xiv
xv
KUESIONER
Responden Yth,
Saya adalah mahasiswa Magister Manajemen Binus Business School yang sedang
menyelesaikan tugas akhir.
Mohon kesediaan Bapak/Ibu/Saudara/I untuk meluangkan waktu guna mengisi
kuesioner ini. Kuesioner ini digunakan untuk keperluan penelitian dalam rangka
menyusun Tesis dengan judul
“Analisis Pengaruh Karakteristik Produk, Persepsi
Harga, Kesadaran Merek dalam membangun Minat Pembelian (Studi pada
Nissan Livina)”
. Tidak ada salah atau benar dalam pengisian kuesioner ini. Untuk itu
mohon kiranya Bapak/Ibu/Saudara/i dapat membantu penulis dalam menjawab
kuesioner ini dengan sejujur-jujurnya, demi keobjektivitasan penelitian yang sedang
penulis lakukan.
Terima kasih atas kesediaan Bapak/Ibu/Saudara/I dalam mengisi kuesioner ini.
Profil Responden
Nama Responden:
Jenis Kelamin:
( ) Laki-laki
( ) Wanita
Usia:
( )
≤
20 tahun
( ) 35 – 50 tahun
( ) 21 – 35 tahun
( )
≥
50 tahun
Pendidikan Terakhir:
( ) < S1
( ) S1
( ) S2
( ) > S2
Pekerjaan:
( ) Pelajar/Mahasiswa
( ) Pegawai negeri
( ) Wirausaha
( ) Pegawai swasta
( ) Lainnya, sebutkan ________
Pengeluaran per bulan:
( ) < Rp. 10 juta
( ) Rp. 20 – 30 juta
( ) Rp. 10 – 20 juta
( ) > Rp. 30 juta
xvi
Beri tanda silang (X) pada nomor yang tersedia sesuai dengan jawaban yang
anda pilih. Pilih satu jawaban saja, kecuali ada petunjuk khusus.
Keterangan Bobot
Nilai
STS = Sangat Tidak Setuju
1
TS = Tidak Setuju
2
S = Setuju
3
SS = Sangat Setuju
4
1. Karakteristik Produk
No.
Pernyataan STS TS
S
SS
1
Desain eksterior Nissan Livina menarik.
2
Pengoperasiannya mudah.
3
Pemeliharaannya mudah.
4
Fitur‐fitur yang sesuai dengan kegunaan.
5
Daya angkut penumpang dan barang yang sesuai dengan kebutuhan.
6
Konsumsi bahan bakar yang irit.
7
Negara asal produk dari Jepang.
2. Persepsi Harga
No.
Pernyataan STS TS
S
SS
8
Harga sesuai dengan kualitas yang ditawarkan.
9
Harga sesuai dengan yang saya harapkan.
10
Harga cukup bersaing dibandingkan mobil lain.
11
Harga sesuai dengan manfaat yang saya peroleh.
12
Harga cukup terjangkau.
xvii
3. Kesadaran Merek
No.
Pernyataan STS TS
S
SS
13
Jika saya ingin membeli mobil keluarga, saya langsung ingat Nissan Livina.
14
Dibandingkan dengan merek lain yang sejenis, saya lebih memilih Nissan Livina.
15
Saya dapat mengenali Nissan Livina diantara mobil lain yang sejenis.
16
Saya mengenal merek Nissan dengan baik.
17
Saya sering mendengar merek Nissan dengan baik.
18
Saya tidak asing dengan merek Nissan.
4. Minat Pembelian
No.
Pernyataan STS TS
S
SS
19
Saya ingin membeli Nissan Livina.
20
Saya berencana membeli Nissan Livina.
21
Saya berharap membeli Nissan Livina.
22
Saya akan merekomendasikan Nissan Livina kepada teman saya.
23
Saya membutuhkan mobil seperti Nissan Livina.
xviii
DATE: 8/20/2010 TIME: 19:37
L I S R E L 8.70 BY
Karl G. J÷reskog & Dag S÷rbom
This program is published exclusively by Scientific Software International, Inc.
