BAB III METODE PENELITIAN. 1. Populasi mengacu pada keseluruhan kelompok orang, kejadian atau hal. diteliti adalah masyarakat Surakarta.

Transkripsi

1 BAB III METODE PENELITIAN A. Populasi dan Sampel 1. Populasi mengacu pada keseluruhan kelompok orang, kejadian atau hal minat yang ingin peneliti investigasi (Sekaran, 2011: 121). Populasi yang diteliti adalah masyarakat Surakarta. 2. Sampel Sampel adalah sebagian dari populasi. Sampel terdiri atas sejumlah anggota yang dipilih dari populasi. Dengan kata lain, sejumlah tapi tidak semua, elemen populasi akan membentuk sampel (Sekaran, 2011: 123). Teknik Maximum Likelihood Estimation (ML) efektif untuk sampel berkisar sampel (Mustafa dan Wijaya, 2012: 8). Dalam penelitian ini sampel yang diambil sebanyak 300 masyarakat Surakarta. Kota Surakarta terdiri atas 5 kecamatan, diantaranya kecamatan Banjarsari, Jebres, Laweyan, Pasar Kliwon dan Serengan, sehingga dalam pengambilan sampel dibagi ke lima wilayah kecamatan dan masingmasing diambil sampel sebanyak 60 responden (300 dibagi 5). B. Data dan Sumber Data Penelitian ini menggunakan data primer yang bersumber dari jawaban responden atas pernyataan yang berhubungan dengan pengaruh attitude 28

2 toward brand, perceived quality dan brand uniqueness terhadap brand advocacy yang dimediasi oleh self-brand connection. Data Penelitian ini dikumpulkan dengan cara memberikan kuesioner ke responden secara langsung. C. Metode Pengumpulan Data Adapun teknik yang digunakan untuk memperoleh data adalah menggunakan kuesioner yang menggunakan daftar pernyataan kepada pihakpihak yang berkaitan dengan masalah yang diteliti. Pengambilan sampel dalam penelitian ini dilakukan dengan menggunakan teknik purposive sampling yaitu cara pengambilan sampel yang didasarkan pada pertimbanganpertimbangan tertentu (Sanusi, 2012: 95). Pertimbangan dalam penelitian ini yaitu warga Surakarta yang mengenal Solo, The Spirit of Java. D. Variabel Penelitian Dalam penelitian ini variabel yang diuji meliputi : 1. Variabel dependen Variabel dependen yaitu variabel yang nilainya dipengaruhi oleh variabel independen (Umar, 2002). Variabel dependen dalam penelitian ini adalah brand advocacy. 2. Variabel independen Variabel independen yaitu variabel yang menjdi sebab terjadinya atau terpengaruhnya variabel dependen (Umar, 2002). Variabel independen 29

3 pada penelitian ini adalah attitude toward brand, perceived quality, brand uniqueness. 3. Variabel antara (mediasi) Adalah variabel yang fungsinya bertindak sebagai perantara dalam hubungan antara variabel bebas dengan variabel terikat. Variabel antara merupakan faktor yang secara teori berpengaruh pada fenomena yang sedang diamati, tetapi tidak dilihat, diukur atau dimanipulasi (Sanusi, 2012: 51). Variabel mediasi pada penelitian ini adalah self-brand connection. E. Definisi Operasional 1. Attitude toward brand Attitude toward brand merupakan perilaku konsumen yang erat kaitannya dengan nilai merek bagi konsumen dan ekspekstasi konsumen (Rossiter dan Percy, 1998). Menurut Keller, 1998 (Rio et al., 2001) sikap merek (brand attitude) adalah evaluasi keseluruhan konsumen terhadap sebuah merek. Variabel ini diukur dengan 4 item pernyataan yang diadopsi dari Kemp et al. (2012). Indikator-indikator diukur dengan rnenggunakan 5 point skala Likert (1= sangat tidak setuju sampai dengan 5= sangat setuju). 30

