BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Objek penelitian ini adalah pelanggan Cafe Indomie Abang Adek yang diteliti dengan kuesioner tertulis secara Face to Face (tatap muka) yang akan dilakukan pada rentang waktu pertengahan April 2015 hingga awal Mei 2015. Cafe Abang Adek adalah sebuah wisata kuliner yang menyajikan berbagai makanan indomie dengan ciri khas rasa tersendiri dan makanan lainnya yang tersedia dalam satu tempat dan sudah berdiri sejak tahun 1995 yang berlokasi di Tomang, Jakarta Barat. Dalam satu hari Cafe Indomie Abang Adek menghabiskan 18 – 20 dus indomie goreng maupun kuah, dan cabe rawit merah 8 – 12 Kg. Hingga saat ini, Cafe Indomie Abang Adek masih ramai didatangi oleh pengunjung karena kekhasan citarasa indomienya yang super pedas.
B. Desain Penelitian Dalam penelitian ini jenis penelitian yang digunakan adalah analisis kausal. Analisis kausal adalah penelitian untuk mengetahui tentang pengaruh satu atau lebih variabel bebas (variabel laten exogen) terhadap variabel terikat (variabel laten endogen). Dimana peneliti ingin mengetahui “Analisis Minat Beli Konsumen Cafe Abang Adek”.
47
48
C. Definisi Operasional Variabel Definisi operasional adalah suatu informasi ilmiah yang amat membantu penelitian lain yang ingin menggunakan variabel yang sama. Definisi operasional merupakan semacam petunjuk pelaksanaan bagaimana caranya mengukur suatu variabel sehingga dapat menentukan apakah prosedur pengukuran yang sama akan dilakukan atau diperlukan prosedur pengukuran yang baru. Adapun Operasionalisasi dari masing-masing variabel terdapat dibawah ini: Tabel 3.1 Definisi Operasional Variabel No 1
Variabel
Definisi
Harga (X1)
Harga adalah persepsi dari sejumlah uang yang dibutuhkan untuk mendapatkan sejumlah kombinasi dari barang beserta pelayanannya (Stanton ( 2001) )
Indikator a.
Keterjangkauan harga
b.
Keseuaian harga dengan kualitas produk
c.
Daya saing harga
d.
Kesesuaian dengan manfaat produk
(Sumber : Lusia Oktaviani, 2014) 2
Kualitas Produk (X2)
3
Word Of Mouth (Z1)
Karakteristik dari roduk dalam kemampuan untuk memenuhi kebutuhan – kebutuhan yang telah ditentukan dan bersifat laten. (Kotler (2009) ) Word of Mouth adalah kegiatan yang terdiri dari pikiran, ide-ide dan informasi yang dibagikan di antara pelanggan dari pengalaman pribadi mereka, menurut Mikkelsen et al, (2003) dalam Ghorban dan Tahernejad (2012).
a.
Ciri Khas Rasa
b.
Kemasan Produk
c.
Varian Rasa
(Sumber : Lusia Oktaviani, 2014)
a.
Mengatakan hal yang positif
b.
Merekomendasik an
c.
Mendorong
49
(Sumber : Houshang, 2013) 4
Minat Beli (Y1)
Minat beli adalah bagian dari komponen perilaku dalam sikap mengkonsumsi kemungkinan bila pembeli bermaksud untuk membeli (Augusty Ferdinand (2006)).
a.
Minat Transaksional
b.
Minat Referensial
c.
Minat Preferensial
d.
Minat Eksploratif
(Sumber : Lusia Oktaviani, 2014)
D. Skala Pengukuran Variabel Penelitian ini menggunakan skala ordinal, yaitu metode yang digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial (Sugiyono, 2007 : 107). Pengukuran terhadap variabel dilakukan dengan menggunakan skala ordinal yaitu metode pengukuran dengan skala likert yaitu angka-angka yang dinilai berdasarkan tingkatan, sebagai berikut : Tabel 3.2 Instrumen Skala Likert Pertnyataan
Kode
Skor
Sangat setuju
SS
5
Setuju
S
4
Netral
N
3
Tidak Setuju
TS
2
Sangat Tidak setuju
STS
1
E. Populasi dan Sampel 1.
Populasi Penelitian
50
Populasi adalah kumpulan dari semua kemungkinan orang-orang, benda-benda, dan ukuran lain yang menjadi objek perhatian atau kumpulan seluruh objek yang menjadi perhatian. Sedangkan sampel adalah suatu bagian dari populasi tertentu yang menjadi perhatian (Suharyadi dan Purwanto, 2004:103). Populasi pada penelitian ini adalah pelanggan Cafe Abang Adek yang akan diteliti melalui kuesioner lapangan pada periode pertengahan April 2015 sampai Awal Mei 2015.
