009) yang terdiri : a. Membangun
akses ke pengetahuan, b. Internalisasi pengalaman; c. Menghubungkan
156
kolam pengetahuan; d. Mendukung pengetahuan; e. Memfasilitasi
pengembangan kapasitas individu/ organisasi; f. Menerapkan pengetahuan
dalam pengaturan baru.
Tabel 5.4. Deskriptip Knowledge Broker
INDIKATOR SKOR Rata-
rata
(X)
(1)
STS
(2)
TS
(3)
N
(4)
S
(5)
SS
F % F % F % F % F %
Kb1 Membangun akses ke
pengetahuan
0 0 6 2,40 26 10,40 141 56.6 76 30,50 4.15
Internalisasi
pengalaman
0 0 4 1.60 24 9,60 161 64.70 60 24,10 4.11
Kb 3 Menghubungkan kolam
pengetahuan yang
terpisah
0 0 21 8.40 36 14,50 118 47.40 74 29,70 3.98
Kb 4 Mendukung pengeta-
hu an
1 0,40 13 5,20 66 26.50 123 49.40 46 18.50 3.80
Kb 5 Memfasilitasi pengem-
bangan kapasitas
individu /organisasi
0 0 12 4.80 35 14.10 130 52.20 72 28.90 4.05
Kb 6 Menerapkan
pengetahuan dalam
pengatur an baru
0 0 9 3.60 18 7.20 89 35.70 133 53.40 4.39
Total rata-rata 4.08
Keterangan :
1.STS : sangat tidak setuju;2. TS : tidak setuju; 3. N : Netral; 4. S : setuju; 5. SS : sangat setuju
Sumber : Analisis data primer 2016, diolah
Dari tabel 5.4. knowledge broker di atas dapat diketahui bahwa
:Proporsi pendapat terbanyak dilihat dari nilai rata-rata terdapat pada
indikator Kb 6 “Menerapkan pengetahuan dalam pengaturan baru”dengan
pernyataan “Usaha saya, memanfaatkan Broker pengetahuan dalam
menerapkan pengetahuan dalam pengaturan baru, agar pengetahuan baru
tersebut benar-benar merupakan pengetahuan yang terkini”. Hal ini
157
diketahui dari tanggapan terhadap pilihan jawaban responden dengan
mean sebesar 4.39. Hal tersebut mengandung makna bahwa kinerja industri
kreatif lebih menekankan pada memanfaatkan Broker pengetahuan dalam
mengelola inovasi, yang berada pada range sangat kuat.
Adapun jika dilihat dari kuat lemahnya knowledge broker dari tabel
deskriptip diatas dapat dilihat dari besarnya total nilairata-rata mean =4.08
dengan makna bahwa knowledge broker yang dibutuhkan kinerja industri
kreatif di Jawa Timur mempunyai range sangat kuat. Dengan demikian
dapat ditarik kesimpulan bahwa knowledge broker pada kinerja industri
kreatif mempunyai range yang sangat kuat dan lebih menekankan pada
“Menerapkan pengetahuan dalam pengaturan baru”.
Temuan Secara Statistik
Model Pengukuran dan Validitas (Outer Loading)
Model Pengukuran Indikator dengan Dimensi dan Indikator dengan
Variabel (First Order)
Model hubungan indikator dengan dimensi pada variabel knowlegde
management dan intellectual capital adalah bentuk reflektif, begitu juga
hubungan indikator dengan variabel pada variabel knowledge broker dan
kinerja industri kreatif adalah reflektif, maka cara menilai model
pengukuran adalah dengan melihat nilai factor loading atau biasa ditulis
“Original Sample” pada tabel outer loading.
Factor loading merupakan korelasi antara indikator dengan variabel,
jika lebih besar dari 0,5 indikator tersebut menjadi pengukur/ indikator dari
variabelnya (Ghozali, 2008).Berdasarkan pada tabel outer loading (tabel 5.5)
berikut, pada dimensi HC menunjukkan bahwa indikatornya HC2, HC3, HC4,
dan HC5 memiliki factor loading lebih besar dari 0,50.
