Tehnik Penentuan Sampel Tehnik Analisis Dan Uji Hipotesis

menggunakan interval yaitu dengan memberikan skor pada jawaban yang dipilih responden, dengan pola sebagai berikut: Gambar 3.1 : Pola pengukuran skor interval 1 7 Sangat Buruk Sangat Baik Dimana tanggapan atau jawaban tersebut dinyatakan dengan memberi skor yang berbeda dalam rentang nilai 1 sampai dengan 7 pada masing-masing skala, dimana nilai 1 menunjukkan nilai terendah dan nilai 7 tertinggi.

3.2 Tehnik Penentuan Sampel

A. Populasi Populasi adalah seluruh keseluruhan obyek yang diamati. Yang menjadi populasi dalam penelitian ini adalah pengunjung Plaza Marina Surabaya. B. Sampel Sampel adalah bagian dari populasi, yang mempunyai ciri-ciri dan karakteristik yang sama dengan populasi. Untuk penarikan sampel menggunakan tehnik non probabilitas metode Purposive sampling, yaitu tehnik untuk menentukan sampel yang dilakukan berdasarkan pertimbangan-pertimbangan kriteria atau cirri-ciri tertentu yang mewakili kriteria dari populasi. Hair dkk menyarankan ukuran sampel minimum adalah sebanyak 5 observasi untuk setiap estimated parameter. Dengan demikian bila estimated parameternya berjumlah 20, maka jumlah sampel Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber minimum adalah 100. Jumlah sampel dalam penelitian ini adalah 100-200 responden berdasarkan pertimbangan pedoman pengukuran sampel menurut Augusty 2002:48 yaitu: 1. 100-200 sampel untuk tehnik Likelihood Estimation. 2. Tergantung pada jumlah parameter yang di estimasi. pedoman adalah 5-10 dikali jumlah parameter yang di estimasi. 3. Tergantung pada jumlah indikator yang digunakan dalam seluruh variabel laten. Jumlah sampel adalah jumlah indikator dikali 5-10. Bila terdapat 20 indikator, besar sampelnya antara 100-200. Dalam penelitian ini, maka sampel yang diambil adalah 9 variabel x 10 = 90 sampel 100 sampel

3.3 Tehnik Pengumpulan Data

3.3.1 Jenis data

Jenis data yang digunakan dalam penelitian ini adalah : 1. Data primer. Data primer merupakan data yang diperoleh langsung dari responden melalui pengisian kuisioner pada konsumen yang pernah serta sedang ataupun tidak pernah menggunakan handphone merek “blackberry” di Pusat handphone Plaza Marina Surabaya, berkaitan dengan variabel peneltian yaitu minat pembelian. 2. Data sekunder. Yaitu data yang diperoleh melalui dalam perusahaan bersangkutan. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber

3.3.2 Sumber data

Merupakan asal mula pengambilan suatu data, dalam penelitian ini data yang diambil berasal dari jawaban kuisioner yang telah diisi oleh responden.

3.3.3 Pengumpulan data

Pengumpulan data dilakukan untuk mendapatkan data mengenai objek yang akan diteliti dengan cara sebagai berikut Nazir, 1999:234:

1. Metode kuisioner

Yaitu tehnik pengumpulan data dengan cara mengajukan daftar pertanyaan yang sudah disusun rapi dan terstruktur, tertulis kepada responden untuk diisi menurut pendapat pribadi sehubungan dengan masalah yang diteliti.

2. Metode wawancara

Yaitu proses memperoleh keterangan untuk tujuan penelitian dengan cara tanya jawab sambil bertatap muka antara si penanya atau pewawancara dengan si penjawab atau responden

3. Dokumentasi

Pengumpulan data dengan mencatat dokumen yang berkaitan dengan penelitian untuk bukti adanya permasalahan. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber

3.4 Tehnik Analisis Dan Uji Hipotesis

Analisis yang digunakan dalam penelitian ini adalah analisis jalur path Path Analysis atau Structural Equation Model SEM merupakan kumpulan tehnik analisis statistic memungkinkan pengujian suatu hubungan antara satu atau lebih variable independen dengan satu atau lebih variable dependen yang diestimasi secara simultan. Model pengukuran variable bebas faktor psikologis dan kelompok rujukan dan variable terikat minat pembelian menggunakan Confirmatory Factor Analisys. Sedangkan penaksiran pengaruh masing-masing variable bebas terhadap variable terikat menggunakan koefisien jalur. Langkah-langkah dalam anilisis SEM dalam model pengukuran dengan contoh faktor psikologis dilakukan sebagai berikut: Persamaan dimensi faktor psikologis: X 1 = λ1 Psikologis + er_1 X 2 = λ2 Psikologis + er_2 X 3 = λ3 Psikologis + er_3 X 4 = λ4 Psikologis + er_4 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber Bila persamaan diatas dinyatakan dalam sebuah pengukuran model untuk diuji Unidimendionalitasnya melalui Confirmatory Faktor Analisys, maka model pengukuran dengan contoh faktor psikologis akan tampak sebagai berikut: Gambar 3.2: Model pengukuran psikologi konsumen Keterangan: X1 = Pertanyaan tentang motivasi membeli produk X2 = Pertanyaan tentang persepsi terhadap suatu produk X3= Pertanyaan tentang pembelajaran dalam membeli produk X4 = Pertanyaan tentang sikap dan keyakinan dalam membeli produk Er_i = Error term X1j Psikologis X1 X2 X3 X4 er_1 er_2 er_3 er_4 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber Persamaan dimensi faktor keputusan membeli: Y1 = λ5 keputusan membeli + er_5 Y2 = λ6 keputusan membeli + er_6 Y3 = λ7 keputusan membeli + er_7 Y 4 = λ8 keputusan membeli + er_8 Y5 = λ9 keputusan membeli + er_9 Bila persamaan di atas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor analysis, maka model pengukuran dengan kepoutusan membeli akan nampak sebagai berikut: Gambar 3.3: Model pengukuran keputusan membeli Keput usan m em beli Y 1 Y 2 Y 3 er_5 er_6 er_7 Y 4 Y 5 er_8 er_9 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber Keterangan: Y1= Pertanyaan seputar merek yang akan dipilih Y2= Pertanyaan tentang di mana akan membeli merek produk Y3= Pertanyaan tentang jumlah yang akan dibeli Y4= Pertanyaan tentang kapan akan melakukan pembelian Y5= Pertanyaan tentang bagaimana cara pembayaran transaksi Er_i=Error term X1j

3.4.1 Asumsi Model SEM

Pada permodalan SEM terdapat asumsi-asumsi yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang dianalisis adalah sebagai berikut: 1. Ukuran Sampel Ukuran sampel yang harus dipenuhi dalam permodelan ini adalah minimum berjumlah 100 dan selanjutnya menggunakan 5 perbandingan observasi untuk estimated parameter, maka minimum sampel yang harus digunakan adalah sebanyak 100 sampel. 2. Evaluasi Normalitas dan Linieritas Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas dipenuhi sehingga data dapat diolah lebih lanjut untuk permodelan SEM ini. Normalitas dapat diuji dengan melihat data gambar histogram data, atau dapat diuji dengan metode-metode statistik. Uji normalitas dapat dilakukan dengan mengamati scatterplots dengan Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber memilih pasangan data dan melihat pola penyebarnya untuk menduga ada atau tidaknya linieritas. Uji normalitas menggunakan Critical ratio yang diperoleh dengan membagi koefisien sampel dengan standart errornya dan skewness value yang biasanya disajikan dalam statistic deskriptif dimana nilai dihasilkan melalui rumus berikut ini: Nilai – z = Skewness 6 N Dimana “N” adalah ukuran sampel Bila nilai-z lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikasi yang dikehendaki. 3. Evaluasi Outliers Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara unvariat maupun multivariat yaitu yang muncul karena kombinasi karakteristik yang dimilikinya terlihat jauh berbeda dengan observasi lainnya. Outliers ini muncul dalam empat kategori yaitu karena kesalahan prosedur, karena keadaan yang benar-benar khusus yang memungkinkan profil datanya lain daripada yang lain, karena danya suatu alasan tetapi peneliti tidak dapat mengetahui apa penyebabnya atau tidak ada penjelasan mengenai sebab-sebab Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber munculnya nilai ekstrim tersebut, outliers dapat muncul dalam range nilai tetapi bila dikombinasikan dengan variable lain, kombinasinya menjadi tidak lazim. Maka inilah yang disebut multivariate outliers. 4. Evaluasi Multicolinearity dan Singularity Multicollinearity atau Singularity dapat dideteksi dari determinan matriks kovarians. Nilai determinan kovarians yang sangat kecil member indikasi hadirnya problem multikolinieritas atau singularitas. Pada umumnya program SEM ini akan segera memberikan warning setiap kali terdapat indikasi multikoliniearitas atau singuaritas. Bila demikian, cek ulang data dan variabel. Bila multikoliniearitas dan singularitas ditemukan dalam data, maka salah satu treatment yang dapat diambil adalah dengan menciptakan Composite Variable. 5. Uji Validitas dan Reabilitas Validitas menyangkut tingkat yang dicapai oleh sebuah indikator dalam menilai suatu akuratnya pengukuran atas apa yang harus diukur. Sedangkan reabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing-masing indikator-indikator itu mengidentifikasi seuah konstruk umum. Karena indikator multidimensi, maka uji validitas dari setiap latent variableconstruct akan diuji dengan melihat loading factor dan hubungan antara setiap observed variable dan latent variable . Sedangkan reabilitas diuji dengan construct reliability dan variable dihitung dengan rumus sebagai berikut: Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber Construct-reliability = ∑ standardize loading ² ∑ standardize loading ² + ∑฀j Variance-extracted = ∑ standardize loading² ∑ standardize loading² + ∑฀j Standardize loading dapat diperoleh dari output AMOS 4.01, dengan melihat nilaian estimasi setiap construct standardize regression weights terhadap setiap butir indikator. Sementara ∑฀j dapat dihitung dengan formula ∑฀j = 1- standardize loading²

