54
BAB III
METODOLOGI PENELITIAN
3.1 Gambaran Umum Objek Penelitian
3.1.1 Profil Osem
Sumber : Osem Gambar 3. 1 Logo Osem
Osem merupakan fashion line Indonesia yang didirikan oleh Arichi Christika sejak tahun 2014. Osem mengusung konsep ramah lingkungan dimana bahan-bahan yang digunakan berasal dari serat alam seperti katun dan linen yang mudah untuk didaur ulang, pewarnaan alami menggunakan tanaman indigofera dalam setiap produknya seperti pada Gambar 3.2. Setiap produk Osem memiliki corak unik dan khas karena menggunakan teknik tie dye seperti yang ditunjukan pada Gambar 3.3.
Osem melakukan penjualan via online dan offline; Osem turut ikut serta dalam berbagai event-event, dan melayani penjualan lewat situs marketplace seperti Tokopedia dan Blibli.
55 Sumber : Osem
Gambar 3. 2 Tanaman Indigofera
Sumber : Osem
Gambar 3. 3 Proses Tie Dye Osem
56 Osem juga menjaga kualitas dan produksi dalam jumlah yang kecil sehingga waste yang dihasilkan tidak besar, manajemen limbah dengan melakukan up cycle sehingga produk dapat dijadikan menjadi produk yang bernilai kembali. Selain itu, Osem juga memperdulikan pekerja, dengan memberikan upah pekerja yang layak.
Osem juga turut ikut serta dalam kampanye #WhoMadeMyClothes untuk menumbuhkan kesadaran kepada followers Instagram Osem tentang pentingnya beralih konsumsi produk pakaian yang ramah lingkungan seperti pada Gambar 3.4.
Sumber : Osem
Gambar 3. 4 Who Made My Clothes Campaign
Osem menyediakan produk dengan gaya yang unik dan timeless sehingga konsumen dapat menggunakan dengan jangka waktu yang lama. Berikut merupakan variasi kategori produk Osem :
57 1. Lengkung
Lengkung atau disebut sebagai woven scarf merupakan nama koleksi selendang dari Osem. Pengerjaan selendang dari Osem ini dilakukan dengan cara ditenun dan diolah dengan pewarnaan indigo dengan metode tie dye atau jumputan khas Osem. Gambar 3.5 merupakan salah satu koleksi lingkung Osem.
Sumber : Osem
Gambar 3. 5 Koleksi Lengkung Osem
2. Lapon
Lapon merupakan sebutan untuk celana kulot wanita. Osem menyediakan celana kulot dengan bahan yang nyaman untuk
58 digunakan, corak yang unik dari metode tie dye, dan warna yang khas dari Osem yaitu biru indigo. Gambar 3.6 merupakan salah satu koleksi lapon celup dari Osem.
Sumber : Osem
Gambar 3. 6 Koleksi Lapon Celup Osem
3. Simpul
Simpul merupakan nama koleksi untuk blouse wanita dari Osem. Osem menggunakan model pakaian simpul untuk memberikan gaya pakaian yang lebih bertahan lama dan tidak tertinggal zaman dari waktu ke waktu. Dengan corak yang unik dan berbeda di setiap produknya membuat produk Osem menjadi special. Gambar 3.7 merupakan salah satu contoh koleksi simpul.
59 Sumber : Osem
Gambar 3. 7 Koleksi Simpul Osem
4. Luaran Kimono
Kimono merupakan koleksi unisex dari Osem dengan beragam corak yang unik dan warna khas biru dari tanaman indigofera yang digunakan oleh Osem. Gambar 3.8 merupakan salah satu contoh koleksi kimono Osem.
60 Sumber : Osem
Gambar 3. 8 Koleksi Kimono Osem
Sumber : Osem Gambar 3. 9 Workshop Osem
61
Sumber : Osem Gambar 3. 10 Teknik Tie Dye
Selain itu, Osem juga mengadakan workshop dimana konsumen dapat belajar teknik tie dye atau jumputan secara langsung. Berikut merupakan beberapa workshop yang sudah diadakan oleh Osem seperti pada Gambar 3.9 dan 3.10.
3.2 Desain Penelitian (Research Design)
Research design merupakan suatu kerangka kerja atau perencanaan dalam pengerjaan sebuah proyek riset pemasaran. Research design menyediakan prosedur secara rinci dan praktikal untuk mendapatkan informasi yang dibutuhkan dalam riset pemasaran. Suatu research design yang baik akan membantu riset pemasaran untuk dapat dilakukan dengan efektif dan efisien (Malhotra, Nunan, & Birks, 2017).
62 3.2.1 Jenis Penelitian
Menurut Malhotra, Nunan, & Birks (2017), research design diklasifikasikan menjadi dua jenis yaitu, exploratory research design dan conclusive research design. Gambar 3.11 merupakan klasifikasi dari research design pemasaran dan Tabel 3.1 merupakan perbedaan antara exploratory research design dan conclusive research design.
