3.2 Teknik Pengambilan 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. Populasi dalam penelitian ini adalah konsumen yang mengetahui dan menggunakan
produk merek Samsung di pusat – pusat besar penjualan elektronik di Surabaya.Hartono Elektronika, Gunung Sari Intan, Giant Hypermarket dan
Carrefour b.
Sampel Sampel adalah bagian dari populasi yang mempunyai ciri dan karakteristik yang
sama dengan populasi tersebut. Karena itu sample harus representative dari sebuah populasi . 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 :
Berusia minimal 25 tahun
Menggunakan minimal 1 produk merek samsung
Teknik penentuan sampel yang dipergunakan adalah berdasarkan pedoman pengukuran sampel menurut Ferdinand 2002:48, antara lain :
- Ukuran sampel yang harus terpenuhi dalam model ini adalah 100 -200 sampel
untuk teknik Maximum Likelihood Estimation. Tergantung pada jumlah
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
parameter yang diestimasi pedomannya adalah 5-10 kali jumlah parameter yang diestimasi
- Jika terdapat 10 indikator, maka jumlah sampel dalam penelitian ini adalah 10 x
10 = 100 maka sampel yang digunakan adalah minimal sebesar 100 responden.
3.3 Teknik Pengumpulan Data
3.3.1 Jenis Data
a. Data Primer
Data Primer yang diolah dalam penelitian ini diperoleh dengan menyebarkan kuesioner kepada konsumen.
3.3.2 Sumber Data
Sumber data yang digunakan dalam analisis ini adalah data yang diambil langsung dari konsumen yang dalam penelitian ini adalah konsumen yang
mengetahui dan menggunakan produk merek Samsung di pusat – pusat besar penjualan elektronik di Surabaya dengan cara menyebarkan kuesioner.
3.3.3 Metode Pengumpulan Data
Pegumpulan Data dalam skripsi ini dilakukan dengan menggunakan beberapa cara berikut :
a. Observasi
Merupakan pengamatan langsung pada perusahaan untuk mendapatkan bukti – bukti yang berkaitan dengan obyek penelitian.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
b. Kuesioner
Yaitu pengumpulan data yang dilakukan dengan cara menyebarkan daftar pertanyaan kepada konsumen agar memperoleh jawaban langsung dari para
konsumen yang mengetahui dan menggunakan produk merek Samsung di pusat – pusat besar penjualan elektronik di Surabaya.Hartono Elektronika,
Gunung Sari Intan, Giant Hypermarket dan Carrefour
3.4 Teknik Analisis dan Pengujian Hipotesis
3.4.1 Teknik Analisis
Pengujian hipotesis yang digunakan dalam penelitian ini adalah analisis multivariate dengan Structural Equation ModelingSEM. Merupakan teknik statistik
yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif rumit. Model pengukuran sikap, atribut produk terhadap minat beli menggunakan confirmatory
factor analyses. Penaksiran pengaruh pada masing – masing variabel bebas terhadap variabel terikatnya menggunakan koefisien jalur. Langkah-langkah dalam analisi
SEM model pengukuran dengan contoh faktor variabel Brand Extension dilakukan sebagai berikut : Persamaan dimensi variabel Brand Equity
Y1 = λ1 Brand Equity + er_1
Y2. = λ2 Brand Equity + er_2
Y3 = λ3 Brand Equity + er_3
Y4 = λ4 Brand Equity + er_4
Bila Persamaan diatas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor analysis, maka model
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
pengukuran dengan contoh variabel ketidakpuasan konsumen akan Nampak sebagai berikut:
Gambar 3.1 : Contoh Model Pengukuran Variabel Brand Equity
3.4.2 Outliers
Outliers adalah obsevasi yang mucul dengan nilai nilai eksterim baik secara univariate maupun multivariate yang mucul karena kombinasi karakteristik unik yang
dimilikinya dan terlihat sangat hauh berbeda dari observasi-observai lainnya. Dapat diadakan treatment khusus pada outiers ini asal diketahui munculnya outlier
itu.Outliers pada dasarnya dapat muncul dalam empat kategori. a.
