BAB IV

HASIL DAN PEMBAHASAN

4.1. Deskripsi Objek Penelitian

PT. Altour Yasa Abadi Group berdiri sejak tahun 2002 dengan akta
pendirian, pengesahan dari Kemenkumham dan izin Kemenag No. U.400. di
bawah nama brand “ALTOUR WISATA” kami memiliki target untuk menjadi
salah satu perusahaan terpercaya dan terdepan dalam kualitas pelayanan di bidang
wisata, ibadah, study tour dan pengiriman pelajar, yang berkantor pusat di Jatiasih
Kota Bekasi dan juga berkantor cabang di Jakarta, Saudi Arabia dan Kairo, Mesir.
Visi dari PT. Altour Yasa Abadi adalah “Menjadi penyedia jasa pelayanan
tour dan travel, dan juga pengiriman pelajar yang sangat menarik bagi mitra di
Indonesia serta membuat perjalanan wisata dan siswa yang mendaftar menjadi
nyaman dan menyenangkan. Sedangkan Misi dari PT. Altour Yasa Abadi adalah
(1). Membuat perencanaan pelayanan wisata bagi jamaah maupun pelajar secara
profesional, agar tercipta pengalaman wisata yang tak terlupakan dengan
implementasi praktis industri terbaik. (2). Menjadi jembatan menuju Al Azhar
Cairo bagi calon orang-orang besar di masa depan. (3). Membuka peluang
terhadap rekan bisnis, serta mengembangkan dan memajukan potensi pariwisata
ke arah yang lebih baik.
4.2. Deskripsi Responden
4.2.1 Deskripsi Responden Berdasarkan Jenis Kelamin
Hasil uji deskripsi responden berdasarkan jenis kelamin dijelaskan pada
tabel sebagai berikut:
Tabel 4.1. Data Responden Berdasarkan Jenis Kelamin
No. Jenis Kelamin Jumlah (orang) Presentase
1. Laki Laki 42 35%
2. Perempuan 78 65%
Jumlah 120 100%
Sumber: Data diolah
Tabel di atas menunjukan bahwa sebanyak 120 orang atau 35% responden
berjenis kelamin laki-laki. Sedangkan sisanya sebanyak 78 orang atau 65%
responden berjenis kelamin perempuan.

44
 45

4.2.2 Deskripsi Responden Berdasarkan Usia

Hasil uji deskripsi responden berdasarkan usia dijelaskan pada tabel sebagai
berikut:
Tabel 4.2. Data Responden Berdasarkan Usia
No. Jenis Kelamin Jumlah (orang) Presentase
1. 21 - 30 Tahun 67 55,83%
2. 31 - 40 Tahun 35 29,17%
3. 41 - 50 Tahun 15 12,5%
4. > 50 Tahun 3 2,5%
Jumlah 120 100%
Sumber: Data diolah
Tabel di atas mempresentasikan karakterikstik responden dilihat dari
presentase usia dengan jumlah 120 responden. Usia 21-30 tahun sebanyak 67
orang atau 55,83% responden, usia 31-40 tahun sebanyak 35 orang atau 29,17%
responden, usia 41-50 tahun sebanyak 15 orang atau 12,5% responden, dan usia >
50 tahun sebanyak 3 orang atau 2,5% responden. Hal ini menunjukan sebagian
besar responden berusia 21-30 tahun dengan presentase 55,83%.

4.2.3 Deskripsi Responden Berdasarkan Status Perkawinan

Hasil uji deskripsi responden berdasarkan usia dijelaskan sebagai berikut:
Tabel 4.3. Data Responden Berdasarkan Status Perkawinan
No. Status Jumlah (orang) Presentase
1. Menikah 51 42,5%
2. Belum Menikah 69 57,5%
Jumlah 120 100%
Sumber: Data diolah
Tabel di atas mempresentasikan karakterikstik responden dilihat dari
presentase status perkawinan dengan jumlah 120 responden. Status menikah
sebanyak 51 orang atau 42,5% responden, status belum menikah sebanyak 69
orang atau 57,5% responden. Hal ini menunjukan sebagian besar responden
berstatus belum menikah.

