BAB II TELAAH PUSTAKA
E. Metode Analisis Data
t Keterlibatan dikonsepkan oleh
motif yang membuat seseorang ingin membeli suatu produk yang ditawarkan karena dipajang maupun karena situasi yang memungkinkan (O’Cass, 2004).
1. Mengikuti perkembangan tren 2. Melihat majalah fashion 3. Melihat acara fashion show
Skala Likert; 1 = Sangat Tidak Setuju Sampai 5 = Sangat Setuju P o sitive E mo tio n a
l Emosi merupakan suasana hati mempengaruhi perilaku konsumen
dalam membeli suatu barang (Hausman, 2000; Ahmad, 2011; Park, et al., 2006). 1. Senang berbelanja 2. Bersemangat 3. Menikmati kegiatan 4. Senang melihat-lihat 5. Merasa lebih baik 6. Nyaman Skala Likert; 1 = Sangat Tidak Setuju Sampai 5 = Sangat Setuju He d o n ic C o n su mp tio n
Nilai hedonic terkait dengan yang menyenangkan dalam berbelanja, karena hedonic mengindikasikan bahwa konsumen memandang berbelanja sebagai kesempatan untuk bersenang – senang, dan kesenangan menggunakan produk (Babin et al, 2004; Hirschman and Holbrook, 1982).
1. Rasa keingintahuan 2. Pengalaman
3. Berkeliling menjelajahi dunia 4. Menyukai pakaian bermerek 5. Menyukai pakaian berkualitas tinggi 6. Menjaga penampilan diri dan gengsi
Skala Likert; 1 = Sangat Tidak Setuju Sampai 5 = Sangat Setuju Imp u ls e B u yin g B eh a vio r
Pembelian barang secara impulsif terjadi ketika konsumen
merasakan pengalaman, dan keinginan kuat, untuk membeli barang secara tiba-tiba tanpa rencana (Rook, 1987; Hodge, 2004).
1. Berniat membeli 2. Akan membeli
3. Membeli model terbaru saat melihatnya 4. Membeli tanpa rencana
5. Membeli model baru yang baru saja keluar
Skala Likert; 1 = Sangat Tidak Setuju Sampai 5 = Sangat Setuju
E. METODE ANALISIS DATA
Pengujian metode analisis data diawali dengan pengujian validitas dan reliabilitas terhadap data yang diperoleh dari survei yang telah dilakukan. Tujuannya adalah untuk memberikan jaminan bahwa data yang diperoleh telah memenuhi kriteria untuk diuji dengan menggunakan berbagai jenis metode statistik metode yang ada. Dengan demikian, hasil yang diperoleh dapat merespresentasikan fenomena yang diukur.
Berikut ini adalah pemilihan metode statistik yang digunakan untuk pengujian hipotesis.
1. Analisis Deskriptif
Analisis deskriptif merupakan analisis data dengan cara mengubah data mentah menjadi bentuk yang lebih mudah dipahami dan dipersepsikan. Analisis deskriptif pada penelitian ini digunakan untuk menganalisis profil responden dan analisis tanggapan responden terhadap item – item pertanyaan mengenai faktor – faktor yang mempengaruhi
impulse buying.
2. Analisis Uji Instrumen a. Uji Validitas
Pengujian validitas kuisioner dalam penelitian bertujuan untuk mengetahui sejauh mana alat pengukuran itu mengukur apa yang ingin diukur. Suatu instrumen dianggap memiliki validitas yang tinggi apabila dapat memberikan hasil pengukuran yang sesuai dengan tujuannya. Dalam penelitian ini, uji validitas dilakukan dengan menggunakan analisis faktor konfirmatori (confirmatori factor
analysis) dan menggunakan teknik rotasi varimax sebagai pendekatan
analitik untuk mendapatkan rotasi ortogonal suatu faktor, pada masing – masing variabel laten dengan bantuan program SPSS. Pedoman yang digunakan apabila nilai loading factor pada indikator lebih besar dari 0,50 dan terekstrak secara sempurna (Ghozali, 2009). Hal tersebut dikarenakan model yang diuji merupakan pengujian kembali dari
penelitian yang telah dilakukan sebelumnya, yang telah berhasil mengidentifikasi faktor – faktor pembentuk model tersebut.
b. Uji Reliabilitas.
