E. Perilaku Pasca Pembelian
2.3. Kerangka Konseptual
Menimbulkan Minat (Y2) Keinginan untuk Membeli (Y.3) Menarik Perhatian (Y1)
2.4 Hipotesis
Berdasarkan pada latar belakang dan masalah yang telah diuraikan sebelumnya, maka hipotesis yang dapat dirumuskan sebagai berikut :
Bahwa ekuitas merek berpengaruh positif terhadap minat beli konsumen Coffee Corner.
BAB III
METODOLOGI PENELITIAN
3.1. Definisi Operasional dan Pengukuran Variabel
Definisi operasional dan pengukuran variabel berisi pernyataan tentang pengoperasiaan atau pendefinisian konsep penelitian termasuk penetapan cara dan satuan pengukuran variabelnya, adalah sebagai berikut:
I. Ekuitas Merek (X) adalah keinginan seseorang untuk melanjutkan menggunakan suatu brand atau tidak. Adapun dimensinya: Qomariah, (2008). 1. Brand awareness (X1), kemampuan konsumen untuk mengingat suatu brand
dan yang menjadikannya berbeda bila dibandingkan dengan brand lainnya. Dengan indikator :
a) Pengenalan merek b) Media iklan c) Kegiatan Promosi
2. Perceived quality (X2); persepsi konsumen terhadap keseluruhan kualitas atau keunggulan suatu produk atau jasa berkenaan dengan maksud yang diharapkan. Indikator:
a) Kesempurnaan produk b) Nilai emosional-kenyamanan c) Rancangan Produk / Desain
3. Brand association (X3) sesuatu yang berkaitan dengan ingatan mengenai sebuah produk. Indikator:
a) Harga produk b) Lokasi penjualan
II. Minat Beli (Y)
Merupakan suatu perilaku pembelian konsumen terhadap suatu rangsangan (stimulus) diberikan para pemasar saat akan melakukan pembelian Adapun dimensinya: (Junaedi, 2009:102)
Attention (menarik perhatian), dengan indikator : a) Jenis produk
b) Produk yang dibutuhkan c) Produk utama
2. Interest (Menimbulkan minat lebih dalam), dengan indikator : a) Label harga
b) Harga sesuai
3. Desire (keinginan untuk membeli, dengan indikator : a) Area toko yang bersih
b) Tempat yang nyaman c) Logo
3.1.1. Pengukuran Variabel
Variabel ini diukur dengan data yang berskala interval. Skala interval adalah angka yang diberikan untuk membedakan, menunjukkan peringkat dan mempunyai jarak. Sedangkan teknik pengukurannya menggunakan Agree-Dsagree Scale. Skala ini merupakan salah satu bentuk
lain dari Bipolar Adjective dengan mengembangkan pernyataan yang menghasilkan jawaban setuju – tidak setuju dalam berbagai rentang nilai yang mempunyai skala 10 dengan pola sebagai berikut :
1 2 3 4 5 6 7 8 9 10
Sangat tidak setuju Sangat Setuju
3.2.Teknik Pengambilan Sampel a. Populasi
Populasi dalam penelitian ini adalah seluruh pengunjung di Coffe Corner. b. Sampel
Sampel adalah bagian dari populasi yang mempunyai karakteristik yang sama dengan populasi tersebut. Karena itu sample harus representative dari sebuah populasi (Sumarsono, 2002 : 45). Metode pengambilan sampel yang dilakukan adalah non probability sampling dengan teknik teknik accidental sampling,
yaitu pengambilan sampling secara sembarang (kapanpun dan dimanapun menemukannya) asal memenuhi syarat sebagai sampel dan populasi tertentu. Pengambilan dengan cara memberikan kuesioner kepada setiap pengunjung yang datang
Teknik penentuan sampel yang dipergunakan adalah berdasarkan pedoman pengukuran sampel menurut Augusty (2002:48), antara lain :
1. 100 – 200 sampel untuk teknik maximum likelihood estimation.
