SIDANG THESIS
PENGARUH KEPEMIMPINAN PENGETAHUAN DISELARASKAN DENGAN KEPEMIMPINAN TRANSFORMASIONAL PADA PROSES PEMBENTUKAN TIM PROYEK KONSTRUKSI (Studi kasus perusahaan konstruksi Sidoarjo-Surabaya)
LUAS KAWASAN TERBESAR PENDUDUK TERBESAR SDA TERBESAR
THE POWER OF SOUTHEAST ASIA
PEMBANGUNAN EKONOMI SESUAI DENGAN KEUNGGULAN DAN POTENSI STRATEGIS WILAYAH DALAM ENAM KORIDOR (MP3EI)
(IIICE), 2013 For pelaku bisnis konstruksi
PENINGKATAN DAYA SAING EFISIEN DAN MEMILIKI DAYA TAHAN SECARA BERKELANJUTAN
USAHA KONSTRUKSI SKALA MIKRO, KECIL DAN MENENGAH RANTAI PASOK KONSTRUKSI
RESTRUKTURISASI SISTEM INDUSTRI KONSTRUKSI
KOMPETENSI SDM KONSTRUKSI
Performance
LATAR BELAKANG KONDISI YANG TERJADI DI INDONESIA 2008 - 2012
SUMBER: BPS 2013
Pada tahun 2010 naik menjadi 7.23% namun pada tahun 2011 mengalami penurunan menjadi 5.22%. Pada tahun 2012 naik kembali sebesar 1.99% dari tahun sebelumnya atau menjadi 7.21%. Mengalami fluktuasi
Pusat Produksi dan Pengolahan Hasil Pertanian, Perkebunan, Perikanan, dan Pertambangan Nikel Nasional
LATAR BELAKANG
Kinerja
Ilmu pengetahuan
Teknologi
SDM
Daya Saing
Kepemimpinan
Colapse
PERUSAHAAN CERDAS
HITT dkk (1997)
INOVATIF
LATAR BELAKANG
MOTIVASI KERJA
GAYA KEPEMIMPINAN TRANSFORMASIONAL
KNOWLEDGE SHARING
PENGETAHUAN KEPEMIMPINAN
ORGANISASI (TIM)
VISI PROYEK
LATAR BELAKANG
RUMUSAN MASALAH 1. Apakah terdapat pengaruh pengetahuan kepemimpinan terhadap pembentukan tim proyek? 2. Apakah terdapat pengaruh gaya transformasional kepemimpinan terhadap pembentukan tim proyek? 3. Apakah terdapat pengaruh pembelajaran organisasi terhadap pembentukan tim proyek? 4. Apakah terdapat pengaruh knowledge sharing terhadap pembentukan tim proyek? 5. Apakah terdapat pengaruh pembentukan tim proyek terhadap kinerja proyek? TUJUAN PENELITIAN Mengetahui pengaruh relasi pengetahuan kepemimpinan, gaya transformasional kepemimpinan, pembelajaran organisasi, knowledge sharing, pembentukan tim proyek dan kinerja proyek.
LATAR BELAKANG
TUJUAN PENELITIAN 1. Menganalisis dan menjelaskan pengaruh pengetahuan kepemimpinan terhadap pembentukan tim proyek. 2. Menganalisis
dan
menjelaskan
pengaruh
gaya
transformasional
kepemimpinan terhadap pembentukan tim proyek. 3. Menganalisis dan menjelaskan pengaruh pembelajaran organisasi terhadap pembentukan tim proyek. 4. Menganalisis dan menjelaskan pengaruh knowledge sharing terhadap pembentukan tim proyek. 5. Menganalisis dan menjelaskan pengaruh pembentukan tim proyek terhadap kinerja proyek.
