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