Metode Pengolahan dan Analisis Data

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 responden 

Bila 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 total}

å 

2  b s  = jumlah varians butir/pernyataan  Dengan rumus varian yang digunakan adalah :

( ) 

n  ⁿ  X  X

å

-

^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.