METODE PENELITIAN
6) Purchase Intention
Teori niat beli (purchase intention) didasari oleh teori alasan bertindak (Fishbein dalam Peter dan Olson, 2006:147). Teori ini mengasumsikan bahwa konsumen selalu mempertimbangkan secara sadar konsekuensi dari pemilihan alternatif yang berakibat keinginan (niat) untuk melakukan/bertindak sesuai dengan pilihan perilaku.
Purchase intention dioperasionalkan dengan indikator-indikator sebagai
berikut : (a) Berniat sering membeli merek ini, (b) Berencana lebih sering membeli merek ini, (c) Berniat menyarankan kepada orang lain. Indikator tersebut digunakan dan diukur dengan menggunakan 5 point skala likert. Dengan ukuran 1 = sangat tidak setuju hingga 5 = sangat setuju.
D. SUMBER DATA
Sumber data yang dipergunakan dalam penelitian ini berupa data primer yaitu data yang dikumpulkan dari penelitian secara langsung dari obyeknya (Sekaran, 2000). Data primer adalah data yang diperoleh dari sumber pertama dari perorangan seperti hasil dari wawancara atau pengisian kuesioner. Dalam penelitian ini, data primer diperoleh dari jawaban responden yang disebarkan melalui kuesioner dengan tipe tertutup, yaitu dengan memberikan daftar pertanyaan kepada responden dan responden memilih alternatif jawaban yang tersedia, responden tidak diberi kesempatan menjawab yang lain diluar jawaban yang telah disediakan (Nasir, 2003).
commit to user
44
E. METODE ANALISIS DATA
1) Uji Instrumen
Uji instrumen merupakan pengujian yang diawali dengan pengujian validitas dan reliabilitas dalam penelitian. Hal ini bertujuan untuk memberikan jaminan bahwa data yang diperoleh telah memenuhi kritetria kelayakan untuk diuji dengan menggunakan metode statistik apapun jenisnya. Dengan demikian, hasil yang diperoleh mampu menggambarkan fenomena bisnis yang diukur (Ferdinand, 2002).
a. Uji Validitas
Pengujian ini digunakan dengan tujuan untuk mengetahui ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya (Jogiyanto, 2004). Suatu instrumen dianggap memiliki validitas yang tinggi apabila dapat memberikan hasil pengukuran yang sesuai dengan tujuannya.
Uji validitas digunakan untuk memilih item-item pertanyaan yang relevan untuk dianalisis. Pada penelitian ini, peneliti melakukan uji validitas dengan menggunakan Confirmatory Factor
Analysis (CFA) dikarenakan konstruk yang hendak diuji
merupakan pengujian kembali dari penelitian yang telah dilakukan sebelumnya, dimana pada penelitian yang sebelumnya telah berhasil mengidentifikasikan faktor-faktor yang membentuk konstruk.
commit to user
45
Kriteria data yang dapat dianalisis dalam analisis faktor adalah data yang menunjukkan KMO MSA (Kaiser-Meyer-Olkin
Measure of Sampling Adequacy) ≥ 0,5 dan Bartlett’s Test of
Sphericity dengan signifikansi ≤ 0,05 Item pertanyaan dikatakan
valid jika memiliki factor loading ≥ 0,4 dan terekstrak sempurna pada satu faktor yang sama (Simamora, 2005).
Menurut Hair et al. (1998) menyatakan bahwa jumlah sampel minimum yang digunakan dalam analisis faktor adalah 50 responden. Sehingga pada tahap pertama peneliti menyebar 50 kuesioner guna pengujian pendahuluan (pretest) untuk menguji validitas dan reliabilitas.
Uji Validitas Pretest
Sebelum melakukan penyebaran ke sampel besar, peneliti terlebih dahulu melakukan pretest kepada 50 responden guna kepentingan uji validitas dan reliabilitas. Berikut ini hasil uji validitas pada pretest :
Tabel III. 1
Hasil KMO dan Bartlett’s Test Pretest 1
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .619
Bartlett's Test of Sphericity Approx. Chi-Square 723.411
df 253
Sig. .000
commit to user
46
Berdasarkan nilai KMO dan Bartlett’s Test pada Tabel III.1, model analisis faktor yang digunakan sudah memenuhi kriteria
goodness of fit yang baik. Hal ini diindikasikan melalui skor KMO
sebesar 0,619 (>0,50).
