s pek 0707701 chapter3

(1)

Derra Risma Shintia, 2012

Pengaruh Inovasi Produk Dan Kualitas Produk Terhadap Keunggulan Bersaing Pengusaha Batik Trusmi Di Kabupaten Cirebon

BAB III

METODOLOGI PENELITIAN

3.1 Objek Penelitian

Menurut Suharsimi Arikunto (2006:18), objek penelitian adalah variabel

penelitian, yaitu sesuatu yang merupakan inti dari problematika penelitian. Objek

dalam penelitian ini adalah para pengusaha showroom batik Trusmi, di Kabupaten

Cirebon.

Dalam penelitian ini terdapat 3 variabel yang diteliti yaitu 2 variabel bebas

yaitu Inovasi Produk, dan Kualitas Produk, serta variabel terikat (Y) yaitu

Keunggulan Bersaing.

3.2Metode Penelitian

Metode merupakan suatu cara ilmiah yang dilakukan untuk mencapai

maksud dan tujuan tertentu (Sugiono, 2006:1). Metode yang digunakan dalam

penelitian ini adalah metode explanatory survey. Metode explanatory survey,

yaitu suatu metode yang digunakan untuk menjelaskan hubungan kausal antara

variabel-variabel melalui pengujian hipotesis.

Penelitian ini bersifat verifikatif, yang pada dasarnya penelitian ini ingin

menguji kebenaran dari suatu hipotesis yang dilaksanakan melalui pengumpulan

(2)

3.3Populasi dan Sampel

3.3.1 Populasi

Suharsimi Arikunto (2006:108) mengatakan bahwa populasi adalah

keseluruhan subjek penelitian. Berdasarkan pengertian tersebut, maka populasi

penelitian ini adalah seluruh pengusaha showroom batik Trusmi, Kecamatan

Plered, Kabupaten Cirebon yang berjumlah 35 pengusaha.

3.3.2 Sampel

Menurut Suharsimi Arikunto (2006:131) sampel adalah sebagian atau

wakil populasi yang diteliti. Dalam penelitian ini mempergunakan pengambilan

sampel dengan teknik sampling jenuh. Teknik ini diambil berdasarkan pendapat

Sugiyono (2006 : 95) yaitu ”Sampling jenuh adalah teknik penentuan sampel bila

semua anggota populasi digunakan sebagai sampel”. Karena populasi kurang dari

100 maka teknik sampling yang diambil adalah semua anggota populasi sebanyak

(3)

|

3.4Operasionalisasi Variabel

Untuk menguji hipotesis yang diajukan, dalam penelitian terlebih dahulu setiap

variabel didefinisikan, kemudian dijabarkan melalui operasionalisasi variabel. Hal ini

dilakukan agar setiap variabel dan indikator penelitian dapat diketahui skala

pengukurannya secara jelas. Operasionalisasi variabel penelitian secara rinci diuraikan

pada Tabel 3.1

Tabel 3. 1

Operasionalisasi Variabel

Variabel Konsep Teoritis Konsep Empiris Konsep Analitis Skala

Variabel Bebas

a) Produk baru diihat dari :

- produk asli : keaslian model

(4)

dispesifikasikan

b)Reability (keandalan) dilihat dari :

e) P erceived quality

(kualitas yang dirasakan) dilihat dari : di pasar yang sama.

Keunggulan

(5)

|

 bentuk corak/motif: mega mendung,

 Keragaman ukuran pakaian: Small (S),

Medium (M),

Large (L), Xtra

Large (XL),

Double Xtra Large

(6)

3.5Teknik Pengumpulan Data

Teknik pengumpulan data merupakan suatu proses pengadaan data untuk

keperluan penelitian dimana data yang terkumpul adalah untuk menguji hipotesis

yang telah dirumuskan. Data yang diperoleh dalam penelitian ini didapatkan

dengan menggunakan teknik sebagai berikut :

1. Studi dokumentasi, yaitu teknik pengumpulan data dengan cara

mengumpulkan data dan dokumen-dokumen yang sudah ada serta

berhubungan dengan variabel penelitian, tujuan digunakannya teknik studi

dokumenter ini adalah untuk mencari data yang berkaitan dengan

variabel-variabel yang di teliti baik berupa catatan,laporan maupun dokumen yang ada.

2. Angket/quesioner, yaitu pengumpulan data yang dilakukan melalui

penggunaan daftar pertanyaan yang telah disusun dan disebar kepada

responden agar diperoleh data yang dibutuhkan.

3. Wawancara bertujuan untuk membantu dalam melengkapi pengumpulan data

yang tidak terdapat dalam angket.

