BAB IV METODE PENELITIAN

BAB IV METODE PENELITIAN 4.1.

Jenis Desain Penelitian Desain penelitian merupakan rencana menyeluruh dari penelitian dengan

menggunakan metode yang tepat mulai dari mengumpulkan dan menganalisa data sampai

dengan

menyimpulkannya

(Hair

dkk,

2009:51).

Penelitian

ini

menggunakan pendekatan survei, yaitu penelitian yang mengambil sampel dari satu populasi dengan menggunakan kuesioner sebagai alat pengumpulan data yang pokok dan secara umum menggunakan metode statistik (Prasetyo dan Jannah, 2007: 143). Jenis penelitian ini adalah deskriptif kuantitatif, yaitu penelitian yang bertujuan untuk menguraikan atau menggambarkan tentang karakteristik dari suatu keadaan atau objek penelitian yang dilakukan melalui pengumpulan data dan analisis data kuantitatif serta pengujian statistik (Prasetyo dan Miftahul Jannah, 2007: 263). Penelitian ini digunakan untuk melakukan pengujian konsep dalam hipotesis tentang

pengaruh bauran pemasaran yang meliputi product,

price, place, promotion, process, people dan physical evidence terhadap keputusan pembelian dan re-charge paket layanan data Telkomsel disertai dengan deskripsi fakta empiris dari model konseptual yang telah diuji hipotesisnya dan untuk mendeskripsikan logika manajemen atas berbagai proses yang tersirat dalam hipotesis yang diuji. Penelitian ini terdiri dari sembilan variabel, dengan tujuh variabel independen dan dua variabel dependen yaitu: X1

=

Product 53

54

X2

=

Price

X3

=

Place

X4

=

Promotion

X5

=

Process

X6

=

People

X7

=

Physical Evidence

Y

=

Keputusan Pembelian Paket Layanan Data Telkomsel

Z

=

Re-Charge Paket Layanan Data Telkomsel

4.2.

Ruang Lingkup Ruang lingkup penelitian ini adalah penelitian tentang pengaruh bauran

pemasaran yang meliputi product, price, place, promotion, process, place dan physical evidence terhadap keputusan pembelian dan re-charge paket layanan data Telkomsel Makassar, dengan pembatasan sebagai berikut: 1.

Pelanggan Telkomsel (kartuHALO, simPATI dan Kartu As) yang menggunakan paket layanan data Telkomsel di area Makassar.

2.

Pelanggan Telkomsel (kartuHALO, simPATI dan Kartu As) yang telah membeli dan melakukan pembelian ulang paket layanan data Telkomsel Makassar.

4.3.

Lokasi Penelitian Penelitian akan dilakukan di wilayah operasional pelayanan PT. Telkomsel

yaitu di wilayah kota Makassar dimana pelanggan berdomisili, sedangkan subyek atau responden yang dimaksud pada penelitian ini adalah pelanggan pengguna

55

paket layanan data PT. Telkomsel dalam hal ini pelanggan kartuHALO, simPATI dan Kartu As. 4.4.

Pendekatan Penelitian Seperti dipaparkan sebelumnya bahwa penelitian ini menggunakan

pendekatan penelitian kuantitatif yang digunakan untuk meneliti pada populasi atau sampel tertentu. Teknik pengambilan sampel pada umumnya dilakukan secara random. Pengumpulan data menggunakan instrumen penelitian seperti kuesioner dan lain-lain. Dalam pendekatan penelitian kuantitatif analisis data bersifat kuantitatif dengan tujuan untuk menguji hipotesis yang telah ditetapkan. Proses penelitian bersifat deduktif dimana untuk menjawab rumusan masalah digunakan konsep atau teori dapat dirumuskan hipotesis. Hipotesis tersebut selanjutnya diuji melalui pengumpulan data lapangan. Data yang sudah terkumpul selanjutnya dianalisis secara kuantitatif dengan menggunakan statistik eskriptif sehingga dapat disimpulkan hipotesis yang dirumuskan terbukti atau tidak. 4.5.

Variabel Penelitian Variabel penelitian adalah sesuatu yang berbentuk apa saja yang

ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang halhal tersebut (Sugiyono, 2009). Adapun variabel dalam penelitian ini terdiri dari dua macam: 1. Variabel Independen atau Variabel Bebas (X) adalah variabel yang mempengaruhi variabel lain yang sifatnya berdiri sendiri. Penelitian ini

56

memiliki variabel independen yaitu:

Product, Price, Place, Promotion,

Process, People dan Physical Evidence. 2. Variabel Dependen adalah Variabel Terikat yaitu variabel yang dipengaruhi atau menjadi akibat karena adanya variabel bebas (Sugiyono, 2009). Dalam penelitian ini variabel dependen (terikat) adalah Keputusan Pembelian dan Recharge Paket Layanan Data Telkomsel. 4.6.

