Skala Pengukuran Teknik Penentuan Sampel Teknik Analisis Data

42 Agar tidak terjadi kesalahpahaman atau perbedaan pandangan dalam mendefinisikan variable-variabel yang dianalisis maka perlu dirumuskan definisi operasional variabel yang ditetapkan adalah : a. Pengalamam Y1 Yaitu menjadikan pelayanan depot bakso rindu malam dalam pengalaman yang sudah berjalan dalam menangani semua pelayanan konsumen.. b. Harapan Y2 Yaitu keinginan konsumen untuk kembali apabila dalam rasa, harga dan layanan yang maksimal. c. Kepuasan secara total Y3 Yaitu penyampaian informasi tentang keberadaan depot bakso rindu malam kepada orang lain.

3.2. Skala Pengukuran

Skala yang dipergunakan untuk variabel tersebut adalah skala likert. Skala ini mengukur sikap dengan menyatakan setuju atau ketidaksetujuan terhadap obyek, subyek atau kejadian tertentu. Pada umumnya skala ini menggunakan 5 angka penilaian yaitu: 1 = Sangat Tidak Setuju 2 = Tidak Setuju 3 = Netral 4 = Setuju 5 = Sangat Setuju Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 43

3.3. Teknik Penentuan Sampel

a. Populasi Populasi dalam penelitian ini adalah orang-orang yang datang dan membeli makanan di Depot Bakso Solo Rindu Malam Jalan Ciliwung 73 di Surabaya. b. Sampel Sampel yang dipilih atau diambil bedasarkan teknik purposive sampling atau sample yang di tentukan bedasarkan kriteria-kriteria tertentu yaitu : 1. Pelanggan yang melakukan pembelian di Depot Bakso rindu Malam Jalan Ciliwung no.73 dengan rata-rata usia 17-50, kriteria dipilih karena biasanya orang yang berusia tersebut mampu memberikan tanggapan yang sesuai terhadap pertanyaan. 2. Sampel di hitung berdasar rumus dari Ferdinand yaitu 10 x 10 jumlah Indikator, maka yang dipakai dalam sample ini adalah 100. 3. 3.4. Teknik Pengumpulan Data 3.4.1. Jenis Data Untuk mengadakan data yang baik, maka diperlukan data yang valid supaya mengandung suatu kebenaran. Ada dua macam data yang dikumpulkan dalam penelitian yaitu : a. Data Primer Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 44 Adalah data yang diambil dari penelitian ini berdasarkan hasil jawaban dari para responden terhadap variabel-variabel yang mempengaruhi kepuasan konsumen. b. Data Sekunder Adalah data yang diperoleh secara tidak langsung dari obyek penelitian melalui arsip atau laporan dari pemilik usaha bisnis.

3.4.2. Sumber Data

Sumber data penelitian ini diperoleh dari pihak intern Depot Bakso Solo Rindu Malam Jalan Ciliwung no.73 dan verdasarkan atas jawaban para responden yang melakukan pembelian di Depot Bakso Solo Rindu Malam Jalan Ciliwung no.73 di Surabaya.

3.4.3. Pengumpulan Data

a. Metode Wawancara Merupakan teknik yang dipakai dalam pengumpulan data dengan mewawancarai langsung kepada responden untuk keterangan yang lebih mendalam mengenai hal-hal yang diperlukan dalam penelitian. Dan juga untuk mengambil data dari tempat penelitian yang dibutuhkan oleh peneliti. b. Metode Observasi Merupakan suatu teknik yang dipakai untuk memperoleh gambaran secara langsung melalui pengamatan secara langsung pada obyek Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 45 penelitian. c. Metode Kuesioner Merupakan teknik pengumpulan data dengan menyebarkan daftar pertanyaan angket kepada responden untuk memperoleh informasi langsung.

