27
BAB I I I METODOLOGI PENELITIAN
3.1. Definisi Operasional dan Pengukuran Variabel 3.1.1
Definisi Operasional 1. Kualitas Produk X
Kemampuan produk sepeda motor Suzuki menjalankan fungsinya.
Dimensi yang membentuk kualitas produk menurut Garvin dalam Tjiptono 1997:25 ialah:
a. Kinerja X1 Gambaran keadaan yang sebenarnya atau apakah kualitas yang
diberikan dengan cara yang benar. Adapun indikator yang digunakan ialah :
1. Karakteristik Produk X
1.1
Merupakan karakter yang dimiliki sepeda motor Suzuki yaitu motor bisa dipacu dengan kecepatan tinggi
2. Kemampuan Produk X
1.2
Merupakan kemampuan yang dimiliki sepeda motor Suzuki yaitu pada saat motor dipacu dengan kecepatan tinggi, getaran motor tidak terasa.
b. Ciri-ciri X2
Merupakan keistimewaan yang dimiliki produk, indikator yang digunakan adalah :
1. Karakteristik Pelengkap X
2.1
Merupakan karakter pelengkap yang dimiliki sepeda motor Suzuki seperti model lampu.
2. Kesan Produk X
2.2
Merupakan kesan yang diberikan sepeda motor Suzuki seperti body yang ramping dan sporty.
c. Daya Tahan X3
Merupakan kehandalan produk dalam penggunaan secara normal dan berapa lama produk digunakan hingga perbaikan diperlukan. Indikator
yang digunakan adalah : 1. Keawetan Produk X
3.1
Merupakan daya tahan mesin sepeda motor Suzuki selama pemakaian
2. Manfaat ekonomis Produk X
3.2
Merupakan manfaat yang diberikan sepeda motor Suzuki seperti suku cadang yang awet.
d. Serviceability X4
Merupakan kemudahan untuk pengoperasian produk dan kemudahan perbaikan maupun ketersediaan komponen pengganti. Indikator yang
digunakan adalah : 1. Kemudahan Menemukan Tempat Reparasi X
4.1
Merupakan kemudahan di dalam menemukan tempat reparasi perbaikan sepeda motor Suzuki.
2. Kemudahan Mendapatkan Suku Cadang X
4.2
Merupakan kemudahan mencari komponen pengganti saat sepeda motor Suzuki mengalami kerusakan.
e. Estetika X5
Merupakan penampilan, nilai keindahan, corak, daya tarik, selera dan beberapa faktor lainnya mungkin menjadi aspek penting dalam kualitas.
Indikator yang digunakan adalah : 1. Nilai Keindahan Produk X
5.1
Merupakan nilai keindahan yang dimiliki sepeda motor Suzuki seperti warna yang bervariasi.
2. Daya Tarik Produk X
5.2
Merupakan daya tarik yang dimiliki sepeda motor Suzuki seperti knalpot yang lebih ramping.
2. Harga X Harga hanyalah salah satu bagian dari total biaya yang dibayar
konsumen di dalam pertukaran. Total biaya yang dimaksud termasuk usaha dalam waktu, mental, perilaku dan juga harga moneter produk Suzuki. Dimensi
yang membentuk harga menurut Gilbert dan Churcill 1998: 310 ialah:
a. Mental X1, indikator didalamnya :
1. Berpikir X
1.2
Merupakan cara berpikir seseorang untuk memilih suatu produk Suzuki, seperti pada saat kita membeli atau memilih produk sepeda
motor Suzuki. 2. Menimbang X
1.2
Merupakan cara seseorang untuk menimbang suatu produk Suzuki, seperti saat kita ingin mambeli suatu produk Suzuki dan melihat-lihat
harganya apakah sesuai dengan uang yang kita miliki.
b. Perilaku X2, indikator didalamnya :
1. Kebutuhan X
2.1
Merupakan suatu kebutuhan seseorang terhadap produk sepeda motor Suzuki, seperti kita saat memilih produk sepeda motor Suzuki yang
dibutuhkan kecepatannya. 2. Pengalaman X
2.2
Merupakan suatu pengalaman seseorang terhadap produk sepeda motor Suzuki, seperti saat kita pernah menunggangi atau merasakan salah satu
produk sepeda motor Suzuki.