Sumber : Malhotra, Nunan, & Birks (2017) Gambar 3. 11 Research Design
63 Tabel 3. 1 Perbedaan Exploratory dan Conclusive Research
Exploratory Conclusive
Tujuan
Untuk memberikan insight dan pemahaman dari suatu fenomena
marketing
Untuk menguji suatu hipotesis dan menguji hubungan antar hipotesis
Untuk memahami Untuk mengukur
Karakteristik
Informasi yang dibutuhkan dapat didefinisikan secara bebas
Informasi yang dibutuhkan telah didefinisikan secara jelas
Proses penelitian dapat dilakukan dengan fleksibel, tidak terstruktur
dan dapat dikembangkan
Proses penelitian dilakukan secara formal dan terstruktur
Membutuhkan ukuran sampel
yang kecil Membutuhkan ukuran sampel yang besar dan ditujukan untuk
menjadi perwakilan
Dapat menggunakan teknik kualitatif atau kuantitatif dalam
menganalisis data
Menggunakan teknik kuantitatif dalam menganalisis data
Hasil
Dapat digunakan sebagai sumber acuan untuk conclusive research
Dapat digunakan sebagai sumber acuan bagi exploratory reseach
Dapat menjelaskan secara spesifik temuan dari conclusive research
Dapat menjadi acuan untuk menetapkan konteks temuan dari
exploratory research Survei dilakukan oleh ahli Survei
Survei percontohan Data sekunder
Data sekunder Database
64 Metode
Wawancara kualitatif Diskusi panel
Observasi tidak terstruktur Observasi terstruktur
Metode multivariant kualitatif dan
kuantitatif Eksperimen
Sumber : Malhotra, Nunan, & Birks (2017)
1. Exploratory Research Design
Menurut Malhotra, Nunan, & Birks (2017), tujuan utama dari exploratory research adalah untuk memberikan masukan atau pemahaman dari suatu fenomena marketing. Exploratory design digunakan untuk memperoleh informasi dasar dari suatu permasalahan yang terjadi, selain itu jenis penelitian ini juga dapat digunakan ketika berada di dalam situasi dimana rumusan permasalahan harus diidentifikasi dengan lebih tepat, mengidentifikasi tindakan alternatif yang relevan, dan mendapatkan wawasan tambahan sebelum sebelum mengkonfirmasi temuan menggunakan conclusive design (Malhotra, Nunan, & Birks, 2017). Exploratory design berguna dalam situasi dimana peneliti tidak memiliki pengertian dan informasi yang cukup untuk melanjutkan penelitian.
2. Conclusive Research Design
Menurut Malhotra, Nunan, & Birks (2017), jenis penelitian conclusive research design bertujuan untuk mendeskripsikan suatu fenomena yang lebih spesifik
65 dan untuk menguji hipotesis dan melihat hubungan antar variabel. Conclusive research design bersifat lebih formal dan terstruktur dibandingkan dengan exploratory research design, menggunakan sampel ukuran besar yang merepresentasikan sampel dan menggunakan teknik kuantitatif (Malhotra, Nunan, &
Birks, 2017). Conclusive research design dibagi menjadi dua, yaitu :
a. Descriptive research, merupakan conclusive research yang bertujuan untuk mendeskripsikan suatu karakteristik atau fungsi pasar. Perbedaan utama antara exploratory dengan descriptive research adalah, descriptive research dicirikan dengan pertanyaan penelitian yang spesifik, hipotesis, dan menggunakan survei, panel, observasi dan data lainnya sebagai metode pengumpulan data yang digunakan (Malhotra, Nunan, & Birks, 2017).
b. Causal research, jenis conclusive research yang bertujuan untuk memperoleh bukti terkait hubungan sebab-akibat dari setiap variabel. Metode utama yang digunakan dalam causal research adalah dengan metode eksperimen (Malhotra, Nunan, & Birks, 2017)
Penelitian ini menggunakan conclusive research design dengan metode descriptive research design. Cara yang dilakukan dalam pengumpulan data adalah dengan survei menggunakan kuesioner. Kuesioner adalah pertanyaan terstruktur yang ditujukan kepada sampel dari target populasi terkait perilaku, intensi, sikap, kesadaran, motivasi, demografi, dan karakteristik gaya hidup target populasi (Malhotra, Nunan, & Birks, 2017). Kuesioner menggunakan skala likert 1 sampai
66 dengan 7. Skala likert 1 sampai dengan 7 digunakan ketika responden dianggap memiliki pengetahuan yang baik tentang suatu objek penelitian sehingga responden dapat membedakan setiap skala penelitian secara terperinci.
3.2.2 Data Penelitian
Menurut Malhotra, Nunan, & Birks (2017), menyatakan bahwa terdapat dua jenis data yang dapat digunakan dalam sebuah penelitian, yaitu:
1. Data Primer (Primary Data), merupakan data yang diperoleh dari penelitian yang dilakukan oleh peneliti untuk memecahkan permasalahan dalam penelitian tersebut. Pada penelitian ini, peneliti menggunakan metode survey kuesioner dalam pengambilan data primer. Survey dilakukan dengan menyebarkan kuesioner kepada pria dan wanita berusia 17 hingga 35 tahun, pernah melakukan aktivitas ramah lingkungan seperti membuang sampah pada tempatnya, mendaur ulang sampah, ikut serta dalam komunitas peduli lingkungan, menggunakan produk ramah lingkungan atau aktivitas ramah lingkungan lainnya, pernah membeli produk ramah lingkungan seperti makanan atau minuman, sepatu, toiletries, dan lainnya, memiliki pengalaman melakukan pembelian produk pakaian ramah lingkungan, memiliki anggaran diatas Rp 200.000 untuk membeli pakaian selama
67 satu bulan, mengetahui brand Osem namun belum pernah membeli produk Osem.
2. Data Sekunder (Secondary Data), merupakan data yang sudah ada didapatkan dari peneliti lain untuk memecahkan permasalahan pada penelitian sebelumnya. Peneliti mengumpulkan data sekunder melalui jurnal, buku, dan informasi lainnya seperti website yang memiliki kredibilitas.
3.3 Ruang Lingkup Penelitian
Terdapat beberapa tahapan dalam menentukan sampling yang akan digunakan dalam penelitian. Menurut Malhotra, Nunan, & Birks (2017), terdapat enam tahapan dalam menentukan sampling yang disebut sebagai sampling design process seperti yang ditunjukan pada Gambar 3.12. Sampling design process dimulai dengan menentukan target populasi yang menjadi responden dalam penelitian. Setelah menentukan target populasi, kemudian peneliti menentukan sampling frame.