3.5. Teknik Analisis Data

Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Modeling SEM. Model pengukuran faktor menggunakan Confirmatori Faktor Analisis. Penaksiran pengaruh masing- masing variabel bebas terhadap variabel terikatnya menggunakan koefisien jalur. Langkah-langkah dalam analisis SEM model pengukuran dengan contoh faktor kualitas produk dilakukan sebagai berikut: Persamaan dimensi faktor persepsi : X1.1 = λ kualitas produk + er_1 X1.2 = λ kualitas produk + er_2 Bila persamaan diatas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor analysis, maka model pengukuran dengan contoh faktor persepsi akan tampak sebagai berikut : Gambar 3.1 : Contoh Model Pengukuran Faktor Kualitas produk Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 46 Keterangan : X1 = Pertanyaan tentang ........................... X2 = Pertanyaan tentang ........................... er_j = error term xij Demikian juga faktor lain seperti kualitas produk dan kepuasan konsumen.

1. Asumsi Model Stuctural Equation Modeling

a. Uji Normalitas Sebaran dan Linieritas 1 Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik. 2 Menggunakan Critical Ratio yang diperoleh dengan membagi koefisien sampel dengan standar errornya dan Skewness Value yang biasanya disajikan dalam statistik deskriptif dimana nilai statistik untuk menguji normalitas itu disebut sebagai Z-value. Pada tingkat signifikan 1, jika nilai Z lebih besar dari nilai kritis , maka dapat diduga bahwa distribusi data adalah tidak normal. 3 Normal Probability Plot SPSS 10.1 4 Linearitas dengan mengamati scatterplots dari data yaitu dengan memilih er_1 er_2 X1 X2 Kualitas produk Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 47 pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linearitas. b. Evaluasi atas Outlier 1. Mengamati nilai Z-score : ketentuanya diantara ± 3.0 non outlier. 2. Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat ρ 0,001. Jarak diuji dengan Chi-Square X² pada df sebesar jumlah variabel bebasnya. Ketentuan : bila Mahalanobis dari nilai X² adalah multivariate outlier. 3. Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi Ferdinand, 2002. c. Deteksi Multicolinearity dan Singularity. Dengan mengamati Determinan matriks cavarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil. Maka terjadi multikolineritas dan singularitas. d. Uji Validitas Dan Reliabilitas Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur. Sedangkan reliabilitas adalah usuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 48 Karena indikator multidimensi. Maka uji validitas dari setiap laten variabel construct akan diuji dengan melihat loading faktor dari hubungan antara setiap opserved variabel dan laten variabel construct reliability dan variance – extracted dihitung dengan rumus berikut: ∑ Standardize Loading ² Construct Liability = ∑ Standardize Loading ² + ∑ εj ∑ Standardize Loading ² Variance Liability = ∑ Standardize Loading ² + ∑ εj Sementara εj dapat dihitung dengan formula εj = 1 – Standardize Loading² secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0,7 dan variance extracted ≥ 0,5. Standardize Loading dapat diperoleh dari output AMOS 4.01 dengan melihat nila estimasi setiap construct standardize regression weights terhadap setiap butir sebagai indikator.

2. Pengujian Hipotesis dan Hubungan Kausal

Pengaruh langsung koefisien jalur diamati dari bobot regresi standar dengan pengujian signifikansi pembanding nilai CR Critical Ratio atau ρ probability yang sama dengan nilai t hitung. Apabila t hitung lebih besar daripada t tabel berarti significan.

