46
BAB 3 Metode Penelitian
3.1 Desain Penelitian Tabel 3.1 Desain Penelitian Unit Analisis
Time Horizon
Tujuan
Jenis dan Metode Penelitian
T-1
Asosiatif –Survey
Individu Pengguna Online
Cross-Sectional
T-2
Asosiatif -Survey
Individu Pengguna Online
Cross-Sectional
Ticketing Ticketing
Sumber : Penulis, 2009 Keterangan: •
T-1: Untuk menganalisa pengaruh kualitas jasa online ticketing, kepercayaan pelanggan terhadap kepuasan pelanggan Garuda Indonesia.
•
T-2: Untuk menganalisa pengaruh kualitas jasa online ticketing, kepercayaan pelanggan dan kepuasan pelanggan terhadap loyalitas pelanggan Garuda Indonesia.
Pada Penelitian ini, penelitian berjenis asosiatif. Dengan menggunakan penelitian asosiatif dapat diketahui hubungan antar variabel dan bagaimana tingkat ketergantungan antara variabel independen terhadap variabel dependen. Peneliti menggunakan metode survey karena penelitian dilakukan pada populasi besar, tetapi data yang dipelajari adalah
47
data dari sampel yang diambil dari populasi tersebut. Menurut Rochaety (2007, p15-16) penelitian survey dilakukan untuk membuat generalisasi dari sebuah pengamatan dan hasilnya akan lebih akurat jika menggunakan sample representatif.
Unit analisis merujuk pada tingkat pada tingkat kesatuan data yang dikumpulkan selama tahap analisis data selanjutnya (Sekaran, 2006, p173). Dalam hal ini unit analisis adalah individu untuk semua tujuan penelitian. Data yang dikumpulkan dari setiap pengguna jasa online ticketing dan memperlakukan respon tiap pengguna jasa online ticketing sebagai sumber data individual. Time Horizon pada penelitian ini adalah data cross sectional yaitu suatu penelitian yang dilakukan dimana data hanya diambil satu kali, pada suatu periode tertentu untuk menjawab pertanyaan penelitian atau hipotesis penelitian (Rochaety, 2007, p74).
3.2 Operasionalisasi Variabel Penelitian Variabel penelitian adalah suatu atribut atau sifat atau nilai dari orang, obyek, atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya (Sugiyono, 2007, p32). Variabel penelitian yang digunakan dalam penelitian ini adalah dimensi kualitas jasa dalam e-commerce ,dimensi kepercayaan (trust) dalam perspektif e-commerce, dan kepuasan pengguna online ticketing, loyalitas pelanggan Garuda Indonesia.
48
Tabel 3.2 Operasional Variabel Penelitian Variabel
Konsep Variabel
Sub Variabel
Indikator
Skala
Utama Kualitas Jasa
Jasa elektronik
Dalam Operasi
yang dihubungkan
Virtual
melalui internet dan
(X1)
dapat membantu
Yang, et al.
dalam penyelesaian
(2001) dan
masalah, tugas,
Zeithaml, et al.
