33
1. Melanjutkan penggunaan adalah tetap menggunakan produk
tersebut karena sudah sesuai dengan kebutuhan konsumen 2.
Rekomendasi pada orang lain adalah merekomendasikan pada orang lain untuk menggunakan suatu produk.
3. Ketahanan untuk tidak pindah ke produk lain adalah tidak
tergoda untuk pindah ke produk lain.
3.1.1 Pengukuran Variabel
Skala pengukuran yang digunakan dalam penelitian ini adalah skala interval dengan menggunakan teknik pembobotan skala semantic differential
scale . Analisis ini dilakukan dengan meminta responden untuk menyatakan
pendapatnya tentang serangkaian pernyataan yang berkaitan dengan obyek yang diteliti dalam bentuk nilai yang berada dalam rentang dua sisi. Dalam penelitian
ini, setiap pertanyaan masing-masing diukur dalam 7 skala dan ujung-ujung ditetapkan dengan kata sifat yang tidak secara kontras berlawanan. sebagai
berikut:
1 2 3 4 5 6 7
Sangat Tidak Setuju Sangat Setuju
3.2 Teknik Pengambilan Sampel
a. Populasi
Populasi dalam penelitian ini adalah seluruh pelanggan yang membeli Vitazone di Alfamart Tropodo
34
b. Sampel Untuk penarikan sampel dalam penelitian ini menggunakan teknik Non
Probability sampling yaitu dengan purposive Sampling yaitu penarikan
sampel berdasarkan ciri-ciri atau karakteristik yang dimiliki oleh sampel. Ciri- ciri sampel tersebut adalah: 1 pelanggan yang membeli Vitazone minimal
lebih dari 1 kali 2. Berusia minimal 21 tahun. Menurut Ferdinand 2002:48.
- Ukuran sampel yang harus terpenuhi dalam model ini adalah 100 -200 sampel untuk teknik Maximum Likelihood Estimation.
- Tergantung pada jumlah parameter yang diestimasi pedomannya adalah 5-10 kali jumlah parameter yang diestimasi
- Karena terdapat 13 indikator maka jumlah sampel dalam penelitian ini adalah 8x13 = 104 maka sampel yang digunakan adalah minimal sebesar
104 responden.
3.2.Teknik Pengumpulan Data 3.2.1.
Jenis Data
Data primer merupakan data yang dikumpulkan dan diolah sendiri.
3.2.2. Sumber Data
Sumber data yang digunakan dalam analisis ini adalah data yang diambil langsung dari pelanggan Vitazone dengan cara menyebarkan kuesioner.
35
3.3.3. Tehnik Pengumpulan Data
Pengumpulan data dalam skripsi ini dilakukan dengan menggunakan beberapa cara berikut:
a. Interview,
Yaitu mengadakan wawancara kepada pelanggan Vitazone b.
Kuisioner Yaitu pengumpulan data dilakukan dengan cara menyebarkan daftar
pertanyaan kepada pelanggan Vitazone .
3.4 Teknik Analisis dan Uji Hipotesis 3.4.1 Teknik Analisis
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Modelling [SEM]. Merupakan teknik statistik
yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif rumit. Model pengukuran kualitas produk, customer satisfaction, terhadap
customer loyalty menggunakan confirmatory factor analyses. Penaksiran
pengaruh masing-masing variable bebas terhadap variabel terikatnya menggunakan koefidien jalur.
36
3.4.2 Outliers
Outliers adalah obsevasi yang muncul dengan nilai-nilai eksterim baik
secara univariat maupun multivariate yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari
observasi-observasi lainya. Dapat diadakan treatment khusus pada outliers ini asal diketahui munculnya outlier itu. Outliers pada dasarnya dapat muncul
dalam empat kategori.
Pertama, outlier muncul karena kesalahan prosedur seperti kesalahan dalam memasukkan data atau kesalahan dalam mengkoding data. Misalnya 8 diketik
80 sehingga jauh berbeda dengan nilai-nilai lainnya dalam rentang jawaban responden antara 1-10 jika hal semacam ini lolos maka akan menjadi sebuah
nilai ekstrim.
Kedua, outlier dapat muncul karena keadaan yang benar-benar khusus yang memungkinkan profil datanya lain daripada yang lain daripada tetapi peneliti
mempunyai penjelasan mengenai penyebab munculnya nilai ekstrim itu.
Ketiga, outlier dapat muncul karena adanya sesuatu alasan tetapi peneliti tidak dapat mengetahui apa penyebabnya atau tidak ada penjelasan mengenai nilai
ekstrim itu.
Keempat, outlier dapat muncul dalam range nilai yang ada, tetapi bila dikombinasi dengan varibel lainnya, kombinasinya menjadi tidak lazim atau
sangat ekstrim. Inilah yang disebut multivariate outlier.
37
3.4.3 Evaluasi atas outliers
Menagamati atas z-score variabel: ketentuan diantara +_ 3,0 non outlier Multivariate outlier
diukur dengan kriteria jarak mahalanobis pada tingkat p 0,001.Jarak diuji dengan Chi-Square X
2
pada df degrees of Freedom sebesar jumlah variabel bebasnya. Ketentuan : Mahalanobis dari nilai X
2
adalah multivariate outlier.