Outliers muncu karena kesalahan prosedur seperti kesalahan dalam memasukkan data atau kesalahan dalam mengkoding data. Misalnya 8 diketik
80 sehingga jauh berbeda dengan nilai-nilai lainnya dalam rentang jawaban responden antara 1-10, jika hal semacam ini lolos maka akan menjadi sebuah
nilai ekstrim.
Brand Equity y Y1
Er1
Er 3
Y5
Y7 Er5
Er7 Y3
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
b. Outliers dapat muncul karena keadaan yang benar-benar khusu yang
memungkinkan profil datanya lain daripada yang lain, tetapi peneliti mempunyai penjelasan mengenai penyebab munclnya nilai ekstrim tersebut.
c. Outliers dapat muncul karena adanya sesuatu alasan peneliti tidak dapat
mengetahui apa penyebanya atau tidak ada penjelasan mengenai nilai ekstrim tersebut.
d. Outliers dapat muncul dalam range nilai yang ada, tetapi bila dikombinasi
dengan variabel lainnya, kombinasinya menjadi tidak lazim atau sangat ekstrim. Inilah yang disebut multivariate outlier.
3.4.3 Evaluasi atas outliers
Mengamati atas z-score variabel : ketentuan diantara ± 3,0 outlier Multivariate Outlier diukur dengan kinerja jarak mahalanobis pada tingkat p 0,001.
Jarak diuji degnan Chi-Square X
2
pada df degrees of Freedom sebesar jumlah variabel bebasnya. Ketentuan : mahalanobis dari nilai X
2
adalah multivariate outlier.
3.4.4 Uji Validitas
Uji Validitas adalah suatu derajat ketepatan alat ukur penelitian tentanng isi sebenarnya yang diukur. Analisi validitas item bertujuan untuk menguji apakah
tiapbuutir petanyaan benar-benar sudah sahih, paling tidak kita dapat menetapkan derajat yang tinggi dari kedekatan data yang diperoleh dengan apa yang diyakini
dalam pengukuran. Sebagai alat ukur yang digunakan, analisis ini dilakukan dengan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
cara mengkorelasikan antar skor item dengan skor total item. Dalam hal ini koefisien korelasi yang nilai signifikasinya lebih kecil dari 5 level of significance
menunjukan bahwa item-item tersebut sudah sahih sebagai pembentukan indicator.
3.4.5 Uji Reabilitas
Yang dimaksud dengan reabilitas ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yan menunjukkan derajat sampai dimana masing-
masing indikator itu menghasilkan sebuah konstrukfaktor laten yang umum. Secara umum, nilai construct reliability yang dapat diterima adalah
≥ 0,70 dan variance extracted
≥ 0,5 Hair et, al., 1998.
3.4.6 Uji Normalitas
untuk menguji normalitas distribusi data-data yang digunakan dalam analisis, peneliti dapat menggunakan uji-uji statistic. Uji yang paling mudah adalah dengan
mengamati skewness value dari data yang digunakan, yang biasnaya disajikan dalam statsistik diskriptif dari hampir semua program statistik. Nilai statistik untuk menguji
normalitas itu disebut z-value yang dihasilkan melalui rumus berikut ini : Bila Nilai –z lebih besar dar nilai kritis, maka dapat diduga bahwa distribusi
data adalah tidak normal. Nili kritis dapat ditentukan berdasarkan tingkat signifikansi yang dikehendaki. Misalnya, bila nilai yang dihitung lebih besar dari ± 2,58 berarti
kita dapat menolak asumsi mengenai normalitas dari distribusi pada tingkat 0,01 1. Nilai kritis lainnya yang umum digunakan adalah nilai kritis sebesar ± 1,96
yang berarti bahwa asumsi normalitas ditolak pada tingkat signifikansi 0,05 5.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.4.7 Multicollienarity dan Singularity
Uuntuk melihat apakah pada data penelitian terdapat multikolinieritas dan singularitas dalam kombinas-kombinasi variabel, maka perlu mengamati determinan
dari variabel kovarian sampelnya.Determinan yang benar-benar kecil mengindikasikan adanya multikolinieritas dan singularitas, sehingga data tidak dapat
digunakan untuk analisi yang sedang dilakukan.
