BAB III METODE PENELITIAN
J. Teknik Analisis Data
Dalam penelitian ini teknik analisis data yang digunakan yaitu
model persamaan struktural atau Structural Equation Modeling (SEM).
SEM adalah gabungan dari analisis faktor dan model persamaan simultan
(Ghozali, 2004:1). Dari penelitian ini ada lima variabel utama yang akan
diteliti, yaitu: kualitas produk, kualitas pelayanan, harga, kepuasan dan
loyalitas pelanggan. Data utama yang diteliti dalam penelitian ini adalah
data primer yang didapat dari jawaban 151 responden yang mengisi
angket. Analisis data dalam penelitian ini terdiri dari beberapa bagian,
yaitu:
1. Pengujian instrumen dengan uji validitas dan reliabilitas, tujuannya
untuk mengetahui bahwa angket yang digunakan untuk memperoleh
sehingga semua pernyataan dalam angket dapat dipahami oleh
responden.
2. Analisis SEM, untuk menguji model dan untuk mengetahui ada atau
tidaknya pengaruh kualitas produk, kualitas pelayanan, harga pada
kepuasan pelanggan dan pengaruh kepuasan pada loyalitas pelanggan.
Tahapan dalam Structural Equation Modeling
Proses Structural Equation Modeling mencakup beberapa langkah yang
harus dilakukan:
1. Konseptualisasi Model.
Tahap ini berhubungan dengan pengembangan hipotesis berdasarkan
teori-teori sebagai dasar menghubungkan variabel laten yang satu
dengan yang lain dan juga dengan indikator-indikator lainnya. Setelah
itu, model tersebut divalidasi secara empirik melalui komputerisasi
program SEM. Dalam penelitian ini, penulis mengacu pada teori
tentang faktor-faktor pembentuk kualitas produk, kualitas pelayanan,
harga, kepuasan, dan loyalitas pelanggan serta bagaimana faktor-faktor
tersebut berhubungan satu dengan yang lain. Teori-teori yang diambil
berdasarkan pada penelitian sebelumnya.
2. Pengembangan Diagram Alur (Path Diagram)
Pada tahap kedua model teoretis yang telah dibangun pada langkah
pertama akan digambarkan dalam sebuah path diagram. Path diagram
akan mempermudah peneliti melihat hubungan-hubungan kausalitas
digambarkan pada sebuah path diagram, dan selanjutnya program
akan mengkonversi gambar menjadi persamaan, dan persamaan
menjadi estimasi. Berdasarkan kajian teori diatas, maka diagram alur
dapat dikembangkan sebagai berikut.
Gambar III.1
Diagram Alur Pengaruh Kualitas Produk, Kualitas Pelayanan dan Harga pada Kepuasan dan Dampaknya pada Loyalitas
Pelanggan
Konstruk-konstruk yang dibangun dalam diagram alur diatas dapat
dibedakan dalam dua kelompok eksogen dan konstruk endogen yang
diuraikan sebagai berikut (Ferdinand, 2002:41). Kualitas Produk Kualitas Pelayanan Harga Kepuasan pelanggan Loyalitas pelanggan Teknologi Psikologis Kontraktual kemampuan Informasi
Keramahan Tarif Internet Tarif SMS Tarif Telpon Kebutuhan, keinginan Harapan Brand beli word Nilai Produk
a. Konstruk Eksogen (Exogenous Constructs). Konstruk eksogen
dikenal juga sebagai “source variables” atau “independent variables” yang tidak diprediksi oleh variabel yang lain dalam model. Secara diagramatis konstruk eksogen adalah konstruk yang
menuju ke konstruk endogen dengan satu ujung panah. Ketiga
konstruk dalam penelitian ini akan diperlakukan sebagai variabel
eksogen yang tidak diprediksi oleh variabel lain tetapi akan
digunakan untuk memprediksi suatu atau beberapa variabel
endogen lainnya.
b. Konstruk Endogen (Endogenous Constructs). Konstruk endogen
adalah faktor-faktor yang diprediksi oleh satu atau beberapa
konstruk. Konstruk endogen dapat memprediksi satu atau beberapa
konstruk endogen lainnya, tetapi konstruk eksogen hanya dapat
berhubungan kausal dengan konstruk endogen.
