BAB III
METODE PENELITIAN
A. Waktu Dan Tempat Penelitian
Waktu yang dilakukan dalam penelitian ini dimulai pada tanggal 14 Maret 2014. Lokasi penelitian yang dilakukan oleh peneliti pada Showroom Mazda, yang beralamat di JL. Sultan Iskandar Muda, No. 51, 12240, Jakarta Selatan(021) 7269000.
B. Desain Penelitian
Penelitian ini bertujuan untuk mengetahui pengaruh Kualitas Produk dan Ekuitas Merek Terhadap Keputusan Pembelian Konsumen Produk roda empat merek Mazda. Oleh karena itu metode penelitian ini adalah metode penelitian yang digunakan berupa penelitian kausal yaitu penelitian yang dimaksudkan untuk mengetahui atau tidaknya pengaruh antara satu variabel atau lebih terhadap variabel lainnya. Dalam hal ini Pengaruh Kualitas Produk dan Ekuitas Merek mempengaruhi keputusan pembelian konsumen (Independent variable) terhadap keputusan pembelian konsumen (dependent variable).
C. Definisi Dan Operasionalisasi Variabel
Definisi operasional merupakan penentuanconstruct, sehingga menjadi variabel yang dapat diukur. Untuk memberikan gambaran yang lebih jelas tentang variabel penelitian, maka disajikan tabel sebagai berikut:
Tabel 3.1
Definisi Operasional Variabel N
o
Nama variabel Dimensi Indikator Skala Pengukuran
1 Kualitas produk (X1) Simamora (2008:16) Ciri-Ciri Kualitas Produk
a.1. Mobil aman digunakan bagi para pembeli sebagai konsumen.
a.2 .Bentuk mobil Mazda lebih menarik dibandingkan merek lain.
a.3 .Mobil Mazda mampu melaju dengan kecepatan tinggi.
a.4 .Mobil Mazda memiliki daya tahan mesin yang
baik.
a.5 .Mobil Mazda lebih bertenaga dalam perjalanan tanjakan. 2 Ekuitas merek (X2) Kritianto (2011) Dan Rangkuti (2002:152) Nilai tambah produk dan jasa
b..1 Logo dapat dengan mudah diingat cepat atau simbol dari mobil mazda.
b.2. Mazda adalah merek pertama kali muncul pada benak konsumen.
b.3. Mobil merek Mazda dapat langsung dikenal dengan hanya melihat model
b.4. Mobil yang memiliki inovasi desaign b.5. Mobil yang memiliki fitur canggih
Ordinal 3 Keputusan Pembelian (Y) Simamora (2008:16) Aspek-aspek keputusa n pembelia n
c.1. Konsumen membeli mobil mazda untuk memenuhi kebutuhan berkendara
c.2. Konsumen membeli mobil mazda karena ingin mencobanya.
c.3. Konsumen membeli mobil mazda karena telah terbiasa mengendarainya (pernah memiliki).
c.4. Adanya informasi melalui media yang mempromosikan produk mobil mazda.
c.5. Keputusan pembelian biasanya muncul ketika anda mengetahui produk dan merek yang dipakai.
Ordinal
Sumber: Nurjanah. (2013)
A. Variabel Dan Skala Pengukuran a. Variabel
1. Kualitas Produk (X1)
Menurut Cannon, Perreault, dan McCarthy (2008) menyatakan dari sudut pandang pemasaran, kualitas (Quality) berarti kemampuan produk untuk memuaskan kebutuhan dan keinginan pelanggan. Definisi ini berfokus pada pelanggan dan bagaimana pelanggan berfikir suatu produk akan memenuhi tujuan tertentu. 2. Ekuitas merek (X2)
Menurut Kotler dan Keller (2010) Ekuitas Merek adalah nilai tambah yang diberikan pada produk dan jasa. Nilai ini bisa dicerminkan dalam cara konsumen berfikir, merasa, bertindak terhadap merek, harga, pangsa pasar, dan profitabilitas yang dimiliki oleh perusahaan.
