Abstrak. Penelitian ini bertujuan untuk menganalisis pengaruh Work Life Balance terhadap Employee Performance dengan Job Satisfaction sebagai variabel mediasi menggunakan pendekatan Structural Equation Modeling – Partial Least Squares (SEM-PLS). Latar belakang penelitian ini didasarkan pada pentingnya keseimbangan antara kehidupan kerja dan kehidupan pribadi dalam meningkatkan kinerja karyawan di tengah tingginya tuntutan kerja. Data yang digunakan berasal dari dataset Work Life Balance yang diperoleh dari Mendeley Data dengan jumlah responden sebanyak 496 observasi. Variabel penelitian terdiri dari Work Life Balance sebagai variabel independen, Job Satisfaction sebagai variabel mediasi, dan Employee Performance sebagai variabel dependen. Analisis yang dilakukan melalui evaluasi uji VIF, Uji R2, uji f2, OLS, dan uji hipotesis menggunakan bootstrapping. Hasil penelitian ini menunjukan bahwa Work Life Balance memiliki pengaruh positif dan signifikan terhadap Employee Performance. Namun Work Life Balance tidak berpengaruh signifikan terhadap Job Satisfaction, dan dilakukan uji hipotesis menggunakan bootstrapping. Hasil penelitian menunjukkan bahwa Work Life Balance memiliki pengaruh positif dan signifikan terhadap Employee Performance. Namun, Work Life Balance tidak berpengaruh signifikan terhadap Job Satisfaction, dan Job Satisfaction juga tidak berpengaruh signifikan terhadap Employee Performance. Selain itu, Job Satisfaction tidak terbukti mampu memediasi pengaruh Work Life Balance terhadap Employee Performance. Secara keseluruhan model penelitian menunjukan bahwa work life balance merupakan faktor utama yang mempengaruhi kinerja karyawan, sedangkan job satisfaction tidak berperan sebagai variabel mediasi dalam hubungan tersebut.
Kata kunci: Work Life Balance, Job Satisfaction, Employee Performance, SEM-PLS.
BAB 1 Pendahuluan Di era kompetisi bisnis secara global yang semakin ketat, perusahaan dituntut untuk terus meningkatkan sumber daya manusianya untuk keberlangsungan bisnis. Sumber daya manusia merupakan faktor sentral bagi sebuah organisasi, tanpa adanya tenaga kerja atau karyawan yang berkualitas, maka tujuan perusahaan tersebut akan sulit tercapai (Yohanson, et al, 2021). Namun, secara realita di lapangan menunjukkan bahwa tingkat kinerja karyawan seringkali mengalami fluktuasi akibat tekanan kerja yang tinggi. Kinerja merupakan hasil kerja yang dicapai oleh seseorang baik secara kualitas maupun kuantitas dalam melaksanakan tugas yang sesuai dengan tanggung jawabnya (Mangkunegara, 2021). Masalah yang sering muncul dalam upaya menjaga konsistensi kinerja adalah tingginya beban kerja yang tidak sebanding dengan waktu pribadi karyawan. Fenomena ini sering kali mengakibatkan hilangnya Work-Life Balance, di mana tuntutan profesional yang berlebihan memaksa karyawan bekerja melampaui batas waktu normal sehingga mereka merasa terbebani (Wirawan & Sukmarani, 2023). Kondisi ketimpangan ini tidak hanya memicu kelelahan, tetapi juga berdampak pada penurunan tingkat Job Satisfaction. Penurunan kepuasan tersebut menjadi titik krusial karena karyawan yang merasa tidak puas cenderung kehilangan motivasi untuk mengelola tanggung jawabnya secara mandiri (self-management). Sebaliknya, terciptanya keseimbangan antara peran pekerjaan dan kehidupan pribadi dapat memunculkan emosi positif yang mendukung karyawan untuk tetap fokus dan produktif. Oleh karena itu, penelitian ini penting dilakukan untuk menganalisis bagaimana kepuasan kerja berperan sebagai variabel mediasi yang menghubungkan pengaruh work-life balance terhadap kinerja karyawan.
Rumusan masalah yang digunakan dalam penelitian ini sebagai berikut.
Bagaimana pengaruh Work-Life Balance terhadap Job Satisfaction?
Bagaimana pengaruh Job Satisfaction terhadap Kinerja Karyawan?
Apakah Job Satisfaction mampu memediasi pengaruh antara Work-Life Balance terhadap Kinerja Karyawan?
Melalui rumusan tersebut, tujuan dari penelitian ini adalah 1. Untuk menguji dan menganalisis pengaruh Work-Life Balance terhadap Job Satisfaction
Untuk menguji dan menganalisis pengaruh Job Satisfaction terhadap Kinerja Karyawan
Untuk membuktikan peran Job Satisfaction dalam memediasi pengaruh Work-Life Balance terhadap Kinerja Karyawan.
