BAB 3 METODE PENELITIAN
3.1 Desain Penelitian Dalam penelitian ini, jenis penelitian yang digunakan adalah asosiatif. Penelitian asosiatif / hubungan adalah penelitian yang bertujuan untuk mengetahui hubungan antara dua variabel atau lebih, dan bagaimana tingkat ketergantungan antara variabel independent dan variabel dependent (Sugiyono, 2008, p11). Metode penelitian yang digunakan adalah survey, penggunaan metode survey dipilih karena penelitian dilakukan pada populasi besar, dan data yang dipelajari adalah data dari sampel yang diambilkan dari populasi tersebut (Sugiyono, 2008, p7). Pendekatan survey dalam penelitian ini melalui penyebaran kuisioner yang dilakukan pada pelanggan. Unit analisis yang dituju adalah individu, yaitu pelanggan dari HEMA resto. Time
horizon yang digunakan adalah Cross-Sectional, yaitu suatu penelitian yang dilakukan dalam kurun waktu tertentu (Umar, 2005, p131). Tabel 3.1 Desain Penelitian Tujuan Penelitian
T-1
Desain penelitian Jenis Penelitian Asosiatif
Metode
Unit
Time
Penelitian
Analisis
Horizon
Survey
Individu
CrossSectional
T-2
Asosiatif
Survey
Individu
CrossSectional
T-3
Asosiatif
Survey
Individu
CrossSectional
23
24
Keterangan: •
T–1 Untuk mengetahui seberapa besar pengaruh Customer Satisfaction terhadap
Behavioral Intention pada pelanggan HEMA Resto •
T–2 Untuk mengetahui seberapa besar pengaruh Customer Delight terhadap
Behavioral Intention pada pelanggan HEMA Resto •
T–3 Untuk mengetahui seberapa besar pengaruh Customer Satisfaction dan
Customer Delight secara simultan terhadap Behavioral Intention pada pelanggan HEMA Resto
3.2 Operasionalisasi Variabel Penelitian Variabel penelitian adalah suatu atribut atau sifat atau nilai dari orang, objek, atau kegiatan yang mempunyai variabel tertentu yang diterapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya (Sugiyono, 2008, p32) Dalam penelitian ini terdapat tiga variabel yang digunakan, yaitu: 1. Variabel Independen (X1), yang terdiri dari: •
Customer Satisfaction
2. Variabel Independen (X2), yang terdiri dari: •
Customer Delight
3. Variabel Dependen (Y), yang terdiri dari: •
Behavioral Intention
Pengukuran data yang digunakan untuk masing-masing variabel adalah Ordinal. Menurut Sarwono (2006, p94), pengukuran Ordinal memungkinkan segala sesuatu disusun menurut peringkatnya masing – masing. Jawaban pertanyaan berupa peringkat, misalnya: sangat tidak setuju, tidak setuju, netral, setuju, dan sangat setuju dapat diberi simbol angka
25
1,2,3,4,dan 5. Angka – angka ini hanya merupakan simbol peringkat, tidak mengekspresikan jumlah. Skala pengukuran untuk instrument penelitian yang digunakan adalah likert. Skala likert yang dikembangkan oleh Rensis Likert ini akan menunjukkan persetujuan atau ketidaksetujuan dari serangkaian pertanyaan tentang suatu obyek, dan biasanya memiliki lima atau tujuh kategori dari “sangat setuju” sampai “sangat tidak setuju” (Sugiyono, 2008, p86) Tabel 3.2 Operasionalisasi Variabel Penelitian Variabel
Sub Variabel
Indikator ‐
Kehigienisan dari
Ukuran
Skala
Ordinal
Likert
Ordinal
Likert
Ordinal
Likert
Ordinal
Likert
produk HEMA Resto
Product Quality
‐
Cita Rasa dari produk HEMA Resto
‐
Price
Kesesuaian harga terhadap porsi yang ditawarkan
Customer
‐
Keterjangkauan harga
Satisfaction
‐