Adalah suatu keinginan yang timbul di benak konsumen untuk dapat memiliki atau membeli suatu produk atau jasa yang baru diingat, didengar atau dirasakan. b. Skala Pengukuran
Pengukuran masing-masing variabel dalam penelitian ini menggunakan skala likert. Skala likert digunakan untuk mengukur sikap pendapatan dan presepsi seseorang atau sekelompok orang tentang fenomena sosial. Dengan skala likert maka variabel yang akan diukur dijabarkan menjadi indiktor variabel. Biasannya likert menggunakan skala ordinal yaitu untuk mengurutkan data dari tingkat paling rendah ketingkat paling tinggi atau sebaliknya dengan interval yang tidak harus sama. Kemudian indikator tersebut dijadikan titik tolak untuk menyusun item-item instrumen yang dapat berupa pertanyaan, Sugiono (2009). Skala Likert menggunakan lima tingkatan jawabandapat dilihat pada tabel 3.2.
Tabel 3.2 Instrumen Skala likert
Jawaban Skor
Sangat Setuju 5
Setuju 4
Netral 3
Tidak Setuju 2
Sangat Tidak Setuju 1
Sumber Sugiono (2009)
Setelah besarnya jawaban dari responden diberi nilai, selanjutnya dicari rata-rata dari setiap jawaban responden dan untuk memudahkan penilain dari rata-rata banyaknya kelas interval sebanyak lima. Duriyanto (2001) memberikan rumus sebagai berikut :
Inteval P =
Berdasarkan rumus diatas, maka panjang kelas interval adalah : P = = 0,8
Setelah besar interval diketahui kemudian dibuat rentan skala sehingga dapat diketahui dimana letak rata-rata penilaian responden terhadap setiap unsur diferensiasinya dan sejauh mana variasinya.
B. Populasi Dan Sampel 1. Populasi
Populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang diterapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2009) adapun populasi dari penelitian ini adalah semua konsumen roda empat merek Mazda diseluruh showroom Mazda di Jakarta Selatan.
2. Sampel
Sampel merupakan bagian dari populasi (elemen) yang memenuhi syarat untuk dijadikan sebagai obyek penelitian. Menurut Hair (2010). Dalam penelitian ini teknik penarikan atau pengambilan sampel diambil dengan menggunakan teknik Non Probability Sampling. Teknik Non Probability Sampling yaitu semua elemendalam populasi tidak memiliki kesempatan yang sama untuk dipilih menjadi sampel. Pemilihan sampel ini dilakukan karena peneliti memahami informasi yang dibutuhkan dan dapat diperoleh dari satu kelompok sasaran tertentu yang mampu memberikan informasi yang diperlukan dan mereka memenuhi kriteria yang ditentukan oleh peneliti (Ferdinand, 2006). Jenis sampling yang digunakan adalah purposive sampling. Sampel diambil secara subjektif, hal ini dilakukan karena peneliti memahami bahwa informasi yang dibutuhkan dapat diperoleh dari satu kelompok sasaran tertentu yang mampu memberikan informasi yang dikehendaki. Maka sampel yang akan diambil berdasarkan suatu kriteria dan pertimbangan tertentu, yaitu orang yang membeli produk roda empat di Mazda showroom, Sampel yang digunakan adalah sebanyak 150 responden.
C. Teknik Pengumpulan Data
Sampel penelitian adalah bagian dari populasi. Pada dasarnya sebagian dari subjek penelitian yang akan digunakan sebagai dasar pengujian hipotesis, sehingga kesimpulan yang diperoleh dari sampel dianggap berlaku juga untuk populasi. Sedangkan teknik sampling adalah teknik pengambilan sampai dengan menggunakan purpose sampling Sugiyono (2009) yaitu teknik penentuan sampel berdasarkan tujuan, siapa saja yang memang menjadi tujuan dan objek dari penelitian ini.
Teknik sampling yang digunakan akan untuk menentukan responden adalah cara memilih anggota dari populasi untuk dijadikan sampel dimana sesuka peneliti Ronny Kountour (2004). Menurut Hair, et.al. (2010) dalam Supramono dan Haryanto ( 2005), ukuran sampel untuk kepentingan pengujian hipotesis yang menggunakan structural equation model(SEM) berkisar 100-200. Dalam penelitian ini, penulis menetapkan sebanyak 150 responden. Jumlah ini didapat melalui penghitungan jumlah sampel dengan rumus (10 x jumlah indikator), artinya dalam
penelitian ini sampelnya berjumlah (10 x 15 = 150). Kelebihan data digunakan sebagai cadangan jika terjadi penyimpangan data.
D. Metode Analisis Data
Metode penelitian yang dipakai dalam penelitian ini adalah analisis kuantitatif, maksudnya digunakan skala penilaian untuk menyatakan bobot antara hubungan variabel satu dengan variabel yang lainnya. Untuk dapat mengetahui signifikasi pengaruh antar variabel, maka data diolah dengan menggunakan metode analisis SEM (Structural Equation Modeling) dengan menggunakan software Lisrel 8.7.