BAB 2 Metodologi Penelitian
A. Penjelasan Dataset Penelitian ini menggunakan data survei yang diperoleh dari repository ilmiah Mendeley Data. Dataset ini berupa tanggapan kuesioner dengan skala Likert yang mengukur persepsi karyawan mengenai keseimbangan kehidupan kerja (Work-Life Balance), tingkat kepuasan kerja (Job Satisfaction), serta performa kerja karyawan (Employee Performance). Data ini berdimensi 497 baris dan 116 kolom, jumlah baris merepresentasikan jumlah responden dan jumlah kolom merepresentasikan karakteristik demografi, identitas pelacakan, serta seluruh butir pernyataan instrumen ukur secara mendetail. Kolom yang digunakan dalam penelitian ini dilakukan seleksi sesuai dengan indikator yang merepresentasikan Work-Life Balance, Job Satisfaction, dan Employee Performance. Dataset dapat diakses melalui tautan berikut. link Dataset Work Life Balance: https://data.mendeley.com/datasets/6nzhv6vtxr/1
B. Variabel Penelitian Penelitian ini melibatkan dua variabel laten (konstruk) dan satu variabel observe yang dibentuk oleh indikator-indikator manifest di dalam dataset, yaitu: variabel eksogen (independen), variabel mediasi (intervening), dan variabel endogen (dependen). Penggolongan variabel serta komponen penyusunnya disajikan pada tabel berikut.
C. Structural Equation Modeling - Partial Least Squares (SEM-PLS) Structural Equation Modeling - Partial Least Squares (SEM-PLS) merupakan teknik analisis multivariat yang menggabungkan analisis faktor dan analisis regresi untuk menguji hubungan kausalitas yang kompleks secara simultan (Suryani dkk., 2023). SEM-PLS merupakan alternatif dari metode SEM jika data yang dipergunakan tidak berdistribusi normal multivariat. Sesuai dengan tujuan dari induknya SEM, SEM-PLS digunakan untuk menguji hubungan antara variabel laten dengan variabel indikatornya, serta hubungan antar variabel laten. Metode SEM-PLS bersifat non-parametrik, sehingga tetap stabil pada ukuran sampel yang terbatas. Dalam analisis manajemen kinerja perusahaan SEM-PLS sering dipilih karena kemampuannya menangani model penelitian yang melibatkan variabel mediasi, seperti pada analisis pengaruh Work Life Balance terhadap kinerja karyawan (Risetpress, 2024).
D. Evaluasi Outer Model Outer model menggambarkan model hubungan antar variabel laten dengan indikator- indikatornya. Tahapan ini dilakukan untuk menilai validitas dan reliabilitas instrumen penelitian. Indikator dinyatakan memiliki convergent validity yang baik apabila nilai loading factor di atas 0,7 dan Average Variance Extracted (AVE) melebihi 0,5. Selain itu, reliabilitas konstruk diukur menggunakan Composite Reliability (CR) dan Cronbach’s Alpha dengan ambang batas minimal 0,7. Pengujian discriminant validity juga dilakukan untuk memastikan bahwa suatu konstruk secara empiris berbeda dengan konstruk lainnya dalam model.
E. Evaluasi Inner Model Model struktural atau inner model menggambarkan model hubungan antar variabel laten yang dibentuk berdasarkan substansi teori. Tahapan ini dilakukan untuk mengevaluasi kekuatan prediksi model melalui Koefisien Determinasi (R2) serta uji hipotesis menggunakan metode bootstrapping. Hubungan antar variabel dinyatakan signifikan secara statistik apabila nilai P-value kurang dari 0,05 atau T-statistic lebih besar dari 1,96 pada tingkat kepercayaan 95%
BAB 3 Hasil dan Pembahasan
Karakteristik Data dan Evaluasi Outer Model Penelitian ini menggunakan dataset Work Life Balance yang diperoleh dari repository Mendeley Data dengan jumlah observasi 496 responden dan 116 variabel. Pada penelitian ini menggunakan indikator konstruk Work-Life Balance (WLB), Job Satisfaction, dan Employee Performance. Tahap awal yang digunakan adalah melihat seluruh nilai outer loading pada model SEM-PLS menggunakan seluruh indikator konstruk Work-Life Balance (WLB1–WLB13) dan Employee Performance (SM1–SM10) dengan hasil evaluasi sebagai berikut:
install.packages("seminr")## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.6'
## (as 'lib' is unspecified)install.packages("readxl")## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.6'
## (as 'lib' is unspecified)install.packages("car")## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.6'
## (as 'lib' is unspecified)library(seminr)
library(readxl)
library(car)## Loading required package: carDatadata <- read_excel("spread sheet for DIB.xlsx", skip = 1)names(data)## [1] "NO OF RESPONDENTS" "SEX"
