Teknik Penentuan Sampel Teknik Pengumpulan Data Deskripsi Obyek Penelitian 1. Sejarah Singkat Perusahaan

35

3.1.2. Pengukuran Variabel

Skala pengukuran variabel menggunakan skala interval yaitu skala yang mengurutkan obyek berdasarkan suatu atribut Umar, 2000:134. Adapun teknik pengukuran sikap menggunakan skala Likert yaitu metode pengukuran sikap dengan menggunakan skala penilaian tujuh butir yang berada dalam rentang dua sisi Umar, 2000:137. Digunakan jenjang 1-5 dalam penelitian ini mengikuti pola sebagai berikut, misalnya: 1 5 Sangat tidak setuju Sangat setuju Keterangan : 1 = Sangat tidak setuju 4 = Setuju 2 = Tidak setuju 5 = Sangat setuju 3 = Netral Skala tersebut disusun dalam suatu garis kontinu dengan jawaban sangat positifnya terletak di sebelah kanan, jawaban sangat negatifnya terletak di sebelah kiri, atau sebaliknya.

3.2. Teknik Penentuan Sampel

1. Populasi

Populasi mengacu pada keseluruhan kelompok orang, kejadian atau hal yang ingin diteliti. Populasi dalam penelitian ini adalah seluruh konsumen yang berbelanja di Hypermart Plaza Royal Surabaya. 36

2. Sampel

Dalam penelitian ini teknik pengambilan sampel menggunakan cara purposive sampling, yaitu pengambilan sampel yang didasarkan pada pertimbangan tertentu seperti kriteria yang dimiliki sampel Sugiyono, 1999:78. Dan mengenai kriteria yang akan dijadikan sampel adalah : 1 Pelanggan yang sedang berbelanja di Hypermart Plaza Royal. 2 Pelanggan yang telah berbelanja produk di Hypermart Plaza Royal Surabaya lebih dari 2 kali dalam 3 bulan terakhir. Jumlah sampel dalam penelitian ini berdasarkan pertimbangan pedoman pengukuran sampel menurut Ferdinand 2002:48 Structural Equation Modeling SEM, adalah sebagai berikut: a. 100 – 200 sampel untuk teknik maximum like hood estimation b. Tergantung pada jumlah parameter yang estimasi pedomannya adalah 5 – 10 kali jumlah parameter yang diestimasi c. Tergantung pada jumlah indikator dikali 5 – 10. Bila terdapat 16 indikator, maka besarnya sampel adalah 80-160 yaitu 7 x 16 indikator = 112 responden.

3.3 Teknik Pengumpulan Data

3.3.1 Jenis Data

Data Primer : Data yang diperoleh dari jawaban kuesioner yang disebarkan kepada pelanggan yang berbelanja di Hypermart Plaza Royal Surabaya. 37

3.3.2 Sumber Data

Sumber data dalam penelitian ini diperoleh dari : Jawaban responden melalui kuesioner

3.3.3 Pengumpulan Data

1. Wawancara : Yaitu melakukan wawancara atau tanya jawab dengan pelanggan yang berbelanja di Hypermart Plaza Royal Surabaya untuk memperoleh informasi. 2. Kuesioner : Merupakan teknik pengambilan data dengan cara menyebarkan daftar pertanyaan kepada pelanggan yang berbelanja di Hypermart Plaza Royal Surabaya.

3.4 Teknik Analisis SEM dan Pengujian Hipotesis

Structural Equation Modeling SEM adalah sekumpulan teknik – teknik statistical yang memungkinkan pengukuran sebuah rangkaian hubungan yang relatif “rumit” secara simultan. Hubungan yang rumit tersebut dibangun antara satu atau beberapa variabel dependen dengan satu atau beberapa variabel independen. Metode ini bukan untuk menghasilkan teori melainkan “mengkonfirmasi” teori. 1. Asumsi Model [Structural Equation Modeling] a. Uji Normalitas Sebaran dan Linieritas 38 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 standard errornya dan skewness value yang biasanya disajikan dalam statistik deskriptif dimana nilai statistik untuk menguji normalitas itu disebut sebagai Z-value. Pada tingkat signifikansi 1 jika nilai Z lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tindak normal. 3 Normal Probability plot 4 Linieritas denagn mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya Linieritas. b. Evaluasi atas Outlier 1 Mengamati Z-score : ketentuannya diantara ± 3,0 non outlier. 2 Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square [ χ] pada df sebesar jumlah variabel bebasnya. Ketentuan : bila Mahalanobis dari nilai χ adalah multivariate outlier. Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi - observasi lainnya dan muncul dalam bentuk nilai 39 ekstrim untuk sebuah variabel tunggal atau variabel kombinasi Hair et. al., 1998 dalam Ferdinand 2002. c. Deteksi Multicollinierity dan Singularity Dengan mengamati Determinant Matriks Covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 [kecil], maka terjadi multikolinieritas dan singularitas Tabachnick Fidell, 1998 dalam Ferdinand 2002. 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 indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum. Karena indikator multidimensi, maka uji validitas dari setiap latent variable construct akan diuji dengan melihat loading factor dari hubungan antara setiap observed variable dan latent variable. Sedangkan reliabilitas diuji dengan construct reliability dan variance-extracted. Construct reliability dan variance-extracted dihitung dengan rumus berikut: Construct Reliability = [ ∑ Standardize Loading ]² [ ∑ Standartdize Loading ]² + ∑Єj ] Variance Extracted = ∑ [ Standartdize Loading² ] ∑ [ Standartdize Loading²]+∑Єj [ Standartdize Loading²]+ ∑Єj 40 Sementara ε j dapat dihitung dengan formula ε j =1 – [Standardize Loading]. Secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0.7 dan Variance Extracted ≥ 0.5 Hair et.al, 1998 dalam Ferdinand 2002. Standardize Loading dapat diperoleh dari output AMOS 4.01, dengan melihat nilai estimasi setiap Construct Standardize Regression weighty 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 CRCritical Ratio p probability yang sama dengan nilai t hitung. Apabila t hitung lebih besar daripada t tabel berarti signifikan.