3.4.8 Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung koefisien jalur diamati dari bobot regresi terstandar, dengan pengujian signifikansi pembanding nilai CR Critical ratio atau
pProbability yang sama dengan nilai t hitung. Apabila t hitung lebih besar daripada t tabel berarti pengujian hipotesis kausal berarti signifikan.
3.4.9 Pengujian model dengan
Two-Step Approach
Two-Step Approachto structural equational modeling SEM digunakan untuk menguji model yang diajukan.Two-Step Approach digunakan untuk mengatasi
masalah sampel data yang kecil jika dibandingkan dengan sejumlah butir instrumentasi yang digunakan , dan keakuratan reabilitas indikator-indikator terbaik
dapat dicapai dalam two-step approach ini. Cara yang dilakukan dalam menganalisis SEM dengan two-step approach adalah sebagai berikut :
a. Menjumlahkan skala butir-butir setiapp konstruk menjadi sebuah indicator
summed-scale bagi setiap konstruk. Jika terdapat skala yang berbeda setiap indicator tersebut distandarisasi Z-scores dengan mean = 0, deviasi gambar
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
= 1, yang tujuannya adalah untuk mengeliminasi pengaruh-pengaruh skala yang berbeda-beda tersebut
b. Menetapkan error
ɛ dan Lambda λ terms, erros terms dapat dihitung dengan rumus 0,1 kali
σ
2
dan lambda terms dengan rumus 0,95 kali σ .
Perhitungan construct reability α telah dijelaskan pada bagian sebelumnya
dan deviasi standar σ dapat dihitung dengan bantuan program aplikasi
statistic SPSS. Setelah error ɛ dan lambda λ terms diketahui, skor-skor
tersebut dimasukkan sebagai parameter fix pada analisis model pengukuran SEM.
3.4.10 Evaluasi Model
Pola “confirmatory” menunjukkan prosedur yang dirancang untuk mengevaluasi utilitas hipotesis-hipotesis dengan pengujian fit antara model
teoritis dan empiris. Jika model teoritis menggambarkan “ good fit ” dengan data, maka model dianggap sebagai 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 ”
mode. Atau l yang diuji sangat penting dalam menggunakan structural equational modeling.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 3.1 Goodness of Fit Indices GOODNESS OF
FITNESS INDEX KETERANGAN CUT-OFF
VAUE
X
2
– Chi-square Menguji apakah covariance
populasi yang diestimasi sama dengan covariance
sample apakah model sesuai dengan data.
Diharapkan kecil, 1 sd 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 Mengkompensasikan
kelemahan Chi-square pada sampel besar.
≤ 0,08
GFI Menghitung proporsi
tertimbang varians dalam matriks sample yang
dijelaskan oleh matriks covariance populasi yang
diestimasi Analog dengan R
2
dalam regresi berganda ≥ 0,90
AGFI GFI yang disesuaikan
terhadap 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 sensitive terhadap besarnya sampel dan
kerumitan model ≥ 0,95
Sumber : Hair et.al., 1998
1. X
2
CHI SQUARE STATISTIK
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Alat uji paling fundamental untuk mengukur overall fit adalah likelihoodratio chi-square ini bersifat sangat sensitive terhadap besarnya sampel yang
digunakan.Karenanya bila jumlah sampel cukup besar lebih cukup 200, statistic chi- square ini harus didampingi oleh alat uji lain. Model yang diuji akan dipandang baik
ata memuaskan bila nilai chi-squarenya rendah. Semakin kecil nilai X
2
semakin baik model itu. Karena tujuan analisis adalah mengembangkan dan menguji model yang
sesuai dengan data atau yang fit terdapat data, maka yang dibuthkan justru sebuah nilai X
2
yang kecil dan signifikan. X
2
bersifat sangat sensitive terhadap besarnya sampel yaitu terhadap sampel yang terlalu kecil maupun yang terlalu besar.