4 Indikator dari variabel attitude toward brand meliputi; - Berharga/Tidak Berharga - Bagus/Jelek, - Suka/Tidak suka - Menyenangkan/Tidak menyenangkan 2. Perceived quality Perceived quality adalah persepsi pelanggan terhadap kualitas atau keunggulan suatu produk atau layanan ditinjau dari fungsinya secara relatif dengan produk-produk lain (Simamora, 2001: 78). Variabel ini diukur dengan 4 item pernyataan yang diadopsi dari Dodds et al., 2012 (Kemp et al., 2012). Indikator-indikator diukur dengan rnenggunakan 5 point skala Likert (1= sangat tidak setuju sampai dengan 5= sangat setuju). Indikator dari variabel perceived quality meliputi; - Budaya Jawa di Solo berkualitas tinggi - Kualitas acara atau event budaya di Solo sangat tinggi - Acara budaya di Solo sangat baik - Budaya Jawa di Solo dapat diandalkan 3. Brand uniqueness Brand uniqueness (keunikan merek) sering terbentuk melalui iklan atau dari pengalaman masa lalu dengan merek. Aspek unik dari merek sering diasosiasikan konsumen dengan nilai terbaik dan kualitas yang lebih 31

5 tinggi (Netemeyer et al., 2004). Variabel ini diukur dengan 4 item pertanyaan yang diadopsi Netemeyer et al. (Kemp et al., 2012). Indikator-indikator diukur dengan rnenggunakan 5 point skala Likert (1= sangat tidak setuju sampai dengan 5= sangat setuju). Indikator dari variabel brand uniqueness meliputi; - Upaya branding tidak sama dengan kota lain - Merek unik - Merek menonjol - Usaha branding yang berbeda dari kota lain 4. Self-brand connection Variabel mediasi dalam penelitian ini adalah self-brand connection. Makna pribadi yang terkait dengan merek bisa berasal dari: (a) gambar atau "kepribadian" dari merek yang berkembang dari waktu ke waktu dari program iklan dan dinamika budaya populer di masyarakat (Keller, 2008 dalam Moore dan Homer, 2008), dan (b) pengalaman pribadi individu dengan merek. Menurut Escalas, 2004 (Moore dan Homer, 2008), premis dasar dari konstruksi self-brand connection bahwa ketika asosiasi merek (makna) yang digunakan untuk membangun diri sendiri atau untuk berkomunikasi diri sendiri kepada orang lain, hubungan yang kuat terbentuk antara merek dan identitas diri konsumen. Penciptaan selfbrand connection yang kuat dan bermakna lebih mungkin terjadi ketika pengalaman pribadi konsumen dengan merek tersebut terkait erat dengan 32

6 citra merek, dan ketika merek itu sendiri memenuhi identifikasi kebutuhan psikologis (Moore dan Homer, 2008). Variabel ini diukur dengan 6 item pernyataan yang diadopsi dari Escalas dan Bettman (Kemp et al., 2012). Indikator-indikator diukur dengan rnenggunakan 5 point skala Likert (1= sangat tidak setuju sampai dengan 5= sangat setuju). Indikator dari variabel self-brand connection meliputi; - Budaya Jawa Solo mencerminkan siapa saya - Saya merasa punya hubungan pribadi untuk merek Solo, The Spirit of Java - Saya dapat menggunakan merek Solo, The Spirit of Java untuk berkomunikasi siapa saya kepada orang lain - Saya pikir merek Solo, The Spirit of Java membantu saya menjadi orang yang seperti saya inginkan. - Saya menganggap branding Solo, The Spirit of Java sebagai saya (hal itu mencerminkan siapa saya, ingin seperti apa saya atau cara saya menampilkan diri kepada orang lain) - Upaya branding Solo, The Spirit of Java sesuai dengan saya 5. Brand advocacy Variabel dependen dalam penelitian ini adalah brand advocacy. Variabel ini diukur dengan 4 item pernyataan yang diadopsi dari Kim et al., 2001 (Kemp et al., 2012). Indikator-indikator diukur dengan rnenggunakan 5 33