4.2.4 Deskripsi Responden Berdasarkan Tingkat Pendidikan

Hasil uji deskripsi responden berdasarkan tingkat pendidikan dijelaskan
pada tabel sebagai berikut:
 46

Tabel 4.4. Data Responden Berdasarkan Tingkat Pendidikan

No. Pendidikan Jumlah (orang) Presentase
1. SMU 29 24,17%
2. Diploma 4 3,33%
3. S1 74 61,67%
4. S2 13 10,83%
Jumlah 120 100%
Sumber: Data diolah
Tabel di atas mempresentasikan karakterikstik responden dilihat dari tingkat
pendidikan dengan jumlah 120 responden. Pendidikan SMU sebanyak 29 orang
atau 24,17% responden, Diploma sebanyak 4 orang atau 3,33% responden, S1
sebanyak 74 orang atau 61,67% responden, dan S2 sebanyak 13 orang atau
10,83% responden. Hal ini menunjukan sebagian besar responden memiliki
tingkat pendidikan S1 dengan presentase 61,67%.
4.3. Analisis Deskriptif Variabel Penelitian
4.3.1. Analisis Deskriptif Variabel Disiplin Kerja
Berikut ini merupakan analisis deskriptif dari frekuensi jawaban responden
mengenai indikator pernyataan variabel disiplin kerja:
Tabel 4.5. Frekuensi Jawaban Variabel Disiplin Kerja
Frekuensi Jawaban Responden
Pernyataan Total
STS (1) TS (2) N (3) S (4) SS (5)
DK1 0 2 8 66 44 120
DK2 1 0 14 53 52 120
DK3 2 1 10 55 52 120
DK4 1 1 9 57 52 120
DK5 2 2 11 57 48 120
DK6 0 1 7 51 61 120
DK7 0 2 9 64 45 120
DK8 1 2 6 58 53 120
DK9 1 1 5 55 58 120
DK10 0 2 9 56 53 120
8 14 88 572 518 1200
Jumlah
1% 1% 7% 48% 43% 100%
Sumber: Data diolah
Berdasarkan hasil tabel di atas, dapat dilihat bahwa responden telah
memberikan jawaban atas total pernyataan yang diajukan peneliti. Mayoritas
responden memberikan jawaban “Setuju” pada kuesioner dengan frekuensi
sebesar 572 jawaban dengan tingkat presentase sebesar 48% pada pernyataan
variabel disiplin kerja.
 47

4.3.2. Analisis Deskriptif Variabel Kompensasi

Berikut ini merupakan analisis deskriptif dari frekuensi jawaban responden
mengenai indikator pernyataan variabel kompensasi:
Tabel 4.6. Frekuensi Jawaban Variabel Kompensasi
Frekuensi Jawaban Responden
Pernyataan Total
STS (1) TS (2) N (3) S (4) SS (5)
K1 0 6 15 59 40 120
K2 3 0 6 48 63 120
K3 1 1 7 58 53 120
K4 1 0 15 46 58 120
K5 0 2 11 58 49 120
K6 0 4 5 51 60 120
K7 0 2 13 55 50 120
K8 0 2 8 55 55 120
5 17 80 430 428 960
Jumlah
1% 2% 8% 45% 45% 100%
Sumber: Data diolah
Berdasarkan hasil tabel di atas, dapat dilihat bahwa responden telah
memberikan jawaban atas total pernyataan yang diajukan peneliti. Mayoritas
responden memberikan jawaban “Setuju” pada kuesioner dengan frekuensi
sebesar 430 jawaban dengan tingkat presentase sebesar 45% pada pernyataan
variabel kompensasi.
4.3.3. Analisis Deskriptif Variabel Motivasi Kerja
Berikut ini merupakan analisis deskriptif dari frekuensi jawaban responden
mengenai indikator pernyataan variabel motivasi kerja:
Tabel 4.7. Frekuensi Jawaban Variabel Motivasi Kerja
Frekuensi Jawaban Responden
Pernyataan Total
STS (1) TS (2) N (3) S (4) SS (5)
MK1 1 1 5 62 51 120
MK2 0 2 10 57 51 120
MK3 1 1 10 61 47 120
MK4 1 1 9 57 52 120
MK5 1 0 15 59 45 120
MK6 1 6 10 57 46 120
MK7 1 1 9 57 52 120
MK8 0 2 7 54 57 120
6 14 75 464 401 960
Jumlah
1% 1% 8% 48% 42% 100%
Sumber: Data diolah
Berdasarkan hasil tabel di atas, dapat dilihat bahwa responden telah
memberikan jawaban atas total pernyataan yang diajukan peneliti. Mayoritas
 48

