Metode Analisis Data

BAB III METODE PENELITIAN

3.4 Metode Analisis Data

Metode analisis data dalam penelitian ini dianalsis secara deskriptif kualitatif dan kuantitatif. Untuk menyelesaikan permasalahan pertama bagaimana proses pengambilan keputusan konsumen dalam pembelian tanaman hias di Desa Bangun Sari, yaitu digunakan metode analisis deskriptif kualitatif, analisis ini digunakan untuk mengidentifikasi, menjelaskan, dan mentabulasi data kuesioner. Untuk menjawab permasalahan kedua faktor apa saja yang mempunyai keterkaitan paling erat terhadap keputusan konsumen dalam pembelian tanaman hias di Desa

Bangun Sari adalah metode analisis kuantitaif dengan uji validitas dan reliabilitas lalu diuji dengan analisis faktor, kemudian diaplikasikan dalam bentuk analisis deskriptif.

Uji validitas digunakan untuk mengukur apakah data yang diperoleh dalam penelitian ini merupakan data yang tepat. Uji reliabilitas digunakan untuk mengukur sejauh mana suatu instrumen dapat dipercaya kebenarannya.

Dalam penelitian ini uji validitas menggunakan rumus Korelasi Pearson Product Moment dan uji reliabilitas menggunakan rumus Cronbach’s Alpha. Variabel-variabel yang berhubungan dengan faktor-faktor yang memnetukan keputusan pembelian konsumen tanama hias disajikan pada tabel berikut.

Tabel 3.2 Variabel-Variabel yang Menentukan Keputusan Pembelian Tanaman Hias

Nama-nama Variabel Simbol Variabel

Budaya 𝑋₁

Pengaruh orang lain 𝑋₂

Hobi 𝑋₃

Pengalaman 𝑋₄

Tren 𝑋₅

Beragam pilihan tanaman hias 𝑋₆

Harga 𝑋₇

Promosi 𝑋₈

Tempat yang nyaman 𝑋₉

Sentra produksi tanaman hias 𝑋10

Skala Likert merupakan skala yang digunakan untuk mengukur tanggapan, sikap atau pendapat seseorang atau kelompok mengenai suatu peristiwa atau fenomena sosial (Bahrun, Alifah, & Mulyono, 2018). Pengukuran disetiap variabel menggunakan skala likert 1-5 yaitu, “sangat tidak setuju” dengan

skor 1, “tidak setuju” dengan skor 2, “netral” dengan skor 3, “setuju” dengan skor 4, dan “sangat setuju” dengan skor 5.

Indikator pertanyaan dalam keputusan pembelian adalah tahap pengenalan kebutuhan, pencarian informasi, evalusi alternatif, keputusan pembelian, dan perilaku pasca pembelian. Pengukuran disetiap indikator menggunakan skala likert 1-5 yaitu, “sangat tidak setuju” dengan skor 1, “tidak setuju”

dengan skor 2, “netral” dengan skor 3, “setuju” dengan skor 4, dan “sangat setuju” dengan skor 5.

Untuk mengukur variabel-variabel tersebut digunakan uji validitas dan reliabilitas. Instrumen dikatakan valid jika dapat mengungkapkan data sesuai variabel dengan benar dan tidak menyimpang dari keadaan yang sebenarnya. Suatu instrumen dikatakan reliabel ketika dapat mengungkapkan data yang dapat dipercaya (Arikunto, 2010).

Uji validitas dapat digunakan dengan rumus korelasi Bivariate Pearson (Pearson Product Moment). Rumus Korelasi Pearson Product Moment :

𝑟_𝑥𝑦 = 𝑛(∑ 𝑋_𝑖𝑌_𝑖) − (∑ 𝑋_𝑖)𝑥(∑ 𝑌_𝑖)

√{(𝑛 ∑ 𝑋_𝑖²) − (∑ 𝑋_𝑖)²}𝑥{(𝑛 ∑ 𝑌_𝑖²) − (∑ 𝑌_𝑖)²}

Keterangan:

𝑟_𝑥𝑦 = koefisien korelasi suatu butir/item

N = jumlah subyek X = skor suatu butir/item Y = skor total subyek

Dasar mengambil keputusan:

➢ Jika r hitung > r tabel, maka instrumen atau item pertanyaan berkorelasi signifikan terhadap skor total (dinyatakan valid).

➢ Jika r hitung < r tabel, maka instrumen atau item pertanyaan tidak berkorelasi signifikan terhadap skor total (dinyatakan valid).

Nilai r hitung dibandingkan dengan r tabel product moment pada taraf signifikan 5%. Nilai r hitung untuk n = 50 adalah sebesar 0,279.

