Kerangka Konseptual. Hipotesis Evaluasi Model.

2.3 Kerangka Konseptual.

Efektifitas Iklan Televisi X 1 Minat Beli Y

2.4 Hipotesis

Hipotesis dalam penelitian ini sebagai berikut : “Diduga efektifitas iklan televisi berpengaruh positif terhadap minat beli obat flu Decolgen di Surabaya Timur”. BAB III METODOLOGI PENELITIAN

3.1 Definisi Operasional dan Pengukuran Variabel.

3.1.1 Definisi Operasional variabel.

Untuk memberikan gambaran yang jelas tentang arti dan makna variabel yang akan digunakan dalam penelitian sehingga tidak terjadi salah penafsiran, berikut ini akan dibuat suatu definisi operasional serta pengukuran variable, antara lain sebagai berikut : 1. Efektifitas Iklan X1. Efektifitas sebuah iklan saat iklan tersebut mulai diluncurkan kepada para konsumen perlu diperhatikan oleh produsen sebagai pihak yang memasang iklan tersebut. Berdasarkan teori dari Mc. Daniel 2001 : 159, variabel efektifitas iklan meliputi beberapa indikator yaitu : a. Pengenalan X 1 . 1 b. Pengetahuan X 1 . 2 c. Kesukaan X 1 . 3 d. Mereferensikan X 1 . 4 e. Keyakinan X 1 . 5 f. Keinginan X 1 . 6 28 2. Minat beli Y. Adalah perintah seorang pembeli kepada dirinya sendiri untuk membeli sebuah merek produk, mengambil tindakan lain yang berhubungan tentang pembelian, atau berkaitan dengan batin yang mencerminkan rencana dari pembeli untuk membeli suatu merek tertentu dalam suatu periode waktu tertentu. Menurut Augusty Ferdinand 2006 : 242 indikator dari minat beli antara lain : Y1. Intensitas pencarian informasi : Seseorang yang intens mencari informasi mengenai suatu produk obat flu decolgen. Y2. Keinginan segera membeli : Seseorang yang berkeinginan segera membeli produk obat flu decolgen. Y3. Keinginan prefensial : Dimana produk obat flu decolgen yang diinginkan untuk membeli dan mengabaikan pihak lain.

3.1.2 Pengukuran Variabel.

Pengukuran adalah penetapanpemberian angka pada objek atau fenomena menurut ketentuan tertentu Nazir, 2000. Skala penelitian yang digunakan dalam penelitian ini menggunakan Skala Interval, dan teknik pembobotannya menggunakan Semantic Defferencial Scale yaitu skala yang digunakan untuk mengukur sikap atau karakeristik tertentu yang dipunyai oleh seseorang dengan menggunakan skor yang disusun dalam suatu garis kontinum dengan jawaban yang sangat positifnya terletak di sebelah kanan, sedangkan jawaban yang paling negatif terletak di kiri atau sebaliknya. Skala data yang digunakan adalah 1 sampai 7, dengan gambar sebagai berikut : 1 7 Sangat Tidak Setuju Sangat Setuju Skala ini bertujuan untuk mengukur sikap atau pendapat seseorang pada suatu fenomena sosial Rensis Likert. Teknik Penentuan Sampel. 3.2.1 Populasi. Populasi dalam penelitian ini adalah masyarakat yang mengenal dan pernah melihat iklan televisi produk obat flu Decolgen di Surabaya Timur.

