3.1.2. Pengukuran Variabel
Variabel ini diukur dengan data yang berskala interval. sedangkan teknik pengukurannya menggunakan semantik diferensial
yang mempunyai skala 7 poin dengan pola sebagai berikut :
1 7
Sangat tidak
setuju Sangat
setuju Keterangan :
Jawaban dengan nilai 1 berarti kecenderungan tidak menyetujui pernyataan yang diberikan negatif, jawaban dengan nilai antara 7
berarti menyetujui pernyataan yang diberikan positif.
3.2. Teknik Penentuan Sampel
a. Populasi Populasi merupakan kelompok subyek obyek yang
memiliki ciri-ciri atau karakteristik-karakteristik tertentu yang berbeda dengan kelompok subyek obyek yang lain, dan
kelompok tersebut akan dikenai generalisasi dari hasil penelitian Sumarsono, 2004 : 44. Populasi dalam penelitian ini adalah
keseluruhan pengguna SIM Card lain dan yang pernah menggunakan SIM Card Mentari.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
b. Sampel Sampel adalah bagian dari populasi yang mempunyai ciri
dan karakteristik yang sama dengan populasi tersebut. Karena itu sample harus representatif dari sebuah populasi Sumarsono,
2002 : 45. Metode pengambilan sampel dengan metode non probability sampling dengan teknik Purposive Sampling yaitu
sampel dipilih berdasarkan kriteria yang sudah ditetapkan oleh peneliti. Dengan kriteria antara lain :
a. Umur minimal 17 tahun. Alasannya, sudah cukup dewasa, mengerti dan memahami akan SIM Card.
b. Merupakan pengguna SIM Card lain dan yang pernah menggunakan SIM Card Mentari 2 bulan terakhir.
Teknik penentuan sampel yang dipergunakan adalah berdasarkan pedoman pengukuran sampel menurut Ferdinand
2002:48, antara lain : 1. 100 – 200 sampel untuk teknik maximum likelihood estimation.
2. Tergantung pada jumlah parameter yang diestimasi. Pedomannya adalah 5 – 10 kali jumlah parameter yang diestimasi.
3. Tergantung pada jumlah indikator yang digunakan dalam seluruh variabel laten. Jumlah sampel adalah jumlah indikator dikali 5-
10. Bila terdapat 22 indikator, jika dikalikan 5 maka besarnya sampel adalah 110.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.3. Teknik Pengumpulan Data 3.3.1. Jenis Data
Data Primer. Yaitu data yang diperoleh secara langsung dari obyek penelitian
dengan cara kuesioner.
3.3.2. Sumber Data
Dalam penelitian ini sumber datanya diperoleh dari keseluruhan pengguna SIM Card lain dan yang pernah
menggunakan SIM Card Mentari.
3.3.3. Pengumpulan Data
1. Wawancara
Melakukan wawancara atau tanya jawab dengan keseluruhan pengguna SIM Card lain dan yang pernah menggunakan SIM
Card Mentari untuk memperoleh informasi yang diperlukan untuk kebutuhan penelitian.
2. Kuesioner
Merupakan teknik pengumpulan data dengan cara menyebarkan daftar pertanyaan kepada keseluruhan pengguna SIM Card lain
dan yang pernah menggunakan SIM Card Mentari.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.4. Teknik Analisis
Pengujian hipotesis yang digunakan dalam penelitian ini adalah analisis multivariate dengan Structural Equation Modeling
SEM. Alasan peneliti menggunakan teknik analisis ini karena membutuhkan alat analisis yang mencakup beberapa variabel
sekaligus baik sebagai variabel independen maupun variabel dependen. SEM memiliki kemampuan menganalisis model-model
yang menggunakan variabel laten. Dalam menguji analisis dan uji hipotesis peneliti menggunakan program aplikasi AMOS dengan
salah satu alasannya yaitu aplikasinya yang lebih mudah dan praktis.
1 Confirmatory Factor Analysis
Langkah-langkah dalam analisis SEM model pengukuran confirmatory factor analysis dengan contoh sebagai berikut :
Persamaan atribut produk X1: X.1.1
= 1 atribut produk + er_1
X.1.2 =
2 atribut produk + er_2 X.1.3
= 3 atribut produk + er_3
X.1.4 =
4 atribut produk + er_4 X.1.5
= 5 atribut produk + er_5
Bila persamaaan di atas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui
confirmatory factor analysis, maka model pengukuran dengan contoh variabel produk akan nampak sebagai berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 3.1 : Contoh Model Pengukuran Variabel Atribut Produk
er_1
X1.1
Keterangan : X.1.1
= pertanyaan tentang kualitas daya tahan, keandalan jangkauan sinyal
X.1.2 = pertanyaan tentang nama merek X.1.3 = pertanyaan tentang logo
X.1.4 = pertanyaan tentang desain kemasan X.1.5 = pertanyaan tentang nomor cantik
3.4.1 Uji Normalitas dan Linieritas
Sebaran data harus dianalisis untuk mengetahui apakah asumsi normalitas dipenuhi, sehingga data dapat diolah lebih lanjut
pada path diagram. Untuk menguji normalitas distribusi data yang digunakan dalam analisis, penguji dapat menggunakan uji – uji
statistik. Uji yang paling mudah adalah dengan mengamati skweness value dari data yang digunakan. Dimana biasanya disajikan dalam
statistik deskriptif dari hampir semua program statistik. Nilai statistik untuk menguji normalitas itu disebut sebagai z – value
Bila nilai z lebih besar dari nilai kritis atai critical ratio Ferdinand, 2002 : 95, maka dapat diduga bahwa distribusi data
Atribut Produk
X1.2
er_2
X1.2
er_3
X1.4
er_4
X1.5
er_5
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi yang dikehendaki. Misalnya bila nilai yang dihitung
lebih besar 2.58 berarti kita dapat menolak asumsi mengenai
normalitas dari distribusi pada tingkat 0.01. Linieritas dengan mengamati scatterplots dari data yaitu
dengan memilih pasangan data dan dilihat pada penyebarannya untuk menduga ada tidaknya linieritas.
3.4.2. Evaluasi Outliers
Outliers merupakan observasi atau data yang memiliki karateristik unik yang sangat berbeda jauh dari observasi-observasi
yang lain dan muncul dalam bentuk ekstrim, baik untuk sebuah variabel tunggal maupun variabel kombinasi. Hair. et.al. 1998.
Adapun outliers dapat dievaluasi dengan 2 cara, yaitu analisis terhadap univariate outliers dan analisis terhadap
multivariate outliers Hair. et.al. 1998.
a. Outliers Univariate
Deteksi terhadap adanya outliers univariate dapat dilakukan dengan menentukan ambang batas yang akan
dikategorikan sebagai outlier dengan cara mengkoversi nilai data penelitian ke dalam standar score atau yang biasa disebut
dengan z-score, yang mempunyai rata-rata nol dengan standar
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
deviasi sebesar satu. Bila nilai-nilai itu telah dinyatakan dalam format yang standar z-score, maka perbandingan antar besaran
nilai dengan mudah dapat dilakukan. Untuk sampel besar diatas 80 observasi, pedoman evaluasi adalah nilai ambang batas dari
z-score itu berada pada rentang 3 sampai dengan 4 Hair dkk, 1998 dalam Ferdinand, 2002 : 98. Oleh karena itu apabila ada
observasi-observasi yang memilki z-score 3,0 akan
dikategorikan sebagai outlier.
b. Outliers Multivariate
Kategori