BAB 3 METODE PENELITIAN
3.1 Desain Penelitian 3.1.1 Jenis Penelitian Jenis penelitian yang akan dilakukan adalah penelitian deskriptif-asosiatif. Hal ini dikarenakan penelitian ini bertujuan untuk meneliti pengaruh funtional benefit dan service
quality terhadap motivational values dan dampaknya pada repeat purchasing. Penelitian deskriptif-asosiatif diasumsikan telah memiliki
pemahaman tentang masalah dan telah
mengetahui jenis informasi yang akan dicari dan akan meneliti masalah tersebut. Desain dari penelitian ini dapat dilihat pada Tabel 3.1 berikut : Tabel 3.1 Desain Penelitian Tujuan
Desain Penelitian Jenis
Metode
Penelitian
Penelitian
T-1
Asosiatif
Survey
T-2
Asosiatif
Survey
Penelitian
Unit Analisis Konsumen Nokia Care
Centre Artha Gading Konsumen Nokia Care
Centre Artha Gading
Time Horizon
Cross Sectional Cross Sectional
1. Untuk menganalisis pengaruh Functional Benefit yang didukung oleh Service Quality terhadap Motivational Values secara simultan dan parsial. 2. Untuk menganalisis pengaruh Functional Benefit yang didukung oleh Service Quality terhadap Motivational Values dan dampaknya pada Repeat Purchasing secara simultan dan parsial.
3.1.2 Unit Analisis Analisis dalam penelitian ini data yang dihasilkan berasal dari data individual. 3.2 Operasionalisasi Variabel Penelitian Tabel 3.1 Operasionalisasi Variabel Penelitian Variabel
Konsep
Indikator
Ukuran
Skala
Fungsional
Ordinal
Likert
Variabel
Functional
Tanggapan
Benefit
pengertian
Psikolososial
Ordinal
Likert
konsumen
Risiko
Ordinal
Likert
Responsivitas
Ordinal
Likert
Kompetensi
Ordinal
Likert
dan
tentang
functional benefit
yang
berpengaruh pada
motivational values
dan
dampaknya pada
repeat purchasing Service Quality
Tanggapan pengertian konsumen
dan
tentang Service
Quality
Komunikasi
Ordinal
Likert
Ordinal
Likert
Ordinal
Likert
Ordinal
Likert
Ordinal
Likert
yang
berpengaruh pada
Motivational Values
dan
dampaknya pada
Repeat Purchasing.
Motivational
Motivational
Kebutuhan
Values
Values
untuk
menunjukan
yang baru.
adanya
suatu
Kebutuhan
ikatan
antara
pelanggan dengan
sesuatu
untuk mengekspresika
merek
n diri.
tertentu dan ini
Kebutuhan
sering
untuk
kali
ditandai dengan adanya
berprestasi.
Repeat
Purchasing dari pelanggan.
Repeat Purchasing
Complect Menurut Michael
Buying
Yaul
dan
Thorsen
Henig-
Thurau
dalam
jural
berjudul
“academy
of
marketing science”
tahun
2008 : “ Service
relationship attributes to
Perilaku Pembelian
Dissonance-
Ordinal
Likert
Ordinal
Likert
reducing Buying. Kompleks
refer
customer's
knowledge
Behaviour.
of
the
Perilaku Pembelian yang mengurangi
characteristic of a
specific
provider,
which
drive his or her repeat purchase from
that
provider”
Ketidakcocokan
Habitual Buying Behaviour. Perilaku Pembelian sesuai Kebiasaan
3.3 Jenis dan Sumber Data Penelitian 3.3.1 Jenis Data Jenis data yang digunakan adalah data kualitatif yang nantinya akan diubah menjadi data kuantitatif melalui software SPSS versi 17.0 Tabel 3.3 Data dan Sumber Data Penelitian Data Dasar pengukuran
Jenis Data Kualitatif
Sumber Data Data sekunder dari studi kepustakaan, serta data
variabel-variabel dalam
primer dari Manager Nokia Care Centre Artha
penelitian ini
Gading dan wawancara dengan pihak ahli seperti dosen
Data implementasi
Functional Benefit Data Service Quality Data Motivational
Kualitatif Kualitatif Kualitatif
Values Data Repeat
Kualitatif
Purchasing
Data primer dari kuesioner yang disebarkan ke konsumen Nokia Care Centre Artha Gading Data primer dari kuesioner yang disebarkan ke konsumen Nokia Care Centre Artha Gading Data primer dari kuesioner yang disebarkan ke konsumen Nokia Care Centre Artha Gading Data primer dari kuesioner yang disebarkan ke konsumen Nokia Care Centre Artha Gading
3.3.2 Sumber Data Di dalam penelitian ini terdapat dua sumber data, yaitu sumber data primer dan sumber data sekunder, yaitu : 1. Sumber data primer adalah sumber data langsung memberikan data kepada pengumpul data. Penulis akan mendapatkan data secara langsung melalui wawancara dan kuesioner. 2. Sumber data sekunder berisikan informasi-informasi yang telah ada dan dikumpulkan untuk melengkapi data primer. Data-data sekunder ini diperoleh melalui studi kepustakaan. 3.4 Teknik Pengumpulan Data Teknik pengumpulan data yang dilakukan dalam keseluruhan penelitian ini adalah sebagai berikut: 1. Observasi Menurut
Churchill
dan
Lacobucci (2005:p667)
”
Observasi
adalah
metode