Penentuan kategori dari validitas instrumen yang mengacu pada pengklasifikasian validitas yang dikemukakan oleh Guilford (1956) adalah sebagai berikut:

➢ 0,80 < rxy ≤ 1,00 validitas sangat tinggi (sangat baik)

➢ 0,60 < rxy ≤ 0,80 validitas tinggi (baik)

➢ 0,40 < rxy ≤ 0,60 validitas sedang (cukup)

➢ 0,20 < rxy ≤ 0,40 validitas rendah (kurang)

➢ 0,00 < rxy ≤ 0,20 validitas sangat rendah (jelek)

➢ rxy ≤ 0,00 tidak valid

Teknik untuk mengukur reliabilitas instrumen dengan menggunakan skala likert dapat menggunakan rumus koefesien reliabilitas alpha (Arikunto, 2020) sebagai berikut:

𝛼 = 𝑘

𝑘 − 1(1 −∑ 𝜎_𝑖² 𝜎_𝑖² )

Keterangan:

𝛼 = koefisien reliabilitas alpha

𝑘 = jumlah item pertanyaan yang diuji

∑ 𝜎_𝑖² = jumlah varian skor tiap item 𝜎_𝑖² = varians total

Kriteria suatu instrumen penelitian dikatakan reliabel, jika koefisien reliabilitas (𝛼 > 0,6) atau dengan membandingkan r tabel (ProductMoment), jika nilai koefisien reliabilitas Alpha Cronbach lebih besar dari r tabel, maka dikatakan reliabel, dan jika lebih kecil, maka dikatakan tidak reliabel.

Kategori koefisien reliabilitas (Guilford, 1956) adalah sebagai berikut:

➢ 0,80 < 𝛼 ≤ 1,00 reliabilitas sangat tinggi

➢ 0,60 < 𝛼 ≤ 0,80 reliabilitas tinggi

➢ 0,40 < 𝛼 ≤ 0,60 reliabilitas sedang

➢ 0,20 < 𝛼 ≤ 0,40 reliabilitas rendah

➢ -1,00 ≤ 𝛼 ≤ 0,20 reliabilitas sangat rendah (tidak reliable)

Setelah dilakukan uji validitas dan reliabilitas, perhitungan selanjutnya menggunaka analisis faktor. Analisis faktor adalah metode statistik untuk menganalisis sejumlah variabel dalam hal interkorelasinya. Seperti halnya analisis komponen utama, analisis faktor juga merupakan teknik mereduksi dan meringkas data.

Tujuan utama dari analisis faktor, yaitu untuk memilih faktor-faktor yang dapat menjelaskan keterkaitan (interrelationship) antarvariabel asli atau menjelaskan arti dari variabel-variabel dalam himpunan data (Nugroho, 2008).

Analisis faktor terdiri dari beberapa tahap yaitu (Supranto, 2004) :

a. Merumuskan masalah

Rumusan masalah perlu dilakukan secara jelas dari tujuan analisis faktor dan variabel yang akan dipakai harus diterapkan berdasarkan penelitian, teori dan pendapat peneliti sendiri. Jumlah elemen sampel harus mencukupi yaitu minimal 4 (empat) atau 5 (lima) kali variabel yang diteliti.

b. Membuat matrik korelasi

Dalam penelitian ini matriks korelasi digunakan sebagai dasar analisis faktor. Kemudian hipotesis matriks korelasi diuji. Ada dua macam pengujian yang akan dilakukan yaitu (Nugroho, 2008):

a) Uji Bartlett

Uji Bartlett digunakan untuk menguji apakah matriks korelasi yang dihasilkan merupakan matriks identitas, dimana matriks identitas menunjukkan bahwa ada korelasi antar variabel. Uji Bartlett akan menolak H0 jika nilai 𝜆_𝑜𝑏𝑠² > 𝜆_{𝛼,𝑝(𝑝−1)/2}² . Jika H0 ditolak maka matriks korelasinya bukan matriks identitas, tetapi jika H0 diterima maka korelasinya adalah matriks identitas.

b) Statistik Kaiser Meyer Olkin (KMO)

Untuk mengetahui apakah data pengamatan yang ada layak untuk dianalisis lebih lanjut dengan analisis faktor atau tidak dapat menggunakan statistik ini. Syarat untuk dapat melakukan analisis faktor adalah data dari variabel yang dianalisis harus memiliki nilai statistik KMO (Kaiser Meyer Olkin) minimal sebesar 0,5.

