42
BAB III METODE PENELITIAN
3.1
Waktu dan Tempat Penelitian
3.1.1 Waktu Penelitian Lokasi penelitian ini diawali dengan kegiatan mengidentifikasi permasalahan ditempat yang akan digunakan sebagai lokasi penelitian, perumusan masalah yang teridentifikasi, pengumpulan dasar teori yang memperkuat landasan dalam variabel, penyusunan metode dalam pengumpulan data, penyusunan instrumen, hingga penentuan teknik pengujian statistik yang dipergunakan. Pada proses ini dibutuhkan waktu penelitian selama 3 (tiga) bulan. 3.1.2 Tempat Penelitian Pada penelitian ini menganalisis bagaimana pengaruh Sosial Media terhadap Guerilla Marketing, Event-based Marketing, Search Engine Optimization (SEO) dan implikasinya terhadap Brand Awareness. Data yang diambil merupakan data hasil kuesioner terhadap mahasiswa dan mahasiswi Jurusan Manajemen Universitas Mercu Buana kelas regular angkatan 2011, Jakarta Barat.
42
43
3.2
Desain Penelitian Dalam desain penelitian ini penulis menggunakan Metode Analisis Kausal. Analisis kausal menurut Sugiyono (2008), adalah analisis yang bersifat sebab akibat, jadi ada variable independen (variable yang mempengaruhi) dan dependen (dipengaruhi). Tujuan penelitian dengan menggunakan Metode Analisis Kausal ini adalah untuk mengetahui serta menganalisis seberapa besar pengaruh Sosial Media terhadap Guerilla Marketing, Events-based Marketing, Search Engine Optimization (SEO) dan implikasinya terhadap Brand Awareness pada konsumen melalui iklan di YouTube dan Blog di kalangan mahasiswa dan mahasiswi Jurusan Manajemen Universitas Mercu Buana kelas regular angkatan 2011, Jakarta Barat.
3.3
Skala Pengukuran Penelitian ini menggunakan skala ordinal, data di kumpulkan dapat dibedakan
menjadi
beberapa
kategori
yang
berbeda
dengan
memperhatikan urutan (rangking). Pemberian angka pada masing-masing kategori dapat memberikan gambaran tentang urutan masing-masing kategori. Pengukuran masing-masing variabel dalam penelitian ini menggunakan skala ordinal. Skala ordinal ini digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang fenomena sosial (Sugiyono, 2009).
44
3.4
Definisi Operasional Variabel Operasional variable adalah konsep-konsep yang berupa kerangka yang kemudian diubah menjadi kata-kata yang menggambarkan perilaku atau gejala yang dapat diamati, dapat di uji kebenarannya oleh orang lain. Menurut Sutrisno Hadi (Arikunto, 2006:16), variable didefinisikan sebagai gejala yang bervariasi. Variabel dalam penelitian kuantitatif dapat dibedakan menjadi dua, yaitu variabel bebas dan variabel terikat. Variabel bebas (Independent)adalah variabel yang mempengaruhi sedangkan Variabel terikat (Dependent) adalah variabel akibat. Adapun operasionalisasi dari masing-masing variabel terdapat pada table berikut :
Tabel 3.1 Operasional Variabel Media Sosial (X) Variable
Dimensi
Indikator
YouTube
1. Menarik konsumen agar melihat produk yang ditawarkan melalui iklannya.
a. kekuatan video b. Mencari informasi
Sosial Media (Dan 2010)
Blog d. Membuat blog lebih dikenal
2. Menyajikan produk melalui iklan sebelum konsumen mengetahui produk yang ingin dibeli. 3. Konsumen tidak sengaja membuka dan melihat iklan diyoutube sebelum konsumen melihat video sebenarnya. 4. Memperkenalkan blog yang kelola kepada khalayak agar blog mendapatkan pengunjung
e. Meningkatkan Rating
5. Situs media sosial lain akan
c. Promosi secara agresif
Zarella,
45
website atau Blog di mesin pencari f. Menjangkau followers yang sudah ada
g. Mempromosikan konten didalam Blog
sangat membantu untuk meningkatkan off page SEO blog. 6. Situs jejaring sosial lain dapat membantu untuk menjangkau fans dan followers, dan mengajak untuk kembali mengunjungi blog. 7. mempromosikan setiap konten yang ada di dalam blog tersebut agar dibaca oleh banyak orang.