2. RMSEA-THE ROOT MEAN SQUARE ERROR OF APROXXIMATION
RMSEA adalah sebuah indeks yang dapat digunakan mengkompensasi chi- square statistic dalam sampel yang besar.Nilai RMSEA menunjukkan goodness-of-fit
yang dapat diharapkan model diestimasi alam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya degress of
freedom.
3. GFI – GOODNESS of FIT INDEKS
GFI adalah analog dari R dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians
sampel yang dijelaskan oleh kovarians natriks populasi yang terestimasi. GFI adalah sebuah ukuran non-statistika yang mempunyai rentang nilai antara 0 poor
fit sampai dengan 1,0 perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4. ADJUST GOODNESS of FIT INDEX
AGFI = GFIdf tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai yang sama dengan atau lebih besar dari 0,90. GFI maupun
AGFI adalah criteria yang memperhitungkan proporsi tertimbang dari varians alam sebuah matriks kovarians sampel. Nilai sebesar 0,95 dapat diintepretasikan
sebagai tingkatan yang baik good overall model fit sedangkan besaran nilai antara 0,90-0,95 menunjukkan tingkatan cukup adequate fit.
5. CMINDF
Sebagai salah satu indicator untuk mengukur tingkat fitnya sebuah model. Dalam ha ini CMNIDF tidak lain adalah statistic chi-square, X
2
dibagi DFnya sehingga disebut X
2
relatif. Nilai X
2
relatif kurang dari 2,0 atau bahkan kurang dari 3,0 adalah indikasi dari acceptable fit antara model dan data. Nilai X
2
relatif yang tinggi menandakan adanya perbedaan yang signifikan antara matriks
kovarians yang diobservasikan dan diestimasi.
6. TLI – TUCKER LEWIS INDEKS
TLI adalah sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah
penerimaan ≥ 0,95 nilai yang sangat mendekati 1 menunjukkan a very good fit.
7. CFI – COMPERATF FIT INDEX
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Besaran index ini adalah rentang nilai sebesar 0-1, Dimana semakin mendekati 1, menidentifikasikan tingkat fit yang paling tinggi a very good fit.
Nilai yang direkomendasikan adalah CFI 0,95. Keunggulan dari indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk
mengukur tingkat penerimaan sebuah model.Indeks CFI adalah identik dengan Relatif Non Centrality Indeks RNI.
3.5 KERANGKA MODEL PENELITIAN
Brand Extension
x Brand
Equity y
Awareness Similarity
Liking
Innovation Popularity
Conviction Nilai
Kepercayaan
Kinerja Komitmen
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Deskripsi Obyek Penelitian
4.1.1 Sejarah Perusahaan
Pada tanggal 1 Maret 1938, pendiri dan sekaligus chairman Byung-Chull Lee memulai bisnis di Taegu, Korea dengan modal 30,000 won.Pada awalnya, bisnis
kecil-kecilan Tuan Lee terutama bergerak di bidang ekspor barang dagangan, menjual ikan, sayur, dan buah-buahan kering dari Korea ke Manchuria dan Beijing. Namun
hanya dalam waktu satu dekade, Samsung—yang secara harfiah berarti “tiga bintang dalam Bahasa Korea—telah memiliki pabrik tepung dan pabrik gula sendiri, berikut
mesin dan operasional penjualannya sendiri, dan akhirnya menjadi cikal-bakal sebuah perusahaan global modern yang saat ini masih tetap mengemban nama yang
sama.Pada tahun 1970-an, Samsung meletakkan dasar-dasar strategis untuk pertumbuhan perusahaan di masa mendatang dengan cara berinvestasi di dalam
industri berat, industri kimia, dan industri petrokimia. Selama kurun waktu tersebut, perusahaan juga mengambil langkah untuk
meningkatkan posisi persaingannya di sektor industri tekstil dunia, dengan menggabungkan proses produksi dari bahan mentah menjadi produk jadi. Hasilnya,
banyak perusahaan baru didirikan termasuk Samsung Heavy Industries Company pada 1974, dan Samsung Shipbuilding dan Samsung Precision Company kini
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.