pengumpulan data di mana situasi yang menarik perhatian diamati dan fakta relevan, tindakan, atau perilaku direkam”. Metode yang dilakukan untuk melakukan
pengamatan secara langsung untuk mendapatkan data-data yang tidak ada diperusahaan secara tertulis. 2. Wawancara Menurut sugiyono (2006:p130) ” Wawancara digunakan sebagai teknik pengumpulan data, apabila peneliti ingin melakukan studi pendahuluan untuk menemukan permasalahan yang harus diteliti dan juga apabila peneliti ingin mngetahui hal – hal dari responden yang lebih mendalam dan jumlah respondennya sedikit/kecil.” Pada metode penelitian lapangan ini, untuk memperoleh data yang akurat tentang Nokia
Care Centre, penulis melakukan wawancara langsung kepada individu yang berkompeten dan memiliki pengetahuan yang luas tentang Nokia Care Centre, yaitu Nokia Care Centre Artha Gading. 3. Kuesioner ” Kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara memberi sperangkat pertanyaan atau pernyataan tertulis kepada responden untuk menjawab.”
(Sugiyono,2006:p135).
”
Multichotomous
question
adalah
suatu
pernyataan dengan pilihan yang telah ditetapkan, responden diminta untuk menjawab alternatif yang paling mirip dan sesuai dengan posisi mereka dalam subjek.” (Churchill dan Lacobucci, 2005, p243) Pengumpulan data melalui sebuah set pertanyaan yang disebarkan kepada konsumen secara langsung untuk mendapatkan penilaian mengenai Functional benefit, Service quality, Motivational Values
dan
untuk Repeat purchasing. 4. Studi Literatur Studi dilakukan dari berbagai buku, jurnal, dokumen-dokumen perusahaan yang bersangkutan dan berhubungan dengan penelitian serta data-data yang penulis dapatkan melalui internet. 3.5 Teknik Pengambilan Sampel
Teknik pengambilan sampel yang akan dilakukan adalah Probability sampling.
Probability sampling adalah teknik pengambilan sampel yang tidak memberi peluang yang sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel. Sebelum pengolahan sampel, Penulis menentukan terlebih dahulu populasi yang ada dalam Nokia Care Artha Gading, dalam periode Oktober 2010 yaitu sebesar 1068. Kemudian perhitungan untuk mencari n dapat menggunakan rumus dari Taro Yamane sebagai berikut: n =
N____ N.d² + 1
Dimana: n = jumlah sampel N = jumlah populasi d² = presisi (ditetapkan 10% dengan tingkat kepercayaan 95%. Dengan data di atas, maka penghitungan sample yang digunakan untuk penelitian ini adalah sebagai baerikut: n =
1068____
= 91,43 responden
1068.(0.1)² + 1 3.6 Teknik Pengelolaan Sampel Populasi yang akan diteliti adalah konsumen pengguna Nokia yang datang ke layanan Nokia Care Centre Artha Gading. Ukuran sampel yang akan diteliti adalah sebanyak 91 responden, tetapi menurut Surwanto (2007) sebaiknya sampel yang digunakan minimal 100 untuk mendapat hasil yang akurat. Jadi untuk penelitian ini sampel yang sebelumnya adalah 91 responden akan dibulatkan menjadi 100 responden. 3.7 Metode Analisis Metode analisis data yang digunakan untuk melakukan penelitian ini adalah deskriptif analisis dimana data yang diperoleh akan diolah dengan menggunakan SPSS versi 17.0. Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya
tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Analisis ini akan digunakan dalam menguji besarnya kontribusi yang ditunjukkan oleh koefesien jalur pada setiap diagram jalur dari hubungan kausal antar variabel X1 dan X2 terhadap Y dan dampaknya terhadap z. Untuk mengetahui derajat variabel Functional Benefit (X1) dan
Service Quality (X2) terhadap Motivation Values (Y) dan dampaknya terhadap Repeat Purchasing (Z) dilakukan penyebaran kuesioner yang bersifat tertutup dan analisis digunakan teknik korelasi yang merupakan dasar dari perhitungan koefesien jalur. Teknik analisis yang dipakai adalah regresi berganda dengan path analysis. •
Langkah-langkah analisis secara garis besar sebagai berikut : Dalam penelitian ini ada banyak metode analisis yang digunakan. Analisis diawali pada instrumen penelitian, yaitu kuesioner dengan melakukan uji validitas dan realibilitas. Kemudian dari hasil kuesioner tersebut didapatkan data yang akan dianalisis lebih lanjut untuk menjawab tujuan-tujuan penelitian, yaitu dengan analisis korelasi pearson, koefesien korelasi, regresi berganda dengan path analysis. Dalam pelaksanaannya, pengolahan data dilakukan dengan bantuan computer dengan program SPSS (Statistical Product and Service Solution) versi 17.0.
