BAB III : Metodologi Penelitian
3.4 Teknik Analisis dan Pengujian Hipotesis
Pengujian hipotesis yang digunakan dalam penelitian ini adalah analisis multivariate dengan Structural Equation Modelling (SEM). Penaksiran pengaruh pada masing-masing variabel bebas terhadap variabel terikatnya menggunakan koefisien jalur.
Langkah-langkah dalam analisis SEM model pengukuran dengan contoh Atribut produk dilakukan sebagai berikut :
Atribut produk (X1) :
X1.1 = 1 Atribut Produk + er_1
X1.2 = 1 Atribut Produk + er_2
X1.4 = 1 Atribut Produk + er_4
Bila persamaan di atas dinyatakan dalam sebuah pengukuran model untuk diuji unidimesionalitasnya melalui confirmatory factor analysis, maka model pengukuran dengan contoh atribut produk akan tampak sebagai berikut :
Gambar 3.1 : Contoh model pengukuran atribut produk.
Keterangan :
X1.1 : Pertanyaan tentang pendapat responden mengenai mutu produk skutik Suzuki.
X1.2 : Pertanyaan tentang pendapat responden mengenai ciri produk skutik Suzuki.
X1.3 : Pertanyaan tentang pendapat responden mengenai desain produk skutik Suzuki.
Atribut produk X1 X1.4 X1.1 X1.3 X1.2 er_1 er_2 er_3 er_4
X1.4 : Pertanyaan tentang pendapat responden mengenai merk produk skutik Suzuki.
Segmentasi Perilaku (X2):
X1.1 = 1 Segmentasi Perilaku + er_1
X1.2 = 1 Segmentasi Perilaku + er_2
X1.3 = 1 Segmentasi Perilaku + er_3
X1.4 = 1 Segmentasi Perilaku + er_4
Bila persamaan di atas dinyatakan dalam sebuah pengukuran model untuk diuji unidimesionalitasnya melalui confirmatory factor analysis, maka model pengukuran dengan contoh segmentasi perilaku akan tampak sebagai berikut :
Gambar 3.2 : Contoh model pengukuran segmentasi perilaku.
Segmentasi Perilaku X2 X2.4 X2.1 X2.3 X2.2 er_1 er_2 er_3 er_4
Keterangan :
X2.1 : Pertanyaan tentang pendapat responden mengenai status pemakai skutik Suzuki.
X2.2 : Pertanyaan tentang pendapat responden mengenai tingkat pemakai skutik Suzuki.
X2.3 : Pertanyaan tentang pendapat responden mengenai tahap kesiapan konsumen terhadap skutik Suzuki.
X2.4 : Pertanyaan tentang pendapat responden mengenai sikap pandangan terhadap skutik Suzuki.
Persamaan Positioning (Y) :
Y1 = Persamaan Positioning + er_1
Y2 = Persamaan Positioning + er_2
Bila persamaan di atas dinyatakan dalam sebuah pengukuran model untuk uji undimensionalnya melalui confirmatory faktor analysis, maka model pengukuran dengan contoh positioning akan dampak sebagai berikut :
Gambar 3.3 : Contoh model pengukuran positioning.
Keterangan :
Y1 : Pertanyaan tentang pendapat responden mengenai persepsi terhadap produk skutik Suzuki.
Y2 : Pertanyaan tentang pendapat responden mengenai kesadaran akan merk produk skutik Suzuki.
3.4.1. Uji Reliabilitas dan Validitas.
Variabel atau dimensi yang diukur melalui indikator-indikator dalam daftar pertanyaan perlu dilihat relibilitasnya dan validitasnya, dimana hal ini dijelaskan sebagai berikut.
a. Uji Validitas.
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pegukuran atas apa yang
Positioning
(Y)
Y2
Y1 er_1
seharusnya diukur. Karena indikator multidimensi maka uji validitas yang digunakan disini adalah validitas konstruk (construct validity) yang merujuk pada sejauh mana uji dapat mengukur apa yang sebenarnya kita ukur. Secara umum nilai variance extracted yang dapat diterima adalah ≥ 0,5. variance extracted dihiung dengan rumus sebagai berikut :
Variance Extracted = standardize Loading standardize Loading + j
b. Uji Reliabilitas.
Reabilitas adalah ukuran mengenai konsistensi internal dari indikator sebuah konstruk yang menunjukkan derajat sampai dimana indikator itu mengindikasikan sebuah konstruk/faktor laten yang umum.
