31 BAB III METODE PENILITIAN

31 BAB III
METODE PENILITIAN
3.1
Disain Penelitian
Penilitian ini bertujuan untuk meneliti pengaruh Word of Mouth (WOM) dan events
pemasaran terhadap sifat motivasi pembeli pusat perbalanjaan Grage dan dampak terhadap
ketertarikan ritel.
Menurut Umar (2003, p40) desain penilitian yang digunakan adalah deskriptif, yaitu
riset yang bersifat paparan yang ditujukan untuk mendeskripsikan hal-hal yang dinyatakan
dalam riset.
Menurut Umar (2005, p131) time horizon penilitian ini adalah cross sectinal, yaitu
data untuk meneliti suatu fenomena tertentu dalam satu kurun waktu saja.
Menurut data penelitian berupa angka-angka yang harus diolah secara statistik, maka
antar variabel-variabel yang dijadikan objek penelitian harus jelas korelasinya sehingga dapat
ditentukan pendekatan statistik yang akan digunakan sebagai pengolah data yang pada
gilirannya hasil analisis dapat dipercaya, dengan demikian mudah digeneralisasikan sehingga
rekomendasi yang dihasilkan dapat dijadikan rujukan yang cukup akurat (Riduwan dan
Kuncoro, 2007, p209).
Tabel 3.1 Desain penelitian
Tujuan
Jenis Metode
Unit analisis
Time Horizon
T-1
Deskriptif-Asosiatif
Individu-pengunjung
Cross-sectional
T-2
Deskriptif-Asosiatif
Individu-pengunjung
Cross-sectional
32 T-3
T-4
T-1 =
Deskriptif-Asosiatif
Individu-pengunjung
Cross-sectional
Deskriptif-Asosiatif
Individu-pengunjung
Cross-sectinal
Menganalisis pengaruh Word of mouth (rekomendasi) terhadap sifat motivasi
pembeli pusat perbelanjaan Grage.
T-2 =
Menganalisis pengaruh events pemasaran terhadap sifat motivasi pembeli pusat
perbelanjaan Grage.
T-3 =
Menganalisis dampak sifat motivasi pembeli terhadap ketertarikan ritel.
T-4 =
Menganalisa pengaruh Word of mouth dan events pemasaran, mana yang paling
mempengaruhi dan dampak nya terhadap ketertarikan ritel.
3.2
Operasional Variabel Penelitian
Definisi operasional variabel bertujuan untuk menjelaskan makna variabel yang
sedang di teliti. Ridwan dan Kuncoro (2007, p182) memberikan penelitian tentang defenisi
operasional adalah unsur penelitian yang memberitahukan bagaiman cara mengukur suatu
variabel, dengan kata lain defenisi operasional adalah semacam petunjunk pelaksanaan
bagaiman cara mengukur sebuah variabel. Berikut tabel mengenai operasional variabel dari
penelitian ini :
33 Tabel 3.2 Operasional Variabel Penelitian
Varuabel
Events
(X2)
Konsep Variabel
Indikator
meliputi
tindakan-
tindakan
pemasaran
yang
Skala
•
Lokasi
Ordinal
Likert
•
Kompetisi
Ordinal
Likert
•
Hiburan
Ordinal
Likert
•
who
Ordinal
Likert
dapat
mempengaruhi
permintaan
Ukuran
terhadap
produk, di antara nya
mengubah
harga,
memodifikasi
kampanye
iklan,merancang
promosi
khusus,menentukan
pilihan
saluran
distribusi,
dan
sebagainya.
Word of mouth
(X1)
usaha pemasaran yang
memicu
pelanggan
untuk membicarakan ,
mempromosikan,
merekomendasikan,dan
menjual suatu produk /
jasa / merek kepada
34 pelanggan lain
Sifat
motivasi
pembeli (Y)
Setiap konsumen dan
pengunjung
•
how
Ordinal
Likert
•
What
Ordinal
Likert
•
Result
Ordinal
Likert
•
Bergensi
Ordinal
Likert
•
Mudah di capai
Ordinal
Likert
•
Pilihan
Ordinal
Likert
ordinal
Likert
mempunyai dua sifat
motivasi pembeli yang
saling
tumpang
dirinya,emasional
banyak
tindi
dalam
barang
•
Harga menarik
•
Aksessibilitas
Ordinal
Likert
•
Keuntungan
Ordinal
Likert
dan
rasional
Ketertarikan Ritel
(Z)
Masalah-masalah yang
membuat suatu lokasi
memiliki
daya
secara spesifik
tarik
secara
sebagai
pusatnya
lokasi
35 3.3
Jenis Dan Sumber Data Penelitian
Tabel 3.3 Jenis dan Sumber Data Penelitian
Jenis dan Sumber Data
Tujuan Penelitian
Data
Jenis Data
Sumber Data
T-1
Pengaruh word of Mouth
Kuantitatif
Data
(rekomendasi)
sifat
motivasi
terhadap
primer
dari
kuesioner
pembeli
pusat perbelanjaan Grage
T-2
event
Pengaruh
pemasaran
sifat
motivasi
Kuantitatif
terhadap
Data
primer
dari
kuesioner
pembeli
pusat perbelanjaan Grage
T-3
