BAB III METODELOGI PENELITIAN 3.1 Objek Penelitian Objek penelitian penyusunan skripsi ini adalah pengguna situs jejaring sosial terutama pada mahasiswa aktif di Universitas Mercu Buana Jakarta Barat. Penelitian ini berfokus pada pengujian Privacy Concerns, Entertaiment dan Peer Influence terhadap prilaku pengguna situs pada Attitude Toward Advertising (SNA). 3.1.1 Lokasi Penelitian Lokasi penulisan skripsi ini adalah Universitas Mercu Buana, Jln. Meruya Selatan, Kembangan, Jakarta Barat, Indonesia 11560. Telp: 021 – 5840816 / Ext. 36 / 347, 021 – 5857722 (Hunting) info 24jam, 021 – 70882188, Fax : 021 – 5858833. 3.1.2 Gambaran Umum Universitas Universitas Mercu Buana merupakan salah satu universitas yang bergerak dalam bisnis jasa pendidikan. Universitas Mercu Buana didirikan oleh pengusaha H. Probosutedjo yang telah memiliki pengalaman sebagai guru diperguruan Taman Siswa, Pematang Siantar, Sumatera Utara, pada tanggal 10 November 1981 mendirikan Akademi Wiraswasta Dewantara (AWD) dan peresmiannya dilakukan oleh almarhum Bapak H. Adam Malik, Wakil Presiden RI saat itu. Dewantara diambil dari nama tokoh pendidikan Ki Hajar Dewantara dan pada tanggal 22 Oktober 1985 Universitas Mercu Buana telah resmi didirikan sebagai pengembangan dari akademi wiraswasta.
38
39
Persaingan dalam industri jasa khususnya pendidikan, mengharuskan Universitas Mercu Buana untuk menjaga kualitas dan mengetahui apa saja kebutuhan dan keinginan para mahasiswa/i. hal ini dimaksudkan agar Universitas Mercu Buana memiliki kekuatan bersaing yang baik dan menarik perhatian mahasiswa/I kelas regular maupun kelas karyawan dengan cara mempertahankan kesetiaan dan kepercayaan mahasiswa – mahasiswinya sehingga terciptanya rasa puas yang dirasakan oleh mahasiswa/i Universitas Mercu Buana. Eksistensi Universitas Mercu Buana pun sangat bergantung pada pengelola Universitas Mercu Buana itu sendiri karena Universitas Mercu Buana harus menjadikan semua mahasiswa/i sebagai prioritas utama dimana Universitas Mercu Buana perlu mengetahui tingkat kepuasan mahasiswa/i kelas regular maupun mahasiswa/i kelas karyawan terhadap mutu pelayanan jasa yang telah diberikan sebagaimana mestinya. 3.2 Desain Penelitian Ditinjau dari tujuannya, penelitian ini dikategorikan penelitian pengujian hipotesis. Menurut (Sekaran 2006) studi yang termasuk dalam pengujian hipotesis biasanya menjelaskan sifat hubungan tertentu. Pengujian hipotesis dilakukan untuk menelaah varians variabel terikat. Mengacu pada hubungan antar variable, penelitian ini dikategorikan kedalam penelitian kausal (sebab – akibat). Analisis kausal adalah penelitian untuk mengetahui tentang pengaruh satu atau lebih variabel bebas (Independent Variables) terhadap variabel terikat (Dependent Variabel). Tujuan penelitian kausal dalam hal ini adalah untuk mengetahui seberapa besar “ Pengaruh Privacy Concerns, Entertaiment dan Peer Influence
40
terhadap prilaku pengguna situs pada Attitude Toward Advertising (SNA) ”. studi dimana peneliti ingin menemukan penyebab dari satu atau lebih masalah disebut studi kausal (Sekaran 2006). Skala Pengukuran Variabel Penelitian ini menggunakan skala likert, yaitu metode yang digunakan untuk mengukutr sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang fenomena sosial menurut Sugiyono (2007 : 107). Pengukuran terhadap variabel dilakukan dengan menggunakan skala likert yang merupakan metode pengukuran dengan skala ordinal yaitu angka – angka yang dinilai berdasarkan tingkatan, sebagai berikut : Tabel 3.1 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
3.3Definisi Operasional Variabel Definisi operasional adalah suatu informasi ilmiah yang amat membantu peneliti 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.
operasionalisasi dari masing – masing variabel terdapat dibawah ini.