LATAR BELAKANG
RUANG LINGKUP PENELITIAN 1. Pengembangan model yang dilakukan adalah model konseptual oleh Li-Ren Yang, dkk (2013) dan Victor Jesus, dkk (2012) 2. Input variabel yang digunakan untuk perancangan model matematis sesuai dengan hasil review yang dilakukan Li-Ren Yang, dkk (2013) terhadap variabel-variabel yang berpengaruh terhadap keberhasilan implementasi kepemimpinan transformasional dengan pertimbangan indikator variabel berdasarkan penelitian yang dilakukan oleh Victor Jesus, dkk, (2011). 3. Variabel amatan dalam kinerja proyek terfokus implementasi pengetahuan dan kepemimpinan transformasional pada terbentuknya tim-tim proyek. 4. Variabel amatan tidak memperhitungkan budaya dari pekerja dikarenakan penyebaran kuesioner bersifat obyektif. 5. Pengujian hipotesis model teoritis dilakukan terhadap responden suatu perusahaan skala menengah kebawah dengan core business proyek konstruksi baja di area sidoarjo dan Surabaya.
LATAR BELAKANG
MANFAAT PENELITIAN MANFAAT TEORITIS Penelitian ini diharapkan dapat memunculkan suatu teori atau instrumen baru dalam pengelolaan knowledge management yang dapat digunakan untuk mengembangkan konsentrasi ilmu dalam bidang industri, manajemen konstruksi, manajemen kinerja dan knowledge management. Serta diharapkan dapat digunakan menguji keberlakuan beberapa teori fundamental tentang relasi pengetahuan kepemimpinan, gaya transformasional kepemimpinan, pembelajaran organisasi, berbagi pengetahuan, pembentukan tim dan kinerja proyek dalam paradigma knowledge based theory untuk competitive advantage yang terkait dengan knowledge management.
LATAR BELAKANG
MANFAAT PENELITIAN ( LANJUTAN ) MANFAAT PRAKTIS 1) Menyediakan suatu model empiris tentang relasi pengetahuan kepemimpinan, gaya transformasional kepemimpinan, pembelajaran organisasi, berbagi pengetahuan terhadap pembentukan tim dan kinerja proyek untuk dapat diterapkan di lingkungan perusahaan konstruksi baja di Surabaya – sidoarjo. 1) Memberikan masukan kepada pihak-pihak yang terkait dengan pengembangan bisnis konstruksi dengan melihat pengaruh yang terjadi terhadap pembentukan tim proyek dan pihak-pihak manajemen yang bergerak dalam bisnis konstruksi ini berkaitan dengan kinerja proyek untuk mencapai target proyek dengan relasi pengetahuan kepemimpinan, gaya transformasional kepemimpinan, pembelajaran organisasi, berbagi pengetahuan
METODOLOGI PENELITIAN
Penelitian ini dilakukan dengan tahap observasi lapangan, wawancara dan pengisian kuesioner Sampel terkumpul sebanyak 160 dari 5 perusahaan Tool yang digunakan untuk pengolahan data: SEM-AMOS 21.0
Lokasi Penyebaran CV. Mitra Karsa Utama CV. Citra Perkasa Abadi CV. Tiga Berlian Teknik PT. Marine-Tech Utama PT. Sarana Dwi Makmur Jumlah
Jumlah Kuesioner 23 27 32 41 37 160
Persentase (%) 14,38 16,87 20,00 25,63 23,12 100,0
KONSTRUK
H6 H1 H5
H4
H7
H3 H2
HASIL PENGOLAHAN
X11
X12
X13
Y21
Y22
Y23
Confirmatory Faktor Analysis
HASIL PENGOLAHAN
Y11
Y12
X13
Confirmatory Faktor Analysis X41
X42
X43
HASIL PENGOLAHAN
X32
X31
Confirmatory Faktor Analysis Y21
Y22
HASIL PENGOLAHAN
Model Fit
Pengujian Hipotesis
HASIL PENGOLAHAN Hipotesis
