59 Menurut Sugiyono 2011 metode analisis deskriptif digunakan untuk
menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa melakukan analisis dan
membuat kesimpulan yang berlaku umum. Terdapat tiga hal yang disajikan dalam analisis deskriptif yang meliputi.
a. Analisis mengenai karakteristik dari responden yang terdiri dari jenis kelamin, nama institusikampus, mengetahui atau tidak kampanye CTPS yang diadakan
Lifebuoy, berminat atau tidak berminat membeli produk sabun Lifebuoy, dan intensitas pembelian ulang sabun Lifebuoy dalam jangka waktu 1 bulan.
b. Penelitian ini memiliki lima data yaitu kampanye perusahaan, sikap konsumen terhadap kampanye perusahaan, sikap konsumen pada produk yang melakukan
kampanye, etnosentrisme konsumen, dan minat beli konsumen. Data ini kemudian diolah menggunakan analisis deskripsi statistik
sehingga diperoleh nilai maksimal, nilai minimal, nilai mean Me, dan Standar Deviasi SD. Analisis ini menggambarkan jawaban responden dari kuesioner
yang diajukan. Kemudian data tersebut akan dianalisis satu persatu yang didasarkan pada jawaban responden yang dihimpun berdasarkan kuesioner
yang telah diisi oleh responden selama penelitian berlangsung. Data-data tersebut akan dikategorikan dengan menggunakan rumus dari Azwar 2009,
antara lain: Tinggi : X
M + SD Sedang : M
– SD X M + SD Rendah : X
M – SD Keterangan:
60 M = Rata-rata mean
SD = Standar Deviasi Sedangkan untuk mengetahui jumlah interval kelas dapat dihitung
menggunakan rumus Sturges dalam Sugiyono 2011 sebagai berikut: = 1 + 3,3 �
Dimana : K= Jumlah Kelas Interval
n= Jumlah Data Observasi Log= Logaritma
Misalnya: Jumlah data ada 150, maka jumlah kelas intervalnya adalah: K = 1 + 3,3. Log 150
K = 1 + 3,3. 2,17 K = 8,18 dibulatkan menjadi 8
2. Asumsi Dasar Uji Normalitas
Menurut Ghozali 2011 tujuan dari uji normalitas adalah untuk mengetahui apakah masing-masing variabel berdistribusi normal atau tidak.
Uji normalitas diperlukan untuk melakukan pengujian-pengujian variabel lainnya dengan mengasumsikan bahwa nilai residual mengikuti distribusi
normal. Jika asumsi ini dilanggar maka uji statistik menjadi tidak valid dan statistik parametrik tidak dapat digunakan. Pengujian normalitas data dalam
penelitian ini menggunakan program AMOS. Menurut Mustafa dan Wijaya 2012, data dapat dikatakan normal apabila critical ratio c.r multivariate
61 memiliki syarat
−2,58c.r 2,58. Jika data yang diperoleh tidak berdistribusi normal, maka data outliner harus dibersihkan terlebih dahulu.
3. Analisis Jalur
Penelitian ini menggunakan metode analisis jalur. Menurut Ghozali 2011, analisis jalur merupakan perluasan dari analisis regresi linier berganda
untuk menaksir hubungan kausalitas antar variabel yang telah ditetapkan sebelumnya. Analisis digunakan untuk menganalisis pola hubungan antar
variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung terhadap variabel independen eksogen terhadap variabel dependen
endogen. Dalam penelitian ini analisis jalur dibantu dengan program AMOS.
4. Uji Kesesuaian Model Goodness of fit
Goodness of fit mengukur kesesuaian input observasi atau sesungguhnya matrik kovarian atau korelasi dengan prediksi dari model yang
diajukan proposed model. Menurut Ghozali 2011, ada tiga jenis ukuran goodness of fit yaitu:
a. Absolute Fit Measure
1 CMINDF CMINDF merupakan nilai chi-square dibagi dengan degree of
freedom. Beberapa peneliti menganjurkan menggunakan ratio ukuran
62 ini untuk mengukur fit. Byrne dalam Ghozali 2011 menyatakan nilai
ratio 2 merupakan ukuran fit. 2 GFI
Indeks kesesuaian fit index ini akan menghitung proporsi tertimbang dari varian dalam matrik kovarian sampel yang dijelaskan oleh matriks
kovarian populasi yang terestimasi. GFI adalah sebuah ukuran nonstatistical yang mempunyai rentang 0 poor fit sampai dengan 1,0
perfect fit. Nilai yang tinggi dalam indeks ini menunjukkan sebuah better fit, sedang besaran nilai antara 0,80
– 0,90 adalah marginal fit. 3 RMSEA
RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi chi square statistic dalam sampel yang besar. Nilai
RMSEA menunjukkan goodness of fit yang dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau
sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degrees
of freedom.
b. Incremental Fit Measures
1 AGFI AGFI adalah analog dari R2 dalam regresi berganda. Fit index ini dapat
di-adjust terhadap degrees of freedom yang tersedia dalam menguji