3.6Teknik Pengolahan Data

Data yang telah terkumpul sebeum digunakan didalam analisis data harus

diolah terlebih dahulu, adapun teknik pengolahan data yang dilakukan dalam

penelitian ini adalah sebagai berikut :

1. Menyeleksi data, yaitu untuk melihat atau memeriks kejelasan dan benar

(7)

2. Mentabulasi data, yaitu suatu proses merubah data mentah dari responden

menjadi data yang bermakna. Data yang telah dikelompokan kemudian

dimasukan ke dalam tabel-tabel untuk dihitung berdasarkan aspek-aspek yang

dijadikan variabel penelitian untuk memudahkan dalam menganalisis data.

3. Menghitung ukuran-ukuran karakteristik berdasarkan variabel-variabel

4. Menganalisis data berdasarkan metode statistik yang dirancang.

5. Melakukan pengujian hipotesis yang telah digunakan dalam penelitian ini.

6. Membuat laporan penelitian.

3.7Teknik Analisis Data

Teknik analisa data dalam penelitian ini mengunakan analisis regresi

berganda (multiple regression). Sedangkan alat analisis yang digunakan yaitu

software SP SS. Dengan demikian, maka data yang bersifat ordinal pada penelitian

ini yaitu variabel inovasi produk, kualitas produk dan keunggulan bersaing harus

dubah dan ditingkatkan menjadi data interval melalui MSI Methods of Succesive

Interval (MSI). Salah satu kegunaan dari MSI dalam pengukuran adalah untuk

menaikkan pengukuran dari ordinal ke interval.

Langkah kerja Methods of Succesive Interval (MSI) adalah sebagai berikut :

a. Perhatikan tiap butir pernyataan, misalnya dalam angket.

b. Untuk butir tersebut, tentukan berapa banyak orang yang mendapatkan

(menjawab) skor 1,2,3,4,5 yang disebut frekuensi.

c. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut

(8)

d. Tentukan Proporsi Kumulatif (PK) dengan cara menjumlah antara proporsi

yang ada dengan proporsi sebelumnya.

e. Dengan menggunakan tabel distribusi normal baku, tentukan nilai Z

untuk setiap kategori.

f. Tentukan nilai densitas untuk setiap nilai Z yang diperoleh dengan

menggunakan tabel ordinat distribusi normal baku.

g. Hitung SV (Scale Value) = Nilai Skala dengan rumus sebagai berikut:

)

h. Menghitung skor hasil tranformasi untuk setiap pilihan jawaban dengan rumus:







SVMin



SV

Y  1

Dimana K 1



SVMin



Permasalahan yang diajukan akan di proses dan kemudian dilakukan

pengolahan dengan menggunakan statistik parametrik. Model analisis yang

digunakan untuk melihat pengaruh antara variabel-variabel bebas terhadap

variabel terikat serta untuk menguji kebenaran dari hipotesis akan digunakan

model persamaan regresi berganda yang rumus penghitungan dari regresi

berganda tersebut adalah sebagai berikut :

Dimana :

Y adalah Keunggulan Bersaing X2 adalah Kualitas Produk

(9)

X1 adalah Inovasi Produk

3.7.1 Tes Validitas

Tes validitas adalah suatu ukuran yang menunjukkan tingkat-tingkat

kevalidan dan kesahihan sesuatu instrumen. Dikatakan valid apabila mampu

mengukur apa yang diinginkan.Cara menguji validitas adalah:

1. Mendefinisikan secara operasional konsep yang akan diukur

2. Melakukan uji coba skala pengukur tersebut pada sejumlah responden

3. Mempersiapkan tabel tabulasi jawaban

4. Menghitung korelasi antar masing-masing pernyataan dengan skor total

dengan menggunakan rumus teknik korelasi product moment:

  

R = Koefisien validitas yang dicari

X = Skor yang diperoleh dari subjek setiap item

Y = Skor total item instrumen

∑X = Jumlah skor dalam distribusi X

∑Y = Jumlah skor dalam distribusi Y

∑ = Jumlah kuadrat pada masing-masing skor X

∑ = Jumlah kuadrat pada masing-masing skor Y

(10)

Dalam hal ini kriterianya adalah :

rxy < 0,20 : Validitas sangat rendah 0,20 - 0,39 : Validitas rendah

0,40 - 0,59 : Validitas sedang/cukup 0,60 - 0,89 : Validitas tinggi

0,90 - 1,00 : Validitas sangat tinggi

Dengan menggunakan taraf signifikan α = 0,05 koefisien korelasi yang

diperoleh dari hasil perhitungan, dibandingkan dengan nilai tabel korelasi nilai r

dengan derajat kebebasan (n-2) dimana n menyatakan jumlah baris atau

banyaknya responden.