158
Tabel 5.5. Outer Loadings (Factor Loading)
Original
Sample
(O)
Sample
Mean
(M)
Standard
Deviation
Standard
Error
T Statistics
HC1 <- HC 0.0908 0.0899 0.1274 0.1274 0.7132
HC2 <- HC 0.8094 0.8079 0.0224 0.0224 35.9817
HC3 <- HC 0.7258 0.7263 0.0449 0.0449 16.1568
HC4 <- HC 0.7665 0.7600 0.0408 0.0408 18.7782
HC5 <- HC 0.6275 0.6182 0.0677 0.06776 9.2599
SC1 <- SC 0.6998 0.6988 0.0441 0.0441 15.8625
SC2 <- SC 0.4055 0.3967 0.1080 0.1080 3.7533
SC3 <- SC 0.3330 0.3254 0.1463 0.1463 2.2756
SC4 <- SC 0.7585 0.7564 0.0350 0.0350 21.6203
SC5 <- SC 0.5734 0.5695 0.0775 0.0775 7.3937
SC6 <- SC 0.5663 0.5646 0.0939 0.0939 6.0250
RC1 <- RC 0.7413 0.7377 0.0447 0.0447 16.5701
RC2 <- RC 0.7235 0.7177 0.0572 0.0572 12.6458
RC3 <- RC 0.4822 0.4826 0.0634 0.0634 7.5963
RC4 <- RC 0.4936 0.4933 0.0876 0.0876 5.6326
RC5 <- RC 0.7943 0.7904 0.0390 0.0390 20.3553
RC6 <- RC 0.7167 0.7112 0.0603 0.0603 11.8801
People1 <- People 0.7181 0.7186 0.0420 0.0420 17.0861
People2 <- People 0.7029 0.6993 0.0594 0.0594 11.8192
People3 <- People 0.8009 0.7974 0.0336 0.0336 23.7944
Process1 <- Process -0.1632 -0.1593 0.1959 0.1959 0.8332
Process2 <- Process 0.8387 0.8317 0.0296 0.0296 28.2527
Process3 <- Process 0.7418 0.7329 0.0573 0.0573 12.9358
Technology1 <-
Technology
0.7660 0.7589 0.0855 0.0855 8.9512
Technology2 <-
Technology
0.7899 0.7837 0.0441 0.0441 17.8997
Technology3 <-
Technology
0.2530 0.2483 0.1711 0.1711 1.4785
KB1 <- KNOW BROKER 0.5015 0.4884 0.1022 0.1022 4.9035
KB2 <- KNOW BROKER 0.5398 0.5341 0.0853 0.0853 6.3227
KB3 <- KNOW BROKER 0.6838 0.6852 0.0510 0.0510 13.4018
KB4 <- KNOW BROKER 0.5801 0.5738 0.0817 0.0817 7.0957
KB5 <- KNOW BROKER 0.5160 0.5179 0.0965 0.0965 5.3445
KB6 <- KNOW BROKER 0.4844 0.4790 0.0802 0.0802 6.0357
KIK1 <- KINERJA. IK 0.9915 0.9324 0.1754 0.1754 5.6519
KIK2 <- KINERJA. IK 0.2920 0.2939 0.2116 0.2116 1.3798
KIK3 <- KINERJA. IK 0.3336 0.3270 0.2146 0.2146 1.5543
KIK4 <- KINERJA. IK 0.3465 0.3222 0.1683 0.1683 2.0588
KIK5 <- KINERJA. IK 0.1666 0.1663 0.1799 0.1799 0.9259
Sumber : Data Diolah
159
Sedangkan HC1 mempunyai factor loading lebih kecil dari 0,50, yang
selanjutnya dipertimbangkan untuk dihapus. Pada dimensi SC menunjukkan
bahwa indikator SC1, SC4, SC5 dan SC6 memiliki factor loading lebih besar
dari 0,50. Sedangkan SC2 dan SC3 mempunyai factor loading lebih kecil dari
0,50, yang selanjutnya dipertimbangkan untuk dihapus. Pada dimensi RC
menunjukkan bahwa indikatornya RC1, RC2, RC5 dan RC6 memiliki factor
loading lebih besar dari 0,50. Sedangkan RC3 dan RC4 mempunyai factor
loading lebih kecil dari 0,50, yang selanjutnya dipertimbangkan untuk
dihapus.
Pada dimensi People menunjukkan bahwa seluruh indikatornya
adalah memiliki factor loading lebih besar dari 0,50. Pada dimensi Process
menunjukkan bahwa indikator Process2 dan Process3 memiliki factor-
loading lebih besar dari 0,50. Sedangkan Process1 mempunyai factor
loading lebih kecil dari 0,50, yang selanjutnya dipertimbangkan untuk
dihapus. Pada dimensi Technology menunjukkan bahwa indikator
Technology1 dan Technology2 memiliki factor loading lebih besar dari 0,50.
