37
3.6 Metode Analisis Data
Alat analisis yang digunakan dalam penelitian ini adalah analisis deskriptif dan Structural Equation Model SEM. Sedangkan data yang
diperoleh dari kuisioner diolah dengan menggunakan alat bantu software Microsoft Office Excel untuk analisis deskriptif dan coding untuk software
SmartPLS versi 2.0.
3.6.1 Metode Analisis Deskriptif
Analisis deskriptif yang digunakan dalam penelitian ini adalah berupa jumlah n dan persentase. Analisis deskriptif bertujuan untuk
menggambarkan karakteristik responden dan tingkat kepuasan responden atas dimensi-dimensi pembentuk kepuasan selain itu analisis deskriptif
bertujuan untuk mengubah kumpulan data mentah menjadi mudah dipahami dalam bentuk informasi yang lebih ringkas. Penelitian deskriptif meliputi
pengumpulan data untuk diuji hipotesis atau jawaban pertanyaan mengenai status terakhir dari subjek penelitian. Tipe yang paling umum dari penilaian
deskriptif ini meliputi sikap atau pendapat individu, organisasi, keadaan ataupun prosedur Kuncoro 2003. Hal pertama yang dilakukan adalah
mentabulasi data mengenai responden yang diperoleh seperti jenis pekerjaan, tingkat usia, penghasilan dan pengeluaran per-bulan untuk konsumsi baik
makanan maupun minuman dan sebagainya. Kemudian, langkah kedua yang dilakukan adalah menginterprestasikan data yang sudah ditabulasi sehingga
dapat menjelaskan karakteristik responden dalam penelitian ini.
3.6.2 Structural Equation Modeling SEM
Untuk menganalisis data dalam penelitian ini menggunakan teknik analisis data Structural Equation Modeling SEM dengan metode alternatif
berbasis variance atau Component Based SEM yang disebut Partial Least Square PLS menggunakan software SmartPLS versi 2.0.
Metode PLS , menurut Ghozali 2008 mempunyai keunggulan tersendiri
di antaranya:
data tidak
harus berdistribusi
normal multivariate indikator dengan skala kategori, ordinal, interval sampai rasio
38 dapat digunakan pada model yang sama, ukuran sampel tidak harus besar
seperti halnya SEM berbasis covariance yang diwakili oleh software AMOS dan LISREL. Atas keunggulan-keunggulan dari PLS tersebut, maka PLS
disebut sebagai metoda analisis yang powerfull dan sering disebut juga sebagai soft modeling karena meniadakan asumsi-asumsi OLS Ordinary
Least Squares regresi dan tidak adanya problem multikolonieritas antar variabel eksogen. PLS bukan saja dapat digunakan untuk mengkonfirmasi
teori, tetapi dapat juga digunakan untuk menjelaskan ada atau tidaknya hubungan prediktif antara variabel laten.
Menurut Jogiyanto 2011, metode PLS ini lebih unggul karena dapat mengatasi masalah indeterminancy, yaitu skor faktor yang berbeda dihitung
dari model faktor tunggal yang dihasilkan dan admissible data, yaitu ambiguitas data karena adanya varian unik dan varian error. PLS sebagai
model prediksi tidak mengasumsikan distribusi tertentu untuk mengestimasi parameter dan memprediksi hubungan kausalitas. Karena itu, teknik
parametrik untuk menguji signifikansi parameter tidak diperlukan. Langkah-langkah analisis menggunakan PLS adalah sebagai berikut
ini : a. Merancang model Struktural inner model
Menggambarkan hubungan prediktif antar variabel laten berdasarkan
pada substantif teori. Pada SEM perancangan model adalah berbasis
teori, akan tetapi pada PLS bisa berupa teori, hasil penelitian empiris, analogi, hubungan antar variabel pada bidang ilmu yang lain, normatif
misal peraturan pemerintah, undang-undang, dan lain sebagainya, dan rasional.
b. Merancang model pengukuran Mendefinisikan hubungan prediktif antar variabel laten dengan variabel
manifesnya indikatornya atau dapat dikatakan bahwa outer model mendefinisikan bagaimana setiap indikator berhubungan dengan
variabel latennya. Pada SEM berbasis covariance semua bersifat refleksif, model pengukuran tidak penting. Pada PLS perancangan outer
model sangat penting: refleksif atau formatif, dasarnya dapat berupa
Kategori