7383 N. Lincoln Avenue, Suite 100 Lincolnwood, IL 60712, U.S.A.
Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-2004
Use of this program is subject to the terms specified in the Universal Copyright Convention.
Website: www.ssicentral.com
The following lines were read from file C:\Users\budi\Desktop\NEW THESIS\Raw Data\Path Diagram.SPJ:
Path Diagram
Raw Data from file 'C:\Users\budi\Desktop\NEW THESIS\Raw Data\Path Diagram.psf' Sample Size = 155 Latent Variables PH KM MP KP Relationships PH1 = PH PH2 = PH PH3 = PH PH4 = PH PH5 = PH KM1 = KM KM2 = KM KM3 = KM KM4 = KM KM5 = KM KM6 = KM MP1 = MP MP2 = MP MP3 = MP MP4 = MP MP5 = MP KP1 = KP KP2 = KP KP3 = KP KP4 = KP KP5 = KP KP6 = KP KP7 = KP
xix
MP = PH KMPH = KP KM = KP MP = KP
Set Error Covariance of KM6 and KM5 free Set Error Covariance of KP3 and KP2 free Set Error Covariance of MP5 and MP4 free Set Error Covariance of MP4 and KM free Set Error Covariance of KM6 and KM4 free Set Error Covariance of KM5 and KM4 free Set Error Covariance of MP4 and MP3 free Set Error Covariance of KP7 and KP6 free Set Error Covariance of MP5 and KM free Path Diagram End of Problem Sample Size = 155 Path Diagram Covariance Matrix PH1 PH2 PH3 PH4 PH5 KM1 --- --- --- --- --- --- PH1 0.32 PH2 0.21 0.42 PH3 0.09 0.14 0.30 PH4 0.11 0.15 0.09 0.30 PH5 0.14 0.16 0.11 0.11 0.41 KM1 0.10 0.13 0.03 0.07 0.07 0.70 KM2 0.12 0.16 0.08 0.13 0.04 0.24 KM3 0.03 0.07 0.03 0.06 0.02 0.14 KM4 0.04 0.02 0.01 0.01 0.01 0.08 KM5 0.02 0.05 0.04 0.00 0.08 0.06 KM6 0.02 0.01 0.03 0.00 0.04 0.01 MP1 0.08 0.12 0.05 0.06 0.06 0.25 MP2 0.09 0.12 0.07 0.07 0.08 0.22 MP3 0.07 0.08 0.04 0.08 0.03 0.20 MP4 0.09 0.11 0.09 0.09 0.07 0.13 MP5 0.09 0.14 0.06 0.07 0.05 0.20 KP1 0.05 0.11 0.05 0.09 0.05 0.16 KP2 0.01 0.06 0.04 0.04 0.05 0.11 KP3 0.04 0.08 0.04 0.06 0.10 0.07 KP4 0.08 0.08 0.07 0.08 0.06 0.05 KP5 0.09 0.07 0.05 0.09 0.08 0.12 KP6 0.06 0.08 0.06 0.07 0.06 0.07 KP7 0.01 0.02 0.00 0.05 0.02 0.04 Covariance Matrix KM2 KM3 KM4 KM5 KM6 MP1 --- --- --- --- --- --- KM2 0.46
xx
KM3 0.13 0.30 KM4 0.02 0.07 0.39 KM5 0.04 0.05 0.18 0.38 KM6 -0.05 0.03 0.21 0.24 0.52 MP1 0.18 0.09 0.02 0.01 -0.02 0.41 MP2 0.20 0.11 0.03 0.04 -0.02 0.29 MP3 0.18 0.10 0.01 0.03 -0.05 0.23 MP4 0.19 0.07 0.05 0.11 0.04 0.09 MP5 0.20 0.06 0.00 0.01 -0.04 0.17 KP1 0.13 0.06 -0.01 -0.02 -0.05 0.10 KP2 0.08 0.04 0.01 0.03 -0.02 0.08 KP3 0.08 0.03 0.06 0.04 0.00 0.08 KP4 0.08 