Sedangkan Technology3 mempunyai factor loading lebih kecil dari 0,50,
yang selanjutnya dipertimbangkan untuk dihapus. Pada variabel Knowledge
Broker menunjukkan bahwa indikator KB1, KB2, KB3, KB4 dan KB5 memiliki
factorloading lebih besar dari 0,50. Sedangkan KB6 mempunyai factor
loading lebih kecil dari 0,50, yang selanjutnya dipertimbangkan untuk
dihapus.
Pada variabel Kinerja Industri Kreatif menunjukkan bahwa hanya
indikator KIK1 memiliki facto rloading lebih besar dari 0,50. Sedangkan
KIK2, KIK3, KIK4 dan KIK5 mempunyai factor loading lebih kecil dari 0,50,
yang selanjutnya dipertimbangkan untuk dihapus. Berikut tabel 5.6.
perubahan setelah dihilangkan Factor Loading yang tidak memenuhi syarat.
Berdasarkan pada tabel outer loading (tabel 5.6) di atas, seluruh dimensi
dan indikator yang mempunyai factor loading lebih kecil dari 0.50 telah
160
dihapus, hanya tersisa indikator KB1 saja yang masih mempunyai factor
loading lebih kecil dari 0.50.
Tabel 5.6. Outer Loadings (Factor Loading)
Setelah dilakukan penghapusan factor loading yang tidak valid
Original
Sample
(O)
Sample
Mean
(M)
Standard
Deviation
Standard
Error
T Statistics
HC2 <- HC 0.8071 0.8090 0.0198 0.0198 40.5979
HC3 <- HC 0.7332 0.7352 0.0338 0.0338 21.6446
HC4 <- HC 0.7668 0.7637 0.0381 0.0381 20.0856
HC5 <- HC 0.6230 0.6216 0.0651 0.0651 9.5644
SC1 <- SC 0.7335 0.7385 0.0369 0.0369 19.8428
SC4 <- SC 0.7610 0.7611 0.0361 0.0361 21.0300
SC5 <- SC 0.5287 0.5117 0.0944 0.0944 5.5964
SC6 <- SC 0.6444 0.6431 0.0675 0.0675 9.5449
RC1 <- RC 0.7537 0.7495 0.0462 0.0462 16.3142
RC2 <- RC 0.7916 0.7887 0.0463 0.0463 17.0714
RC5 <- RC 0.8005 0.7970 0.0437 0.0437 18.2972
RC6 <- RC 0.8152 0.8122 0.0412 0.0412 19.7635
People1 <- People 0.7193 0.7212 0.0385 0.0385 18.6523
People2 <- People 0.7042 0.7002 0.0519 0.0510 13.5539
People3 <- People 0.7988 0.7988 0.0340 0.0340 23.4610
Process2 <- Process 0.8437 0.8459 0.0207 0.0207 40.7080
Process3 <- Process 0.7644 0.7610 0.0464 0.0464 16.4668
Technology1 <- Technology 0.8468 0.8485 0.0348 0.03481 24.3239
Technology2 <- Technology 0.7548 0.7495 0.0464 0.0464 16.2537
KB1 <- KNOWLEDGE BROKER 0.4909 0.4770 0.1178 0.1178 4.1661
KB2 <- KNOWLEDGE BROKER 0.5665 0.5549 0.0925 0.0925 6.1213
KB3 <- KNOWLEDGE BROKER 0.7560 0.7541 0.0386 0.0386 19.5394
KB4 <- KNOWLEDGE BROKER 0.5478 0.5402 0.0927 0.0927 5.9035
KB5 <- KNOWLEDGE BROKER 0.5656 0.5736 0.0885 0.0885 6.3857
KIK1 <- KINERJA.IND.KREATIF 1.0000 1.0000 0.0000 Sumber: Data Diolah
Sehubungan dengan masih adanya indikator yang mempunyai factor
loading lebih kecil dari 0.50, maka perlu dilakukan proses penghapusan
yang menghasilkan tabel perubahan sebagai berikut (tabel 5.7.).
161
Berdasarkan pada tabel outer loading (tabel 5.7) berikut, seluruh
dimensi dan indikator yang mempunyai factor loading lebih kecil dari 0.50
telah dihapus, sehingga seluruh dimensi dan indikator telah mempunyai
factor loading lebih besar dari 0.50.