3.2.2 Sampel.

Teknik pengambilan sampel ini adalah Non probabilistic sampling karena populasinya tidak terhitung, dan menggunakan teknik Purposiveness sampling, responden yang sesuai dengan kriteria peneliti, yaitu masyarakat mulai umur 17 tahun keatas yang mengenal dan pernah menyaksikan iklan televisi produk Decolgen, sedangkan jenis pengambilan sampel didasari oleh asumsi SEM yang ditulis oleh Ferdinand 2002 ; 48 seperti dibawah ini: a. Sebanyak 100-200 sampel untuk Maximum Likelihood Estimation. b. Tergantung pada jumlah parameter yang diestimasi. Pedomannya adalah 5-10 kali jumlah parameter yang diestimasi. c. Tergantung pada jumlah indikator yang digunakan dalam seluruh variabel laten. Jumlah sampel adalah jumlah indikator dikali 5 sampai 10. Bila terdapat 20 indikator, besar sampelnya adalah 100- 200. Pada penelitian ini adalah 9 parameter yang mana diperoleh dari indikator-indikator yang ada pada penelitian ini yang diestimasi. Berdasarkan hal tersebut peneliti mengambil jumlah sampel sebesar 90 data responden 9 indikator dikali 10 = 90 responden. Namun sampel dalam penelitian ini adalah 120 dikarenakan untuk mengurangi resiko apabila data yang diberikan oleh responden kurang lengkap sehingga masih mencukupi jumlah minimal sampel tersebut. 3.3Teknik Pengumpulan Data. 3.3.1 Jenis Data. - Data primer. Data primer merupakan data yang diperoleh secara langsung ditempat yang menjadi objek peneliti dan diolah sendiri dalam melakukan analisis. Data primer ini berupa hasil jawaban respondenkuesioner. - Data sekunder. Data yang diperoleh dari sumber yang telah ada misalnya catatan atau dokumentasi perusahaan, publikasi, analisis industri oleh media, situs web, internet dll.

3.3.2 Pengumpulan Data.

Dalam mencari dan mengumpulkan data dilakukan dengan menggunakan metode-metode sebagai berikut : a. Kuesioner. Merupakan daftar pernyataan untuk memperoleh data berupa jawaban dari responden. b. Wawancara. Metode ini dilakukan dengan mengadakan tanya-jawab secara langsung kepada responden.

3.4 Teknik Analisis dan Pengujian Hipotesis.

Pengujian hipotesis yang digunakan dalam penelitian ini adalah analisis multivariate dengan Structural Equation Modelling SEM. Penaksiran pengaruh pada masing-masing variabel bebas terhadap variabel terikatnya menggunakan koefisien jalur. Langkah-langkah dalam analisis SEM model pengukuran dengan contoh Efektifitas Iklan Televisi dilakukan sebagai berikut : Persamaan Efektifitas Iklan Televisi X : X1 = 1 Efektifitas Iklan Televisi + er_1 X2 = 2 Efektifitas Iklan Televisi + er_2 X3 = 3 Efektifitas Iklan Televisi + er_3 X4 = 4 Efektifitas Iklan Televisi + er_4 X5 = 5 Efektifitas Iklan Televisi + er_5 X6 = 6 Efektifitas Iklan Televisi + er_6 Bila persamaan di atas dinyatakan dalam sebuah pengukuran model untuk diuji unidimesionalitasnya melalui confirmatory factor analysis, maka model pengukuran dengan contoh efektifitas akan tampak sebagai berikut : Gambar 3.1 : Contoh model pengukuran efektifitas iklan televisi. Keterangan : X1 : Pernyataan tentang pendapat responden mengenai kesadaran dalam efektifitas iklan televisi. X2 : Pernyataan tentang pendapat responden mengenai pengetahuan dalam efektifitas iklan televisi. X3 : Pernyataan tentang pendapat responden mengenai kesukaan dalam efektifitas iklan televisi. Efektifitas Iklan Televisi X1 X5 X2 X4 X6 X3 er_1 er_2 er_3 er_4 er_5 er_6 X4 : Pernyataan tentang pendapat responden mengenai mereferensikan dalam efektifitas iklan televisi. X5 : Pernyataan tentang pendapat responden mengenai keyakinan dalam efektifitas iklan televisi. X6 : Pernyataan tentang pendapat responden mengenai keinginan dalam efektifitas iklan televisi. Persamaan Minat beli Y : Y1 = 8 Minat beli + er_8 Y2 = 9 Minat beli + er_9 Y3 = 10 Minat beli + er_10 Bila persamaan di atas dinyatakan dalam sebuah pengukuran model untuk uji undimensionalnya melalui confirmatory faktor analysis, maka model pengukuran dengan contoh minat beli akan dampak sebagai berikut : Gambar 3.2 : Contoh model pengukuran Minat Beli. Minat beli Y3 Y2 Y1 er_8 er_9 er_10 Keterangan : Y1 : Pernyataan tentang pendapat responden mengenai intensitas pencarian informasi terhadap produk Decolgen. Y2 : Pernyataan tentang pendapat responden mengenai keinginan untuk segera membeli produk Decolgen. Y3 : Pernyataan tentang pendapat responden mengenai keinginan prefensial produk Decolgen.