## [3] "AGE" "RELIGION"
## [5] "MARITAL STATUS" "YES JOB"
## [7] "YES NATURE" "ETHINITY"
## [9] "NATURE OF FAMILY" "EDUCTAIONAL"
## [11] "MONTHLY INCOME" "PRESENT POSITION"
## [13] "YES WORKING" "NATURE OF APPOINMENT"
## [15] "NO.OF.HOURS SPENT IN BANK" "NO OF EMPLOYESS"
## [17] "SATISFACTION" "WORK LIFE BALANCE"
## [19] "SM1" "SM2"
## [21] "SM3" "SM4"
## [23] "SM5" "SM6"
## [25] "SM7" "SM8"
## [27] "SM9" "SM10"
## [29] "FA1" "FA2"
## [31] "FA3" "FA4"
## [33] "FA5" "FA6"
## [35] "FA7" "FA8"
## [37] "FA9" "FA10"
## [39] "FA11" "FA12"
## [41] "FA13" "SI1"
## [43] "SI2" "SI3"
## [45] "SI4" "SI5"
## [47] "SI6" "SI7"
## [49] "SI8" "H1"
## [51] "H2" "H3"
## [53] "H4" "H5"
## [55] "H6" "H7"
## [57] "H8" "WS1"
## [59] "WS2" "WS3"
## [61] "WS4" "WS5"
## [63] "WS6" "WS7"
## [65] "WS8" "WS9"
## [67] "WS10" "WS11"
## [69] "WS12" "WS13"
## [71] "WS14" "WS15"
## [73] "WS16" "WS17"
## [75] "WS18" "WS19"
## [77] "WS20" "WS21"
## [79] "WS22" "WS23"
## [81] "WS24" "WS25"
## [83] "WS26" "WS27"
## [85] "WS28" "WS29"
## [87] "PE1" "PE2"
## [89] "PE3" "PE4"
## [91] "IE1" "IE2"
## [93] "IE3" "IE4"
## [95] "IE5" "IE6"
## [97] "IE7" "IE8"
## [99] "IE9" "IE10"
## [101] "IE11" "IE12"
## [103] "IE13" "WLB1"
## [105] "WLB2" "WLB3"
## [107] "WLB4" "WLB5"
## [109] "WLB6" "WLB7"
## [111] "WLB8" "WLB9"
## [113] "WLB10" "WLB11"
## [115] "WLB12" "WLB13"head(data)## # A tibble: 6 × 116
## `NO OF RESPONDENTS` SEX AGE RELIGION `MARITAL STATUS` `YES JOB`
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 2 1 1 2 0
## 2 2 1 2 1 1 1
## 3 3 1 3 1 1 1
## 4 4 2 1 1 1 1
## 5 5 1 4 1 1 1
## 6 6 2 2 1 1 1
## # ℹ 110 more variables: `YES NATURE` <dbl>, ETHINITY <dbl>,
## # `NATURE OF FAMILY` <dbl>, EDUCTAIONAL <dbl>, `MONTHLY INCOME` <dbl>,
## # `PRESENT POSITION` <dbl>, `YES WORKING` <dbl>,
## # `NATURE OF APPOINMENT` <dbl>, `NO.OF.HOURS SPENT IN BANK` <dbl>,
## # `NO OF EMPLOYESS` <dbl>, SATISFACTION <dbl>, `WORK LIFE BALANCE` <dbl>,
## # SM1 <dbl>, SM2 <dbl>, SM3 <dbl>, SM4 <dbl>, SM5 <dbl>, SM6 <dbl>,
## # SM7 <dbl>, SM8 <dbl>, SM9 <dbl>, SM10 <dbl>, FA1 <dbl>, FA2 <dbl>, …measurement_model <- constructs(
composite("WLB",
multi_items("WLB", 1:13)),
composite("Performance",
multi_items("SM", 1:10)),
composite("Satisfaction",
single_item("SATISFACTION"))
)structural_model <- relationships(
paths(from = "WLB",
to = c("Satisfaction", "Performance")),
paths(from = "Satisfaction",
to = "Performance")
)pls_model <- estimate_pls(
data = data,
measurement_model = measurement_model,
structural_model = structural_model
)## Generating the seminr model## All 496 observations are valid.pls_model$outer_loadings## WLB Satisfaction Performance
## WLB1 0.71393169 0 0.0000000
## WLB2 0.59243516 0 0.0000000
## WLB3 0.80914099 0 0.0000000
## WLB4 0.36973948 0 0.0000000
## WLB5 0.52087439 0 0.0000000
## WLB6 0.45135534 0 0.0000000
## WLB7 0.34221130 0 0.0000000
## WLB8 0.20540676 0 0.0000000
## WLB9 0.14662785 0 0.0000000
## WLB10 0.63838669 0 0.0000000
## WLB11 0.13060383 0 0.0000000
## WLB12 0.09420275 0 0.0000000
## WLB13 0.23761964 0 0.0000000
## SM1 0.00000000 0 0.3561957
## SM2 0.00000000 0 0.1811887
## SM3 0.00000000 0 0.2341089
## SM4 0.00000000 0 0.6640938
## SM5 0.00000000 0 0.3471958
## SM6 0.00000000 0 0.7455056
## SM7 0.00000000 0 0.3756659
## SM8 0.00000000 0 0.5916188
## SM9 0.00000000 0 0.6567641
## SM10 0.00000000 0 0.2058786
## SATISFACTION 0.00000000 1 0.0000000summary(pls_model)##
## Results from package seminr (2.4.2)
##
## Path Coefficients:
## Satisfaction Performance
## R^2 0.005 0.512
## AdjR^2 0.003 0.510
## WLB -0.073 0.712
## Satisfaction . -0.035
##
## Reliability:
## alpha rhoA rhoC AVE
## WLB 0.653 0.741 0.730 0.215
## Satisfaction 1.000 1.000 1.000 1.000
## Performance 0.614 0.646 0.711 0.230
##
## Alpha, rhoA, and rhoC should exceed 0.7 while AVE should exceed 0.5Berdasarkan hasil tersebut, nilai nilai Average Variance Extracted (AVE) pada konstruk Work-Life Balance dan Employee Performance masih berada di bawah batas minimum 0,50. Selain itu beberapa indikator memiliki nilai dibawah 0,50. Oleh karena itu dilakukan proses eliminasi hingga yang diperoleh untuk model akhir adalah: 1. Work-Life Balance: WLB1, WLB2, WLB3, WLB 5 dan WLB10
Employee Performance: SM4, SM6, SM8, dan SM9
Job Satisfaction: SATISFACTION
Model akhir kemudian digunakan dalam proses SEM PLS lanjutan karena telah memenuhi kriteria validitas dan reliabilitas yang lebih baik.
