bab 3 metode penelitian -...
TRANSCRIPT
23
BAB 3
METODE PENELITIAN
3.1 Desain Penelitian
Dalam penelitian ini, jenis penelitian yang digunakan adalah asosiatif. Penelitian
asosiatif / hubungan adalah penelitian yang bertujuan untuk mengetahui hubungan antara
dua variabel atau lebih, dan bagaimana tingkat ketergantungan antara variabel independent
dan variabel dependent (Sugiyono, 2008, p11).
Metode penelitian yang digunakan adalah survey, penggunaan metode survey
dipilih karena penelitian dilakukan pada populasi besar, dan data yang dipelajari adalah data
dari sampel yang diambilkan dari populasi tersebut (Sugiyono, 2008, p7). Pendekatan survey
dalam penelitian ini melalui penyebaran kuisioner yang dilakukan pada pelanggan.
Unit analisis yang dituju adalah individu, yaitu pelanggan dari HEMA resto. Time
horizon yang digunakan adalah Cross-Sectional, yaitu suatu penelitian yang dilakukan dalam
kurun waktu tertentu (Umar, 2005, p131).
Tabel 3.1 Desain Penelitian
Tujuan
Penelitian
Desain penelitian
Jenis Penelitian Metode
Penelitian
Unit
Analisis
Time
Horizon
T-1 Asosiatif Survey Individu Cross-
Sectional
T-2 Asosiatif Survey Individu Cross-
Sectional
T-3 Asosiatif Survey Individu Cross-
Sectional
24
Keterangan:
• T–1 Untuk mengetahui seberapa besar pengaruh Customer Satisfaction terhadap
Behavioral Intention pada pelanggan HEMA Resto
• T–2 Untuk mengetahui seberapa besar pengaruh Customer Delight terhadap
Behavioral Intention pada pelanggan HEMA Resto
• T–3 Untuk mengetahui seberapa besar pengaruh Customer Satisfaction dan
Customer Delight secara simultan terhadap Behavioral Intention pada pelanggan
HEMA Resto
3.2 Operasionalisasi Variabel Penelitian
Variabel penelitian adalah suatu atribut atau sifat atau nilai dari orang, objek, atau
kegiatan yang mempunyai variabel tertentu yang diterapkan oleh peneliti untuk dipelajari
dan ditarik kesimpulannya (Sugiyono, 2008, p32)
Dalam penelitian ini terdapat tiga variabel yang digunakan, yaitu:
1. Variabel Independen (X1), yang terdiri dari:
• Customer Satisfaction
2. Variabel Independen (X2), yang terdiri dari:
• Customer Delight
3. Variabel Dependen (Y), yang terdiri dari:
• Behavioral Intention
Pengukuran data yang digunakan untuk masing-masing variabel adalah Ordinal.
Menurut Sarwono (2006, p94), pengukuran Ordinal memungkinkan segala sesuatu disusun
menurut peringkatnya masing – masing. Jawaban pertanyaan berupa peringkat, misalnya:
sangat tidak setuju, tidak setuju, netral, setuju, dan sangat setuju dapat diberi simbol angka
25
1,2,3,4,dan 5. Angka – angka ini hanya merupakan simbol peringkat, tidak mengekspresikan
jumlah.