responden memberikan jawaban “Setuju” pada kuesioner dengan frekuensi

sebesar 464 jawaban dengan tingkat presentase sebesar 48% pada pernyataan
variabel motivasi kerja.
4.3.4. Analisis Deskriptif Variabel Kepuasan Kerja
Berikut ini merupakan analisis deskriptif dari frekuensi jawaban responden
mengenai indikator pernyataan variabel kepuasan kerja:
Tabel 4.8. Frekuensi Jawaban Variabel Kepuasan Kerja
Frekuensi Jawaban Responden
Pernyataan Total
STS (1) TS (2) N (3) S (4) SS (5)
KK1 1 3 13 61 42 120
KK2 1 2 6 59 52 120
KK3 1 0 15 46 58 120
KK4 1 2 7 57 53 120
KK5 0 2 11 53 54 120
KK6 0 1 9 48 62 120
KK7 0 3 10 52 55 120
KK8 1 3 13 51 52 120
KK9 0 1 10 44 65 120
KK10 0 2 9 48 61 120
0 19 103 519 554 1200
Jumlah
0% 2% 9% 43% 46% 100%
Sumber: Data diolah
Berdasarkan hasil tabel di atas, dapat dilihat bahwa responden telah
memberikan jawaban atas total pernyataan yang diajukan peneliti. Mayoritas
responden memberikan jawaban “Sangat Setuju” pada kuesioner dengan frekuensi
sebesar 554 jawaban dengan tingkat presentase sebesar 46% pada pernyataan
variabel kepuasan kerja.

4.4. Analisis Hasil Penelitian Model Jalur

4.4.1. Outer Model atau Pengukuran Model
Dalam penelitian ini, pengujian dilakukan dengan menggunakan Teknik
analisis Partial Least Square (PLS) dengan program smartPLS 4.0.9.8. Adapun
tahapan yang harus dilakukan dalam analisis model outer yaitu dengan melakukan
pengujian convergent validity, discriminant validity, composite reliability, dan
cronbach’s alpha. Berikut adalah skema outer model program PLS yang telah
diujikan.
 49

Gambar 4.1. Skema Outer Model

Sumber: Hasil Output SmartPLS 4.0.9.8
4.4.1.1. Convergent Validity
Untuk menilai convergent validity dapat dinilai berdasarkan nilai loading
factor dan nilai Average Variance Extracted (AVE). Pada penelitian ini, peneliti
menggunakan nilai loading factor untuk setiap indikator konstruknya Rule of
thumb yang umunya dipergunakan untuk menilai converget validity yaitu nilai
loading factor harus melebihi 0,7. Tetapi demikian untuk penelitian tahap awal
dari pengembangan skala pengukuran, nilai loading factor 0,5 hingga 0,6 masih
mengkategorikan cukup.
Tabel 4.9. Data Convergent Validity
Disiplin Kerja Kompensasi Kepuasan Kerja Motivasi Kerja Keterangan
DK1 0,793 Valid
DK2 0,813 Valid
DK3 0,846 Valid
DK4 0,780 Valid
DK5 0,775 Valid
DK6 0,793 Valid
DK7 0,816 Valid
DK8 0,749 Valid
 50