3.4.1 Uji Reliabilitas dan Validitas.

Variabel atau dimensi yang diukur melalui indikator-indikator dalam daftar pertanyaan perlu dilihat relibilitasnya dan validitasnya, dimana hal ini dijelaskan sebagai berikut. a. Uji Validitas. Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pegukuran atas apa yang seharusnya diukur. Karena indikator multidimensi maka uji validitas yang digunakan disini adalah validitas konstruk construct validity yang merujuk pada sejauh mana uji dapat mengukur apa yang sebenarnya kita ukur. Secara umum nilai variance extracted yang dapat diterima adalah ≥ 0,5. variance extracted dihiung dengan rumus sebagai berikut : Variance Extracted =  Standard Loading 2  Standard Loading 2 + j b. Uji Reliabilitas. Reabilitas adalah ukuran mengenai konsistensi internal dari indikator sebuah konstruk yang menunjukkan derajat sampai dimana indikator itu mengindikasikan sebuah konstrukfaktor laten yang umum. Dengan kata lain bagaimana hal-hal yang spesifik saling membantu dengan menjelaskan sebuah fenomena yang umum. Composite Realibility diperroleh melalui rumus berikut Ferdinand, 2002 ; 62 Construct reliability =  Standard Loading 2  Standard Loading 2 + j Keterangan : a. Standard loading diperoleh dari standardized loading untuk tiap-tiap indikator yang didapat hari hasil perhitungan komputer. b. j adalah measurement error dari setiap indikator. Measurement error dapat diperoleh dari 1 – reliabilitas indikator. Tingkat reliabilitas yang dapat diterima adalah ≥0,7 , walau angka itu bukanlah sebuah ukuran yang “mati”. Artinya bila penelitian yang dilakukan bersifat eksplorasi maka nilai dibawah 0,7 pun masih dapat diterima sepanjang disertai dengan alasan-alasan yang empirik yang terliahat dalam proses eksplorasi.

3.4.2 Uji Outlier Univariat dan Multivariat.

Outlier adalah observasi yang muncul dengan nilai nilai ekstrim baik secara univariat maupun multivariat yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari obsevasi-observasi lainnya Ferdinand, 2002;52.

3.4.2.1 Uji Outlier Univariat.

Deteksi terhadap adanya outlier univariat dapat dilakukan dengan menentukan ambang batas yang akan dikategorikan sebagai outlier dengan cara mengkonversi nilai data penelitian kedalam standar score atau yang biasa disebut dengan z-score, yang mempunyai rata-rata nol dengan standar deviasi sebesar satu. Bila nilai-nilai itu telah dinyatakan dalam format yang standar z-score, maka perbandingan antar besaran nilai dengan mudah dapat dilakukan. Untuk sampel besar diatas 80 observasi, pedoman evaluasi adalah nilai ambang batas dari z-score itu berada pada rentang 3 sampai dengan 4 Ferdinand, 2002;98. Oleh karena itu apabila ada obsevasi-observasi yang memiliki z-score ≥ 3,0 akan dikategorikan sebagai outlier.

3.4.2.2 Uji Outlier Multivariat.

data yang dianalisis menunjukkan tidak ada outlier pada tingkat univariat, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak Mahalanobis the Mahalanobis distance untuk tiap observasi dapat dihitung dan menunjukkan jarak sebuah observasi dari rata- rata semua variabel dalam sebuah ruang multidimensional. Uji terhadap multivariat dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat ρ 0,001. Jarak Mahalanobis itu dapat di dievaluasi dengan menggunakan nilai χ 2 pada derajat kebebasan sebesar jumlah item yang digunakan dalam penelitian. Apabila nilai jarak Mahalanobisnya lebih besar dari nilai χ 2 tabel adalah outlier multivariat.