2. Tergantung pada jumlah parameter yang diestimasi. Pedomannya adalah 5 – 10 kali jumlah parameter yang diestimasi.
3. Tergantung pada jumlah indikator yang digunakan dalam seluruh variabel laten. Jumlah sampel adalah jumlah indikator dikali 5-10. bila terdapat 20 indikator, besarnya sampel adalah 100-200.
Karena terdapat 16 indikator maka jumlah sampel dalam penelitian ini adalah (16 X 6 = 96) yang dibulatkan menjadi 102 responden.
3.3.Teknik Pengumpulan Data 3.3.1. Jenis Data
Data primer merupakan data yang dikumpulkan dan diolah sendiri.
3.3.2. Sumber Data
Sumber data yang digunakan dalam analisis ini adalah data yang diambil langsung dari pengunjung Coffe Corner dengan cara menyebarkan kuesioner.
3.3.3. Tehnik Pengumpulan Data
Pengumpulan data dalam skripsi ini dilakukan dengan menggunakan beberapa cara berikut:
a. Interview,
Yaitu mengadakan wawancara kepada pengunjung Coffe Corner b. Kuisioner
Yaitu pengumpulan data dilakukan dengan cara menyebarkan daftar pertanyaan kepada pengunjung Coffe Corner.
3.4. Teknik Analisis dan Uji Hipotesis 3.4.1. Teknik Analisis
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Modelling [SEM]. Merupakan teknik statistik yang
memungkinkan pengujian sebuah rangkaian hubungan yang relatif rumit.
Langkah-langkah dalam analisis SEM model pengukuran dengan contoh sebagai berikut :
Persamaan Brand awareness (X1) : X.1. = 1 Brand awareness + er_1 X.2 = 2 Brand awareness + er_2 X.3 = 3 Brand awareness + er_3
Bila persamaaan di atas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui confirmatory factor
analysis, maka model pengukuran dengan contoh variable harga akan
nampak sebagai berikut :
Gambar 3.1 : Contoh Model Pengukuran Brand awareness
Brand awareness
X1.1 er_1
X1.2 er_2
Keterangan :
X.1 = pertanyaan tentang Pengenalan merek X.2 = pertanyaan tentang Media iklan X.3 = pertanyaan tentang Kegiatan Promosi
3.4.2. Outliers
Outlier adalah obsevasi yang muncul dengan nilai-nilai eksterim baik secara univariat maupun multivariate yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi lainya. Dapat diadakan treatment khusus pada outliers ini asal diketahui
munculnya outlier itu. Outliers pada dasarnya dapat muncul dalam empat kategori.
Pertama, Outlier muncul karena kesalahan prosedur seperti kesalahan dalam memasukkan data atau kesalahan dalam mengkoding data. Misalnya 8 diketik 80 sehingga jauh berbeda dengan nilai-nilai lainnya dalam rentang jawaban responden antara 1-10 jika hal semacam ini lolos maka akan menjadi sebuah nilai ekstrim.
Kedua, outlier dapat muncul karena keadaan yang benar-benar khusus yang memungkinkan profil datanya lain daripada yang lain daripada tetapi peneliti mempunyai penjelasan mengenai penyebab munculnya nilai ekstrim itu.
Ketiga, outlier dapat muncul karena adanya sesuatu alasan tetapi peneliti tidak dapat mengetahui apa penyebabnya atau tidak ada penjelasan mengenai nilai ekstrim itu.
Keempat, outlier dapat muncul dalam range nilai yang ada, tetapi bila dikombinasi dengan varibel lainnya, kombinasinya menjadi tidak lazim atau sangat ekstrim. Inilah yang disebut multivariate outlier.
3.4.3. Evaluasi atas outliers
Menagamati atas z-score variabel: ketentuan diantara +_ 3,0 non outlier
Multivariate outlier diukur dengan kriteria jarak mahalanobis pada tingkat p <
0,001.Jarak diuji dengan Chi-Square (X2) pada df (degrees of Freedom) sebesar
jumlah variabel bebasnya. Ketentuan : Mahalanobis > dari nilai X2 adalah
multivariate outlier.