Product Knowledge yang dimiliki oleh
(X1)
Service Quality
karyawan HEMA Resto ‐
Kecepatan dalam menyajikan pesanan
‐
Emotional
Produk HEMA Resto dapat memenuhi lapar
Factor
dan dahaga ‐
Hidangan yang menggugah selera
26
‐
Easiness
Ordinal
Likert
Ordinal
Likert
Ordinal
Likert
Ordinal
Likert
Ordinal
Likert
Ordinal
Likert
Kemudahan dalam mendapatkan produk
‐
Kemudahan dalam transaksi
‐
Karyawan tidak membeda-bedakan pelanggan
Justice
‐
Kesamaan antara pilihan pada menu dengan hidangan yang disajikan
‐
Esteem Customer
Tegur sapa dari karyawan
‐
Delight
Karyawan melayani dengan tanpa terpaksa
(X2)
‐
Menindaklanjuti keluhan pelanggan
‐
Finishing Touch
Kesediaan pihak HEMA Resto untuk mengganti makanan atau minuman bila terjadi
accident ‐
Menceritakan hal-hal positif tentang HEMA Resto kepada orang
Behavioral Intention
Reccomendation
lain ‐
Merekomendasikan HEMA Resto kepada
(Y)
orang lain ‐
Kesediaan untuk berkunjung kembali di waktu mendatang
27
Repurchase
‐
Intentions
Keinginan untuk mencoba produk lain selain yang pernah dicoba
‐
Tetap ingin melakukan
Ordinal
Likert
pembelian di masa datang walaupun
Pay More
terjadi kenaikan harga ‐
Pemberian uang lebih atau tip sebagai ucapan terima kasih
Sumber: Penulis 2011 3.3
Jenis dan Sumber Data Penelitian Dalam penelitian ini terdapat dua jenis data yang digunakan, yakni data primer dan
data sekunder. Data primer berupa informasi yang diperoleh dengan melakukan penelitian langsung, data ini didapatkan dari interview, observasi perusahaan, dan penyebaran kuesioner kepada para pelanggan HEMA Resto. sehubungan dengan informasi yang diperlukan untuk penelitian ini. Sedangkan data sekunder didapatkan dari informasi datadata perusahaan berupa profil perusahaan. Sumber data yang diperoleh dalam penelitian ini berupa data internal dan data eksternal. Data internal yang diperoleh dari dalam perusahaan dan data ekternal adalah data yang didapat di luar perusahaan seperti hasil penelitian sebelumnya yang telah diteliti oleh pihak lain.
28
Tabel 3.3 Jenis dan Sumber Data Penelitian Tujuan
Data
Customer Satisfaction T-1
dan Behavioral
Sumber Data
Jenis Data
Primer
Kuantitatif
Primer
Kuantitatif
Primer
Kuantitatif
Intention Customer Delight dan T-2
Behavioral Intention Customer Satisfaction,
T-3
Customer Delight dan Behavioral Intention
Sumber: Penulis 2011
3.4
Teknik Pengumpulan Data Teknik pengumpulan data yang dilakukan dalam memperoleh data yang diperlukan
dalam penelitian ini antara lain diperoleh melalui: •
Riset kepustakaan Digunakan untuk memperoleh data dengan membaca, mengumpulkan, mencatat, mempelajari text book dan buku-buku pelengkap atau referensi seperti jurnal, website, majalah dan media cetak lainnya diperpustakaan sesuai dengan literature objek penelitian.
•
Observasi Penelitian ini untuk memperoleh data primer yaitu dengan melakukan tanya jawab secara langsung pada pihak yang berkepentingan dalam perusahaan untuk mendapatkan informasi yang diperlukan, sehingga dapat mendukung penelitian.
29
•
Kuesioner Kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan atau pertanyaan tertulis kepada responden untuk dijawab. Kuesioner digunakan dalam pengumpulan pertanyaanpertanyaan dengan harapan responden akan memberikan respon atas daftar pertanyaan tersebut.