Disiplin Kerja Kompensasi Kepuasan Kerja Motivasi Kerja Keterangan

DK9 0,753 Valid
DK10 0,760 Valid
K1 0,730 Valid
K2 0,709 Valid
K3 0,784 Valid
K4 0,822 Valid
K5 0,782 Valid
K6 0,813 Valid
K7 0,832 Valid
K8 0,861 Valid
KK1 0,778 Valid
KK2 0,779 Valid
KK3 0,719 Valid
KK4 0,844 Valid
KK5 0,866 Valid
KK6 0,797 Valid
KK7 0,791 Valid
KK8 0,828 Valid
KK9 0,781 Valid
KK10 0,777 Valid
MK1 0,792 Valid
MK2 0,786 Valid
MK3 0,823 Valid
MK4 0,842 Valid
MK5 0,777 Valid
MK6 0,838 Valid
MK7 0,739 Valid
MK8 0,843 Valid
Sumber: Hasil Output SmartPLS 4.0.9.8
Berdasarkan tabel di atas, nilai loading factor untuk setiap indikator
konstruknya yaitu melebihi 0,7 sehingga dapat dikatakan valid.
4.4.1.2. Discriminant Validity
Dalam uji ini parameter yang diukur adalah dengan membandingkan akar
dari AVE suatu konstruk harus lebih tinggi dibandingkan dengan korelasi antar
variabel laten tersebut, atau dengan melihat skor cross loading.
Tabel 4.10. Data Dicriminant Validity
Disiplin Kerja Kompensasi Kepuasan Kerja Motivasi Kerja Keterangan
DK1 0,793 0,693 0,647 0,643 Valid
DK2 0,813 0,696 0,687 0,739 Valid
DK3 0,846 0,693 0,693 0,758 Valid
DK4 0,780 0,713 0,696 0,742 Valid
 51

Disiplin Kerja Kompensasi Kepuasan Kerja Motivasi Kerja Keterangan

DK5 0,775 0,716 0,679 0,743 Valid
DK6 0,793 0,677 0,593 0,651 Valid
DK7 0,816 0,760 0,716 0,747 Valid
DK8 0,749 0,744 0,710 0,672 Valid
DK9 0,753 0,679 0,628 0,624 Valid
DK10 0,760 0,707 0,621 0,639 Valid
K1 0,673 0,730 0,601 0,615 Valid
K2 0,636 0,709 0,555 0,559 Valid
K3 0,702 0,784 0,629 0,617 Valid
K4 0,729 0,822 0,719 0,697 Valid
K5 0,703 0,782 0,668 0,646 Valid
K6 0,729 0,813 0,726 0,724 Valid
K7 0,759 0,832 0,719 0,749 Valid
K8 0,764 0,861 0,755 0,767 Valid
KK1 0,675 0,683 0,778 0,774 Valid
KK2 0,702 0,668 0,779 0,710 Valid
KK3 0,629 0,822 0,719 0,697 Valid
KK4 0,705 0,700 0,844 0,784 Valid
KK5 0,712 0,733 0,866 0,732 Valid
KK6 0,661 0,645 0,797 0,679 Valid
KK7 0,698 0,667 0,791 0,710 Valid
KK8 0,660 0,619 0,828 0,763 Valid
KK9 0,600 0,612 0,781 0,651 Valid
KK10 0,602 0,608 0,777 0,660 Valid
MK1 0,702 0,816 0,762 0,792 Valid
MK2 0,765 0,700 0,703 0,786 Valid
MK3 0,752 0,715 0,700 0,823 Valid
MK4 0,780 0,713 0,696 0,842 Valid
MK5 0,668 0,634 0,732 0,777 Valid
MK6 0,685 0,664 0,803 0,838 Valid
MK7 0,562 0,515 0,614 0,739 Valid
MK8 0,757 0,697 0,781 0,843 Valid
Sumber: Hasil Output SmartPLS 4.0.9.8
Berdasarkan tabel di atas, setelah pengolahan data menggunakan SmartPLS
4.0.9.8, didapatkan bukti bahwa keseluruhan masing-masing variabel memiliki
nilai cross loading yang lebih besar dibandingkan terhadap konstruk yang lainnya
sehingga sesuai dengan pendapat (Abdillah dan Hartono, 2015:207) dan dapat
dikatakan valid. Selain dengan menggunakan nilai cross loading, uji discriminant
validity juga dapat diketahui melalui nilai Average Variance Extracted (AVE)
dengan ketentuan masing–masing indikator variabel dengan kriteria nilai > 0,5
 52