3.7.1 Skala Likert Skala Likert merupakan skala yang jaraknya sama, tetapi tidak mempunyai nilai a (absolut). Menurut Sugiyono (2003, p86), Skala Likert digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang fenomena sosial. Dalam penelitian, fenomena sosial ini telah ditetapkan secara spesifik oleh peneliti yang selanjutnya disebut variabel penelitian. Dengan Skala Likert, maka variabel akan diukur dijabarkan menjadi indikator variabel, kemudian indikator tersebut dijadikan sebagai titik tolak untuk menyusun item-item instrumen yang dapat berupa pernyataan dan pertanyaan. Dalam Skala Likert, kemungkinan jawaban tidak hanya sekedar ”setuju” dan ”tidak setuju” saja melainkan dibuat dengan lebih banyak kemungkinan jawaban (Rangkuti, 2005, p66). Jawaban dari
setiap item instrument yang menggunakan Skala Likert mempunyai gradasi dari sangat negatif sampai sangat positif yang dapat berupa kata-kata antara lain: 1. Sangat Tidak Setuju (STS) 2. Tidak Setuju (TS) 3. Ragu-ragu (R) 4. Setuju (S) 5. Sangat Setuju (SS) 3.7.2 Pembobotan Nilai Jawaban atas pertanyaan yang di kuisioner sebelum diolah diberikan pembobotan terlebih dahulu. Skala jawaban dalam kuisioner dengan menggunakan Skala Likert (J. Supranto,2003) terdapat pada tabel 3.2 di bawah ini: Tabel 3.2 Skala Likert Skor
Penilaian
5
Sangat Setuju
4
Setuju
3
Ragu-Ragu
2
Tidak Setuju
1
Sangat Tidak Setuju
Sumber : J.Supranto
Berdasarkan kategori-kategori tersebut dapat diketahui bobot nilai tertinggi adalah 5 dan bobot nilai terendah adalah 1. Untuk mengetahui range maka selisih antara bobot nilai tertinggi dan bobot nilai terendah adalah 5 – 1 = 4, dan untuk mengetahui jumlah interval kelas dan besar interval kelas dapat digunakan dengan rumus sebagai berikut: i =
R k
=
4 5
= 0,8
Keterangan: R
= Range (rentang kelas)
k
= Jumlah Interval Kelas
i
= Besar Interval Kelas
Berdasarkan ketentuan di atas maka penulis mengelompokkan tanggapan responden berdasarkan batas-batas penelitian terhadap bagian- bagian yang dievaluasi sehingga dapat dikelompokkan sebagai berikut: Tabel 3.6 Tabel Batas Penelitian Batasan
Keterangan
1 – 1,8
Sangat Tidak Setuju
1,81 – 2,6
Tidak Setuju
2,61 – 3,4
Cukup Setuju
3,41 – 4,2
Setuju
4,3 – 5
Sangat Setuju
Sumber: Andi Supangat 2007, p19 3.7.3 Uji Validitas dan Reliabilitas Menurut Sugiyono (2004, p63), instrument yang valid berarti instrument tersebut dapat mengukur apa yang seharusnya diukur. Instrument yang valid berarti alat ukur yang digunakan untuk mendapatkan data (mengukur) itu valid. Menurut Sugiyono (2004, p110), instrument yang reliabel adalah instrumen yang digunakan beberapa kali mengukur objek yang sama, akan menghasilkan data yang sama. Pada penelitian ini, uji reliabilitas alat ukur yang digunakan adalah dengan menggunakan
Cronbach Alpha. Untuk memperoleh hasil uji digunakan perhitungan SPSS versi 17.0. statistik
ini berguna untuk mengetahui apakah perngukuran yang kita buat reliabel jika nilai Cronbach
Alpha mendekati 1, ini menunjukkan bahwa pengukuran yang kita gunakan adalah reliabel atau jawaban responden akan cenderung sama walaupun diberikan kepada orang lain dan bentuk pertanyaan yang berbeda Sementara itu, jenis validitas pengukuran dalam penelitian ini terkait dengan validitas konstruksi (Construct Validity). Validitas konstruksi ini lebih terarah pada pertanyaan mengenai apa yang sebenarnya diukur oleh alat pengukur yang ada. Menurut Masrun (1979) sebagaimana dikutip oleh Sugiyono (2004, p124), syarat suatu pertanyaan dianggap valid adalah bila korelasi antara butir dengan skor total lebih dari 0,3. Jadi bila korelasi antara butir dengan skor total kurang dari 0,3 maka butir dalam instrumen tersebut tidak valid.
