METODE PENELITIAN

C. Definisi Operasional dan Pengukuran Variabel

1. Service quality. Service quality adalah ukuran tingkat layanan yang diberikan terhadap pemenuhan ekspektasi pelanggan. Indikan-indikan yang menjelaskan variabel ini diukur dengan menggunakan 4 point skala Likert (1= sangat tidak setuju sampai dengan 4= sangat setuju). Indikator yang menunjukkan service quality adalah tingkat responsif perusahaan, output, empathy, dan tingkat kepuasan konsumen (Venetis dan Ghauri, 2000).

2. Trust. Tingkat kepercayaan konsumen yang diperoleh setelah konsumen menggunakan jasa dari suatu perusahaan dan yakin bahwa pihak perusahaan akan menghasilkan sesuatu

commit to user

yang positif bagi dirinya. Indikan-indikan yang menjelaskan variabel ini diukur dengan menggunakan 4 point skala Likert (1= sangat tidak setuju sampai dengan 4= sangat setuju). Indikator yang menunjukkan trust adalah kesesuaian antara harapan dan kenyataan mereka terhadap jasa yang mereka bayar (brand value), ethic, kesan mengenai jasa yang diperoleh, reliability, dan assurance (Lau and Lee, 1999).

3. Switching cost. Biaya atau sesuatu yang harus dikorbankan yang menghalangi konsumen untuk pindah dari produk atau jasa perusahaan saat ini kepada produk atau jasa kompetitor. Indikan-indikan yang menjelaskan variabel ini diukur dengan menggunakan 4 point skala Likert (1= sangat tidak setuju sampai dengan 4= sangat setuju). Indikator yang menunjukkan Switching cost adalah hambatan konsumen untuk berpindah, tingkat biaya yang dikeluarkan; procedural switching cost (waktu), financial switching cost (moneter), relational switching cost (emosional), dan atittude (Burnharm, 2003)

4. Loyalitas konsumen. Sikap positif konsumen terhadap suatu produk atau jasa yang disertai dengan perilaku pembelian secara berulang dan bersifat konsisten, yang selanjutnya mereka atau konsumen merekomendasikan produk atau jasa perusahaan tersebut kepada orang lain. Indikan-indikan yang menjelaskan variabel ini diukur dengan menggunakan 4 point skala Likert (1= sangat tidak setuju sampai dengan 4= sangat setuju). Indikator yang menunjukkan loyalitas konsumen adalah kemungkinan konsumen berpindah ke produk lain, kesensitifan terhadap perubahan harga, keinginan untuk menggunakan jasa kembali, pola pembelian konsumen, merekomendasikan jasa perusahaan kepada orang lain, cognition, consumer satisfaction dan behaviour (Tjiptono, 2000).

commit to user

5. Corporate Image Corporate image merupakan impresi/kesan keseluruhan yang dibentuk oleh pikiran/opini publik terhadap suatu perusahaan. Indikan-indikan yang menjelaskan variabel ini diukur dengan menggunakan 4 point skala Likert (1= sangat tidak setuju sampai dengan 4= sangat setuju). Indikator yang menunjukkan corporate image adalah kesan konsumen terhadap kinerja perusahaan setelah menerima jasa, kesan konsumen terhadap nama perusahaan dan atribut fisik, kepercayaan konsumen terhadap brand perusahaan (Nguyen and Leblanc, 2001)

D. Instrumen Penelitian

Instrumen penelitian yang digunakan adalah kuesioner. Kuesioner adalah suatu teknik pengumpulan informasi yang memungkinkan analis mempelajari sikap-sikap, keyakinan, perilaku, dan karakteristik beberapa orang utama di dalam organisasi yang bisa terpengaruh oleh sistem yang diajukan atau oleh sistem yang sudah ada. Jenis-jenis pertanyaan dalam kuesioner adalah :

1. Pertanyaan Terbuka : pertanyaan-pertanyaan yang memberi pilihan- pilihan respons

terbuka kepada responden. Pada pertanyaan terbuka antisipasilah jenis respon yang muncul. Respon yang diterima harus tetap bisa diterjemahkan dengan benar.

2. Pertanyaan Tertutup : pertanyaan-pertanyaan yang membatasi atau menutup pilihan- pilihan respon yang tersedia bagi responden.