Tabel III.2
Hasil Uji Validitas Pretest 1
Rotated Component Matrixa
Component 1 2 3 4 5 6 SC1 .720 SC2 .729 SC3 .774 SC4 .712 SC5 .680 NF1 .445 .668 NF2 -.438 .540 .448 NF3 .705 NF4 .842 NF5 .686 CI1 .684 CI2 .745 CI3 .495 PQ1 .819 PQ2 .869 PQ3 .788 EV1 .737 EV2 .804 EV3 .901 EV4 .846 PI1 .584 PI2 .707 PI3 .745 .
commit to user
47
Berdasarkan hasil uji validitas pada Tabel III.2 di atas, hasil uji validitas pretest pertama dinyatakan tidak valid karena item pertanyaan yang menjadi indikator masing-masing variabel tidak terekstrak secara sempurna. Dapat dilihat pada banyaknya indikator yang berada pada dua tempat variabel, seperti NF1, NF2, NF4, dan NF5 Sehingga peneliti melakukan pretes kedua, kepada 50 responden yang berbeda dan melakukan perbaikan pada item-item pertanyaan pada kuesioner. Hasil uji validitas pada pretest
kedua dapat dilihat pada Tabel III. 3 :
Tabel III. 3
Hasil KMO dan Bartlett’s Test Pretest 2
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .649
Bartlett's Test of Sphericity Approx. Chi-Square 667.009
df 253
Sig. .000
Berdasarkan nilai KMO dan Bartlett’s Test pada Tabel III.3, model analisis faktor yang digunakan sudah memenuhi kriteria
goodness of fit yang baik. Hal ini diindikasikan melalui skor KMO
sebesar 0,649 (>0,50).
commit to user
48
Rotated Component Matrixa
Component 1 2 3 4 5 6 SC1 .724 SC2 .672 SC3 .779 SC4 .731 SC5 .700 NF1 .804 NF2 .516 .480 NF3 .570 NF4 .417 .470 NF5 .485 CI1 .752 CI2 .777 CI3 .559 .417 PQ1 .801 PQ2 .876 PQ3 .803 EV1 .736 EV2 .789 EV3 .918 EV4 .836 PI1 .806 PI2 .713 PI3 .843
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 8 iterations.
Tabel III.4
Hasil Uji Validitas Pretest 2
commit to user
49
Hasil pretest kedua pada Tabel III.4 di atas, meskipun kuesioner telah disebar kepada 50 responden yang berbeda dan item-item pertanyaan pada kuesioner telah diperbaiki, beberapa item dinyatakan tidak valid. Hal ini ditunjukan dengan item-item tersebut tidak terekstrak sempurna. Dapat dilihat pada adanya indikator yang mengukur di dua factor loading , seperti NF2, NF4, NF5 dan CI3. Langkah selanjutnya peneliti masih memperbaiki tata bahasa untuk memperbaiki item pertanyaan tersebut. Sehingga peneliti melakukan pretest ketiga, kepada 50 responden yang berbeda. Hasil uji validitas pada pretest ketiga dapat dilihat pada Tabel III. 5.
Tabel III. 5
Hasil KMO dan Bartlett’s Test Pretest 3
Berdasarkan nilai KMO dan Bartlett’s test pada Tabel III.5, model analisis faktor yang digunakan memenuhi kriteria goodness
of fit yang baik. Hal ini diindikasikan melalui skor KMO sebesar
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .520
Bartlett's Test of Sphericity Approx. Chi-Square 637.551
df 253
Sig. .000
commit to user
50
0,520 (>0,50) dan signifikansi Bartlett’s test of sphericity sebesar 0,000 (<0,005).
Rotated Component Matrixa
Component 1 2 3 4 5 6 SC1 .734 SC2 .705 SC3 .860 SC4 .723 SC5 .579 NF1 .750 NF2 .726 NF3 .667 NF4 .614 NF5 .706 CI1 .860 CI2 .805 CI3 .788 PQ1 .882 PQ2 .875 PQ3 .888 EV1 .793 EV2 .822 EV3 .893 EV4 .801 PI1 .785 PI2 .872 PI3 .806
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 5 iterations.
Tabel III.6
Hasil Uji Validitas Pretest 3
commit to user
51
Berdasarkan hasil uji validitas pretest pada Tabel III.6 diatas, maka item-item pertanyaan kuesioner dapat dikatakan valid, karena setiap item pertanyaan yang menjadi indikator masing-masing variabel telah terekstrak secara sempurna.