Skala pengukuran untuk instrument penelitian yang digunakan adalah likert. Skala
likert yang dikembangkan oleh Rensis Likert ini akan menunjukkan persetujuan atau
ketidaksetujuan dari serangkaian pertanyaan tentang suatu obyek, dan biasanya memiliki
lima atau tujuh kategori dari “sangat setuju” sampai “sangat tidak setuju” (Sugiyono, 2008,
p86)
Tabel 3.2 Operasionalisasi Variabel Penelitian
Variabel Sub Variabel Indikator Ukuran Skala
Customer
Satisfaction
(X1)
Product Quality
‐ Kehigienisan dari
produk HEMA Resto
‐ Cita Rasa dari produk
HEMA Resto
Ordinal Likert
Price
‐ Kesesuaian harga
terhadap porsi yang
ditawarkan
‐ Keterjangkauan harga
Ordinal Likert
Service Quality
‐ Product Knowledge
yang dimiliki oleh
karyawan HEMA Resto
‐ Kecepatan dalam
menyajikan pesanan
Ordinal Likert
Emotional
Factor
‐ Produk HEMA Resto
dapat memenuhi lapar
dan dahaga
‐ Hidangan yang
menggugah selera
Ordinal Likert
26
Easiness
‐ Kemudahan dalam
mendapatkan produk
‐ Kemudahan dalam
transaksi
Ordinal Likert
Customer
Delight
(X2)
Justice
‐ Karyawan tidak
membeda-bedakan
pelanggan
‐ Kesamaan antara
pilihan pada menu
dengan hidangan yang
disajikan
Ordinal Likert
Esteem
‐ Tegur sapa dari
karyawan
‐ Karyawan melayani
dengan tanpa terpaksa
Ordinal Likert
Finishing Touch
‐ Menindaklanjuti
keluhan pelanggan
‐ Kesediaan pihak HEMA
Resto untuk mengganti
makanan atau
minuman bila terjadi
accident
Ordinal Likert
Behavioral
Intention
(Y)
Reccomendation
‐ Menceritakan hal-hal
positif tentang HEMA
Resto kepada orang
lain
‐ Merekomendasikan
HEMA Resto kepada
orang lain
Ordinal Likert
‐ Kesediaan untuk
berkunjung kembali di
waktu mendatang
Ordinal Likert
27
Repurchase
Intentions
‐ Keinginan untuk
mencoba produk lain
selain yang pernah
dicoba
Pay More
‐ Tetap ingin melakukan
pembelian di masa
datang walaupun
terjadi kenaikan harga
‐ Pemberian uang lebih
atau tip sebagai ucapan
terima kasih
Ordinal Likert
Sumber: Penulis 2011
3.3 Jenis dan Sumber Data Penelitian
Dalam penelitian ini terdapat dua jenis data yang digunakan, yakni data primer dan
data sekunder. Data primer berupa informasi yang diperoleh dengan melakukan penelitian
langsung, data ini didapatkan dari interview, observasi perusahaan, dan penyebaran
kuesioner kepada para pelanggan HEMA Resto. sehubungan dengan informasi yang
diperlukan untuk penelitian ini. Sedangkan data sekunder didapatkan dari informasi data-
data perusahaan berupa profil perusahaan.
Sumber data yang diperoleh dalam penelitian ini berupa data internal dan data
eksternal. Data internal yang diperoleh dari dalam perusahaan dan data ekternal adalah data
yang didapat di luar perusahaan seperti hasil penelitian sebelumnya yang telah diteliti oleh
pihak lain.
28
Tabel 3.3 Jenis dan Sumber Data Penelitian
Tujuan Data Sumber Data Jenis Data
T-1 Customer Satisfaction
dan Behavioral
Intention
Primer
Kuantitatif
T-2
Customer Delight dan
Behavioral Intention Primer Kuantitatif
T-3
Customer Satisfaction,
Customer Delight dan
Behavioral Intention
Primer Kuantitatif
Sumber: Penulis 2011
3.4 Teknik Pengumpulan Data
Teknik pengumpulan data yang dilakukan dalam memperoleh data yang diperlukan
dalam penelitian ini antara lain diperoleh melalui:
• Riset kepustakaan
Digunakan untuk memperoleh data dengan membaca, mengumpulkan,
mencatat, mempelajari text book dan buku-buku pelengkap atau referensi
seperti jurnal, website, majalah dan media cetak lainnya diperpustakaan
sesuai dengan literature objek penelitian.
• Observasi
Penelitian ini untuk memperoleh data primer yaitu dengan melakukan tanya
jawab secara langsung pada pihak yang berkepentingan dalam perusahaan
untuk mendapatkan informasi yang diperlukan, sehingga dapat mendukung
penelitian.
29
• Kuesioner
Kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara
memberi seperangkat pertanyaan atau pertanyaan tertulis kepada responden
untuk dijawab. Kuesioner digunakan dalam pengumpulan pertanyaan-
pertanyaan dengan harapan responden akan memberikan respon atas daftar
pertanyaan tersebut.
3.5 Teknik Pengambilan Sampel
Teknik pengambilan sampel dalam penelitian ini adalah Non-probabilty Sampling,
menurut Sarjono (2011, p28) Non-probability Sampling adalah sebuah teknik sampling yang
tidak memberikan kesempatan atau peluang yang sama pada setiap anggota populasi untuk
dipilih menjadi sampel. Metode yang digunakan adalah dengan purposive sampling.