3.4.4. Uji Validitas
Uji validitas adalah suatu derajat ketepatan alat ukur penelitian tentang isi sebenarnya yang diukur. Analisis validitas item bertujuan untuk menguji apakah tiap butir pertanyaan benar-benar sudah sahih, paling tidak kita dapat menetapkan derajat yang tinggi dari kedekatan data yang diperoleh dengan apa yang diyakini dalam pengukuran. Sebagai alat ukur yang digunakan, analisis ini dilakukan dengan cara mengkorelasiakn antar skor item denga skor total item. Dalam hal ini koefisien korelasi yang nilai signifikasinya lebih kecil dari 5 % (level of
significance) menunjukkan bahwa item-item tersebut sudah sahih sebagai pembentukan indikator.
3.4.5. Uji Reliabilitas
Yang dimaksud dengan reabilitas ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukan derajat sampai dimana masing-masing indicator itu menghasilakan sebuah konstruk/faktor laten yang umum. Secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0,70 dan variance extracted≥ 0,5 Hair et. al., (1998).
3.4.6. Uji Normalitas
Untuk menguji normalitas distribusi data-data yang digunakan dalam analisis, peneliti dapat menggunakan uji-uji statistik. Uji yang paling mudah adalah dengan mengamati skewness value dari data yang digunakan, yang biasanya disajikan dalam statistik diskriptif dari hampir semua program statistik.
3.4.7. Multicollinearity dan Singularity
Untuk melihat apakah pada data penelitian terdapat multikolinieritas dan singularitas dalam kombinasi-komninasi variabel, maka perlu mengamati determinan dari variable kovarian sampelnya. Determinan yang benar-benar kecil mengindikasikan adanya multikolinieritas dan singularitas, sehingga data tidak dapat digunakan untuk analisis yang sedang dilakukan. Augusty (2002 : 108).
Pengaruh langsung [koefisien jalur] diamati dari bobot regresi terstandar, dengan pengujian signifikansi pembanding nilai CR [Critical Ratio] atau p
[probability] yang sama dengan nilai t hitung. Apabila t hitung lebih besar
daripada t table berarti pengujian hipotesis kausal berarti signifikan. 3.4.9. Evaluasi Model
Hair et.al., 1998 menjelaskan bahwa pola “confirmatory” menunjukkan
prosedur yang dirancang untuk mengevaluasi utilitas hipotesis-hipotesis dengan pengujian fit antara model teoritis dan data empiris. Jika model teoritis menggambarkan “good fit” dengan data, maka model dianggap sebagai yang
diperkuat. Sebaliknya, suatu model teotitis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit” dengan data. Amos dapat menguji apakah model
“good fit” atau “poor fit”. Jadi, “good fit” model yang diuji sangat penting dalam
penggunaan structural equation modelling.
Tabel 3.1. Goodness of Fit Indices
GOODNESS OF
FIT INDEX KETERANGAN CUT-OFF VALUE
X2 - Chi-square Menguji apakah covariance populasi yang destimasi sama dengan cova-riance sample [apakah model sesuai dengan data].
Diharapkan Kecil, 1 s.d 5. atau paling baik diantara 1 dan 2.
Probability Uji signifikansi terhadap perbedaan matriks covariace data dan matriks covariance yang diestimasi.
Minimum 0,1 atau 0,2, atau 0,05
RMSEA Mengkompensasi kelemahan Chi-Square pada sample besar. 0,08 GFI
Menghitung proporsi tertimbang varians dalam matrtiks sample yang dijelaskan oleh matriks covariance populasi yang diestimasi [analog dengan R2 dalam regresi berganda].
0,90 AGFI GFI yang disesuaikan terhadap DF. 0,90 CMIND/DF Kesesuaian antara data dan model 2,00 TLI Pembandingan antara model yang diuji terhadap baseline model. 0,95 CFI Uji kelayakan model yang tidak sensitive terhadap besarnya
sample dan kerumitan model. 0,95
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Obyek Penelitian