untuk dianggap valid (Abdillah dan Hartono, 2015:207). Berikut nilai Average
Variance Extracted (AVE) dalam penelitian ini:
Tabel 4.11. Data Average Variance Extracted (AVE)
Average Variance Extracted (AVE) Keterangan
Disiplin Kerja 0,621 Valid
Kepuasan Kerja 0,635 Valid
Kompensasi 0,629 Valid
Motivasi Kerja 0,649 Valid
Sumber: Hasil Output SmartPLS 4.0.9.8
Berdasarkan hasil pengujian discriminant validity di atas, nilai AVE yang
diperoleh dari semua variabel lebih dari 0,5. Hal ini menunjukkan bahwa
discriminant validity yang dimiliki setiap variabel dianggap valid sesuai dengan
pendapat (Abdillah dan Hartono, 2015:207).
4.4.1.3. Composite Reliability
Composite Reability adalah bagian yang digunakan untuk menguji nilai
realibilitas indikator variabel. Variabel bisa dikatakan reliabel atau kredibel bila
nilai Composite Reability dari masing-masing variabel sebanyak > 0,7.
Tabel 4.12. Hasil Composite Reliability
Composite reliability (rho_a) Composite reliability (rho_c) Keterangan
Disiplin Kerja 0,934 0,943 Reliabel
Kepuasan Kerja 0,937 0,946 Reliabel
Kompensasi 0,920 0,931 Reliabel
Motivasi Kerja 0,925 0,937 Reliabel
Sumber: Hasil Output SmartPLS 4.0.9.8
Berdasarkan tabel di atas menunjukkan nilai composite reliability dari
semua variabel lebih dari 0,7. Dengan demikian, seluruh variabel penelitian dapat
dinyatakan reliabel sesuai dengan pendapat Abdillah dan Hartono (2015:207).
4.4.1.4. Cronbach’s Alpha
Cronbach’s Alpha mengkur nilai terendah (lower bound) reliabilitas suatu
variabel. Untuk dapat dilakukan konstruk reliabel, maka nilai crochbanch’s alpha
harus > 0,6 (Abdillah dan Hartono, 2015:207).
Tabel 4.13. Hasil Cronbach’s Alpha
Cronbach's alpha Keterangan
Disiplin Kerja 0,932 Reliabel
Kepuasan Kerja 0,936 Reliabel
Kompensasi 0,915 Reliabel
Motivasi Kerja 0,922 Reliabel
Sumber: Hasil Output SmartPLS 4.0.9.8
 53

Berdasarkan tabel di atas dapat diketahui bahwa nilai cronbach’s alpha dari
semua variabel lebih dari 0,6. Dengan demikian, seluruh variabel penelitian dapat
dinyatakan reliabel sesuai dengan pendapat Abdillah dan Hartono (2015:207).

4.4.2. Inner Model atau Model Struktual

Dalam penelitian ini, pengujian dilakukan dengan menggunakan Teknik analisis
Partial Least Square (PLS) dengan program smartPLS 4.0.9.8. Berikut adalah
skema inner model program PLS yang telah diujikan.