Dampak
sifat
pembeli
motivasi
Kuantitatif
Data
primer
terhadap
kuesioner
pengaruh
Data
dari
ketertarikan ritel
T-4
menganalisi
word of Mouth dan event
pemasaran, mana yang
lebih pengaruh terhadap
ketertarikan ritel
primer
kuesioner
dari
36 3.4
Teknik Pengumpulan Data
Menurut Umar (2003,p92), Teknik pengumpulan data yang digunakan dalam
penelitian ini adalah kuesionser. Kuesioner adalah suatu cara pengumpulan data yang
menyebarkan daftar pertanyaan kepada responden dengan harapan mereka akan
memberikan respons terhadap pertanyaan tersebut
Tabel 3.4 Teknik Pengumpulan Data
Tujuan
Data
Teknik Pengumpulan Data
T-1
Word of Mouth (rekomendasi)
Kuesioner
Sifat motivasi pembeli Grage
Kuesioner
Events pemasaran
Kuesioner
Sifat motivasi pembeli
Kuesioner
sifat motivasi pembeli
Kuesioner
ketertarikan ritel
Kuesioner
Word of Mouth (rekomendasi)
Kuesioner
Events pemasaran
Kuesioner
Sifat motivasi pembeli
Kuesioner
Ketertarikan ritel
Kuesioner
T-2
T-3
T-4
37 3.5
Teknik pengambilan sampel
Teknik pengambilan sampel yang digunakan di dalam penelitian ini adalah
menggunakan pendekatan probality random sampling, yaitu setiap individu dalam suatu
populasi memiliki peluang yang sama untuk di ambil sebagai sampel cukup kuat. Teknik yang
digunakan adalah simpel random sampling, yaitu pengambilan sampel anggota populasi
secara acak, tanpa memperhatikan strata yang ada.
3.6
Teknik pengolahan sampel
Sugiyono,
(
2007,
p55)
populasi adalah wilayah
generalisasi
terdiri
atas
obyek/subyek yang mempunyai kuantitas dan karakteristik tertentu yang diterapkan oleh
peneliti untuk didipelajari dan ditarik kesimpulannya.Populasi penelitian ini adalah di Pusat
perpelanjaan Grage,semua penyewa ritel yang berada di Pusat perpelanjaan Grage adalah
populasi.sampel adalah sebagian dari populasi yang di ambil dari sumber daya dapat
mewakili seluruh populasi (ridwuan & Engkos ,2008,p17). Berikut asumsi yang digunakan
dalam penelitian :
N = jumlah sampel
N = populasi
D = tingkat presisi
Diketahui tingkat kepercayaan sebesar 95%,tingkat presisi 10% maka
n=
N
n.d 2
Berdasarkan rumus Slovin diperoleh jumlah sampel :
Ritel yang tersewa = 202 gerai (N)
38 n=
202
(202 )(. 0,1)
2
+1
=
202
= 66,88 = 67 responden (Total tdari keseluruhan ritel)
3,02
Jadi banyak sampel yang di ambil pada setiap bagian ritel :
1. Utama
2. Paviliun
3. Jembatan Bisnis
=
78
x100 = 38,61 = 39%
202
=
39
x67 = 26,13 = 26responden
100
=
47
x100 = 23,26 = 23%
202
=
23
x67 = 15,4 = 15responden
100
=
77
x100 = 38,11 = 38%
202
=
38
x67 = 25,46 = 26responden
100
Jumlah responden yang diambil sebagai sampel sebanyak 67 Responden.
3.7
Metode Analisis
Table 3.5 Metode analisis Berdasarkan Tujuan Penelitihan
Tujuan
Alat analisis
T-1
Path analysis dan korelasi pearson
T-2
Path analysis dan korelasi pearson
39 T-3
Path analysis dan korelasi pearson
T-4
Path analysis dan korelasi pearson
Sumber : hasil pengolahan data, 2010
Keterangan :
T-1
untuk mengetahui seberapa besar pengaruh Events terhadap sifat motivasi pembeli
di pusat perbelanjaan Grage.
T-2
Untuk mengetahui seberapa besar pengaruh Word of Mouth (WOM) terhadap
sifat motivasi pembeli di pusat perbelanjaan Grage.
T-3
untuk mengantahui seberapa besar pengaruh sifat motivasi pembeli di
pusat perbelanjaan Grage terhadap ketertarikan ritel.
T-4
Untuk mengatahui mana yang paling besar pengaruh antara events dan Word of
Mouth (WOM) terhadap ketertarikan ritel di pusat perbelanjaan Grage.
Riduwan dan kuncoro (2007; p22) mengemukakan kegiatan yang cukup penting
dalam keseluruhan proses penelitian ialah pengolahan data. Dengan pengolahan data dapat
di ketahui tentang makna dari data yang berhasil di kumpulkan. Dengan demikian hasil
penelitian pun akan segera di ketahui.
Dalam pelaksanaannya, pengolahan data di dalam penelitian ini di lakukan melalui
bantuan computer dengan program SPSS (Statistical Product and Service Solution) 17.0 for
windows.