0.03 0.04 0.05 0.01 0.07 KP5 0.09 0.01 0.04 0.03 0.01 0.10 KP6 0.12 0.03 -0.06 -0.02 -0.07 0.09 KP7 0.01 0.00 -0.01 0.00 0.03 0.07 Covariance Matrix MP2 MP3 MP4 MP5 KP1 KP2 --- --- --- --- --- --- MP2 0.45 MP3 0.29 0.36 MP4 0.09 0.13 0.32 MP5 0.19 0.16 0.19 0.45 KP1 0.14 0.11 0.04 0.08 0.31 KP2 0.08 0.09 0.06 0.07 0.11 0.25 KP3 0.09 0.07 0.06 0.10 0.09 0.14 KP4 0.08 0.09 0.03 0.07 0.07 0.02 KP5 0.09 0.08 0.05 0.10 0.05 0.05 KP6 0.09 0.07 0.06 0.09 0.09 0.04 KP7 0.03 0.06 0.07 0.07 0.04 0.04 Covariance Matrix KP3 KP4 KP5 KP6 KP7 --- --- --- --- --- KP3 0.26 KP4 0.05 0.28 KP5 0.05 0.12 0.35 KP6 0.05 0.08 0.11 0.27 KP7 0.02 0.03 0.03 0.09 0.27 Path Diagram Number of Iterations = 18LISREL Estimates (Maximum Likelihood) Measurement Equations
xxi
PH1 = 0.38*PH, Errorvar.= 0.17 , R¦ = 0.46 (0.025) 6.93 PH2 = 0.50*PH, Errorvar.= 0.16 , R¦ = 0.61 (0.068) (0.030) 7.43 5.39 PH3 = 0.27*PH, Errorvar.= 0.23 , R¦ = 0.25 (0.052) (0.028) 5.30 8.07 PH4 = 0.31*PH, Errorvar.= 0.20 , R¦ = 0.33 (0.053) (0.026) 5.96 7.74 PH5 = 0.34*PH, Errorvar.= 0.30 , R¦ = 0.28 (0.061) (0.037) 5.60 7.94 KM1 = 0.49*KM, Errorvar.= 0.46 , R¦ = 0.34 (0.059) 7.77 KM2 = 0.51*KM, Errorvar.= 0.20 , R¦ = 0.57 (0.077) (0.033) 6.62 6.01 KM3 = 0.24*KM, Errorvar.= 0.24 , R¦ = 0.19 (0.053) (0.029) 4.45 8.35 KM4 = 0.088*KM, Errorvar.= 0.38 , R¦ = 0.020 (0.056) (0.043) 1.58 8.74 KM5 = 0.12*KM, Errorvar.= 0.37 , R¦ = 0.039 (0.056) (0.042) 2.19 8.70 KM6 = - 0.031*KM, Errorvar.= 0.52 , R¦ = 0.0019 (0.064) (0.060) -0.49 8.77 MP1 = 0.49*MP, Errorvar.= 0.17 , R¦ = 0.59 (0.024) 7.13 MP2 = 0.58*MP, Errorvar.= 0.11 , R¦ = 0.75 (0.054) (0.022) 10.83 5.08xxii
MP3 = 0.49*MP, Errorvar.= 0.13 , R¦ = 0.66 (0.049) (0.020) 10.08 6.31 MP4 = 0.51*KM - 0.22*MP, Errorvar.= 0.19 , R¦ = 0.42 (0.13) (0.11) (0.034) 3.90 -1.98 5.39 MP5 = 0.32*KM + 0.085*MP, Errorvar.= 0.29 , R¦ = 0.34 (0.12) (0.10) (0.038) 2.79 0.82 7.70 KP1 = 0.32*KP, Errorvar.= 0.21 , R¦ = 0.32 (0.047) (0.028) 6.76 7.59 KP2 = 0.20*KP, Errorvar.= 0.21 , R¦ = 0.17 (0.044) (0.025) 4.65 8.28 KP3 = 0.23*KP, Errorvar.= 0.21 , R¦ = 0.19 (0.045) (0.026) 5.09 8.17 KP4 = 0.26*KP, Errorvar.= 0.21 , R¦ = 0.24 (0.045) (0.027) 5.72 8.00 KP5 = 0.28*KP, Errorvar.= 0.27 , R¦ = 0.22 (0.051) (0.034) 5.47 8.08 KP6 = 0.27*KP, Errorvar.= 0.20 , R¦ = 0.26 (0.044) (0.025) 6.05 7.88 KP7 = 0.11*KP, Errorvar.= 0.26 , R¦ = 0.042 (0.047) (0.030) 2.26 8.66Error Covariance for KM5 and KM4 = 0.17 (0.033) 5.16 Error Covariance for KM6 and KM4 = 0.21 (0.040) 5.30 Error Covariance for KM6 and KM5 = 0.24 (0.040)