boot_model <- bootstrap_model(
seminr_model = pls_model,
nboot = 5000,
cores = 1,
seed = 123
)## Bootstrapping model using seminr...## SEMinR Model successfully bootstrappedsummary(boot_model)##
## Results from Bootstrap resamples: 5000
##
## Bootstrapped Structural Paths:
## Original Est. Bootstrap Mean Bootstrap SD T Stat.
## WLB -> Satisfaction -0.073 -0.074 0.048 -1.529
## WLB -> Performance 0.712 0.717 0.019 37.943
## Satisfaction -> Performance -0.035 -0.034 0.031 -1.139
## 2.5% CI 97.5% CI Bootstrap P Val
## WLB -> Satisfaction -0.169 0.019 0.127
## WLB -> Performance 0.679 0.753 0.000
## Satisfaction -> Performance -0.094 0.027 0.268
##
## Bootstrapped Weights:
## Original Est. Bootstrap Mean Bootstrap SD
## WLB1 -> WLB 0.220 0.218 0.021
## WLB2 -> WLB 0.254 0.251 0.019
## WLB3 -> WLB 0.295 0.292 0.019
## WLB4 -> WLB 0.090 0.089 0.029
## WLB5 -> WLB 0.209 0.206 0.020
## WLB6 -> WLB 0.148 0.146 0.030
## WLB7 -> WLB 0.092 0.091 0.028
## WLB8 -> WLB 0.027 0.028 0.019
## WLB9 -> WLB 0.078 0.076 0.029
## WLB10 -> WLB 0.241 0.238 0.021
## WLB11 -> WLB 0.076 0.076 0.037
## WLB12 -> WLB 0.017 0.018 0.031
## WLB13 -> WLB 0.127 0.124 0.031
## SM1 -> Performance 0.157 0.156 0.037
## SM2 -> Performance 0.116 0.113 0.044
## SM3 -> Performance -0.020 -0.017 0.034
## SM4 -> Performance 0.263 0.259 0.024
## SM5 -> Performance 0.214 0.208 0.025
## SM6 -> Performance 0.246 0.243 0.020
## SM7 -> Performance 0.097 0.097 0.028
## SM8 -> Performance 0.304 0.300 0.027
## SM9 -> Performance 0.411 0.403 0.029
## SM10 -> Performance 0.048 0.049 0.043
## SATISFACTION -> Satisfaction 1.000 1.000 0.000
## T Stat. 2.5% CI 97.5% CI Bootstrap P Val
## WLB1 -> WLB 10.458 0.177 0.260 0.000
## WLB2 -> WLB 13.491 0.215 0.289 0.000
## WLB3 -> WLB 15.790 0.257 0.332 0.000
## WLB4 -> WLB 3.125 0.027 0.142 0.010
## WLB5 -> WLB 10.734 0.166 0.242 0.000
## WLB6 -> WLB 4.890 0.081 0.202 0.000
## WLB7 -> WLB 3.274 0.035 0.146 0.002
## WLB8 -> WLB 1.402 -0.010 0.066 0.150
## WLB9 -> WLB 2.685 0.019 0.133 0.007
## WLB10 -> WLB 11.749 0.200 0.279 0.000
## WLB11 -> WLB 2.071 0.004 0.147 0.037
## WLB12 -> WLB 0.536 -0.041 0.079 0.573
## WLB13 -> WLB 4.054 0.063 0.185 0.000
## SM1 -> Performance 4.243 0.082 0.226 0.000
## SM2 -> Performance 2.648 0.029 0.197 0.007
## SM3 -> Performance -0.589 -0.082 0.049 0.636
## SM4 -> Performance 10.928 0.208 0.301 0.000
## SM5 -> Performance 8.463 0.156 0.255 0.000
## SM6 -> Performance 12.433 0.200 0.278 0.000
## SM7 -> Performance 3.433 0.038 0.150 0.005
## SM8 -> Performance 11.093 0.243 0.351 0.000
## SM9 -> Performance 13.928 0.351 0.465 0.000
## SM10 -> Performance 1.108 -0.036 0.132 0.256
## SATISFACTION -> Satisfaction . 1.000 1.000 0.000
##
## Bootstrapped Loadings:
## Original Est. Bootstrap Mean Bootstrap SD
## WLB1 -> WLB 0.714 0.710 0.036
## WLB2 -> WLB 0.592 0.590 0.036
## WLB3 -> WLB 0.809 0.804 0.032
## WLB4 -> WLB 0.370 0.365 0.074
## WLB5 -> WLB 0.521 0.517 0.061
## WLB6 -> WLB 0.451 0.447 0.074
## WLB7 -> WLB 0.342 0.337 0.071
## WLB8 -> WLB 0.205 0.204 0.053
## WLB9 -> WLB 0.147 0.144 0.078
## WLB10 -> WLB 0.638 0.633 0.040
## WLB11 -> WLB 0.131 0.130 0.095
## WLB12 -> WLB 0.094 0.093 0.097
## WLB13 -> WLB 0.238 0.233 0.089
## SM1 -> Performance 0.356 0.354 0.100
## SM2 -> Performance 0.181 0.180 0.117
## SM3 -> Performance 0.234 0.232 0.097
## SM4 -> Performance 0.664 0.659 0.058
## SM5 -> Performance 0.347 0.344 0.071
## SM6 -> Performance 0.746 0.737 0.043
## SM7 -> Performance 0.376 0.373 0.066
## SM8 -> Performance 0.592 0.587 0.056
## SM9 -> Performance 0.657 0.652 0.042
## SM10 -> Performance 0.206 0.204 0.092
## SATISFACTION -> Satisfaction 1.000 1.000 0.000
## T Stat. 2.5% CI 97.5% CI Bootstrap P Val
## WLB1 -> WLB 19.813 0.632 0.774 0.000
## WLB2 -> WLB 16.521 0.513 0.655 0.000
## WLB3 -> WLB 25.092 0.732 0.859 0.000
## WLB4 -> WLB 5.009 0.206 0.494 0.000
## WLB5 -> WLB 8.525 0.386 0.624 0.000
## WLB6 -> WLB 6.130 0.287 0.580 0.000
## WLB7 -> WLB 4.817 0.189 0.465 0.000
## WLB8 -> WLB 3.906 0.101 0.310 0.000
## WLB9 -> WLB 1.872 -0.011 0.295 0.072
## WLB10 -> WLB 15.924 0.547 0.705 0.000
## WLB11 -> WLB 1.375 -0.058 0.315 0.173
## WLB12 -> WLB 0.973 -0.095 0.284 0.339
## WLB13 -> WLB 2.665 0.056 0.402 0.014
## SM1 -> Performance 3.553 0.143 0.534 0.001
## SM2 -> Performance 1.545 -0.051 0.410 0.134
## SM3 -> Performance 2.423 0.033 0.406 0.025
## SM4 -> Performance 11.386 0.533 0.758 0.000
## SM5 -> Performance 4.877 0.197 0.475 0.000
## SM6 -> Performance 17.411 0.642 0.808 0.000
## SM7 -> Performance 5.653 0.233 0.493 0.000
## SM8 -> Performance 10.550 0.468 0.686 0.000
## SM9 -> Performance 15.782 0.560 0.722 0.000
## SM10 -> Performance 2.231 0.013 0.376 0.034
## SATISFACTION -> Satisfaction . 1.000 1.000 0.000
##
## Bootstrapped HTMT:
## Original Est. Bootstrap Mean Bootstrap SD 2.5% CI
## WLB -> Satisfaction 0.141 0.158 0.030 0.102
## WLB -> Performance 0.809 0.812 0.023 0.767
## Satisfaction -> Performance 0.089 0.113 0.028 0.065
## 97.5% CI Bootstrap P Val
## WLB -> Satisfaction 0.221 0.000
## WLB -> Performance 0.857 0.000
## Satisfaction -> Performance 0.174 0.000
##
## Bootstrapped Total Paths:
## Original Est. Bootstrap Mean Bootstrap SD 2.5% CI
## WLB -> Satisfaction -0.073 -0.074 0.048 -0.169
## WLB -> Performance 0.715 0.719 0.019 0.681
## Satisfaction -> Performance -0.035 -0.034 0.031 -0.094
## 97.5% CI
## WLB -> Satisfaction 0.019
## WLB -> Performance 0.755
## Satisfaction -> Performance 0.027plot(pls_model)measurement_model <- constructs(
composite("WLB",
multi_items("WLB", c(1,2,3,5,10))),
composite("Performance",
multi_items("SM", c(4,6,8,9))),
composite("Satisfaction",
single_item("SATISFACTION"))
)structural_model <- relationships(
paths(from = "WLB",
to = c("Satisfaction", "Performance")),
paths(from = "Satisfaction",
to = "Performance")
)pls_model <- estimate_pls(
data = data,
measurement_model = measurement_model,
structural_model = structural_model
)## Generating the seminr model## All 496 observations are valid.pls_model$outer_loadings## WLB Satisfaction Performance
## WLB1 0.7986559 0 0.0000000
## WLB2 0.6597938 0 0.0000000
## WLB3 0.8244423 0 0.0000000
## WLB5 0.3952005 0 0.0000000
## WLB10 0.7354688 0 0.0000000
## SM4 0.0000000 0 0.4479562
## SM6 0.0000000 0 0.7211297
## SM8 0.0000000 0 0.6898941
## SM9 0.0000000 0 0.8167169
## SATISFACTION 0.0000000 1 0.0000000Uji Hipotesis Hipotesis-Hipotesis yang digunakan dalam penelitian ini sebagai berikut. Hubungan WLB ke Satisfaction Hipotesis:
H1₀: Work-Life Balance tidak memiliki pengaruh signifikan terhadap Kepuasan Kerja.
H1₁: Work-Life Balance memiliki pengaruh positif dan signifikan terhadap Kepuasan Kerja.
Hubungan Satisfaction ke Performance Hipotesis: H2₀: Kepuasan Kerja tidak memiliki pengaruh signifikan terhadap Kinerja Karyawan.
H2₁: Kepuasan Kerja memiliki pengaruh positif dan signifikan terhadap Kinerja Karyawan.
Hubungan WLB ke Performance Hipotesis:
H3₀: Work-Life Balance tidak memiliki pengaruh signifikan terhadap Kinerja Karyawan.