Populasi dan Sampel Penelitian

4.6.1. Populasi Populasi dalam penelitian ini adalah 200.000 pelanggan paket layanan data PT. Telkomsel di kota Makassar yang meliputi pengguna kartuHALO, simPATI, Kartu As. 4.6.2. Sampel Metoda analisa yang akan digunakan dalam penelitian ini adalah menggunakan Structural Equation Model (SEM). Dengan menggunakan model estimasi Maximum Likelihood Estimation (MLE) ukuran sampel yang dipersyaratkan adalah 100 - 200 sampel (Hair et al., 2005; Ghozali, 2008). Berdasarkan hal tersebut maka peneliti mengambil sampel sebanyak 200 responden untuk diuji kebenaran melalui pertanyaan kuesioner yang disebar. Adapun penentuan jumlah sampel akan dibagi proporsional sesuai dengan jumlah pelanggan data Telkomsel di Makassar yang menggunakan kartuHALO, simPATI, Kartu As. Responden dipilih secara acak adalah pelanggan Telkomsel yang datang ke Grapari, Kantor Telkomsel Gerai Halo, dealer/outlet, dan

57

beberapa toko penjual pulsa Telkomsel yang berada di Makassar dan bersedia mengisi kuesioner yang diberikan (convenience sampling) dengan rincian sebagai berikut: Tabel 4.1. Klasifikasi Responden sesuai produk yang digunakan No Produk 1 KartuHALO 2 simPATI 3 Kartu As Sumber: Data diolah (2013) 4.7.

Responden 20% 55% 25%

Jenis dan Sumber Data Jenis dan sumber data yang digunakan dalam penelitian ini adalah:

1.

Data Primer Data primer adalah data yang diperoleh langsung dari sumber data yang

mempunyai hubungan langsung dengan masalah penelitian. Data primer dapat berupa opini subyek (orang) secara individual atau kelompok, hasil observasi terhadap suatu benda (fisik), kejadian atau kegiatan, dan hasil pengujian. Dalam penelitian ini sumber data primer diperoleh langsung di lapangan. Kuesioner yang disebarkan kepada semua responden yang dalam hal ini adalah konsumen paket layanan data yang berada di wilayah Kota Makassar untuk dijawab dan setelah dijawab dikumpulkan kembali dan dari jawaban itulah selanjutnya diolah dan dianalisis datanya. Pengolahan data akan disajikan dalam bentuk tabel dan diolah dengan bantuan program software pengolahan data yang bernama SEM. 2. Data Sekunder Data sekunder adalah data primer yang sudah diperoleh atau tersedia oleh pihak lain yang berguna untuk memberikan gambaran tambahan yang berguna

58

untuk diproses lebih lanjut. Data ini diperoleh melalui dokumentasi, studi kepustakaan dan buku-buku pedoman serta catatan yang berkaitan dengan variabel penelitian yang akan diteliti. Data sekunder pada penelitian ini diantaranya berupa data price, data penjualan paket layanan data dan data-data lainnya yang dibutuhkan dalam penelitian ini. 4.8.

Teknik Pengumpulan Data Pada umumnya seorang peneliti dalam memperoleh data penelitian

menggunakan berbagai macam teknik pengumpulan data yang sesuai dengan permasalahan yang akan dibahas. Penelitian ini menggunakan beberapa teknik dalam pengumpulan data, antara lain: 4.8.1. Metode Kuesioner atau Angket Kuesioner adalah sejumlah pertanyaan tertulis yang digunakan untuk memperoleh informasi dari responden dalam arti laporan tentang pribadinya, atau hal-hal yang ia ketahui (Sugiyono: 2009). Menurut Rusidi (2002) kuesioner adalah pengumpulan informasi diambil dari sampel atas populasi dengan menggunakan kuesioner sebagai alat pengumpul datanya. Kuesioner digunakan untuk mendapatkan data primer yang diperoleh secara langsung dari subjek penelitian. Kuesioner merupakan instrumen pengumpulan data dalam sebuah survei. Pertanyaan dalam kuesioner didesain sedemikian rupa sehingga mewakili dan mencerminkan tahapan-tahapan elemen dari setiap variabel-variabel dalam penelitian tersebut. Kuesioner atau angket ini akan dibagi dan diisi oleh responden dari pelanggan Telkomsel.