3.5
Teknik Pengambilan Sampel Teknik pengambilan sampel dalam penelitian ini adalah Non-probabilty Sampling,
menurut Sarjono (2011, p28) Non-probability Sampling adalah sebuah teknik sampling yang tidak memberikan kesempatan atau peluang yang sama pada setiap anggota populasi untuk dipilih menjadi sampel. Metode yang digunakan adalah dengan purposive sampling. Bedasarkan pendapat Sugiyono (2007, p77-78) purposive sampling adalah teknik yang menentukan sampel dengan pertimbangan tertentu. Sehingga dari pengertian teknik sampel
purposive sampling di atas, maka pertimbangan-pertimbangan penentuan sampel yang dimaksud dalam penelitian yaitu: Para konsumen yang telah menjadi pelanggan tetap di HEMA Resto
3.6
Teknik Pengolahan Sampel Untuk mengetahui ukuran sampel yang digunakan maka dapat menggunakan rumus
yang terdapat dalam Riduwan dan Kuncoro (2008, p50), yaitu:
⎡Z σ ⎤ n = ⎢ α /2 ⎥ ⎣ e ⎦
2
Keterangan :
n = Jumlah Sampel e = Error Sampling (estimasi yang dapat diterima)
30
2
σ
= Perkiraan Proporsi Populasi
Zα = Interval Kepercayaan yang Ditetapkan Jika tidak diketahui nilai proporsi atau perbandingan dari populasi yang tak terhingga maka digunakan pendeketan nilai
σ = 0,05
Pada penelitian ini tingkat kepercayaan yang digunakan adalah 95% atau a = 0,05 sehingga Zα = 1,96 dan estimasi yang dapat diterima adalah 0,05. Maka ukuran sampelnya adalah
. 0, 25 ) ⎞ ⎛ (1,96 )( ⎜ ⎟ 0,05 ⎝ ⎠
2
= 96,04 = 97 Maka dapat disimpulkan sampel yang diambil minimal 97 orang dan dalam penelitian ini sampel yang akan diambil adalah 100 orang.
3.7
Metode Analisis Metode analisis yang dipakai dikaitkan dengan masing-masing tujuan seperti terlihat
dalam tabel dibawah ini: Tabel 3.4 Tabel Metode Analisis Tujuan Penelitian
Teknik analisis
T-1 : Pengaruh X1 terhadap Y
Regresi linear sederhana
T-2 : Pengaruh X2 terhadap Y
Regresi linear sederhana
T-3 : Pengaruh X1 dan X2 terhadap Y
Regresi linear berganda
Sumber : penulis 2011
31
3.7.1 Pembobotan Nilai Didalam suatu penelitian, data merupakan hal yang sangat penting. Sebelum melakukan penyebaran kuesioner, penentuan skala pengukuran kuesioner adalah langkah pertama yang dilakukan agar mempermudah proses pengolahan data yang menggunakan program SPSS 17,0 (Statistical Package for Social Science), yaitu software yang dirancang untuk membantu pengolahan data secara statistik. Dalam penelitian ini, penulis menggunakan kuesioner bersifat tertutup. Kuesioner diajukan dengan menggunakan skala Likert meliputi skala 1 sampai 5. Urutan untuk skala ini menggunakan lima angka penilaian yaitu: Tabel 3.5 Bobot Penilaian Skala Likert Skala
Bobot
Sangat Tidak Setuju (STS)
1
Tidak Setuju (TS)
2
Ragu-Ragu (R)
3
Setuju (S)
4
Sangat Setuju (SS)
5
Sumber: Supranto (2003, p132) Berdasarkan kategori-kategori tersebut dapat diketahui bobot nilai tertinggi adalah 5 dan bobot nilai terendah adalah 1. Untuk mengetahui range maka selisih antara bobot nilai tertinggi dan bobot nilai terendah adalah 5 – 1 = 4, dan untuk mengetahui jumlah interval kelas dan besar interval kelas dapat digunakan dengan rumus sebagai berikut: i =
R k
=
4 5
= 0,8
Keterangan: R
= Range (rentang kelas)
32
k
= Jumlah Interval Kelas
i
= Besar Interval Kelas