Sampling frame adalah daftar yang memuat keseluruhan kemungkinan anggota sampel dalam populasi. Selanjutnya, peneliti menentukan teknik sampling yang tepat, lalu menentukan sample size, lalu dilanjutkan dengan melakukan eksekusi proses sampling dan diakhiri dengan melakukan validation sample dengan metode screening dengan karakteristik yang sudah ditentukan (Malhotra, Nunan, & Birks, 2017).
68
Sumber : Malhotra, Nunan, & Birks (2017) Gambar 3. 12 Sampling Design Process
3.4 Prosedur Penelitian
Prosedur dari penelitian ini terdiri dari:
1. Mengumpulkan dan menganalisis data sekunder dari berbagai sumber seperti jurnal dan berbagai literatur yang mendukung penelitian dan membuat kerangka penelitian.
Define the target population Determine the sampling frame
Select sampling techniques (s) Determine the sample size Execute the sampling process
Validate the sample
69 2. Menyusun draft kuesioner yang berisi screening, profiling, dan membuat wording kuesioner yang baik sehingga pernyataan-pernyataan dalam kuesioner dapat dengan mudah dipahami oleh responden.
3. Melakukan pre-test dengan menyebarkan kuesioner yang sudah disusun kepada 30 responden yang sesuai dengan kriteria sebelum menyebarkan kuesioner dalam skala yang lebih besar.
4. Data yang terkumpul dari hasil pre-test kemudian diolah menggunakan software SPSS versi 25 untuk menguji validitas dan reliabilitas. Apabila hasil sudah memenuhi syarat validitas dan reliabilitas, maka peneliti melanjutkan pendistribusian kuesioner dalam jumlah yang lebih besar (main test).
5. Selanjutnya, kuesioner disebarluaskan sesuai dengan kriteria responden yang sudah ditentukan dan dengan jumlah yang sesuai dengan formula dalam Hair et al., (2014), yaitu n x 5 observasi.Variabel dalam penelitian ini berjumlah 6 dengan 26 indikator pengukuran, maka diperlukan minimal 130 responden (26 x 5).
6. Data yang sudah dikumpulkan kemudian diolah kembali menggunakan software Lisrel Version 8.80 dengan metode Structural Equation Model analisa two step yaitu measurement model fit dan structural model fit.
7. Kemudian peneliti membuat kesimpulan dan saran berdasarkan hasil pengolahan data yang dilakukan.
70 3.5 Target Populasi dan Sampel
Menurut Malhotra, Nunan, & Birks (2017), target populasi adalah sekumpulan elemen atau objek yang merupakan pemilik informasi yang dibutuhkan oleh peneliti. Target populasi harus ditentukan dengan tepat dan jelas untuk menghindari penelitian yang tidak efektif dan kesalahan dalam penelitian (Malhotra, Nunan, & Birks, 2017). Sedangkan sampel diambil jika jumlah populasi tidak diketahui secara pasti (Malhotra, Nunan, & Birks, 2017). Pada penelitian ini, populasi yang digunakan adalah seluruh orang yang mengetahui brand Osem.
3.5.1. Elements
Elements adalah objek yang menjadi atau merupakan sumber
informasi dari suatu penelitian. Dalam sebuah penelitian, element disebut sebagai partisipan dari penelitian atau responden (Malhotra, Nunan, & Birks, 2017).
3.5.2 Sampling Unit
Sampling unit merupakan element yang memiliki karakteristik yang sama dengan target populasi yang dijadikan sebagai sampel penelitian (Malhotra, Nunan, & Birks, 2017). Sampling unit dalam penelitian ini adalah pria dan wanita berusia 17 hingga 35 tahun, pernah melakukan aktivitas ramah lingkungan seperti membuang sampah pada tempatnya, mendaur ulang
71 sampah, ikut serta dalam komunitas peduli lingkungan, menggunakan produk ramah lingkungan atau aktivitas ramah lingkungan lainnya, pernah membeli produk ramah lingkungan seperti makanan atau minuman, sepatu, toiletries, dan lainnya, memiliki pengalaman melakukan pembelian produk pakaian ramah lingkungan, memiliki anggaran diatas Rp 200.000 untuk membeli pakaian selama satu bulan, mengetahui brand Osem namun belum pernah membeli produk Osem.
3.5.3 Extent
Extent merupakan batasan penelitian berdasarkan geografis (Malhotra, Nunan, & Birks, 2017). Dalam penelitian ini, tidak terdapat batasan secara geografi.
3.5.4 Time
Time merupakan jangka waktu yang dibutuhkan oleh peneliti dalam menjalankan proses pengumpulan data hingga proses pengolahan data (Malhotra, Nunan, & Birks, 2017). Keseluruhan proses penelitian ini dilakukan dari awal bulan Februari hingga awal Juni 2021, sedangkan pengumpulan data dan pengolahan data dilakukan dari akhir April hingga akhir Mei 2021.
72 3.5.5 Sampling Techniques
Malhotra, Nunan, & Birks (2017) membagi teknik pengambilan sampel menjadi non probability sampling dan probability sampling seperti yang dijelaskan pada Gambar 3.13. Probability sampling merupakan teknik pengambilan sampel dimana setiap elemen memiliki probabilitas atau peluang yang sama untuk dijadikan sampel penelitian (Malhotra, Nunan, & Birks, 2017).
Sedangkan, non-probability sampling merupakan teknik pengambilan sampel dimana tidak semua elemen populasi memiliki peluang yang sama untuk dijadikan sebagai sampel penelitian (Malhotra, Nunan, & Birks, 2017).