Bedasarkan pendapat Sugiyono (2007, p77-78) purposive sampling adalah teknik yang
menentukan sampel dengan pertimbangan tertentu. Sehingga dari pengertian teknik sampel
purposive sampling di atas, maka pertimbangan-pertimbangan penentuan sampel yang
dimaksud dalam penelitian yaitu: Para konsumen yang telah menjadi pelanggan tetap di
HEMA Resto
3.6 Teknik Pengolahan Sampel
Untuk mengetahui ukuran sampel yang digunakan maka dapat menggunakan rumus
yang terdapat dalam Riduwan dan Kuncoro (2008, p50), yaitu:
22/Z
⎥⎦⎤
⎢⎣⎡=
en
σα
Keterangan :
n = Jumlah Sampel
e = Error Sampling (estimasi yang dapat diterima)
30
σ2 = Perkiraan Proporsi Populasi
Zα = Interval Kepercayaan yang Ditetapkan
Jika tidak diketahui nilai proporsi atau perbandingan dari populasi yang tak terhingga
maka digunakan pendeketan nilai σ = 0,05
Pada penelitian ini tingkat kepercayaan yang digunakan adalah 95% atau a = 0,05
sehingga Zα = 1,96 dan estimasi yang dapat diterima adalah 0,05. Maka ukuran sampelnya
adalah
( )( ) 2
0,0525,0.1,96
⎟⎠
⎞⎜⎝
⎛
97 96,04 ==
Maka dapat disimpulkan sampel yang diambil minimal 97 orang dan dalam penelitian
ini sampel yang akan diambil adalah 100 orang.
3.7 Metode Analisis
Metode analisis yang dipakai dikaitkan dengan masing-masing tujuan seperti terlihat
dalam tabel dibawah ini:
Tabel 3.4 Tabel Metode Analisis
Tujuan Penelitian Teknik analisis
T-1 : Pengaruh X1 terhadap Y Regresi linear sederhana
T-2 : Pengaruh X2 terhadap Y Regresi linear sederhana
T-3 : Pengaruh X1 dan X2 terhadap Y Regresi linear berganda
Sumber : penulis 2011
31
3.7.1 Pembobotan Nilai
Didalam suatu penelitian, data merupakan hal yang sangat penting. Sebelum
melakukan penyebaran kuesioner, penentuan skala pengukuran kuesioner adalah langkah
pertama yang dilakukan agar mempermudah proses pengolahan data yang menggunakan
program SPSS 17,0 (Statistical Package for Social Science), yaitu software yang dirancang
untuk membantu pengolahan data secara statistik.
Dalam penelitian ini, penulis menggunakan kuesioner bersifat tertutup. Kuesioner
diajukan dengan menggunakan skala Likert meliputi skala 1 sampai 5. Urutan untuk skala ini
menggunakan lima angka penilaian yaitu:
Tabel 3.5 Bobot Penilaian Skala Likert
Skala Bobot
Sangat Tidak Setuju (STS) 1
Tidak Setuju (TS) 2
Ragu-Ragu (R) 3
Setuju (S) 4
Sangat Setuju (SS) 5
Sumber: Supranto (2003, p132)
Berdasarkan kategori-kategori tersebut dapat diketahui bobot nilai tertinggi adalah 5
dan bobot nilai terendah adalah 1. Untuk mengetahui range maka selisih antara bobot nilai
tertinggi dan bobot nilai terendah adalah 5 – 1 = 4, dan untuk mengetahui jumlah interval
kelas dan besar interval kelas dapat digunakan dengan rumus sebagai berikut:
R 4 i = = = 0,8
k 5
Keterangan:
R = Range (rentang kelas)
32
k = Jumlah Interval Kelas
i = Besar Interval Kelas
Berdasarkan ketentuan di atas maka penulis mengelompokkan tanggapan responden
berdasarkan batas-batas penelitian terhadap bagian - bagian yang dievaluasi sehingga dapat
dikelompokkan sebagai berikut:
Tabel 3.6 Tabel Batas Penelitian
Batasan Keterangan
1 – 1,8 Sangat Tidak Setuju (STS)
1,81 – 2,6 Tidak Setuju (TS)
2,61 – 3,4 Ragu-Ragu (R)
3,41 – 4,2 Setuju (S)
4,21 – 5 Sangat Setuju (SS)
Sumber: Andi Supangat (2007, p19)
3.7.2 Uji Validitas dan Reliabilitas
3.7.2.1 Uji Validitas
Uji validitas dilakukan berkenaan dengan ketepatan alat ukur terhadap konsep yang
diukur sehingga benar-benar mengukur apa yang seharusnya diukur. Berkaitan dengan
pengujian validitas instrument menurut Riduwan dan Kuncoro (2008, p109-110) menjelaskan
bahwa validitas adalah suatu ukuran yang menunjukkan tingkat kehandalan atau keabsahan
suatu alat ukur. Suatu kuesioner yang baik harus dapat mengukur dengan jelas kerangka
penelitian yang akan diukur.