Jika r hitung r0,05 Instrumen valid

jika r hitung r ₀_,₀₅ Instrumen tidak valid

3.7.2 Tes Relialibilitas

Tes reliabilitas digunakan sebagai alat pengumpul data yang dapat

dipercaya karena instrumen sudah baik. Reliabilitas menunjuk pada tingkat

keterandalan sesuatu. Uji reabilitas ini menggunakan rumus alpha karena data

berupa skor dari 1-5. Rumus mencari reliabilitas instrumen adalah:



r11 = Reliabilitas instrumen

(11)



2 b

 _{= jumlah varian butir}

2 1

 _{= varian total}

Keputusannya dengan membandingkan r11 dengan r tabel, dengan ketentuan

sebagai berikut :

Jika r 11> r tabel berarti reliabel dan jika r 11< r tabel berarti tidak reliabel.

3.8Pengujian Asumsi Klasik

3.8.1 Uji Multikolinearitas

Pada mulanya multikoliniearitas berarti adanya hubungan linier yang

sempurna atau pasti diantara beberapa atau semua variabel yang menjelaskan dari

model regresi. Dalam hal ini variabel-variabel bebas ini bersifat tidak orthogonal.

Variabel-variabel bebas yang bersifat orthogonal adalah variabel bebas yang nilai

korelasi diantara sesamanya sama dengan nol. Terdapat beberapa metode yang

bisa dilakukan untuk mengetahui multikolinearitas diantaranya adalah :

1. Mendeteksi nilai koefisien determinasi (R2) dan nilai t hitung. Jika R2

tinggi (biasanya berkisar 0,7-1,0) tetapi sangat sedikit koefisien regresi

yang signifikan secara statistik, maka kemungkinan ada gejala

multikolinieritas.

2. Melakukan uji korelasi derajat nol. Apabila koefisien korelasinya

tinggi, perlu dicurigai adanya masalah multikolinearitas. Akan tetapi

tingginya koefisien korelasi tersebut tidak menjamin terjadi

(12)

3. Menguji korelasi antar sesama variabel bebas dengan cara meregresi

setiap Xi terhadap X lainnya. Dari regresi tersebut, kita dapatkan R2 dan

F. Jika nilai Fhitung melebihi nilai kritis Ftabel pada tingkat derajat

kepercayaan tertentu, maka terdapat multikolinearitas variabel bebas.

Dalam penelitian ini penulis untuk memprediksi ada atau tidaknya

multikolinearitas, penulis melihat dari nilai probabilitas hasil pengujian SP SS.

Apabila terjadi Multikolinearitas menurut Yana Rohmana (2010:150) disarankan

untuk mengatasinya dapat dilakukan dengan cara sebagai berikut :

1. Tidak ada Perbaikan

Multikolinearitas akan tetap menghasilkan estimator yang BLUE karena

masalah estimator yang BLUE tidak memeerlukan asusmsi tidak adanya

korelasi antar variabel independen.

2. Dengan Perbaikan

Tindakan perbaikan yang dapat dilakukan apabila terdapat

multikolinearitas yang serius, yaitu sebagai berikut :

a. Menghilangkan variabel independen

b. Transformasi variabel

c. Penambahan data

3.8.2 Uji Heterokedastisitas

Salah satu asumsi model regresi linier klasik ialah bahwa varian dari setiap

(13)

merupakan bilangan konstan dengan simbol σ2

. Inilah asumsi heteroskedastisitas

atau sama (homo) penyebarannya (skedastisitas) maksudnya sama varian.

Dengan adanya heteroskedastisitas maka estimator OLS tidak akan

menghasilkan estimator yang Best Linear Unbiased Estimator (BLUE).

Konsekuensi jika varian yang minimum adalah :

1. Jika varian tidak minimum maka menyebabkan perhitungan standar eror

metode OLS menjadi tidak bisa dipercaya kebenarannya.

2. Akibat dari no.1 di atas, maka interval estimasi maupun uji hipotesis yang

didasarkan pada uji F tidak bisa lagi dipercaya untuk evaluasi hasil regresi

Ada beberapa metode yang bisa digunakan untuk mengetahui adanya

heteroskedastisitas, metode yang digunakan dalam penelitian ini yaitu metode

White. Adapun langkah-langkah untuk uji white adalah:

1. Estimasi persamaan dan dapatkan residualnya

2. Lakukan regresi pada persamaan yang disebut regresi auxiliary

3. Hipotesis nol dalam uji ini adalah tidak ada heteroskedastisitas. Uji white

didasarkan pada jumlah sampeldegree of freedom sebanyak variabel

independen tidak termasuk konstanta dalam regresi auxiliry.