Berikut merupakan bagan teknik sampling menurut Malhotra, Nunan, & Birks (2017) :
73 Sumber : Malhotra, Nunan, & Birks (2017)
Gambar 3. 13 Teknik Sampling
Menurut Malhotra, Nunan, & Birks (2017), non-probability sampling dibagi menjadi 4 teknik, yaitu :
1. Convenience Sampling
Teknik convenience sampling merupakan teknik yang digunakan oleh peneliti untuk mendapatkan sampel penelitian dengan prosedur yang nyaman dan mudah. Umumnya, sampel penelitian dipilih karena berada di tempat dan waktu yang tepat (Malhotra, Nunan, & Birks, 2017).
2. Judgemental Sampling
Judgemental sampling merupakan suatu bentuk dari convenience sampling dimana elemen populasi dipilih berdasarkan penilaian peneliti.
Peneliti memilih elemen-elemen yang dimasukan kedalam sampel karena peneliti percaya elemen tersebut merupakan representasi dari target populasi (Malhotra, Nunan, & Birks, 2017).
3. Quota Sampling
Quota sampling merupakan salah satu teknik non-probability sampling dimana peneliti menentukan kuota dari masing-masing populasi, kemudian memilih element sampel menggunakan teknik
74 convenience atau judgemental sampling (Malhotra, Nunan, & Birks, 2017).
4. Snowball Sampling
Snowball sampling merupakan salah satu teknik non- probability sampling dimana peneliti memilih responden tertentu, lalu menggunakan referensi dari responden terkait dengan responden penelitian selanjutnya (Malhotra, Nunan, & Birks, 2017).
Pada penelitian ini, peneliti menggunakan teknik pengambilan sampel non-probability sampling dengan menggunakan judgemental sampling, karena peneliti menentukan kriteria dari sampel yang dipilih agar dapat merepresentasikan populasi.
3.5.6 Sampling Size
Menurut Malhotra, Nunan, & Birks (2017), sampling size merupakan jumlah elemen yang diikutsertakan dalam penelitian. Penentuan jumlah sampel dalam penelitian ini didasarkan pada pernyataan Hair et al., (2014), dimana kriteria ukuran sampel memiliki ketentuan sebagai berikut :
1. Jumlah ukuran sampel adalah sebesar 50 observasi
2. Ukuran minimum rasio observasi dan variable adalah sebesar 5 : 1
75 Menurut Hair et al., (2014), dalam menentukan sampling size peneliti melihat banyaknya jumlah item yang digunakan pada kuesioner dan membuat minimum 5 observasi per variable. Pernyataan tersebut kemudian diformulasikan menjadi rumus n x 5 observation. Pada penelitian ini, peneliti menggunakan rumus n x 5 dengan 26 indikator yang digunakan untuk mengukur 6 variabel, sehingga responden yang dibutuhkan minimal adalah 130 responden.
3.6 Identifikasi Variabel Penelitian
Menurut Malhotra, Nunan, & Birks (2017), jenis variabel penelitian dibagi menjadi dua yaitu latent variables dan observed variables. Latent variables atau disebut juga sebagai unobservable variables merupakan variabel yang merepresentasikan banyak variabel. Latent variables dapat diartikan namun tidak dapat diukur secara langsung sehingga diperlukan cara seperti menyebarkan kuesioner. Latent variables dibagi menjadi 2 jenis yaitu endogenous variables dan exogenous variables. Sedangkan observed variable adalah variabel yang digunakan untuk merepresentasikan latent variables (Malhotra, Nunan, & Birks, 2017).
3.6.1 Exogenous Variables
Exogenous variables juga disebut sebagai independent variables merupakan variables yang mempengaruhi dependen variable (Zikmund,
76 Babin, Carr, & Griffin, 2009). Exogenous variables digambarkan dalam huruf Yunani ξ “ksi” (Malhotra, Nunan, & Birks, 2017). Sedangkan faktor yang mempengaruhi independent variable berada diluar dari model penelitian (Malhotra, Nunan, & Birks, 2017).
Sumber : Malhotra, Nunan, & Birks (2017)
Gambar 3. 14 Exogenous Variables
Gambar 3.14 merupakan contoh gambaran dari exogenous variables.
Independent variables dalam penelitian ini adalah functional value, conditional value, social value, dan emotional value.
3.6.2 Endogenous Variables
Endogenous variables disebut sebagai dependent variables merupakan variabel yang dipengaruhi oleh variabel lain dan bergantung oleh variabel yang mempengaruhinya (Zikmund, Babin, Carr, & Griffin, 2009).
Endogenous variables digambarkan dalam huruf Yunani η ( eta ) (Malhotra, Nunan, & Birks, 2017).
Eksogen (ξ)
77 Sumber : Malhotra, Nunan, & Birks (2017)
Gambar 3. 15 Endogenous Variable
Gambar 3.15 merupakan contoh gambaran dari endogenous variable.
Pada penelitian ini, yang termasuk kedalam variabel dependen adalah attitude toward purchasing green products dan purchase intention.
3.6.3 Measured Variables
Menurut Hair et al., (2014), measured variables atau variabel terukur adalah variable yang dapat diukur secara empiris dan diperoleh dari responden melalui pernyataan-pernyataan dalam kuesioner. Dalam penelitian ini, terdapat 26 pernyataan yang berperan sebagai measured variables untuk mengukur functional value, conditional value, social value, emotional value, attitude attitude toward purchasing green products dan purchase intention
3.7 Definisi Operasional
Dalam penelitian ini, peneliti menggunakan indikator-indikator pengukur yang berasal dari definisi operasional. Peneliti menggunakan skala likert 7 poin
Endogen ( )
78 dengan skala 1 (paling rendah) yang menyatakan sangat tidak setuju hingga 7 (paling tinggi) yang menyatakan sangat setuju yang diterapkan pada setiap indikator.