Berdasarkan ketentuan di atas maka penulis mengelompokkan tanggapan responden berdasarkan batas-batas penelitian terhadap bagian - bagian yang dievaluasi sehingga dapat dikelompokkan sebagai berikut: Tabel 3.6 Tabel Batas Penelitian Batasan
Keterangan
1 – 1,8
Sangat Tidak Setuju (STS)
1,81 – 2,6
Tidak Setuju (TS)
2,61 – 3,4
Ragu-Ragu (R)
3,41 – 4,2
Setuju (S)
4,21 – 5
Sangat Setuju (SS)
Sumber: Andi Supangat (2007, p19)
3.7.2
Uji Validitas dan Reliabilitas 3.7.2.1 Uji Validitas
Uji validitas dilakukan berkenaan dengan ketepatan alat ukur terhadap konsep yang diukur sehingga benar-benar mengukur apa yang seharusnya diukur. Berkaitan dengan pengujian validitas instrument menurut Riduwan dan Kuncoro (2008, p109-110) menjelaskan bahwa validitas adalah suatu ukuran yang menunjukkan tingkat kehandalan atau keabsahan suatu alat ukur. Suatu kuesioner yang baik harus dapat mengukur dengan jelas kerangka penelitian yang akan diukur. Untuk menguji validitas alat ukur, terlebih dahulu dicari harga korelasi antara bagianbagian dari alat ukur secara keseluruhan dengan cara mengkorelasikan setiap butir alat ukur
33
dengan skor total yang merupakan jumlah tiap skor butir. Untuk menghitung validitas menggunakan teknik korelasi Pearson product moment. Rumusnya adalah sebagai berikut:
Keterangan: r
= Koefisien korelasi
hitung
∑ Xi
= Jumlah skor item
∑ Yi
= Jumlah skor total
n
= Jumlah responden
Selanjutnya dihitung dengan Uji-t dengan rumus :
Dimana: t
= Nilai t
r
= Koefisien korelasi hasil r
n
= Jumlah responden
hitung
hitung
Distribusi (Tabel t) untuk α = 0,05 dan derajat kebebasan (df = n-2)
Kaidah keputusan : Jika t
hitung
>t
table
t
hitung
table
berarti valid sebaliknya berarti tidak valid
Uji validitas ini disarankan agar jumlah responden untuk uji coba minimal 30 orang. Dengan jumlah minimal 30 orang ini, distribusi skor (nilai) akan lebih mendekati kurva normal. Pada uji validitas ini peneliti menggunakan Corrected Item-Total Correlation. Untuk menguji validitas butir dapat dilakukan dengan program SPSS 17.0. Dengan langkah-langkah sebagai berikut:
34
1.
Menentukan hipotesis Ho = Skor butir berkorelasi positif dengan skor faktor H1 = Skor butir tidak berkorelasi positif dengan skor faktor
2.
Menentukan nilai r tabel
¾ Hitung nilai “df” dengan rumus df = n -2 (n=jumlah responden) ¾ Hitung nilai “t” dengan cara : pilih menu “transform”, kemudian pilih sub menu “compute” pada kolom sebelah kiri diisi dengan “t”, dan disebelah kanan diisi dengan rumus “IDF.T(0.95,df). Kemudian “ok”. ¾ Hitung nilai “r” dengan cara: pilih menu “transform”, kemudian pilih sub menu “compute” pada kolom sebelah kiri diisi dengan “r”, dan sebelah kanan diisi dengan rumus “t/sqrt(df+t**2)”. Kemudian “ok”
3.
Mencari r hasil
¾ Masukkan data jawaban responden untuk diolah dengan software SPSS 17.0. ¾ Pilih menu “analyze”, pilih sub menu “scale”, pilih yang “reliability analyze”. ¾ Kemudian pada kolom item isi dengan variabel yang ingin dihitung. ¾ Pada bagian “model”, biarkan pilihan pada “Alpha” ¾ Klik tombol “statistic”. Pada bagian “deskriptive for” pilih semuanya (Item, Scale, Scale
if item deleted ) ¾ Kemudian ok, maka akan keluar hasilnya.
Disini r hasil untuk tiap item bisa dilihat pada output kolom CORRECTED ITEM-TOTAL CORRELATION pada tampilan software SPSS.
4.
Mengambil Keputusan Dasar pengambilan keputusan :
¾ Jika r hasil positif, dan r hasil > r tabel, maka butir tersebut Valid.
