Metode Analisis Data

I. Metode Analisis Data

1. Pengukuran Variabel Pengukuran variabel dilakukan dengan menggunakan skala likert. Skala likert disebut juga summated rating scale. Skala ini digunakan karena memberi peluang kepada responden untuk mengekspresikan perasaan mereka dalam bentuk persetujuan terhadap suatu pertanyaan. Pertanyaan yang diberikan berjenjang mulai dari yang terendah sampai tertinggi. Jumlah pilihannya biasanya tiga, lima, tujuh, sembilan, yang jelas harus ganjil (Simamora, 2005: 23). Menurut Rianse dan Abdi (2008: 152-153), apabila menggunakan skala jenis ini, maka variabel yang diukur dijabarkan menjadi sub variabel, kemudian sub variabel dijabarkan menjadi indikator-indikator. Akhirnya indikator-indikator dapat dijadikan titik tolak untuk membuat instrumen berupa pertanyaan yang akan dijawab 1. Pengukuran Variabel Pengukuran variabel dilakukan dengan menggunakan skala likert. Skala likert disebut juga summated rating scale. Skala ini digunakan karena memberi peluang kepada responden untuk mengekspresikan perasaan mereka dalam bentuk persetujuan terhadap suatu pertanyaan. Pertanyaan yang diberikan berjenjang mulai dari yang terendah sampai tertinggi. Jumlah pilihannya biasanya tiga, lima, tujuh, sembilan, yang jelas harus ganjil (Simamora, 2005: 23). Menurut Rianse dan Abdi (2008: 152-153), apabila menggunakan skala jenis ini, maka variabel yang diukur dijabarkan menjadi sub variabel, kemudian sub variabel dijabarkan menjadi indikator-indikator. Akhirnya indikator-indikator dapat dijadikan titik tolak untuk membuat instrumen berupa pertanyaan yang akan dijawab

5. Untuk pertanyaan positif, jika reponden memilih jawaban “sangat setuju”, maka diberi skor 5, sedangkan untuk pertanyaan negatif jika responden memilih jawaban “sangat setuju”, maka diberi skor 1

2. Analisis Faktor Untuk menganalisis faktor-faktor yang dipertimbangkan konsumen dalam pengambilan keputusan membeli susu formula balita digunakan analisis faktor. Analisis faktor adalah salah satu metode statistik multivariat yang mencoba menerangkan hubungan antar sejumlah peubah yang saling independen antara satu dengan yang lain sehingga bisa dibuat satu atau lebih kumpulan peubah yang lebih sedikit dari jumlah peubah awal.

Analisis faktor bertujuan untuk mereduksi dimensi data dengan cara menyatakan variabel asal sebagai kombinasi linear sejumlah faktor, sehingga sejumlah faktor tersebut mampu menjelaskan sebesar mungkin keragaman data yang dijelaskan oleh variabel asal. Analisis faktor juga digunakan untuk mengetahui faktor-faktor dominan dalam menjelaskan suatu masalah. Simamora (2005: 132) mengemukakan bahwa kombinasi linier dari variabel-variabel input dinyatakan dengan persamaan:

F j = b j1 X s1 + b j2 X s2 + b jk X sk

dimana: Fj

: Skor faktor ke-j bj

: Koefisien skor faktor ke-j

X sk : Variabel ke-k yang telah distandarisasi Variabel bauran pemasaran yang diamati adalah:

X 1 : Merek susu formula balita

X 2 : Rasa susu formula balita

X 3 : Jenis kemasan susu formula balita

X 4 : Gambar kemasan susu formula balita

X 5 : Warna kemasan susu formula balita

X 6 : Kandungan gizi susu formula balita

X 7 : Volume kemasan susu formula balita

X 8 : Harga susu formula balita

X 9 : Promosi pemberian bonus isi

X 10 : Promosi pemberian hadiah

X 11 : Iklan susu formula balita di televisi

X 12 : Iklan susu formula balita di majalah

X 13 : Ketersediaan susu formula balita di pasar swalayan

X 14 : Penataan (display) susu formula balita di pasar swalayan

X 15 : Kenyamanan pasar swalayan Menurut Simamora (2005: 122-135) Konsep statistik yang berhubungan dalam analisis faktor di antaranya :

a. Barlett’s Test of Sphericy : adalah tes statistik untuk menguji apakah betul variabel-variabel yang dilibatkan berkorelasi. Hipotesis nol (H o ) adalah tidak ada korelasi antar variabel, sedangkan hipotesis altenatif