Penskalaan adalah proses menetapkan nomor-nomor atau simbol-simbol terhadap suatu atribut atau karakteristik yang bertujuan untuk mengukur atribut atau karakteristik tersebut. Alasan penganalisis sistem mendesain skala adalah sebagai berikut :

commit to user

1. Untuk mengukur sikap atau karakteristik orang-orang yang menjawab kuesioner.

2. Agar respoden memilih subjek kuesioner.

Ada empat bentuk skala pengukuran , yaitu :

1. Nominal Skala nominal digunakan untuk mengklasifikasikan sesuatu. Skala nominal merupakan bentuk pengukuran yang paling lemah, umumnya semua analis bisa menggunakannya untuk memperoleh jumlah total untuk setiap klasifikasi. Contoh : Apa jenis perangkat lunak yang paling sering anda gunakan ? 1 = Pengolah kata, 2 = Spreadsheet , 3 = Basis Data, 4 = Program e-mail

2. Ordinal Skala ordinal sama dengan skala nominal, juga memungkinkan dilakukannya klasifikasi. Perbedaannya adalah dalam ordinal juga menggunakan susunan posisi. Skala ordinal sangat berguna karena satu kelas lebih besar atau kurang dari kelas lainnya.

3. Interval Skala interval memiliki karakteristik dimana interval di antara masing-masing nomor adalah sama. Berkaitan dengan karakteristik ini, operasi matematisnya bisa ditampilkan dalam data-data kuesioner, sehingga bisa dilakukan analisis yang lebih lengkap.

4. Rasio Skala rasio hampir sama dengan skala interval dalam arti interval-interval di antara nomor diasumsikan sama. Skala rasio memiliki nilai absolut nol. Skala rasio paling jarang digunakan.

E. Sumber Data

commit to user

Penelitian ini menggunakan dua sumber data, yaitu data primer dan data sekunder.

1. Data Primer Data primer merupakan data asli atau data mentah yang langsung penulis peroleh selama melakukan penelitian di lapangan (field research) dalam hal ini, penelitian terhadap konsumen CV Resna Offset. Data primer ini diperoleh melalui kuesioner, yaitu teknik pengumpulan data yang di lakukan dengan cara memberi beberapa pertanyaan tertulis kepada responden Data dari kuesioner adalah jawaban yang di berikan oleh para responden.

2. Data Sekunder Data sekunder adalah data-data yang telah diolah terlebih dahulu oleh pihak-pihak atau badan/ instansi terkait. Pengumpulan data ini di lakukan dengan library research, yaitu pengumpulan data yang di lakukan dengan jalan membaca buku-buku literature, makalah dan jurnal-jurnal, serta artikel-artikel yang berhubungan dengan masalah

yang di bahas .

F. Metode Pengumpulan Data

1. Metode Interview Data primer dikumpulkan dengan menggunakan kategorisasi berdasarkan data yang relevan dengan pertanyaan-pertanyaan dalam penelitian(Sugiyono, 2004). Prosedur pengumpulan data terutama dalam prosedur pengumpulan data primer dalam penelitian ini menggunakan metode purposive sampling (tidak semua populasi dijadikan sampel namun hanya sampel yang telah ditentukan terlebih dahulu dengan alasan kuat dapat memberikan data).

2. Studi Pustaka

commit to user

Metode ini dilakukan dengan membaca literatur/buku-buku relevan yang berhubungan dengan penelitian yang sedang dilakukan.

G. Teknik Analisis Data

1. Analisis Deskriptif Analisis deskriptif adalah analisis data dengan cara mengubah data mentah menjadi bentuk yang lebih mudah dipahami dan diintepretasikan. Analisis ini menggambarkan profil dan tanggapan responden terhadap kuesioner yang diberikan. Sedangkan statistik deskriptif adalah statistik untuk menganalisa data dengan cara mendeskripsikan data yang telah terkumpul tanpa bermaksud membuat kesimpulan yang berlaku untuk umum (Sugiyono, 2004).