3. Kepuasan Pelanggan Y
Perasaan senang atau kecewa seseorang yang berasal dari perbandingan antara kesanya terhadap kinerja atau hasil produk sepeda
motor Suzuki dan harapan-harapannya.Menurut Hanan dan Karp 1989 indikator pembentuk kepuasan pelanggan adalah :
a. Hubungan nilai dan harga. Y
1
Merupakan perbandingan nilai yang diterima pelanggan dengan harga sepeda motor Suzuki.
b. Desain Produk Y
2
Merupakan desain tampilan yang dimiliki sepeda motor Suzuki seperti striping stikernya sesuai dengan masa kini.
3.1.2 Pengukuran Variabel
Skala pengukuran yang digunakan adalah skala interval yaitu jarak antara satu data dengan yang lain dan mempunyai bobot yang sama semantic semantic
differential scale merupaka metode pengukuran sikap dengan menggunakan skala penilaian tujuh butir yang menyatakan secara verbal dua kutub bipolar
penilaian yang ekstrim. Digunakan jenjang 7 dalam penelitian ini mengikuti pola sebagai berikut,
misalnya : 1
7 Sangat tidak setuju
Sangat setuju 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 Pengumpulan Sampel 3.2.1. Populasi
Menurut Sugiyono 2002:57 memberikan pengertian bahwa : “Populasi adalah wilayah generalisasi yang terdiri dari objek atau subjek yang menjadi
kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Populasi dalam penelitian ini adalah
pengguna dan pembeli sepeda motor Suzuki di Surabaya utara.
3.2.2. Sampel
Untuk pengambilan sampel digunakan teknik Non Probability Sampling adalah teknik sampling yang tidak memberikan kesempatan peluang pada
setiap anggota populasi untuk dijadikan anggota sampel, sedangkan jenis sampling yang digunakan adalah sampling aksidental yaitu teknik penentuan
sampel berdasarkan faktor spontanitas, artinya siapa saja yang secara tidak sengaja bertemu dengan peneliti dan sesuai dengan karakteristik ciri-cirinya,
maka orang tersebut dapat digunakan sebagai sampel responden. Sampel dalam penelitian ini adalah responden atau pelanggan yang
membeli dan menggunakan sepeda motor Suzuki serta bertempat tinggal di wilayah Surabaya Utara. Menurut Ferdinand 2002 : 74-75 Besarnya ukuran
sampel adalah 5-10 kali jumlah variabel. Dalam hal ini jumlah sampel yang digunakan adalah menggunakan ukuran tujuh dikali enam belas indikator 7 x
16, jadi sampel yang digunakan sebanyak 112.
3.3 Teknik Pengumpulan Data 3.3.1 Jenis Data
a. Data Primer Merupakan data penelitian yang diperoleh dari responden secara
langsung, berdasarkan atas kuesioner yang diberikan. b. Data Sekunder
Data yang diperoleh dari buku-buku, literatur ilmiah yang memiliki kaitan dengan obyek penelitian.
3.3.2 Sumber Data
Sumber data dalam penelitian ini diperoleh dari : 1. Jawaban responden melalui kuesioner, yang merupakan jawaban atas
permasalahan peneliti. 2. Buku, majalah, tabloid, internet, dan sebagainya.
3.3.3 Pengumpulan Data
a. Metode Direct Observartion Metode ini dilakukan dengan mengadakan pengamatan langsung terhadap
pelanggan yang berhubungan dengan permasalahan peneliti dan mencatat kegiatan yang ada.
b. Metode Quesioner Metode ini dilakukan dengan menyebarkan daftar pertanyaan secara tertulis
kepada responden. c. Metode Interview
Metode ini dilakukan dengan jalan peneliti melakukan tanya jawabwawancara secara langsung kepada responden.
3.4 Teknik Analisis SEM dan Pengujian Hipotesis 3.4.1 Teknik Analisis SEM
Structural Equation Modeling SEM adalah sekumpulan teknik-teknik statistical yang memungkinkan pengukuran sebuah rangkaian hubungan yang
relative “rumit” secara simultan. Hubungan yang rumit tersebut dibangun antara satu atau beberapa variable dependen dengan satu atau beberapa variable
independen. Metode ini bukan untuk menghasilkan teori melainkan “mengkonfirmasi” teori.