3.4.4 Uji Validitas
Uji validitas adalah suatu derajat ketepatan alat ukur penelitian tentang isi sebenarnya yang diukur. Analisis validitas item bertujuan untuk menguji
apakah tiap butir pertanyaan benar-benar sudah sahih, paling tidak kita dapat menetapkan derajat yang tinggi dari kedekatan data yang diperoleh dengan
apa yang diyakini dalam pengukuran. Sebagai alat ukur yang digunakan, analisis ini dilakukan dengan cara mengkorelasikan antar skor item denga
skor total item. Dalam hal ini koefisien korelasi yang nilai signifikasinya lebih kecil dari 5 level of significance menunjukkan bahwa item-item
tersebut sudah sahih sebagai pembentukan indikator.
3.4.5 Uji Reliabilitas
Yang dimaksud dengan reabilitas ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukan derajat sampai
dimana masing-masing indicator itu menghasilakan sebuah konstrukfaktor
38
laten yang umum. Secara umum, nilai construct reliability yang dapat diterima adalah
≥ 0,70 dan variance extracted ≥ 0,5 Hair et. al., 1998 .
3.4.6 Uji Normalitas
Untuk menguji normalitas distribusi data-data yang digunakan dalam analisis, peneliti dapat menggunakan uji-uji statistik. Uji yang paling mudah
adalah dengan mengamati skewness value dari data yang digunakan, yang biasanya disajikan dalam statistik diskriptif dari hampir semua program
statistik. Nilai statistik untuk menguji normalitas itu disebut z-value yang dihasilkan melalui rumus berikut ini :
Bila nilai –z lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan
tingkat signifikansi yag dikehendaki. Misalnya, bila nilai yang dihitung lebih besar dari
2,58 berarti kita dapat menolak asumsi mengenai normalitas dari distribusi pada tingkat 0,01 1. Nilai kritis lainnya yang umum digunakan
adalah nilai kritis sebesar 1,96 yang berarti bahwa asumsi normalitas
ditolak pada tingkat signifikansi 0.05 5 Sumber Augusty 2002: 95
3.4.7 Multicollinearity dan Singularity
Untuk melihat apakah pada data penelitian terdapat multikolinieritas dan singularitas dalam kombinasi-komninasi variabel, maka perlu mengamati
determinan dari variable kovarian sampelnya. Determinan yang benar-benar
39
kecil mengindikasikan adanya multikolinieritas dan singularitas, sehingga data tidak dapat digunakan untuk analisis yang sedang dilakukan Augusty,
2002:108.
3.4.8 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 table berarti pengujian hipotesis kausal berarti signifikan.
3.4.9 Pengujian model dengan Two-Step Approach
Two-Step Approach to structural equation modelling [SEM] digunakan untuk menguji model yang diajukan pada gambar 3.6. Two-Step
Approach digunakan untuk mengatasi masalah sampel data yang kecil jika
dibandingkan dengan jumlah butir instrumentasi yang digunakan [Hartline Ferrell, 1996], dan keakuratan reliabilitas indikator-indikator terbaik dapat
dicapai dalam two-step approach ini. Cara yang dilakukan dalam menganalisis SEM dengan Two step approach adalah sebagai berikut:
a. Menjumlahkan skala butir-butir setiap konstrak menjadi sebuah indikator summed-scale
bagi setiap konstrak. Jika terdapat skala yang berbeda setiap indikator tersebut distandardisasi [Z-scores] dengan mean = 0, deviasi standar
40
= 1, yang tujuannya adalah untuk mengeliminasi pengaruh-pengaruh skala yang berbeda-beda tersebut [Hair et.al.,1998].
b. Menetapkan error [ ] dan lambda [] terms, error terms dapat dihitung
dengan rumus 0,1 kali
2
dan lambda terms dengan rumus 0,95 kali
[Anderson dan Gerbing,1988]. Perhitungan construct reliability [ ] telah
dijelaskan pada bagian sebelumnya dan deviasi standar [ ] dapat dihitung
dengan bantuan program aplikasi statistik SPSS. Setelah error [ ] dan lambda
[ ] terms diketahui, skor-skor tersebut dimasukkan sebagai parameter fix
pada analisis model pengukuran SEM.
3.4.10 Evaluasi Model
Hair et.al., 1998 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 menggambarkan “good fit” dengan data, maka model dianggap
sebagai yang diperkuat. Sebaliknya, suatu model teotitis 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 modelling.
41
Tabel 3.1. Goodness of Fit Indices
GOODNESS OF FIT INDEX
KETERANGAN CUT-OFF VALUE
X
2
- Chi-square Menguji apakah covariance populasi yang destimasi sama
dengan cova-riance sample [apakah model sesuai dengan data]. Diharapkan Kecil, 1 s.d 5.
atau paling baik diantara 1 dan 2.
Probability Uji signifikansi terhadap perbedaan matriks covariace 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 matrtiks sample yang dijelaskan oleh matriks 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 sensitive terhadap besarnya sample dan kerumitan model.
0,95 Sumber : Hair et.al., [1998]
43
BAB IV HASIL PENELITIAN DAN PEMBAHASAN