40 3.7.1
Uji validitas
Uji validitas dilakukan berkenaan dengan ketepatan alat ukur terhadap konsep yang
diukur sehingga benar-benar mengukur apa yang seharusnya di ukur. Berkaitan dengan
pengujian validitas instrumen menurut Ridwan (2008: p109-110) menjelaskan bahwa
validitas adalah suatu ukuran yang menunjukan tingkat keandalan atau kesahihan suatu alat
ukur. Untuk menguji validitas alat ukur, terlebih dahulu dicari harga kolerasi antara bagianbagian dari alat ukur secara keseluruhan dengan cara mengkolarasikan setiap butir alat ukur
dengan skor total yang merupakan jumlah tiap skor. Untuk menghitung validitas alat ukur
yang digunakan rumus :
r
hitung =
n(
{ n.∑ X i
∑ X Y ) − ( ∑ X )(. ∑ Y )
− ( ∑ X ) }{
. n.∑ Y − ( ∑ Y ) }
i i
2
i
i
2
2
i
i
2
1
Selanjutnya dihitung dengan Uji-t dengan rumus :
r
hitung =
r n−2
1− r2
Dimana:
T
= Nilai t hitung
r
= koefesien korelasi hasil r hitung
n
= Jumlah responden
distribusi (Tabel t) untuk α =0,20 dan derajad kebebasan (dk = n-2)
41 kaidah keputusan : jika t hitung > t table berarti valid sebaliknya
t hitung < t table berarti tidak valid
Jika instrument itu valid ,maka dilihat kreteria penafsiran mengenai indeks korelasinya (r)
Sebagai berikut :
Antara 0,800 – 1,000
: sangat tinggi
Antara 0,600 – 0,799
: tinggi
Antara 0,400 – 0,599
: cukup tinggi
Antara 0,200 – 0,399
: rendah
Antara 0,000 – 0,199
: sangat rendah
3.7.2
Uji Reliabilitas
Uji reliabilitas untuk mendapatkan tingkat ketepatan alat pengumpulan data yang
digunakan.Uji reliabilitas instrument dilakukan dengan rumus alpha. Metode mencari
reliabilitas internal yaitu menganalisis reliabilitas alat ukur dari satu kali pengukuran,rumus
yag digunakan adalah alpha.
Langkah-langkah mencari nilai reliabilitas dengan metode alpha sebagai berikut :
Langkah 1 : Menghitung varians skor tiap-tiap item dengan rumus :
si =
∑X
2
t
( ∑ Xt2 )
−
N
N
42 Dimana : s i = varians skor tiap-tiap item
∑X
2
= jumlah kuadrat item X i
i
( ∑ X i )2 = jumlah item
N
X i di kuadratkan
=jumlah responden
Langkah 2 : kemudian menjumlahkan varians semua item dengan rumus :
∑S
= S1 + S 2 + S 3 .....................S n
i
Dimana :
∑S
i
= jumlah varians semua item
∑S
i
= S1 + S 2 + S 3 .....................n = varians item ke 1,2,3……n
Langkah 3 : Menghitung varians total dengan rumus :
∑ Xt −
2
si =
( ∑ Xt2 )
N
N
Dimana :
= varians total
St
∑X
2
t
= jumlah kuadrat X total
N
= jumlah responden
( ∑ X i )2 = jumlah X total dikuadratkan
43 Langkah 4 : Masukan nilai alpha dengan rumus
⎛ K ⎞⎛⎜ ∑ S t
r11 = ⎜
⎟1
⎝ K − 1 ⎠⎜⎝ S t
⎞
⎟
⎟
⎠
Dimana :
= nilai reabilitas
r11
∑S
i
= jumlah varians skor tiap-tiap item
St
= Varians total
K
= jumlah item
Kemudian diuji dengan uji reliablitas instrument dilakukan dengan rumus korelasi person
product moment dengan teknik belah dua awal-ahkir yaitu :
rb =
n(
{ n.∑ X 2
∑ XY ) − ( ∑ X )(. ∑ Y )
− ( ∑ X ) }{
. n.∑ Y − ( ∑ Y ) }
2
2
2
Untuk mengetahui koefesien korelasinya signifikan atau tidak digunakan distribusi(table r)
untuk α = 0,20 dengan derajad kebebasan (dk = n-2).kemudian membuat keputusan
membandingkan
Jika
r11 dengan rtable .Adapun kaidah keputusan :
r11 > rtable berarti reliable dan
r11 < rtable berarti tidak raliabel.
44 3.7.3
Uji Korelasi Pearson
Berdasarkan Riduwan dan Kuncoro (2007; p61) untuk mengetahui hubungan antara
variabel X1 dengan Y dan X2 dengan Y dan X1 dan X2 terhadap Y digunakan teknik korelasi.
Analisi korelasi yang di gunakan adalah Pearson Product Moment.