2.
Sampel penelitian Sampel penelitian adalah bagian dari populasi. Pada dasarnya sebagian dari subjek penelitian yang akan digunakan sebagai dasar pengujian hipotesis, sehingga kesimpulan yang diperoleh dari sampel dianggap berlaku juga untuk populasi. Sedangkan, teknik sampling pada penelitian kali ini adalah menggunakan purposive sampling (Sugiyono, 2006:74) yaitu teknik penentuan sampel berdasarkan tujuan, siapa saja yang memang menjadi tujuan dan objek dari penelitian ini. Teknik sampling yang digunakan akan untuk menentukan responden adalah cara memilih anggota dari populasi untuk dijadikan sampel dimana sesuka peneliti Ronny Kountour (2004). Menurut Hair, et.al. (1995) dalam Supramono dan Haryanto (2005:54), ukuran sampel untuk kepentingan pengujian hipotesis yang menggunakan structural equation model (SEM) berkisar 100-200. Dalam penelitian ini, penulis
51
menetapkan sebanyak 150 responden. Jumlah ini didapat melalui penghitungan jumlah sampel dengan rumus (5 x jumlah indikator), artinya dalam penelitian ini sampelnya berjumlah (5 x 18 = 90)pembulatan menjadi 100 sampel. Kelebihan data digunakan sebagai cadangan jika terjadi penyimpangan data.
F. Jenis data Data yang digunakan dalam pembahasan skripsi ini adalah data yang bersumber dari Data Primer. Data Primer yaitu data yang didapat dari sumber pertama baik dari individu atau kelompok, seperti hasil pengisian kuisioner yang dilakukan peneliti.
G. Metode Pengumpulan Data Metode pengumpulan data adalah teknik atau acuan cara-cara yang dapat digunakan untuk mengumpulkan data. Cara mengumpulkan data dalam penelitian ini yaitu dengan penelitian lapangan. Instrument pengumpulan data yang digunakan berupa kuesioner.
H. Metode Analisis Data Metode penelitian yang dipakai dalam penelitian ini adalah analisis kuantitatif, maksudnya digunakan skala penilaian untuk menyatakan bobot antara hubungan variabel satu dengan variabel yang lainnya. Untuk dapat mengetahui signifikasi pengaruh antar variabel, maka data diolah dengan
52
menggunakan metode analisis SEM (Structural Equation Modeling) dengan menggunakan software Lisrel 8.7.
1.
Spesifikasi Model Spesifikasi model ini merupakan pembentukan model awal persamaan pengukuran dan strukural. Spesiikasi model pengukuran merupakan persamaan notasi matematik yang membentuk variabelvariabel teramati. Sedangkan spesifikasi model struktural adalah persamaan notasi matematik berdasarkan hubungan antara satu variabel laten ke variabel laten lainnya. Kemudian, akan ditunjukkan output path diagram hybrid model dengan notasi matematik. Persamaan
ini
dirumuskan
untuk
menyatakan
hubungan
kausalitas antar bagian konstruk. Persamaan struktual dari model diagram jalur penelitian ini dinyatakan sebagai berikut: Y1
= a + b1X1 + b2X2 + ε............................(1)
Y2
= c + d1Y1 + ε .......................................(2)
Y3
= e + f1X1 + f2X2 + f3X3 + f4X4 + ε ... (3)
Keterangan : a
= konstanta Y1
c
= konstanta Y2
e
= konstanta Y3
Y1
= Brand Image
53
2.