35
¾ Jika r hasil tidak positif, dan r hasil < r tabel, maka butir tersebut Tidak Valid.
Jika ada instrument pernyataan yang tidak valid, maka instrument tersebut dibuang lalu diuji validitas kembali. Setelah pernyataan dinyatakan semuanya valid, selanjutnya dilakukan uji reabilitas.
3.7.2.2 Uji Reliabilitas Reliabilitas artinya adalah tingkat kepercayaan hasil suatu pengukuran. Pengukuran yang memiliki reliabilitas tinggi, yaitu pengukuran yang mampu memberikan hasil ukur yang terpercaya (realibel). Sangat disarankan agar jumlah responden untuk uji coba, minimal 30 orang. Dengan jumlah minimal 30 orang ini, distribusi skor (nilai) akan lebih mendekati kurva normal. Pada program SPSS akan dibahas untuk uji yang sering digunakan dalam penelitian yakni metode Alpha (Cronbach’s). Metode Alpha sangat cocok pada skor berskala (misal 1-4, 1-5). Langkah yang dilakukan untuk uji reliabilitas adalah sebagai berikut: 1.
Menentukan hipotesis Ho = Skor butir berkorelasi positif dengan komposit faktornya. H1 = Skor butir tidak berkorelasi positif dengan komposit faktornya.
2.
Menetukan nilai r tabel Pada program SPSS, metode ini dilakukan dengan metode Cronbach’s Alpha, dimana suatu kuesioner dianggap reliabel apabila Cronbach’s Alpha > 0,6. (Santoso, 2001, p251)
3.
Mencari r hasil Disini r hasil adalah angka ALPHA (terletak di akhir output) dari tampilan software SPSS.
36
4.
Mengambil Kesimpulan
¾ Jika r ALPHA positif, dan r ALPHA > r tabel, maka butir tersebut Reliabel. ¾ Jika r ALPHA tidak positif, dan r ALPHA < r tabel, maka butri tersebut tidak reliabel Menurut Triton (2006, p248), tingkat reliabilitas dengan metode Alpha Cronbach’s diukur berdasarkan skala Alpha O sampai 1. Apabila skala tersebut dikelompokkan ke dalam lima
kelas
dengan
range
yang
sama,
maka
ukurlan
kemantapan
Alpha
dapat
diinterpretasikan sebagai berikut: Tabel 3.7 Tingkat Reliabilitas Berdasarkan Nilai Alpha Alpha 0.00 – 0.20
Tingkat Reliabilitas Kurang Reliabel
>0.20 – 0.40
Agak Reliabel
>0.40 – 0.60
Cukup Reliabel
>0.60 – 0.80
Reliabel
>0.80 – 1.00
Sangat Reliabel
Sumber: Triton (2006, p248)
3.7.3 Uji Asumsi Klasik Model regresi linear dapat disebut sebagai model yang baik jika memenuhi asumsi klasik. Oleh karena itu, uji asumsi klasik sangat diperlukan sebelum melakukan analisis regresi (Sarjono, 2011, p53)
3.7.3.1
Uji Normalitas
Uji normalitas adalah uji yang dilakukan untuk mengecek apakah data penelitian berasal dari populasi yang sebarannya normal. Uji ini perlu dilakukan karena semua perhitungan statistik parametrik memiliki asumsi normalitas sebaran.
37
Uji normalitas dapat dihitung dengan bantuan program SPSS 17.0, yaitu dengan langkah: 1. Pilih menu Analyze – Descriptive Statistic – Explore. 2. Masukkan variabel yang akan diuji sebarannya ke dalam kotak Dependent List. Setelah itu kita klik tombol Plots yang akan memunculkan doalog box kedua seperti ini. 3. Dalam dialog ini kita memilih opsi Normality plots with tests, kemudian klik
Continue dan Ok. Untuk menganalisis hasil output tersebut, maka yang perlu diperhatikan adalah (Santoso, 2001, p87):
a)
Output Deskriptif: jika ratio Skewness dan Kurtosis tidak melebihi angka 2, maka dapat diaktakan distribusi data adalah normal.
b)
Output Tests of Normality: dimana hasil Sig > dari 0,05, maka dikatakan normal.