Korelasi PPM dilambangkan (r) dengan ketentuan nilai r tidak lebih dari harga (1<r<+1) apabila nilai r = -1 artinya korelasinya negative sempurna; r = 0 artinya tidak ada
korelasi; dan r = +1 berarti korelasinya sangat kuat. Sedangkan arti harga r akan di
tampilkan pada tabel intepretasi nilai r sebagai berikut :
Tabel 3.6 Intepretasi koefisien korelasi nilai r
Interversal koefisien
Tingkat hubungan
0,80 – 1,00
Sangat kuat
0,60 – 0,799
Kuat
0,40 – 0,599
Cukup kuat
0,20 – 0,399
Rendah
0,00 – 0,199
Sangat rendah
Sumber : Riduwan dan Kuncoro (2007:62)
Untuk mencari makna generalisasi, maka perlu melakukan uji signifikan dari
hubungan variabel x terhadap Y. Uji signifikansi adalah sebagai berikut :
Hipotesis :
Ho : variabel x tidak memiliki hubungan yang signifikan dengan variabel Y
45 Hi : Variabel x memiliki hubungan yang signifikan dengan variabel Y
Dasar pengambilan keputusan
Sig > α
Ho diterima dan Ha ditolak
Sig > α
Ho ditolak dan Ha diterima
Keterangan α (Alpha) = tingkat presisi, batas ketidak akuratan (1-tingkat
kepercayaan)
Korelasi adalah suatu hubungan, koefisien korelasi adalah indeks arah dan besaran
suatu hubungan atau relasi, koefisien korelasi Product Moment (r) dapat di hitung dengan
rumus yang ekuivalen. Ada beberapa manfaat dalam mempelajari korelasi yahni : penentuan
adanya hubungan serta besarnya hubungan antara variabel dapat diketahui, sebab koefisien
korelasi merupakan ukuran yang dapat menjelaskan besar kecilnya hubungan dengan
mengetahui adanya hubungan, maka prediksi terhadap variabel lainnya dapat dilakukan
dengan bantuan garis regresi.
Korelasi pada dasarnya hanya menunjukan tentang adanya hubungan antara dua
variabel atau lebih serta besarnya hubungan tersebut, ini berarti bahwa korelasi tidak
menunjukan hubungan sebab akibat. Apabila dipahami sebagai hubungan sebab akibat, hal
ini bukan karena diketahuinya koefisien korelasi melainkan karena rujukan teori atau logika
yang memaknai hasil perhitungan, oleh karena itu analisa korelasional mensyaratkan acuan
teori yang mendukung adanya hubungan sebab akibat dalam variabel-variabel yang di
analisa hubungannya.
Koefisien korelasi dari suatu perhitungan berkisar antara +1 dan -1, koefisien
korelasi yang bertanda (+) menunjukan arah korelasi yang positif, sedangkan yang bertanda
46 (-) menunjukan arah hubungan yang negative. Sementara itu bila koefisien korelasi bernilai
0, berarti tidak ada hubungan antara satu dengan variabel lainnya.
Hubungan tersebut di gambarkan sebagai berikut :
Y
Korelasi positif
Y
Korelasi negatif
X
Y
X
Tidak berkorelasi
X
Gambar 3.1 Hubungan Korelasi
1. Menguji dengan analisis regresi berganda
Rumus :
Ŷ = a + b1 X 1 + b2 X 2
2. Menguji dengan Analisis Jalur (path analysis)
Analisis ini akan digunakan dalam menguji besarnya kontribusi yang ditunjukan oleh
jalur koefisien jalur pada setiap diagram jalur dari hbungan kausal antar variable
dan
X1
X 2 terhadap Y.
Dalam pengeloahan data,metode yang digunakan adalah jalur (path analisis) dengan
menggunakan SPSS versi 17. Menurut jalur(path analisis) adalah teknik untuk mengestimasi
47 pengaruh variable independent kepada variable dependen dari kumpulan korelasi yang
diobservasikan,memberikan pola hbungan sebab-akibat diantara variable.Menurt Riduwan
dan Engkos Ahmad Kuncoro (2008,p2) path analisis digunakan untuk menganalisis pola
hubungan antar variable dengan tujuan mengetahui pengaruh langsung maupun tidak
langsung seperangkat variable bebas(eksogen) terhadap variable terkait(endogen)
3.7.4
Path Analisis
Path analysis yang di kutip oleh Riduwan dan Kuncoro (2008,p1) bahwa “a technique for
estimating the effect’s a set of independent variable has on a dependent variable from a set
of observed correlations, given a set of hypothesized causal asymmetric relation among the
variables.” Sedang kan tujuan utama path analysis adalah a method of measuring the direct
influence along each spate path in such a system and thus of finding the degree to which
variation of a given effect is determined by each particular cause. The method depend on the
combination of knowledge of the degree of correlation among the variables in the system
with such knowledge as may possessed of the causal relations.
“Sebuah teknik untuk memperkirakan pengaruh kumpulan variable bebas dalam variable
terkait dari sebuah kumpulan hubungan yang teramati,memberikan kumpulan hipotesis
hubungan kausal asimetrik antar variable.” Sedangkan tujuan utama path analysis adalah
Sebuah metode pengukuran langsung antara setiap jalur yang terpisah seperti metode
mengukur pengaruh langsung diantara setiap jalur yang terpisah seperti sebuah system dan
untuk menemukan besaran kepada variasi mana yang diberikan pengaruh yang menentukan
setiap hubungan kausal. Metode yang mengandalkan kombinasi tingkat korelasi hubungan
pengeyahuan yang mungkin memiliki hubungan kausal.