Hasil dari pengujian analisis faktor menunjukkan bahwa yang masuk ke faktor 1 dengan loading factor besar dan dikatakan valid adalah item pertanyaan EV1, EV2, EV3 dan EV4 sedangkan yang masuk faktor 2 dengan loading factor besar dan dikatakan valid adalah item pertanyaan SC1, SC2, SC3, SC4 dan SC5; yang masuk faktor 3 dengan loading factor besar dan dikatakan valid adalah item pertanyaan PQ1, PQ2 dan PQ3, pada faktor 4 dengan loading
factor besar dan dikatakan valid adalah item pertanyaan NF1, NF2,
NF3, NF4 dan NF5, kemudian untuk faktor 5 dengan loading
factor besar dan dikatakan valid adalah item pertanyaan PI1, PI2
dan PI3 serta yang masuk faktor 6 dengan loading factor besar dan dikatakan valid adalah item pertanyaan CI1, CI2 dan CI3
Hal ini juga diperkuat dengan hasil perhitungan KMO sebesar 0,520 yang lebih besar dari 0,5. Oleh karena item-item pertanyaan telah teruji kevalidannya.
commit to user
52
b. Uji Reliabilitas
Pengujian ini merupakan pengujian statistik yang relevan untuk mengukur kehandalan atau konsistensi internal dari sebuah instrumen penelitian. Dalam penelitian ini teknik analisis yang digunakan adalah Cronbach Alpha, dengan kriteria reliabel sebesar > 0,60. Tujuannya adalah untuk memberikan jaminan bahwa data yang diperoleh telah memenuhi kriteria untuk diuji dengan menggunakan berbagai jenis metode statistik metode yang ada. Kategori koefisien alpha dari satu pengujian adalah sebagai berikut:
1. 0,8 - 1 : Reliabilitas baik.
2. 0,6 – 0,79 : Reliabilitas dapat diterima. 3. < 0,6 : Reliabilitas kurang baik.
Uji Reliabilitas Pretest
Variabel Cronbach's Alpha Keteragan
Self Concept
Need For Uniqueness Clothing Interest Perceived Quality Emotional Value Purchase Intention 0,786 0,741 0,782 0,900 0,874 0,805 Reliabel Reliabel Reliabel Reliabel Reliabel Reliabel Tabel III.7
Hasil Uji Reliabilitas Pretest 3
commit to user
53
Berdasarkan hasil uji reliabilitas pretest seperti yang terlihat pada Tabel III.7 di atas, dapat disimpulkan bahwa kehandalan alat ukur sangat tinggi dan dapat dipercaya karena nilai reliabilitas terletak pada indeks yang tinggi sehingga dengan demikian seluruh item pertanyaan dalam kuesioner penelitian ini dinyatakan reliabel.
Instrumen penelitian telah memenuhi validitas dan reliabilitas, dengan demikian instrumen tersebut telah dapat digunakan untuk alat pengumpul data untuk sampel besar.
Langkah-langkah dalam permodelan SEM adalah sebagai berikut:
1) Pengembangan Model Berdasar Teori
Model persamaan struktural didasarkan pada hubungan kausalitas, dimana perubahan satu variabel diasumsikan akan berakibat pada perubahan variable lainnya. Kuatnya hubungan kausalitas antara dua variabel yang diasumsikan oleh peneliti bukan terletak pada metode analisis yang dipilih, tetapi terletak pada justifikasi (pembenaran) secara teoritis untuk mendukung analisis (Ghozali, 2005:19).
2) Menyusun Diagram Jalur dan Persamaan Struktural
Setelah teori atau model teoritis dikembangkan dan digambarkan dalam sebuah diagram alur, peneliti dapat
commit to user
54
mulai mengkonversi spesifikasi model tersebut kedalam rangkaian persamaan.