3.4.2 Pengujian Hipotesis dan Hubungan Kausalitas

Pengaruh langsung koefisien jalur dapat diamati dari bobot regresi terstandar, dengan pengujian signifikasi pembanding nilai CR Critical Ratio yang sama dengan nilai t hitung lebih besar daripada t tabel yang berarti signifikan.

3.4.3 Pengujian Model dengan One Step Approach

Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Kemungkinan terbesar disebabkan terjadinya interaksi antara measurement model dan structural model yang diestmasi secara bersama-sama One Step Approach to Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber SEM . One Step Approach to SEM digunakan apabila model diyakini bahwa dilandasi teori yang kuat serta validitas dan rebilitas data sangat baik.

3.4.4 Pengujian Model Two Step Approach

Two Step Approach to Structural Equation Model SEM digunakan untuk menguji model dari kerangka konseptual yang telah dibuat. Two Step Approach digunakan untuk mengatasi sampel data yang kecil jika dibandingkan dengan jumlah butir intrumasi yang digunakan Hartline dan Farrel, 1996, dan keakuratan realibilitas indikator-indikator terbaik dapat dicapai dalam model Two Step Approach ini. Two Step Approach bertujuan untuk menghindari interaksi antara model pengukuran dan model struktural pada One Step Approach Hair et. Al., 1998 yang dilakukan dalam Two Step Approach to SEM adalah estimasi terhadap measurement model dan estimasi terhadap struktural model. Cara yang dilakukan dalam menganalisis SEM dengan two step approach adalah sebagai berikut: a. Menjumlahkan skala butir-butir setiap konstrak menjadi sebuah indikator summed-scale bagi setiap konstrak. Jika terdapat skala yang berbeda setiap indikator tersebut distandardisasi Z-scores dengan mean = 0, sd = 1, yang tujuannya adalah untuk mengeliminasi pengaruh-pengaruh skala yang berbeda tersebut Hair et. al.,1989 b. Menetapkan error ɛ dan lambda λ terms, error terms dihitung dengan rumus 0,1 kali σ² dan lambda terms dengan rumus 0,95 kali σ Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber Anderson dan Gerbing,1988. Perhitungan construct reliability α telah dijelaskan pada bagian sebelumnya dan deviasi standart σ dapat dihitung dengan bantuan program aplikasi statistik SPSS. Setelah error ɛ dan lambda λ terms diketahui, skor tersebut dimasukkan sebagai parameter fix pada analisis model pengukuran SEM.

3.5 Evaluasi Model