Jadi model path analysis dugunakan untuk menganalisis pola hubungan antar variable
dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat
variable bebas (oksogen) terhadap variable terkait (endogen).
48 Taknik analisis jalur ini akan digunakan dalam menguji besarnya sumbangan (kontribusi)
yang ditunjukan oleh koefisien jalur pada setiap diagram jalur hubungan kausal antara
variable
X 1 , X 2 dan X 3 tarhadap Y serta dampaknya kepada Z. Analisis korelasi dan regresi
yang merupakan dasar dari perhitungan koefisien jalur.
Kuncoro(2007,p115) mengatakan bahwa dalam penelitihan social tidak semata-mata
hanya mengungkapkan hubungan variable sebagai terjemahan statistic dari hubungan antara
variable alami, tetapi terfokus pada upaya untuk mengungkapkan hubungan kausal antar
variable.
Menurut Riduwan dan Kuncoro (2008 ; p2) manfaat lain model path analysis adalah
untuk :
1. Penjelasan (explanation) terhadap fenomena yang dipelajari atau permasalahan
yang di teliti.
2. Prediksi nilai variable terkait (Y) berdasarkan nilai variable bebas (X) dan prediksi
dengan path analysis ini bersifat kualitatif.
3. Faktor determinan yaitu penentuan variable bebas (X) terhadap variable
terikat(Y).
4. Pengujian model,menggunakan theory trimming,baik untuk uji retiabilitas (uji
kejegan) konsep yang sudah ada ataupun uji pengembangan konsep baru.
3.7.4.1 Asumsi-asumsi model path analysis
Berdasarkan pendapat Riduwan dan Engkos Achmad KUncoro (2007 ; p2) asumsi yang
mendasari path analysis sebagai berikut:
1. Pada model path analysis, hubungan antar variable adalah bersifat linier, adaptif
dan bersifat normal.
49 2. Hanya system aliran kausal ke satu arah artinya tidak ada arah kausalitas yang
berbalik.
3. Variable terikat (endogen) minimal dalam skala ukur interval dan ratio.
4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel
untuk memberikan peluang yang sama pada detiap anggota populasi untik dipilih
menjadi anggota sampel.
5. Observed variables diukur tanpa kesalahan (instrument pengukuran valid dan
reliable)artinya variable yang diteliti data diobservasikan secara langsung.
Model analisi jalur ini menggunakan model serta persamaan structural sebagai berikut :
ε 1
ε2
X1 ρ zx1
ρ yx1
Y rX1X2
ρ zy‫ع‬
ρ yx2
X2 ρ zx2
Gambar 3.2 Model analisi jalur
Persamaan struktural untuk diagram jalur adalah :
Y = ρyx1 X1 + ρyx2 X2 + ρy ε1
Z = ρzx1 X1 + ρzx2 X2 + ρzy Y + ρz ε2
Z 50 Keterangan :
Ρ
= Koefisien regresi yang distandarkan atau koefisien jalur
ε
= Pengaruh variabel lain yang tidak diteliti atau kekeliruan pengukuran variabel
Berdasarkan Kuncoro (2007 : p116) pada dasarnya koefisien regresi yang di
standarkan merupakan koefisien regresi yang dihitung dari basis data yang telah diset dalam
angka baku atau Z-score (data yang diset dengan nilai rata-rata = 0 dan standar deviasi =
1). Koefisien jalur ini digunakan untuk menjelaskan besarnya pengaruh, bukan memprediksi
variabel independent terhadap variabel dependent.
Berdasarkan Riduwan dan Kuncoro (2007), perhituangan menggunakan analisi jalur
,pengaruh kausal antar variabel dapat di bedakan menjadi 3, yakni :
1. Direct
Causal Effects (pengaruh kausal langsung = PKL) adalah pengaruh satu
variabel bebas terhadap variabel terikat yang terjadi tanpa melalui variabel lain.
2. Indirect Causal Effect (pengaruh kausal tidak langsung = PKTL) adalah pengaruh
satu variabel bebas terhadap variabel terikat yang terjadi melalui variabel lain yang
terdapat dalam satu model kausalitas yang sedang diteliti.
3. Total Causal Effects (pengaruh kausal total = PKT) adalah jumlah dari pengaruh
kausal langsung (PKL) dan pengaruh kausal tidak langsung (PKTL) ,jadi PKT = PKL +
PKTL.
Model yang dianalysis dispesifikasikan (diidentifikasi) dengan dengan benar
berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori yang akan di
kaji atau di banging berdasarkan kerangka teoritis tertentu yang mampu menjelaskan
hubungan kausalitas antar variable yang diteliti.
51 3.7.4.2 Langkah-langkah menguji path analysis
Berdasarkan pandapat Riduwan dan Kuncoro (2007 ; p116-118) ada bebrapa
langkah pengujian path analysis sebagai berikut :
1. Merumuskan hipotesis dan persamaan structural
Struktur : Y = ρ yx1 X 1 + ρ yx 2 X 2 + ρ y ε 1
2. Menghitung koefisien jalur yang di dasarkan pada koefisien regresi
a. Gambarkan diagram jalur lengkap,tentukan sub-sub strukturnya dan rumuskan
persamaan strukturalnya yang sesuai hipotesis yang di ajukan.