atau melakukan
(2000, 2002)
transaksi
1. Efficiency
- Kemudahan
Likert
penggunaan situs - Kemudahan mengakses situs
2. Reliability
-Intensitas
Likert
pemberian informasi rute dan jadwal penerbangan terbaru -Ketepatan informasi jadwal penerbangan
3. Fulfillment
- Akurasi janji
Likert
layanan
4. Privacy
Likert - Adanya username dan password - Kerahasiaan informasi yang
49
diberikan pengguna online
ticketing
5. Responsiveness
- Kecepatan
Likert
dalam menanggapi masalah pada situs
- penyelesaian masalah pada situs sesuai harapan
6. Content - Kelengkapan informasi produk
Likert
dan jasa yang diberikan -kelengkapan info rute dan jadwal - Ketersediaan informasi mengenai produk dan jasa lainnya
7. Aesthetics
- Tampilan situs yang menarik
Likert
50
1. Ability
Kepercayaan
Kemauan
Pelanggan
seseorang untuk
bidang online
peka terhadap
ticketing
(X2)
tindakan orang lain
Sumber : Kim, et
berdasarkan pada
al. (2003)
harapan bahwa
- Kompeten di
Likert
- Pengakuan oleh pengguna online
ticketing
orang lain akan melakukan tindakan tertentu pada orang yang
2. Integrity
- Kerjasama
mempercayainya,
dengan
tanpa tergantung
perusahaan lain
pada
yang
kemampuannya
berhubungan
untuk mengawasi
dengan jasa
dan
travel
mengendalikannya
Likert
- Keterbukaan manajemen online
ticketing terhadap permasalahan
3. Benevolence
Likert - Perhatian terhadap pengguna online
ticketing Kepuasan
Tanggapan
Pelanggan (Y)
emosional yang
sumber:
muncul atas
Tjiptono (2000)
evaluasi terhadap barang dan jasa yang telah dikonsumsi dengan
1. Kualitas jasa
- Kualitas
Likert
pelayanan - Kesesuaian 2. Harapan pelanggan
dengan yang diharapkan pelanggan
Likert
51
membandingkan
3. kemudahan
- Memudahkan
kinerja atau hasil
aktivitas
yang dirasakan
pelanggan
Likert
dibandingkan dengan yang diharapkan
4. Garansi
Kepastian
Likert
keberangkatan 5. Harga
- Harga sesuai dengan yang
Likert
diharapkan
6. Promosi loyalitas
- Pemberian
Likert
reward
7. Penanganan keluhan
- Respon
Likert
terhadap keluhan
8. Minat pembelian ulang
- Pembelian yang
9. Kepuasan keseluruhan
-kepuasan
Likert
akan datang
pelayanan
Likert
keseluruhan
Loyalitas Pelangan (Z) sumber: Griffin (2003)
Loyalitas mengacu kepada wujud perilaku dari unitunit pengambilan
1. Pembelian berulang
- Penggunaan produk kembali
Likert
52
keputusan untuk melakukan
2. Membeli antar lini
- Penggunaan
Likert
produk-produk
pembelian secara
lainnya yang
terus menerus
ditawarkan
terhadap barang atau jasa perusahaan yang
3. Mereferensikan kepada orang lain
dipilih.
Likert
- memberi rekomendasi dan menceritakan hal yang baik kepada orang lain
4. Kekebalan pada tarikan pesaing
- Menghiraukan produk-produk pesaing
Sumber : Penulis, 2009
3.3 Jenis dan Sumber Data Penelitian Tabel 3.3 Jenis Dan Sumber Data Penelitian Tujuan T-1
Data Analisa pengaruh kualitas jasa online
ticketing, kepercayaan pelanggan terhadap kepuasan pelanggan
Sumber Data
Jenis Data
Primer, kuesioner
Kualitatif
Likert
53
T-2
Analisa pengaruh
Primer, kuesioner
Kualitatif
kualitas jasa online
ticketing, kepercayaan pelanggan dan kepuasan pelanggan terhadap loyalitas pelanggan Sumber : Penulis, 2009 Keterangan: •
T-1: untuk menganalisa pengaruh kualitas jasa online ticketing, kepercayaan pelanggan terhadap kepuasan pelanggan Garuda Indonesia.
•
T-2: untuk menganalisa pengaruh kualitas jasa online ticketing, kepercayaan pelanggan dan kepuasan pelanggan terhadap loyalitas pelanggan Garuda Indonesia. Dalam penelitian ini, berdasarkan tujuan yang sudah ditetapkan, jenis data yang
digunakan adalah kualitatif yakni data yang berbentuk kata, kalimat, skema dan gambar bukan data yang berbentuk angka. Peneliti juga menggunakan data primer sebagai sumber data yakni data yang diperoleh langsung dari pengguna online ticketing dengan cara menyebarkan kuesioner.