C.R
P
Keterangan
-0,259
0,796
Tolak
3,494
***
Terima
0,271
0,787
Tolak
3,576
***
Terima
0,269
0,788
Tolak
5,218
***
Terima
3,257
0,001
Terima
H1 : Kepemimpinan transformasional berpengaruh positif terhadap tim proyek. H2 :Pengetahuan kepemimpinan berpengaruh positif terhadap tim proyek H3 : Pembelajaran organisasi menjadi penentu tim proyek H4 : Pembelajaran organisasi berpengaruh positif terhadap gaya kepemimpinan transformasional H5 Adopsi positif berbagi pengetahuan antara tim dengan tim proyek H6 : Berbagi pengetahuan antara tim berpengaruh pada gaya kepemimpinan transformasional H7 Tim proyek menjadi penentu kinerja proyek
HASIL PENGOLAHAN
Alur Pengaruh
PEMBAHASAN
Adopsi pengetahuan kepemimpinan mengacu pada integrasi pengetahuan secara konstan, sumber daya pengetahuan informasi, keterampilan individu, dan jaringan belajar pada kegiatan proyek yang dilakukan secara rutinitas serta difokuskan pada inovasi untuk mendapatkan tim proyek yang solid. Kapasitas gaya kepemimpinan transformasional dalam suatu kegiatan proyek memungkinkan untuk mewujudkan pembentukan tim proyek yang fleksibel, responsive dan adaptif, namun mengingat sumber daya manusia yang berbeda-beda masih sulit untuk terinspirasi dan tertantang untuk mengejar visi proyek. Ketergantungan terhadap sistem manajemen yang telah ditetapkan, membatasi perusahaan untuk berinovasi, dimana perusahaan tidak dapat mengembangkan pengetahuan baru dan wawasan dari pengalaman umum sumber daya manusia yang dimilikinya dalam organisasi, dan memiliki potensi untuk mempengaruhi perilaku dan meningkatkan kemampuan perusahaan.
PEMBAHASAN
Pengaruh suksesnya berbagi pengetahuan dalam aliansi strategis pada individu yang berfokus pada berbagi pengetahuan antara individu. Hal tersebut adalah pandangan yang diadopsi secara luas karena individu diasumsikan aktor yang terlibat dalam proses ini. Hal ini bertentangan dengan budaya individu tidak ingin berbagi pengetahuan, dengan tujuan agar pekerja yang lain tidak mendapatkan prestasi maupun jabatan yang lebih Terdapatnya pengaruh pembentukan tim proyek terhadap kinerja proyek dapat dipahami mengingat bahwa terbentuknya tim proyek yang memahami misi dan target dalam menyelesaikan suatu proyek akan dapat meningkatkan kinerja proyek.
SARAN-SARAN Misi
Pemerintah Lintas Sektoral Perusahaan Menengah & Kecil Budaya Organisasi
SAMPEL PERUSAHAAN
15 proyek yang dikerjakan oleh perusahaan konstruksi. Dalam hal ini kontraktor dengan legalitas perusahaan CV sebanyak 3 perusahaan dan PT sebanyak 2 perusahaan. Jumlah sampel ditentukan dengan melihat jumlah indikator dikalikan 10 dengan asumsi 10:1 atau 20-1 kasus untuk setiap variabel (Hair, dkk, 2006:98-99). Namun sebagai patokan, jumlah sampel antara 100 hingga 200 atau bisa dianggap cukup kuat untuk analisa statistik menggunakan SEM (Hoe, 2008). Oleh karena itu dalam penelitian ini dibuat target perolehan data dari sedikitnya 16 indikator x 10 responden = 160
SAMPEL PERUSAHAAN Lokasi Penyebaran CV. Mitra Karsa Utama CV. Citra Perkasa Abadi CV. Tiga Berlian Teknik PT. Marine-Tech Utama PT. Sarana Dwi Makmur Jumlah Demografi Jenis Kelamin Laki-laki Perempuan