Hipotesis: Naik turun variable endogen (Y) dipengaruhi secara signifikan oleh
variable eksogen
(
X 1danX 2
)
b. Menghitung koefisien regresi untuk struktur yang telah dirumuskan.Hitung
koefesien regresi untuk struktur yang telah dirumuskan :
Persamaan regresi ganda : Y
= a + b1 X 1 + b1 X 2 + ε 1
Pada dasarnya koefisien jalur (path) adalah koefisien regresi yang di standartkan
yaitu koefisien regresi yang di hitung dari basis data yang telah diset dalam rangka baku
atau Z-score (data yang di set dengan nilai rata-rata=0 dan standar deviasi =1). koefisien
jalur yang di standartkan (standardize path coefficient)ini di gunakan untuk menjelaskan
besarnya pengaruh(bukan memprediksi) variable bebas (endogen) terhadap variable lain
yang diberlakukan sebagai variable terikat (endogen). koefisien path ditujuhkan oleh output
yang dinamakan coefficient atau dikenal engan Beta. Jika ada diagram jalur sederhana
mengandung satu unsure hubungan antara variable eksogen denan variable endogen,maka
koefisien path-nya adalah sama dengan koefesien korelasi r sederhana.
52 3. Menghitung koefisien jalur secra simultan (keseluruhan)
Uji secara keseluruhan hipotesis statistica di rumuskan sebagai berikut
Ha : ρyx1 = ρyx2 = ……. = ρyxk ≠ 0
Ho : ρyx1 = ρyx2 = ……. = ρyxk = 0
a. Kaidah pengujian signifikansi secara manual menggunakan tabel F
F = ((n – k – 1) R yxk 2 ) / (k (1 – R yxk 2)
Keterangan :
n = Jumlah sampel
K = Jumlah variabel eksogen
R2
yxk
= Rsquare
Jika F hitung ≥ F tabel, maka tolaj Ho dan Ha diterima artinya signifikan dan
F hitung ≤ F tabel, terima Ho dan Ha ditolak artinya tidak signifikan.
Dengan taraf signifikan (α) = 0,20
Carilah nilai F tabel menggunakan tabel F dengan menggunakan rumus :
F tabel = F {(1-α) (dk = k), (dk = n - k – 1)} atau F {(1-α) (v1 = k), (v2 = n-k-1)}
Cara mencari F tabel : nilai (dk=k) atau V1 disebut sebagai nilai pembilang, nilai
(dk=n-k-1) atau V2 disebut sebagai nilai penyebut.
b. Kaidah pengujian signifikansi : program SPSS
-
Jika nilai probabilitas 0,20 lebih kecil atau sama dengan nilai probabilitas Sig atau
(0,20 ≤ Sig), maka Ho ditolak dan Ha diterima, artinya signifikan.
53 -
Jika nilai probabilitas 0,20 lebih besar atau sama dengan nilai probabilitas Sig atau
(0,20 ≥ Sig), maka Ho ditolak dan Ha diterima, artinya signifikan.
4. Menghitung koefesien jalur secara individual
Hipotesis penelitian yang akan diuji dirumuskan menjadi hipotesis statistic berikut :
Ha : ρyx1 > 0
Ho : pyx1 = 0
Secara individual uji statistic yang digunakan adala uji t yang di hitung dengan
rumus (Kuncoro,2007; p122)
Tk = ρk /sek dimana (dk = n – k – 1 )
Keterangan :
Statistic SeρX1 diperoleh dari hasil komputasi pada SPSS untuk analisis regresi
setelah data ordinal di transformasi ke interval.
Selanjutnya untuk mengetahui signifikasi analisi jalur bendingkan antara nilai
probabilitas Sig dengan dasar pengambilan keputusan sebagai berikut.
Jika nilai probabilitas 0,20 lebih kecil atau sama dengan nilai probabilitas Sig atau
(0,20 ≤ Sig), maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
Jka nilai probabilitas 0,20 lebih besar atau sama dengan nilai probabilitas Sig atau
(0,20 ≥ Sig), maka Ho ditolak dan Ha diterima, artinya signifikan.
5. Meringkas dan Menyimpulkan
Setalah didapat hasil penghitungan maka di buatlah ringkasan dari hasil penelitian
tersebut kemudian dianalisis dan disimpulkan yang berguna untuk pengambilan
keputusan penelitian.
54 3.7.4.3 Analisis Jalur Model Trimming
Model Trimming adalah model yang digunakan untuk memperbaiki suatu struktur
model analisis jalur dengan cara mengeluarkan dari model variabel eksogen yang koefisien
jalurnya tidak signifikan sebagaimana di kutip oleh Riduwan dan Kuncoro, (2007). Jadi,
model trimming terjadi ketika koefisien jalur diuji secara keseluruhan ternyata ada variabel
yang tidak signifikan, peneliti perlu memperbaiki model struktur analisis jalur yang telah
dihipotesiskan.