Penilaian uji KMO (Kaiser Meyer Olkin) dari matriks antar variabel adalah sebagai berikut :

• 0,9 < KMO (Kaiser Meyer Olkin)  1,00 → unit observasi sangat baik untuk analisis faktor

• 0,8 < KMO (Kaiser Meyer Olkin)  0,9 → unit observasi baik untuk analisis faktor

• 0,7 < KMO (Kaiser Meyer Olkin)  0,8 → unit observasi agak baik untuk analisis faktor

• 0,6 < KMO (Kaiser Meyer Olkin)  0,7 → unit observasi lebih dari cukup untuk analisis faktor

• 0,5 < KMO (Kaiser Meyer Olkin)  0,6 → unit observasi cukup untuk analisis faktor

• KMO (Kaiser Meyer Olkin)  0,5 → unit observasi tidak layak untuk analisis faktor

c. Ekstraksi Faktor

Ekstraksi faktor adalah langkah inti dari analisis faktor, yaitu mengurangi sejumlah variabel asal (misalnya variabel p) menjadi sejumlah kecil faktor (misalnya faktor k), dimana pk. Ekstraksi faktor dilakukan dengan metode komponen utama. Metode yang digunakan untuk tujuan ini adalah Principal Component Analysis (PCA). Penentuan banyaknya faktor yang masing-masing faktornya merupakan gabungan dari beberapa faktor yang saling berhubungan (berkorelasi) didasarkan pada besarnya eigenvalue, percentage of variance dari masing-masing faktor yang muncul. Semakin besar

eigenvalue setiap faktor semakin representatif faktor tersebut untuk mewakili sekelompok variabel. Faktor yang dipilih adalah faktor yang memiliki eigen value >1.

1. Penentuan apriori. Jumlah faktor yang diekstraksi ditentukan berdasarkan teori, hipotesis dan penelitian sebelumnya.

2. Kriteria akar ciri (eigen value). Dalam pendekatan dengan kriteria ini, hanya faktor yang memiliki lebihd ari satu akar ciri (>1) yang dianggap signifikan dan dimasukkan dalam model faktor.

3. Kriteria persentase keragaman. Kriteria ini menentukan jumlah faktor yang diekstraksi berdasarkan persentase kumulatif varians yang dijelaskan oleh faktor-faktor berurutan yang mencapai tingkat kepusaan tertentu.

4. Kriteria Uji Scree. Kriteria ini digunakan untuk menentukan jumlah faktor yang optimum, dengan membuat scree plot, yaitu kurva yang diperoleh dengan memplot faktor (sebagai sumbu horizontal) dan akar cirinya (sebagai sumbu vertikal). Kemudian ketajaman kurva terlihat untuk menentukan titik keluaran (out of points), yaitu saat kurva mulai menyerupai garis horizontal.

d. Rotasi Faktor

Pada umumnya faktor-faktor yang telah diperoleh masih sukar untuk diinterpretasikan secara langsung. Oleh karena itu, rotasi matriks L atau faktor pembobotan dilakukan dengan mengubah faktor penimbangan awal menjadi faktor penimbangan baru untuk

meningkatkan daya interpretasi. Ada dua macam rotasi, yaitu rotasi ortogonal dan rotasi oblique.

Rotasi ortogonal merupakan rotasi yang mempertahankan ortogonalitas faktor-faktor (membuat sudut kedua sumbu faktor bersama-sama 90), sedangkan rotasi oblique tidak memperhatikan sifat ortogonal (sudut dari kedua sumbu faktor joint tidak harus 90).

Ada tiga jenis rotasi ortogonal, yaitu varimax, quartimax, dan equamax. Dari kedua jenis rotasi ini, beberapa ahli menyarankan rotasi ortogonal terutama varimax (variance of maximum), karena rotasi ini lebih dekat dengan kenyataan daripada yang lain. Rotasi varimax merupakan rotasi yang membuat jumlah varians dari faktor-faktor yang memuat loading kuadrat di setiap faktor-faktor menjadi maksimum (Johnson dan Dean, 1998). Metode rotasi ini adalah memaksimalkan pembobotan faktor dan mengakibatkan variabel asal hanya memiliki korelasi yang tinggi dan kuat dengan faktor-faktor tertentu (korelasinya mendekati 1) dan memiliki korelasi yang lemah dengan faktor-faktor lain (korelasinya mendekati 0).

e. Interpretasi Faktor

Pada tahap ini, pemberian nama (interpretasi) dari faktor-faktor yang telah terbentuk. Penamaan faktor didasarkan pada peubah-peubah variabel yang mendominasi faktor tersebut, dilihat dari pola pembobotan faktor, baik tanda maupun besaran. Syarat penamaan faktor bersifat subjektif, bahkan faktor yang tidak disebutkan

namanya sering ditemukan karena variabel yang dominan pada faktor tersebut tidak memiliki ciri yang khas.