59

Penelitian ini menggunakan skala pengukuran Likert. Skala ini digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang fenomena sosial, yang dalam penelitian ini telah ditetapkan secara spesifik oleh peneliti, yang selanjutnya disebut sebagai variabel penelitian. Dalam skala Likert, variabel yang diukur dijabarkan sebagai sub variabel, kemudian sub variabel dijabarkan menjadi komponen yang dapat terukur. Komponen yang dapat terukur ini, kemudian dijadikan titik tolak untuk menyusun item instrumen yang dapat berupa pertanyaan kemudian dijawab oleh responden. Jawaban setiap item instrumen kemudian diberi nilai sebagai berikut : 1.

Skor 5 untuk jawaban Sangat Setuju (SS).

2.

Skor 4 untuk jawaban Setuju (S).

3.

Skor 3 untuk jawaban Kurang Setuju (KS).

4.

Skor 2 untuk jawaban Tidak Setuju (TS).

5.

Skor 1 untuk jawaban Sangat Tidak Setuju (STS).

4.8.2. Wawancara Wawancara adalah cara pengumpulan data dengan menggunakan pertanyaan secara lisan. Metode ini penulis pilih sebagai metode alternatif bila mana dalam pengumpulan data di lapangan terdapat kondisi yang tidak diinginkan misalnya responden tidak ada di tempat kerja karena sakit atau sedang mengikuti pendidikan dan latihan dan kondisi-kondisi lainnya. Metode wawancara yang penulis gunakan adalah wawancara personal dilakukan kepada beberapa konsumen paket layanan data yang berada di wilayah Kota Makassar untuk menggali semua informasi yang ada.

60

4.8.3. Dokumentasi Metode dokumentasi adalah suatu cara untuk memperoleh data atau informasi tentang hal-hal yang ada kaitannya dengan penelitian, dengan jalan melihat kembali sumber yang lalu baik berupa angka atau keterangan (Sugiyono, 2009). Pada tahap ini, penulis meneliti dan mencatat data-data mengenai profil perusahaan, struktur organisasi, data karyawan dan data-data lainnya. 4.9.

Definisi Operasional Untuk memudahkan dalam penelitian ini maka dibuat definisi operasional

yang merupakan penjabaran konsep ke dalam rincian yang terukur dan alat bantu bagi peneliti dalam kegiatan pengumpulan data baik variabel, dimensi dan indikatornya agar menjadi sistematis. Adapun penjabarannya akan disajikan dalam bentuk Tabel 4.2 matriks seperti dibawah ini:

61

Tabel 4.2. Variabel Operasional No 1

Variabel Product (X1)

2

Price (X2)

3

Place (X3)

4

Promotion (X4)

5

Process (X5) People (X6) Physical Evidence (X7) Keputusan Pembelian (Y)

6 7 8

9

4.10.

Re-Charge (Z)

Dimensi Pilihan Kualitas Manfaat Harga Diskon Persepsi Lokasi Grapari Counter/toko Ketersedian Produk Media Kualitas Iklan Penjualan Aktivasi Perpanjangan Keramahan Kecepatan Kebersihan Kenyamanan Pengenalan Kebutuhan Penilaian Alternatif Kecepatan Keputusan Minat Transaksional Minat Referensial Minat Preferensial Minat Eksploratif

Indikator X11 X12 X13 X21 X22 X23 X31, X32 X33, X34 X35, X36 X41, X42, X43 X44, X45 X46 X51, X52, X53 X54 X61, X63 X62, X64 X71, X73 X72, X74 Y1, Y2 Y3, Y4, Y5 Y6, Y7, Y8 Z1 Z2 Z3 Z4

Teknik Analisis Data Dalam penelitian ini terdapat tujuh variabel independen dan dua varibel

dependen maka analisis data menggunakan teknik persamaan Structural Equation Modeling (SEM) dengan menggunakan aplikasi LISREL. Untuk menganalisis dan menguji hipotesis maka analisis dilakukan menggunakan pendekatan hybrid model atau full structural model dimana analisis pengujian terhadap instrumen pengumpulan data dengan menggunakan teknik Cofirmatory Faktor Analysis (CFA) atau disebut juga uji model pengukuran dan uji model struktural dilakukan bersamaan (Hair et.al, 2006).