(H a ) adalah terdapat korelasi antar variabel. H a diterima apabila nilai signifikan lebih kecil dari 0,05.

b. Correlation Matrix : adalah dasar dari matriks segitiga yang menunjukkan korelasi sederhana antara semua pasangan variabel yang sedang dianalisis. Nilai correlation matrix berkisar antara 0-1. Semakin tinggi nilai correlation matrix, maka tingkat kemungkinan salahnya semakin tinggi.

c. Communality : menyatakan varians setiap variabel yang dapat dijelaskan oleh faktor. Communality biasanya digunakan untuk menentukan apakah sebuah indikator baik atau tidak. Semakin tinggi nilai communality maka indikator tersebut semakin reliabel.

d. Eigenvalue : adalah nilai yang mewakili total varian yang dijelaskan oleh setiap faktor. Faktor yang nilai eigenvalue-nya 1 atau lebih dianggap valid, sedangkan kurang dari satu dianggap tidak valid.

e. Factor Loading : adalah korelasi-korelasi sederhana antara variabel- variabel dan faktor-faktor. Factor loading dibawah 0,5 menunjukkan e. Factor Loading : adalah korelasi-korelasi sederhana antara variabel- variabel dan faktor-faktor. Factor loading dibawah 0,5 menunjukkan

f. Rotated component matrix : melalui rotated component matrix dapat diketahui besarnya korelasi tiap-tiap variabel dengan faktor yang terbentuk.

g. Kaiser-Meyer-Olkin (KMO) Measure Sampling of Adequacy : Nilai KMO berkisar antara 0 sampai 1. Apabila nilai indeks tinggi (0,5-1), analisis faktor layak dilakukan, jika KMO di bawah 0,5 analisis faktor tidak layak dilakukan.

Tahapan-tahapan dalam analisis faktor yang dikemukakan oleh Hair et al. dalam Bonifatius (2000: 26) dapat diringkas sebagai berikut:

a. Membuat matrik korelasi Pada tahap ini untuk memperoleh analisis faktor yang akurat, semua variabel harus berkorelasi. Uji statistik yang digunakan adalah Barlett Test of Sphericity /menggunakan Measure of Sampling Adequancy (MSA).

b. Mencari/meringkas variabel menjadi faktor-faktor inti Prosedur ini dilaksanakan agar dapat meringkas informasi yang terkandung dalam variabel-variabel asli secara tepat. Faktor yang ditetapkan berdasarkan nilai eigenvalue, yaitu yang bernilai di atas 1. Eigenvalue menunjukkan varian yang dijelaskan oleh faktor. Dengan cara ini diketahui faktor-faktor yang dipertimbangkan dalam pengambilan keputusan pembelian.

c. Melakukan rotasi untuk penyelesaian akhir Rotasi faktor diperlukan untuk menyederhanakan matrik faktor sehingga mudah untuk diinterpretasikan. Variabel dianggap paling penting jika mempunyai factor loading tertinggi, sedangkan variabel lain dapat dimasukkan dalam faktor jika kriteria signifikan. Dengan cara ini diketahui variabel yang terkandung di dalam faktor dan variabel yang paling dipertimbangkan dalam keputusan pembelian.

d. Menguji tingkat signifikansi dari factor loading dan menamai faktor. Kriteria signifikansi yang diterapkan adalah signifikansi praktis dimana factor loading diatas 0,5 adalah signifikan secara praktis. Factor loading diatas 0,5 juga menunjukkan bahwa instrumen yang dugunakan untuk mengukur variabel adalah valid. Variabel dengan factor loading tertinggi dianggap lebih penting dan mempunyai kontribusi terbesar untuk menamai faktor. Penamaan faktor biasa dilakukan dengan melihat variabel-variabel yang diwakili oleh faktor. Untuk tiap faktor dicari factor loading paling tinggi dari satu variabel.