1. Spesifikasi Model
Spesifikasi model ini merupakan pembentukan model awal persamaan pengukuran dan strukural.Spesiikasi model pengukuran merupakan persamaan notasi matematik yang membentuk variabel-variabel teramati. Sedangkan spesifikasi model struktural adalah persamaan notasi matematik berdasarkan hubungan antara satu variabel laten ke variabel laten lainnya. Kemudian, akan ditunjukkan output path diagram hybrid model dengan notasi matematik.
Adapun penelitian ini dapat digambarkan berdasarkan SEM (Structural Equation Modeling) sebagai berikut:
Keterangan:
= Variabel Laten ( eksogen dan
Endogen)
= Variabel Teramati (
Indikator)
ξ = Variabel Eksogen
η = Variabel Endogen
x = Variabel Bebas (Independent)
y = Variabel Terikat (dependent)
Y = Gamma (parameter yang
menunjukkan regresi variabel laten endogen
a. Confirmatory Factor Analysis
Penelitian ini menggunakan pengukuran dengan dua tahap, di sebut two-step approach. Tingkat pertama, yaitu CFA merupakan model pengukuran yang menunjukkan suatu variabel laten diukur oleh satu atau lebih variabel-variabel teramati. Hal ini didasari alasan bahwa variabel-variabel laten atau konstruk tertentu yang mendasarinya (Wijanto, 2008). Hasil CFA harus diperiksa terlebih dahulu dari kemungkinan terjadinya offending estimate,kemudian dilakukan uji validitas dan realibilitas. Kemudian tingkat kedua
dilakukan, yaitu Second Order CFA (2ndCFA) menunjukkan hubungan antara variabel-variabel laten pada tingkat pertama sebagai indikator dari sebuah variabel-variabel laten tingkat kedua.
Keuntungan menggunakan CFA adalah model dibentuk terlebih dahulu, jumlah variabel laten ditentukan oleh peneliti, pengaruh suatu variabel laten terhadap variabel teramati ditentukan lebih dahulu, beberapa efek langsung terhadap variabel teramati dapat ditetapkan sama dengan nol atau suatu konstanta, kesalahan pengukuran boleh berkolerasi, kovarian variabel-variabel laten dapat diestimasi atau ditetapkan pada nilai tertentu dan identifikasi parameter diperlukan.
b. Analisis Offending Estimates
Analisis awal ini harus dilakukan untuk memastikan tidak terdapat offending estimates (nilai-nilai yang melebihi batas yang dapat diterima) dari hasil estimasi di tingkat CFA. Berikut kriteria analisisnya, yaitu:
1. offending estimates, terutama adanya negative error variences (dikenal dengan heywod cases). Jika ada kesalahan varian negatif, maka varian kesalahan tersebut perlu ditetapkan menjadi 0.005 atau 0.001.
2. nilaistandardize loading factor >0.50, namun peneliti menggunakan SLF lebih dari atau sama dengan 0.30 (Igbaria et al. dalam Wijayanto 2008). Sehingga variabel-variabel terkait bisa dipertimbangkan untuk dihapus.
3. standard errors yang berhubungan dengan koefisien-koefisien yang diestimasi mempunyai nilai yang besar.
2. Uji Validitas dan Uji Reliabilitas
Untuk menguji kelayakan kostruk dari peertanyaan-pertanyaan yang diajukan pada kuisioner penelitian, penulis kemudian melakukan uji validitas dan reliabilitas. Validitas berhubungan dengan apakah suatu varibel mengukur apa yang seharusnya diukur (Wijayanto, 2008). Validitas dalam penelitian ini menyatakan derajat ketepatan alat ukur penelitian terhadap isi atau arti sebenarnya yang diukur.
Menurut Ridgon dan Ferguson (1991) dan Toll, Xia, Torkzadeh (1994) dalam Wijayanto (2008) menyatakan suatu variabel latennya, jika:
Nilait-value>1.96 pada tingkat kepercayaan 95%
Muatan faktor standarnya (standardized loading factor) ≥0.70. Semntara itu, Igbarta et al., (1997) menyatakan bahwa standardized loading factor ≥ 0.50 adalah sangat signifikan. Jika terdapat variabel-variabel yang memiliki nilai t-value< 1,96 dan standardized loading factor kurang dari 0.50 atau 0,70 maka harus dihilangkan/dihapuskan dari model disebut juga model trimming. Setelah itu, proses pengukuran dilakukan kembali dengan CFA dan dianalisis sesuai dengan syarat-syarat di atas.