Pengujian ini merupakan pengujian statistik yang relevan untuk mengukur kehandalan atau konsistensi internal dari sebuah instrumen penelitian. Uji reliabilitas ini menggnakan software SPSS 17 for windows. Dalam penelitian ini teknik analisis yang digunakan adalah
cronbach alpha, dengan kriteria reliabel sebesar > 0,70. Tujuannya
adalah untuk memberikan jaminan bahwa data yang diperoleh telah memenuhi kriteria untuk diuji dengan menggunakan berbagai jenis metode statistik metode yang ada. Ada tiga tingkatan reliabilitas yaitu;
1. Nilai Alpha 0.8 – 1.0 dikategorikan reliabilitas baik. 2. Nilai Alpha 0.6 – 0.79 dikategorikan reliabilitas diterima. 3. Nilai Alpha ≤ 0.6 dikategorikan reliabilitas kurang baik. 3. Uji Asumsi SEM
Asumsi yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang dianalisis dengan pemodelan SEM adalah sebagai berikut:
a. Asumsi Ukuran Sampel
Sampel yang harus dipenuhi dalam permodelan ini berjumlah 100 hingga 200 sampel atau 5 -10 kali estimated parameter yang digunakan (Hair, et al., 1998; Ghozali, 2005).
b. Normalitas atau linearitas
Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas dipenuhi sehingga data dapat diperoleh lebih lanjut untuk pemodelan SEM ini. Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik.
Uji normalitas ini perlu dilakukan baik untuk normalitas terhadap data tunggal maupun normalitas multivariat dimana beberapa variabel digunakan sekaligus dalam analisis akhir. Uji linearitas dapat dilakukan dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebaran datanya untuk dilihat ada tidaknya kelinearitasannya.
c. Outlier
Outlier adalah observasi atau data yang memiliki karakteristik
unik yang sangat jauh dari observasi – observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk variabel tunggal maupun variabel kombinasi (Hair et.al., 1998). Terapinya diadakan treatment khusus pada outliers ini asal diketahui bagaimana munculnya outliers itu. Outlier pada dasarnya dapat muncul dalam empat kategori.
1) Outlier muncul karena kesalahan prosedur, misalnya kesalahan dalam memasukkan data atau kesalahan dalam mengkoding data. 2) Outlier muncul karena keadaan yang benar – benar khusus yang
3) Outlier muncul karena adanya sesuatu alasan tetapi peneliti tidak mengetahui penyebabnya dan tidak ada penjelasan mengenai munculnya nilai ekstrim tersebut.
4) Outlier muncul dalam range nilai yang ada, tetapi bila dikombinasi dengan variabel yang lain kombinasinya menjadi tidak lazim atau ekstrim.
d. Multicollinearity dan singularity
Multikolinearitas dapat dideteksi dari determinan matriks
kovarians. Nilai determinan matriks kovarians yang sangat kecil
(extremely small) memberi indikasi adanya problem multikolinearitas atau singularitas. Pada umumnya program – program komputer SEM telah menyediakan fasilitas warning setiap kali terdapat indikasi multikolinearitas atau singularitas. Warning digunakan untuk mengetahui apakah terdapat kombinasi linear dari variabel yang dianalisis. Perlakuan data (treatment data) yang dapat diambil adalah mengeluarkan variabel yang menyebabkan singularitas. Bila singularitas dan multikolinearitas ditemukan dalam data yang telah dikeluarkan, salah satu treatment yang dapat diambil adalah dengan menciptakan composite variabels, kemudian menggunakan composite
variable dalam analisis selanjutnya (Ghozali, 2005).
4. Uji Model Penelitian
Dalam analisis SEM, tidak ada alat uji statistik tunggal untuk menguji hipotesis mengenai model, tetapi berbagai indeks kesesuaian
digunakan untuk mengukur derajat kesesuaian antara model yang disajikan dengan data yang disajikan (Hair, et.al., 1998). Pengujian model dalam penelitian ini dilakukan secara bersama – sama dengan uji hipotesis. Uji ini dilakukan untuk mengetahui apakah model yang dibangun telah sesuai dengan data yang digunakan dalam penelitian. Untuk uji model menggunakan alat uji Structural Equation Modelling (SEM), dengan bantuan perangkat lunak LISREL 8.3.