7 point skala Likert (1= sangat tidak setuju sampai dengan 5= sangat setuju). Indikator dari variabel brand advocacy meliputi; - Merekomendasikan untuk mendukung acara budaya kota Solo - Berbagi pengalaman - Menganjurkan untuk menghadiri acara budaya kota Solo - Mengajurkan kepada orang lain untuk ikut serta dalam acara budaya kota Solo F. Metode Analisis Data 1. Teknik skala pengukuran Skala pengukuran yang digunakan dalam penelitian ini adalah skala likert dengan skala penilaian 1 5 yaitu : - Sangat tidak setuju : 1 - Tidak setuju : 2 - Netral : 3 - Setuju : 4 - Sangat setuju : 5 2. First Order Confirmatory Factor Analysis (CFA) Pengujian analisis konfirmatori faktor dilakukan untuk menguji validitas dan reliabilitas secara keseluruhan dari jumlah sampel yang dipakai (digunakan) untuk penelitian dan menguji normalitas data, outlier, serta pengukuran goodness of fit. Alat analisis ini digunakan untuk menguji sebuah measurement commit model. to user Dengan alat ini, akan diketahui 34

8 apakah indikator-indikator yang ada memang benar-benar dapat menjelaskan sebuah konstruk (Santoso, 2014: 13). a. Validitas Konvergen Uji validitas bertujuan mengetahui ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Suatu instrumen dianggap memiliki validitas tinggi jika dapat memberikan hasil pengukuran yang sesuai dengan tujuannya. Pengujian validitas dalam penelitian menggunakan convergent validity atau validitas konvergen. Validitas konvergen dapat dinilai dari measurement model yang dikembangkan dalam penelitian dengan menentukan apakah setiap indikator yang diestimasikan secara valid mengukur dimensi dari konsep yang diujinya. Sebuah indikator dimensi menunjukkan validitas konvergen yang signifikan apabila koefisien variabel indikator itu lebih besar dari dua kali standar errornya (Anderson & Gerbing dalam Ferdinand, 2005: 187). Bila setiap indikator memiliki critikal ratio (C.R) yang lebih besar dari dua kali standar errornya (S.E), hal ini menunjukkan bahwa indikator itu secara valid mengukur apa yang seharusnya diukur dalam model yang disajikan. b. Reliabilitas Konstruk Reliabilitas konstruk dinilai dengan menghitung indeks reliabilitas instrumen yang digunakan (composite reliability) dari model SEM yang dianalisis. Nilai batas yang digunakan untuk menilai sebuah tingkat reliabilitas yang dapat diterima adalah 0,70, walaupun 35

9 angka itu bukanlah sebuah ukuran yang mati. Artinya, bila penelitian yang dilakukan bersifat eksploratori, maka nilai dibawah 0,70 pun masih dapat diterima sepanjang disertai dengan alasan-alasan empirik yang terlihat dalam proses eksplorasi. Nunally dan Bernstein (Ferdinand, 2005: 193) memberikan pedoman yang baik untuk menginterpretasikan indeks reliabilitas. Mereka menyatakan bahwa dalam penelitian eksploratori, reliabilitas yang sedang antara 0,5 0,6 sudah cukup untuk menjustifikasi sebuah hasil penelitian. Adapun rumus reliabilitas konstruk sebagai berikut: Construct Reliability Std.Loading Std.Loading 2 2 j Keterangan: Std. Loading = diperoleh langsung dari standarrized loading untuk tiap-tiap indikator (perhitungan komputer AMOS). εj = adalah measurement error dari tiap-tiap indikator. c. Evaluasi Asumsi SEM 1) Ukuran Sampel Sampel ditetapkan lebih dari 100 atau minimal 5 kali jumlah observasi. Namun apabila jumlah sampel yang terlalu banyak dan tidak memungkinkan untuk dilakukan penarikan sampel seluruhnya, maka penelitian akan menggunakan rekomendasi untuk menggunakan Teknik Maximum Likelihood Estimation (ML) 36

10 yaitu penarikan sampel antara sampel (Mustafa dan Wijaya, 2012: 8). Pada penelitian ini sampel yang diambil sebanyak 300 responden. 2) Normalitas Uji normalitas bertujuan untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal. Normalitas univariate dilihat dengan nilai critical ratio (cr) pada skewness dan kurtosis dengan nilai batas di bawah + 2,58. Normalitas multivariate dilihat pada assessment of normality baris bawah kanan, dan mempunyai nilai batas + 2,58. Apabila data terdistribusi normal baik secara univariate (individu) dan multivariate secara bersama-sama maka pengujian data outlier tidak perlu dilakukan (Santoso, 2007: 81). 3) Outliers Data outlier adalah data yang secara nyata berbeda dengan datadata yang lain. Nilai kritis sebenarnya adalah nilai chi-square pada degree of freedom sebesar jumlah sampel pada taraf signifikansi sebesar 0,001. Asumsi terpenuhi jika tidak terdapat observasi yang mempunyai nilai Z-score di atas + 3 atau 4. Sebuah data termasuk outlier jika mempunyai nilai p1 dan p2 yang kurang dari 0,05 pada pengujian outlier mahalanobis distance (Santoso, 2007: 75). 4) Multicollinearity dan Singularity Multikolinearitas dilihat pada determinant matriks kovarians. Nilai yang terlalu kecil menandakan adanya multikolinearitas atau 37