Gambar 4.2. Skema Inner Model

Sumber: Hasil Output SmartPLS 4.0.9.8

4.4.2.1. Uji Path Coefficient

Dipergunakan untuk menunjukkan seberapa kuat dam pengaruh dampak
varibel independen kepada variabel dependen. Berikut adalah hasil uji path
coefficient:
 54

Tabel 4.14. Hasil Uji Path Coefficient

Path Coefficient
Disiplin Kerja -> Kepuasan Kerja -0,024
Disiplin Kerja -> Motivasi Kerja 0,701
Kompensasi -> Kepuasan Kerja 0,314
Kompensasi -> Motivasi Kerja 0,222
Motivasi Kerja -> Kepuasan Kerja 0,656
Sumber: Hasil Output SmartPLS 4.0.9.8
Berdasarkan tabel di atas hasil uji path coeffiecient terbesar terdapat pada
variabel disiplin kerja terhadap motivasi kerja dengan nilai sebesar 0,701,
kemudian diikuti dengan variabel motivasi kerja terhadap kepuasan kerja dengan
nilai sebesar 0,656. Berikutnya variabel kompensasi terhadap kepuasan kerja
dengan nilai sebesar 0,314, Selanjutnya variabel kompensasi terhadap motivasi
kerja dengan nilai sebesar 0,222, terakhir adalah variabel disiplin kerja terhadap
kepuasan kerja dengan nilai sebesar -0,024.
4.4.2.2. R-Square untuk Konstruk Dependen (R2)
Coefficient Determination (R-Square) dipergunakan untuk mengukur
seberapa banyak variable dependen yang dipenuhi oleh variabel lainnya (Maulid,
2021). Hasil R2 sebanyak 0,67 ke atas untuk variabel laten termasuk pada kategori
baik. Sedangkan bila hasilnya sebesar 0,33 hingga 0,67 maka termasuk kategori
sedang dan jika hasilnya sebanyak 0,19 hingga 0,33 maka termasuk di kategori
lemah. Berikut ini merupakan hasil R-Square dalam penelitian ini:
Tabel 4.15. Hasil R-Square
R-square R-square adjusted
Kepuasan Kerja 0,838 0,834
Motivasi Kerja 0,821 0,818
Sumber: Hasil Output SmartPLS 4.0.9.8
Dari hasil tabel di atas menunjukan nilai R-Square untuk variable kepuasan
kerja sebesar 0,838. Artinya kepuasan kerja dapat dijelaskan oleh disiplin kerja
dan kompensasi sebesar 83,8% sedangkan sisanya dijelaskan oleh variabel lain.
Hasil R-square sebanyak 0,838 tersebut termasuk pada kategori baik. Selanjutnya
nilai R-Square untuk variable motivasi kerja sebesar 0,821. Artinya motivasi kerja
dapat dijelaskan oleh disiplin kerja dan kompensasi sebesar 82,1% sedangkan
sisanya dijelaskan oleh variabel lain. Hasil R-square sebanyak 0,821 tersebut
termasuk pada kategori baik.
 55