Realibilitas adalah konsistensi suatu pengukuran (Wijayanto, 2008).Reliabilitas yang tinggi menunjukkan bahwa indikator-indikator mempunyai konsistensi yang tinggi dalam mengukurvariabel latennya.Realibilitas suatu konstruk dikatakan baik, jika nilai construct reabilitynya adalah ≥ 0.70. Cara lain untuk menghitung reabilitas adalah dengan menggunakan variance extracted (VE), dimana nilai VE ≥ 0.50. Ekstrak varian mencerminkan jumlah varian keseluruhan dalam indikator yang dijelaskan oleh construct latent. Berikut ini adalah rumus perhitungan pengukuran reliabilitas:
= ( . )² ( . )² + = ( . )² ( . )² + Keterangan: = Jumlah keseluruhan
Std.Loading = Sandardized loading factors (muatan
factor standar)
ej = Kesalahan
Menurut Hair (2010), nilai CR yang baik adalah ≥ 0.70. Apabila nilai CR berada di kisaran angka 0.60 dan 0.70, maka realibilitas masih termasuk dalam kategori baik. Selain itu, untuk pengukuran nilai VE ≥ 0.50 merupakan ukuran yang baik dalam mengukur reliabilitas, tetapi VE ini biasanya berupa pilihan (optional) dalam penelitian, sehingga peneliti diperbolehkan hanya menggunakan CR sebagai ukuran reliabilitas, namun akan lebih baik apabila VE diikutsertakan.
3. Second Order (2ndCFA)
Second Order Confirmatory factor analysis (2ndCFA) adalah model pengukuran yang terdiri dari dua tingkat (Wijayanto, 2008). 2ndCFA merupakan pengukuran tingkat kedua yang menunjukkan hubungan antara variabel-variabel laten pada tingkat pertama sebagai indikator dari sebuah variabel laten tingkat kedua. CFA tingkat kedua ini akan mengestimasi dan menganalisis kecocokan model secara keseluruhan sertaterhadap model strukturalnya.
4. Uji Kecocokan Keseluruhan Model
Struktural Equation Modeling (SEM) merupakan suatu teknik statistik yang mampu menganalisis variabel laten, variabel teramati, dan kesalahan pengukuran secara langsung. SEM mampu menganalisis hubungan antara variabel laten dengan variabel
indikatornya, hubungan antara variabel laten yang satu dengan variabel laten yang lain, juga mengetahui besarnya kesalahan pengukuran (Sitinjak dan Sugiarto, 2006). Hal tersebut sejalan dengan pendapat ahli yang mengatakan SEM tidak seperti analisis multivariate biasa yang tidak bisa menguji regresi berganda ataupun analisis faktor secara bersama-sama (Bollen, 1989: dala, Ghozali, 2005).Disamping hubungan kausal searah, SEM juga memungkinkan menganalisis hubungan dua arah.
Setelah model terbentuk, maka diperlukan analisis dalam uji kecocokan model, indikator-indikator yang dapat digunakan antara lain (Wijayanto, 2008) :
1. Chi square /degrees of freedom (χ2/df)
Chi Square digunakan untuk mengujiseberapa dekat kecocokan antara matrik kovarian sampel dengan matrik kovarian model. Hari (2008) mengatakan bahwa χ2seharusnya lebih diperlakukan sebagai ukurangoodness offit atau badness of fit dan bukan sebagaiuji statistik. χ2dapat disebut juga sebagai badness of fitkarena nilaiχ2yangbesar menunjukkankecocokan yang tidak baik (badfit) sedangkan nilaiχ2 yang kecil menunjukkan good fit (kecocokan yang baik).
2. Non-Centrality Parameter (NCP)
NCP merupakan ukuran perbedaan antara matrik kovarian sampel (Σ) dengan matrik kovarian model (Σ(θ)). NCP juga merupakan ukuran badnessof fit dimana semakin besar perbedaan antara Σ dengan Σ(θ) semakin besar nilai NCP. Jadi, kita perlu mencari NCP yang nilainya kecil atau rendah.
