42
a. Dokumentasi
Yaitu data yang diperoleh dari hasil dokumentasi yang berhubungan dengan penelitian ini, yakni data internal yang
diperoleh dari pihak Pond’s. b.
Interview Yaitu teknik pengumpulan data dengan cara melakukan
wawancara atau tanya jawab secara langsung kepada pihak reponden.
c. Observasi
Yaitu pengumpulan data yang dilakukan dengan cara mengamati secara langsung pembeli Pond’s.
d. Kuesioner
Yaitu teknik pengumpulan data dengan cara mengajukan daftar pertanyaan, dimana responden diminta memberikan penilaian
atas pertanyaan yang diberikan oleh peneliti sehubungan dengan permasalahan yang diteliti.
e. Studi Kepustakaan
Data-data teoritis yang berupa literatur maupun bentuk lainnya yang berhubungan dengan permasalahan yang dibahas.
3.4. Teknik Analisis dan Uji Hipotesis
Ketepatan pengujian suatu hipotesis tentang hubungan antara variabel dalam penelitian sangat tergantung pada kualitas data yang
43
diperoleh dan dipergunakan dalam penelitian tersebut Ancok, 1991:63. 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.
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 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.
44
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
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, 1998:32. c. Deteksi Multicollinierity dan Singularity
Dengan mengamati Determinan Matriks Covarians. Dengan ketentuan apabila determinant sample matriks mendekati angka 0
kecil, maka terjadi multikolinieritas dan singularitas Tabachnick Fidell, 1998:55.
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
45
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
2 2
tan tan
Variance Extracted =
j
ding dardizeloa
s ding
dardizeloa s
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.
2. Pengujian Hipotesis dan Hubungan Kausal Pengaruh langsung [koefisien jalur] diamati dari bobot regresi
terstandar, dengan pengujian signifikansi pembanding nilai CR Critical
46
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, 1998:45 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
“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,
47
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
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 sampel besar
≤ 0,08 GFI
Menghitung proporsi tertimbang varians dalam matriks sampel 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 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]
48
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Obyek Penelitian 4.1.1. Sejarah singkat Perusahaan