4.4.2.3. Uji Kebaikan Model (Goodness of Fit)

Uji goddness of fit model PLS (Partial Least Square) dapat dilihat dari nilai
SRMR model. Model PLS (Partial Least Square) dinyatakan telah memenuhi 66
kriteria goodness of fit model jika nilai SRMR < 0,10 dan model dinyatakan
perfect fit jika nilai SRMR < 0,08 (Ghozali, 2016:81).
Tabel 4.16. Hasil Uji Kebaikan Model
Saturated model Estimated model
SRMR 0,075 0,075
Sumber: Hasil Output SmartPLS 4.0.9.8
Hasil uji goodness of fit PLS (Partial Least Square) pada table di atas
menunjukkan bahwa nilai SRMR adalah sebesar 0,075. Karena nilai SRMR
model dibawah ataukurang dari 0,08 maka model PLS (Partial Least Square)
penelitian ini dinyatakan perfect fit, sehingga layak digunakan untuk menguji
hipotesis penelitian.
4.4.2.4. Predictive Relevance (Q2)
Nilai predictive relevance pada variabel endogen dinyatakan baik (fit model) bila
nilainya > dari variabel eksoen. Makna nilai Q2 predictive relevance yaitu 0,02
validitas relevansi prediktif fit model lemah 0,15 validitas relevansi prediktif fit
model kuat. Q-Square dapat mengukur seberapa baik nilai observasi yang
dihasilkan oleh model dan juga estimasi parameternya (I. Ghozali, 2021). Nilai Q-
Square lebih besar dari 0 (nol) menunjukkan bahwa model mempunyai
nilai predictive relevance. Sedangkan jika nilai Q-Square kurang dari 0 (nol),
maka model kurang atau tidak memiliki predictive relevance (Chin, 1998).
Tabel 4.17. Hasil Predictive Relevance (Q2)
SSO SSE Q² (=1-SSE/SSO)
Disiplin Kerja 1300,000 1300,000
Kepuasan Kerja 1300,000 666,332 0,487
Kompensasi 1040,000 1040,000
Motivasi Kerja 1040,000 521,771 0,498
Sumber: Hasil Output SmartPLS 4.0.9.8
Berdasarkan data yang disajikan pada tabel di atas, dapat diketahui bahwa nilai Q-
square pada variabel kepuasan kerja adalah 0,487, sedangkan nilai Q-square pada
variabel motivasi kerja adalah 0,498. Dengan melihat pada nilai tersebut, maka
dapat disimpulkan bahwa penelitian ini memiliki nilai observasi yang baik/bagus
karena nilai Q square > 0 (nol) yaitu 0,487 dan 0,498 (Chin, 1998).
 56

4.4.3. Pengujian Hipotesis

Data yang sudah dihimpun kemudian dilakukan pengujian hipotesis untuk
menjawab nilai t statistic dan p value. Hipotesis dapat diterima jika nilai t statistic
> t table sebesar 1,96 dan P Value < 0,05 (Ghozali, 2021:76). Pengujian hipotesis
yang sudah diolah diterangkan sebagai berikut:
Tabel 4.18. Hasil Pengujian Hipotesis Langsung
Original T statistics
P values Kesimpulan
sample (O) (|O/STDEV|)
Disiplin Kerja -> Kepuasan Kerja -0,024 0,178 0,859 Ditolak
Disiplin Kerja -> Motivasi Kerja 0,701 8,724 0,000 Diterima
Kompensasi -> Kepuasan Kerja 0,314 2,663 0,008 Diterima
Kompensasi -> Motivasi Kerja 0,222 2,610 0,009 Diterima
Motivasi Kerja -> Kepuasan
0,656 5,933 0,000 Diterima
Kerja
Sumber: Hasil Output SmartPLS 4.0.9.8
Berdasarkan penyajian data pada tabel di atas, didapatkan hasil pengaruh
langsung pertama yaitu pengaruh disiplin kerja terhadap kepuasan kerja dengan
nilai original sample sebesar -0,024, nilai T-statistic sebesar 0,178 dan nilai P-
value sebesar 0,859 yang menandakan bahwa tidak adanya pengaruh, oleh karena
itu hipotesis penelitian ini ditolak. Hasil ini menunjukkan bahwa semakin tinggi
disiplin kerja maka tidak akan berdampak apapun terhadap kepuasan kerja.
Hasil kedua yaitu pengaruh disiplin kerja terhadap motivasi kerja dengan
nilai original sample sebesar 0,701, nilai T-statistic sebesar 8,724 dan nilai P-
value sebesar 0,000 yang menandakan bahwa adanya pengaruh yang signifikan,
oleh karena itu hipotesis penelitian ini diterima. Hasil ini menunjukkan bahwa
semakin tinggi disiplin kerja maka semakin tinggi motivasi kerja begitu juga
sebaliknya sehingga disiplin kerja memiliki pengaruh yang signifikan terhadap
motivasi kerja.
Hasil ketiga yaitu pengaruh kompensasi terhadap kepuasan kerja dengan
nilai original sample sebesar 0,314, nilai T-statistic sebesar 2,663 dan nilai P-
value sebesar 0,008 yang menandakan bahwa adanya pengaruh yang signifikan,
oleh karena itu hipotesis penelitian ini diterima. Hasil ini menunjukkan bahwa
semakin tinggi kompensasi maka semakin tinggi kepuasan kerja begitu juga
sebaliknya sehingga kompensasi memiliki pengaruh yang signifikan terhadap
kepuasan kerja.
 57