3.4 Teknik Pengumpulan Data Dalam penelitian ini, peneliti menggunakan beberapa cara untuk mengumpulkan data, yakni:
54
1. Studi pustaka, membantu peneliti dalam mendapatkan data sekunder dengan membaca berbagai macam literatur yang berisi teori-teori dan konsep serta informasi yang dibutuhkan pada penelitian ini. 2. Wawancara, Dilakukan dengan tanya jawab secara langsung dengan pihak yang berkepentingan dalam perusahaan untuk mendapatkan informasi yang diperlukan , sehingga dapat mendukung penelitian. 3. Kuesioner, pengumpulan data melalui sebuah set pertanyaan yang disebarkan kepada pengguna jasa online ticketing untuk mendapatkan penilaian mengenai daftar pertanyaan atau pernyataan yang telah disediakan. Sebelum kuesioner diberikan kepada pelanggan, dilakukan terlebih dahulu preelimenary interview untuk mengetahui apakah pelanggan telah menggunakan online ticketing atau belum. Jika belum, maka pelanggan tersebut tidak dapat dijadikan sebagai unit analisis penelitian ini.
3.5 Teknik Pengambilan Sampel Teknik pengambilan sampel atau teknik sampling adalah suatu cara mengambil sample yang representatif dari populasi. Pengambilan sampel harus dilakukan sedemikian rupa sehingga diperoleh sampel benar-benar dapat mewakili dan dapat menggambarkan keadaan populasi yang sebenarnya. Pada penelitian ini, teknik pengambilan sampel yang digunakan adalah probability
sampling. Menurut Sugiyono (2007,p118) probability sampling adalah teknik pengambilan sampel yang memberikan peluang yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel. Jenis sampel yang digunakan adalah
simple random
sampling yaitu, proses sampling yang memenuhi persyaratan bahwa setiap unit analisis yang ada dalam populasi mempunyai peluang yang sama besar untuk terpilih ke dalam sampel.
55
Jika populasi N, maka setiap unit populasi mempunyai peluang 1/N untuk terpilih ke dalam sampel (Rochaety,2007,p66).
3.6 Teknik Pengolahan Sampel Populasi pengguna online ticketing
Garuda Indonesia dari tahun 2006 diketahui
sebanyak 126.000 orang. Dikarenakan populasi pelaggan Garuda Indonesia pengguna jasa
online ticketing yang cukup besar dan juga dikarenakan keterbatasan waktu dan dana serta tenaga, maka penulis menggunkan sampel yang diambil dari pengguna online ticketing di DKI Jakarta. Untuk mencari n dapat menggunakan rumus dari Taro Yamane atau Slovin 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 berikut: n =
126.000
= 99.92
126.000.(0.1)² + 1 Dengan demikian sampel yang digunakan sebesar 99 responden, dalam penelitian ini sampel dibulatkan menjadi 100 responden. (Riduwan dan Engkos Achmad Kuncoro. 2007,
56
p46). Kuesioner disebarkan di Boarding Gate Bandar Udara Soekarno-Hatta dari tanggal 13 November s.d 27 November 2009.
3.7 Metode Analisis Penelitian ini menggunakan banyak metode analisis. Diawali dengan instrumen penelitian, yaitu uji validitas dan reliabilitas pada kuesioner. Kemudian dari hasil kuesioner tersebut didapatkan data yang akan dianalisis lebih lanjut dengan menggunakan analisis path
analysis. Dalam pelaksanaannya, pengolahan data dilakukan dengan bantuan komputer dengan program SPSS (Statistical Product and Service Solution) versi 16.0. Untuk uji validitas dan reliabilitas sudah dijelaskan pada bab sebelumnya dengan jelas kemudian pada subbab ini akan dijelaskan mengenai penjelasan Path Analysis.
3.7.1 Transformasi Data Mentransformasi data ordinal menjadi data interval gunanya untuk memenuhi sebagian dari syarat analisis parametrik yang mana data setidak-tidaknya berskala interval. Data ordinal dapat di transformasi menjadi interval secara manual ataupun menggunakan
software Minitab. (Riduwan dan Engkos Achmad Kuncoro, 2007, p30), mentransformasi data pada penelitian ini menggunakan metode MSI (Method of Successive Interval). Langkahlangkah transformasi data ordinal ke data interval adalah sebagai berikut: 1. Pertama perhatikan setiap butir jawaban responden dari angket yang disebarkan. 2. Pada setiap butir ditentukan berapa orang yang mendapatkan skor 1,2,3,4 dan 5 yang disebut sebagai frekuensi. 3. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut proporsi.
