28
3.3. Jenis dan Sumber Data
Data dalam penelitian ini dikelompokkan menjadi dua macam: a.
Data Primer Data primer adalah yang diperoleh dari hasil wawancara dengan responden,
baik secara langsung maupun menggunakan kuisioner berupa daftar pertanyaan yang telah dipersiapkan dan diberikan pada responden.
b. Data Sekunder
Data sekunder adalah data berupa dukumen yang terdapat pada instansi yaitu dari Shampo Rejoice dan bagian bagian lain yang terkait untuk mendukung
palaksanaan penelitian.
3.4. Metode Pengumpulan Data
a. Jenis data yang dipergunakan dalam penelitian ini adalah Data Primer
yaitu data yang diperoleh langsung dari tanggapan responden. Dan data sekunder adalah data tentang Shampo Rejoice yang meliputi data sejarah
perusahaan, lokasi perusahaan, struktur perusahaan serta uraian tugas dan lain sebagainya.
b. Sumber data dalam penelitian ini adalah kuesioner yaitu memberikan
angket daftar pertanyaan kepada responden.
3.5. Teknik Analisis dan Uji Hipotesis
Ketepatan pengujian suatu hipotesis tentang hubungan antara variabel dalam penelitian sangat tergantung pada kualitas data yang
diperoleh dan dipergunakan dalam penelitian tersebut Ancok, 1991:63.
29
Kualitas data yang diperoleh sangat ditentukan oleh kesungguhan responden dalam menjawab semua pertanyaan penelitian, alat pengukuran berupa
kuisioner yang dipergunakan mengumpulkan data tersebut, apakah memiliki validitas dan reliabilitas yang tinggi.
Berdasarkan skala pengukuran yang dipakai dan kuisioner yang digunakan dalam penelitian ini, maka untuk mengetahui sejauh mana suatu
uji dapat mengukur apa yang sebenarnya ingin diukur dengan AMOS 4.0, teknik analisis yang digunakan adalah teknik analisis konfirmatori.
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Modelling SEM. Penaksiran pengaruh masing-
masing variabel terikatnya menggunakan koefisien jalur. Langkah-langkah dalam analisis SEM model pengukuran dengan
contoh Kepuasaan Konsumen dilakukan sebagai berikut : Persamaan Kepuasaan Konsumen :
X.1 =
λ1 Kepuasaan Konsumen + er_1 X.2
= λ2 Kepuasaan Konsumen + er_2
X.3 =
λ3 Kepuasaan Konsumen + er_3 X.4
= λ1 Kepuasaan Konsumen + er_4
X.5 =
λ2 Kepuasaan Konsumen + er_5 X.6
= λ3 Kepuasaan Konsumen + er_6
X.7 =
λ1 Kepuasaan Konsumen + er_7 X.8
= λ2 Kepuasaan Konsumen + er_8
30
Kepuasaan Konsumen
X
Bila persamaaan di atas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor
analysis, maka model pengukuran dengan contoh Kepuasaan Konsumen akan nampak sebagai berikut :
Gambar 3.1 : Contoh Model Pengukuran Kepuasaan Konsumen
Keterangan : X.1
= pertanyaan tentang Value to Price Relationship. X.2
= pertanyaan tentang Product Quality. X.3
= pertanyaan tentang Product Features. X.4
= pertanyaan tentang Reliability
X
1.1
X
1.2
X
1.2
X
1.3
X
1.4
X
1.5
X
1.6
X
1.7
X
1.8
er_1
er_2
er_3 er_4
er_5 er_6
er_7 er_8
31
X.5 = pertanyaan tentang Warranty.
X.6 = pertanyaan tentang Response to and Remedy of Problems.
X.7 = pertanyaan tentang Sales Experience.