Tabel 3.2 Operasional Variabel Guerilla Marketing (Y1) Variable Guerilla Marketing (Anna Katharina, 2008)
Dimensi
Indikator
a. Kreatif
1. Iklan membuat orang berfikir. 2. Media iklan mampu menarik perhatian masyarakat dalam waktu singkat.
b. Unik
1. Menggunakan media iklan yang tidak biasa. 2. Menggunakan tema yang unik dan tidak umum.
c. Spesifik
1. Memiliki sasaran iklan yang tepat. 2. Melibatkan masyarakat dalam pemasaran iklan tanpa mereka sadari.
d. Daya persuasi
1. Iklan membuat orang mencari tau. 2. Iklan mengajak orang untuk melakukan hal sesuai dengan iklan.
46
Tabel 3.3 Operasional Variabel Events-based Marketing (Y2) Variable
Dimensi
Indikator
Eventsa. Efektifitas Event based Marketing (Ducan dalam Belc,h b. Pemaksimalan 2013) pesan
c. One to response
1. Kecocokan event dengan brand image. 2. Audience merasa senang dengan event tersebut. 1. Mempengaruhi customer untuk membeli produk yang di tawarkan dalam event. 2. Memberikan kesan mendalam pada customer yang hadir sehingga memberikan ingatan dan pengalaman yang menyenangkan.
one 1. Adanya sales promotion girls (SPG) atau sales promotion boy (SPB) yang mampu mempengaruhi customer dan potential customer untuk ikut terlibat dalam sebuah event yang di selenggarakan. 2. Adanya buyer yang turut aktif dalam mencari informasi produk.
47
Tabel 3.4 Operasional Variabel Search Engine Optimization (Y3) Variable Search Engine Optimization (SEO) (Curran, 2004)
Dimensi a. Database
Indikator 1. 2.
b.
Konten
1. 2.
c.
Rasiokeywords
1. 2.
Banyaknya pilihan Recommended pages. Pilihan indikator beragam. Seringnya penambahan konten. Konten yang tersedia selalu up to date. Menempati urutan pertama dalam pencarian. Seringnya muncul sebagai recommended page.
48
Tabel 3.5 Operasional Variabel Brand Awareness (Z) Variable Brand Awareness (Humdiana, 2005)
Dimensi
Indikator
1. Recall
a. Masyarakat mampu mengingat produk ketika dihadapkan pada beberapa produk lain yang sejenis 1. Masyarakat mampu mengenali produk dengan baik. 2. Masyarakat mengingat slogan atau jingle dari produk. 3. Masyarakat mengenal varian lain dari produk.
2. Recognition
3. Purchase
4. Consumption
i.
Masyarakat memasukan produk dalam daftar alternative pilihan ketika akan membeli produk sejenis. 1. Masyarakat mengkonsumsi produk secara kontinu. 2. Masyarakat mampu mengingat brand ketika mengkonsumsi produk lain sejenis.
49
3.5
Populasi dan Sample penelitian
3.5.1 Populasi Penelitian Populasi penelitian menurut Sugiyono (2009), adalah wilayah generalisasi yang terdiri atas objek atau subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulan. Implikasi populasi dalam penelitian ini adalah mahasiswa dan mahasiswi Jurusan Manajemen Universitas Mercu Buana kelas regular angkatan 2011, Jakarta Barat. 3.5.2 Sampel Penelitian Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut (Sugiyono, 2009). Penelitian ini akan dianalisis dengan menggunakan teknik Model Persamaan Struktural atau Structural Equation
Modelling
(SEM).
Ukuran
sampel
untuk
SEM
yang
menggunakan model Maximum Likelihood Estimation (MLE) adalah sampel Hair et al; 195 (Augusty, 2006). Penentuan jumlah sampel mengacu pada persyaratan yang ditentukan oleh Hair et al, yang menyatakan bahwa jumlah sampel yang diambil minimal 5 kali dari jumlah parameter yang digunakan dalam penelitian. Dalam penelitian ini total parameter atau indikator adalah 34. Dengan demikian sampel untuk penelitian ini adalah : Sampel = 34x 5 = 34 x 5 = 170 Resonden.
50
Hal ini sekaligus menjadi syarat jumlah minimum bagi teknik pendekatan MLE. Teknik sampling yang akan digunakan dalam penelitian ini dengan metode accidental sampling yaitu teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja yang secara kebetulan bertemu dengan peneliti dapat digunakan sebagai sampel, bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data (Sugiono, 2009).
3.6
Tehnik Pengumpulan Data Tehnik pengumpulan data yang dipakai oleh penulis yaitu : a.