Cara menggunakan model trimming yaitu menghitung ulang koefisien jalur tanpa
menyertakan variabel eksogen yang koefisien jalurnya tidak signifikan. Secara structural
langkah-langkah pengujian Path analysis model trimming sebagai berikut :
1. Merumuskan persamaan struktural
2. Menghitung koefisien jalur yang didasarkan pada koefisien regresi :
a. Gambarkan diagram jalur lengkap
b. Menghitung koefisien regresi untuk setiap sub-struktur yang dirumuskan
3. Menghitung koefisien jalur secara simultan
4. Menghitung secara individu
5. Menguji kesesuaian antara modal koefisien jalus (koefisien Q)
6. Merangkum ke dalam tabel
7. Memaknai dan menyimpulkan
Dalam langkah 5 di sebutkan bahwa diperlukan uji kesesuaian (koefesien Q), yaitu
dikmaksudkan untuk menguji apakah model yang diusulkan memiliki kesesuaian (fit ) dengan
data atau tidak. Riduwan dan Kuncoro (2007) mengatakan bahwa dalam analisis jalur untuk
suatu model yang diusulkan dikatakan fit dengan data apabila matrix korelasi sampel tidak
jauh berbeda dengan matrux korelasi estimasi (reproduced correlation matrix ).
55 Riduwan dan Kuncoro (2007), memberikan petunjuk menguji kesesuaian model analisis jalur
dapat digunakan Uji statistik kesesuaian model koefisien Q dengan rumus :
Q=
1 − Rm2
1− M
Dimana :
Q = koefisien Q
Rm2 = 1 – (1 – R12) . (1 – R22) …… (1 - Rρ2)
M = Rm2 setelah di lakukan trimming
Apabila Q = 1 mengindikasikan model fit sempurna atau sesuai, sedangkan apabila
jika Q < 1, untuk menentukan fit tidaknya model maka statistic koefisien Q perlu diuji
dengan statistic W dengan rumus :
Whitung = - (N – d) InQ
Keterangan
N
= Menunjukan ukuran sampel
D
= Banyaknya koefisien jalur yang tidak signifikan sama dengan degree of freedom
/ derajat bebas
Rm2
= Koefisien determinasi multiple yang di usulkan.
M
= Menunjukan koefisien determinan multiple ( R m2 ) setelah koefisien jalur yang tidak
signifikan dihilangkan.
56 Jika Whitung > X2 ( df ; a ), berarti matriks korelasi sampel berbeda dengan matriks korelasi
etimasi. Sedangkan jika Whitung < X
2
(df ; a), berarti korelasi sampel tidak berbeda atau
sama dengan matriks korelasi estimasi.
3.8
Rancangan Uji Hipotesis
Rancangan uji hipotesis dalam penelitian ini disajikan berdasarkan tujuan penelitian.
Tingkat kepercayaan yang digunakan adalah 80%, sehingga tingkat presisi atau batas
ketidak akuratan sebesar ( α ) = 20% = 0,20
Dasar pengambilan keputusan
Sig
> 0,20
Ho diterima, Ha ditolak artinya tidak signifikan
Sig
< 0,20
Ho ditolak, Ha diterima artinya signifikan.
Keterangan :
X1
: variabel Word of mouth (WOM)
X2
: Variabel Events
Y
: Variabel Sifat motivasi pembeli
Z
: Variabel ketertarikan ritel
57 1. Tujuan – 1 (T – 1)
Tujuan – 1 (T – 1) ini berdasarkan substruktur sebagai berikut :
Y = ρyx1 X1 + ρyx2 X2 + ρy ε1
X1 ε1
ρyx1
Y ρyx2
X2 Gambar 3.3 : Substruktur 1 analisi jalur
a. Uji korelasi Events (X1) dengan sifat motivasi pembeli (Y) hipotesis penelitian
akan diuji dirumuskan menjadi hipotesis statistik berikut :
Ho : ρyx1 = 0
Ha : ρyx1 > 0
Ho : variabel Word of Mounth (X1) tidak berhubungan secara signifikan dengan
sifat motivasi pembeli (Y)
Ha : variabel Word of Mounth (X1) berhubungan secara signifikan dengan
sifat motivasi pembeli (Y)
58 Secara individual uji statistik yang digunakan adalah uji t yang dihitung dengan
rumus :
ρ x1
t x1 =
se px1
Keterangan : statistik Se ρX1 diperoleh dari hasil komputasi pada SPSS untuk
dianalisis regresi setelah data ordinal ditransformasi ke interval.
b. Uji korelasi variabel rekomendasi atau Events (X2) dengan sifat motivasi pembeli
pusat perbelanjaan (Y) hipotesis penelitian akan diuji dirumuskan menjadi
hipotesis statistik berikut :
Ho : Variabel Events (X2) tidak berhubungan secara signifikan dengan sifat
motivasi pembeli pusat perbelanjaan (Y)
Ha : Variabel Events (X2) berhubungan signifikan dengan sifat motivasi pembeli
pusat perbelanjaan (Y).