c)
Grafik Normal Q-Q Plots: terdapat garis lurus dari kiri kekanan atas. Garis ini berasal dari nilai Z. Jika suatu distribusi data normal, maka data akan tersebar disekeliling garis.
d)
Grafik Detrended normal Q-Q Plots: dimana grafik ini menggambarkan selisih antara titik-titik dengan garis diagonal pada grafik sebelumnya. Jika data yang kita miliki mengikuti distribusi normal dengan sempurna, maka semua titik akan jatuh pada garis 0,0.
e)
Output boxplot: bloxplot adalah kotak yang berwarna merah dengan garis horizontal di kotak tersebut. Jika garis hitam terletak persis ditengah boxplot, maka distribusi data adalah normal.
38
3.7.3.2 Uji Heteroskedastisitas Dari persamaan regresi berganda perlu juga diuji mengenai sama atau tidak varians dari residual observasi yang satu dengan observasi yang lainnya. Jika residualnya mempunyai varians yang sama disebut terjadi Homoskedastisitas dan jika variansnya tidak sama atau berbeda disebut terjadi Heteroskedastisitas. Menurut Suntoyo (2007, p93-94) analisis uji asumsi klasik heteroskedastisitas hasil output SPSS melalui grafik scatterplot antara Z prediction (ZPRED) yang merupakan variabel bebas (sumbu X=Y hasil prediksi) dan nilai residualnya (SRESID) merupakan variabel terikat (sumbu Y=Y riil). Homoskedastisitas terjadi jika pada scatterplot titik-titik hasil pengolahan data antara ZPRED dan SRESID menyebar di bawah maupun di atas titik origin (angka 0) pada sumbu Y dan tidak mempunyai pola teratur. Heteroskedastisitas terjadi jika pada
scatterplot titik-titiknya mempunyai pola yang teratur baik menyempit, melebar maupun bergelombang-bergelombang.
3.7.3.3 Uji Multikolinieritas Uji Multikolinieritas diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan antarvariabel independen dalam satu model. Kemiripan antarvariabel independen dalam satu model akan menyebabkan terjadinya korelasi yang kuat antar variabel independen. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak terjadinya multikolinieritas. Ada beberapa metode pengujian yang bisa digunakan, diantaranya: Multikolinieritas pada suatu model dapat dilihat dengan melihat nilai Variance Inflation
Factor (VIF) pada model regresi tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1, maka model dapat dikatakan terbebas dari multikolinieritas
39
3.7.3.4 Uji Linearitas Pengujian Linearitas bertujuan untuk mengetahui apakah data yang kita miliki sesuai dengan garis linear atau tidak (apakah hubungan antar variabel yang hendak dianalisis mengikuti garis lurus atau tidak). Jadi, peningkatan atau penurunan kuantitas di salah satu variabel akan diikuti secara linear oleh peningkatan atau penurunan kuantitas di variabel lainnya. (Sarjono, P74)
3.7.4 Analisis Statistik Deskriptif Analisis ini dilakukan pada kuesioner yang telah disebarkan dan dijawab oleh responden, melalui perhitungan nilai rata-rata dari setiap jawaban dari pernyataan yang ada pada kuesioner. Statistik deskriptif adalah kumpulan metode yang digunakan untuk menganalisis dan menyajikan data yang jumlahnya relative besar, dengan tujuan untuk menggambarkan data tersebut agar dapat dimengerti dengan mudah untuk pengumpulan, pengolahan, penyajian dan analisis. (Santoso 2001, p20). Statistik deskripstif atau penggambaran, merupakan salah satu teknik statistik dimana bertujuan untuk menggambarkan data-data yang telah dikumpulkan untuk disusun sehingga dapat ditampilkan untuk memudahkan pengguna data melakukan analisis statistic lebih lanjut. Deskriptif atau penggambaran sekumpulan data secara visual dapat dilakukan melalui 2 bagian, yaitu: •
Deskripsi dalam bentuk tulisan atau teks Terdiri atas bagian yang penting yang menggambarkan isi data secara keseluruhan.