Definisi operasional dalam penelitian ini dijelaskan dalam Tabel 3.2 antara lain :
Tabel 3. 2 Definisi Operasional
No. Variabel Definisi
Operasional
Indikator Pertanyaan Kode Indikator
Scale
1. Functional Value
Functional Value, merupakan persepsi konsumen terhadap kinerja, daya tahan, harga dan kualitas dari suatu produk.
(Biswas & Roy, 2015)
Menurut Saya, membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem memberikan manfaat yang sepadan dengan harga yang saya bayarkan (Woo & Kim, 2018).
FV1 Likert
Scale (1-7)
Produk pakaian ramah lingkungan (sustainable fashion) dari Osem memiliki harga yang terjangkau (Woo &
Kim, 2018).
FV2
Membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem dapat
FV3
79 mengurangi kerusakan
lingkungan (Woo & Kim, 2018).
Produk pakaian ramah lingkungan (sustainable fashion) dari Osem memiliki kualitas yang baik (Woo &
Kim, 2018).
FV4
Produk pakaian ramah lingkungan (sustainable fashion) dari Osem memiliki harga yang ekonomis jika dibandingkan dengan kelebihan produk yang ditawarkan (Biswas & Roy, 2015).
FV5
2. Conditional Value
Conditional Value, suatu situasi yang dapat
mempengaruhi keputusan seseorang dalam
Saya akan membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem ketika terdapat potongan harga (Woo & Kim, 2018).
CV1 Likert
Scale (1-7)
Saya akan membeli produk pakaian ramah lingkungan
CV2
80 mengadopsi
produk yang ramah lingkungan (Biswas & Roy, 2015)
(sustainable fashion) dari Osem jika terdapat promosi (Woo & Kim, 2018).
Saya akan membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem jika produk tersebut mudah untuk ditemukan (Woo
& Kim, 2018).
CV3
Saya akan membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem jika produk ditawarkan dengan harga yang lebih terjangkau (Biswas & Roy, 2015).
CV4
3. Social Value Social Value, merupakan manfaat yang dirasakan dari kemampuan suatu produk untuk
Jika saya membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem, akan memberikan kesan baik kepada orang lain (Woo
& Kim, 2018).
SV1 Likert
Scale (1-7)
Jika saya membeli produk SV2
81 meningkatkan
konsep sosial seseorang (Sweeney &
Soutar, 2001)
pakaian ramah lingkungan (sustainable fashion) dari Osem akan merubah
pandangan orang lain terhadap diri saya (Woo & Kim, 2018).
Jika saya membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem akan membantu saya untuk merasa lebih diterima oleh orang lain (Woo & Kim, 2018).
SV3
Jika saya membeli produk ramah lingkungan (sustainable fashion) dari Osem akan membuat saya lebih diterima di lingkungan sosial saya (Woo & Kim, 2018).
SV4
4. Emotional Value Emotional Value, manfaat yang dirasakan dengan
Saya akan menikmati kegiatan membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem (Woo &
Kim, 2018).
EV1 Likert
Scale (1-7)
82 mengasosiasikan
kemampuan dari suatu produk untuk menciptakan suatu perasaan tertentu (Sheth, Newman, &
Gross, 1991).
Saya akan merasa senang jika melakukan pembelian produk pakaian ramah lingkungan (sustainable fashion) dari Osem (Woo & Kim, 2018).
EV2
Membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem akan membuat saya merasa lebih baik (Woo & Kim, 2018).
EV3
Membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem akan membuat saya merasa menjadi orang yang lebih baik (Khan &
Mohsin, 2017).
EV4
Saya merasa melakukan sesuatu yang benar secara moral jika membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem (Khan & Mohsin, 2017).
EV5
5. Attitude Attitude, Saya merasa suka jika ATT1 Likert
83 merupakan suatu
sikap konsumen untuk menyukai atau tidak menyukai suatu produk, yang mendorong perilaku membeli suatu produk tertentu (Woo & Kim, 2018)
membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem (Liu &
Liu, 2019).
Scale (1-7)
Menurut saya, merupakan sikap yang positif jika saya membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem (Woo &
Kim, 2018).
ATT2
Menurut saya, merupakan sikap yang menguntungkan membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem (Woo &
Kim, 2018).
ATT3
Menurut saya, merupakan sikap yang baik jika saya membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem (Woo &
Kim, 2018).
ATT4
6. Purchase Purchase Saya menantikan untuk PI1 Likert
84 Intention Intention,
merupakan tindakan yang direncanakan yang merubah kepercayaan dan attitude terhadap suatu produk menjadi suatu tindakan (Woo
& Kim, 2018)
membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem karena manfaat yang diberikan kepada lingkungan (Suki, 2016).
Scale (1-7)
Selama beberapa bulan kedepan, saya akan mempertimbangkan untuk membeli produk pakaian ramah lingkungan (sustainable fashion) dari Osem karena produk tersebut mengurangi polusi (Liu & Liu, 2019).
PI2
Selama beberapa bulan kedepan, saya akan mempertimbangkan untuk merubah pola konsumsi produk pakaian saya ke brand yang lebih ramah lingkungan (sustainable fashion) seperti Osem (Liu & Liu, 2019).
PI3
Selama beberapa bulan PI4
85 kedepan, saya berencana untuk
mengganti pembelian produk pakaian saya ke versi produk pakaian yang lebih ramah lingkungan (sustainable fashion) seperti Osem (Liu &
Liu, 2019).
3.8 Teknik Pengolahan Data
3.8.1 Metode Analisi Data Pre-test dengan Faktor Analisis
Menurut Hair et al., (2014), faktor analisis dapat diartikan sebagai pendekatan statistik yang digunakan untuk menganalisis keterkaitan atau hubungan antara variabel dalam jumlah yang besar dan untuk menjelaskan variabel-variabel tersebut berdasarkan dimensi atau faktor yang mendasari.