r=
{nXi
Dimana:
n ∑ XiYi − (∑ Xi )(∑ Yi ) 2
}{
− (∑ Xi ) n ∑ Yi 2 − (∑ Yi ) 2
r
= Koefisien Korelasi
Xi
= Variabel bebas X yang ke-i
Yi
= Variabel terikat yang ke-i
n
= Banyaknya pasangan data
2
}
Dasar pengambilan keputusan : •
Jika r hitung positif serta r hitung > r tabel, maka butir atau variabel
tersebut valid. •
Jika r hitung positif serta r hitung < r tabel, maka butir atau variabel
tersebut tidak valid.
•
Jika r hitung > r tabel, tapi bertanda negatif, maka butir atau
variabel tersebut tidak valid. Menurut Umar (2005, p194) “Reliabilitas adalah suatu angka indeks yang menunjukkan suatu konsistensi suatu alat pengukur dalam mengukur suatu gejala yang sama”. Setiap alat pengukur seharusnya memiliki kemampuan untuk memberikan hasil pengukuran yang konsisten. Menurut Simamora (2004, p63-69) “Reliabilitas adalah tingkat keandalan kuesioner”. Kuesioner yang reliable adalah kuesioner yang apabila dicobakan secara berulang-ulang kepada kelompok yang sama akan menghasilkan data yang sama. Asumsinya, tidak terdapat perubahan psikologis pada responden. Menurut Sugiyono (2004, p110), instrument yang reliabel adalah instrumen yang digunakan beberapa kali mengukur objek yang sama, akan menghasilkan data yang sama. Keandalan (realibilitas) suatu pengukuran menunjukkan sejauh mana pengukuran tersebut tanpa bias (bebas kesalahan) dan karena itu menjamin pengukuran yang konsisten lintas waktu dan lintas beragam item dalam instrumen. Dengan kata lain, keandalan suatu pengukuran merupakan indikasi mengenai stabilitas dan konsistensi di mana instrumen mengukur konsep dan membantu menilai ketepatan sebuah pengukuran (Sekaran 2006, p40). Pada program SPSS metode yang digunakan dalam pengujian reliabilitas ini adalah dengan menggunakan metode alpha cronbach yang dimana satu kuesioner dianggap realible apabila cronbach alpha > 0,6 (2006, p40). Teknik Cronbach Alpha dilakukan dengan menghitung varians tiap butir pertanyaan dan varians total dari pertanyaan-pertanyaan. Rumus Cronbach Alpha dapat digunakan untuk mencari reliabilitas instrumen yang skornya merupakan rentangan antara beberapa nilai atau berbentuk skala. Selanjutnya varians butir dan varians total tersebut dimasukkan ke dalam rumus Cronbach Alpha :
2 ⎡ k ⎤⎡ ∑ σ b ⎤ r=⎢ ⎥ ⎥ ⎢1 − − k ( 1 ) σ t 2 ⎥⎦ ⎣ ⎦ ⎢⎣
Keterangan: r
= koefisien reabilitas instrumen (cronbrach alpha)
k
= banyaknya butir pertanyaan atau banyaknya soal
∑σ
2 b
σt2
= total varians butir = total varians
Dasar pengambilan keputusan : •
Jika r alpha positif dan r alpha > r tabel, maka butir atau variabel
tersebut reliable. •
Jika r alpha positif dan r alpha < r tabel, maka butir atau variabel
tersebut tidak reliable. •
Jika r alpha > r tabel tapi bertanda negatif, maka butir atau variabel
tersebut tidak reliable. 3.7.4 Uji Normalitas Uji normalitas digunakan untuk mengetahui apakah data yang diolah berdistribusi normal dalam artian bahwa sampel yang diambil berasal dari populasi yang sama. Sebaran data harus dianalisis untuk mengetahui apakah asumsi normalitas dipenuhi, sehingga data dapat diolah lebih lanjut pada path diagram. Menurut Rochaety (2007, p99-100) Uji Normalitas berdasarkan dari histogram yang berdistribusi normal ditunjukan dengan bentuk menyerupai lonceng atau diagram dahan daun. Uji normalitas diolah dengan melihat Q-Q plot juga disebut plot kenormalan. Tujuan dilakukannya uji normalitas adalah untuk mengetahui apakah suatu variable
mempunyai distribusi data yang normal atau tidak. Normal tidak berdasar patokan distribusi normal dari data dengan mean dan standar deviasi yang sama. Jadi uji normalitas pada dasarnya melakukan perbandingan antara data yang kita miliki dengan data bedistribusi normal yang memiliki mean dan standar deviasi yang sama dengan data kita (Patria, 2000). Data yang normal adalah salah satu syarat dilakukannya parametrik test. Normalitas suatu variabel umumnya dideteksi dengan grafik atau uji statistik Ada plot dan statistik khusus yang lebih mudah untuk memeriksa kenormalan, yaitu dengan menggunkan Q-Q plot. Oleh karenanya, jika data beristribusi normal, titik-titik plotnya harus berada pada suatu garis lurus sedangkan jika titik-titik tersebut membentuk huruf S, maka menunjukan bahwa data kita menjulur (skew) (Rochaety, 2007 p.99-100). Menurut Imam Ghazali (2007, p.112), pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dan grafik normal. Dasar pengambilan keputusan : •
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal menunjukan pola berdistribusi normal.