X.8 = pertanyaan tentang Convenience of Acquisition
Persamaan Kesetiaan Merek : X.1
= λ1 Kesetiaan Merek + er_1
X.2 =
λ2 Kesetiaan Merek + er_2 X.3
= λ3 Kesetiaan Merek + er_3
X.4 =
λ1 Kesetiaan Merek + er_4 X.5
= λ2 Kesetiaan Merek + er_5
Bila persamaaan di atas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor
analysis, maka model pengukuran dengan contoh Kesetiaan Merek akan nampak sebagai berikut :
32
Kesetiaan Merek
Y
Gambar 3.2 : Contoh Model Pengukuran Kesetiaan Merek
Keterangan : Y.1
= pertanyaan tentang Switcher. Y.2
= pertanyaan tentang Habitual Buyer. Y.3
= pertanyaan tentang Satisfied Buyer. Y.4
= pertanyaan tentang Likes The Brand Y.5
= pertanyaan tentang Committed Buyer.
1. Asumsi Model Structural Equation Modelling
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 standart errornya dan skewnwss value yang
Y
1.1
Y
1.2
Y
1.3
Y
1.4
Y
1.5
er_1
er_2
er_3 er_4
er_5
33
biasanya disajikan dalam statistik deskriptif, dimana nilai statistik untuk menguji normalitas itu disebut sebagai Z_value. Pada tingkat
signifikan 1 jika Z lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tidak normal.
3. Normal Probabilitas Plot SPSS 10.1. 4.
Linieritas dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga
ada tidaknya linieritas. b. Evaluasi Atas Outlier
1. Mengamati nilai Z score : ketentuannya diantara ± 3,0 non outlier.
2. Multivariate outlier diuji dengan criteria jarak mahalonobis pada
tingkat P 0,001. Jarak diuji dengan chi_square [X
2
] pada df sebesar jumlah variabel bebasnya. Ketentuan : bila mahalonobis
dari nilai X
2
c. Deteksi Multicollinierity dan Singularity adalah multivariate 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 Hair,et.al., 1998.
Dengan mengamati Determinan Matriks Covarians. Dengan ketentuan apabila determinant sample matriks mendekati angka 0
kecil, maka terjadi multikolinieritas dan singularitas Tabachnick Fidell, 1998.
34
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 ukuran
mengenai konsistensi internal dari indicator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing-masing indicator itu
mengindikasikan senuah konstruk yang umum. Karena indikator multidimensi, maka uji validitas dari setiap
latent variabelkonstruk akan diuji dengan melihat loading faktor dari hubungan antara setiap observed variabel dan latent variabel. Sedangkan
reliabilitas diuji dengan construc reliability dan variance extracted dihitung dengan rumus berikut :
Construct Reliability
[ ]
[ ]
∑ ∑
∑
+ =
j
ding dardizeloa
s ding
dardizeloa s
ε
2 2
tan tan
Variance Extracted =
[ ]
[ ]
[ ]
∑ ∑
∑
+
j
ding dardizeloa
s ding
dardizeloa s
ε
2 2
tan tan
Sementara ε
j
dapat dihitung dengan formula ε
j
= 1 – [standardize loading]
2
secara umum, nilai construct reliability yang dapat diterima adalah
≥ 0,7 dan variance extracted ≥ 0,5 Hair,et.al., 1998. Standardize Loading dapat diperoleh dari output AMOS 4.01,
dengan melihat nilai estimasi setiap construct standardize regression weights terhadap setiap butir sebagai indikatornya.
