BAB III METODE PENELITIAN

Transkripsi

1 BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Objek penelitian ini adalah masyarakat DKI Jakarta. Penelitian ini diteliti dengan kuesioner tertulis secara Face to Face (tatap muka) yang akan dilakukan pada rentang waktu pertengahan Maret 2016 hingga pertengahan Juni B. Desain Penelitian Dalam penelitian ini jenis penelitian yang digunakan adalah analisis kausal. Analisis kausal adalah penelitian untuk mengetahui tentang pengaruh satu atau lebih variabel bebas (variabel laten exogen) terhadap variabel terikat (variabel laten endogen). Dimana peneliti ingin mengetahui Pengaruh Kualitas Pelayanan dan Promosi Wisata Terhadap Minat Berkunjung Ulang Wisatawan (Studi Kasus Pada Monumen Nasional). C. Definisi Operasional Variabel Definisi operasional adalah suatu informasi ilmiah yang amat membantu penelitian lain yang ingin menggunakan variabel yang sama. Definisi operasional merupakan semacam petunjuk pelaksanaan bagaimana caranya mengukur suatu variabel sehingga dapat menentukan apakah prosedur pengukuran yang sama akan dilakukan atau diperlukan prosedur pengukuran yang baru. Adapun Operasionalisasi dari masingmasing variabel terdapat dibawah ini: 20

2 21 Tabel 3.1 Definisi Operasional Variabel No Variabel Definisi Dimensif Indikator 1. Kualitas Pelayanan (X1) 2. Promosi Wisata (X2) 3. Minat Berkunjun g Ulang (Y1) Kualitas layanan bisa diartikan sebagai ukuran seberapa bagus tingkat layanan yang diberikan mampu sesuai dengan ekspektasi pelanggan. Konsumen membentuk ekspektasi layanan dari banyak sumber, seperti pengalaman masa lalu, berita dari mulut ke mulut dan iklan. Baik buruknya kualitas layanan bergantung pada kemampuan penyedia layanan memenuhi harapan pelanggan secara konsisten. Sumber: Menurut Lewis dan Booms (dalam Fandy Tjiptono 2008: 85), Promosi adalah sejenis komunikasi yang memberi penjelasan dan meyakinkan calon konsumen mengenai barang dan jasa dengan tujuan untuk memperoleh perhatian, mendidik, mengingatkan dan meyakinkan calon konsumen. Sumber: menurut Buchari Alma (2006 : 179) Revisit intention adalah kemungkinan wisatwan untuk mengulangi aktifitas atau berkunjung ulang ke suatu destinasi. Sumber: Baker dan a. Bukti fisik (tangibles), b. Keandalan (reliability), c. Daya tanggap (responsivene ss) d. Jaminan (assurance), e. Empati (emphaty) Advertising (Periklanan) b.sales promotion (Promosi Penjualan) c. public relation and publicity (publisitas dan hubungan masyarakat) d. personal selling (pemasaran personal) e. direct marketing a. Past Experience b. Perceived Constrait c. Attitude 1. Penampilan karyawan. 2. Fasilitas fisik. 3. Perlengkapan sebuah destinasi wisata. 4. Memberikan suatu layanan yang cepat diandalkan. 5. Kesediaan petugas untuk membantu dan merespon permintaan wisatawan. 6. Menciptakan rasa aman. 7. Kepercayaan wisatawan. 8. Sopan santun. 9. Perhatian petugas pelayanan. 10. Kepedulian petugas. 1. Penemuan informasi tentang produk / perusahaan dari berbagai media mudah. 2. Design media yang digunakan menarik. 3. Buying Intention. 4. Pesan yang terkandung dalam berbagai media dapat dipercaya. 5. Besar / ukuran insentif yang ditawarkan menarik 6. Insentif yang ditawarkan bervariasi 7. Syarat untuk mendapatkan insentif yang ditawarkan jelas 8. Waktu pelaksanaan insentif yang dilakukan tepat 9. Berita yang tersebar mengenai perusahaan baik. 10. Identitas perusahaan yang unik, berbeda dari yang lainnya. 11. Kegiatan pelayanan masyarakat 12. Approach (pendekatan) 13. Presentation (presentasi) 14. Handling-objection (menangani keberatan) 15. Closing (penutup) 16. Interaksi melalui pemasaran langsung yang interaktif 17. Interaksi dari perusahaan yang interaktif 1. Pengalaman pengunjung pada saat berkunjung ulang ke suatu destinasi. 2. Pengaruh atau kendala pada saat berkunjung ulang. 3. Sikap wisatawan dalam mediasi dampak dari faktor-faktor tertentu pada