Tabel 5.7. Outer Loadings (Factor Loading)
Setelah dilakukan penghapusan factor loading yang tidak valid
Original
Sample
(O)
Sample
Mean
(M)
Standard
Deviation
Standard
Error
T Statistics
HC2 <- HC 0.8073 0.8072 0.0195 0.0195 41.3624
HC3 <- HC 0.7344 0.7357 0.0340 0.0340 21.5699
HC4 <- HC 0.7667 0.7600 0.0399 0.0399 19.1829
HC5 <- HC 0.6215 0.6151 0.0645 0.0645 9.6350
SC1 <- SC 0.7341 0.7347 0.0378 0.0378 19.3787
SC4 <- SC 0.7602 0.7571 0.0403 0.0403 18.8338
SC5 <- SC 0.5258 0.5216 0.0864 0.0864 6.0800
SC6 <- SC 0.6466 0.6407 0.0626 0.0626 10.3188
RC1 <- RC 0.7547 0.7529 0.0443 0.0443 17.0026
RC2 <- RC 0.7908 0.7850 0.0489 0.0489 16.1412
RC5 <- RC 0.8013 0.8001 0.0442 0.0442 18.1139
RC6 <- RC 0.8144 0.8088 0.0441 0.0441 18.4541
People1 <- People 0.7196 0.7181 0.0365 0.0365 19.6948
People2 <- People 0.7040 0.7019 0.0528 0.0528 13.3265
People3 <- People 0.7987 0.7982 0.0306 0.0306 26.0905
Process2 <- Process 0.8439 0.8442 0.0211 0.0211 39.8754
Process3 <- Process 0.7643 0.7609 0.0465 0.0465 16.4145
Technology1 <- Technology 0.8472 0.8453 0.0341 0.0341 24.8008
Technology2 <- Technology 0.7544 0.7548 0.0444 0.0444 16.9756
KB3 <- KNOWLEDGE BROKER 0.7957 0.7924 0.0400 0.0400 19.8626
KB4 <- KNOWLEDGE BROKER 0.5341 0.5269 0.0976 0.0976 5.4707
KB5 <- KNOWLEDGE BROKER 0.6266 0.6266 0.0777 0.0777 8.0649
KIK1 <- KINERJA.IND.KREATIF 1.0000 1.0000 0.0000 Sumber : Data Diolah
162
Model Pengukuran Variabel dengan Dimensi (Second Order)
Model hubungan Variabel dengan dimensi pada variabel knowledge
management dan intellectual capital, adalah model reflektif, maka untuk
melihat model pengukurannya dengan melihat nilai factor loading pada
tabel outer loading. Hasil pengujian pada tabel outer loading (tabel 5.8)
menunjukkan bahwa dimensi human capital (HC), structural capital (SC) dan
relational capital (RC) memiliki factor loading lebih besar 0,5. Jadi dapat
disimpulkan bahwa ketiga dimensi tersebut adalah sebagi dimensi dan
pembentuk variabel intellectual capital.
Demikian juga dilihat dari variabel knowledge management hasil
pengujian menunjukkann bahwa dimensi people, process dan technology
memiliki factor loading lebih besar 0,5.
Tabel 5.8. Outer Loadings (Factor Loading)
Original
Sample
(O)
Sample
Mean (M)
Standard
Deviation
(STDEV)
Standard
Error
(STERR)
T Statistics
(|O/STERR|)
Intelectual Capital -> HC 0.7551 0.7539 0.0413 0.0413 18.2842
Intelectual Capital -> SC 0.8139 0.8160 0.0309 0.0309 26.3173
Intelectual Capital -> RC 0.7237 0.7199 0.0503 0.0503 14.3688
Know. Management -> People 0.7952 0.7956 0.0340 0.0340 23.3646
Know. Management -> Process 0.7917 0.7897 0.0374 0.0374 21.1439
Know. Management ->
Technology
0.7183 0.7184 0.0491 0.0491 14.6240
Sumber : Hasil olah data PLS
Jadi dapat disimpulkan bahwa ketiga dimensi tersebut adalah
sebagi dimensi dan pembentuk variabel knowledge management. Secara
keseluruahan hasil estimasi telah memenuhi Convergen vailidity dan
validitas baik.
163
Evaluasi Validitas
Validitas digunakan untuk mengetahui kelayakan butir-butir dalam
suatu daftar pertanyaan dalam mendefinisikan suatu variabel. Menurut
Malhotra (2012), validitas merupakan instrumen dalam kuesioner dapat
digunakan untuk mengukur apa yang seharusnya diukur, bukan kesalahan
sistematik. Sehingga indikator-indikator tersebut dapat mencerminkan
karakteristik dari variabel yang digunakan dalam penelitian. Salah satu
pengukur validitas dalam penelitian ini digunakan Average Variance
Extracted (AVE).
Average Variance Extracted (AVE)
Model pengukuran avarage variance extracted (AVE), yaitu nilai
menunjukkan besarnya varian indikator yang dikandung oleh variabel
latennya.
