3.4.2. Sumber Data
a. Data penelitian ini diperoleh melalui jawaban responden melalui
kuisoner, yang merupakan jawaban atas masalah yang diteliti. b.
Diperoleh dari internet.
3.4.3. Pengumpulan Data
a. Kuisoner
Merupakan daftar pertanyaan untuk memperoleh data berupa jawaban dari responden.
b. Wawancara
Metode ini dilakukan dengan mengadakan pengmatan langsung terhadap konsumen yang berhubungan dengan masalah yang diteliti dan
mencatat kegiatan yang ada. c.
Dokumentasi Merupakan data dari artikel-artikel yang bersumber dari media internet.
3.5. Teknik Analisis Data Dan Pengujian Hipotesis
3.5.1. Teknik Analisis
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah structural Equation model SEM. Model pengukuran faktor
sikap, minat dan prilaku konsumen menggunakan Confirmatory Factor Analysis. Penaksiran pengaruh masing-masing variable bebas terhadap
variable terikatnya menggunakan koevisien jalur. Langkah-langkah dalam
analisis SEM model pengukuran dengan contoh dimensi faktor kesadaran merek dilakukan sebagai berikut:
X
1.1
= λ1 kesadaran merek + er_1
X
1.2
= λ1 kesadaran merek + er_2
X
1.3
= λ1 kesadaran merek + er_3
Demikian juga faktor lain seperti kesan kualitas, asosiasi merek, dan juga minat beli.
Bila persamaan dinyatakan dalam sebuah pengukuran model untuk diuji undimensionalitasnya melalui Confirmatory Factor Analysis. Maka model
pengukurannya akan Nampak sebagai berikut: Gambar 3.1: Gambar pengukuran model SEM dengan contoh demensi
faktor kesadaran merek
3.5.2. Pengujian Hipotesis
3.5.2.1.Asumsi Model Structure Equation Modeling
Pada permodelan SEM terdapat asumsi-asumsi yang harus dipenuhi dalam prosedur pengumpulan data yang dianalisis adalah sebagai
berikut: Kesadaran
Merek X1
X
1.1
X
1.2
X
1.3
Er_1
Er_2
Er_3
1. Ukuran Sampel
Ukuran sampel yang harus dipenuhi dalam permodelan SEM adalah minimum berjumlah 100 atau dengan 5 perbandingan observasi
estimasi parameter.
2. 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 di peroleh dengan membagi koevisien sampel dengan standart error-nya dan skeness value yang biasa
disajikan dalam statistik deskriptif dimna nilai statistik untuk menguji normalitas itu disebut Z-value. Pada tingkat signifikasi
1, jika nilai Z lebih besar dri nilai Z-score lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tidak
normal. 3.
Normal probability plot SPSS 10.1 4.
Linearitas dengan mengamati scatter plots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebaran untuk menduga
ada tidaknya linearitas.
3. Evaluasi Atas Outlier
1. Mengamati nilai Z-score: kriterianya diantara ± 3,0 non outlier
2. Multivaariate ouilier diuji dengan kriteria jarak Mahalonobos pada
tingkat p 0.001. Jarak diuji dengan Chi-square [x] pada df
sebesar jumlah variabel besarnya. Ketentuan : bila Mahalonobis dan nilai x adalah multivariate outlier.
3. Outlier adalah observasi yang muncul dengan nilai-nilai ekstrim
baik secara univariat maupun multivariate yaitu yang muncul karena kombinasi karakteristik unik yang dimiliknya dan terlihat
sangat jauh berbeda dari observasi-observasi lainya.
4. Deteksi Multicpllinierity dan Singularit
Dengan mengamati Determinant matriks covariance. Dengan ketentuan apabila determinan sampel matriks mendekati angka 0
[kecil], maka terjadi Multikolonieritas dan singularitas Tabachnick fidel, 1998.
5. Uji Validitas dan Reabillitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu yang akuratnya pengukuran atas apa
yng seharusnya diukur. Sedangkan reabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang
menunjukan derajat sampai dimana masing-masing indikator itu mengindikasikan sebah konstruk yang umum.
Karena indikator multidimensi, maka uji validitas dan setiap laten variableconstruct akan diuji melihat loading factor dan
hubungan antara setiap observed variable dan laten variable.
Sedangkan reabilitas uji dengan construct reability dan varience- extracted dihitung dengan rumus sebagai berikut:
∑Standardize Loading Construct Reliability =
{[Standardize Loading] + ∑ ej}
∑ Standardize Loading Varience Extacted =
{[Standardize Loading] + ∑ ej}
Sementara ej dapat dihitung dengan formula uj = 1 – [standardize loading]. Secara umum, nilai construct reability yng dapat diterima
adalah 0,7 dan variance extracted 0,5 Hair et.al, 1998. Standardize loading dapat diperoleh dari output AMOS 4.0,1 dengan melihat nilai
estimasi setiap construct standardize regression weight terdapat setiap butir sebagai indikatornya.
3.5.3. Pengujian Hipotesis dan Hubungan Kausal
Kategori