62

4.10.1. Analisis Konsep Structural Equation Modeling (SEM) Teknik analisis data yang digunakan dalam penelitian ini adalah Structural Equation Modelling (SEM) yaitu suatu teknik statistika untuk menguji dan mengestimasi hubungan kausal dengan mengintegrasikan analisis faktor dan analisis jalur (Jogiyanto, 2011:47). SEM dipakai pada pengujian rangkaian yang relatif lebih kompleks dengan satu atau beberapa variabel terikat dengan satu atau beberapa variabel bebas. Masing-masing variabel dibangun dari beberapa dimensi atau konstruk dan diperkuat dengan indikator-indikator. Dalam pengolahannya, aplikasi yang dipakai adalah Linear Structural Relationship atau LISREL versi 8 for Windows. Beberapa alasan penelitian ini menggunakan analisis SEM aplikasi LISREL adalah: 1. Masing-masing variabel yang diukur menggunakan indikator-indikator dalam jumlah banyak sehingga dibutuhkan uji kelayakan model sehingga diketahui gambaran keadaan sebenarnya. 2. LISREL mampu menampilkan semua hasil analisis jalur hanya dengan membuat syntax hubungan. 3. LISREL mampu menampilkan korelasi antar variabel secara sekaligus. 4. Tampilan hasil menggunakan bahasa internasional yang umum digunakan, sehingga memudahkan dalam melakukan interpretasi hasil. 4.10.2. Aturan atau Konvensi SEM Beberapa aturan atau konvensi yang diberlakukan dalam menggunakan SEM adalah sebagai berikut: 1.

Variabel Terukur (Measured Variable).

63

Adalah variabel yang datanya harus dicari melalui penelitian lapangan, misalnya melalui instrumen-instrumen survei. Variabel ini disebut juga observed variables, indicator variables atau manifest variables yang digambarkan dalam bentuk segi empat atau bujur sangkar.

Gambar 4. 2. Simbol Variabel Teramati 2.

Faktor.

Adalah variabel bentukan, yang dibentuk melalui indikator-indikator yang diamati dalam dunia nyata. Karena disebut variabel bentukan, maka disebut latent variables. Nama lain untuk latent variables adalah construct atau unobserved variables yang digambarkan dalam bentuk oval atau elips.

Gambar 4.1. Simbol Variabel Laten 3.

Hubungan antar variabel.

Hubungan ini dinyatakan dalam garis. Oleh karena, bila tidak ada garis berarti tidak ada hubungan langsung yang dihipotesiskan. Bentuk-bentuk hubungan antar variabel dapat dijelaskan sebagai berikut:

64

a.

Garis dengan anak panah satu arah () Garis ini menunjukkan adanya hubungan yang dihipotesiskan antara dua

variabel, dimana variabel yang dituju oleh anak panah merupakan variabel dependen. Terdapat dua kelompok hipotesis yang digambarkan dengan anak panah satu arah yaitu: 1.

Hipotesis mengenai dimensi faktor. Dimensi-dimensi sebuah faktor akan terlihat dalam diagram SEM melalui arah anak panah () yang digunakan. Dalam hal ini masing-masing indikator itu sebagai variabel dependen, secara bersama-sama dihipotesiskan sebagai dimensi dari sebuah konsep atau faktor.

2.

Hipotesis mengenai hubungan regresi Hipotesis mengenai pengaruh satu atau beberapa variabel independen terhadap satu atau beberapa variabel dependen dinyatakan pula dalam anak panah satu arah ().

b.

Garis dengan anak panah dua arah () Garis ini menunjukan hubungan yang tidak dianalisis. Anak panah dua arah

ini dalam pemodelan SEM digunakan untuk menggambarkan kovarians atau korelasi antara dua buah variabel. Misalnya, bila peneliti akan meregresi dua buah variabel independen terhadap satu atau beberapa variabel dependen, syarat yang harus dipenuhi adalah tidak adanya saling korelasi antara variabel independen (sebagaimana syarat pada analisis regresi). Untuk itu, sebuah anak panah dua ujung harus digunakan untuk menghubungkan kedua variabel independen itu untuk menguji bahwa tidak ada korelasi antara keduanya.