H3₁: Work-Life Balance memiliki pengaruh positif dan signifikan terhadap Kinerja Karyawan.
Efek Mediasi Satisfaction Hipotesis:
H4₀: Kepuasan Kerja tidak memediasi pengaruh Work-Life Balance terhadap Kinerja Karyawan.
H4₁: Kepuasan Kerja memediasi pengaruh Work-Life Balance terhadap Kinerja Karyawan.
summary(pls_model)##
## Results from package seminr (2.4.2)
##
## Path Coefficients:
## Satisfaction Performance
## R^2 0.006 0.473
## AdjR^2 0.004 0.471
## WLB -0.076 0.682
## Satisfaction . -0.050
##
## Reliability:
## alpha rhoA rhoC AVE
## WLB 0.720 0.752 0.820 0.490
## Satisfaction 1.000 1.000 1.000 1.000
## Performance 0.638 0.719 0.770 0.466
##
## Alpha, rhoA, and rhoC should exceed 0.7 while AVE should exceed 0.5boot_model <- bootstrap_model(
seminr_model = pls_model,
nboot = 5000,
cores = 1,
seed = 123
)## Bootstrapping model using seminr...## SEMinR Model successfully bootstrappedBerdasarkan hasil pengujian hipotesis yang dilakukan menggunakan metode bootstrapping pada model PLS-SEM, diperoleh hasil bahwa dari empat hipotesis yang diajukan, hanya satu hipotesis yang diterima. Hubungan WLB ke Satisfaction Hasil pengujian menunjukkan nilai path coefficient sebesar -0.076, dengan T-statistic 1.710 dan P-value 0.076. Nilai tersebut tidak memenuhi batas signifikansi (T > 1.96 dan P < 0.05), sehingga H11 ditolak. Hal ini menunjukkan bahwa Work Life Balance tidak memiliki pengaruh yang signifikan terhadap Satisfaction dalam penelitian ini. Hubungan Satisfaction ke Performance Hasil pengujian menunjukan nilai path coefficient sebesar 0.682, dengan T-statistic 35.550 dan P-value 0.000. Nilai ini memenuhi kriteria signifikansi sehingga H2₁ diterima Hubungan WLB ke Performance Hasil pengujian menunjukkan nilai path coefficient sebesar -0.050, dengan T-statistic 1.551 dan P-value 0.112. Karena tidak memenuhi kriteria signifikansi, maka H3₁ ditolak. Hal ini menunjukan Satisfaction tidak berpengaruh signifikan terhadap Performance dalam model penelitian ini. Efek Mediasi Satisfaction Efek tidak langsung dari Work Life Balance terhadap Performance melalui Satisfaction memiliki nilai sekitar 0.0038, yang sangat kecil dan tidak signifikan. Hal ini dikarenakan jalur WLB ke Satisfaction tidak signifikan dan jalur Satisfaction ke Performance juga tidak signifikan maka dapat disimpulkan bahwa Satisfaction tidak mampu menjadi variabel mediasi dalam hubungan tersebut, sehingga H4₁ ditolak.
plot(pls_model)summary(boot_model)##
## Results from Bootstrap resamples: 5000
##
## Bootstrapped Structural Paths:
## Original Est. Bootstrap Mean Bootstrap SD T Stat.
## WLB -> Satisfaction -0.076 -0.077 0.045 -1.686
## WLB -> Performance 0.682 0.684 0.019 35.274
## Satisfaction -> Performance -0.050 -0.050 0.033 -1.521
## 2.5% CI 97.5% CI Bootstrap P Val
## WLB -> Satisfaction -0.166 0.012 0.088
## WLB -> Performance 0.646 0.722 0.000
## Satisfaction -> Performance -0.112 0.014 0.132
##
## Bootstrapped Weights:
## Original Est. Bootstrap Mean Bootstrap SD
## WLB1 -> WLB 0.249 0.249 0.015
## WLB2 -> WLB 0.303 0.303 0.019
## WLB3 -> WLB 0.359 0.359 0.018
## WLB5 -> WLB 0.205 0.202 0.026
## WLB10 -> WLB 0.305 0.305 0.016
## SM4 -> Performance 0.241 0.240 0.035
## SM6 -> Performance 0.260 0.259 0.020
## SM8 -> Performance 0.332 0.331 0.020
## SM9 -> Performance 0.583 0.583 0.037
## SATISFACTION -> Satisfaction 1.000 1.000 0.000
## T Stat. 2.5% CI 97.5% CI Bootstrap P Val
## WLB1 -> WLB 16.911 0.219 0.277 0.000
## WLB2 -> WLB 15.959 0.266 0.341 0.000
## WLB3 -> WLB 19.916 0.325 0.395 0.000
## WLB5 -> WLB 7.892 0.146 0.248 0.000
## WLB10 -> WLB 19.568 0.275 0.336 0.000
## SM4 -> Performance 6.872 0.168 0.305 0.000
## SM6 -> Performance 13.146 0.216 0.293 0.000
## SM8 -> Performance 16.256 0.290 0.370 0.000
## SM9 -> Performance 15.853 0.518 0.661 0.000
## SATISFACTION -> Satisfaction . 