Tabel 5.9. Average variance extracted (AVE)
AVE
Intelectual Capital 0.6533
HC 0.5413
RC 0.6250
SC 0.6529
Know. Management 0.2886
People 0.5505
Process 0.6482
Technology 0.6434
Kinerja.Ind.Kreatif 1.0000
Knowledge Broker 0.6004
Sumber : hasil olah data PLS
164
Konvergen Nilai AVE lebih besar 0,5 menunjukkan kecukupan
validitas yang baik bagi variabel laten (Ghozali, 2008). Pada variabel
indikator reflektif dapat dilihat dari nilai avarage variance extracted (AVE)
untuk setiap konstruk (variabel). Dipersyaratkan model yang baik apabila
nilai AVE masing-masing konstruk lebih besar dari 0,5.
Berdasarkan tabel 5.9. di atas, hasil pengujian menunjukkan bahwa
nilai AVE untuk konstruk (variabel/ dimensi) dimensi intellectual capital,
HC,SC dan RC, people, process, technology, serta variabel knowledge broker
dan kinerja industri kreatif memiliki nilai AVE lebih besar dari 0,5, sehingga
valid, kecuali hanya knowlegde management yang mempunyai AVE lebih
kecil dari 0.50.
Evaluasi Reliabilitas
Evaluasi reliabilitas dilakukan dengan melihat nilai composite
reliability dari blok indikator yang mengukur konstruk. Hasil composite
reliability akan menunjukkan nilai yang memuaskan jika di atas 0,7.
Composite Reliability
Reliabilitas konstruk yang diukur dengan nilai composite reliability,
konstruk reliabel jika nilai composite reliability di atas 0,70 maka indikator
disebut konsisten dalam mengukur variabel latennya (Ghozali, 2008).
Berdasarkan tabel 5.10. berikut, hasil pengujian menunjukkan bahwa
konstruk (variabel/ dimensi) dimensi people, process, technology, HC, SC
dan RC serta variable knowlegde management, Intellectual Capital,
Knowledge Broker dan Kinerja Industri Kreatif memiliki nilai composite
reliability lebih besar dari 0,7. Sehingga reliabel.
165
Tabel 5.10. Composite Reliability
Composite Reliability
Intelectual Capital 0.8385
HC 0.8239
RC 0.8695
SC 0.7647
Know. Management 0.7363
People 0.7855
Process 0.7861
Technology 0.7824
Kinerja.Ind.Kreatif 1.0000
Knowledge Broker 0.7219
Sumber: hasil olah data PLS
Pembentukan Variabel Laten
Dari frekuensi jawaban setuju dan sangat setuju pada tabel di
bawah, dapat dilihat bahwa angka frekuensi skor menunjukkan persepsi
responden pada saat penelitian, sedangkan angka faktor loading
menunjukkan apa yang seharusnya menjadi perhatian bagi organisasi untuk
perbaikan kedepan. Pembentukan variabel laten ini dapat digunakan untuk
mengetahui indikator mana yang memiliki faktor loading terbesar yang
memiliki pengaruh terbesar terhadap variabelnya. Dengan demikian dapat
dijadikan masukan kepada organisasi untuk mendapatkan perhatian yang
lebih.
Berdasarkan tabel 5.11.berikut menampilkan frekuensi dan factor
loading variabel knowledge management. Berdasarkan variabel knowledge
management dapat dijelaskan bahwa indikator dari variabel knowledge
management yang memiliki frekuensi dominan yaitu People2 (memelihara
berbagi pengetahuan: Usaha saya hidup kebiasaan berbagi pengetahuan
diantara karyawan agar pengetahuan tersebut dapat berguna dalam
melaksanakan pekerjaannya) sebesar 241. Namun, hasil pengolahan data
166
factor loading nilai tertinggi berada pada Technology1 (Menyimpang
pengetahuan: Di Usaha saya, tersedia prasarana teknologi untuk
menyimpan pengetahuan) sebesar 0.8468.
Tabel 5.11.
Frekuensi dan Factor Loading Variabel Knowledge Management
Notasi INDIKATOR FREKUENSI SKOR FAKTOR
LOADING 2 3 JUMLAH
People1 Merangsang berbagi
pengetahuan
113
120
233
0.7193
People2 Memelihara berbagi
pengetahuan
93
148
241
0.7042
People3 Penggunaan pengetahuan 109 126 235 0.7988
Process2 Membuat berbagi
pengetahuan
113
97
210
0.8437
Process3 Menangkap berbagi
pengetahuan
97
118
215
0.7644
Technol
ogy1
Menyimpan pengetahuan 77
142
219
0.8468
Technol
ogy2
Membuat pengetahuan
mudah diakses
112
123
235
0.7548
Sumber: Hasil Olah Data PLS
Hal ini menunjukkan bahwa pada saat penelitian responden lebih
menekankan proses memelihara berbagi pengetahuan dalam usaha tidak
berjalan lancar. Harapan responden ke depannya adalah agar menyimpan
pengetahuan berjalan dengan baik, sehingga dalam usahanya, memelihara
berbagi pengetahuan dapat berjalan lancar.