2. Uji Validitas Uji validitas adalah tingkat kemampuan instrumen penelitian untuk mengungkapkan data sesuai dengan masalah yang hendak diungkapkan (Azwar, dalam Jogiyanto, 2004). Uji validitas dilakukan pada tiap item pertanyaan dalam kuesioner dengan tujuan untuk mengetahui sejauh mana ketepatan dan kecermatan suatu alat ukur melakukan fungsi ukurnya. Pengukuran dikatakan valid jika mengukur tujuannya dengan nyata dan benar, serta sebaliknya alat ukur yang tidak valid adalah yang memberikan hasil ukuran menyimpang dari tujuannya (Jogiyanto, 2004). Confirmatory factor analysis (CFA) akan dilakukan peneliti terhadap tujuh faktor atau konstruk dalam penelitian ini dengan bantuan program Amos 6.0. Menurut Hair et al. (1998), factor loading lebih besar ± 0.30 dianggap memenuhi level minimal, factor

loading ± 0.40 dianggap lebih baik dan sesuai dengan rules of thumb yang dipakai para peneliti, dan factor loading ³ 0.50 dianggap signifikan. Jadi semakin besar nilai

commit to user

absolut factor loading, semakin penting loading tersebut menginterpretasikan konstruknya. Pada penelitian ini menggunakan pedoman factor loading ³ 0,5.

3. Uji Reliabilitas Uji reliabilitas digunakan untuk menguji tingkat seberapa besar suatu pengukur mengukur dengan stabil dan konsisten yang besarnya ditunjukkan oleh nilai koefisien, yaitu koefisien reliabilitas (Jogiyanto, 2004). Dalam penelitian ini uji reliabilitas dilakukan menggunakan metode Cronbach’s Alpha dengan menggunakan bantuan program SPSS for Windows versi 11.5. Menurut Sekaran (2006) klasifikasi nilai Cronbach’s Alpha , sebagai berikut :

a Nilai Cronbach’s Alpha antara 0,80 - 1,0 dikategorikan reliabilitas baik.

b Nilai Cronbach’s Alpha antara 0,60 – 0,79 dikategorikan reliabilitas dapat diterima.

c Nilai Cronbach’s Alpha ≤ 0,60 dikategorikan reliabilitas buruk.

4. Uji Asumsi Model

a. Normalitas data Asumsi yang paling fundamental dalam analisis multivariate adalah normalitas, yang merupakan bentuk suatu distribusi data pada suatu variabel metrik tunggal dalam menghasilkan distribusi normal (Hair et al., dalam Ghozali dan Fuad, 2005). Apabila asumsi normalitas tidak dipenuhi dan penyimpangan normalitas tersebut besar, maka akan mengakibatkan hasil uji statistik yang bias. Normalitas dibagi menjadi dua, yaitu: 1). univariate normality 2). multivariate normality Untuk menguji asumsi normalitas, maka dapat digunakan nilai statistik z untuk skewness dan kurtosisnya. Nilai z skewness dapat dihitung sebagai berikut:

commit to user

Z skewness =

skewness 6

dimana N merupakan ukuran sampel. Nilai statistik z untuk kurtosisnya dapat dihitung dengan menggunakan formula berikut ini:

Z kurtosis =

kurtosis

24

jika nilai z, baik z kurtosis dan/atau z skewness adalah signifikan (kurang dari 0,05 pada tingkat signifikansi 5%), maka dapat dikatakan bahwa distribusi data tidak normal. Sebaliknya, jika nilai z, baik z kurtosis dan/atau z skewness tidak signifikan (lebih dari 0,05 pada tingkat signifikansi 5%), maka dapat dikatakan bahwa distribusi data normal. Disamping itu, Curran et al. (dalam Ghozali dan Fuad, 2005) membagi distribusi data menjadi tiga bagian: 1). Normal, apabila nilai z statistik (Critical Ratio atau C.R.) skewness < 2 dan

nilai C.R. kurtosis < 7. 2). Moderately non-normal, apabila nilai C.R. skewness berkisar antara 2 sampai

3 dan nilai C.R. kurtosis berkisar antara 7 sampai 21. 3). Extremely non-normal, apabila nilai C.R. skewness > 3 dan nilai C.R. kurtosis > 21. Dalam penelitian ini uji normalitas dihitung dengan bantuan program komputer AMOS 6.01.

b. Evaluasi outlier Outliers adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam

commit to user

bentuk nilai ekstrim, baik untuk sebuah variabel tunggal atau variabel kombinasi (Hair et al. dalam Ferdinand, 2002). Uji terhadap multivariate outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p<0,001. Jarak

Mahalanobis itu dievaluasi dengan menggunakan c 2 pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian (Ferdinand, 2002). Evaluasi outliers ini dilakukan dengan bantuan program komputer AMOS 6.01.

c. Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah ditemukan adanya korelasi antar variabel independen dalam model. Ada tidaknya multikolinearitas dapat dilihat melalui matrik korelasi antar variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi (di atas 0,9), maka hal ini merupakan indikasi adanya multikolinearitas (Ghozali, 2005). Pengujian multikolinearitas dilakukan dengan bantuan program komputer AMOS 6.01.