Untuk menguji validitas alat ukur, terlebih dahulu dicari harga korelasi antara bagian-
bagian dari alat ukur secara keseluruhan dengan cara mengkorelasikan setiap butir alat ukur
33
dengan skor total yang merupakan jumlah tiap skor butir. Untuk menghitung validitas
menggunakan teknik korelasi Pearson product moment. Rumusnya adalah sebagai berikut:
Keterangan:
r hitung = Koefisien korelasi
∑ Xi = Jumlah skor item
∑ Yi = Jumlah skor total
n = Jumlah responden
Selanjutnya dihitung dengan Uji-t dengan rumus :
Dimana:
t = Nilai t hitung
r = Koefisien korelasi hasil r hitung
n = Jumlah responden
Distribusi (Tabel t) untuk α = 0,05 dan derajat kebebasan (df = n-2)
Kaidah keputusan : Jika t hitung > t table berarti valid sebaliknya
t hitung < t table berarti tidak valid
Uji validitas ini disarankan agar jumlah responden untuk uji coba minimal 30 orang.
Dengan jumlah minimal 30 orang ini, distribusi skor (nilai) akan lebih mendekati kurva
normal. Pada uji validitas ini peneliti menggunakan Corrected Item-Total Correlation.
Untuk menguji validitas butir dapat dilakukan dengan program SPSS 17.0. Dengan
langkah-langkah sebagai berikut:
34
1. Menentukan hipotesis
Ho = Skor butir berkorelasi positif dengan skor faktor
H1 = Skor butir tidak berkorelasi positif dengan skor faktor
2. Menentukan nilai r tabel
Hitung nilai “df” dengan rumus df = n -2 (n=jumlah responden)
Hitung nilai “t” dengan cara : pilih menu “transform”, kemudian pilih sub menu
“compute” pada kolom sebelah kiri diisi dengan “t”, dan disebelah kanan diisi dengan
rumus “IDF.T(0.95,df). Kemudian “ok”.
Hitung nilai “r” dengan cara: pilih menu “transform”, kemudian pilih sub menu
“compute” pada kolom sebelah kiri diisi dengan “r”, dan sebelah kanan diisi dengan
rumus “t/sqrt(df+t**2)”. Kemudian “ok”
3. Mencari r hasil
Masukkan data jawaban responden untuk diolah dengan software SPSS 17.0.
Pilih menu “analyze”, pilih sub menu “scale”, pilih yang “reliability analyze”.
Kemudian pada kolom item isi dengan variabel yang ingin dihitung.
Pada bagian “model”, biarkan pilihan pada “Alpha”
Klik tombol “statistic”. Pada bagian “deskriptive for” pilih semuanya (Item, Scale, Scale
if item deleted )
Kemudian ok, maka akan keluar hasilnya.
Disini r hasil untuk tiap item bisa dilihat pada output kolom CORRECTED ITEM-TOTAL
CORRELATION pada tampilan software SPSS.
4. Mengambil Keputusan
Dasar pengambilan keputusan :
Jika r hasil positif, dan r hasil > r tabel, maka butir tersebut Valid.
35
Jika r hasil tidak positif, dan r hasil < r tabel, maka butir tersebut Tidak Valid.
Jika ada instrument pernyataan yang tidak valid, maka instrument tersebut dibuang
lalu diuji validitas kembali. Setelah pernyataan dinyatakan semuanya valid, selanjutnya
dilakukan uji reabilitas.