Tujuan dari faktor analisis adalah meringkaskan informasi yang terdapat pada sejumlah variabel menjadi kumpulan variabel yang lebih kecil. Menurut Malhotra, Nunan, & Birks (2017), faktor analisis merupakan suatu prosedur yang digunakan untuk meringkaskan data. Dalam penelitian ini, peneliti menggunakan faktor analisis untuk mengolah data pre-test dengan menggunakan software SPSS versi 25. Analisis data pre-test digunakan untuk mengukur tingkat validitas dan reliabilitas.
86 3.8.2 Construct Validity
Construct validity atau uji validitas menurut Malhotra, Nunan, & Birks (2017) merupakan suatu jenis validitas yang membahas suatu konstruk atau karakteristik dari suatu skala yang diukur. Uji validitas bertujuan untuk menyatakan bahwa tidak ada kesalahan pengukuran dalam setiap variabel.
Pengukuran validitas mengacu pada beberapa persyaratan nilai berdasarkan teori yang dijelaskan pada Tabel 3.3
Tabel 3. 3 Uji Validitas
No Ukuran Validitas Nilai Disyaratkan
1. Kaiser Meyer-Olkin (KMO) Measure of Sampling Adequacy
Merupakan sebuah indeks yang digunakan untuk menguji kecocokan factor analisis
Nilai KMO 0,5 mengindikasikan bahwa analisis factor sudah memadai dalam hal jumlah sampel dan korelasi
KMO < 0,5 mengindikasikan bahwa faktor analisis tidak memadai dalam hal jumlah sampel dan korelasi (Malhotra, Nunan, & Birks, 2017;
Hair et al,. 2014).
2. Ba le Te of S he ici
Merupakan uji statistic yang digunakan untuk menguji
hipotesis, bahwa variabel-variable tidak berkolerasi dengan populasi.
Dengan kata lain, variabel-
Jika hasil uji nilai signifikan 0,05 menunjukan adanya hubungan yang signifikan antara variabel untuk dapat diproses (Malhotra, Nunan, & Birks, 2017; Hair et al., 2014).
87 variabel dalam factor bersifat
correlates perfectly (r=1) atau no correlation (r=0)
3. Anti-image Correlation Matrices
Matriks korelasi parsial antar variabel setelah analisis factor, mewakili sejauh mana
measurement menjelaskan satu sama lain pada hasil survey.
Mengacu pada nilai Measure of Sampling Adequacy (MSA) pada diagonal anti image correlation. Nilai MSA berkisar 0 sampai dengan 1 dengan kriteria:
- Nilai MSA=1, menandakan bahwa variabel dapat diprediksi tanpa kesalahan oleh variabel lain.
- Nilai MSA 0,50, menandakan bahwa variabel masih dapat diprediksi dan dapat dianalisis lebih lanjut
- Nilai MSA<0,50, menandakan bahwa variabel tidak dapat dianalisis lebih lanjut (Malhotra, Nunan, & Birks, 2017;
Hair et al. 2014)
4. Factor Loading of Component Matrix
Merupakan besarnya korelasi suatu indikator dengan faktor yang terbentuk. Tujuannya untuk menentukan validitas setiap indicator dalam membangun setiap variabel.
Kriteria suatu indikator dikatakan dapat membentuk suatu faktor, yaitu jika nilai factor loading diatas 0,50 (Hair et al., 2014)
88 3.8.3 Uji Reliabilitas
Reliabilitas merupakan ukuran kemampuan suatu skala untuk menghasilkan hasil yang konsisten ketika dilakukan pengukuran secara berulang (Malhotra, Nunan, & Birks, 2017). Menurut Hair et al., (2014), tujuan dari uji reliabilitas adalah untuk memastikan bahwa jawaban pada kuesioner konsisten sehingga hasil pengukuran dapat diandalkan dan dipercaya. Alat ukur yang digunakan untuk mengukur reliabilitas adalah menggunakan uji statistik Cronbach s Alpha pada SPSS versi 25. Data tersebut akan dinyatakan reliable jika nilai Cronbach Alpha 0,6 (Malhotra, Nunan, & Birks, 2017).
3.8.4 Metode Analisis
Multiple regression dan structural equation modeling (SEM).
Multiple regression merupakan sebuah teknik statistic yang secara bersamaan mengembangkan hubungan matematis antara dua atau lebih variabel independen (exogenous variables) dan sebuah variabel dependen (endogenous variable) (Malhotra, Nunan, & Birks, 2017). Multiple regression melibatkan satu dependent variable dan dua atau lebih independent variables.
Pada penelitian ini, peneliti menggunakan structural equation modeling (SEM) karena model penelitian ini memiliki lebih dari satu endogenous variables dan memiliki banyak hubungan struktural. Menurut
89 Malhotra, Nunan, & Birks (2017), structural equation modelling (SEM) adalah prosedur yang digunakan untuk mengestimasi atau memperkirakan hubungan dalam suatu model penelitian. Terdapat 2 variabel dalam metode structural equation modelling (SEM) menurut Hair et al., (2010), yaitu:
a. Variabel laten (latent variable), variabel yang tidak diukur secara langsung namun dapat diukur dengan satu atau lebih indikator
b. Variabel terukur (measurement variable), variabel yang dapat diamati, diukur dan digunakan sebagai indikator
Selain itu terdapat 2 jenis model dalam structural equation modelling (SEM) menurut Malhotra, Nunan, & Birks (2017), yaitu :
a. Model mengukuran (measurement model), model yag menggambarkan bagaimana observed variable dapat merepresentasikan konstruk
b. Model struktural (structural model), model yang menggambarkan bagaimana hubungan construct dengan construct lainnya.