3.4.3 Uji Normalitas Data.

Adapun metode yang digunakan untuk mengetahui apakah metode tersebut berdistribusi normal atau tidak adalah uji critical ratio dari skewness dan kurtois dengan ketentuan sebagai berikut : a. Jika nilai critical yang diperoleh melebihi rentang +- 2,58 maka distribusi adalah tidak normal. b. Jika nilai critical yang dipeoleh berada pada rentang +- 2,58 maka distribusi adalah normal.

3.4.4 Pengujian Model dengan Two-Step Approach.

Two-Step Approch digunakan untuk mengatasi masalah sampel data yang relatif kecil jika dibandingkan dengan jumlah butir instrumentasi yang digunakan dan karena keakuratan reliabilitas indikator-indikator terbaik dalam dicapai dalam two-step approach ini. Two-step approach bertujuan untuk menghindari interaksi antar model pengukuran dan model struktural pada One step Approach. Yang dilakukan dalam two-step approach to SEM adalah : estimasi terhadap measurement model dan estimasi terhadap structural model. Cara yang dilakukan dalam menganalisis SEM dengan two-step approach adalah sebagai berikut : a. Menjumlahkan skala butir-butir setiap konstrak menjadi sebuah indikator summer-scale bagi setiap konstrak. Jika terdapat skala yang berbeda setiap indikator tersebut distandarisasi Z-score dengan mean = 0, deviasi standar = 1, yang tujuannya adalah untuk mengeliminasi pengaruh- pengaruh skala yang berbeda-beda tersebut. b. Menetapkan error  dan Lambda  terms, error terms dapat dihitung dengan rumus 0,95  . Perhitungan construct reliability  telah dapat dijelaskan pada bagian sebelumnya dan deviasi standar  dapat dihitung dengan bantuan progam aplikasi matrik spss. Setelah error  dan Lambda  terms diketahui, skor-skor tersebut dimasukkan sebagai parameter fix pada analisis model pengukuran SEM.

