III. METODOLOGI PENELITIAN
3.9. Metode Pengolahan dan Analisis Data
Setelah kuisioner terbentuk, langkah awal yang dilakukan adalah menguji validitas kuisioner. Uji validitas dilakukan dengan menggunakan teknik korelasi product moment, uji validitas ini digunakan untuk menghitung nilai korelasi (r) antara data pada masingmasing pertanyaan dengan skor total. Validitas menunjukkan sejauh mana alat ukur dapat mengukur apa yang ingin diukur (Umar, 2003). Kuesioner yang dikatakan memiliki butirbutir pertanyaan kuesioner yang saling berhubungan dengan konsepkonsep yang diinginkan. Apabila ada pertanyaan yang tidak berhubungan, maka pertanyaan tersebut tidak valid, dan akan dihilangkan atau diganti dengan konsep pertanyaan lain yang lebih sahih (Umar, 2003). Rumus yang digunakan :
å
-å å å å å
-å
- = ) ) ( ( ) ( ( n X 2 X 2 n Y 2 Y 2 Y X XY n r …...(2) Dimana : rxy = korelasi antara x dan y x = skor pernyataan y = skor total pernyataan n = jumlah respondenBila diperoleh r hitung lebih besar dari r tabel pada tingkat signifikansi (α) 0.05 maka pernyataan pada kuesioner mempunyai
validitas konstruk atau terdapat konsistensi internal dalam pernyataan tersebut dan layak digunakan.
3.9.2. Uji Reliabilitas
Reliabilitas adalah suatu nilai yang menunjukkan konsistensi suatu alat ukur dalam mengukur gejala yang sama (Umar, 2003). Uji reliabilitas akan dilakukan dengan menggunakan rumus alpha. Uji ini dilakukan untuk mengetahui keandalan kuisioner. Nilai r hitung dibandingkan dengan r tabel, jika r hitung lebih besar dari nilai r tabel maka dapat dinyatakan bahwa kuesioner tersebut reliabel. Rumus yang digunakan adalah : ÷ ÷ ø ö ç ç è æ - ÷ ø ö ç è æ - =
å
2 2 11 1 1 t b k k r s s ...( 3 ) Keterangan : 11 r = reliabilitas instrumen k = banyaknya butir pernyataan 2 t s = varians totalå
2 b s = jumlah varians butir/pernyataan Dengan rumus varian yang digunakan adalah :( )
n n X Xå
-å
= 2 2 2 s ...( 4 ) Dimana : n = jumlah responden X = nilai skor yang dipilih (total nilai dari nomornomor butir pertanyaan/pernyataan).Setelah didapat korelasi hitung, lalu dibandingkan dengan korelasi pada Tabel r product moment dengan taraf signifikansi 5 persen. Jika r yang dihitung lebih besar dari r pada tabel, maka kuesioner tersebut tidak reliabel.
3.9.3. Analisis Faktor
Analisis faktor merupakan sebuah metode peubah ganda yang bertujuan untuk menjelaskan hubungan antara banyak peubah berkorelasi yang sulit diamati (unobservable) menjadi peubah yang lebih sedikit, relatif bebas, namun tetap berarti secara konseptual. Model analisis faktor dapat ditulis sebagai berikut :
Xi = ai1F1 + ai2F2 + ... + aijFj +εi ...(5) Keterangan :
Xi = Peubah amatan kei yang telah distandarisasi Fj = Faktor bersama kej (j = 1,2,...., m)
aij = Pembobot dari faktor kej pada peubah kei (faktor loading) εi = Galat dari respon kei
i = 1,2,3,...., P
Peubah yang diolah dalam analisis faktor diambil dari Experiential Module yang terdiri dari sense, feel, think, act dan relate dan Experience Providers yang terdiri dari komunikasi identitas, kehadiran produk, cobranding, lingkungan, website dan orang serta mengacu pada penelitianpenelitian terdahulu tentang experiential marketing.
Faktor bersama (common factor) adalah faktor yang keragamannya menyebar pada beberapa peubah amatan, sedangkan faktor unik (unique factor) merupakan faktor yang keragamanannya berada pada satu peubah amatan saja. Faktor unik ini merupakan penjumlahan dari dua bagian yang tidak saling berkorelasi yaitu faktor spesifik dan galat.
Ragam dari variabel respon Xi diterangkan oleh dua komponen yaitu komponen hi² dan ψi. Komponen hi disebut sebagai komunalitas (communality) yang menunjukkan proporsi ragam Xi yang diterangkan oleh m faktor bersama (secara bersamasama). Dengan kata lain hi² merupakan jumlah kuadrat bobot (loadings) dari variabel respon Xi pada m faktor bersama,
sedangkan komponen ψi merupakan proporsi ragam dari variabel respon Xi yang disebabkan oleh faktor spesifik atau galat (error) dan disebut sebagai ragam spesifik (spesific variance).
