BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 3.1 Jenis dan Desain Penelitian Jenis penelitian ini adalah penelitian deskriptif dengan tujuan untuk memperoleh gambaran mengenai pengaruh karakteristik produk (product characteristic), kesadaran atas merek (brand awareness), dan persepsi harga (price perception) terhadap minat beli pelanggan (purchase intention) pada industri otomotif Indonesia. Desain penelitian yang digunakan yakni penelitian cross sectional, yaitu tipe desain penelitian yang berupa pengumpulan data dari sampel tertentu yang hanya dilakukan satu kali (Malhotra, 2004) atau tepatnya single cross sectional, dimana kegiatan pengumpulan data dilakukan dari satu responden untuk satu waktu saja. Metode yang digunakan untuk penelitian ini adalah metode kuantitatif. Metode kuantitatif digunakan untuk meneliti pada populasi atau sampel tertentu, teknik pengambilan sampel pada umumnya dilakukan secara random, pengumpulan data menggunakan instrumen penelitian, analisis data bersifat kuantitatif/statistik dengan tujuan untuk menguji hipotesis yang telah ditetapkan (Sugiyono, 2009, p13). Dalam penelitian ini metode kuantitatif akan meneliti secara lebih mendalam tentang pengaruh karakteristik produk (product characteristic), kesadaran akan merek (brand awareness), dan persepsi konsumen atas harga (Price perception) terhadap minat beli konsumen (purchase intention). 29

30 3.2 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data primer, yaitu data yang diperoleh melalui penyebaran kuesioner kepada pembeli Nissan Livina series, baik itu pengguna Nissan Grand Livina, Livina XR, dan Livina X-Gear. 3.3 Metode Penentuan Sampel Dalam penelitian ini, populasi yang digunakan sebagai unit analisis adalah konsumen yang sedang dalam proses pembelian atau yang berminat membeli mobil merek Nissan, khususnya seri Nissan Livina. Peneliti beranggapan mobil ini masih berusia sangat muda dan merupakan model yang benar-benar baru ketika pertama kali diluncurkan. Dengan penjualan yang bisa dibilang fenomenal, tentunya konsumen memiliki beberapa pandangan dan faktor-faktor yang membuat mereka memilih untuk membeli produk Nissan tersebut. Metode pengambilan sampel yang digunakan dalam penelitian ini adalah non probability sampling. Nonprobability sampling adalah teknik pengambilan sampel yang tidak memberi peluang/kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel (Sugiyono, 2009), jadi tiap konsumen atau responden yang memenuhi kriteria populasi tidak memiliki kesempatan atau peluang yang sama untuk dipilih menjadi sampel. Metode nonprobability sampling yang digunakan adalah convenience sampling dimana pengambilan sampel dilakukan dari pengguna yang mudah diakses

31 dan bersedia menjadi responden karena cara ini cukup bermanfaat. Caranya dengan membagikan kuesioner secara langsung kepada calon responden yaitu konsumen pengguna mobil Nissan Grand Livina dan Nissan Livina, dengan jumlah sampel sebanyak 150 responden. 3.4 Metode Pengumpulan Data Dalam metode cross sectional ini, metode pengumpulan data yang digunakan untuk memperoleh data primer dilakukan dengan cara personally administered questionnaire, dimana responden diminta untuk mengisi langsung kuesioner yang dibagikan ditempat dan tidak dibawa pergi (Malhotra, 2006). Untuk data sekunder, pengumpulan data dilakukan dengan studi literatur dan pencarian data di jurnal-jurnal yang meneliti topik sejenis. Skala pengukuran variabel yang digunakan adalah likert scale dengan 4 poin yaitu dari skala 1 (sangat tidak setuju) sampai dengan skala 4 (sangat setuju). 3.5 Pengukuran Variabel Bentuk pertanyaan yang digunakan dalam kuesioner adalah Structured Non Disguised yaitu bentuk pertanyaan merupakan kombinasi pilihan ganda yang berpedoman pada Skala Likert yang digunakan untuk mengukur sikap, pendapat, dan persepsi bagi seorang responden. Bentuk penilaian jawaban kuesioner menggunakan pembobotan dengan 4 buah skala. Bobot dan kategori pengukuran atas tanggapan responden sebagai berikut: (Sugiyono, 2009)