57
4. tentukan nilai proporsi kumulatif dengan jalan menjumlahkan nilai proporsi secara berurutan perkolom skor 5. gunakan tabel distribusi normal, hitung nilai Z untuk setiap proporsi kumulatif yang diperoleh 6. tentukan nilai tinggi densitas untuk setiap nilai Z yang diperoleh (dengan menggunakan tabel tinggi densitas) 7. Tentukan nilai skala dengan menggunakan rumus: NS =
(Density At Lower Limit) – (Density At Upper Limit)
(Area Below Upper Limit) – (Area Below Lower Limit) 8. Tentukan nilai transformasi dengan rumus: Y = NS + [1 + I NSmin I]
3.7.2 Path Analysis Path analysis yang digunakan pada penelitian ini adalah Path Analysis model
Trimming. Menurut Kusnendi yang dikutip oleh Kuncoro dan Riduwan (2007, p127), model Trimming adalah model yang digunakan untuk memperbaiki suatu model struktur analisis jalur dengan cara mengeluarkan dari model variabel eksogen yang koefisien jalurnya tidak signifikan. Walupun ada satu, dua atau lebih variabel yang tidak signifikan, peneliti perlu memperbaiki model struktur analisis jalur yang telah dihipotesiskan. Langkah-langkah pengujian Path Analysis model Trimming sebagai berikut: 1. merumuskan persamaan structural 2. menghitung koefisien jalur yang didasarkan pada koefisien regresi a. Gambarkan diagram jalur lengkap
58
b. Menghitung koefisien regresi untuk setiap sub struktur yang telah dirumuskan 3. Menghitung koefisien jalur secara simultan (keseluruhan) 4. Menghitung koefisien secara individual 5. Menguji kesesuaian antar model analisis jalur 6. Merangkum ke dalam table 7. Memaknai dan menyimpulkan
Model analisis jalur menggunakan persamaan structural seperti gambar berikut:
ε 1
X1
ρzx1
ρyx1
ρyx2
ρz y
ε2 Z
Y
ρzx2 X2 Keterangan: Y = ρyx1 X1 + ρyx2 X2 + ρyε1 Z = ρzxX1 + ρzx2 X2 + ρzε2
59
3.7.3 Uji Normalitas Distribusi normal merupakan salah satu distribusi yang sering digunakan dalam statistik. Distribusi ini sangat penting, karena banyak sekali uji statistik yang memerlukan data berdistribusi normal. Menguji normalitas data gunanya untuk memenuhi sebagian dari syarat analisis parametrik. Normalitas suatu variabel umumnya dideteksi dengan grafik atau uji statistik.
Ada plot dan statistik khusus yang lebih mudah untuk memeriksa kenormalan, yaitu dengan menggunakan Q-Q plot. Oleh karenanya, jika data berdistribusi 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, p99-100). Menurut Imam Ghazali (2007, p112), pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik normal. Dasar pengambilan keputusan: •
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal menunjukan pola berdistribusi normal.
•
Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal, tidak menunjukan pola distribusi normal.
Munurut Imam Ghazali (2007, p30), untuk mendeteksi normalitas data dapat juga dilakukan dengan uji Kolmogorov-Smirnov melalui menu analyze kemudian non parametric
test dan pilih sub menu 1-sample K-S, dengan hipotesis pengujian yaitu: H0 : Data terdistribusi secara normal H1 : Data tidak terdistribusi secara normal
60
Dasar pengambilan keputusan: Nilai Signifikansi (sig) atau Nilai Probabilitas < 0,05 , data tidak terdistribusi secara normal Nilai Signifikansi (sig) atau Nilai Probabilitas > 0,05 , data terdistribusi secara normal
3.8 Rancangan Uji Hipotesis Dasar pengambilan keputusan dapat ditentukan dengan: 1. Membandingkan nilai probabilitas sig dengan nilai probalibilitas 0,05 •
Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas sig atau (0,05 ≤ sig), maka H0 diterima dan Ha ditolak.