3. Evaluasi Model

Hair et.al., 1998 dalam 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 menggambarkan “good fit” dengan data, maka model dianggap sebagai model 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. 41 Pengujian terhadap model yang dikembangkan dengan berbagai kriteria Goodness of Fit yakni Chi-square, Probability, RMSEA, GFI, TLI, CFI, AGFI, CMINDF. 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 destimasi sama dengan covariance sample [apakah model sesuai dengan data]. Diharapakan Kecil, 1 s.d 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. ≤ 0,08 GFI Menghitung proporsi tertimbang varians dalam matriks sample yang dijelasakan oleh matriks covariance populasi yang diestimasi [analog dengan R 2 dalam regresi berganda] ≥ 0,90 AGFI GFI yang disesuaikan dalam 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 tehadap besarnya sample dan kerumitan model ≥ 0,94 Sumber : Hair. et. al. 1998

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1. Deskripsi Obyek Penelitian 4.1.1. Sejarah Singkat Perusahaan PT. Matahari Putra Prima Tbk. berdiri tahun 1958 dan mempunyai visi yaitu sebagai peritel pilihan utama konsumen serta misi yaitu konsisten menawarkan berbagai ragam produk bernilai dan tepat guna dengan pelayanan terbaik guna peningkatan kualitas dan gaya hidup konsumen. PT. Matahari Putra Prima Tbk membagi Bisnis Inti menjadi Unit Bisnis yaitu Matahari Department Store, Hypermart, Foodmart, dan Time Zone. Launching Hypermart Plaza Royal Surabaya pada tanggal 7 Oktober 2006 yang merupakan gerai kedua di wilayah Surabaya setelah gerai Hypermart Supermall Pakuwon Indah. Hypermart Plaza Royal Surabaya menyediakan berbagai macam kebutuhan rumah tangga yang diperlukan dengan jumlah produk mencapai 30.000 item dengan luas toko mencapai sekitar 7000 m 2 . Hypermart Hypermart Plaza Royal Surabaya mempunyai karyawan sekitar 125 orang, diantaranya 92 laki-laki dan 33 perempuan yang ditempatkan sesuai dengan kapasitas yang dibutuhkan dan sesuai dengan tugas dan tanggung jawabnya. Lokasi Hypermart Hypermart Plaza Royal Surabaya di jalan Ahmad Yani No.16 - 18 Surabaya. 42

4.1.2. Struktur Organisasi

Gambar 4.1. Struktur Organisasi Store General Manager 43 Sumber : Hypermart Plaza Royal Surabaya Divisi Manager Groceries Divisi Manager Fresh Divisi Manager GMS Department Manager Ready to Eat Department Manager Daily Frozen Department Manager Fish Meat Department Manager Bakery Department Manager Produce Department Manager Drink Department Manager HBC Department Manager Electronic Department Manager Softlen Department Manager Bazaar Team Leader Team Leader Team Leader Team Leader Team Leader Team Leader Team Leader Team Leader Team Leader Team Leader Staff Staff Staff Staff Staff Staff Staff Staff Staff Staff 44

4.1.2.1 Tugas dan Tanggung Jawab Karyawan

Tabel 4.1. Tugas dan Tanggung Jawab Karyawan JENIS KELAMIN NO JABATAN TUGAS DAN TANGGUNG JAWAB JUMLAH L P 1 Store General Manager Mengkoordinasikan segala kegiatan usaha dalam satu unit usaha tertentu. 1 1 2 Divisi Manager a Mengkoordinasikan tugas antar Department Manager. b Mengatur keseimbangan antara pemasukan dengan pengeluaran c Bertanggung jawab terhadap Strore General Manager. 3 2 1 3 Department Manager Berwenang untuk membagi-bagikan tugas operasional bagi para Staff dan Team Leader. Selain itu, Department Manager juga memiliki tugas dan tanggung jawab dalam mengawasi jalannya sistem operasi yang dinamakan Balance Socre Card System. Sistem operasi itu meliputi : a Sales : Penjualan barang b Shrinkage : Penyusutan barang akibat kerusakan, kesalahan administrasi, pencurian internal maupun eksternal dan perubahan harga barang mendekati nol yang disebut PH 0. Jumlah shrinkage tidak boleh lebih besar dari 0,8 jumlah sales. c Operational Expenditure OPEX : Pengeluaran-pengeluaran operasional seperti gaji karyawan seperti gaji karyawan, biaya operasional mesin, listrik, dan lain-lain. d Inventory : Pengaturan Stock dan inventaris barang-barang. e Format Standard : Mengatur standard kerapian dan kebersihan karyawan serta display barang. 28 22 6 4 Team Leader a Membantu tugas Department Manager coaching b Membuat Shifting Staff counseling. c Menciptakan suasana kerja yang kondusif motivator 29 24 5 5 Staff Melaksanakan tugas operasional serta bertanggung jawab pada Team Leader dan Department Manager terhadap hasil kerja yang dilakukan. 64 43 21 Sumber : Hypermart Plaza Royal Surabaya 45

4.2. Karakteristik Responden