40
•
Deskripsi dalam bentuk gambar atau grafik Grafik sebuah data biasanya disajikan untuk melengkapi deskripsi berupa teks, agar data tampak lebih impresif dan komunikatif dengan para penggunanya. 3.7.5
Transformasi Data Ordinal Menjadi Data Interval
Jika data yang dikumpulkan memiliki skala ukur ordinal, maka data tersebut harus diubah (transformasi) menjadi data interval. Mentransformasi data ordinal menjadi data interval berguna untuk memenuhi sebagian syarat analisis parametrik yang mana data setidaknya adalah data berskala interval. Teknik transformasi yang paling sederhana menggunakan MSI (Method of Successive
Interval). Langkah-langkah transformasi data ordinal menjadi interval adalah sebagai berikut: (Riduwan dan Kuncoro, 2008, p30) • Pertama perhatikan setiap butir jawaban responden dari kuesioner yang disebarkan. • Pada setiap butir ditentukan berapa orang yang mendapat skor 1,2,3,4,dan 5 yang disebut sebagai frekuensi. • Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut proporsi. • Menentukan nilai proporsi kumulatif dengan menjumlahkan nilai proporsi berurutan per kolom skor. • Menentukan nilai Z, dengan menggunakan tabel Distribusi Normal Baku (Riduwan dan kuncoro 2008, p35), hitung nilai Z untuk setiap proporsi kumulatif yang diperoleh. • Menentukan densitas, tentukan nilai tinggi densitas untuk setiap nilai Z yang diperoleh dengan menggunakan tabel Koordinat Kurva Normal Baku (Riduwan dan Kuncoro, 2008, p36). • Menentukan scale value (skala nilai) dengan menggunakan rumus:
41
NS = (Density at Lower Limit) – (Density at Upper Limit) (Area Below Upper limit) – (Area Below Lower Limit) • Tentukan nilai transformasi (skala akhir) dengan rumus: Y = NS + [ 1 + (
)]
3.7.6 Korelasi
Berdasarkan Riduwan dan Kuncoro (2008, p62) untuk mengetahui hubungan antara variable X1 dengan Y dan X2 dengan Y dan X1 dan X2 terhadap Y digunakan teknik korelasi. Analisis korelasi yang digunakan adalah Pearson Product Moment, dengan rumus:
Korelasi PPM dilambangkan (r) dengan ketentuan nilai r tidak lebih dari harga (1≤r≤+1). Apabila nilai r = -1 artinya korelasinya negatif sempurna; r=0 artinya tidak ada korelasi; dan r=1 berarti korelasinya sangat kuat. Sedangkan arti harga r akan ditampilkan pada Tabel Interpretasi Nilai r sebagai berikut. Tabel 3.8 Interpretasi Koefisien Korelasi Nilai r Interval Koefisien
Tingkat Hubungan
0,80 – 1,000
Sangat Kuat
0,60 – 0,799
Kuat
0,40 – 0,599
Cukup Kuat
0,20 – 0,399
Rendah
0,00 – 0,199
Sangat Rendah
Sumber: Riduwan dan Engkos Achmad Kuncoro (2008,p62).
42
Untuk mencari makna generalisasi, maka perlu melakukan uji signifikansi dari hubungan antara variable X terhadap Y. Uji signifikansi adalah sebagai berikut :
Hipotesis :
Ho: Variabel X tidak memiliki hubungan yang signifikan dengan variabel Y Ha: Variabel X memiliki hubungan yang signifikan dengan variabel Y
Dasar pengambilan keputusan:
Sig ≥ α Æ Ho diterima, Ha ditolak Sig < α Æ Ho ditolak, Ha diterima Keterangan : α (alpha) = tingkat presisi, batas ketidak akuratan (1-tingkat kepercayaan)
3.7.7 Uji Regresi 3.7.7.1 Regresi Linier Sederhana
Menurut Kuncoro (2008, p83), regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling mungkin terjadi di masa yang akan datang berdasarkan informasi masa lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi juga
dapat
diartikan
sebagai
usaha
memprediksikan
perubahan.