•
Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas sig atau (0,05 ≥ sig), maka H0 ditolak dan Ha diterima.
Tujuan 1 (sub struktur 1)
X1
ρyx1
ε1 Y
X2
ρyx2
61
1. Hipotesis pengujian secara simultan antara X1, X2 dan Y Ho : Variabel kualitas jasa online ticketing dan kepercayaan pelanggan tidak berkontribusi secara simultan dan signifikan terhadap variabel kepuasan pelanggan. Ha : Variabel kualitas jasa online ticketing dan kepercayaan pelanggan berkontribusi secara simultan dan signifikan terhadap variabel kepuasan pelanggan. 2. Hipotesis pengujian secara individual antara X1 dan Y Ho : Variabel kualitas jasa online ticketing tidak berkontribusi secara simultan dan signifikan terhadap variabel kepuasan pelanggan. Ha : Variabel kualitas jasa online ticketing berkontribusi secara simultan dan signifikan terhadap variabel kepuasan pelanggan. 3. Hipotesis pengujian secara individual antara X2 dan Y Ho : Variabel kepercayaan pelanggan tidak berkontribusi secara simultan dan signifikan terhadap variabel kepuasan pelanggan. Ha : Variabel kepercayaan pelanggan berkontribusi secara simultan dan signifikan terhadap variabel kepuasan pelanggan.
62
Tujuan 2 (sub struktur 2)
X1
ρzx1
ε2
ρz y
Z
Y
ρzx2 X2
1. Hipotesis pengujian secara simultan X1, X2, Y dan Z Ho : Variabel kualitas jasa online ticketing, kepercayaan pelanggan dan kepuasan pelanggan tidak berkontribusi secara simultan dan signifikan terhadap variabel loyalitas pelanggan. Ha : Variabel kualitas jasa online ticketing, kepercayaan pelanggan dan kepuasan pelanggan berkontribusi secara simultan dan signifikan terhadap variabel loyalitas pelanggan. 2. Hipotesis pengujian secara individual antara X1 dan Z Ho : Variabel kualitas jasa online ticketing tidak berkontribusi secara simultan dan signifikan terhadap variabel loyalitas pelanggan. Ha : Variabel kualitas jasa online ticketing berkontribusi secara simultan dan signifikan terhadap variabel loyalitas pelanggan.
63
3. Hipotesis pengujian secara individual antara X2 dan Z Ho : Variabel kepercayaan pelanggan tidak berkontribusi secara simultan dan signifikan terhadap variabel loyalitas pelanggan. Ha : Variabel kepercayaan pelanggan berkontribusi secara simultan dan signifikan terhadap variabel loyalitas pelanggan. 4. Hipotesis pengujian secara individual antara Y dan Z Ho : Variabel kepuasan pelanggan tidak berkontribusi secara simultan dan signifikan terhadap variabel loyalitas pelanggan. Ha : Variabel kepuasan pelanggan berkontribusi secara simultan dan signifikan terhadap variabel loyalitas pelanggan
3.9 Rancangan Implikasi Hasil Penelitian Sesuai dengan tujuan penelitian, ingin diketahui bagaimana pengaruh variabel kualitas jasa online ticketing dan variabel kepercayaan pelanggan terhadap kepuasan pelanggan Garuda Indonesia. Selain itu yang ingin juga diketahui adalah bagaimana pengaruh variabel kualitas jasa online ticketing dan variabel kepercayaan pelanggan serta kepuasan pelanggan terhadap loyalitas pelanggan Garuda Indonesia. Untuk mendapatkan hasil dari setiap tujuan penelitian , maka dilakukanlah survey melalui kuesioner pada para konsumen online ticketing Garuda Indonesia. Setelah itu data-data yang didapatkan peneliti dianalisis dengan menggunakan Path Analysis.
64
Dengan
diketahuinya
tujuan-tujuan
penelitian
ini,
maka
diharapkan
dapat
memberikan informasi kepada perusahaan tentang besarnya penagruh antar variabelvariabel yang diteliti sehingga dapat berguna sebagai bahan masukan untuk perusahaan dalam pembuatan keputusan.