Structural Equation Modelling (SEM) adalah sebuah teknik
multivariat yang mengkombinasikan aspek regresi berganda dan analisis faktor, untuk mengestimasi serangkaian hubungan yang terkait secara simultan. SEM dapat menguji serangkaian hubungan keterkaitan secara simultan, sementara teknik multivariat lainnya hanya dapat menguji satu hubungan saja (Ghozali, 2005).
Goodness of Fit Statistic merupakan uji kebaikan sesuai yang
memperlihatkan seberapa baik kesesuaian data dengan model yang kita analisis. Beberapa aturan praktis yang digunakan adalah sebagai berikut (Ghozali, 2005):
a) Nilai chi-square seharusnya tidak terlalu besar perbandingannya jika dibandingkan dengan degrees of freedom. Nilai chi-square digunakan untuk mengukur kesesuaian data dengan model. Semakin besar perbandingan nilai chi-square dengan degree of
freedom menunjukkan kesesuaian data kurang baik. Menurut
atau lebih kecil dari 5 sudah dikatakan reasonable atau ukuran yang
fit.
b) Root Mean Square Errors of Approximation (RMSEA) yang baik adalah yang bernilai < 0.05, namun nilai RMSEA yang mendekati 0.08 masih dianggap baik. RMSEA mengukur ketidaksesuaian model dengan degree of freedom.
c) Goodness of Fit Index (GFI). GFI menunjukkan derajat kesesuaian dari keseluruhan model. Nilai GFI ada pada rentang 0 (model tidak sesuai) sampai 1 (model sempurna). Semakin besar nilai GFI semakin tinggi kesesuaian modelnya. Nilai GFI yang direkomendasikan adalah 0.90.
d) Adjusted Goodness of Fit Index (AGFI). AGFI merupakan
penyesuaian dari nilai GFI dengan mempertimbangkan perbandingan antara degrees of freedom dari model yang diusulkan dengan degrees of freedom dari null model. Nilai GFI yang direkomendasikan untuk diterima adalah 0.90.
e) Rood Mean squared Rresidual ( RMR ) adalah rata – rata kuadrat residual. Nilai RMR yang direkomnendasikan adalah 0,05. f) Normed Fit Index (NFI) merupakan ukuran perbandingan antara
proposed model dan null model. Nilai NFI akan bervariasi dari 0 (no fit at all) sampai 1,0 (perfec fit). Nilai NFI yang direkomnendasikan adalah 0,90.
g) Comparative Fit Index ( CFI ) Besarnya indek ini adalah pada rentang nilai 0 sampai 1,0 dimana semakin mendekati 1,0, mengidentifikasikan tingkat fit yang paling tinggi. Nilai CFI yang direkomendasikan adalah 0,90. Dalam penelitian model, indeks CFI sangat dianjurkan untuk digunakan karena indek ini relatif tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi pula oleh kerumitan model.
Tabel III.2
Pengujian Goodness of fit Model Goodness of fit Cut – off
Chi-square Diharapkan kecil Chi-square/df < 5 2 / Df ≤ 5,00 RMR < 0,05 RMSEA 0,08 GFI 0,90 AGFI 0,90 NFI 0,90 CFI 0,90 Sumber : Ghozali, (2005) 5. Uji Hipotesis
Analisis data yang digunakan untuk menguji hipotesis dalam penelitian ini menggunakan alat uji Structural Equation Modelling (SEM), dengan bantuan perangkat lunak LISREL 8.3. Digunakannya SEM karena SEM memiliki kelebihan diantaranya adalah menyediakan metode yang langsung menangani multi hubungan secara simultan, sekaligus memberikan pengujian statistik yang efisien.
Untuk mengetahui pengaruh dari masing – masing variabel independen dan variabel dependen, jika nilai thitung > t tabel(=0,05) (1,96), dapat dikatakan bahwa terdapat pengaruh yang signifikan antara variabel independen dengan variabel dependen secara individu. Sebaliknya jika nilai thitung < t tabel(=0,05) (1,96), tidak terdapat pengaruh yang signifikan (Ghozali, 2005).