•
Jika data menyebar jauh disekitar garis diagonal dan tidak mengikuti arah garis diagonal menunjukan pola tidak berdistribusi normal. Menurut Imam Ghazali (2007, p.30), untuk mendeteksi normalitas data
dapat juga dilakukan dengan uji Klomogorov-Smirnov menalui menu analyze kemudian non parametric test dan pilih sub menu 1-sampel K-S, dengan hipotesis pengujian yaitu:
Ho = Data terdistribusi normal Ha = Data tidak terdistribusi normal Dasar pengambilan keputusan: •
Nilai signifikansi (sig) atau nilai probabilitas < 0,05, data tidak berdistribusi secara normal.
•
Nilai signifikansi (sig) atau nilai probabilitas > 0,05, data berdistribusi
secara normal. •
Uji Koefisien Korelasi Pearson Berdasarkan Riduwan dan Engkos Achmad Kuncoro (2008, p61) untuk mengetahui hubungan antara variabel X1 dengan Y, X2 dengan Y, X1 dan X2 dengan Y, digunakan teknik korelasi. Analisis korelasi yang digunakan adalah Pearson Product Moment (PPM), dengan rumus :
r=
n (ΣXY ) − (ΣX ).(ΣY )
{n.ΣX
2
}{
− (ΣX ) . n.ΣY 2 − (ΣY ) 2 2
}
Korelasi PPM dilambangkan (r) dengan ketentuan nilai r tidak lebih dari harga
(-1 ≤ r ≤ +1). Apabila nilai r = -1 artinya korelasinya negatif
sempurna; r = 0 artinya tidak ada korelasi; dan r = 1 berarti korelasinya sangat kuat. Sedangkan arti harga r akan dikonsultasikan dengan Tabel interpretasi Nilai r sebagai berikut. Tabel 3.3 Interpretasi Koefisien Korelasi Nilai r Interval Koefisien
Tingkat Hubungan
0,80 – 1,000
Sangat Kuat
0,60 – 0,799
Kuat
0,40 – 0,599
Cukup Kuat
0,20 – 0,399
lemah
0,00 – 0,199
Sangat lemah
Sumber : Ridwan dan Kuncoro (2008, p62)
Besar kecilnya sumbangan variabel X terhadap Y dapat ditentukan dengan rumus koefisien diterminan sebagai berikut. KP = r2 x 100% Dimana :
KP = Nilai Koefisien Diterminan r = Nilai Koefisien Korelasi
Pengujian signifikasi yang berfungsi apabila peneliti ingin mencari makna generalisasi dari hubungan variabel X terhadap Y, maka hasil korelasi PPM tersebut diuji dengan Uji Signifikasi sebagai berikut. Hipotesis :
Ha = Variabel X berhubungan secara signifikan dengan variabel Y Ho = Variabel X tidak berhubungan secara signifikan dengan variabel Y Dasar Pengambilan Keputusan : •
Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai
probabilitas Sig atau [0,05 ≤ Sig], maka Ho diterima dan Ha ditolak, artinya tidak signifikan. •
Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai
probabilitas Sig atau [0,05 ≥ Sig], maka Ho ditolak dan Ha diterima, artinya signifikan. Analisis Korelasi Ganda berfungsi untuk mencari besarnya hubungan antara dua variabel bebas (X) atau lebih secara simultan (bersama-sama) dengan variabel terikat (Y). Rumus Korelasi Ganda adalah sebagai berikut. RX1.X2.Y
=√
r2X1.Y + r2X2.Y – 2(rX1.Y).(rX1.X2) 1 – r2X1.X2
Selanjutnya, untuk mengetahui signifikansi Korelasi Ganda bandingkan antara nilai probabilitas 0,05 dengan nilai probabilitas Sig sebagai berikut.