65

4.10.3. Tahapan dalam SEM Analisis data dengan memakai SEM meliputi langkah-langkah sebagai berikut: 1. Spesifikasi Model Pada tahap ini peneliti mengembangkan model yang akan diuji berdasarkan teori ilmiah yang telah dipelajari. Ini adalah langkah bilamana peneliti ingin menguji teori. Salah satu keunggulan SEM adalah dalam hal meneliti hubungan (relationship), khususnya hubungan sebab akibat antara konstruk ataupun variabel. Dalam melakukan pengujian mengenai hubungan antar variabel dapat terlihat dalam research question ataupun dalam hipotesis yang akan diuji. 2. Identifikasi Model Dalam SEM peneliti akan menghitung parameter model, yaitu loading (dalam model pengukuran) ataupun koefisien regresi model (dalam model struktural) yang digambar. SEM menentukan parameter tersebut dengan berbagai teknik algoritma, salah satunya dengan berdasarkan matrik kovarians sampel. Dalam hal ini peneliti perlu mencermati jumlah data, jumlah variabel, jumlah parameter dan sifat data yang akan diuji. 3. Estimasi Model Dalam tahapan ini peneliti menentukan nilai parameter model. Ada beberapa teknik algoritma yang dapat digunakan untuk menentukan nilai parameter. Salah satunya adalah teknik struktur kovarians (covarians structure). Dalam teknik ini matriks korelasi data yang dihasilkan dari model yang disusun dengan parameter yang diusulkan diusahakan sama (atau mendekati sama) dengan matriks korelasi data empirisnya.

66

4. Uji Model Setelah nilai parameter diestimasi, langkah berikutnya adalah menentukan seberapa fit model yang dihasilkan dengan menggunakan beberapa macam alat, misalnya (a) global omnibus test dengan menggunakan uji goodness of fit dengan uji Chi-Square, F, R2 dan (b) uji parameter secara individu dengan uji t-test. 5. Modifikasi Model Model teoritis yang diusulkan dan diuji dengan data empiris dalam suatu penelitian belum pasti memberikan jaminan bahwa model yang diusulkan memiliki goodness of fit yang bagus ataupun yang terbaik. Bilamana hasil pengujian ternyata kurang bagus maka peneliti disarankan untuk melakukan modifikasi atas model yang semula diusulkan. Modifikasi ini dapat dilakukan dengan mengubah arah hubungan antara konstruk yang satu dengan konstruk yang lainnya atau menghilangkan variabel yang terbukti tidak berdampak signifikan. Peningkatan nilai goodness of fit dengan melihat perubahan nilai Chi-square. Analisis SEM memiliki dua elemen atau model, yaitu model struktural dan model pengukuran. 1. Model Struktural (Structural Model) Model ini menggambarkan hubungan diantara variabel-variabel laten. Parameter yang menunjukkan regresi variabel laten endogen pada eksogen dinotasikan dengan γ (gamma). Sedangkan untuk regresi variabel endogen pada variabel endogen lainnya dinotasikan dengan β (beta). Variabel laten eksogen juga boleh berhubungan dalam dua arah (covary) dengan dinotasikan φ (phi). Notasi untuk error adalah δ.

67

Gambar 4. 3. Model Struktural SEM Persamaan dalam model struktural dibangun dengan persamaan berikut: Var laten endogen = β var laten endogen + γ var laten eksogen + error sehingga untuk persamaan matematik untuk model struktural diatas adalah:

dengan persamaan dalam bentuk matriks:

2. Model Pengukuran (Measurement Model) Setiap variabel laten mempunyai beberapa ukuran atau variabel teramati atau indikator. Variabel laten dihubungkan dengan variabel-variabel teramati melalui model pengukuran yang berbentuk analisis faktor. Setiap variabel laten dimodelkan sebagai sebuah faktor yang mendasari variabel-variabel terkait. Muatan faktor (factor loading) yang menghubungkan variabel laten dengan variabel teramati diberi label λ (lambda). Error dalam model pengukuran dinotasikan dengan δ.

68

Gambar 4. 4. Model Pengukuran SEM

Persamaan dalam model pengukuran dibangun dengan persamaan: Indikator = γ konstruk + error X = γ var laten eksogen + error Y = γ var laten endogen + error sehingga untuk persamaan matematik untuk model struktural diatas menjadi:

Dengan persamaan dalam bentuk matriks:

Penggabungan model struktural dan pengukuran membentuk bentuk umum SEM (Full atau Hybrid Model), seperti berikut:

69

Gambar 4. 5. Model Full Hybrid SEM 4.10.4. Pengujian Model Pengukuran Dalam penelitian ini terdapat tujuh variabel independen yaitu: Product (X1), Price (X2), Place (X3), Promotion (X4), Process (X5), People (X6) dan Physical Evidence (X7) serta dua variabel dependen yaitu Keputusan Pembelian (Y) dan Re-charge (Z), yang mana keseluruhan variabel tersebut merupakan model first order confirmatory factor analysis (1st CFA). Untuk menguji model pengukuran maka digunakan analisis faktor konfirmatori

(Confirmatory

Factor

Analysis)

yang

digunakan

untuk

mengkonfirmatori faktor-faktor yang paling dominan dalam pembentukan suatu kelompok variabel melalui uji reliabilitas dan uji validitas. Uji reliabilitas adalah suatu uji yang menunjukkan pada pengertian bahwa sesuatu instrumen cukup dapat dipercaya untuk digunakan sebagai alat pengumpul data karena instrumen tersebut sudah baik/valid

(Arikunto, 2002). Suatu

instrumen dikatakan reliabel apabila memiliki nilai construct reliability (CR) sebesar ≥ 0,70, dan nilai variance extracted (VE) sebesar ≥ 0,50.

70

Validitas adalah suatu ukuran yang menunjukkan tingkat-tingkat kevalidan atau kesahihan sesuatu instrumen (Arikunto, 2002 ). Suatu alat ukur (instrumen) yang valid atau sahih akan memiliki validitas tinggi dan mempunyai varian kesalahan kecil sehingga data yang terkumpul merupakan data yang dapat dipercaya, sebaliknya instrumen yang kurang valid berarti memiliki validitas rendah. Suatu konstruk dikatakan valid apabila memiliki nilai loading factors item/indikator ≥ 0,5 dan nilai t-value sebesar ≥1,96. 4.10.5. Pengujian Model Struktural Setelah konstruk telah lolos uji validitas dan uji reliabilitas dengan menggunakan confirmatory factors analysis (CFA), maka tahap selanjutnya adalah menguji kecocokan data dengan model struktural dengan kriteria Goodness of Fit (GOF). Pengujian ini akan mengevaluasi apakah model yang dihasilkan merupakan model yang fit atau tidak. Untuk menguji tersebut maka digunakan beberapa ukuran GOF atau yang dikenal dengan Goodness of Fit Indicates. Adapun analisis setiap ukuran GOF adalah sebagai berikut: 1. Chi-square. Semakin kecil nilai Chi-Square, semakin baik model itu dan diterima berdasarkan probabilitas dengan cut-off value sebesar p>0.05 atau p>0.10. 2. RMSEA (The Root Mean Square Error of Approximation), yang menunjukkan goodness of fit yang diharapkan bila model diestimasi dalam populasi. Nilai RMSEA ≥ 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan close fit dari model itu berdasarkan degrees of freedom.

71

3. Normed Fit Index (NFI). Indeks ini juga merupakan ukuran perbandingan antara proposed model dan null model. Nilai yang direkomendasikan adalah NFI > 0,90. 4. Non-Normed Fit Index (NNFI). NNFI merupakan indeks kesesuaian incremental yang membandingkan model yang diuji dengan baseline model. NNFI digunakan untuk mengatasi permasalahan yang timbul akibat kompleksitas model. Nilai penerimaan yang direkomendasikan adalah nilai NNFI > 0,90 5. Comparative Fit Index (CFI). CFI juga merupakan indeks kesesuaian incremental. Besaran indeks ini adalah dalam rentang 0 sampai 1 dan nilai yang mendekati 1 mengindikasikan model memiliki tingkat kesesuaian yang baik. Indeks ini sangat dianjurkan untuk dipakai karena indeks ini relatif tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi oleh kerumitan model. Nilai penerimaan yang direkomendasikan adalah CFI > 0,90. 6. Goodness Of Fit Indeks (GFI) adalah Indeks yang menggambarkan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual kuadrat dari model yang diprediksi dibandingkan data yang sebenarnya. Nilai GFI > 0,90 mengisyaratkan model yang diuji memiliki kesesuaian yang baik. Berdasarkan uraian di atas maka berikut ini ditampilkan rangkuman indeks kecocokan model yang digunakan dalam penelitian ini.