11 singularitas. Dalam program komputer SEM telah menyediakan fasilitas warning setiap kali terdapat indikasi multikolinieritas atau singularitas. d. Evaluasi Atas Kriteria Goodness of Fit 1) Likelihood ratio chi-square statistic ( ) Merupakan ukuran fundamental dari overall fit. Nilai chi square yang tinggi terhadap degree of freedom menunjukkan bahwa korelasi yang diobservasi dengan yang diprediksi berbeda secara nyata dan ini menghasilkan probabilitas lebih kecil dari tingkat signifikansi. Sebaliknya, nilai chi square yang rendah terhadap degree of freedom menunjukkan bahwa korelasi yang diobservasi dengan yang diprediksi tidak berbeda secara signifikan. Oleh sebab itu maka nilai yang diharapkan adalah kecil, atau lebih kecil dari pada chi square tabel. Dalam model maximum likelihood atau jumlah sampel dibawah 200 pengujian goodness of fit (kesesuaian) dapat dilakukan hanya dengan melakukan pengujian chi-square statistic saja dengan ketentuan apabila nilai chi-square kecil atau nilai probabilitas >0,05 maka model sudah dapat dikatakan fit. Chi-square juga bersifat sangat sensitif terhadap besarnya sampel yang digunakan (Hair et al., 1995; Tabachnick & Fidell, 1996 dalam Ferdinand, 2005: 55). Model yang diuji akan dipandang baik atau memuaskan bila nilai chi-squarenya rendah. commit Semakin to user kecil nilai 2 semakin baik model itu 38

12 (karena dalam uji beda chi square, 2 =0, berarti benar-benar tidak ada perbedaan, H o diterima) dan diterima berdasarkan probabilitas dengan cut-off value sebesar p>0.05 atau p>0.10 (Hulland et. al, 1996 dalam Ferdinand, 2005). 2) RMSEA - The Root Mean Square Error of Approximation RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi chi-square statistic dalam sampel yang besar. Nilai RMSEA menunjukkan goodness-of-fit yang dapat diharapkan bila model diestimasi dalam populasi (Hair et. al. 1995). Nilai RMSEA yang lebih kecil atau sama dengan 0.08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degrees of freedom (Browne & Cudeck, 1993). Lebih lanjut, Browne & Cudeck menulis: we are also of the opinion that a value of about 0.08 or less for the RMSEA would indicate a reasonable error of approximation and would not want to employ a mode,' with a RMSEA greater than 0.1 (Browne & Cudeck, 1993). 3) GFI - Goodness of Fit Index Indeks kesesuaian (fit index) ini akan digunakan untuk menghitung proporsi tertimbang dari varian dalam matriks kovarian sampel yang dijelaskan oleh matriks kovarian populasi yang terestimasikan. Indeks ini mencerminkan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual kuadrat model yang 39

13 dipredikasi dibandingkan dengan data yang sebenarnya. Nilai Goodness of Fit Index biasanya dari 0 (nol) sampai 1. Nilai yang lebih baik mendekati 1 mengindikasikan model yang diuji memiliki kesesuaian yang baik, nilai GFI dikatakan baik adalah 0,90 (Mustafa dan Wijaya, 2012). 4) AGFI Adjusted Goodness-of-Fit Index AGFI merupakan pengembangan dari GFI yang disesuaikan dengan degree of freedom yang tersedia untuk menguji diterima tidaknya model. Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0.90 (Hair et al., 1995; Hulland et al., 1996 dalam Ferdinand, 2005). Perlu diketahui bahwa baik GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians dalam sebuah matriks kovarians sampel. Menurut Hulland et. al., 1996 (Ferdinand, 2005), Nilai sebesar 0.95 dapat diinterpretasikan sebagai tingkatan yang baik-good overall model fit (baik) sedangkan besaran nilai antara menunjukkan tingkatan cukup-adequate fit. 5) CMIN/DF CMIN/DF: The minimum sample discrepancy function (CMIN) dibagi dengan degree of freedomnya akan menghasilkan indeks CMIN/DF, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator untuk mergukur tingkat fitnya sebuah model. Dalam hal ini CMIN/DF tidak lain adalah statistik chi square, 2 40