35
2. Pengujian Hipotesis dan Hubungan Kausal Pengaruh langsung [koefisien jalur] diamati dari bobot regresi
terstandar, dengan pengujian signifikansi pembanding nilai CR Critical Ratio atau P Probability yang sama dengan nilai t hitung. Apabila t
hitung lebih besar daripada t tabel berarti signifikan. 3. Pengujian Model dengan One – Step Approach
Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak
mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model
dan structural model yang diestimasi secara bersama-sama One Step Approach to SEM. One Step Approach to SEM digunakan apabila
model diyakini bahwa dilandasi teori yang kuat serta validitas dan reliabilitas data sangat baik Hair,et.al.: 1998
4. Evaluasi Model Hair,et.al 1998, menjelaskan bahwa pada “confirmatory”
menunjukkan prosedur yang dirancang untuk mengevaluasi utilitas hipotesis-hipotesis dengan pengujian fit antara model teoritis dan data
empiris. Jika model teoritis 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-model “good fit” atau
36
“poor fit”. Jadi ,”good fit” model yang diuji sangat penting dalam penggunaan structural equation modeling.
Pengujian terhadap model yang dikembangkan dengan berbagai criteria goodness of fit, yakni chi-square, probability, RMSEA, GFI, TLI, CFI,
AGFI, Cmin DF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan pendekatan two step approach to SEM.
Tabel 3.1 : Goodness of Fit Indices
Goodness of Fit Index
Keterangan Cut-Off Value
X
2
Menguji apakah covariance populasi yang diestimasi sama dengan covariance
sample [apakah model sesuai dengan data]
chi square 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 sampel besar
≤ 0,08 GFI
Menghitung proporsi tertimbang varians dalam matriks sampel yang dijelaskan
oleh matriks covariance populasi yang diestimasi [analog dengan R
2
≥ 0,90
dalam regresi berganda]
AGFI GFI yang disesuaikan terhadap DF
≥ 0,90 C min DF
Kesesuaian antara data dan model ≤ 2,00
TLI Perbandingan antara model yang diuji
terhadap baseline model ≥ 0,95
CFI Uji kelayakan model yang tidak sensitive
terhadap besarnya sampel dan kerumitan model
≥ 0,94
Sumber : Hair, et.al. [1998]
37
DAFTAR PUSTAKA
Aaker, David. 1997. Manajemen Ekuitas Merek. Jakarta: Spektrum. Churchill, R. And F. Surprenant. 1982. Salesmanship Management, 1
st
Edition, Ricard D. Irwin, Chicago.
Dutka, Alan, 1994. AMA Hand Book for Customer Satisfaction. NTC Business Book, Lincolnwood, Illinois.
Durianto, D., Sugiarto, Sitinjak, T., 2001. Strategi menaklukkan pasar melalui riset ekuitas dan perilaku konsumen. Jakarta: Gramedia.
Gaspersz, Vincent, 1997, Manajemen Kualitas Dalam Industri Jasa, PT Gramedia Pustaka Utama, Jakarta.
Ferdinand, Agusty, 2002, Structural Equation Modeling dalam penelitian Manajemen, Edisi kedua, BP Undip Semarang.
Hair, J.F. et. al. 1998, Multivariate Data Analysis, Fifth Edition, Prentice-Hall International, Inc., New Jersey.
Hartline, Michael D. and O.C. Ferrell, 1996, “The Management of Customer- Contact Service Employees : An Empirical Investigation”, Journal of
Marketing. 60 4 : 52-70. Hatane Semuel, 2006, Ekspektasi Pelanggan Dan Aplikasi Bauran Pemasaran
Terhadap Loyalitas Toko Moderen Dengan Kepuasan Pelanggan Sebagai Intervening, Jurnal Manajemen Pemasaran, Vol. 1, NO. 2, Oktober 2006
Kettinger, J.W. dan Lee, C.C. 1994, Perceived Service Quality and User Satisfaction with the information Services Function, Decision
Science, 23, hal 737-766. Kotler, P., 1990. Manajemen Pemasaran; Analisis, perencanaan dan
pengendalian Jilid II. Jakarta: Erlangga. ___________, 1997, Dasar-dasar pemasaran Edisi Bahasa Indonesia Jilid 2,
Prehallindo, Jakarta. ___________, 2004. Manajemen Pemasaran; Analisis, perencanaan,
implementasi dan pengendalian edisi ke-7. Jakarta: Fakultas Ekonomi Indonesia
38
___________, Amstrong, G. 1996. Marketing An Introduction 3rd. Amerika: Prentice – Hall, inc.
Mowen, J., Minor, M. 1995. Perilaku Konsumen Jilid I edisi ke-5. Jakarta: Erlangga.