Adapun
41
Tabel 3.5 Definisi Operasional Variabel
No. 1.
Variabel Privacy concerns
Definisi Kemampuan dari seorang individu atau kelompok untuk merahasiakan data pribadi atau informasi tentang diri mereka sendiri.
2.
Entertainment
Waktu yang digunakan menurut penilaian dan pilihan kita sendiri yang ditujukan sebagai kebutuhan pada diri manusia.
3.
Peer Influence
4.
Attitude Toward SNA
Tekanan atau pengaruh yang mendorong orang lain untuk mengubah sikap mereka dalam menyikapi sesuatu, dalam hal ini adalah SNS (Social Network Sites). Sikap konsumen terhadap iklan yang dipasang.
Indikator 1. Keamanan dalam memberikan informasi 2. Data pribadi yang terjaga rinci 3. Keamanan dalam memposting data 4. Sulit dihack 5. Sulit diotak - atik 1. Hiburan 2. Waktu senggang 3. Hal yang disukai untuk menghilangkan rasa jenuh 4. Rasa senang. 1. Kesenangan pribadi 2. Rasa ketertarikan 3. Keinginan masyarakat 4. Dorongan terhadap teman
1. Sikap terhadap banner produk 2. Sikap terhadap merek produk 3. Profil situs yang dibuat oleh sponsor 4. Profil situs yang dibuat oleh pelanggan 5. Video youtube yang dibuat perusahaan 6. Iklan pada twitter 7. Video youtube yang dibuat oleh pelanggan
42
3.5 Metode Pengumpulan Data metode pengumpulan data adalah teknik atau acuan cara – cara yang dapat digunakan untuk mengumpulkan data. Pengumpulan data primer pada penelitian ini diperoleh dengan metode survey, yaitu menggunakan kuesioner yang merupakan teknik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan atau pertanyaan tertulis kepada responden untuk dijawab. Pertanyaan berisi butir – butir pengukur variabel yang digunakan dalam model penelitian. Langkah selanjutnya adalah melakukan penyebaran dan pengumpulan data yang dilakukan dengan cara pemberian kuesioner secara langsung kepada responden (tatap muka). 3.5.1 Sumber Data Data yang digunakan dalam pembahasan skripsi ini adalah data yang bersumber dari : a. Data Primer Data yang didapat dari sumber pertama baik individu atau kelompok, seperti hasil pengisian kuesioner yang dilakukan peneliti. b. Data Sekunder Data yang diperoleh dari data primer, yang telah diolah dan disajikan lebih lanjut sebagai dasar penunjang dalam menganalisa masalah – masalah. Data sekunder ini dapat diperoleh dari referensi, buku atau sumber tertulis.
43
3.6 Populasi dan Sampel 3.6.1 Populasi Penelitian Populasi adalah kumpulan dari semua kemungkinan orang – orang, benda – benda dan ukuran lain yang menjadi objek perhatian atau sekumpulan seluruh objek yang menjadi perhatian. Sedangkan sampel adalah suatu bagian dari populasi tertentu yang menjadi perhatian (Suharyadi dan Purwanto 2004). Populasi pada penelitian ini adalah mahasiswa Universitas Mercu Buana. 3.6.2 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 (Sugiyono 2006) yaitu teknik penentuan sampel berdasarkan tujuan, siapa saja yang memang menjadi tujuan dan objek dari penelitian ini. Teknik sampling yang digunakan untuk menentukan responden adalah dengan cara memilih anggota dari populasi untuk dijadikan sampel dimana sesuka peneliti (Ronny Kountour 2004). Menurut (Hair, et.al 1995 dalam Supramono dan Haryanto 2005), ukuran sampel untuk kepentingan pengujian hipotesis yang menggunakan structural equation modeling (SEM) berkisar 100 – 200. Dalam penelitian ini, penulis menetapkan sebanyak 150 responden. Selain karena berdasarkan teori tersebut, jumlah 150 merupakan jumlah kuesioner yang mampu penulis sebarkan pada waktu yang direncanakan.