Jumlah Kuesioner 23 27 32 41 37 160
Persentase (%) 14,38 16,87 20,00 25,63 23,12 100,0
Jumlah
Persentase (%)
JUMLAH
116 44 160
72,5 27,5 100
JUMLAH
0 22 61 53 24 0 160
0 13,75 38,12 33,13 15,0 0 100
Usia 15-19 20-24 25-34 35-49 50-65 >65
METODE ESTIMASI
Metode estimasi yang digunakan sama seperti responden karyawan dari perusahaan berbasis konstruksi baja yaitu Maximum Likelihood (ML). Namun jumlah sampel yang digunakan lebih sedikit dibanding karyawan dari perusahaan berbasis konstruksi baja yaitu hanya 160. Kunci penilaian model dilihat berdasarkan hasil perbandingan kovarians sampel (lihat Lampiran 5) dengan kovarians estimasi (lihat Lampiran 5). Makin kecil nilai residual covariance menandakan model semakin fit atau data (observasi) mendukung keberadaan model. Sebaliknya semakin besar angka kovarians residualnya menandakan data tidak mendukung model atau model tidak fit dengan data yang ada (Santoso, 2011). Berdasarkan Lampiran 3 dapat dilihat bahwa angka residual covariance nilainya tidak sama, ada yang bernilai positif dan negatif. Mengacu pada Santoso (2011), meskipun nilainya ada yang negatif tetapi angka tersebut mendekati nol (nilainya kecil). Hal ini menandakan bahwa data mendukung keberadaan model (fit).
UJI NORMALITAS
Referensi pada Kendall dan Stuart (1977) dalam prajogo (2002) pengujian normalitas dapat dilakukan dengan melihat nilai skewness dan kurtosis dimana jika skewness lebih rendah dari 2 dan kurtosis tidak lebih dari 5 maka bias dianggap memenuhi criteria normalitas. Skewness dapat diartikan sebagai kemiringan atau ketidaksimetrisan kurva distribusi data jika dibandingkan dengan kurva distribusi normal dimana memiliki nilai skewness sama dengan nol. Nilai skewness positif menandakan kemencengan ke kanan, sebaliknya nilai skewness negatif menandakan kemencengan ke kiri. Sedangkan kurtosis biasa diartikan sebagai tingkat keruncingan atau kedataran sebuah kurva distribusi data jika dibandingkan dengan kurva distribusi normal yang memiliki nilai kurtosis sama dengan nol. Nilai kurtosis negatif menandakan kurva cenderung datar, dan sebaliknya apabila nilai kurtosis positif menandakan kurva cenderung runcing.
UJI NORMALITAS
Variable X11 X12 X13 X21 X22 X23 X31 X32 X41 X42 X43 Y11 Y12 Y13 Y21 Y22
min 1 1 1 1 1 1 2 2 2 1 1 2 2 2 2 3
max skewness 5 -0.491 5 -0.168 5 -0.287 5 -0.033 5 -0.501 5 -0.519 5 -0.538 5 -0.27 5 -0.209 5 -0.351 5 0.217 5 -0.615 5 -0.506 5 -0.349 5 0.218 5 0.349
kurtosis 0.009 -0.649 -0.771 -0.706 -0.391 -0.284 -0.289 -0.822 -1.099 -0.819 -1.097 -0.034 0.028 0.35 -0.539 -0.7
dimana keseluruhan indicator menunjukkan angka skewness lebih rendah dari angka 2 dan angka pada kurtosis tidak melenihi dari 5. Namun pada dasarnya asumsi normalitas untuk menggunakan analisis SEM tidak terlalu kritis bila data observasi mencapai 100 atau lebih karena berdasarkan Dalil Limit Pusat (Central Limit Theorem) dari sampel yang besar dapat dihasilkan statistik sampel yang mendekati distribusi normal (Solimun, 2002). Karena penelitian ini secara total menggunakan 160 data observasi maka dengan demikian data dapat diasumsikan normal.