Kuesioner Pengumpulan data pada penelitian ini berdasarkan Kuesioner yang dibagikan kepada para responden. Tabel 3.6 Instrument Skala Likert Pernyataan Sangat setuju Setuju Netral Tidak setuju Sangat tidak setuju
Kode (SS) (S) (N) (TS) (STS)
Skor 5 4 3 2 1
Sumber : Rensis Likert dalam Sugiono, 2009 Urutan setuju atau tidak setuju dapat juga dibalik mulai dari sangat tidak setuju sampai dengan sangat setuju.
51
3.7
Jenis Data Penelitian Jenis data yang penulis gunakan dalam penelitian ini adalah : 1.
Data Primer Data primer menurut Sugiyono (2009), merupakan sumber data yang langsung memberikan data kepada pengumpul data. Data primer yang diperlukan dalam penelitian ini adalah data yang didapat dari jawaban para responden terhadap rangkaian pertanyaan yang diajukan melalui kuesioner terkait dengan media sosial, guerilla marketing, events-based marketing, search engine optimization, dan brand awa
3.8
Metode Analisis Data Dalam melakukan analisis, penulis menggunakan perhitungan statistik sebagai alat hitung, yaitu sebagai berikut : 1.
Uji Validitas Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut (Ghozali, 2011). Dalam hal ini digunakan beberapa butir pertanyaan yang dapat secara tepat mengungkapkan variabel yang diukur tersebut. Uji
validitas
pada
penelitian
ini
menggunakan
Analisis
konfirmatori (confirmatory factor analysis). Analisis konfirmatori bertujuan untuk menguji apakah indikator-indikator pembentuk
52
konstruk merupakan indikator yang valid sebagai pengukur konstruk laten. Indikator dapat dikatakan valid apabila instrumen pertama indikator tersebut signifikan secara statistik. Kedua nilai convergennt validity atau loading factor masing masing indikator sebesar 0,7 yang dianggap memiliki validitas yang baik untuk suatu penelitian, namun loading factor sebesar 0,5 – 0,6 masih dapat diterima untuk tahap penelitian awal (Ghozali, 2011) 2.
Uji Reabilitas Aritonang (2007) mengatakan bahwa instrumen realibel adalah instrumen yang dapat memberikan hasil pengukuran yang (relatif) sama bila instrumen itu digunakan untuk mengukur variabel yang sama pada dua atau lebih waktu yang berbeda dalam keadaan yang kurang lebih sama. Uji reliabilitas yang akan digunakan pada penelitian ini menggunakan metode Cronbach’s Alpha. Menurut Malhotra (2007) bila nilai Cronbach’s Alpha sebesar 0,6 atau lebih maka pertanyaanpertanyaan pada kuesioner dapat dipercaya (reliable).
3.
SEM (Structural Equation Modeling) SEM adalah teknik statistik multivariat yang merupakan kombinasi antara analisis faktor dan analisis regresi (korelasi), yang bertujuan untuk menguji hubungan-hubungan antara variabel yang ada pada sebuah model, baik itu antar indikator dengan konstruknya, ataupun hubungan antar konstruk (Santoso, 2007). Analisis tersebut dilakukan dengan menggunakan bantuan perangkat lunak program Lisrel.
53
Sesuai dengan pola penelitian dan variabel yang akan diteliti. Untuk menganalisis data digunakan The Structural Equation Modeling (SEM). Model persamaan structural, Structural Equation Model (SEM)
adalah
sekumpulan
teknik-teknik
statistikal
yang
memungkinkan pengujian sebuah rangkaian hubungan relatif “rumit” secara simultan (Ferdinand, 2000). Alasan penelitian ini dilakukan dengan SEM dikarenakan masing-masing variabel diukur melalui indikator-indikator sehingga perlu dilakukan uji kelayakan model apakah model yang dianalisis dalam penelitian ini sesuai dengan keadaan yang sebenarnya. Aplikasi yang digunakan untuk analisis SEM adalah LISREL 8.70. Dalam penelitian ini digunakan enam macam teknik analisis, yaitu : 1)
Pengembangan Model Berbasis Teori
Langkah ini merupakan suatu proses pembuatan suatu model yang akan diteliti yang memiliki landasan teori yang kuat. Tanpa adanya justifikasi teoritis yang kuat, suatu model tidak ada artinya bila dianalisis SEM. SEM tidak digunakan untuk menghasilkan suatu model, tetapi untuk mengkonfirmasi suatu model yang di dukung oleh teori berdasarkan data empirik. Dalam pengembangan model, seorang peneliti, berdasarkan pijakan teoritis yang cukup, membangun hubungan-hubungan mengenai sebuah fenomena. Peneliti mempunyai kebebasan untuk
54
membangun hubungan sepanjang terdapat justifikasi teoritis yang cukup. 2)
Pembuatan Diagram Jalur (Path Diagram)