4. Ketentuannya adalah :

a.Jika nilai chi-sqare hitung (n, R2) lebih besar dari nilai x2 kritis dengan

derajat kepercayaan tertentu (α) maka heteroskedastisitas.

b.Jika nilai chi-sqare hitung (n, R2) lebih kecil dari nilai x2 kritis dengan

(14)

3.8.3 Uji Autokorelasi

Dalam suatu analisa regresi dimungkinkan terjadinya hubungan antara

variabel-variabel bebas atau korelasi sendiri, gejala ini disebut autokorelasi. Istilah

autokorelasi dapat didefinisikan sebagai korelasi antara anggota serangkaian

observasi yang diurutkan menurut waktu dan ruang.

Autokorelasi merupakan suatu keadaan dimana tidak adanya korelasi

antara variabel pengganggu (disturbance term) dalam multiple regression.

Faktor-faktor penyebab autokorelasi antara lain kesalahan dalam menentukan model,

penggunaan lag dalam model dan tidak dimasukannya variabel penting.

Konsekuensi adanya autokorelasi menyebabkan hal-hal berikut :

 Parameter yang diestimasikan dalam model regresi OLS menjadi bias dan

varian tidak minim lagi sehingga koefisien estimasi yang diperoleh kurang

akurat dan tidak efisien.

 Varians sampel tidak menggambarkan varians populasi, karena diestimasi

terlalu rendah (underestimated) oleh varians residual taksiran.

 Model regresi yang dihasilkan tidak dapat digunakan untuk menduga niai

variabel terikat dari variable bebas tertentu.

 Uji tidak berlaku lagi, jika uji ttetap digunakan maka kesimpulan yang

(15)

Adapun cara untuk mendeteksi ada atau tidaknya autokorelasi pada model

regresi, pada penelitian ini pengujian asumsi autokorelasi dapat diuji melalui

beberapa cara di bawah ini:

1) Uji Durbin Watson (DW), yaitu dengan cara membandingkan nilai DW

statistik dengan DW tabel.

Uji DW menurunkan niai kritis batas bawah (dt) dan batas atas (du)

sehingga jika nilai d hitung terleak diluar nilai kritis ini maka ada tidaknya

autokorelasi baik positif maupun negatif dapat diketahui. Penentuan ada

tidaknya autokorelasi dapat dilihat dengan jelas dalam tabel 3.2 dibawah

ini :

Tabel 3.2

Uji Statistik Durbin Watson

Nilai Statistik d Hasil

0 < d < d1

d1≤ d ≤ du

du≤ d ≤ 4 - du

4 - du≤ d ≤ 4 - d1

4 - d1≤ d ≤ 4

Menolak hipotesis nol; ada autokorelasi positif

Daerah keragu-raguan; tidak ada keputusan

Menerima hipotesis nol; tidak ada autokorelasi

Positif/negatif

Daerah keragu-raguan; tidak ada keputusan

Menolak hipotesis nol; ada autokorelasi positif

Salah satu keuntungan dari uji DW yang didasarkan pada residual

adalah bahwa setiap program komputer untuk regresi selalu memberi

(16)

1. Melakukan regresi metode OLS dan kemudian mendapatkan nilai

residualnya

2. Menghitung nilai d dari persamaan regresi

3. Dengan jumlah observasi (n) dan jumlah variabel independen tertentu

tidak termasuk konstanta (k), kita cari nilai kritis dL dan dU di statistik

Durbin Watson

4. Keputusan ada tidaknya autokorelasi didasarkan pada tabel diatas.

Dengan pedoman : bila nilai X2hitung lebih kecil dibandingkan nilai

X2tabel maka tidak ada autokorelasi. Sebaliknya bila nilai X2hitung lebih

besar dibandingkan nilai X2tabelmaka ditemukan adanya autokorelasi.

Nilai Durbin-Watson menunjukan ada tidaknya autokorelasi baik

positif atau negatif. Jika digambarkan adalah sebagai berikut:

Gambar 3.1 MenerimaH0atau H

(17)

2) Metode Uji Langrange Multilier (LM) atau Uji Breusch Godfrey yaitu

dengan membandingkan nilai X2tabel dengan X2hitung. Rumus untuk mencari

X2hitung sebagai berikut :

X2 = (n-1) R2

Dengan pedoman : bila X2hitung lebih keci dibandingkan nilai X2tabel

maka tidak ada autokorelasi. Sebaliknya bila nilai X2hitung lebih

besardibandingkan dengan niai X2tabel maka ditemukan adaya autokorelasi.