Y2
= Word of Mouth
Y3
= Minat Beli
X1
= Harga
X2
= Kualitas Produk
ε
= error measurement
Confirmatory Factor Analysis Penelitian ini menggunakan pengukuran dengan dua tahap, di sebut two-step approach. Tingkat pertama, yaitu CFA merupakan model pengukuran yang menunjukkan suatu variabel laten diukur oleh satu atau lebih variabel-variabel teramati. Hal ini didasari alasan bahwa variabel-variabel laten atau konstruk tertentu yang mendasarinya (Wijanto, 2008:76). Hasil CFA harus diperiksa terlebih dahulu dari kemungkinan terjadinya offending estimate, kemudian dilakukan uji validitas dan realibilitas. Kemudian tingkat kedua dilakukan, yaitu Second Order CFA (2ndCFA) menunjukkan hubungan antara variabelvariabel laten pada tingkat pertama sebagai indikator dari sebuah variabel laten tingkat kedua. Keuntungan menggunakan CFA adalah model dibentuk terlebih dahulu, jumlah variabel laten ditentukan oleh peneliti, pengaruh suatu variabel laten terhadap variabel teramati ditentukan lebih dahulu, beberapa efek langsung terhadap variabel teramati dapat ditetapkan sama dengan nol atau suatu konstanta, kesalahan pengukuran boleh
54
berkolerasi, kovarian variabel-variabel laten dapat diestimasi atau ditetapkan pada nilai tertentu dan identifikasi parameter diperlukan.
3.
Analisis Offending Estimates Analisis awal ini harus dilakukan untuk memastikan tidak terdapat offending estimates (nilai-nilai yang melebihi batas yang dapat diterima) dari hasil estimasi di tingkat CFA. Berikut kriteria analisisnya, yaitu: 1.
offending
estimates,
terutama
adanya
negative
error
variences (dikenal dengan heywod cases). Jika ada kesalahan varian negatif, maka varian kesalahan tersebut perlu ditetapkan menjadi 0.005 atau 0.001. 2.
nilai standardize loading factor >0.50, namun peneliti menggunakan SLF lebih dari atau sama dengan 0.30 (Igbaria et al. dalam Wijayanto, 2008:79). Sehingga variabel-variabel terkait
yang
berada
di
antara
0.30
–
0.50
bisa
dipertimbangkan untuk masuk kateogori validitas. 3.
standard errors yang berhubungan dengan koefisienkoefisien yang diestimasi mempunyai nilai yang besar.
4.
Uji Validitas dan Uji Reliabilitas
55
Untuk menguji kelayakan kostruk dari pertanyaan-pertanyaan yang diajukan pada kuisioner penelitian, penulis kemudian melakukan uji validitas dan reliabilitas. Validitas berhubungan dengan apakah suatu varibel mengukur apa yang seharusnya diukur (Wijayanto, 2008:76). Validitas dalam penelitian ini menyatakan derajat ketepatan alat ukur penelitian terhadap isi atau arti sebenarnya yang diukur. Menurut Ridgon dan Ferguson (1991) dan Toll, Xia, Torkzadeh (1994) dalam Wijayanto (2008) menyatakan suatu variabel latennya, jika:
Nilait-value>1.96 pada tingkat kepercayaan 95%
Muatan faktor standarnya (standardized loading factor) ≥0.70. Sementara itu, Igbarta et al., (1997) menyatakan bahwa standardized loading factor ≥ 0.50 adalah sangat signifikan. Jika terdapat variabel-variabel yang memiliki nilai t-value < 1,96 dan standardized loading factor kurang dari 0.30
atau 0.50 maka harus dihilangkan/dihapuskan dari
model disebut juga model trimming. Setelah itu, proses pengukuran dilakukan kembali dengan CFA dan dianalisis sesuai dengan syarat-syarat di atas. Realibilitas adalah konsistensi suatu pengukuran (Wijayanto, 2008:89). Reliabilitas yang tinggi menunjukkan bahwa indikatorindikator mempunyai konsistensi yang tinggi dalam mengukurvariabel latennya.Realibilitas suatu konstruk dikatakan baik, jika nilai construct
56
reabilitynya adalah ≥ 0.70.