Hipotesis : Ha : Variabel X1 dan X2 berhubungan secara simultan dan signifikan terhadap variabel Y. Ho : Variabel X1 dan X2 tidak berhubungan secara simultan dan signifikan terhadap variabel Y. Dasar Pengambilan Keputusan : Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau [0,05 ≤ Sig], maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau [0,05 ≥ Sig], maka Ho ditolak dan Ha diterima, artinya signifikan. 3.7.4 Analisis Jalur Metode analisis yang akan digunakan adalah dengan Analisis Jalur (Path Analysis). Metode analisis jalur ini digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas terhadap variabel terikat. Manfaat lain dari metode analisis jalur adalah untuk : 1. Penjelasan terhadap permasalahan yang diteliti. 2. Prediksi nilai variabel terikat berdasarkan nilai variabel bebas dan prediksi dengan analisis jalur ini bersifat kualitatif. 3. Faktor diterminan yaitu penentuan variabel bebas mana yang berpengaruh dominant terhadap variabel terikat, juga dapat digunakan untuk menelusuri mekanisme (jalur-jalur) pengaruh variabel bebas terhadap variabel terikat. Pengujian metode, menggunakan theory trimming, baik untuk uji realibilitas (uji keajegan) konsep yang sudah ada ataupun uji perkembangan konsep baru. Model analisis jalur yang digunakan dalam penelitian ini adalah model triming. Model
triming ini digunakan untuk memperbaiki untuk memperbaiki suatu model struktur analisis dengan cara mengeluarkan dari model variabel independen yang koefisien jalurnya tidak signifikan (Riduwan dan Kuncoro, 2008, p127). Terdapat beberapa asumsi di dalam path analysis, diantaranya yaitu: •
Hubungan antar variabel adalah bersifat linier, adaptif, dan normal.
•
Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas yang berbalik
•
Variabel terikat (endogen) minimal dalam skala ukur interval dan ratio
•
Menggunakan probability sampling
•
Observed variables diukur tanpa kesalahan (instrumen pengukuran valid dan reliable) artinya variabel yang diteliti dapat diobservasi secara langsung. ◦ Model yang dianalisis dispesifikasikan (diidentifikasi) dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori yang dikaji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan kausalitas antara variabel yang diteliti.
Analisis ini akan digunakan dalam menguji besarnya kontribusi yang ditunjukkan oleh koefesien jalur pada setiap diagram jalur dari hubungan kausal antar variabel X1 dan X2 terhadap Y dan dampaknya terhadap Z. Untuk mengetahui derajat variabel analisa functional
benefit (X1) dan service quality (X2) terhadap motivational values(Y) serta dampaknya terhadap repeat purchasing (Z) dilakukan penyebaran kuesioner dan analisis digunakan teknik
korelasi
yang
merupakan
dasar
dari
perhitungan
koefesien
jalur.
Dengan
menggunakan komputer sebagai proses pengolahan data dan program SPSS windows 17.0. Kategori seberapa besar pengaruh variabel independen terhadap variabel dependen dalam Path Analysis dilihat dari nilai koefisien beta akan diuraikan pada Tabel 3.5 berikut ini: Tabel 3.6 Kategori Pengaruh Variabel dalam Path Analysis
Nilai Koefisien Beta
Kategori Pengaruh
0,05 – 0,09
Lemah
0,10 – 0,29
Sedang
>0,30
Kuat
Sumber: Riduwan dan Kuncoro, 2008 Analisis faktor dapat dilakukan dalam kondisi antara faktor yang satu dan faktor lain terdapat kesamaan, kesinambungan, ataupun tumpang tindih. Kondisi bagaimana yang ditemukan? Dapat diketahui dengan mengkorelasikan sebuah faktor dengan faktor lainnya. Apabila korelasinya rendah, dapat dikatakan bahwa butir-butir yang terdapat pada masing-masing faktor yang dikorelasikan, mengukur variabel yang berbeda. Demikian sebaliknya.
Langkah – langkah pengujian analisis jalur Berdasarkan pendapat Riduwan & Kuncoro (2008, p116-118), ada beberapa langkah pengujian path analysis yaitu sebagai berikut: •
Merumuskan hipotesis dalam persamaan struktural Struktur: Y = ρzxX + ρzyY + ρzε1
•
Menghitung koefisien jalur yang didasarkan pada koefisien regresi a)
Gambarkan diagram jalur lengkap, tentukan sub-sub
strukturnya dan rumuskan persamaan strukturalnya yang sesuai hipotesis yang diajukan. Hipotesis: naik turunnya variabel endogen (Y) dipengaruhi secara signifikan oleh variabel eksogen (X1 dan X2). b)
Menghitung koefisien regresi untuk struktur yang
telah dirumuskan.
c)
Menghitung koefisien jalur secara keseluruhan
•
Kaidah
pengujian
signifikansi
secara
manual:
menggunakan tabel F •
Kaidah pengujian signifikansi: program SPSS Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas sig atau [0,05 ≤ sig], maka Ho diterima dan Ha ditolak, artinya tidak signifikan. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas sig atau [0,05 ≥ sig], maka Ho ditolak dan Ha diterima, artinya signifikan.