3. Konversi Diagram Alur kedalam Persamaan.
Setelah teori/ model teoritis dikembangkan dan digambarkan dalam
sebuah diagram alur, maka selanjutnya dilakukan pengkonversian
model tersebut kedalam rangkaian persamaan. Langkah ketiga adalah
spesifikasi model dan menggambarkan sifat dan jumlah parameter
Gambar III.2
Diagram Alur (Path Diagram)
Dari gambar diagram alur diatas, maka dapat dibuat persamaan
struktural (Structural Equation). Persamaan ini dibuat untuk
menjelaskan hubungan antara kualitas produk, kualitas pelayanan, dan
harga pada kepuasan dan dampaknya pada loyalitas pelanggan.
Persamaan struktural pada dasarnya dibangun dengan pedoman berikut
ini.
Variabel Endogen = Variabel Eksogen + Variabel Endogen + Erorr
X₁ X₂ X₃ X₄ Y X₃.₃ X₂.₂ X₂.₂ X₂.₃ X₃.₃ X₃.₂ X₄.₂ X₄.₃ Y₁ Y₃ Y₂ X₁.₁ X₂.₁ X₃.₁ X₄.₁
Sedangkan spesifikasi model pengukuran (measurement model) yaitu
menentukan variabel mana mengukur konstruk mana adalah sebagai
berikut.
a. Variabel kualitas produk diukur melalui penilaian terhadap adanya
jaminan (kontraktual), produk yang digunakan akan meningkatkan
citra atau status konsumen yang memakainya (psikologis), dan
penilaian terhadap produk yang memiliki kekuatan atau daya tahan
(teknologi).
b. Variabel kualitas pelayanan diukur melalui informasi yang akurat,
kemampuan dan keramahan.
c. Variabel harga diukur berdasarkan persepsi pelanggan pada tarif
yang dikenakan yaitu tarif telepon, tarif sms, dan tarif internet.
d. Variabel kepuasan pelanggan diukur melalui nilai produk yang
dirasakan, tercapainya keinginan/ kebutuhan pelanggan, dan sesuai
dengan harapan pelanggan.
e. Variabel loyalitas pelanggan diukur melalui merek (brand),
pembelian berulang-ulang (beli), dan merekomendasikan kepada
teman (word of mouth communication).
4. Memilih Matriks Input dan Estimasi Model
SEM hanya menggunakan matriks Varians/ Kovarians atau
matriks korelasi sebagai data input untuk keseluruhan estimasi yang
dilakukannya. SEM mula-mula dikembangkan sebagai alat analisis
struktur kovarians). Matrik kovarians digunakan karena ia memiliki
keunggulan dalam menyajikan perbandingan yang valid antara
populasi yang berbeda atau sampel yang berbeda, dimana tidak dapat
disajikan oleh korelasi.
Informasi yang diperoleh dari data diuji untuk menentukan
apakah cukup untuk mengestimasi parameter dalam model. Metode
estimasi yang termasuk dalam Full Information Techniques, dan
berbagai asumsi yang harus dipenuhi dan jumlah ukuran sampel yang
dianjurkan adalah:
b. Maximum Likelihood (ML)
Maximum Likelihood (ML) adalah metode estimasi yang paling
populer digunakan pada penelitian SEM. ML akan menghasilkan
estimasi parameter yang valid, efisien, dan reliable apabila data
yang digunakan adalah multivariate normality dan akan robust
(tidak berpengaruh kuat) terhadap penyimpangan multivariate
normality yang sedang (moderate). ML memiliki hasil yang cukup
valid dengan besaran sampel minimal 50. Tetapi ukuran sampel
yang disarankan untuk penggunaan metode ML adalah sebesar
100-200.
c. Generalized Least Square
Generalized Least Square akan menghasilkan estimasi hasil yang
hampir sama dengan estimasi Maximum Likelihood apabila asumsi
GLS dilain pihak, akan sedikit lebih robust terhadap dilanggarnya
asumsi multivariate normality. GLS akan menghasilkan estimasi
yang kurang baik dengan ukuran sampel kecil atau kurang dari
200.
d. Weighted Least Square
Metode Weighted Least Square, atau juga disebut Asymptotically
Distribution Free (ADF) merupakan suatu metode yang tidak
terpengaruh oleh dilanggarnya multivariate normality. Kelemahan
dari metode ini adalah jumlah variabel dalam model harus sedikit
(kurang dari 20 variabel)
5. Kemungkinan Munculnya Masalah Identifikasi
Pada program komputer yang digunakan untuk estimasi model kausal
ini, salah satu masalah yang akan dihadapi adalah masalah identifikasi
(identification problem). Problem identifikasi pada prinsipnya adalah
problem mengenai ketidakmampuan dari model yang dikembangkan
untuk menghasilkan estimasi yang unik. Satu-satunya solusi untuk
problem identifikasi ini adalah dengan memberikan lebih banyak
constraint pada model yang dianalisis itu dan hal ini berarti
mengeliminasi jumlah estimated coefficients.