32 Tabel 3.1 Bobot Penilaian dengan Skala Likert Keterangan Penilaian Sangat Tidak Setuju 1 Tidak Setuju 2 Setuju 3 Sangat Setuju 4 3.6 Teknik Pengolahan dan Analisis Data 3.6.1 Structural Equation Modeling (SEM) Teknik pengolahan data structural equation modelling (SEM) dengan metode confirmatory factor analysis (CFA) digunakan dalam penelitian ini. Menurut Maruyama (1998) dalam Wijaya (2009) menyebutkan SEM adalah sebuah model statistik yang memberikan perkiraan perhitungan dari kekuatan hubungan hipotesis dia antara variabel dalam sebuah model teoritis, baik secara langsung atau melalui variabel antara (intervening or mediating). Variabel-variabel teramati (indikatorindikator) menggambarkan satu variabel laten tertentu (latent dimension). Sebagai suatu metode pengujian yang menggabungkan faktor analisis, path analisis dan regresi, SEM lebih merupakan metode confirmatory dari pada exploratory, yang bertujuan mengevaluasi proposed dimensionality yang diajukan dan yang berasal dari penelitian sebelumnya dengan cara melihat dan menguji model hubungan dimensidimensi tersebut. Dengan pemahaman ini, SEM dapat digunakan sebagai alat untuk mengkonfirmasi pre-knowledge yang telah diperoleh sebelumnya (Hair, 2006).

33 Uji kecocokan model digunakan untuk menguji model hubungan antar dimensi atau variabel. Kriteria-kriteria yang diajukan oleh Hair et al. (2006) untuk digunakan dalam menguji kecocokan model antara lain: a. Rasio nilai chi-square dengan derajat kebebasan dari model (normed chi-square). Nilai rasio antara 1-3 dianggap nilai yang sesuai dan nilai lebih dari 5 dianggap poor fit of the model. b. Comparative Fit Index (CFI). Nilai CFI yang lebih dari 0.9 dianggap sebagai model yang sesuai. c. Root Mean Square Error of Approximation (RMSEA). Nilai RMSEA 0.05 atau kurang adalah nilai kecocokan yang paling baik, nilai 0.08 atau kurang adalah nilai yang bisa diterima, sedangkan nilai lebih dari 0.1 dianggap tidak ada kecocokan model. d. Digunakan untuk menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan. Indeks ini mencerminkan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual kuadrat model yang diprediksi dibandingkan dengan data yang sebenarnya (Wijaya, 2009). Goodness of Fit Index (GFI). Model bisa dikategorikan good fit apabila memiliki nilai GFI mendekati 1. e. Pengujian Reliabilitas dan Validitas. Reliabilitas model pengukuran dapat diuji dengan perhitungan construct reliability dan variance extracted. Jika variabel memiliki contruct reliability >0.60 dan variance extracted >0.50.

34 Hair et al. (2006) juga mengajukan beberapa pendekatan untuk mengestimasi parameter model menggunakan model SEM yang terbagi menjadi dua yaitu: a. Structural Model (Model Struktural). Disebut juga latent variable relationship. Persamaan umumnya adalah : η = Βη + Γξ + ζ dimana : η = sebuah vektor dari variabel endogen Β, Γ = matriks dari koefisien struktural ξ ζ = sebuah vektor dari variabel eksogen = sebuah vektor dari error b. CFA analisis (confirmatory factor analysis) sebagai Measurement Model (Model Pengukuran) terdiri dari dua jenis pengukuran, yaitu: 1. Model pengukuran untuk variabel endogen (varabel tak bebas) Persamaan umumnya: Χ = Λ x ξ + δ dimana : Χ Λ x δ = sebuah vektor dari variabel teramati eksogen = matriks dari koefisien pengukuran / loading factor = sebuah vektor dari variabel eksogen 2. Model pengukuran untuk variabel eksogen (variabel bebas) Persamaan umumnya:

35 Υ = Λ y η + ε dimana : Υ Λ y ε = sebuah vektor dari variabel teramati endogen = matriks dari koefisien pengukuran / loading factor = sebuah vektor dari error pengukuran Persamaan diatas digunakan dengan asumsi: 1. ζ tidak berkorelasi dengan ξ 2. ε tidak berkorelasi dengan η 3. δ tidak berkorelasi dengan ξ 4. ζ, ε, δ tidak saling berkorelasi (mutually uncorrelated) 5. Γ - Β adalah non singular Menurut Hair et al. (2006) terdapat 7 tahapan prosedur pembentukan dan analisis SEM yaitu : 1. Membentuk model teori sebagai dasar model SEM yang mempunyai justifikasi teoritis yang kuat. Merupakan suatu model kausal atau sebab akibat yang menyatakan hubungan antar dimensi atau variabel. 2. Membangun path diagram dari hubungan kausal yang telah dibentuk berdasarkan dasar teori. Path diagram tersebut akan memudahkan peneliti melihat hubunganhubungan kausalitas yang ingin diujinya. 3. Membagi path diagram tersebut menjadi suatu set dari model pengukuran (measurement model) dan model struktural (structural model).

36 4. Pemilihan matrik data input dan mengestimasi model yang diajukan. Perbedaan SEM dengan teknik multivariat lainnya adalah dalam input data yang akan digunakan dalam pemodelan dan estimasinya. SEM hanya menggunakan matriks varians/kovarians atau matriks korelasi sebagai data input untuk keseluruhan estimasi yang dilakukannya. 5. Menentukan the identification of the structural model. Langkah ini untuk menentukan bahwa model yang dispesifikasikan bukan model yang under identified atau unidentified. Problem identifikasi dapat muncul melalui gejalagejala berikut ini: a. Standard error untuk satu atau beberapa koefisien adalah sangat besar b. Program tidak mampu menghasilkan matrik informasi yang seharusnya disajikan c. Muncul angka-angka yang aneh seperti adanya varians error yang negatif d. Muncul korelasi yang sangat tinggi antar korelasi estimasi yang didapat (misalnya lebih dari 0,9) 6. Mengevaluasi kriteria dari goodness of fit atau uji kecocokan. Pada tahap ini kesesuaian model dievaluasi melalui telaah terhadap berbagai kriteria goodness of fit sebagai berikut : a. Ukuran sampel minimal 100 dan dengan perbandingan 5 observasi untuk setiap parameter estimate. b. Normalitas dan Linearitas c. Outliers d. Multicolinierity dan Singularity

37 7. Menginterpretrasikan hasil yang didapat dan mengubah model jika diperlukan. 3.6.2 LISREL (Linear Structural Relationship) Istilah model persamaan struktural dikenal juga dengan nama LISREL (LInear Structural RELationships) adalah paket program statistik untuk SEM, yang pertama kali diperkenalkan oleh Karl Joreskog pada tahun 1970 dalam suatu pertemuan ilmiah. Istilah lain untuk SEM sering kali disebut juga analisis faktor konfirmatori (confimatory factor analysis), model struktur kovarians (covariance structure models) dan model variabel laten (laten variable modelling). LISREL, merupakan salah satu program komputer yang dapat mempermudah analisis untuk menyelesaikan masalah-masalah yang tidak dapat diselesaikan oleh alat analisis yang konvensional. LISREL diperkenalkan oleh Karl Joreskog pada tahun 1970 dan sejauh ini telah dikembangkan serta digunakan dalam berbagai disiplin ilmu pengetahuan sosial. Dalam versi yang lebih maju, penggunaan LISREL menjadi lebih interaktif, lebih mudah, banyak fitur statistik yang baru terkait dengan penanganan missing data, imputatuion data serta multilevel data analysis. Terapannya pada persoalan ilmu sosial dan ilmu perilaku dapat kita temui secara luas yang sangat berguna sebagai acuan pengambilan keputusan dalam kondisi yang makin rumit. Secara umum analisis dalam LISREL dapat dipilah dalam dua bagian: pertama yang terkait dengan model pengukuran (measurement model) dan kedua yang terkait dengan model struktual (structural equation model). Dengan menggunakan LISREL, kita dapat