Hasil keempat yaitu pengaruh kompensasi terhadap motivasi kerja dengan

nilai original sample sebesar 0,222, nilai T-statistic sebesar 2,610 dan nilai P-
value sebesar 0,009 yang menandakan bahwa adanya pengaruh yang signifikan,
oleh karena itu hipotesis penelitian ini diterima. Hasil ini menunjukkan bahwa
semakin tinggi kompensasi maka semakin tinggi motivasi kerja begitu juga
sebaliknya sehingga kompensasi memiliki pengaruh yang signifikan terhadap
motivasi kerja.
Hasil kelima yaitu pengaruh motivasi kerja terhadap kepuasan kerja dengan
nilai original sample sebesar 0,656, nilai T-statistic sebesar 5,933 dan nilai P-
value sebesar 0,000 yang menandakan bahwa adanya pengaruh yang signifikan,
oleh karena itu hipotesis penelitian ini diterima. Hasil ini menunjukkan bahwa
semakin tinggi motivasi kerja maka semakin tinggi kepuasan kerja begitu juga
sebaliknya sehingga motivasi kerja memiliki pengaruh yang signifikan terhadap
kepuasan kerja.
Tabel 4.19. Hasil Pengujian Hipotesis Tidak Langsung
Original T statistics
P values Kesimpulan
sample (O) (|O/STDEV|)
Disiplin Kerja -> Kepuasan Kerja 0,460 4,685 0,000 Diterima
Kompensasi -> Kepuasan Kerja 0,145 2,449 0,014 Diterima
Sumber: Hasil Output SmartPLS 4.0.9.8
Berdasarkan penyajian data pada tabel di atas, didapatkan hasil pengaruh
tidak langsung pertama yaitu pengaruh disiplin kerja terhadap kepuasan kerja
hasil dr smartPLS pasti adamotivasi
melalui variabel kerja
mediasinya
dengan nilai original sample sebesar 0,460, nilai T-statistic
Disiplin kerja --> Motivasi Kerja --> Kepuasan Kerja
sebesar 4,685 dan nilai P-value sebesar 0,000 yang menandakan bahwa adanya
pengaruh yang signifikan, oleh karena itu hipotesis penelitian ini diterima. Hasil
ini menunjukkan bahwa semakin tinggi disiplin kerja melalui motivasi kerja maka
semakin tinggi kepuasan kerja begitu juga sebaliknya sehingga motivasi kerja
memiliki pengaruh yang signifikan terhadap kepuasan kerja melalui motivasi
kerja.
Hasil pengaruh tidak langsung kedua yaitu pengaruh kompensasi terhadap
kepuasan kerja melalui motivasi kerja dengan nilai original sample sebesar 0,145,
nilai T-statistic sebesar 2,449 dan nilai P-value sebesar 0,014 yang menandakan
bahwa adanya pengaruh yang signifikan, oleh karena itu hipotesis penelitian ini
diterima. Hasil ini menunjukkan bahwa semakin tinggi kompensasi melalui
 58

motivasi kerja maka semakin tinggi kepuasan kerja begitu juga sebaliknya
sehingga kompensasi memiliki pengaruh yang signifikan terhadap kepuasan kerja
melalui motivasi kerja.

Ini belum selesai pembahasannya

Kasih saja word nya saja sini