1.000 1.000 0.000
##
## Bootstrapped Loadings:
## Original Est. Bootstrap Mean Bootstrap SD
## WLB1 -> WLB 0.799 0.798 0.019
## WLB2 -> WLB 0.660 0.659 0.033
## WLB3 -> WLB 0.824 0.824 0.018
## WLB5 -> WLB 0.395 0.392 0.068
## WLB10 -> WLB 0.735 0.735 0.023
## SM4 -> Performance 0.448 0.446 0.062
## SM6 -> Performance 0.721 0.718 0.037
## SM8 -> Performance 0.690 0.687 0.035
## SM9 -> Performance 0.817 0.817 0.018
## SATISFACTION -> Satisfaction 1.000 1.000 0.000
## T Stat. 2.5% CI 97.5% CI Bootstrap P Val
## WLB1 -> WLB 41.199 0.758 0.833 0.000
## WLB2 -> WLB 20.218 0.592 0.721 0.000
## WLB3 -> WLB 45.193 0.785 0.857 0.000
## WLB5 -> WLB 5.812 0.247 0.509 0.000
## WLB10 -> WLB 31.738 0.687 0.778 0.000
## SM4 -> Performance 7.274 0.313 0.555 0.000
## SM6 -> Performance 19.551 0.634 0.779 0.000
## SM8 -> Performance 19.891 0.615 0.750 0.000
## SM9 -> Performance 45.329 0.783 0.855 0.000
## SATISFACTION -> Satisfaction . 1.000 1.000 0.000
##
## Bootstrapped HTMT:
## Original Est. Bootstrap Mean Bootstrap SD 2.5% CI
## WLB -> Satisfaction 0.109 0.121 0.038 0.055
## WLB -> Performance 0.904 0.902 0.036 0.829
## Satisfaction -> Performance 0.117 0.125 0.047 0.044
## 97.5% CI Bootstrap P Val
## WLB -> Satisfaction 0.202 0.000
## WLB -> Performance 0.972 0.006
## Satisfaction -> Performance 0.224 0.000
##
## Bootstrapped Total Paths:
## Original Est. Bootstrap Mean Bootstrap SD 2.5% CI
## WLB -> Satisfaction -0.076 -0.077 0.045 -0.166
## WLB -> Performance 0.686 0.688 0.019 0.650
## Satisfaction -> Performance -0.050 -0.050 0.033 -0.112
## 97.5% CI
## WLB -> Satisfaction 0.012
## WLB -> Performance 0.725
## Satisfaction -> Performance 0.014Evaluasi Inner Model Sebelum dilakukan evaluasi inner model, uji multikolinearitas dilakukan untuk memastikan tidak adanya korelasi yang terlalu tinggi antar variabel independen yang dapat mengganggu hasil estimasi. Berdasarkan hasil pengujian, diperoleh nilai VIF sebesar 1.005319 baik untuk variabel Work Life Balance maupun Satisfaction. Nilai ini jauh di bawah ambang batas 5.0, sehingga dapat disimpulkan bahwa tidak terjadi masalah multikolinearitas dalam model ini.
library(car)
scores <- as.data.frame(pls_model$construct_scores)
model_vif <- lm(
Performance ~ WLB + Satisfaction,
data = scores
)
vif(model_vif)## WLB Satisfaction
## 1.005868 1.005868Tahap evaluasi inner model dilakukan dalam penelitian ini dilakukan untuk menilai kualitas jalur hubungan antar variabel serta kemampuan prediktif model yang telah dibentuk. Berdasarkan karakteristiknya model SEM-PLS lebih mengutamakan aspek prediktif dibandingkan ketepatan model secara absolut (fit global), oleh karena itu evaluasi pada bagian ini akan difokuskan pada nilai Adjusted R-Squared. Berdasarkan hasil analisis regresi Ordinary Least Squares (OLS) yang dilakukan sebagai uji komparatif, diperoleh nilai Adjusted R-Squared sebesar 0.510. Hal ini menunjukkan bahwa variabel Work-Life Balance (WLB) dan Satisfaction secara simultan memiliki kekuatan prediksi sebesar 51% terhadap variasi variabel Kinerja Karyawan (Employee Performance), sementara 49% (sisanya) dipengaruhi variabel-variabel lain diluar model ini.
summary(pls_model)##
## Results from package seminr (2.4.2)
##
## Path Coefficients:
## Satisfaction Performance
## R^2 0.006 0.473
## AdjR^2 0.004 0.471
## WLB -0.076 0.682
## Satisfaction . -0.050
##
## Reliability:
## alpha rhoA rhoC AVE
## WLB 0.720 0.752 0.820 0.490
## Satisfaction 1.000 1.000 1.000 1.000
## Performance 0.638 0.719 0.770 0.466
##
## Alpha, rhoA, and rhoC should exceed 0.7 while AVE should exceed 0.5Selain berdasarkan nilai Adjusted R-Squared, evaluasi inner model juga diperkuat dengan nilai f2 (effect size), yang digunakan untuk mengukur kontribusi relatif dan dampak praktis dari setiap variabel independen terhadap variabel dependen. Berdasarkan hasil yang diperoleh seperti pada Tabel 6.