44
3.7 Metode Analisis Data Metode penelitian yang dipakai dalam penelitian ini adalah analisis kuantitatif, maksudnya digunakan skala penelitian untuk menyatakan bobot antara hubungan variabel satu dengan variabel yang lainnya. Untuk dapat mengetahui signifikan pengaruh antar variabel, maka data diolah dengan menggunakan metode analisis SEM (Structural Equation Modeling) dengan menggunakan software Lisrel 8.7. 3.7.1 Spesifikasi Model Spesifikasi model ini merupakan pembentukan model awal persamaan pengukuran dan structural. Spesifikasi model pengukuran merupakan persamaan notasi matematik yang membentuk variabel – variabel teramati. Sedangkan spesifikasi model structural adalah persamaan notasi matematik berdasarkan hubungan antara satu variabel laten kevariabel laten lainnya. Kemudian, akan ditunjukkan output path diagram hybrid model dengan notasi matematik. Adapun penelitian ini dapat digambarkan berdasarkan SEM (Structural Equation Modeling) sebagai berikut : Keterangan : = Variabel Laten (eksogen dan endogen) = Variabel Teramati (Indikator) = Variabel Eksogen = Variabel Endogen x
= Variabel Bebas ( Independent)
y
= Variabel Terikat (Dependent)
45
Y
= Gamma (parameter yang menunjukkan regresi variabel laten endogen)
3.7.2 Cofirmatory Factor Analysis Penelitian ini menggunakan pengukuran dengan dua tahap, disebut 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). Hasil CFA harus diperiksa terlebih dahulu dengan kemungkinan terjadinya offending estimate, kemudian dilakukan uji validitas dan realibitas. Kemudian tingkat kedua dilakukan, yaitu second order CFA (2 CFA) menunjukkan hubungan antara variabel – variabel laten pada tingkat pertama sebagai indikator dari sebuah variabel 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 sama konstanta, kesalahan pengukuran boleh berkolerasi, kovarian variabel – variabel laten dapat diestimasi atau ditetapkan pada nilai tertentu den identifikasi parameter diperlukan.
46
3.7.3 Analisis Offending Estimates Analisis awal inni harus dilakukan untuk memastikan tidak terdapat offending estimates (nilai – nilai yang melebihi batas yang dapat diterima) dari hasil estimasi ditingkat CFA. Berikut criteria analisisnya, yaitu : 1. Offending estimates, terutama adanya negative error variences (dikenal dengan heywod cases). Jika ada kesalahan varian negative, maka varian kesalahan terseburt 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 (Igbiria et.al dalam Wijayanto 2008). Sehingga variabel – variabel terkait bisa dipertimbangkan untuk dihapus. 3. Standar errors yang berhubungan dengan koefisien – koefisien yang diestimasi mempunyai nilai yang besar. 3.7.4 Uji Validitas dan Reliabilitas Untuk menguji kelayakan konstruk dari pertanyaan – pertanyaan yang diajukan pada kuesioner peneliti, penulis kemudian melakukan uji validitas dan reliabilitas. Validitas berhubungan dengan apakah suatu variabel mengukur apa yang seharusnya diukur (Wijanto 2008). 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 (Wijanto 2008) meyatakan suatu variabel latennya jika :
Nilai t-value >1,96 pada tingkat kepercayaan 95%
47
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 0,50 atau 0,70 maka harus dihilangkan atau dihapuskan dari model disebut juga model trimming. Setelah itu, proses pengukuran dilakukan kembali dengan CFA dan analisis sesuai dengan syarat – syarat diatas.