Model teoritis yang telah dibangun pada langkah pertama akan diagram dalam sebuah diagram jalur (path diagram). Diagram jalur tersebut akan mempermudah peneliti melihat hubungan-hubungan kausalitas yang ingin diuji. Dalam pengoperasian perangkat lunak penghitung SEM (seperti AMOS, LISREL 8.70), hubungan kausalitas itu cukup digambarkan dalam suatu diagram jalur, dan selanjutnya bahasa program akan mengkonversi gambar menjadi persamaan, dan persamaan menjadi estimasi. Langkah ini merupakan suatu proses penentuan atau penggambaran alur-alur kausalitas dari suatu variabel terhadap variabel lainnya setelah suatu model ditetapkan. 3) Evaluasi Kriteria Goodness of Fit Pada langkah ini kesesuaian model dievaluasi, melalui telaah terhadap berbagai kriteria goodness-of-fit (kelayakan model). Untuk itu tindakan pertama yang dilakukan adalah mengevaluasi apakah data yang digunakan dapat memenuhi asumsi-asumsi SEM. Apabila asumsi-asumsi ini dipenuhi, maka model dapat diuji.
55
Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model. Umumnya terhadap berbagai jenis fitindex yang digunakan untuk mengukur derajad kesesuaian antara model yang dihipotesiskan dengan data yang disajikan. Kriteria untuk menerima suatu model (data fit) sebagaimana ditunjukkan pada Tabel 3.7 Tabel 3.7 Kriteria Penerimaan Suatu Model Goodness of Fit Index
Cut-off Value
X² - Chi Square
Diharapkan kecil
Significance Probability
≥ 0,05
RMSEA
≤ 0,08
GFI
≥ 0,90
AGFI
≥ 0,90
CMIN/ DF
≤ 2,00
TLI
≥ 0,95
CFI
≥ 0,95
Sumber: Ferdinand, 2000. Uraian masing-masing dari goodness of fit index dapat dijelaskan sebagai berikut: a)
χ² - Chi Square Statistic Alat uji ini merupakan alat uji paling fundamental untuk
mengukur overall fit. Alat uji ini merupakan alat uji statistik
56
mengenai adanya perbedaan antaramatriks kovarians sampel. Model yang diuji dipandang baik atau memuaskanapabila nilai chisquarenya rendah. Semakin kecil nilai χ², semakin baik model tersebut. Dalam uji beda chi-square, χ² = 0 berarti benar-benar tidak ada perbedaan dan H0 diterima. Dengan demikian, model tersebut diterima berdasarkan probabilitas dengan cut-off value sebesar p > 0,05 atau p >0,10. Dalam uji ini peneliti mencari penerimaan hipotesis nol. Nilai χ² yang kecil dan tidak signifikanlah yang diharapkan agar hipotesis nol sulit ditolak (H0 diterima). b)
The Root Mean Square Error of Approximation (RMSEA) RMSEA adalah suatu indeks yang dapat digunakan untuk
mengkompensasi chi-square statistic dalam sampel yang besar. Nilai RMSEA menunjukkan Goodness of Fit yang dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA ≤ 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkansuatu close fit dari model tersebut berdasarkan degrees of freedom. Brownie dan Cudeck dalam Ferdinand (2000:53)
berpendapat
bahwa
nilai
RMSEA
≤0,08
mengindikasikan adanya reasonable error of approximation. Para ahli tidak inginmenggunakan model dengan RMSEA > 0,10. c)
Goodness of Fit Index (GFI)
57
Indeks kesesuaian ini menghitung proporsi tertimbang dari varians dalammatriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yangterestimasikan. GFI adalah suatu ukuran non-statistikal yang mempunyai rentangnilai antara 0 (poor fit) hingga 1.0 (perfect fit). Nilai yang tinggi dalam indeks inimenunjukkan “better fit”. d)
AGFI – Adjusted Goodness-of-Fit GFI adalah analog dari R² dalam regresi berganda. Fit
indeks ini dapat disesuaikan terhadap degrees of freedom yang tersedia untuk menguji diterima atau tidaknya model. Tingkat penerimaan yang direkomendasikan adalah bila nilai AGFI ≥ 0,90. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians dalam suatu matriks kovarians sampel. Nilai 0,95 dapat diinterpretasikan sebagai tingkatan yang baik (good overall model fit), sedangkan nilai 0,90 – 0,95menunjukkan tingkatan cukup (adequate fit). e)
CMIN/DF The minimum sample discrepancy function (CMIN) dibagi
dengan degree
of
freedomnya akan
menghasilkan
indeks
CMIN/DF, yang umumnya dilaporkan olehpara peneliti sebagai salah satu indikator untuk mengukur tingkat fitnya suatumodel. CMIN/DF tidak lain adalah statistic chi-square, χ² dibagi Df-nya
58
sehingga disebut χ² - relatif. Nilai χ² - relatif < 2,0 atau bahkan terkadang < 3,0 adalah indikasi dari acceptable fit antara model dan data. f)
Tucker Lewis Index (TLI) TLI adalah suatu alternative incremental fit index yang
membandingkan suatu model yang diuji terhadap suatu baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya suatu model adalah penerimaan ≥ 0,95, dan nilai yang sangat mendekati 1 menunjukkan a very good fit. g)
Comparative Fit Index (CFI) Besaran indeks ini adalah pada rentang nilai sebesar 0 – 1.