matriks covariance atau disebut juga sebagai "analisis struktur covariance". Sekali model parameter-parameternya sudah diestimasi, maka model yang dihasilkan – matrik covariance kemudian dapat dibandingkan dengan matrik kovarian yang berasal dari data empiris. Jika kedua matrices konsisten satu dengan lainnya, maka model persamaan struktural tersebut dapat dianggap sebagai eksplanasi yang dapat diterima untuk hubungan-hubungan antara pengukuranpengukuran tersebut Chi Square : Untuk mengetahui apakah matriks kovarians sampel berbeda secara signifikan dengan matriks kovarians estimasi GFI : Nilai indeks keselarasan (goodness of fit index) yang besarnya berkisar dari 0 – 1. Jika nilai besarnya mendekati 0 maka model mempunyai kecocokan yang rendah sedang nilai mendekati 1 maka model mempunyai kecocokan yang baik. CFI : Indeks Kecocokan Komparatif (Comparative Fit Index (CFI)) dengan nilai antara 0- 1 dengan ketentuan jika nilai mendekati angka 1 maka model yand dibuat mempunyai kecocokan yang sangat tinggi sedang jika nilai mendekati 0, maka model tidak mempunyai kecocokan yang baik. NFI : Normed Fit Index (NFI): Nilai NFI mulai 0 – 1 diturunkan dari perbandingan antara model yang dihipotesiskan dengan suatu model independen tertentu. Model mempunyai kecocokan tinggi jika nilai mendekati
– Nilai Chi Square: semakin kecil maka model semakin sesuai antara model teori dan data sampel. Nilai ideal sebesar <3 – Rasio Kritis (Critical Ratio): Rasio deviasi tertentu dari nilai rata-rata standard deviasi. Nilai ini diperoleh dari estimasi parameter dibagi dengan standard error . Besar nilai CR adalah 1,96 untuk pembobotan regresi dengan significance sebesar 0,05 untuk koefesien jalurnya – Jika nilai CR > 1,96 maka kovarian - kovarian faktor mempunyai hubungan signifikan – Jika koefesien struktural dibuat standar, misalnya 2; maka var laten tergantung akan meningkat sebesar 2 – Kesalahan pengukuran sebaiknya sebesar 0 – Pembobotan regresi (regression weight): sebesar 1, tidak boleh sama dengan 0, bersifat random jika ada tanda ‘$’ – Spesifikasi model dengan nilai konstan 1 – Maximum Likehood Estimation akan bekerja dengan baik pada sampel sebesar >2500 – Significance level (probabilitas) sebaiknya <0.05 – Reliabilitas konstruk (construct reliability): minimal sebesar 0,70 untuk faktor loadings – Varian ekstrak (uji lanjut reliabilitas): nilai minimal 0.5 semakin mendekati 1 semakin reliabel – Nilai indeks keselarasan (goodness of fit index) (GFI): mengukur jumlah relatif varian dan kovarian yang besarnya berkisar dari 0 – 1. Jika nilai besarnya mendekati 0 maka model mempunyai kecocokan yang rendah sedang nilai mendekati 1 maka model mempunyai kecocokan yang baik – Nilai indeks keselarasan yang disesuaikan (Adjusted Goodness of Fit Index (AGFI): Fungsi sama dengan GFI perbedaan terletak pada penyesuaian nilai DF terhadap model yang dispesifikasi. Nilai AGFI sama dengan atau lebih besar dari 0,9. Jika nilai lebih besar dari 0,9 maka model mempunyai kesesuaian model keseluruhan yang baik – Fungsi perbedaan sampel minimum (The minimum sample discrepancy function (CMNF)) yang merupakan nilai statistik Chi Square dibagi dengan nilai derajat kebebasan (degree of freedom (df)) disebut juga Chi Square relatif dengan besaran nilai kurang dari 0,2 dengan toleransi dibawah 0,3 yang merupakan indikator diterimanya suatu kecocokan model dan data – Indeks Tucker Lewis (Tucker Lewis Index (TLI)) dengan ketentuan sebagai penerimaan sebuah model sebesar sama dengan atau lebih besar dari 0,95. Jika nilai mendekati 1 maka model tersebut menunjukkan kecocokan yang sangat tinggi