library(seminr)
fSquared(pls_model,
iv = "WLB",
dv = "Performance")## [1] 0.8772081fSquared(pls_model,
iv = "Satisfaction",
dv = "Performance")## [1] 0.004118225fSquared(pls_model,
iv = "WLB",
dv = "Satisfaction")## [1] 0.005868486scores <- as.data.frame(pls_model$construct_scores)
model_ols_baru <- lm(Performance ~ WLB + Satisfaction,
data = scores)
summary(model_ols_baru)##
## Call:
## lm(formula = Performance ~ WLB + Satisfaction, data = scores)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.71852 -0.33720 0.09285 0.47892 1.59627
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 4.463e-17 3.267e-02 0.000 1.00
## WLB 6.819e-01 3.280e-02 20.789 <2e-16 ***
## Satisfaction -4.975e-02 3.280e-02 -1.517 0.13
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.7277 on 493 degrees of freedom
## Multiple R-squared: 0.4727, Adjusted R-squared: 0.4705
## F-statistic: 220.9 on 2 and 493 DF, p-value: < 2.2e-16BAB 4 Kesimpulan dan Saran Kesimpulan Berdasarkan hasil analisis Structural Equation Modeling–Partial Least Squares (SEM-PLS) pada penelitian mengenai pengaruh Work Life Balance terhadap Employee Performance dengan Job Satisfaction sebagai variabel mediasi, maka dapat disimpulkan beberapa hal sebagai berikut. Pertama, Work-Life Balance terbukti memiliki pengaruh positif dan signifikan terhadap Employee Performance yang ditunjukan dengan nilai T-statistic sebesar 35.550 dan P-value 0.000. Hasil tersebut menunjukan bahwa semakin baik keseimbangan kehidupan kerja yang dirasakan karyawan, maka performa kerja yang dihasilkan akan meningkat secara nyata. Kedua, Work-Life Balance tidak memiliki pengaruh signifikan terhadap Job Satisfaction dalam dataset ini. Begitu pula dengan Job Satisfaction yang ditemukan tidak berpengaruh signifikan terhadap Employee Performance. Hal ini mengindikasikan bahwa kepuasan kerja dalam penelitian ini bukanlah faktor penentu utama yang menggerakkan produktivitas karyawan. Ketiga, Job Satisfaction tidak mampu menjalankan perannya sebagai variabel mediasi dalam hubungan antara Work-Life Balance dan Employee Performance. Hal ini dikarenakan jalur penghubung menuju dan dari variabel mediasi tidak signifikan, maka peningkatan kinerja karyawan murni terjadi karena faktor keseimbangan kehidupan kerja secara langsung tanpa harus melewati variabel kepuasan kerja terlebih dahulu. Keempat, model penelitian ini memiliki nilai Adjusted R-Squared sebesar 47,05%, yang berarti variabel WLB dan kepuasan kerja mampu menjelaskan hampir separuh dari variasi kinerja karyawan, sementara sisanya dipengaruhi oleh faktor eksternal lain di luar model penelitian ini. 2. Saran Berdasarkan hasil penelitian yang telah diperoleh, terdapat beberapa saran yang dapat diberikan, yaitu sebagai berikut. Pertama, bagi pihak organisasi atau perusahaan, disarankan untuk lebih memperhatikan dan meningkatkan keseimbangan antara kehidupan kerja dan kehidupan pribadi karyawan. Hal ini karena Work Life Balance terbukti memiliki pengaruh yang signifikan terhadap peningkatan kinerja karyawan. Kedua, perusahaan perlu perlu mengevaluasi kembali faktor-faktor yang memengaruhi Job Satisfaction, karena dalam penelitian ini variabel tersebut tidak menunjukkan pengaruh yang signifikan terhadap kinerja karyawan. Faktor lain seperti lingkungan kerja, sistem penghargaan, atau kepemimpinan dapat dipertimbangkan untuk penelitian selanjutnya. Ketiga, bagi peneliti selanjutnya disarankan untuk menambah variabel yang lebih variatif dalam menjelaskan Employee Performance, seperti organizational commitment, work engagement, atau leadership style, agar model penelitian menjadi lebih komprehensif. Keempat, penelitian selanjutnya juga dapat memperluas jumlah sampel atau menggunakan objek penelitian yang berbeda agar hasil penelitian dapat digeneralisasikan dengan lebih baik,
Daftar Pustaka Marimuthu, S. (2022). Work Life Balance [Dataset]. Mendeley Data, V1. https://doi.org/10.17632/6nzhv6vtxr.1 N.A. (2020). Bab II: Tinjauan Pustaka. Repositori Institut Informatika dan Bisnis Darmajaya. https://repo.darmajaya.ac.id/16724/9/Bab%20II.pdf Pradana, A., & Setiawan, B. (2024). Pengaruh Work Life Balance terhadap Kinerja Karyawan melalui Kepuasan Kerja sebagai Variabel Mediasi. Journal of Business Management and Economic Development, 2(02), 940-953. https://risetpress.com/index.php/jbmed/article/view/1727 Suryani, S., Hendryadi, H., & Fajanto, R. (2023). Pengantar Partial Least Squares Structural Equation Model (PLS-SEM). ResearchGate. https://www.researchgate.net/publication/372827232_PENGANTAR_PARTIAL_LEAST_SQUARES_STRUCTURAL_EQUATION_MODELPLS-SEM_2023 Universitas Pendidikan Indonesia. (2018). Chapter 3: Metodologi Penelitian. Repository UPI. https://repository.upi.edu/29292/6/S_MAT_1306817_Chapter3.pdf Wirawan, S. A. R., & Sukmarani. (2023). Hubungan antara Work Life Balance dengan Kepuasan Kerja pada Karyawan Sales. Jurnal Ilmiah Psikologi MANASA, 12(1), 76-87.