3.5 Evaluasi Model.

Di dalam SEM peneliti dapat melakukan 3 kegiatan secara serempak , yaitu pemeriksaan validitas dan reliabilitas instrument, pengujian model hubungan antar variabel laten setara dengan analisis jalur, dan mendapatkan model yang bermanfaat untuk perkiraan setara dengan model structural. Tahap yang ditempuh dalam pengolahan data dengan analisis ini adalah : a. Mengembangkan path diagram. Pada path diagram ditunjukkan hubungan kausal antar variabel yaitu antara variabel endogen dan eksogen. Hubungan antara variabel ini dinyatakan dengan anak panah. Anah panah luruh dengan satu ujung menunjukkan hubungan kausal yang langsung antara satu variabel lainnya. Sedangkan garis lengkung dengan dua ujung menunjukkan korelasi antar variabel. b. Evaluasi atas asumsi SEM. Evaluasi asumsi ditujukan untuk mengetahui kecukupan dipenuhinya asumsi- asumsi yang ada dalam pemodelan SEM. Evaluasi yang dilakukan adalah evaluasi normalitas data, evaluasi atas univariate outliers dan evaluasi atas multicolinieritas dan singularity. c. Evaluasi kriteria Goodness of fit model penelitian. Evaluasi ini dilakukan untuk mengetahui kesesuaian fit dan model yang dikembangkan terhadap data penelitian. Ini penting dilakukan karena SEM tidak digunakan untuk menciptakan suatu model tapi lebih pada mengkonfirmasi model. Artinya tanpa landasan teoritis yang kuat atas hubungan variabel yang dimodelkan maka analisis SEM ini tidak dapat digunakan. Ukuran Goodness of fit yang digukan serta nilai cut-off nya dapat dilihat pada tabel. d. Intepretasi hasil. Pada tahap ini hasil atau output pengujian dievaluasi untuk menentukan penerimaan atau penolakan terhadap kesesuaian model dan hipotesis yang diajukan. Tabel 3.1 : Goodness of Fit Indices Sumber : Ferdinand 61 : 2002 3.5.1 Evaluasi Goodness of fit. Berikut ini disajian beberapa indeks kesuaian dan cut-off value yang digunakan dalam menguji apakah sebuah sebuah model dapat diterima atau tidak. a.  2 – Chi- Square statistic, dimana model dipandang baik atau memuaskan bila nilai chi- squarenya rendah. Semakin kecil nilai  2 semakin baik model itu dan dapat diterima berdasarkan probabilitas dengan cut-off value sebesar p 0,05. GOODNESS OF FIT INDICES KETERANGAN CUT-OFF VALUE X2- Chi- square Menguji apakah covariance populasi yang diestimasi sama dengan covariance sample apakah model sesuai dengan data Diharapkan kecil, 1 s.d 5. atau paling baik diantara 1 dan 2. Probability Uji signifikansi terhadap perbedaan martiks covariance data dan matriks covariance yang diestimasi. Minimum 0,1 atau 0,2 atau ≥ 0,05 RMSEA Mengkompensasi kelemahan Chi Square pada sample besar. ≤0,08 GFI Menghitung proporsi tertimbang varians dalam matriks sampel yang dijelaskan oleh metriks covariance populasi yang diestimasi analog dengan R 2 dalam regresi berganda. ≥ 0,90 AGFI GFI yang disesuaikan terhadap DF. ≥ 0,90 CMINDDF Kesesuaian antara data dan model. ≤ 2,00 TLI Pembandingan antara model yang diuji terhadap baseline model. ≥ 0,95 CFI Uji kelayakan model yang tidak sensitif terhadap besarnya sample dan kerumitan model ≥ 0,94 b. RMSEA The Root Mean Square Error of Appoximation, yang menunjukkan goodness of fit yang diharapkan bila model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks yang dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degree of freedom. c. GFI Goodness of fit index, adalah ukuran non statistical yang mempunyai rentang nilai 0 poor fit sampai dengan 1,0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”. d. AGFI Adjusted Goodness of fit Index, dimana tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,08. e. CMIN DF, adalah the Minimum Sample Discrepancy Function yang dibagi dengan Degree of Freedom. CMINDF tidak lain adalah statistic Chi-Square, X 2 dibagi DFnya disebut X 2 relatif. Bila nilai X 2 relatif kurang dari 2,0 atau 3,0 adalah indikasi dari acceptable fit antara model dan data. f. TLI Tucker Lewis Index, merupakan incremental index yang membandingkan sebuah model yang diuji terhadap sebuah base line model, dimana yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah ≥ 0,95 dan nilai yang mendekati 1 menunjukkan a very good fit. g. CFI Comparative Fit Index, dimana bila mendekati 1, menindikasi tingkat fit yang paling tinggi. Nilai yang direkomendasikan adalah CFI ≥ 0,95.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Deskripsi Objek Penelitian 4.1.1. Analisis Karakteristik Responden Penelitian ini dilakukan untuk mengetahui dan menganalisis efektifitas iklan televisi terhadap minat beli obat flu Decolgen di wilayah Surabaya Timur, yang nantinya diharapkan dapat menganalisis faktor- faktor apa saja yang dapat mempengaruhi efektifitas iklan televisi terhadap minat beli obat flu Decolgen. Penelitian ini telah ditentukan lokasinya dimana lokasi itu sendiri adalah Distributor utama dari Decolgen yang berada di Surabaya Timur. Lokasi penelitian ini berada di wilayah di Surabaya Timur yang dilakukan dengan menyebarkan kuesioner kepada 120 responden, serta bersedia mengisi kuesioner yang diberikan oleh peneliti.

4.1.2. Karakteristik Decolgen

Banyak sekali merek merek obat-obat flu yang beredar di pasaran, salah satunya adalah Decolgen yang diproduksi oleh PT Medifarma Laboratories. Decolgen adalah salah satu obat flu yang sangat dikenal dan populer oleh masyarakat. Decolgen adalah salah satu jenis obat flu yang dapat meredakan gejala flu seperti sakit kepala, demam, bersin-bersin dan hidung tersumbat. 43