– Indeks Kecocokan Komparatif (Comparative Fit Index (CFI)) dengan nilai antara 0- 1 dengan ketentuan jika nilai mendekati angka 1 maka model yand dibuat mempunyai kecocokan yang sangat tinggi sedang jika nilai mendekati 0, maka model tidak mempunyai kecocokan yang baik – Index Parsimony: untuk kecocokan model yang layak nilainya >0,9. – Root mean square error of approximation, (RMSEA): berfungsi sebagai kriteria untuk pemodelan struktur kovarian dengan mempertimbangkan kesalahan yg mendekati populasi. Kecocokan model yg cocok dengan matriks kovarian populasi. Model baik jika nilainya lebih kecil atau sama dengan 0,05 ; cukup baik sebesar atau lebih kecil dari 0,08 – Uji Reliabilitas: untuk menghitung reliabilitas model yang menunjukkan adanya indikator-indikator yang mempunyai derajat kesesuaian yang baik dalam satu model satu dimensi. Reliabilitas merupakan ukuran konsistensi internal indikator-indikator suatu konstruk yang menunjukkan derajat sejauh mana setiap indikator tersebut menunjukkan sebuah konstruk laten yang umum. Reliabilitas berikutnya ialah Varian Extracted dengan besar diatas atau sama dengan 0,5. Dengan ketentuan nilai yang semakin tinggi menunjukkan bahwa indikator-indikator sudah mewakili secara benar konstruk laten yang dikembangkan – Parameter dengan nilai 0 mempunyai arti tidak ada hubungan antar variabel yang diobservasi. Parameter dapat secara bebas diestimasi dengan nilai tidak sama dengan 0. Fixed parameter diestimasi tidak berasal dari data, misalnya 1; free parameter diestimasi dari data sampel yang diasumsikan oleh peneliti tidak sama dengan 0. – Root Mean Square Residual (RMR): nilai rata-rata semua residual yang ditandarisasi. Nilai RMR berkisar mulai 0 – 1, suatu model yang cocok mempunyai nilai RMR < 0.05. – Parsimony Based Indexes of Fit (PGFI): Parsimony model yang berfungsi untuk mempertimbangkan kekompleksitasan model yang dihipotesiskan dalam kaitannya dengan kecocokan model secara menyeluruh. Nilai kecocokan ideal adalah 0.9 – Normed Fit Index (NFI): Nilai NFI mulai 0 – 1 diturunkan dari perbandingan antara model yang dihipotesiskan dengan suatu model independen tertentu. Model mempunyai kecocokan tinggi jika nilai mendekati 1 – Relative Fit Index (RFI): merupakan turunan dari NFI dengan nilai 0 -1. Model mempunyai kecocokan yang ideal dengan nilai 0.95
– First Fit Index (PRATIO): berkaitan dengan model parsimony – Noncentrality Parameter (NCP): parameter tetap yang berhubungan dengan DF yang berfungsi untuk mengukur perbedaan antara matriks kovarian populasi dengan matriks kovarian observasi. Dengan Confidence Interval 90% maka NCP berkisar antara 29,983 – 98,953 – The Expected Cross Validation Index (ECVI): mengukur perbedaan antara matriks kovarian yang dicocokkan dalam sampel yg dianalisis dengan matriks kovarian yang diharapkan yang akan diperoleh dari sampel lain dengan ukuran yang sama. Nilai ECVI dapat berapa saja dan tidak ada kisarannya. Jika model mempunyai nilai ECVI terkecil, maka model tersebut dapat direplikasi. – Hoelter’s Critical N (CN): berfungsi untuk melihat kecukupan ukuran sampel yang digunakan dalam riset. CN mempunyai ketentuan suatu model mempunyai ukuran sampel yang cukup jika nilai CN > 200. – Residual: perbedaan antara matriks kovarian model dengan matriks kovarian sampel, semakin kecil perbedaan maka model semakin baik.