5. Uji Hipotesis Untuk menguji hipotesis dari penelitian ini digunakan Structural Equation Modeling (SEM). SEM merupakan sekumpulan teknik-teknik statistikal yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif rumit secara simultan (Ferdinand, 2002). Hubungan yang rumit itu dapat dibangun antara satu atau beberapa variabel dependen dengan satu atau beberapa variabel independen. Masing-masing variabel dapat berbentuk faktor (atau konstruk yang dibangun dari beberapa variabel indikator). Variabel-variabel tersebut dapat berbentuk sebuah variabel tunggal yang diobservasi atau yang diukur langsung dalam sebuah proses penelitian. Untuk

commit to user

mempermudah pengolahan data SEM maka digunakan program AMOS 6.01 (Ferdinand, 2002). Penggunaan AMOS 6.01 dimaksudkan untuk menguji apakah model yang diestimasi mempunyai kesesuaian yang baik dan apakah terdapat hubungan kausalitas seperti apa yang telah dihipotesiskan. Pengujian hipotesis yang dilakukan meliputi:

a. Analisis kesesuaian model (Goodness-of-fit) Model struktural dikategorikan sebagai “good fit”, bila memenuhi beberapa persyaratan berikut ini: 1). Memiliki degree of freedom (df) positif, dapat dihitung dengan rumus (Hair

et al., 1998):

)(

[ ) ] t q p q df p + + + = + 1 1 2

dimana: p = jumlah indikator endogen

q = jumlah indikator eksogen t = jumlah koefisien yang diestimasi dalam model yang diuji

2). Nilai level probabilitas minimum yang disyaratkan adalah 0,1 atau 0,2, tetapi untuk level probabilitas sebesar 0,05 masih diperbolehkan (Hair et al., 1998). 3). Mengukur chi-square ( c 2 ) statistic untuk memastikan bahwa tidak ada perbedaan antara matriks kovarian data sampel dan matriks kovarian populasi yang diestimasi. Nilai chi-square ( c 2 ) sangat sensitif terhadap besarnya sampel dan hanya sesuai untuk ukuran sample antara 100 – 200. Jika lebih dari 200, maka chi-square ( c 2 ) statistic ini harus didampingi alat uji lainnya (Hair et al.; Tabachnick dan Fidell dalam Ferdinand, 2002). Model yang diuji akan dipandang baik bila nilai c 2 -nya rendah dan diterima berdasarkan probabilitas dengan cut-off value sebesar p > 0.05 atau p > 0.1,

commit to user

sehingga perbedaan matriks aktual dan yang diperkirakan adalah tidak signifikan (Hair et al., dalam Ferdinand, 2002).

4). CMIND/DF, adalah statistik chi-square dibagi DFnya, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model. Nilai yang diterima adalah kurang dari 2 atau bahkan kadang kurang dari 3 (Arbuckle dalam Ferdinand, 2002).

5). Menguji kesesuaian model dengan beberapa indeks tambahan, seperti: Goodness of Fit Index (GFI), Adjusted Goodness of Fit Index (AGFI), Tucker-Lewis Index (TLI), Comparative Fit Index (CFI), dan Root Mean Square Error of Approximation (RMSEA).

Indeks-indeks yang digunakan untuk menguji kelayakan sebuah model dapat diringkas dalam tabel berikut ini:

Tabel III.1 Goodness-of-fit Indices

Goodness-of-fit Indices

Cut-off Value

Chi-square ( c 2 )

Diharapkan kecil

Significance Probability (p)

³ 0,05

CMIN/DF

Sumber: Ghozali, 2005

b. Analisis koefisien jalur Analisis ini dilihat dari signifikansi besaran regression weight model. Kriteria bahwa jalur yang dianalisis signifikan adalah apabila memiliki tingkat signifikansi uji hipotesis yang lebih kecil dari 5%.

commit to user

commit to user