3. Goodness of Fit Indices (GFI)
GFI dapat diklasifikasikan sebagaiuji kecocokan absolut, karena padadasarnya GFI membandingkan model yang dihipotesiskan dengan tidak ada model sama sekali. Nilai GFI harus berkisar antara 0 (poor fit )sampai 1 (perfect fit), dan nilai GFI ≥ 0,90 merupakan good fit (kecocokan yang baik), sedangkan 0,80 ≤ GFI < 0,90 sering disebut marginal fit.
4. Root Mean Square Residual (RMR)
RMRmewakilinilai rerata residual yang diperoleh dari mencocokkan matrik varian – kovariandarimodelyangdihipotesiskandenganmatrik varian-kovarian dari data sampel.StandardizedRMRmewakilinilai rerata seluruhstandardizedresiduals, dan mempunyai rentang dari 0ke1.Model yangmempunyai kecocokan yang baik (goodfit) akanmempunyainilaiStandardizedRMR<0,05.
5. RootMean Square Error of Approximation
RMSEA merupakan salah satu indeks yang informatifdalamSEM. NilaiRMSEA≤0,05menandakanclose fit,
McCallum (1996)menambahkanbahwanilaiRMSEA antara 0,08sampai0,10menunjukkanmediocore(marginal fit), serta nilai RMSEA > 0,10 men unjukkan poor fit.
6. Expected Cross-Validation Index (ECVI)
ECVI diusulkan sebagai sarana untuk menilai, dalam sampel tunggal,likelihood bahwa model divalidasi silang (cross-validated) dengan sampel-sampel dengan ukuran yang sama dari populasi yang sama (Browne dan Cudeck, 1989). ECVI digunakan untuk perbandingan model dan semakin kecil nilai ECVI sebuah model semakin baik tingkat kecocokannya.
7. Adjusted Goodness-of-Fit Index (AGFI)
AGFI adalah perluasan dari GFI yang disesuaikan dengan rasio antara degreeof freedom dari null/independence/baseline model dengan degree of freedom dari model yang dihipotesiskan atau diestimasi. Seperti halnya GFI, nilai AGFI berkisar antara 0 sampai 1. Nilai AGFI ≥ 0,90 menunjukkan good fit,sedangkan 0,80 ≤ AGFI < 0,90 sering disebut sebagai marginal fit.
8. Normed Fit Index (NFI)
NFI mempunyai nilai yang berkisar antara 0 sampai 1. Nilai NFI ≥ 0,90menunjukkan good fit, sedangkan 0,80 ≤ NFI < 0,90 sering disebut sebagaimarginal fit.
9. Relative Fit Index (RFI)
Nilai RFI akan berkisar antara 0 sampai 1. Nilai RFI ≥ 0,90 menunjukkangood fit, sedangkan 0,80 ≤ NFI < 0,90 sering disebut sebagai marginal fit.
10. Incremental Fit Index (IFI)
Nilai IFI akan berkisar antara 0 sampai 1. Nilai IFI ≥ 0,90 menunjukkan good fit, sedangkan 0,80 ≤ IFI < 0,90 sering disebut sebagai marginal fit.
11. Comparative Fit Index (CFI)
Nilai CFI berkisar antara 0 sampai 1. Nilai CFI ≥ 0,90 menunjukkangood fit,sedangkan 0,80 ≤ CFI < 0,90 sering disebut sebagai marginal fit.Pada penelitian ini, peneliti menggunakan program Lisrel 8.8 sebagai sarana pengolahan data. Program ini mengharuskan peneliti menulis perintahsyntax(perintah persamaan) dan hasilnya adalah path diagram dan printed output yang dapatmemberikan informasi mengenailoading factor, t-value, serta error variance dari indikator-indikator dalam variabel laten, serta hubungan kausalantara variabel laten eksogen dengan variabel laten endogen.
Pengujian ini akan menganalisis tingkat signifikansi koefisien-koefisien yang diestimasi terhadap model struktral. Tingkat signifikansi dapat dilihat dari nilai t-value yang harus memenuhi syarat yaitu ≥ 1,96. Secara umum, pengujian ini bertujuan untuk melihat apakah hipotesis penelitian diterima atau ditolak. Selain itu, dilakukan evaluasi terhadap solusi standar dimana semua koefisien mempunyai varian yang sama dan nilai maksimumnya adalah 1 (Wijayanto, 2008). Nilai koefisien yang mendekati akan berhubungan dengan peningkatan pentingnya variabel terkait dalam hubungan kausal.