Pada model SEM terdapat asumsi-asumsi yang harus dapat dipenuhi dalam prosedur pengumpulan dan pengolahan data yang dianalisis adalah sebagai
berikut : 1. Ukuran Sampel
Ukuran sample yang harus dipenuhi dalam permodelan ini adalah minimum berjumlah 100 dan selanjutnya menggunakan
perbandingan 5 observasi untuk setiap estimate parameter.
2. Reliabilitas Reliabilitas adalah ukuran mengenai konsistensi internal dari
indikator-indikator sebuah konstruk yang menunjukkan derajat.
Sampai dimana masing-masing indikator tersebut mengindikasikan sebuah konstruk atau faktor latent yang umum.
Dengan kata lain bagaimana hal-hal yang spesifik saling membantu dalam menjelaskan sebuah fenomena yang umum composite
Reliability diperoleh melalui rumus sebagai berikut :
∑
Std .Loading
²
Construct – Reliability =
∑
Std .Loading
²
+
∑ є
j Dimana :
1. Std. Loading diperoleh langsung dari standardized loading untuk tiap-tiap indikator
2.
є
j adalah measurenment error dari tiap-tiap indikator.
2.1. Uji Variance Extracted Variance Extracted adalah ukuran yang menunjukkan varians dari indikator-
indikator yang diekstraksi oleh konstruk latent yang dikembangkan. Nilai variance extracted ini direkomendasikan pada tingkat paling sedikit 0,50. Variance Extracted
diperoleh melalui rumus ini Ferdinand, 2002 :
∑
Std .Loading
²
Variance - Extracted =
∑
Std .Loading
²
+
∑ є
j Dimana :
1. Std. Loading diperoleh langsung dari standardized loading untuk tiap-tiap indikator
2.
є
j adalah measurenment error dari tiap-tiap indikator. 3. Uji Validitas
Validitas menyangkut akurasi yang dapat dicapai oleh sebuah indikator dalam menilai akuratnya pengukuran terhadap yang
seharusnya diukur. Misalnya alat ukur untuk mengukur bagaimana dan mengapa pelanggan membeli sebuah produk mungkin reliable
tetapi dapat saja terjadi, misalnya mengasumsikan alat ukur itu dapat digunakan untuk mengukur loyalitas merek. Kenyataan alat ukur ini
indikatornya reliable tetapi merupakan alat ukur loyalitas merek yang invalid.
4. Normalitas dan Linearitas Sebaran dan harus dianalisis apakah asumsi normalitas
dipenuhi sehingga data dapat lebih lanjut untuk permodelan SEM ini. Normalitas dapat diuji dengan metode – metode statistic, uji ini
perlu dilakukan baik untuk Univariate maupun normalitas Multivariate. Uji linearitas dapat dilakukan dengan mengamati
scatterplots dengan memilih pasangan data dan melihat pola penyebarannya untuk menduga ada tidaknya linearitas.
5. Outliers
Outliers adalah observasi yang muncul dengan nilai – nilai ekstrim baik secara univariate. Pada dasarnya outlier dapat muncul
dalam empat kemungkinan, adalah sebagai berikut : a. Kesalahan prosedur
b. Keadaan yang benar – benar khusus c. Adanya suatu alasan tetapi peneliti tidak tahu apa penyebabnya
d. Outlier dapat muncul dalam range nilai yang ada, yang disebut dengan multivariate outliers.
6. Multicolinearity dan singularity Multicolinearity dapat dideteksi dari determinan matriks
kovarians. Nilai determinan matriks kovarians yang sangat kecil mengindikasikan adanya problem multicolineritas dengan
mentransformasi data dalam bentuk composite variables.