d)
Menghitung koefisien jalur secara individu Secara individual uji statistik yang digunakan uji t
yang dihitung dengan rumus (Schumaker dan Lomax, 1996:44. Kusnendi, 2005:12). Statistik diperoleh dari hasil komputasi SPSS 17.0 untuk analisis regresi setelah data ordinal ditranformasikan ke interval. Selanjutnya untuk mengetahui signifikansi analisis jalur bandingan antara nilai probabilitas 0,05 dengan nilai probabilitas sig dengan dasar pengambilan keputusan sebagai berikut: • Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas sig atau [0,05 ≤ sig], maka Ho diterima dan
Ha ditolak, artinya tidak signifikan. • Jika nilai probabilitas 0,05 lebih besar atau sama dengan
nilai probabilitas sig atau [0,05 ≥ sig], maka Ho ditolak dan
Ha diterima, artinya signifikan. e)
Meringkas dan menyimpulkan
Gambar 3.1 Struktur Pengaruh X1, X2, Y dan Z
ε1 ε2
X1 ρyx
ρzx1
r12
ρzy ρyx2
Y
Z ρzx2
X2
Persamaan hubungan diatas adalah : Y = ρyX1 X1 + ρyX2 X2 + ρy ε1 Z = ρZX1 X1 + ρZX2 X2 + ρZY Y + ρZε2 3.7
Rancangan Uji Hipotesis 3.7.1
Uji Hipotesis
Berdasarkan tujuan-tujuan penelitian, maka rancangan uji hipotesis yang dapat dibuat merupakan rancangan uji hipotesis dalam penelitian ini disajikan
berdasarkan
tujuan
penelitian.
Tingkat
kepercayaan
yang
digunakan adalah 95%, sehingga tingkat presisi atau batas ketidakakuratan sebesar (α) = 5% = 0,05. Dasar Pengambilan Keputusan: •
Jika nilai probabilitas 0,05 lebih atau sama dengan nilai probabilitas sig atau [0,05 ≤ sig], maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
•
Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas sig atau [0,05 ≥ sig], maka Ho ditolak dan Ha diterima, artinya signifikan. Ket:
X1 = Variabel Functional Benefit X2 = Variabel Service Quality Y = Variabel Motivational Values Z = Variabel Repeat Purchasing
Gambar 3.2 Sub-struktur 1
ε1 ρyx1
X1 r12
ρyx2
X2
Y
Hipotesis yang diuji dalam penelitian ini adalah: •
Untuk T – 1 o
Hipotesis pengujian secara simultan antara X1 dan X2 terhadap
Y. Ho = Tidak terdapat kontribusi secara simultan dan signifikan antara Funtcional Benefit dan Service Quality. Ha = Terdapat kontribusi secara simultan dan signifikan antara Functional Benefit dan Service Quality.
o
Pengujian secara individual
o
Hipotesis pengujian secara simultan antara X1 dan Y
Ho = Tidak terdapat kontribusi secara simultan dan signifikan antara Functional Benefit terhadap Motivational Values. Ha = Terdapat kontribusi secara simultan dan signifikan antara Functional Benefit terhadap Motivational Values. o
Hipotesis pengujian secara simultan antara X2 dan Y
Ho = Tidak terdapat kontribusi secara simultan dan signifikan antara Service Quality terhadap Motivation Values. Ha = Terdapat kontribusi secara simultan dan signifikan antara Service Quality terhadap Motivational Values. •
Untuk T – 2 ◦
Hipotesis pengujian secara simultan antara X1 dan X2 terhadap Y.
◦
Ho = Tidak terdapat kontribusi secara simultan dan signifikan antara Functional Benefit dan Service Quality terhadap Motivational Values.
◦
Ha = Terdapat kontribusi secara simultan dan signifikan antara Functional Benefit dan Service Quality terhadap Motivational Values. ▪
Pengujian secara individual
◦
Hipotesis pengujian secara simultan antara X1 dan X2 terhadap Y.
◦
Ho = Tidak terdapat kontribusi secara simultan dan signifikan antara Functional Benefit dan Service Quality terhadap Motivational Values.
◦
Ha = Terdapat kontribusi secara simultan dan signifikan antara Functional Benefit dan Service Quality terhadap Motivational Values.
•
Untuk T – 3 ◦
Hipotesis pengujian secara simultan antara X1 dan X2 terhadap Y dan dampaknya terhadap Z
◦
Ho = Tidak terdapat kontribusi secara simultan dan signifikan antara Functional Benefit dan Service Quality terhadap Motivational Values dan dampaknya terhadap Repeat Purchasing.
◦
Ha = Terdapat terdapat kontribusi secara simultan dan signifikan antara Functional Benefit dan Service Quality terhadap Motivational Values dan dampaknya terhadap Repeat Purchasing..
◦
Pengujian secara individual
◦
Hipotesis pengujian secara individual antara X1 dan Z
◦
Ho : Tidak ada pengaruh atau kontribusi secara simultan dan signifikan antara Functional Benefit dan Repeat Purchasing.
◦
Ha : Ada pengaruh atau kontribusi secara simultan dan signifikan antara Functional Benefit dan Repeat Purchasing.