Relibilitas adalah konsistensi suatu pengukuran (Wijayanto 2008). Realibitas yang sangat tinggi menunjukkan bahwa indikator – indikator mempunyai konsistensi yang tinggi dalam mengukur variabel latennya. Realibitas suatu konstruk dikatakan baik, jika nilai construct reability adalah ≥0,70. Cara lain untruk menghitung realibitas 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 rumusan perhitungan pengukuran realibilitas :
Construct Reability = ( ( Varience Extracted = ( (
std Loading)² std Loading)² +
ej)
std Loading)² std Loading)² +
ej)
Keterangan : = jumlah keseluruhan Std Loading
= standardized loading factors (muatan factor standar)
48
Ej
= Kesalahan Menurut (Hair 1998), nilai CR yang baik adalah ≥0,70. Apabila nilai CR
berada dikisaran angka 0,60 dan 0,70 maka realibilitasnya masih termasuk dalam kategori baik. Selain itu, pengukuran nilai VE ≥0,50 merupakan ukuran yang baik dalam mengukur realibilitas, tetapi VE ini biasanya berupa pilihan (option) dalam penelitian, sehingga peneliti diperbolehkan hanya menggunakan CR sebagai ukuran realibilitasnya, namun akan lebih baik apabila VE diikut sertakan. 3.7.5 Second Order (2ndCFA) Second Order Confirmatoty Factor Analysis (2ndCFA) adalah model pengukuran yang terdiri dari dua tingkat (Wijanto 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 menganalisa kecocokan model secara keseluruhan serta terhadap model structuralnya. 3.7.6 Uji Kecocokan Keseluruhan Model Structural Equation Modeling (SEM) merupakan suatu teknik statistik yang mampu menganalisis variabel laten, variabel teramati dan kesalahan pengukuran secara langsung. SEM mampu menganalisis hubungan antar variabel laten dengan variabel indikatornya, hubuingan antara variabel laten yang satu dengan variabel yang lain, juga mengetahui besarnya kesalahan pengukuran
(Sitinjak dan
Sugiarto 2006). 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 (Bhollen 1989) dan (Ghazali 2005).
49
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 (Wijanto 2008) : 1. Chi Square / Degree of Freedom (χ²/df) Chi Square digunakan untuk menguji beberapa dekat kecocokan antara matrix kovarian sampel dengan matrix kovarian model. Joreskog dan Sorbom dalam Setya Hari (2008) mengatakan bahwa χ² seharusnya lebih diperlakukan sebagai ukuran goodness of fit (badness of fit) dan bukan sebagai uji statistic. 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 matrix kovarian sampel (∑) dengan matrix kovarian model (∑(θ)). NCP juga merupakan ukuran badness of fit dimana semakin besar perbedaan antara∑ dengan ∑(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 absolute, karena pada dasarnya GFI membandingkan model yang dihipotesiskan dengan tidak ada model sama sekal. 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.
50
4. Root Mean Square Residual (RMR) RMR mewakili nilai rata – rata residual yang diperoleh dari mencocokkan matrix varian – kovarian dari model yang dihipotesiskan dengan matrix varian – kovarian dari data sampel. Standarlized RMR mewakili nilai rata – rata seluruh standarlized residual dan mempunyai kecocokan yang baik (good fit) akan mempunyai nilai standarlized <0,05. 5. Root Mean Square Error of Aproximation RMSEA merupakan salah satu index yang informatif dalam SEM. Nilai RMSEA ≤0,05 menandakan close fit, sedangkan 0,05
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 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) 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
51
berkisar antara 0 sampai 1. Nilai AGFI ≥0,90 menunjukkan good fit, sedangkan 0,80 ≤NFI <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 CFI ≥0,90 menunjukkan good fit, sedangkan 0,80 ≤ CFI <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. 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 indikator – indikator dalam variabel laten, serta hubungan kausal antara variabel laten eksogen dengan variabel laten endogen.
52
3.7.7 Uji Kecocokan Model Struktural Pengujian ini akan menganalisis tingkat signifikan koefisien – koefisien yang diestimasi terhadap model structural. Tingkat signifikasi dapat dilihat dari nilai tvalue yang harus memenuhi syarat yaitu ≥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 (Wijanto 2008). Nilai koefisien yang mendekati akan berhubungan dengan peningkatan pentingnya variabel terkait dalam hubungan kausal.