Semakin mendekati 1 mengindikasikan tingkat fit paling tinggi (a very good fit). Nilai yang direkomendasikan adalah CFI ≥ 0,95. Keunggulan dari indeks ini adalah bahwa indeks ini besarannya tidak dipengaruhi oleh ukuran sampel, karena itu sangat baik untuk mengukur tingkat penerimaan suatu model. Indeks CFI identik dengan Relative Noncentrality Index (RNI). Dalam penilaian model, indeks TLI dan CFI sangat dianjurkan untuk digunakan karena indeks ini relatif tidak sensitive terhadap besarnya sampel dan kurang dipengaruhi pula oleh kerumitan model. Kriteria untuk menentukan signifikansi parameter hasil estimasi dalam
59
SEM dapat dilakukan dengan uji-t. Parameter tersebut meliputi:
Parameter Beta (β), yaitu parameter pengaruh (efek) variabel endogen terhadap variabel endogen lainnya.
Parameter Gamma (γ), yaitu parameter pengaruh (efek) variabel eksogen terhadap variabel endogen.
Parameter Lambda (λ), berkaitan dengan pengukuran variabel laten berdasarkan indikator pembentuknya.
Parameter Delta (δ) dan Epsilon (ε), berkaitan dengan error pengukuran
variabel
laten
eksogen
dan
endogen
berdasarkan indikator pembentuknya.
Parameter Psi (ψ), Phi (φ), Theta (θ).
Kriteria kekuatan hubungan (pengaruh/ efek) persamaan struktural (structural equations) dilihat dari besarnya nilai koefisien determinasi (R²). Makin besar R² atau makin mendekati 1, berarti hubungan (pengaruh/ efek) persamaan struktural tersebut semakin kuat. 4)
Interpretasi dan Modifikasi Model Langkah terakhir adalah menginterpretasikan model dan
memodifikasikan model bagi model-model yang tidak memenuhi syarat pengujian yang dilakukan. Setelah model diestimasi, residualnya haruslah kecil atau mendekati nol dan distribusi frekuensi
dari
kovarians
residual
harus
bersifatsimetrik
60
(Tabachnick dan Fidell dalam Ferdinand, 2000). Hair et al. dalam Ferdinand
(2000)
memberikan
sebuah
pedoman
untuk
mempertimbangkan perlu tidaknya modifikasi sebuah model yaitu denganmelihat jumlah residual yang dihasilkan oleh model. Batas keamanan untuk jumlah residual adalah 5%. Bila jumlah residual lebih besar dari 5% dari semua residual kovarians yang dihasilkan oleh model, maka sebuah modifikasi perlu dipertimbangkan. Selanjutnya bila ditemukan bahwa nilai residual yang dihasilkan oleh model itu cukup besar (>2,58), maka cara lain dalam memodifikasi adalah dengan mempertimbangkan untuk menambah sebuah alur baru terhadap model yang diestimasi itu. Dengan penjelasan yang lebih singkat: jika model diterima, dilakukan
interpretasi
pola
kausalitas
yang
dihasilkan
(diestimasikan), apakah secarastatistik signifikan dan mengikuti teori yang mendasari. Selanjutnya bisa dilakukan modifikasi model untuk menghasilkan model alternatif (competing models) yang akan dibandingkan dengan model aslinya. Model yang lebih baik dipilih setelah mendapat justifikasi teori.