•
Hipotesis pengujian secara individual antara X1 dan Z
•
Ho : Tidak ada pengaruh atau kontribusi antara variabel terdapat kontribusi secara
simultan dan signifikan Service Quality dan Repeat Purchasing. •
Ha: Ada pengaruh atau kontribusi antara variabel terdapat kontribusi secara simultan dan signifikan antara Service Quality dan Repeat Purchasing.
•
Hipotesis pengujian secara individual antara Y dan Z
•
Ho : Tidak ada pengaruh atau kontribusi antara variabel terdapat kontribusi secara simultan dan signifikan antara Motivational Values dan Repeat Purchasing.
•
Ha : Ada pengaruh atau kontribusi antara variabel .terdapat kontribusi secara simultan dan signifikan antara Motivational Values dan Repeat Purchasing. Gambar 3.3 Sub-struktur 2
ε2
X1
ρzx1
r12
ρzy
Y
Z ρzx2
X2
3.7.5 Regresi Linear Berganda Regresi Linear Berganda (Multiple Linear Regression) (J. Supranto, 2006) merupakan metode statistik yang digunakan untuk menganalisa hubungan antara satu variabel terikat (dependent) dengan beberapa variabel bebas (independent).
Variabel
bebas
adalah
variabel-variabel yang tidak dipengaruhi variabel-variabel lainnya, sedangkan variabel terikat adalah variabel yang dipengaruhi oleh variabel bebas. Analisa regresi dilakukan untuk mengetahui bagaimana variabel terikat dapat
diprediksikan melalui variabel-variabel bebas secara individual, sehingga dapat diputuskan apakah naik turunnya variabel terikat dapat dilakukan melalui menaikkan atau menurunkan variabel-variabel bebas. Digunakan regresi linear berganda ini ditujukan untuk: 1. Memprediksikan (Prediction) 2. Menjelaskan (Explanation) 3. Mengspesifikasikan hubungan statistik 4. Menentukan variabel-variabel bebas dan terikat.
Setelah menganalisis ketiga variabel, maka jawaban responden untuk variabel-variabel dalam kelompok faktor dijumlahkan dan dihitung nilai rata-ratanya. Selanjutnya nilai rata-rata tersebut akan dijadikan data-data untuk variabel-variabel bebas dan variabel terikat, untuk pengolahan regresi linear. 3.8 Rancangan Uji Hipotesis 3.8.1 Uji Hipotesis •
Ho diterima jika tidak terdapat pengaruh yang signifikan antara variabel independen dan dependen (p value>0.05).
•
Ha diterima jika terdapat pengaruh yang signifikan antara variabel (p value < 0.05). Hipotesis yang diuji dalam penelitian ini adalah:
•
Untuk T-1 :
•
Ho = Tidak terdapat kontribusi secara signifikan antara Functional Benefit dan
Service Quality terhadap Motivational Values secara simultan dan parsial. •
Ha = Terdapat kontribusi secara signifikan antara Functional Benefit dan Service
Quality terhadap Motivational Values secara simultan dan parsial. •
Untuk T-2 :
•
Ho = Tidak terdapat kontribusi secara signifikan antara Functional Benefit dan
Service Quality terhadap Repeat Purchasing secara simultan dan parsial.
•
Ha = Terdapat kontribusi secara signifikan antara Functional Benefit dan Service
Quality terhadap Repeat Purchasing secara simultan dan parsial. •
Untuk T-3
•
Ho = Tidak terdapat kontribusi secara signifikan antara Funtional Benefit dan
Service Quality terhadap Motivational Values dan dampaknya terhadap Repeat Purchasing secara simultan dan parsial.
•
Ha = Terdapat kontribusi secara signifikan antara Functional Benefit dan Service
Quality terhadap kinerja Motivational Values dan dampaknya terhadap Repeat Purchasing secara simultan dan parsial. 3.8.2 Dasar Pengambilan Keputusan Berdasarkan hasil dari analisis data yang akan dilakukan, akan dapat disimpulkan bahwa hasil perhitungan probabilitas 0.05 lebih kecil atau sama dengan nilai probabilitas Sig atau (0.05≤Sig), maka Ho diterima dan Ha ditolak. Namun jika nilai probabilitas 0.05 lebih besar atau sama dengan nilai probabilitas Sig atau (0.05≥Sig), maka Ho ditolak dan Ha diterima ( Dwi Priyatno 2008 ). 3.9 Rancangan Implikasi Hasil Penelitian Hasil penelitian tentang pengaruh Functional Benefit dan Service Quality
terhadap
Motivational Values dan dampaknya Repeat Purchasing diharapkan dapat digunakan oleh PT.Nokia Indonesia sebagai tolak ukur efektivitas Service Quality guna tercapainya Repeat
Purchasing. Sehingga perusahaan dapat menindak lanjuti dengan menetapkan strategi Service Quality yang berpengaruh lebih besar terhadap tingkat Repeat Purchasing.