xxiii
5.91 Error Covariance for MP4 and MP3 = 0.053 (0.016) 3.36 Error Covariance for MP5 and MP4 = 0.069 (0.028) 2.52 Error Covariance for KP3 and KP2 = 0.092 (0.020) 4.61 Error Covariance for KP7 and KP6 = 0.061 (0.020) 3.02 Structural Equations PH = 0.71*KP, Errorvar.= 0.49 , R¦ = 0.51 (0.12) (0.14) 6.19 3.42 KM = 0.74*KP, Errorvar.= 0.45 , R¦ = 0.55 (0.13) (0.15) 5.80 2.95 MP = - 0.28*PH + 0.57*KM + 0.46*KP, Errorvar.= 0.35 , R¦= 0.65 (0.15) (0.18) (0.23) (0.099) -1.87 3.09 2.02 3.54Reduced Form Equations
PH = 0.71*KP, Errorvar.= 0.49, R¦ = 0.51 (0.12) 6.19 KM = 0.74*KP, Errorvar.= 0.45, R¦ = 0.55 (0.13) 5.80 MP = 0.68*KP, Errorvar.= 0.53, R¦ = 0.47 (0.10) 6.55
Correlation Matrix of Independent Variables KP
xxiv
---1.00
Covariance Matrix of Latent Variables
PH KM MP KP --- --- --- --- PH 1.00 KM 0.53 1.00 MP 0.35 0.76 1.00 KP 0.71 0.74 0.68 1.00
Goodness of Fit Statistics Degrees of Freedom = 216
Minimum Fit Function Chi-Square = 250.31 (P = 0.055)
Normal Theory Weighted Least Squares Chi-Square = 231.23 (P = 0.23) Estimated Non-centrality Parameter (NCP) = 15.23
90 Percent Confidence Interval for NCP = (0.0 ; 55.99) Minimum Fit Function Value = 1.63
Population Discrepancy Function Value (F0) = 0.099 90 Percent Confidence Interval for F0 = (0.0 ; 0.36) Root Mean Square Error of Approximation (RMSEA) = 0.021 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.041)
P-Value for Test of Close Fit (RMSEA < 0.05) = 1.00 Expected Cross-Validation Index (ECVI) = 2.28 90 Percent Confidence Interval for ECVI = (2.18 ; 2.55)
ECVI for Saturated Model = 3.58 ECVI for Independence Model = 15.45
Chi-Square for Independence Model with 253 Degrees of Freedom = 2332.88 Independence AIC = 2378.88 Model AIC = 351.23 Saturated AIC = 552.00 Independence CAIC = 2471.87 Model CAIC = 593.84 Saturated CAIC = 1667.99 Normed Fit Index (NFI) = 0.89 Non-Normed Fit Index (NNFI) = 0.98 Parsimony Normed Fit Index (PNFI) = 0.76
Comparative Fit Index (CFI) = 0.98 Incremental Fit Index (IFI) = 0.98
Relative Fit Index (RFI) = 0.87 Critical N (CN) = 165.44
xxv
Root Mean Square Residual (RMR) = 0.021 Standardized RMR = 0.059
Goodness of Fit Index (GFI) = 0.88 Adjusted Goodness of Fit Index (AGFI) = 0.85 Parsimony Goodness of Fit Index (PGFI) = 0.69
Time used: 0.140 Seconds