Secara individual uji statistik yang digunakan adalah uji t yang di hitung dengan
rumus :
t x2 =
ρ x2
se px 2
Keterangan : Statistik SeρX2 diperoleh dari hasil komputasi pada SPSS untuk
dianalisis regresi setelah data ordinal ditransformasi ke interval.
59 c.
Pengujian secara keseluruhan. Hipotesis statistik dirumuskan sebagai berikut :
Ho : ρyx1 = ρyx2 ≠ 0
Ha : ρyx1 = ρyx2 = 0
Hipotesis dalam bentuk kalimat :
Ho : Variabel rekomendasi atau Word Of Mouth (x1) dan Events (X2) tidak
berkontribusi secara simultan dan signifikan terhadap variabel sifat motivasi
pembeli pusat perbelanjaan (Y).
Ha : Variabel rekomendasi atau Word Of Mouth (x1) dan Events (X2)
berkontribusi secara simultan dan signifikan terhadap variabel sifat motivasi
pembeli pusat perbelanjaan (Y).
60 2.
Tujuan – 2 (T-2)
Tujuan – 2 (T-2) ini berdasarkan substruktur sebagai berikut :
Z = ρzx1 X1 + ρzx2 X2 + ρzy Y + ρz ε2
ε 1
ε2
X1 ρ zx1
ρ yx1
Y rX1X2
ρ zy‫ع‬
Z ρ yx2
X2 ρ zx2
Gambar 3.4 Subtruktur 2 Analisis Jalur
a.
Uji korelasi variabel Word Of Mouth (X1) dengan variabel Ketertarikan Ritel (Z)
H0 : variabel Word Of Mouth (X1) tidak berhubungan secara signifikan dengan
variabel ketertarikan ritel (Z)
Ha : Variabel Word Of Mouth (X1) berhubungan secara signifikan dengan
variabel Ketertarikan Ritel (Z)
Secara individual uji statistik yang digunakan adalah uji t yang dihitung dengan
rumus :
61 t x1 =
ρ x1
se px1
Keterangan : statistika Seρx1 diperoleh dan hasil komputasi pada SPSS untuk di
analisis regrasi setelah data ordinal ditransformasi ke interval.
b.
Uji korelasi variabel Events (X2) dengan variabel ketertarikan ritel (Z)
Ho : variabel Events (X2) tidak berhubungan secara
signifikan dengan variabel ketertarikan ritel (Z).
Ha : Variabel Events (X2) berhubungan secara
signifikan dengan variabel ketertarikan ritel (Z)
Secara individual uji statistik yang digunakan adalah uji t yang dihitung dengan
rumus :
t x2 =
ρ x2
se px 2
Keterangan : Statistik Seρx2 diperoleh dari hasil komputasi pada SPSS untuk
dianalisis regresi setelah data ordinal ditrnsformasi ke interval.
c.
Uji korelasi variabel sifat motivasi pembeli (Y) dengan ketertarikan ritel (Z)
Ho : Variabel sifat motivasi pembeli (Y) tidak berhubungan secara
signifikan dengan variabel ketertarikan ritel (Z).
Ha : Variabel sifat motivasi pembeli (Y) berhubungan secara
signifikan dengan variabel ketertarikan ritel (Z).
62 Secara individual uji statistik yang digunakan adalah uji t yang dihitung dengan
rumus :
ty =
ρy
se y
Keterangan : Statistik Seρx1 diperoleh dari hasil komputasi
SPSS untuk
dianalisis regresi setelah data ordinal di transformasi ke interval.
d.
Pengujian keseluruhan. Hipotesis statistic dirumuskan sebagai berikut :
Ho : ρzy = ρzx2 = ρzx1 ≠ 0
Ha : ρzy = ρzx2 = ρzx1 = 0
Hipotesis dalam bentuk kalimat
Ho : Variabel rekomendasi atau Word Of Mouth (X1), Events (X2)
dan sifat motivasi pembeli (Y) tidak berkontribusi secara
simultan dan signifikan terhadap variabel ketertarikan ritel (Z).
Ha : Variabel rekomendasi atau Word Of mouth (X1), Events (X2) dan
sifat motivasi pembeli (Y) berkontribusi secara simultan dan
signifikan terhadap ketertarikan ritel (Z).
Persamaan structural diagram jalur adalah :
Y = ρyx1 X1 + ρyx2 X2 + ρy ε1
Z = ρzx X1 + ρzx2 X2 + ρzy Y + ρz ε2
63 3.9
Rancangan Implikasi Penelitian
Pada penelitian ini, peneliti akan meneliti apakah Word Of Mouth dan Events
berpengaruh langsung terhadap sifat motivasi pembeli dan dampak terhadap Ketertarikan
Ritel di Pusat Perbelanjaan Grage Cirebon. Dan selanjutnya akan di implementasi kan
kedalam manajemen Pusat Perbelanjaan Grage Cirebon. Dari empat variable yang diteliti
dapat di ketahui variabel mana yang lebih mempengaruhi ketertarikan ritel di Pusat
Perbelanjaan Grage Cirebon. Sehingga nantinya variabel tersebut harus ditingkatkan dan
dipertahankan agar dapat meningkatkan ketertarika ritel di Pusat Perbelanjaan Grage
Cirebon.