3. Evaluasi Model

Ferdinand 2002 menjelaskan bahwa pola ”confirmatory” menunjukkan prosedur yang dirancang untuk mengevaluasi utilitas hipotesis-hipotesis dengan pengujian fit antara model teoritis dan data empiris. Jika model teoritis Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 49 menggambarkan “good fit” dengan data, maka model dianggap sebagai yang diperkuat. Sebaliknya, suatu model teoritis tidak diperkuat jika teori tersebut mempunyai suatu ”poor fit” dengan data. Amos dapat menguji apakah model ”good fit” atau ”poor fit” jadi, “good fit” model yang diuji sangat penting dalam penggunaan structural equation modeling. Pengujian terhadap model yang dikembangkan dengan berbagai kriteria goodness of fit, adalah: 1. X²-Chi-square Chi Square bersifat sangat sensitive terhadap besarnya sample yang digunakan. Model yang diuji dipandang baik atau memuaskan bila chi squarenya rendah. 2. Probability Merupakan Uji Signifikansi terhadap perbedaan matriks covariance data dan matriks covariance yang diestimasi. 3. RMSEA The Roof Mean Square Error of Approximation RMSEA merupakan sebuah indeks yang dapat digunakan untuk mengkompensasi chi square statistic dalam sampel yang besar. 4. GFI Good of Fit Index Indeks kesesuaian fit index ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarian sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasi. 5. AGFI Adjusted Goodness of Fit Index GFI maupun AGFI adalah criteria yang memperhitungkan proporsi Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 50 tertimbang dari varians dalam sebuah matriks dan kovarians sampel. 6. CMINDF The minimum sample discrepancy function CMIN dibagi dalam degree of freedomnya akan menghasilkan indeks CMINDF. 7. TLI Tucker Lewis Indeks Adalah sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji tehadap sebuah baseline model. 8. CFI Comparative Fit Index Keunggulan dari indeks ini adalah bahwa indeks ini besarnya tidak dipengaruhi ukuran sample karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model. Tabel 3.1 GOODNESS OF FIT INDICES GOODNESS OF FIT INDEX KETERANGAN CUT – OFF VALUE X- Chi Square Menguji apakah covariance populasi yang diestimasi sama dengan covariance sample apakah model sesuai dengan data Diharapkan Kecil, 1 sd 5 atau paling baik diantara 1 dan 2 Probability Uji Signifikansi terhadap perbedaan matriks covariance data dan matriks covariance yang diestimasi Minimum 0.1 atau 0.2 atau ≥ 0.05 RMSEA Mengkompensasi kelemahan Chi-Square pada simple besar ≤ 0.08 GFI Menghitung proporsi tertimbang varians dalam matriks simple yang dijelaskan oleh matriks covariance populasi yang diestimasianalog dengan R² dalam regresi berganda 0 sampai dengan 1 AGFI GFI yang disesuaikan terhadap DF ≥ 0.90 CMINDE Kesesuaian antara data dan model ≤ 2.00 TLI Pembandingan antara model yang diuji terhadap baseline model ≥ 0.95 CFI Uji kelayakan model yang tidak sensitive terhadap besarnya simple dan kerumitan model ≥ 0.95 Sumber: Ferdinan, 2002 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 51

BAB IV ANALISIS DAN PEMBAHASAN

4.1 Deskripsi obyek penelitian

4.1.1 Sejarah perusahaan atau produk

Bakso merupakan salah satu makanan khas kota solo. Orang-orang yang datang dari luar kota yang singgah di Solo pasti ingin merasakan masakan khas kota solo yakni bakso. Berawal dari sinilah Bapak. Sarno membuka usaha depot bakso khas Solo di surabaya. Karena dengan membuka usaha depot bakso di surabaya, maka bapak Sarno merasa bahwa persaingan dengan depot bakso yang lain di surabaya lebih kecil dibandingkan membuka usaha bakso di Solo. Usaha depot bakso rindu malam yang berada di jalan ciliwung pojok ini sejak tahun 1984 tepatnya pada tanggal 03 bulan September. Pertama kali usaha bakso rindu malam ini dikelola oleh seorang pengusaha bernama Bapak Sarno. Dengan menggunakan modal sendiri Bapak Sarno beserta istri dan anaknya mengelola usahanya. Cita-cita mendirikan depot bakso ini sudah ada sejak beliau belum tinggal di surabaya. Dengan keterbasan modal, maka Bapak Sarno hanya mendirikan depot bakso tersebut dengan sangat sederhana. Pemberian nama “Depot Bakso Rindu Malam” ini diambil dari para pelanggan yang ramai berdatangan waktu malam hari. Didalam Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.