3 22 Crompton dalam Chung-Hslen Lin (2012) niat berkunjung ulang. D. Skala Penelitian Penelitian ini menggunakan skala ordinal, yaitu metode yang digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial (Sugiyono, 2007 : 107). Pengukuran terhadap variabel dilakukan dengan menggunakan skala ordinal yaitu metode pengukuran dengan skala likert yaitu angka-angka yang dinilai berdasarkan tingkatan, sebagai berikut : Tabel 3.2 Instrumen Skala Likert Pernyataan Kode Skor Sangat Setuju SS 5 Setuju S 4 Netral N 3 Tidak Setuju TS 2 SangatTidak Setuju STS 1 E. Populasi dan Sampel 1. Populasi Penelitian Populasi adalah kumpulan dari semua kemungkinan orang-orang, benda-benda, dan ukuran lain yang menjadi objek perhatian atau kumpulan seluruh objek yang menjadi perhatian. Sedangkan sampel adalah suatu bagian dari populasi tertentu yang menjadi perhatian (Suharyadi dan Purwanto, 2004:103). Populasi pada penelitian ini adalah seluruh wisatawan di Monumen Nasional.

4 23 2. Sampel penelitian 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 pada penelitian kali ini adalah menggunakan purposive sampling (Sugiyono, 2006:74) 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 Heir, et.al. (1995) dalam Supramono dan Haryanto (2005:54), ukuran sampel untuk kepentingan pengujian hipotesis yang menggunakan structural equation model (SEM) berkisar Dalam penelitian ini, penulis menetapkan sebanyak 150 responden. Jumlah ini didapat melalui penghitungan jumlah sampel dengan rumus 8 x jumlah indikator (Heir, 1995), artinya dalam penelitian ini sampelnya berjumlah (8 x 19 = 152). F. Jenis Data Data yang digunakan dalam pembahasan skripsi ini adalah data yang bersumber dari Data Primer. Data Primer yaitu data yang didapat dari sumber pertama baik dari individu atau kelompok, seperti hasil pengisian kuisioner yang dilakukan peneliti.

5 24 G. Metode Pengumpulan Metode pengumpulan data adalah teknik atau acuan cara-cara yang dapat digunakan untuk mengumpulkan data. Cara mengumpulkan data dalam penelitian ini yaitu dengan penelitian lapangan. Instrument pengumpulan data yang digunakan berupa kuesioner. H. 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 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.

6 25 Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas antar bagian konstruk. Persamaan struktual dari model diagram jalur penelitian ini dinyatakan sebagai berikut: Y1 = a + b1x1 + b2x2 + ε...(1) Keterangan : a Y1 X1 X2 ε = konstanta Y1 = Minat Berkunjung ulang = Kualitas Pelayanan = Promosi Wisata = error measurement 2. Confirmatory Factor Analysis Penelitian ini menggunakan pengukuran dengan dua tahap, di sebut twostep approach. Tingkat pertama, yaitu CFA merupakan model pengukuran yang menunjukkan suatu variabel laten diukur oleh satu atau lebih variabelvariabel teramati. Hal ini didasari alasan bahwa variabel-variabel laten atau konstruk tertentu yang mendasarinya (Wijanto, 2008:76). 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 (2 nd CFA) menunjukkan hubungan antara variabel-variabel laten pada tingkat pertama sebagai indikator dari sebuah variabel laten tingkat kedua. Keuntungan menggunakan CFA adalah model dibentuk terlebih dahulu, jumlah variabel laten ditentukan oleh peneliti, pengaruh suatu variabel laten