3) Estimasi dan Pengujian Model Struktural
Ada beberapa hal yang harus diperhatikan sebelum melakukan pengujian model struktural dengan pendekatan SEM, yaitu :
a) Asumsi Kecukupan Sampel
Sampel yang harus dipenuhi dalam pemodelan ini berjumlah 100 hingga 200 sampel (Ferdinand, 2002:52; Hair et al., 1998:605). Maximum Likehood (ML) akan menghasilkan estimasi parameter yang valid, efisien dan
reliable apabila data yang digunakan adalah multivariate
normaly (normalitas multivariat) dan akan robust (tidak
terpengaruh) terhadap penyimpangan multivariate normal
yang sedang (moderate) (Ghozali dan Fuad, 2005:35).
b) Asumsi Normalitas
Dalam analisis multivariate, asumsi ini paling fundamental karena merupakan bentuk distribusi data pada variabel matriks tunggal yang menghasilkan distribusi normal (Hair et al.,1998). Jika asumsi ini tidak dipenuhi dan penyimpangan datan normalitasya terlalu besar maka
commit to user
55
akan mengakibatkan hasil uji yang bias. Uji normalitas dapat digunakan dengan menggunakan nilai critical
statistic ratio skewness yang menggambarkan
penyimpangan distribusi simetris dan kurtosis atau tingkat kecuraman secara berturut – turut. Nilai statistik untuk menguji normalitas disebut z value (critical ratio / CR
pada output AMOS 16.) dari ukuran skewness dan kurtosis ditribusi data.
Bila nilai CR lebih besar dari nilai critical value,
maka diduga distribusi data tidak normal. Critical value
dapat ditentukan berdasar tingkat signifikansi 1% yaitu 2,58. Curran et al. (dalam Ghozali dan Fuad, 2005:37) membagi distribusi data menjadi:
i. normal,
ii. moderately non normal
iii. extremely non normal
c) Asumsi Outliers
Outliers adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim, baik untuk sebuah variabel tunggal atau
commit to user
56
variabel kombinasi (Hair et al., dalam Ferdinand, 2002:97). Dalam analisis multivariat adanya outliers dapat diuji dengan statistik Chi Square (x2) terhadap nilai
mahalanobis distance square pada tingkat signifikansi
0,001 dengan degree of freedom sejumlah variabel yang digunakan dalam penelitian (Ferdinand, 2002: 103), dalam hal ini variabel yang dimaksud adalah jumlah item pengukuran pada model, bila terdapat observasi yang mempunyai nilai mahalanobis distance square yang lebih besar dari Chi Square maka observasi tersebut dikeluarkan dari analisis.
Umumnya perlakuan terhadap outliers adalah dengan mengeluarkannya dari data dan tidak diikutsertakan dalam perhitungan berikutnya. Bila tidak terdapat alasan khusus untuk mengeluarkan outliers, maka observasi dapat diikutsertakan dalam analisis selanjutnya. Evaluasi outliers ini dilakukan dengan bantuan program komputer AMOS 16.0.
d) Evaluasi Atas Kriteria Goodness Of Fit
Dalam analisis SEM, tidak ada alat uji statistik tunggal untuk menguji hipotesis mengenai model (Hair et al., 1998). Tetapi berbagai fit index yang digunakan untuk
commit to user
57
mengukur derajat kesesuaian antara model yang disajikan dan data yang disajikan. Fit index yang digunakan meliputi :
Tabel III.8
Tabel Indeks Kelayakan Model
Goodness of Fit Indeks
Keterangan Cut-off point
Chi Square
(X2)
Tujuan analisis ini adalah
mengembangkan dan
menguji sebuah model yang sesuai dengan data, maka yang dibutuhkan justru sebuah nilai chi-squares
yang tidak signifikan, yang menguji hipotesa nol bahwa
estimated population
covariance tidak sama
dengan sample covariance.
Mendekati nol RMSEA (the Root Mean Square Error of Approxim atio)
RMSEA adalah sebuah
indeks yang dapat
digunakan untuk
menkompensasi chi-squares
statistic dalam sampel yang
besar.
£0,08
GFI
(Good of
Fit Index)
Indeks kesesuaian ini akan
menghitung proporsi
tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan. ³0,90 AGFI (Adjusted Goodness of Fit Indices)
Indeks ini merupakan
pengembangan dari
Goodness Fit Of Index
(GFI) yang telah
disesuaikan dengan ratio
dari degree of freedom
model.
commit to user 58 CMIN/DF (The Minimum Sampel Discrepan cy Function)
Kesesuaian antara data
dengan model £2,00 TLI (Tucker Lewis Index) Sebuah alternatif
incremental fit index yang
membandingkan sebuah
model yang diuji terhadap sebuah baseline model.
³0,95
CFI
(Compara
tive Fit
Index)
Uji kelayakan model yang tidak sensitif terhadap
besarnya sampel dan
kerumitan model.
³0,95
commit to user
59