Motivasi adalah motifyang berasal dari faktor-faktor luar / lingkungan yang mendorong munculnya gairah belajar siswa bimbingan belajar Primagama
Adapun beberapa indicator yang terdapat dalam variabel motivasi eksentrik adalah sebagai berikut :
a. Penghargaan ( Y1)
sesuatu yang diberikan oleh staff pengajar Primagama apabila siswanya mendapatkan nilai diatas rata-rata
dengan cara memberikan sesuatu atau hadiah untuk memacu siswa agar belajar lebih giat lagi.
b. Pujian ( Y2 )
sesuatu yang diberikan oleh staff pengajar Primagama apabila siswanya bisa mengikuti pelajaran dengan baik dan bisa menyelesaikan tugas yang diberikan tepat waktu dengan cara memuji tugas siswanya baik.
c. Hukuman ( Y3)
Sesuatu yang diberikan oleh staff pengajar Primagama apabila siswanya terlambat mengikuti pelajaran dikarenakan tidak fokus atau bercanda dengan temannya dengan cara memberikan tugas tambahan yang dikerjakan dirumah.
d. Celaan ( Y4 )
sesuatu yang diberikan oleh staff pengajar Primagama apabila siswanya kurang bisa mengikuti proses belajar mengajar dengan cara menyindir tugas yang dikerjakan kurang benar dan tepat untukn memacu siswa agar belajar lebih giat lagi.
e. Meniru tingkah laku seseorang ( Y5 )
sesuatu yang diberikan oleh staff pengajar Primagama apabila siswanya malas untuk mengikuti pelajaran bimbel dengan cara menunjukkan atau membandingkan dirinya
dengan siswa lainnya yang lebih rajin agar sifswa tersebut termotivasi untuk jadi lebih baik.
3.1.2. Pengukuran Va r iabel
Skala pengukuran yang digunakan ialah Skala Likert, yaitu skala jarak antara data satu dengan data yang lain sama tetapi tidak merupakan nilai nol absolute (Indrianto dan Supomo, 2002:105). Analisis dilakukan dengan meminta responden untuk menyatakan pendapatan tentang serangkaian yang berkaitan obyek yang diteliti dalam bentuk nilai yang berada 2 sisi.
Skala pengukuran yang digunakan adalah interval dan skala data yang digunakan adalah Semantic Differential Scale. Skala ini disusun dalam suatu garis kontinu dengan jawaban positifnya yang terletak di sebelah kanan dan jawaban negative di sebelah kiri, atau sebaliknya skala data yang digunakan adalah interval 1 sampai 7, di gambarkan sebagai berikut :
1 7
Sangat Tidak Setuju Sangat
Tanggapan atau pendapatan tersebut dinyatakan dengan member skor yang berada dalam rentang 1 sampai dengan 7 pada masing-masing skala, dimana nilai 1 menunjukan nilai terendah dan nilai 7 nilai tertinggi.
Dengan criteria 1=sangat tidak setuju, 2=tidak setuju, 3=agak tidak setuju, 4=netral, 5=agak setuju, 6=setuju, 7=sangat setuju.
3.1.3. Teknik Penentuan Populasi 1. Populasi
Populasi adalah wilayah generalisasi yang terdiri atas: obyek atau subyek yang mempunyai kualitas dan karakteristik tetentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. (Sugiyono, 2004:72). Populasi dalam penelitian ini adalah seluruh siswa dari ketiga bimbingan primagama di surabaya timur yaitu : Primagama Nginden , Primagama Ngagel Jaya , Primagama Rungkut.
2. Sampel
Sampel adalah bagian dari keseluruhan populasi yang menjadi obyek dari suatu penelitian. Sampel dipilih berdasarkan teknik purposive sampling, yaitu teknik penentuan sampel dengan pertimbangan atau criteria tertentu (Sugiono, 2003:61). Sampel dalam penelitian ini adalah siswa SMA dari ketiga bimbingan
primagama di surabaya timur yaitu : Primagama Nginden , Primagama Ngagel Jaya , Primagama Rungkut.
Untuk jumlah sampel menggunakan pedoman sebagai berikut (Ferdinand, 2002:48) :
a)100-200 sampel untuk teknik Maksimum Likelihood Estimation. b)Tergantung pada jumlah parameter yang diestimasi, dengan
pedoman 5-10 kali parameter yang diestimasi.
c) Tergantung pada jumlah indicator yang digunakan dalam seluruh variable latent. Jumlah sampel adalah jumlah indicator dikali 5-10. Bila terdapat 17 indikator, besarnya sampel 100-200.
d)Bila terdapat 17 indikator, jika dikalikan 7 maka besarnya sampel adalah 119sampel.
Sampel dalam penelitian ini adalah sebanyak 119siswa SMA siswa dari ketiga bimbingan primagama di surabaya timur yaitu : Primagama Nginden , Primagama Ngagel Jaya , Primagama Rungkut.
3.1.4. J enis Data Data Primer
Data primer yang diolah dalam penelitian ini diperoleh dengan menyebarkan kuesioner kepada siswa SMA yang telah muengikuti bimbingan belajar Primagama di Surabaya Timur.