Parasuraman, Zeithaml, A.V. dan Berry, L.L., 1985. A. Conceptual Model of Service Quality, Journal of Retailing, 67
_______________. 1998, SERVQUAL: A Multiple Item Scale for Measuring Consumer Perceptions of service Quality. Journal or Retailing, Vol
64 1, pp 12-40. Prasetyohadi, 2004, Analisis Faktor-Faktor Loyalitas Merek Pasta Gigi
PepsodentStudi Kasus Di Perumahan Wiguna, Jurnal Ekonomi, Vol 3. No. 1
Robbins, Stephen P., Organization Behavior: Concepts, Controversies Aplication, Seventh Edition, Pretice Hall, Inc., New Jersey, 1996.
_______________.and Mary Jo Bitner. 1996, Services Marketing, 2
nd
Edition, Irwin – McGraw – Hill Inc., New York.
Schiffman, Leon G., and Lealie Lazar Kanuk, Consumee Behavior, Seventh Edition, Prentice Hall, Inc., New Jersey, 2000.
Stamatis, D.H., 1996 Total Quality Service, St. Lucie Press, U.S.A. Supranto, J. 2002, Pengukuran Tingkat Kepuasan Konsumen Untuk menaikkan
Pangsa Pasar, Cetakan Ketiga, Rineka Cipta, Jakarta. Sugiharto, 2007, Pengaruh Kepuasan Terhadap Loyalitas Pelanggan, Jurnal VISI
Edisi XVII2007
Sumarsono, 2002. Metode Penelitian, Universitas Pembangunan Nasional
”Veteran” Jatim, Surabaya Tabachnick B.G. and Fidel, L.S., 1998, Using Multivariate Statistics, Third
Edition, Harper Collins College Publisher, New York. Tjiptono, Fandi. 2000, Manajemen Jasa, Edisi Pertama, Andi Offset, Yogyakarta.
Tjiptono, Fandy 1998, Prinsip – Prinsip total Quality service, Edisi pertama,
Penerbit Andi, Jogjakarta.
39
Zeithaml, A.V., Berry L.L., dan Parasuraman, A. 1993, The Nature and Determinants of Customer Expectations of Service, Journal of
Academy Marketing Science.
37
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Objek Penelitian
4.1.1. Sejarah Singkat Perusahaan
Peta persaingan bisnis khususnya produk-produk toiletries saat ini sudah semakin mengerucut kepada dua nama pemain besar yakni Unilever
dan PGI. Unilever bahkan mengklaim dapat menguasai 50 pasar produk shampoo di Indonesia. Unilever dengan mengusung merk-merk Sunsilk,
Clear dan Lifebuoy yang merupakan produk – produk unggulan mereka. Sedangkan PGI menguasai pasar shampoo dengan mengandalkan pada
merk-merk Pantene, Rejoice dan Head Shoulders. Diperkirakan 90 pasar shampoo ditanah air dikuasai oleh dua pemain besar ini, persaingan
keduanya bukan hanya di Indonesia saja melainkan juga di tingkat Internasional.
Dalam menghadapi persaingan dengan Unilever, PGI perlu menerapkan beberapa strategi jitu untuk dapat sukses memasarkan
produknya. Melakukan survey konsumen dan pengenalan produk merupakan langkah awal yang dilakukan oleh PGI sebelum menyusun
strategi marketing. PGI ingin lebih memahami dan mengenal konsumennya dengan cara mengetahui kebutuhan konsumen, serta harapan dan keinginan
konsumen terhadap suatu produk. Hal mendasar yang harus dilakukan oleh