Peramalan
tidak
memberikan jawaban pasti tentang apa yang akan terjadi, melainkan berusaha mencari pendekatan apa yang akan terjadi di masa yang akan datang. Jadi, regresi mengemukakan tentang keingintahuan apa yang terjadi di masa depan untuk memberikan sumbangan menentukan keputusan yang terbaik. Regresi sederhana didasarkan pada hubungan fungsional ataupun kausal satu variabel independent dengan satu variabel dependen. Persamaan umum regresi linier sederhana adalah (Sugiyono, 2008, P270) :
43
Y’ = a + bX Dimana : Y’
= Subyek dalam variabel dependen yang diprediksikan
a
= Harga Y bila X = 0 (harga konstan)
b
= Angka arah atau koefisien regresi, yang menunjukkan angka peningkatan ataupun penurunan variabel dependen yang didasarkan pada variabel
independent. Bila b (+) maka naik, dan bila b (-) maka terjadi penurunan. X
= Subyek pada variabel independent yang mempunyai nilai tertentu
a = (∑Yi ) (∑Xi2) – (∑Xi) (∑Xi Yi ) n (∑Xi2 ) – (∑Xi )2
b = n ( ∑Xi Yi ) – ( ∑Xi )( ∑Yi) n (∑Xi 2) – (∑Xi) 2
3.7.7.2 Regresi Linear Berganda Menurut Kuncoro (2008, p83), regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling mungkin terjadi di masa yang akan datang berdasarkan informasi masa lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi juga dapat diartikan sebagai usaha memprediksikan perubahan. Peramalan tidak memberikan jawaban pasti tentang apa yang akan terjadi, melainkan berusaha mencari pendekatan apa yang akan terjadi di masa yang akan datang. Jadi, regresi mengemukakan tentang keingintahuan apa yang terjadi di masa depan untuk memberikan sumbangan menentukan keputusan yang terbaik.
44
Analisa regresi dilakukan untuk mengetahui bagaimana variabel terikat dapat diprediksikan melalui variabel-variabel bebas secara individual, sehingga dapat diputuskan apakah naik turunnya variabel terikat dapat dilakukan melalui menaikkan atau menurunkan variabel-variabel bebas. Regresi Linear Berganda (Multiple Linear Regression) merupakan metode statistik yang digunakan untuk menganalisa hubungan antara satu variabel terikat (dependent) dengan beberapa variabel bebas (independent). Variabel bebas adalah variabel-variabel yang tidak dipengaruhi variabel-variabel lainnya, sedangkan variabel terikat adalah variabel yang dipengaruhi oleh variabel bebas. Digunakan regresi linear berganda ini ditujukan untuk: 1.
Memprediksikan (Prediction)
2.
Menjelaskan (Explanation)
3.
Mengspesifikasikan hubungan statistik
4.
Menentukan variabel-variabel bebas dan terikat.
Setelah menganalisis ketiga variabel, maka jawaban responden untuk variabelvariabel dalam kelompok faktor dijumlahkan dan dihitung nilai rata-ratanya. Selanjutnya nilai rata-rata tersebut akan dijadikan data-data untuk variabel-variabel bebas dan variabel terikat, untuk pengolahan regresi linear. Persamaan regresi untuk dua prediktor adalah : Y = a + b1X1 + b2X2
Persamaan regresi untuk n prediktor adalah :
Y = a + b1X1 + b2X2 + ....... + bnXn
45
3.8
Rancangan Implikasi Hasil Penelitian Rancangan implikasi hasil penelitian dalam penelitian ini adalah dengan membagikan
terlebih dahulu kuesioner kepada pengunjung yang datang ke HEMA resto. Setelah itu, datadata yang didapatkan dianalisis untuk mengetahui bagaimanakah pengaruh variabel
Customer Satisfaction, Customer Delight dan dampaknya terhadap Behavioral Intention dengan tujuan untuk mendapatkan data yang nantinya diolah untuk menjawab pertanyaan dalam hipotesis yang diajukan. Setelah nantinya hasil data telah diolah dan didapat hasil akhir hipotesis yang nantinya terjawab, maka dapat ditentukan implikasi-implikasi yang relevan yang dapat diberikan, serta saran-saran yang berguna dan bermanfaat bagi perusahaan.