14 dibagi DFnya sehingga disebut 2 relatif. Nilai 2 relatif kurang dari 2.0 atau bahkan kadang kurang dari 3.0 adalah indikasi dari acceptable fit antara models dan data. 6) Tucker Lewis Index (TLI). TLI adalah sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah lebih besar atau sama dengan 0,9 dan nilai yang mendekati 1 menunjukkan a very good fit. TLI merupakan index fit yang kurang dipengaruhi oleh ukuran sampel (Mustafa dan Wijaya, 2012). 7) Comparative Fit Index (CFI). CFI juga dikenal sebagai Bentler Comparative Index. CFI merupakan indels kesesuaian incremental yang juga membandingkan model yang diuji dengan null model. Indeks ini dikatakan baik untuk mengukur kesesuaian sebuah model karena tidak dipengaruhi oleh ukuran sampel (Hair et al., 2006 dalam Mustafa dan Wijaya, 2012). Indeks yang mengidikasikan bahwa model yang diuji memiliki kesesuaian yang baik adalah apabila CFI 0,90 (Mustafa dan Wijaya, 2012). 41

15 Tabel III.1 Kriteria Goodness of Fit Kriteria Indeks Ukuran Nilai Acuan Keterangan Chi Square ( ) Sekecil mungkin Baik p-value 0,05 Baik CMIN/df 2,00/ 3,00 Baik RMSEA 0,08 Baik GFI 0,90 Baik AGFI 0,90 Baik TLI 0,90 Baik CFI 0,90 Baik Sumber: Mustafa dan Wijaya (2012) 3. Analisis Structural Equation Model (SEM) Analisis stuctural equation model bertujuan untuk mengestimasi beberapa persamaan regresi terpisah akan tetapi masing masing mempunyai hubungan simultan atau bersamaan. Dalam analisis ini dimungkinkan terdapat beberapa variabel dependen, dan variabel ini dimungkinkan menjadi variabel independen bagi variabel dependen yang lainnya. Pada prinsipnya, model struktural bertujuan untuk menguji hubungan sebab akibat antar variabel sehingga jika salah satu variabel diubah, maka terjadi perubahan pada variabel yang lain. Dalam studi ini, data diolah dengan menggunakan Analysis of Moment Structure atau AMOS versi

16 Adapun rumus persamaan struktural dalam penelitian ini adalah sebagai berikut : ε 1 = γ 1 ξ 1 + γ 2 ξ 2 + γ 3 ξ 3 + δ 1... (1) ε 2 = β 1 ε 2 + δ 2... (2) Keterangan: ξ 1 = Attitude toward brand sebagai variabel eksogen (bebas); ε 1 = Self-brand connection sebagai variabel laten endogen/terikat pertama (mediasi); ε 2 = Brand advocacy sebagai variabel laten endogen (terikat) kedua; γ 1,... = Hubungan langsung variabel eksogen dengan endogen β 1 = Hubungan langsung variabel endogen dengan endogen δ 1, 2 = Measurement error (residual) endogen. Analisis SEM memungkinkan perhitungan estimasi seperangkat persamaan regresi yang simultan, berganda dan saling berhubungan. Karakteristik penggunaan model ini: (1) untuk mengestimasi hubungan dependen ganda yang saling berkaitan, (2) kemampuannya untuk memunculkan konsep yang tidak teramati dalam hubungan serta dalam menentukan kesalahan pengukuran dalam proses estimasi, dan (3) kemampuannya untuk mengakomodasi seperangkat hubungan antara variabel independen dengan variabel dependen serta mengungkap variabel laten (Ghozali, 2005). 43