3.8.4.1 Tahapan Prosedur SEM
Menurut Hair et al., (2014), terdapat 6 tahapan yang harus dilakukan oleh peneliti untuk membuktikan bahwa suatu model penelitian valid atau tidak valid. 6 tahapan ditunjukan oleh Gambar 3.16 berikut:
90
Sumber : Hair et al., (2014)
Gambar 3. 16 Tahapan Structural Equation
91 3.8.4.2 Kecocokan Keseluruhan Model
Goodness-of-fit (GOF) digunakan untuk menguji kecocokan model dalam teknik SEM. Malhotra, Nunan, & Birks (2017) mengklasifiikasikan uji kecocokan model dalam SEM menjadi 3 bentuk pengukuran seperti yang ditunjukan pada Gambar 3.17 yaitu :
1. Absolute fit indices, pengukuran ini berfungsi untuk menilai atau mengukur kecocokan keseluruhan model (overall of fit). Dalam penelitian ini, pengukuran menggunakan Root Mean Square Error of Approximation (RMSEA) untuk mengukur absolute fit indices.
2. Incremental fit indices, pengukuran ini berfungsi untuk menilai seberapa baik model yang digunakan dalam penelitian. Pada penelitian ini, pengukuran incremental fit indices menggunakan comparative fit index (CFI).
3. Parsimony fit indices, pengukuran ini bertujuan untuk mengukur nilai kompleksitas model penelitian. Pengukuran ini berguna untuk mengevaluasi model penelitian sehingga goodness-of-fit dapat ditingkatkan dengan penyederhanaan model. Pada penelitian ini, peneliti menggunakan pengukuran Parsimony Normed Fit Index (PNFI).
92 Sumber : Malhotra, Nunan, & Birks (2017)
Gambar 3. 17 Klasifikasi Pengukuran Kecocokan Model
Penelitian ini menggunakan software Lisrel Version 8.80 untuk mengolah data dengan teknik SEM. Dalam mengukur kecocokan model, terdapat acuan nilai sebagai kriteria kecocokan model seperti yang ditunjukan pada Tabel 3.4.
93 Tabel 3. 4 Difference of Fit Indices
CUTOFF VALUES FOR GOF INDICES
N<250 N>250
m12 12<m<30m30 m<1212<m<30m30
Absolute Fir Indices
SEA RMSEA<0,08 with
CFI 0,97 RMSEA<0,08
with CFI 0,95 RMSEA<0,08
with CFI 0,92 RMSEA<0,07
with CFI 0,97 RMSEA<0,07
with CFI 0,92 RMSEA<0,07 with
CFI 0,90
2 Insignificant p-values expected Significant p-values
even with good fit Significant p-values expected Insignificant p-values even with
good fit Significant p-values expected Significant p-values expected
SRMR Biased upward, useother indices SRMR 0.08
(with CFI .95) SRMR 0.09
(with CFI > .92) Biased upward, use other indices SRMR 0.08
(with CFI > .92) SRMR 0.08
(with CFI .92)
Incremental Fit Indices
CFI CFI 0.97 CFI 0.95 CFI > 0.92CFI 0.95 CFI > 0.92 CFI > 0.90
RNI May not diagnose
misspecification
well CFI 0.95 CFI > 0.92 CFI 0.95 not used with N >
1,000 CFI > 0.92 not used with N >
1,000 CFI > 0.90 not used
with N > 1,000
Parsimony Fit Indices
PNFI0 NFI 1, relatively high values represent relatively better fit
Sumber : Hair et al., (2014)
94 3.8.4.3 Kecocokan Model Pengukuran (Measurement Model Fit)
Menurut Hair et al., (2014), uji kecocokan model pengukuran atau measurement model fit dilakukan kepada setiap measurement model secara terpisah dengan evaluasi validitas dan reliabilitas.
1. Menurut Hair et al., (2014), suatu variabel dinyatakan memiliki validitas yang baik terhadap construct atau variabel laten jika standardized loading factor (SLF) 0,5 dan t-value 1,65.
2. Menurut Hair et al., (2014), suatu variabel dinyatakan mempunyai reliabilitas yang baik jika :
a. Nilai Construct Reliability (CR) 0,7
∑
∑ ∑
b. Nilai Variance Extracted (VE) 0,5
∑
∑ ∑
Berdasarkan variable yang diteliti pada penelitian ini, terdapat 6 measurement model, yaitu :
1. Funtional Value
95 λX11
λX21 λX31 λX41 λX51
Gambar 3.18 merupakan measurement model variable functional value. Pada penelitian ini, measurement model terdiri dari lima pernyataan (indikator) yang merupakan 1st CFA (Confirmatory factor analysis) dan mewakili satu variabel laten yaitu functional value. Variabel laten functional value diwakili dengan notasi 1.
Gambar 3. 18 Measurement Model Variabel Functional Value
2. Conditional Value
Gambar 3.19 merupakan measurement model variabel conditional value. Pada penelitian ini, measurement model terdiri dari empat pernyataan (indikator) yang merupakan 1st CFA (Confirmatory factor analysis) dan mewakili satu variabel laten yaitu conditional value. Variabel laten conditional value diwakili dengan notasi 2.
X2 X1
X3 X4 X5 δ1
δ2 δ3 δ4 δ5
Functional Value ( 1)
96 λX62
λX72 λX82 λX92
λX103 λX113 λX123 λX133
Gambar 3. 19 Measurement Model Variabel Conditional Value
3. Social Value
Gambar 3.20 merupakan measurement model variable social value. Pada penelitan, measurement model terdiri dari empat pernyataan (indikator) yang merupakan 1st CFA (Confirmatory factor analysis) dan mewakili satu variable laten yaitu social value. Variabel laten social value diwakili dengan notasi 3.