Cara lain untuk menghitung reabilitas
adalah dengan menggunakan variance extracted (VE), dimana nilai VE ≥ 0.50. Ekstrak varian mencerminkan jumlah varian keseluruhan dalam indikator yang dijelaskan oleh construct latent. Berikut ini adalah rumus perhitungan pengukuran reliabilitas: =
=
( (
)² )² +
.
)² )² +
. (
(
.
.
Keterangan: Σ
= Jumlah keseluruhan
Std.Loading = Sandardized loading factors (muatan factor standar) ej
= Kesalahan Menurut Hair (1998), nilai CR yang baik adalah ≥ 0.70. Apabila
nilai CR berada di kisaran angka 0.60 dan 0.70, maka realibilitas masih termasuk dalam kategori baik. Selain itu, untuk pengukuran nilai VE ≥ 0.50 merupakan ukuran yang baik dalam mengukur reliabilitas, tetapi VE ini biasanya berupa pilihan (optional) dalam penelitian, sehingga peneliti diperbolehkan hanya menggunakan CR sebagai ukuran reliabilitas, namun akan lebih baik apabila VE diikutsertakan.
5.
Second Order (2ndCFA)
57
Second Order Confirmatory factor analysis (2ndCFA) adalah model pengukuran yang terdiri dari dua tingkat (Wijayanto, 2008). 2ndCFA merupakan pengukuran tingkat kedua yang menunjukkan hubungan antara variabel-variabel laten pada tingkat pertama sebagai indikator dari sebuah variabel laten tingkat kedua. CFA tingkat kedua ini akan mengestimasi dan menganalisis kecocokan model secara keseluruhan sertaterhadap model strukturalnya.
6.
Uji Kecocokan Keseluruhan Model Struktural Equation Modeling (SEM) merupakan suatu teknik statistik yang mampu menganalisis variabel laten, variabel teramati, dan kesalahan pengukuran secara langsung. SEM mampu menganalisis hubungan antara variabel laten dengan variabel indikatornya, hubungan antara variabel laten yang satu dengan variabel laten yang lain, juga mengetahui besarnya kesalahan pengukuran (Sitinjak dan Sugiarto, 2006:115). Hal tersebut sejalan dengan pendapat ahli yang mengatakan SEM tidak seperti analisis multivariate biasa yang tidak bisa menguji regresi berganda ataupun analisis faktor secara bersama-sama (Bollen, 1989: dalam, Ghozali, 2005).Disamping hubungan kausal searah, SEM juga memungkinkan menganalisis hubungan dua arah. Setelah model terbentuk, maka diperlukan analisis dalam uji kecocokan model, indikator-indikator yang dapat digunakan antara lain (Wijayanto, 2008) :
58
1. Chi square /degrees of freedom (χ2/df) Chi
Square digunakan untuk
kecocokan
antara
menguji
matrik
seberapa
kovarian
dekat sampel
dengan matrik kovarian model. Hari (2008) mengatakan bahwa χ2 seharusnya lebih diperlakukan sebagai ukuran goodness of fit atau badness of fit dan bukan sebagai uji statistik. χ2 dapat disebut juga sebagai badness of fit karena nilai χ2 yang besar menunjukkan kecocokan yang tidak baik (bad fit) sedangkan nilai
χ2
yang
kecil
menunjukkan good fit
(kecocokan yang baik). 2. Non-Centrality Parameter (NCP) NCP merupakan ukuran perbedaan antara matrik kovarian sampel (Σ) dengan matrik kovarian model (Σ(θ)). NCP juga merupakan ukuran badness of fit dimana semakin besar perbedaan antara Σ dengan Σ(θ) semakin besar nilai NCP. Jadi, kita perlu mencari NCP yang nilainya kecil atau rendah. 3. Goodness of Fit Indices (GFI) GFI dapat diklasifikasikan sebagai uji kecocokan absolut, karena pada dasarnya GFI membandingkan model yang dihipotesiskan dengan tidak ada model sama sekali. Nilai GFI harus berkisar antara 0 (poor fit) sampai 1 (perfect fit), dan nilai GFI ≥ 0,90 merupakan good fit (kecocokan yang baik), sedangkan 0,80 ≤ GFI < 0,90 sering disebut marginal fit.