Hasil loading faktor biasanya tidak terlalu bagus untuk diinterpretasikan sehingga dilakukan rotasi terhadap matriks loading. Rotasi merupakan pemutaran sumbu faktor dengan sudut tertentu sehingga mendapatkan sumbu faktor baru tanpa perubahan pada konfigurasi peubah asal. Rotasi faktor terdiri dari 2 jenis yaitu rotasi ortogonal (faktor hasil rotasi tidak saling berkorelasi) dan oblique (faktor hasil rotasi yang saling berkorelasi). Pada rotasi ortogonal tidak merubah nilai total proporsi keragaman yang dijelaskan oleh faktorfaktor bersama yang diperoleh. Metode yang umum digunakan adalah varimax. Metode rotasi ini menitikberatkan pada kesederhanaan kolomkolom matriks bobotnya, jadi hanya pada salah satu faktor yang berisikan beberapa peubah saja yang mempunyai bobot tertinggi. Konsep yang digunakan pada metode varimax ini akan memudahkan interpretasi peubah untuk tiap faktor.
Interpretasi faktor didasarkan atas nilai faktor loading (aij), semakin besar aij, berarti semakin besar peubah amatan tersebut (peubah kei) berkorelasi dengan faktor kej. Berdasarkan hal tersebut, maka setiap faktor diberi nama (secara subjektif) sesuai dengan ciri sekelompok peubah yang aijnya besar pada faktor tersebut. Untuk menganalisis data analisis faktor menggunakan program SPSS 13for Windows.
Menurut Santoso dan Tjiptono dalam Rahmat (2003), secara garis besar tahapan pada analisis faktor adalah sebagai berikut :
1. Pemilihan variabel yang layak dimasukkan ke dalam analisis faktor. Karena analisis faktor berupaya mengelompokkan sejumlah variabel, maka seharusnya ada korelasi yang cukup kuat diantara variabel sehingga akan terjadi pengelompokan .
Kaiser MeyerOlkin Measure of Sampling Adequacy (KMO MSA) and Barlett’s test dapat digunakan untuk keperluan tersebut. Bila angka KMO MSA di atas 0.5 maka kumpulan variabel tersebut dapat diproses lebih lanjut.
2. Setelah sejumlah variabel terpilih, maka dilakukan ekstraksi variabel hingga menjadi satu atau beberapa faktor. Metode pencarian faktor yang populer diantaranya adalah Komponen Utama (Principal Component Method).
3. Untuk memperjelas apakah faktor yang terbentuk sudah secara signifikan berbeda dengan faktor lain, maka dilakukan proses rotasi. Hal ini dilakukan, karena biasanya faktor yang terbentuk kurang menggambarkan perbedaan diantara faktorfaktor yang ada sehingga menyulitkan analisis.
4. Menghilangkan angka pada tabel (factor loading) yang berada dibawah 0.5 sebagai angka pembatas (cut off point) agar sebuah variabel dapat secara nyata termasuk sebuah faktor. Factor loading adalah besar korelasi antara suatu variabel dengan faktornya.
5. Menamakan faktor yang terbentuk. Penamaan faktor tergantung pada namanama variabel yang terkumpul pada satu faktor dan interpretasi masingmasing analisis, sehingga sebenarnya pemberian nama bersifat secara subjektif, karena tidak ada ketentuan pasti mengenai pemberian nama tersebut.
Kelebihan analisis faktor adalah dapat menerangkan struktur hubungan diantara banyak variabel yang diamati dalam sejumlah kecil faktorfaktor yang merupakan besaran acak yang tidak dapat diukur secara langsung. Analisis ini juga memiliki kelemahan yaitu analisis ini memiliki banyak pemecahan masalah yang dikemukakan para ahli, sehingga akhirnya tergantung penilaian peneliti mengenai kegunaan dan interpretabilitas ilmiahnya.
3.9.3. Analisis Diskriminan
Analisis diskriminan adalah teknik multivariate yang termasuk dependence methode, yaitu adanya variabel terikat (dependen) dan variabel bebas (independen), dengan ciri khusus adalah data variabel terikat harus berupa kategori dan variabel bebas berupa non kategori (Santosodalam sutisna 2005).
Model analisis diskriminan dengan kombinasi linear adalah sebagai berikut :
D = b0 + b1aX1a + b2aX2a + ... + bnaXna ...(6) Dimana
D : Perilaku pasca pembelian, terdiri dari tiga grup, yaitu repeat customer, clients dan Advocates
bo : Konstanta persamaan diskriminan b1ana : Penduga parameter (koefisien)
X1ana : Faktor komponen utama 1 (X1a), faktor komponen utama 2 (X2a), sampai dengan faktor komponen utama kena hasil dari pengolahan dengan Principle Component Analysis.
Hasil berupa model diskriminan akan diperoleh dengan baik apabila telah memenuhi asumsiasumsi sebagai berikut : terdapat tiga asumsi penting sebelum proses pengolahan dengan analisis diskriminan dilakukan (Santoso, 2004), yaitu :
1. Multivariate normality, yaitu variabel bebas berdistribusi normal. Asumsi ini akan diuji dengan metode Kolmogorov Smirnov dan ShapiroWilk. Variabel akan valid apabila signifikan lebih besar dari 0,05.
2. Matriks kovarians dari semua variabel dalam populasi harus sama. Nilai signifikansi dan probabilitas F Box’s kurang dari 0.05 digunakan untuk menguji asumsi ini valid.
3. Tidak ada korelasi antar variabel bebas. Hasil dari analisis faktor dapat memberikan faktorfaktor yang tidak berkorelasi satu sama lain.