Gambar 3. 20 Measurement Model Variabel Social Value X6
X7
X8
X9 δ6
δ7
δ
δ
Conditional Value ( 2)
Social Value ( 3) X10
X11
X12
X13 δ10
δ11
δ12
δ13
97 λX144
λX154 λX164 4. Emotional Value
Gambar 3.21 merupakan measurement model terdiri dari lima pernyataan (indikator) yang merupakan 1st CFA (Confirmatory factor analysis) dan mewakili satu variabel laten yaitu emotional value.
Variabel laten emotional value diwakili dengan notasi 4.
Gambar 3. 21 Measurement Model Variabel Emotional Value
5. Attitude
Gambar 3.22 merupakan measurement model terdiri dari empat pernyataan (indikator) yang merupakan 1st CFA (Confirmatory factor analysis) dan mewakili satu variabel laten yaitu attitude. Variabel laten attitude diwakili dengan notasi 1.
X14
X15
X16
X17 δ14
δ15
δ16
δ17
Emotional Value ( 4)
δ1 X18
98 λY11
λY21 λY31 λY41
λY52 λY62 λY72 λY82
Gambar 3. 22 Measurement Model Variabel Attitude
6. Purchase Intention
Gambar 3.23 merupakan measurement model terdiri dari empat pernyataan (indikator) yang merupakan 1st CFA (Confirmatory factor analysis) dan mewakili satu variabel laten yaitu purchase intention.
Variabel laten purchase intention diwakili dengan notasi η 2.
Gambar 3. 23 Measurement Model Variabel Purchase Intention Y1
Y2
Y3
Y4 ε1
ε2
ε3
ε4
Attitude (η 1)
Y5
Y6
Y7
Y8 ε5
ε6
ε7
ε8
Purchase Intention (η 2)
99 3.8.4.4 Kecocokan Model Struktural (Structural Model Fit)
Menurut Hair et al., (2014), model struktural berguna untuk merepresentasikan keterkaitan antara dependent variables dan independent variables. Menurut Malhotra, Nunan, & Birks (2017), model struktural menunjukan keterkaitan antara suatu konstruk dengan konstruk lainnya dan menspesifikasikan apakah terdapat hubungan atau tidak.
Dalam menganalisis struktural model, peneliti terlebih dahulu melakukan uji hipotesis. Menurut Lind, Marchal, & Wathen (2012), hipotesis adalah suatu pernyataan mengenai parameter dari populasi yang harus diverifikasi. Data diuji untuk melihat apakah terdapat alasan yang jelas terhadap pernyataan tersebut. Terdapat lima tahapan dalam menguji hipotesis menurut Lind, Marchal, & Wathen (2012):
1. State null (H0) and alternate (H1) hypotheses
Langkah pertama yang dilakukan yaitu menentukan hipotesis yang akan diuji, atau disebut juga sebagai null hypothesis (H0) dimana H merupakan singkatan dari hipotesis dan angka 0 artinya no difference . Null hypothesis merupakan pernyataan nilai parameter dari populasi yang dikembangkan. Sedangkan alternate hypothesis (H1) pernyataan yang menunjukan bahwa hipotesis diterima atau digunakan untuk menolak null hypothesis.
100 2. Select a level of significance
Level of significance atau alpha ( ) merupakan kemungkinan ditolaknya null hypothesis (H0). Pada penelitian ini level of significance yang digunakan adalah = 0,05 atau 5% yang artinya tingkat kesalahan hasil uji dari penelitian maksimal sebesar 5%. Level of significance memiliki 2 jenis error, yaitu :
a. Type I error ( ), artinya menolak null hypothesis, H0 ketika benar
b. Type II error ( ), artinya menerima null hypothesis ketika salah
3. Select the test statistic
Test statistik merupakan nilai yang ditentukan dari informasi sample yang digunakan untuk menentukan apakah null hypothesis ditolak atau diterima. Untuk melihat hal tersebut, peneliti melihat hasil t-value dan nilai critical value. Jika hasil t-value lebih besar dari critical value maka null hypothesis (H0) ditolak.
4. Formulate a decision rule
Decision rule merupakan pernyataan secara spesifik dimana null hypothesis (H0) diterima atau ditolak. Acuan t-table dalam penelitian ini adalah 1.65 dengan menggunakan one tailed test dengan pengaruh positif nilai critical value 1.65 dan pengaruh
101 negatif nilai critical value -1.65. Gambar 3.23 merupakan grafik dari one tailed test dengan pengaruh positif (right tailed test) yang digunakan sedangkan Gambar 2.24 merupakan grafik dari one tailed test dengan pengaruh negatif (left tailed test).
Sumber : Lind, Marchal, & Wathen (2012) Gambar 3. 24 Right Tailed Test
Sumber : Lind, Marchal, & Wathen (2012) Gambar 3. 25 Left Tailed Test
102 5. Take a sample, arrive at decision
Langkah terakhir dalam uji hipotesis adalah menghitung test statistic dan membandingkan t-value dengan critical value dan menentukan apakah null hypothesis (H0) diterima atau ditolak.
Pada penelitian ini, analisis keseluruhan structural model (path diagram) model penelitian digambarkan pada Gambar 3.2
103 λX11
λX21
λX31
λX51 Functional Value (ξ 1)λX41
λX62
λX72λX82
λX92 Conditional Value (ξ 2)
λX103
Social Value (ξ 3) λX113λX123λX133
Emotional Value (ξ 4) λX144λX154λX164λX174 Purchase Intention (η 2) Attitude (η 1)
Gambar 3. 26 Path Diagram 7
8 Y2 Y1Y3Y4 ε1ε2ε3ε4
Y6 Y5
Y7
Y8 ε5ε6ε7
ε8