72

Tabel 4.3. Indeks Kecocokan Model Ukuran Goodness of Fit

Target tingkat kecocokan

Chi-Square

Nilai yang kecil

P-Value

P > 0,05

RMSEA

RMSEA ≤ 0,08

NFI

NFI ≥ 0,90

NNFI

NNFI ≥ 0,90

CFI

CFI ≥ 0,90

GFI

GFI ≥ 0,90

4.11. Matriks Korelasi Antar Dimensi Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran asosiasi/hubungan (measures of association). Pengukuran asosiasi merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistic bivariate yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat popular sampai sekarang, yaitu Korelasi Pearson Product Moment dan Rank Spearman. Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variable (kadang lebih dari dua variable) dengan skala-skala tertentu, misalnya Pearson menggunakan data berskala interval atau rasio, Spearman menggunakan skala ordinal. Kuat lemahnya hubungan diukur dengan range 0 sampai 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah. Korelasi dikatakan searah apabila nilai koefisien korelasi bernilai positif, sebaliknya apabila bernilai negatif maka korelasi dikatakan tidak searah.

73

Tabel 4.4. Matriks Korelasi Antar Dimensi Bauran Pemasaran (Product, Price, Place, Promotion, Process, People dan Physical Evidence) Terhadap Keputusan Pembelian. Variabel X1 Product X2 Price X3