Dengan kata lain bagaimana hal-hal yang spesifik saling membantu dengan menjelaskan sebuah fenomena yang umum. Composite
Realibility diperroleh melalui rumus berikut (Ferdinand, 2002 ; 62)
Construct reliability = (Standard Loading)2 (Standard Loading) 2 + j
Keterangan :
a. Standard loading diperoleh dari standardized loading untuk tiap-tiap
indikator yang didapat hari hasil perhitungan komputer.
Tingkat reliabilitas yang dapat diterima adalah ≥0,7 , walau angka itu bukanlah sebuah ukuran yang “mati”. Artinya bila penelitian yang dilakukan bersifat eksplorasi maka nilai dibawah 0,7 pun masih dapat diterima sepanjang disertai dengan alasan-alasan yang empirik yang terliahat dalam proses eksplorasi.
3.4.2. Uji Outlier Univariat dan Multivariat.
Outlier adalah observasi yang muncul dengan nilai nilai ekstrim baik secara univariat maupun multivariat yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari obsevasi-observasi lainnya (Ferdinand, 2002;52).
3.4.2.1.Uji Outlier Univariat.
Deteksi terhadap adanya outlier univariat dapat dilakukan dengan menentukan ambang batas yang akan dikategorikan sebagai outlier dengan cara mengkonversi nilai data penelitian kedalam standar score atau yang biasa disebut dengan z-score, yang mempunyai rata-rata nol dengan standar deviasi sebesar satu. Bila nilai-nilai itu telah dinyatakan dalam format yang standar (z-score), maka perbandingan antar besaran nilai dengan mudah dapat dilakukan. Untuk sampel besar (diatas 80 observasi), pedoman evaluasi adalah nilai ambang batas dari z-score itu berada pada rentang 3 sampai dengan 4 (Ferdinand, 2002;98). Oleh karena itu apabila ada
obsevasi-observasi yang memiliki z-score ≥ 3,0 akan dikategorikan sebagai outlier.
3.4.2.2. Uji Outlier Multivariat.
Evaluasi terhadap outlier multivariat perluu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outlier pada tingkat univariat, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak Mahalanobis (the Mahalanobis distance) untuk tiap observasi dapat dihitung dan menunjukkan jarak sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional. Uji terhadap multivariat dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat ρ < 0,001. Jarak Mahalanobis itu dapat di dievaluasi dengan menggunakan nilai χ2
pada derajat kebebasan sebesar jumlah item yang digunakan dalam penelitian. Apabila nilai jarak Mahalanobisnya lebih besar dari nilai χ2
tabel
adalah outlier multivariat.
3.4.3. Uji Normalitas Data.
Adapun metode yang digunakan untuk mengetahui apakah metode tersebut berdistribusi normal atau tidak adalah uji critical ratio dari skewness dan kurtois dengan ketentuan sebagai berikut :
a. Jika nilai critical yang diperoleh melebihi rentang +/- 2,58 maka distribusi adalah tidak normal.
b. Jika nilai critical yang dipeoleh berada pada rentang +/- 2,58 maka distribusi adalah normal.
3.4.4. Pengujian Model dengan Two-Step Approach.
Two-Step Approch digunakan untuk mengatasi masalah sampel data yang
relatif kecil jika dibandingkan dengan jumlah butir instrumentasi yang digunakan dan karena keakuratan reliabilitas indikator-indikator terbaik dalam dicapai dalam
two-step approach ini. Two-step approach bertujuan untuk menghindari interaksi
antar model pengukuran dan model struktural pada One step Approach.
Yang dilakukan dalam two-step approach to SEM adalah : estimasi terhadap measurement model dan estimasi terhadap structural model. Cara yang dilakukan dalam menganalisis SEM dengan two-step approach adalah sebagai berikut :
a. Menjumlahkan skala butir-butir setiap konstrak menjadi sebuah indikator
summer-scale bagi setiap konstrak. Jika terdapat skala yang berbeda
setiap indikator tersebut distandarisasi (Z-score) dengan mean = 0, deviasi standar = 1, yang tujuannya adalah untuk mengeliminasi pengaruh-pengaruh skala yang berbeda-beda tersebut.
b. Menetapkan error () dan Lambda () terms, error terms dapat dihitung dengan rumus 0,95 () . Perhitungan construct reliability () telah dapat dijelaskan pada bagian sebelumnya dan deviasi standar () dapat dihitung dengan bantuan progam aplikasi matrik spss. Setelah error ()
dan Lambda () terms diketahui, skor-skor tersebut dimasukkan sebagai parameter fix pada analisis model pengukuran SEM.