3.4.2 Pengujian Hipotesis
Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model. Beberapa indeks kesesuaian dan cut off value
untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak adalah sebagai berikut :
1. X – CHI SQUARE STATISTIC Merupakan alat paling fundamental untuk mengukur overall fit adalah
likelihood ratio chi – square statistic. Chi – square ini bersifat sangat sensitive terhadap besarnya sample yang digunakan. Model yang diuji akan dipandang
baik atau memuaskan bila nilai chi – squarenya rendah. Semakin kecil nilai χ²
semakin baik model itu χ² = 0 berarti tidak ada perbedaan. Karena tujuan
analisis adalah mengembangkan dan menguji sebuah model yang sesuai dengan data atau yang fit terhadap data, maka yang dibutuhkan justru sebuah nilai
χ² yang tidak signifikan. Penggunaan chi – square hanya sesuai bila ukuran sample
antara 100 dan 200, apabila ukuran sample ada diluar rentang itu maka uji signifikan akan menjadi kurang reliable. Oleh karena itu pengujian ini perlu
dilengkapi dengan alat uji lainya.
2. RMSEA – The Root Mean Square of Approximation RMSREA adalah sebuah indeks yang dapat digunakan untuk
mengkompensasi chi – square statistic dalam sample yang besar. Nilai RMSEA menunjukkan goodness – of – fit yang diharapkan bila model diestemasi dalam
populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,008 merupakan indeks yang dapat diterimanya model yang menunjukkan sebuah close fit dari
model itu berdasarkan degrees of freedom.
3. GFI – Goodness of Fit Indices GFI adalah analog dari R² dalam regresi berganda. Indeks kesesuain ini
akan menghitung proporsi tertimbang dari varians dalam matriks konvarians sample yang dijelaskan oleh matriks konvarians popuilasi yang diestimasikan.
GFI adalah sebuah ukuran non - statistical yang mempunyai rentang nilai antara 0 poor fit sampai dengan 1.0 perfect fit. Nilai yang tinggi dalam
indeks ini menunjukkan sebuah “better fit”.
4. AGFI – Adjusted Goodness of Fit Indices AGFI GFI dƒ tingkat penerimaan yang direkomendasikan adalah
AGFI mempunyai nilai yang sama dengan atau lebih besar dari 0,90 – 0,95 menunjukkan tingkat cukup – adequate fit Hulland et al., 1996.
5. CMID DF The minimum sample discrepancy function CMIN dibagi dengan
degree of freendomnya akan menghasilkan indeks CMIN DF. Pada umumnya diartikan sebagai salah satu indicator untuk mengukur tingkat fit-nya sebuah
model. Dalam hal ini CMIN DF tidak lain adalah statistic chi – square, X² dibagi DF-nya.
6. TLI – Tucker Lewis Indices TLI adalah alternative Increment Fit Indices yang membandingkan
sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah
penerimaan 0,95 dan nilai yang sangat mendekati 1 menunjukkan a very good fit.
7. CFI – Comporative Fit Indices
Bersama nilai ini pada rentang nilai sebesar 0 – 1, dimana semakin mendekati 1, mengindikasikan tingkat fit yang paling tinggi a very good fit.
Nilai yang direkomendasikan adalah CFI 0,9. Keunggulan dari indeks ini besarnya tidak dipengaruhi oleh ukuran sample, oleh karena itu sangat baik
untuk mengukur tingkat penerimaan sebuah model. Indeks CFI adalah identik dengan Relative Noncentrality Index RNI.
Dengan demikian indeks - indeks yang dapat digunakan untuk menguji kelayakan sebuah model adalah seperti yang diringkas dalam tabel
berikut ini :
Tabel : 3.1 Goodness Of Fit Indices Goodness Of Fit Indices
GOODNESS OF FIT INDEX
KETERANGAN CUT – OFF
VALUE X² – Chi – Square
Menguji apakah covariance populasi yang diestimasikan sama dengan
covariance sample apakah model sesuai dengan data
Diharapkan kecil, 1 s.d 5 atau paling baik
diantara 1 dan 2
Probability Uji signifikan terhadap perbedaan
matriks dan data 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 matriks sample yang dijelaskan oleh matriks sample
covariance populasi yang diestimasi analog dengan R² dalam regresi
berganda 0,90
AGFI GFI yang disesuaikan terhadap DF
0,90 CMIN DF
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
0,94
BAB IV PEMBAHASAN