Place

X4

Promotion

X5

Process

X6

People

X7 Physical Evidence

Y Keputusan Pembelian

Dimensi

Y1

Y2

Y3

Y4

Y5

Y6

Y7

Y8

Rx.1.1

Rx1.1.y1

Rx1.1.y2

Rx1.1.y3

Rx1.1.y4

Rx1.1.y5

Rx1.1.y6

Rx1.1.y7

Rx1.1.y8

Rx.1.2

Rx1.2.y1

Rx1.2.y2

Rx1.2.y3

Rx1.2.y4

Rx1.2.y5

Rx1.2.y6

Rx1.2.y7

Rx1.2.y8

Rx.1.3

Rx1.3.y1

Rx1.3.y2

Rx1.3.y3

Rx1.3.y4

Rx1.3.y5

Rx1.3.y6

Rx1.3.y7

Rx1.3.y8

Rx.2.1

Rx2.1.y1

Rx2.1.y2

Rx2.1.y3

Rx2.1.y4

Rx2.1.y5

Rx2.1.y6

Rx2.1.y7

Rx2.1.y8

Rx.2.2

Rx2.2.y1

Rx2.2.y2

Rx2.2.y3

Rx2.2.y4

Rx2.2.y5

Rx2.2.y6

Rx2.2.y7

Rx2.2.y8

Rx.2.3

Rx2.3.y1

Rx2.3.y2

Rx2.3.y3

Rx2.3.y4

Rx2.3.y5

Rx2.3.y6

Rx2.3.y7

Rx2.3.y8

Rx.3.1

Rx3.1.y1

Rx3.1.y2

Rx3.1.y3

Rx3.1.y4

Rx3.1.y5

Rx3.1.y6

Rx3.1.y7

Rx3.1.y8

Rx.3.2

Rx3.2.y1

Rx3.2.y2

Rx3.2.y3

Rx3.2.y4

Rx3.2.y5

Rx3.2.y6

Rx3.2.y7

Rx3.2.y8

Rx.3.3

Rx3.3.y1

Rx3.3.y2

Rx3.3.y3

Rx3.3.y4

Rx3.3.y5

Rx3.3.y6

Rx3.3.y7

Rx3.3.y8

Rx.3.4

Rx3.4.y1

Rx3.4.y2

Rx3.4.y3

Rx3.4.y4

Rx3.4.y5

Rx3.4.y6

Rx3.4.y7

Rx3.4.y8

Rx.3.5

Rx3.5.y1

Rx3.5.y2

Rx3.5.y3

Rx3.5.y4

Rx3.5.y5

Rx3.5.y6

Rx3.5.y7

Rx3.5.y8

Rx.3.6

Rx3.6.y1

Rx3.6.y2

Rx3.6.y3

Rx3.6.y4

Rx3.6.y5

Rx3.6.y6

Rx3.6.y7

Rx3.6.y8

Rx.4.1

Rx4.1.y1

Rx4.1.y2

Rx4.1.y3

Rx4.1.y4

Rx4.1.y5

Rx4.1.y6

Rx4.1.y7

Rx4.1.y8

Rx.4.2

Rx4.2.y1

Rx4.2.y2

Rx4.2.y3

Rx4.2.y4

Rx4.2.y5

Rx4.2.y6

Rx4.2.y7

Rx4.2.y8

Rx.4.3

Rx4.3.y1

Rx4.3.y2

Rx4.3.y3

Rx4.3.y4

Rx4.3.y5

Rx4.3.y6

Rx4.3.y7

Rx4.3.y8

Rx.4.4

Rx4.4.y1

Rx4.4.y2

Rx4.4.y3

Rx4.4.y4

Rx4.4.y5

Rx4.4.y6

Rx4.4.y7

Rx4.4.y8

Rx.4.5

Rx4.5.y1

Rx4.5.y2

Rx4.5.y3

Rx4.5.y4

Rx4.5.y5

Rx4.5.y6

Rx4.5.y7

Rx4.5.y8

Rx.4.6

Rx4.6.y1

Rx4.6.y2

Rx4.6.y3

Rx4.6.y4

Rx4.6.y5

Rx4.6.y6

Rx4.6.y7

Rx4.6.y8

Rx.5.1

Rx5.1.y1

Rx5.1.y2

Rx5.1.y3

Rx5.1.y4

Rx5.1.y5

Rx5.1.y6

Rx5.1.y7

Rx5.1.y8

Rx.5.2

Rx5.2.y1

Rx5.2.y2

Rx5.2.y3

Rx5.2.y4

Rx5.2.y5

Rx5.2.y6

Rx5.2.y7

Rx5.2.y8

Rx.5.3

Rx5.3.y1

Rx5.3.y2

Rx5.3.y3

Rx5.3.y4

Rx5.3.y5

Rx5.3.y6

Rx5.3.y7

Rx5.3.y8

Rx.5.4

Rx5.4.y1

Rx5.4.y2

Rx5.4.y3

Rx5.4.y4

Rx5.4.y5

Rx5.4.y6

Rx5.4.y7

Rx5.4.y8

Rx.6.1

Rx6.1.y1

Rx6.1.y2

Rx6.1.y3

Rx6.1.y4

Rx6.1.y5

Rx6.1.y6

Rx6.1.y7

Rx6.1.y8

Rx.6.2

Rx6.2.y1

Rx6.2.y2

Rx6.2.y3

Rx6.2.y4

Rx6.2.y5

Rx6.2.y6

Rx6.2.y7

Rx6.2.y8

Rx.6.3

Rx6.3.y1

Rx6.3.y2

Rx6.3.y3

Rx6.3.y4

Rx6.3.y5

Rx6.3.y6

Rx6.3.y7

Rx6.3.y8

Rx.6.4

Rx6.4.y1

Rx6.4.y2

Rx6.4.y3

Rx6.4.y4

Rx6.4.y5

Rx6.4.y6

Rx6.4.y7

Rx6.4.y8

Rx.7.1

Rx7.1.y1

Rx7.1.y2

Rx7.1.y3

Rx7.1.y4

Rx7.1.y5

Rx7.1.y6

Rx7.1.y7

Rx7.1.y8

Rx.7.2

Rx7.2.y1

Rx7.2.y2

Rx7.2.y3

Rx7.2.y4

Rx7.2.y5

Rx7.2.y6

Rx7.2.y7

Rx7.2.y8

Rx.7.3

Rx7.3.y1

Rx7.3.y2

Rx7.3.y3

Rx7.3.y4

Rx7.3.y5

Rx7.3.y6

Rx7.3.y7

Rx7.3.y8

Rx.7.4

Rx7.4.y1

Rx7.4.y2

Rx7.4.y3

Rx7.4.y4

Rx7.4.y5

Rx7.4.y6

Rx7.4.y7

Rx7.4.y8

Dimensi

Dimensi

Dimensi

Dimensi

Dimensi

Dimensi

74

Tabel 4.5. Matriks Korelasi Antar Dimensi Keputusan Pembelian Terhadap Re-Charge. Variabel Y

Keputusan Pembelian

Z Re-Charge Dimensi Ry1 Ry2 Ry3 Ry4 Ry5 Ry6 Ry7 Ry8

z1 Ry1.z1 Ry2.z1 Ry3.z1 Ry4.z1 Ry5.z1 Ry6.z1 Ry7.z1 Ry8.z1

z2 Ry1.z2 Ry2.z2 Ry3.z2 Ry4.z2 Ry5.z2 Ry6.z2 Ry7.z2 Ry8.z2

z3 Ry1.z3 Ry2.z3 Ry3.z3 Ry4.z3 Ry5.z3 Ry6.z3 Ry7.z3 Ry8.z3

z4 Ry1.z4 Ry2.z4 Ry3.z4 Ry4.z4 Ry5.z4 Ry6.z4 Ry7.z4 Ry8.z4