3.1.5. Teknik Pengumpulan Data a. Observasi
Yaitu pengamatan langsung pada siswa yang belajar di bimbingan belajar Primagama di Surabaya timur.
b. Wawancara
Yaitu melakukan wawancara dengan siswa bimbingan belajar di Primagama di Surabaya Timur untuk memperoleh informasi atau data-data yang diperlukan untuk kebutuhan penilitian.
c. Kuesioner
Yaitu teknik memberikan angket kepada responden berdasarkan karakteristik.
3.2. Teknik Analisis dan Pengujian Hipotesis 3.2.1. Teknik Analisis
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Modeling [SEM]. Model pengukuran factor sikap, perilaku konsumen, keputusan pembelian, factor intern, factor ekstern, menggunakan Confirmatory Factor Analysis. Penaksiran pengaruh masing-masing variable bebas terhadap variable terikatnya menggunakan koefisien jalur.
3.2.2. Pengujian Hipotesis
3.2.2.1.Asumsi Model (Structural Equation Modeling)
Pada permodalan SEM terdapat asumsi-asumsi yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang di analisis adalah sebagai berikut:
1. Uji Nor malitas Sebaran dan Linear itas
a) Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistic.
b) Menggunakan Critical ratio yang diperoleh dengan membagi koefisien sampel dengan standart errornya dan Skewness Value yang biasanya disajikan dalam deskriptif dimana nilai statistic untuk menguji normalitas itu disebut sebagai Z-value. Pada tingkat signifikansi 1% jika nilai Z lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tidak normal.
c) Normal Probability plot (SPSS 10.1)
d) Linieritas dengan mengamati scatter plots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya liniearitas.
2. Evaluasi atas Outlier
a) Mengamati nilai Z-Score: ketentuannya diantara ± 3,0 non outler
b) Multivariate Outlier diuji dengan criteria jarak Mahalonobis pada tingkat p < 0,001. Jarak diuji dengan Chi-Square (X) pada df sebesar jumlah variable bebasnya. Ketentuan: bila Mahalonobis > dari nilai x adalah multivariate outlier.
c) Outlier adalah observasi yang minvul dengan nilai-nilai ekstrim baik secara univariat maupun multivariate yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh dari observasi-observasi lainnya. d) Deteksi Multicollinierity dan Singularity
e) Dengan mengamati determinan matriks convarians. Dengan ketentuan apabila determinan sample mendekati angka 0 (kecil), maka terjadinya multicollinieritas dan singularitas [Tabachnick & Fidel, 1998]
f) Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indicator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur, sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indicator-indicator sebuah konstruk yang menunjukan derajat sampai dimana masing-masing indicator itu mengidentifikasi sebuah konstruk yang umum. Karena indicator multidimensi, maka uji validitas dari setiap latentvariable/construct akan diuji dengan melihat loading factor dari hubungan antara
setiap observed variable dan latent variable. Sedangkan realibilitas diuji dengan construct realiability dan variable - extracted dihitung rumus berikut:
Construct Reliability = [ ∑ Standardize Loading ] [[ ∑ Standardize Loading ] + ∑ ε j] VarianceExtracted = [ ∑ Standardize Loading ] [[ ∑ Standardize Loading ] + ∑ ε j]
Sementara εj dapat dihitung dengan formula ε j = 1 - (standadisze loading). Secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0,7 dan variance axtracted ≥ 0,5 [Hair et,al., 1998]. Standardize Loading dapat diperoleh dari output AMOS 4.01, dengan melihat nilai estimasi setiap contuct standardize regression weinght terdapat setiap butir sebagai indikatornya.
3.2.2.2.Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung [koefisien jalur] diamati dari bobot regresi terstandat, dengan pengujian signifikan pembandingan nilai CR (Critical Ratio) atau p (Probability) yang sama dengan nilai hitung thitung. Apabila nilai thitunglebih besar dari pada ttable berarti signifikan.
3.2.2.3.Pengujian Hipotesis dan one step Approach
Dalam metode SEM, model pengukuran dan model structural parameter-parameternya diestimasi secara bersama-sama. Cara ini agal mengalami kesulitan dalam memenuhi fit Model. One Step Approach to SEM digunakan apabila model di yakini landasan teori yang kuat serta validitas dan realibilitas yang sangat baik.
3.2.2.4.Evaluasi Model
Hair et.al., 1998, menjelaskan bahwa pola “confirmatory” menunjukan prosedur yangdirancang untuk mengavaluasi utilitas hipotesis-hipotesis dengan pengujian fit antara model dan emperis. Jika model teoritis menggambarkan “good fit” dengan data, maka model dianggap sebagai yang terkuat. Sebaliknya, suatu model teoritis tidak diperkuat jika teori tersebut mempunyai suatu “poor fit” dengan data, Amos dapat mengujia apakah model “good fit” atau “poor fit” yang diuji sangat penting dalam penggunaan structural equation modeling.
Pengujian terhadap model yang dikembangkan dengan criteria Goodness of Fit, yakni Chi-square, Probability, RMSEA, GFI, TLI, CFI, AGFI, CMIN/DF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan pendekatan two step approach to SEM.
Dalam analisis SEM tidak ada alat uji statistic tinggal untuk mengukur atau menguji hipotesis mengenai model. Beberapa indeks kesesuaian dan out-off value untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak adalah :