6. Tahap keenam yaitu penilaian model fit. Suatu model dikatakan fit
apabila kovarians matriks suatu model (model-based convariance
matrix) adalah sama dengan kovarians matriks data (observed).
a. Chi-Square dan Probabilitas
Chi-Square dan Probabilitas menunjukkan adanya penyimpangan
antara sample covariance matrix dan model (fitted) covariance
matrix. Namun nilai chi square ini hanya akan valid apabila asumsi
normalitas data terpenuhi dan ukuran sampel adalah besar. Chi
square ini merupakan ukuran baik buruknya fit suatu model. Nilai
chi-square sebesar 0 menunjukkan bahwa model memiliki fit yang
sempurna (perfect fit)
b. Probability
Probability adalah uji signifikan terhadap perbedaan matriks
kovarian data dan matrik kovarians yang diestimasi. Nilai
probability yang diharapkan adalah lebih besar atau sama dengan
0,05.
c. Root Mean Square Error Of Approximation (RMSEA)
Baru akhir-akhir ini para penulis statistik sadar bahwa RMSEA ini
merupakan indikator model fit yang paling informatif. RMSEA ini
mengukur penyimpangan nilai parameter pada suatu model dengan
matriks populasinya. Nilai RMSEA yang kurang dari 0,05
mengidentifikasikan adanya model fit, dan nilai RMSEA yang
berkisar antara 0,08 menyatakan bahwa model memiliki perkiraan
d. Goodness Of Fit Indices (GFI)
Merupakan suatu ukuran mengenai ketepatan model dalam
menghasilkan observed matriks kovarians. Nilai GFI ini harus
berkisar antara 0 dan 1. Nilai GFI yang lebih besar dari 0,9
menunjukkan fit suatu model yang baik.
e. Adjusted Goodness Of Fit Index (AGFI)
AGFI sama seperti GFI, tetapi telah menyesuaikan pengaruh
degrees of freedom pada suatu model. Model yang baik apabila
memiliki nilai PGFI jauh lebih besar daripada 0,6. Sedangkan
model yang fit adalah yang memiliki nilai AGFI adalah 0,9.
f. CMIN/ DF
The minimum sample discrepancy function (CMIN) dibagi dengan
degree of freedom akan menghasilkan indeks CMIN/DF sebagai
salah satu indikator untuk mengukur tingkat fitnya sebuah model.
CMIN/DF adalah statistic chi-square, χ² dibagi DF sehingga disebut χ² relatif. Nilai χ² ralatif kurang dari 2,0 atau bahkan kurang
dari 3,0 adalah indikasi dari acceptable fit antara model dan data.
g. Tucker Lewis Index (TLI)
TLI adalah sebuah alternatif incremental fit index yang
membandingkan sebuah model yang diuji terhadap sebuah baseline
model. Nilai yang direkomendasikan adalah lebih besar dari atau
h. Comparative Fit Index (CFI)
Besaran index ini adalah pada rentang nilai sebesar 0-1 dimana
semakin mendekati 1, mengidentifikasikan tingkat fit yang paling
tinggi. Nilai yang direkomendasikan adalah CFI lebih besar atau
sama dengan 0,9.
Tabel III.1
Goodness-of-fit Indices
Goodness of fit index Cut-off-value
χ² - Chi – square 0 Probability ≥ 0,05 RMSEA ≤ 0,08 GFI ≥ 0,90 AGFI ≥ 0,90 CMIN/DF ≤ 2,00 TLI ≥ 0,95 CFI ≥ 0,95
i. Setelah melakukan penilaian model fit, maka model penelitian
diuji untuk menentukan apakah modifikasi model diperlukan
karena tidak fitnya hasil yang diperoleh pada tahap keenam.
j. Tahap terakhir dari proses ini adalah validasi silang model, yaitu
menguji fit tidaknya model terhadap suatu data baru (validasi sub
sampel yang diperoleh melalui prosedur pemecahan sampel.
Sukses tidaknya analisis Structural Equation Modeling (SEM)
harus didasari pada kuatnya teori yang mendukung. Teori yang tidak
mendukung model SEM yang akan dihipotesiskan hanya akan
45
BAB IV
GAMBARAN UMUM