Pada tabel 5.10. berikut dapat dilihat frekuensi dan factor loading
variabel intellectual capital. Berdasarkan variabel intellectual capital dapat
dijelaskan bahwa indikator dari variabel intellectual capital yang memiliki
frekuensi dominan yaitu Rc 1 (Brand dengan pernyataan: Usaha saya
memiliki merek yang menarik bagi konsumen) sebesar 233. Adapun hasil
pengolahan data factor loading nilai tertinggi berada pada Sc6
167
(Management process :Usaha saya memiliki pengelolaan manajemen yang
baik)sebesar 0.8144.
Hal ini menunjukkan bahwa pada saat penelitian responden lebih
menekankan pada brand (merek) yang menarik, dengan harapan responden
kedepannya adalah agar dapat dipertahankan dan ditingkatkan
pengelolaan manajemen yang baik.
Tabel 5.12.
Frekuensi dan Factor Loading Variabel Intellectual Capital
Notasi INDIKATOR FREKUENSI SKOR FAKTOR
LOADING 4 5 JUMLAH
HC2 Competencies 153 69 222 0.8073
HC3 Education 170 35 205 0.7344
HC4 Knowledge 19 21 40 0.7667
HC5 Skills 181 34 215 0.6215
SC1 Copyright 153 37 190 0.7547
SC4 Financial relations 85 35 120 0.7908
SC5 Information technology
Infrastructure
132 13 145 0.8013
SC6 Management processes 176 46 222 0.8144
RC1 Brand 176 57 233 0.7341
RC2 Company name 152 31 183 0.7602
RC5 Franchise agreements 180 42 222 0.5258
RC6 Loyalty 153 8 161 0.6466
Sumber : Hasil Olah Data PLS
Pada tabel 5.12. berikut dapat dilihat frekuensi dan factor loading
variabel knowledge broker.Berdasarkan variabel knowledge broker dapat
dijelaskan bahwa indikator dari variabel knowledge broker yang memiliki
frekuensi dominan yaitu Kb 5 (Memfasilitasi pengembangan kapasitas
individu/ organisasi: Usaha saya, memanfaatkan Broker pengetahuan dalam
memfasilitasi pengembangan kapasitas individu / organisasi) sebesar 202.
168
Namun, hasil pengolahan data factor loading nilai tertinggi berada
pada Kb 1 (menghubungkan kolam pengetahuan yang terpisah: Usaha saya,
memanfaatkan Broker pengetahuan dalam menghubungkan pengetahuan
dari sumber pengetahuan ke industri kreatif) sebesar 0.7957.
Tabel 5.13.
Frekuensi Dan Factor Loading Variabel Knowledge Broker
Notasi INDIKATOR FREKUENSI SKOR FAKTOR
LOADING 4 5 JUMLAH
KB3 Menghubungkan sumber pengeta-
huan yang ter pisah
118 74 192 0.7957
KB4 Mendukung pengetahuan 123 46 169 0.5341
KB5 Memfasilitasi pengembangan
kapasitas individu/ organisasi
130
72
202
0.6266
Sumber : Hasil Olah Data PLS
Hal ini menunjukkan bahwa responden lebih menekankan pada
memfasilitasi pengembangan kapasitas individu/ organisasi yang menunjuk-
kan persepsi responden pada saat penelitian dan,agar menghubungkan
sumber pengetahuan yang terpisah yang menunjukkan apa yang
seharusnya menjadi perhatian bagi organisasi untuk perbaikan kedepan.
Pada tabel 5.14. berikut dapat dilihat frekuensi dan factor loading
variabel kinerja industri kreatif. Berdasarkan variabel kinerja industri kreatif
dapat dijelaskan bahwa indikator dari variabel kinerja industri kreatif hanya
tinggal 1 saja, sehingga yang memiliki frekuensi dominan dan factor loading
yaitu Kik 1 (pertumbuhan laba dengan pernyataan: Usaha saya, mempunyai
pertumbuhan laba yang meningkat) sebesar 170 dengan nilai factor loading
maksimum yaitu 1.000 yang berada pada Kik 1 (pertumbuhan laba).
169
Tabel 5.14.