38 menganalisis struktur covariance yang rumit. Variabel latent, saling ketergantungan antar variabel, dan sebab akibat yang timbal balik dapat ditangani dengan mudah dengan menggunakan model pengukuran dan persamaan yang terstruktur. Pada dasarnya pengolahan SEM dengan LISREL dapat dilakukan dengan empat cara, yaitu menggunakan PRELIS Project, SIMPLIS Project, LISREL Project maupun PATH DIAGRAM. 3.7 Model Pengukuran (Measurement Model) Ada 4 model pengukuran berdasarkan variabel yang diukur yaitu: model karakteristik produk (product characteristic), model kesadaran atas suatu merek (brand awareness), persepsi atas harga (price perception), dan model minat pembelian pelanggan (intention to buy). Model karakteristik produk (product characteristic) terdiri dari 5 pernyataan yang merupakan model first order confirmatory factor analysis (1 st CFA), yang memiliki 1 variabel laten, yaitu karakteristik produk. Karakteristik produk diukur melalui lima indikator berupa variabel teramati yang diadaptasi dari penelitian McNeal (1992), McNeal (1999), dan Solomon (2007) yaitu: - Variabel teramati (X 1 ) adalah Desain. - Variabel teramati (X2) adalah Pengoperasian. - Variabel teramati (X3) adalah Pemeliharaan. - Variabel teramati (X4) adalah Kegunaan. - Variabel teramati (X5) adalah Daya angkut.

39 - Variabel teramati (X6) adalah Konsumsi bahan bakar. - Variabel teramati (X7) adalah Negara asal produk. Model persepsi atas harga terdiri dari 5 pernyataan yang merupakan model first order confirmatory factor analysis (1 st CFA), yang memiliki 1 variabel laten, yaitu persepsi atas harga. Variabel ini mempunyai 5 indikator yang berupa variabel teramati (observed variabel) berdasarkan penelitian Yoo, Donthu & Lee (2000), yaitu: - Variabel teramati (Y1) adalah Harga sesuai dengan kualitas produk yang ditawarkan. - Variabel teramati (Y2) adalah Harga sesuai dengan yang saya harapkan. - Variabel teramati (Y3) adalah Harga bersaing dibandingkan mobil lain. - Variabel teramati (Y4) adalah Harga sesuai dengan manfaat yang saya peroleh. - Variabel teramati (Y5) adalah Harga terjangkau. Model kesadaran atas merek terdiri dari 5 pernyataan yang merupakan model first order confirmatory factor analysis (1 st CFA), yang memiliki 1 variabel laten, yaitu kesadaran atas merek. Variabel ini mempunyai 5 indikator berupa variabel teramati (observed variabel) berdasarkan penelitian Yoo, Donthu & Lee (2000), yaitu: - Variabel teramati (Y6) adalah Kesadaran atas merek. - Variabel teramati (Y7) adalah Keunggulan dibanding produk lain. - Variabel teramati (Y8) adalah Pengetahuan merek diantara merek pesaing.

40 - Variabel teramati (Y9) adalah Top of mind. - Variabel teramati (Y10) adalah Pemaparan merek. - Variabel teramati (Y11) adalah Pengalaman dengan merek. Model Minat beli konsumen terdiri dari 4 pernyataan yang merupakan model first order confirmatory factor analysis (1 st CFA), yang memiliki 1 variabel laten, yaitu minat beli konsumen. Variabel minat pembelian diukur melalui lima indikator berupa variabel teramati yang diadaptasi dari penelitian Percy (2005), yaitu: - Variabel teramati (Y12) adalah Keinginan membeli. - Variabel teramati (Y13) adalah Berencana membeli. - Variabel teramati (Y14) adalah Berharap membeli. - Variabel teramati (Y15) adalah Akan merekomendasikan. - Variabel teramati (Y16) adalah Kebutuhan. 3.8 Model Struktural (Structural Model) Model struktural merupakan model yang menyatakan hubungan kausal antar dimensi atau variabel yang diteliti.

41 Y1 Y2 Y3 Y4 Y5 X1 X2 Persepsi Harga Y12 X3 X4 Karakteristik Produk Minat Pembelian Y13 Y14 Y15 X5 X6 Kesadaran Merek Y16 X7 Y6 Y7 Y8 Y9 Y10 Y11 Gambar 3.1. Model Struktural