3.9Pengujian Hipotesis

3.9.1 Uji Parsial (uji t )

Uji t pada dasarnya menunjukkan “seberapa jauh pengaruh satu variabel

penjelas/independen secara individual dalam menerangkan variasi variabel

dependen.” (Gujarati, 2001:84). Dalam penelitian ini, berarti uji t digunakan untuk

mengetahui pengaruh dari masing-masing variabel independen yang terdiri atas

inovasi produk dan kualitas produk terhadap keunggulan bersaing yang

merupakan variabel dependennya.

Rumus uji t adalah :

Dimana : r = Koefisien Regresi

n = Jumlah responden

(18)

Kriteria pengujian :

1. Menentukan taraf nyata (level of significant) sebesar 0,05 atau 5%

2. Menentukan derajat kebebasan (df) dimana df=n-2

3. Menentukan formula H0 dan Ha

H0 : β1,2= 0, artinya tidak ada pengaruh yang signifikan antara inovasi

produk (X1), kualitas produk (X2) terhadap keunggulan bersaing (Y)

Ha: β1,2> 0, artinya ada pengaruh yang signifikan antara inovasi

produk(X1), kualitas produk (X2) terhadap keunggulan bersaing (Y).

4. Keputusan pengujian

a. Jika thitung>ttabel, maka hipotesis yang menyatakan ada pengaruh

positif antara inovasi produk(X1) terhadap keunggulan bersaing (Y)

atau antara kualitas produk (X2) terhadap keunggulan bersaing (Y)

adalah diterima.

b. Jika thitung<ttabel, maka hipotesis yang menyatakan tidak ada

pengaruh positif antara inovasi produk(X1) terhadap keunggulan

bersaing (Y) atau antara kualitas produk (X2) terhadap keunggulan

bersaing (Y) adalah ditolak.

3.9.2 Uji Simultan (uji F )

Pengujian hipotesis secara keseluruhan merupakan penggabungan variabel

X terhadap variabel terikat Y untuk diketahui seberapa besar pengaruhnya.

(19)

Dimana :

R2 = Koefisien korelasi berganda dikuadratkan

n = jumlah sampel

k = jumlah variabel bebas

Kriteria pengujian :

1. Menentukan taraf nyata (level of significant) 0,05 atau 5%.

2. Menentukan derajat kebebasan (df) Ftabel = 2; n-k-1

3. Menentukan formulasi H0 dan Ha

a. H0 : β1,2 = 0, artinya variabel X {inovasi produk (X1) dan kualitas

produk (X2) } secara bersama-sama tidak berpengaruh positif

terhadap variabel Y(keunggulan bersaing)

b. Ha : β1,2 ≤ 0, artinya variabel X {inovasi produk (X1) dan kualitas

produk (X2) } secara bersama-sama berpengaruh positif terhadap

variabel Y(keunggulan bersaing)

4. Keputusan pengujian

b. Jika Fhitung>Ftabel, maka hipotesis yang menyatakan ada pengaruh

positif antara inovasi produk(X1), kualitas produk (X2) terhadap

(20)

c. Jika Fhitung<Ftabel, maka hipotesis yang menyatakan tidak ada

pengaruh positif antara inovasi produk(X1), kualitas produk (X2)

terhadap keunggulan bersaing (Y) adalah ditolak.

3.9.3 Uji Koefisien Determinasi (R2)

Menurut Gujarati (2001:98) dijelaskan bahwa koefisien determinasi (R2)

yaitu angka yang menunjukkan besarnya derajat kemampuan menerangkan

variabel bebas terhadap variabel terikat dari fungsi tersebut. Koefisien determinasi

sebagai alat ukur kebaikan dari persamaan regresi yaitu memberikan proporsi atau

persentase variasi total dalam variabel tidak bebas (Y) yang dijelaskan oleh

variabel bebas (X). Rumus yang digunakan adalah :

Dimana :

R2 = Koefisien determinasi n = Jumlah observasi

ESS = Jumlah kuadrat residual TSS = Total jumlah kuadrat residual

K = Jumlah parameter (termasuk intersep)

Nilai R2 berkisar antara 0 dan 1 (0<R2<1), dengan ketentuan sebagai berikut :

- Jika nilai semakin mendekati angka 1, maka hubungan antara variabel

semakin erat atau baik.

- Jika nilai semakin menjauhi angka 1, maka hubungan antara variabel

(21)