Frekuensi Dan Factor Loading Variabel Kinerja Industri Kreatif
Notasi INDIKATOR FREKUENSI SKOR FAKTOR
LOADING 4 5 JUMLAH
Kik 1 Pertumbuhan laba 142 28 170 1.0000
Sumber : Hasil Olah Data PLS
Hal ini menunjukkan bahwa responden lebih menekankan pada
pertumbuhan laba yang menunjukkan persepsi responden pada saat
penelitian dan agar usahanya dapat mempunyai pertumbuhan laba yang
terus meningkat yang menunjukkan apa yang seharusnya menjadi perhatian
bagi organisasi untuk perbaikan kedepan.
Inner Model (Pengujian Model Struktural), Goodness of Fit Model
Pengujian terhadap model struktural dilakukan dengan melihat nilai
R-Square yang merupakan uji goodness-fit model. Pengujian inner model
dapat dilihat dari nilai R-square pada persamaan antar variabel latent. Nilai
R2 menjelaskan seberapa besar variabel eksogen (independen/ bebas) pada
model mampu menerangkan variabel endogen (dependen/ terikat). Nilai
R2adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan
variabel-variabel independen dalam menjelaskan variabel dependen amat
terbatas. Nilai R2yang mendekati satu berarti variabel-variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi
variasi variabel dependen (Augusty Ferdinand, 2006).
170
Tabel 5.13.Inner Model (Pengujian Model Struktural) R-square
R Square
Intellectual Capital 0.7148
Kinerja Industri Kreatif 0.2803
Sumber: Hasil Olah Data PLS
Nilai R2pada variabel Intellectual Capital=0.7148. Hal ini dapat
diinterpretasikan bahwa model sangat Baik dan mampu menjelaskan
fenomena/ masalah Intellectual Capital sebesar 71,48%.Sedangkan sisanya
(28.52%) dijelaskan oleh variabel lainyang belum masuk ke dalam model
dan error. Artinya Intellectual Capital dipengaruhi oleh knowlegde
management, knowledge broker, dan variabel moderasi sebesar 75,79%
sedang sebesar 24,10% dipengaruhi oleh selain variabel knowlegde
management, knowledge broker, dan variabel moderasi.
Nilai R2secara keseluruhan = 1- (1-0.2803) (1-0.7148) = 0.7947. Hal
ini dapat diinterpretasikan bahwa model cukup baik dan mampu
menjelaskan fenomena/ masalah kinerja industri kreatif sebesar79,47%.
Sedangkan sisanya (20.53%) dijelaskan oleh variabel lain yang belum masuk
ke dalam model dan error. Artinya Kinerja Industri Kreatif dipengaruhi oleh
knowlegde management, intellectual capital, knowledge broker, dan
variabel moderasi sebesar79,47 % sedang sebesar 20.53% dipengaruhi oleh
selain variabel knowlegde management, intellectual capital, knowledge
broker, dan variabel moderasi. Selanjutnya dalat dilihat koefisien path pada
inner model.
171
Uji Hipotesis / Uji Kausalitas (Inner Model)
Mengacu gambar 5.1. Model PLS di atas nampak adanya dua model
yaitu model struktural (inner model) dan model pengukuran (outer model).
Dalam model struktural nampak adanya jalur hubungan knowledge
management terhadap intellectual capital, dan jalur hubungan intellectual
capital terhadap kinerja industri kreatif, serta jalur hubungan knowledge
management terhadap kinerja industri kreatif, maupun jalur moderasi
knowledge broker terhadap hubungan knowledge management dan
intellectual capital.
Dalam model pengukuran nampak adanya jalur dimensi dalam
variabel knowledge management yang terdiri dari dimensi people, process,
technologie. Sedangkan dalam variabel intellectual capital terdiri 3 dimensi
yang terdiri dari dimensi human capital, structural capital, dan relational
Gambar 5.1. MODEL PLS tahap1
Sumber: hasil olah data PLS
172
Sumber: hasil olah data PLS
capital. Adapun masing-masing dimensi baik dari variabel knowledge
management, intellectual capital, knowledge broker mempunyai indikator
reflektif.
Pada gambar 5.1. tersebut di atas nampak terdapat beberapa
indikator dalam beberapa dimensi yang mempunyai factor loading lebih
kecil dari 0.50.Indikator-indikator yang mempunyai factor loading lebih
kecil dari 0.50 perlu dihapus. Perubahan dari langkah tersebut
menghasilkan model PLS sebagai berikut.