59
4. Root Mean Square Residual (RMR) RMR mewakili nilai rerata residual yang diperoleh dari mencocokkan matrik varian-kovarian dari model yang dihipotesiskan dengan matrik varian-kovarian dari data sampel. Standardized RMR mewakili nilai rerata seluruh standardized residuals, dan mempunyai rentang dari 0 ke 1. Model yang mempunyai kecocokan yang baik (good fit) akan mempunyai nilai Standardized RMR < 0,05. 5. Root Mean Square Error of Approximation RMSEA merupakan salah satu indeks yang informatif dalam SEM. Nilai RMSEA ≤ 0,05 menandakan close fit, sedangkan 0,05 < RMSEA ≤ 0,08 menunjukkan good fit (Brown dan Cudek, 1993). McCallum (1996) menambahkan bahwa nilai RMSEA antara 0,08 sampai 0,10 menunjukkan mediocore (marginal fit), serta nilai RMSEA > 0,10 menunjukkan poor fit. 6. Expected Cross-Validation Index (ECVI) ECVI diusulkan sebagai sarana untuk menilai, dalam sampel tunggal, likelihood bahwa model
divalidasi silang (cross-
validated) dengan sampel-sampel dengan ukuran yang sama dari populasi yang sama (Browne dan Cudeck, 1989). ECVI digunakan untuk perbandingan model dan semakin kecil nilai ECVI sebuah model semakin baik tingkat kecocokannya. 7. Adjusted Goodness-of-Fit Index (AGFI)
60
AGFI adalah perluasan dari GFI yang disesuaikan dengan rasio antara degree of freedom dari null/independence/baseline model
dengan
degree
of
freedom
dari
model
yang
dihipotesiskan atau diestimasi. Seperti halnya GFI, nilai AGFI berkisar antara 0 sampai 1. Nilai AGFI ≥ 0,90 menunjukkan good fit, sedangkan 0,80 ≤ AGFI < 0,90 sering disebut sebagai marginal fit. 8.
Normed Fit Index (NFI) NFI mempunyai nilai yang berkisar antara 0 sampai 1. Nilai NFI ≥ 0,90 menunjukkan good fit, sedangkan 0,80 ≤ NFI < 0,90 sering disebut sebagai marginal fit.
9. Relative Fit Index (RFI) Nilai RFI akan berkisar antara 0 sampai 1. Nilai RFI ≥ 0,90 menunjukkan good fit, sedangkan 0,80 ≤ NFI < 0,90 sering disebut sebagai marginal fit. 10. Incremental Fit Index (IFI) Nilai IFI akan berkisar antara 0 sampai 1. Nilai IFI ≥ 0,90 menunjukkan good fit, sedangkan 0,80 ≤ IFI < 0,90 sering disebut sebagai marginal fit. 11. Comparative Fit Index (CFI) Nilai CFI berkisar antara 0 sampai 1. Nilai CFI ≥ 0,90 menunjukkan good
fit, sedangkan 0,80 ≤ CFI < 0,90
sering disebut sebagai marginal fit.
61
Pada penelitian ini, peneliti menggunakan program Lisrel 8.8 sebagai sarana pengolahan data. Program ini mengharuskan peneliti menulis perintah syntax (perintah persamaan) dan hasilnya adalah path diagram dan printed output yang dapat memberikan informasi mengenai loading factor, t-value, serta error variance dari indikatorindikator dalam variabel laten, serta hubungan kausal antara variabel laten eksogen dengan variabel laten endogen.
7.
Uji Kecocokan Model Struktural Pengujian ini akan menganalisis tingkat signifikansi koefisienkoefisien yang diestimasi terhadap model struktral. Tingkat signifikansi dapat dilihat dari nilai t-value yang harus memenuhi syarat yaitu ≥ 1,96 atau ≤ -1,96. Secara umum, pengujian ini bertujuan untuk melihat apakah hipotesis penelitian diterima atau ditolak. Selain itu, dilakukan evaluasi terhadap solusi standar dimana semua koefisien mempunyai varian yang sama dan nilai maksimumnya adalah 1 (Wijayanto, 2008). Nilai koefisien yang mendekati akan berhubungan dengan peningkatan pentingnya variabel terkait dalam hubungan kausal.