7 26 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 variabelvariabel laten dapat diestimasi atau ditetapkan pada nilai tertentu dan identifikasi parameter diperlukan. 3. 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: a) Offending estimates, terutama adanya negative error variances (dikenal dengan heywood cases). Jika ada kesalahan varian negative, maka varian kesalahan tersebut perlu ditetapkan menjadi atau b) Nilai standardize loading factor > 0.50, namun peneliti menggunakan SLF lebih dari atau sama dengan 0.30 (Igbaria, et al dalam Wijayanto, 2008:79). Sehingga variabel variabel terkait yang berada di antara bisa dipertimbangkan untuk masuk kategori validitas. c) Standard errors yang berhubungan dengan koefisien koefisien yang diestimasi mempunyai nilai yang besar. 4. Uji Validitas dan Reliabilitas Untuk menguji kelayakan kostruk dari pertanyaan-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, 2008:76). Validitas dalam

8 27 penelitian ini menyatakan derajat ketepatan alat ukur penelitian terhadap isi atau arti sebenarnya yang diukur. Igbaria, et al (1997) menyatakan bahwa standardized loading factor 0.50 adalah signifikan. Jika terdapat variabel variabel yang memiliki standardized loading factor kurang dari 0.30 atau 0.50 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, 2008:89). Reliabilitas yang tinggi menunjukkan bahwa indikator-indikator mempunyai konsistensi yang tinggi dalam mengukurvariabel latennya.realibilitas suatu konstruk dikatakan baik, jika nilai construct reabilitynya adalah Cara lain untuk menghitung reabilitas adalah dengan menggunakan variance extracted (VE), dimana nilai VE Ekstrak varian mencerminkan jumlah varian keseluruhan dalam indikator yang dijelaskan oleh construct latent. Berikut ini adalah rumus perhitungan pengukuran reliabilitas: Keterangan: = Jumlahkeseluruhan Std.Loading = Sandardized loading factors (muatanfactorstandar) ej = Kesalahan

9 28 Menurut Hair (1998), nilai CR yang baik adalah 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. 5. Second Order (2 nd CFA) 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. 6. 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, 2006:115).

10 29 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: dalam, 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): a) Chi square/degrees of freedom (χ 2 /df) Chi Square digunakan untuk menguji seberapa dekat kecocokan antara matrik kovarian sampel dengan matrik kovarian model. Hari (2008) mengatakan, bahwa χ 2 seharusnya lebih diperlakukan sebagai ukuran goodness of fit atau badness of fit dan bukan sebagai uji statistik. χ 2 dapat disebut juga sebagai badness of fit, karena nilai χ 2 yang besar menunjukkan kecocokan yang tidak baik (bad fit). Sedangkan, nilai χ 2 yang kecil menunjukkan good fit (kecocokan yang baik). b) 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.

11 30 c) Goodness of Fit Indices (GFI) GFI dapat diklarifikasikan sebagai uji kecocokan absolut, karena pada dasarnya 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. d) Root Mean Square Residual (RMR) RMR mewakili nilai rerata residual yang diperoleh dari mencocokkan matrik varian kovarian dari model yang dihipotesiskan dengan matrik varian kovarian dari data sampel. Standardized RMR mewakili nilai rerat seluruh standardized residuals, dan mempunyai rentang dari 0 ke 1. Model yang mempunyai kecocokan yang baik (good fit) akan mempunyai nilai Standardized RMR < e) Root Mean Square Error of Approximation (RMSEA) RMSEA merupakan salah satu indeks yang informative dalam SEM. Nilai RMSEA 0.50 menandakan close fit, sedangkan 0.05 < RMSEA 0.08 menunjukkan good fit (Brown dan Cudek, 1993). McCallum (1996) menambahkan bahwa nilai RMSEA antara 0.08 sampai 0.10 menunjukkan bahwa nilai RMSEA antara 0.08 sampai 0.10 menunjukkan mediocore (marginal fit), serta nilai RMSEA > 0.10 menunjukkan poor fit.

12 31 f) Expected Croos-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. g) Adjusted Goodness of Fit Index (AGFI) AGFI adalah perluasan dari GFI yang disesuaikan dengan rasio antara degree of freedom dari null/independence/baseline model dengan degree of freedom dari model yang dihipotesiskan atau diestimasi. Seprti 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. h) 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. i) 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.

13 32 j) 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. k) Comparative Fit Index (CFI) Nilai CFI berkisar antara 0 sampai 1. Nilai CFI 0,90 menunjukkan good fit,sedangkan 0,80 CFI < 0,90 sering disebut sebagai marginal fit. 7. Uji Kecocokan Model Struktural 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 atau -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.