Gambar 5.2. MODEL PLS tahap 2
Setelah dilakukan penghapusan factor loading yang tidak valid
173
Pada gambar 5.2. tersebut di atas setelah dilakukan proses
pengolahan penghapusan factor loading yang tidak memenuhi syarat,
ternyata masih nampak terdapat 1 indikator dalam KB1 yaitu sebesar
0.491. Indikator yang mempunyai factor loading lebih kecil dari 0.50
tersebut perlu dihapus. Perubahan dari langkah tersebut menghasilkan
model PLS final sebagai berikut.
Gambar 5.3. MODEL PLS tahap3 Final
Setelah di lakukan penghapusan factor loading yang tidak valid
Mengacu gambar 5.3. di atas nampak bahwa bahwa indikator-
indikator yang mempunyai factor loading lebih kecil dari 0.50 telah dihapus
semua, sehingga seluruh indikator dapat dikatakan valid.
Sumber : hasil olah data PLS
174
Selanjutnya dapat dilihat koefisien path pada inner model seperti
pada tabel 5.1.4. berikut:
Tabel 5.14. Path Coefficients (Mean, STDEV, T-Values)
Original
Sample
(O)
Sample
Mean
(M)
Standard
Deviation
(STDEV)
Standard
Error
(STERR)
T
Statist
ics
Keterangan
Keputus
an
Know. Management ->
Intellectual Capital
0.5740 0.5654 0.0699 0.0699 8.2052 Signifikan,
positif
Diterima
Intellectual Capital ->
Kinerja.Ind.Kreatif
0.6581 0.6498 0.1291 0.1291 5.0949 Signifikan,
positif
Diterima
Know. Management ->
Kinerja.Ind.Kreatif
-0.1681 -0.1599 0.1195 0.1195 1.4064 Non
Signifikan,
negatif
(hubungan
langsung)
Ditolak
Knowledge
Management-
>Intellectual Capital->
Kinerja Industri Kreatif
Karena hubungan langsung Non signifikan, maka perlu
menggunakan mediasi Intellectual Capital
Signifikan
(dalam
memediasi)
Know.Man
*Know.Broker ->
Intellectual Capital
0.0821 0.0518 0.0308 0.0308 2.6638 Signifikan
(dalam
memoderasi)
Diterima
Batas signifikansi :
Loading factor (original sample) ≥0,50 (Ghozali, 2008) atau
Z α≥ 1,645 (Z α = 0,05 (5%)
Sumber : hasil olah data PLS
Berdasarkan tabel di atas dapat diketahui bahwa:
1. Knowledge management mempunyai pengaruh signifikan terhadap
intellectual capital industri kreatif, hal tersebut terlihat dari besarnya t
statistik 8.205212> dari 1,645 yang berarti knowledge management
benar-benar mempunyai kontribusi terhadap intellectual capital industri
kreatif. Kondisi demikian mengandung makna knowledge management
yang digunakan mempunyai pengaruh terhadap kemampuan
intellectual capital industri kreatif. Adapun arah hubungan antara
knowledge management dengan intellectual capital adalah positif, hal
tersebut terlihat dari besarnya koefisien path sebesar 0.574012.
175
2. Intellectual capital mempunyai pengaruh signifikan terhadap kinerja
industri kreatif, hal tersebut terlihat dari besarnya t statistic 5.094970>
1,645, yang berarti intellectual capital benar-benar mempunyai
kontribusi terhadap kinerja industri kreatif. Kondisi demikian
mengandung makna kekuatan intellectual capital yang dimilki industri
kreatif mempunyai pengaruh terhadap kinerja industri kreatif. Adapun
arah hubungan antara intellectual capital dengan kinerja industri kreatif
adalah positif, hal tersebut terlihat dari besarya koefisien path sebesar
sebesar 0.658190.
3. Knowledge management tidak mempunyai pengaruh terhadap kinerja
industri kreatif, hal tersebut terlihat dari besarnya t statistik 1.406464<
dari 1,645 yang berarti knowledge management benar-benar tidak
mempunyai kontribusi terhadap kinerja industri kreatif. Kondisi
demikian mengandung makna knowledge management yang digunakan
tidak mempunyai pengaruh terhadap kemampuan intellectual capital
industri kreatif. Adapun arah hubungan antara knowledge management
dengan kinerja industri kreatif adalah negatif, hal tersebut terlihat dari
besarya koefisien path sebesar-0.168152.
4. Knowledge broker mempunyai peranan yang signifikan dalam
memoderai hubungan antara knowledge management dengan
intellectual capital, hal tersebut terlihat dari besarnya t statistic
2.663813> 1,645, yang berarti knowledge broker benar-benar mampu
memperkuat pengaruh knowledge management terhadap intellectual
capital yang dimiliki industri kreatif.