3.7.2.2 Uji Reliabilitas
Reliabilitas artinya adalah tingkat kepercayaan hasil suatu pengukuran. Pengukuran
yang memiliki reliabilitas tinggi, yaitu pengukuran yang mampu memberikan hasil ukur yang
terpercaya (realibel). Sangat disarankan agar jumlah responden untuk uji coba, minimal 30
orang. Dengan jumlah minimal 30 orang ini, distribusi skor (nilai) akan lebih mendekati kurva
normal. Pada program SPSS akan dibahas untuk uji yang sering digunakan dalam penelitian
yakni metode Alpha (Cronbach’s). Metode Alpha sangat cocok pada skor berskala (misal 1-4,
1-5).
Langkah yang dilakukan untuk uji reliabilitas adalah sebagai berikut:
1. Menentukan hipotesis
Ho = Skor butir berkorelasi positif dengan komposit faktornya.
H1 = Skor butir tidak berkorelasi positif dengan komposit faktornya.
2. Menetukan nilai r tabel
Pada program SPSS, metode ini dilakukan dengan metode Cronbach’s Alpha, dimana
suatu kuesioner dianggap reliabel apabila Cronbach’s Alpha > 0,6. (Santoso, 2001,
p251)
3. Mencari r hasil
Disini r hasil adalah angka ALPHA (terletak di akhir output) dari tampilan software
SPSS.
36
4. Mengambil Kesimpulan
Jika r ALPHA positif, dan r ALPHA > r tabel, maka butir tersebut Reliabel.
Jika r ALPHA tidak positif, dan r ALPHA < r tabel, maka butri tersebut tidak reliabel
Menurut Triton (2006, p248), tingkat reliabilitas dengan metode Alpha Cronbach’s
diukur berdasarkan skala Alpha O sampai 1. Apabila skala tersebut dikelompokkan ke dalam
lima kelas dengan range yang sama, maka ukurlan kemantapan Alpha dapat
diinterpretasikan sebagai berikut:
Tabel 3.7 Tingkat Reliabilitas Berdasarkan Nilai Alpha
Alpha Tingkat Reliabilitas
0.00 – 0.20 Kurang Reliabel
>0.20 – 0.40 Agak Reliabel
>0.40 – 0.60 Cukup Reliabel
>0.60 – 0.80 Reliabel
>0.80 – 1.00 Sangat Reliabel
Sumber: Triton (2006, p248)
3.7.3 Uji Asumsi Klasik
Model regresi linear dapat disebut sebagai model yang baik jika memenuhi asumsi
klasik. Oleh karena itu, uji asumsi klasik sangat diperlukan sebelum melakukan analisis
regresi (Sarjono, 2011, p53)
3.7.3.1 Uji Normalitas
Uji normalitas adalah uji yang dilakukan untuk mengecek apakah data penelitian
berasal dari populasi yang sebarannya normal. Uji ini perlu dilakukan karena semua
perhitungan statistik parametrik memiliki asumsi normalitas sebaran.
37
Uji normalitas dapat dihitung dengan bantuan program SPSS 17.0, yaitu dengan
langkah:
1. Pilih menu Analyze – Descriptive Statistic – Explore.
2. Masukkan variabel yang akan diuji sebarannya ke dalam kotak Dependent List.
Setelah itu kita klik tombol Plots yang akan memunculkan doalog box kedua
seperti ini.
3. Dalam dialog ini kita memilih opsi Normality plots with tests, kemudian klik
Continue dan Ok.
Untuk menganalisis hasil output tersebut, maka yang perlu diperhatikan adalah
(Santoso, 2001, p87):
a) Output Deskriptif: jika ratio Skewness dan Kurtosis tidak melebihi angka 2,
maka dapat diaktakan distribusi data adalah normal.
b) Output Tests of Normality: dimana hasil Sig > dari 0,05, maka dikatakan
normal.
c) Grafik Normal Q-Q Plots: terdapat garis lurus dari kiri kekanan atas. Garis ini
berasal dari nilai Z. Jika suatu distribusi data normal, maka data akan tersebar
disekeliling garis.
d) Grafik Detrended normal Q-Q Plots: dimana grafik ini menggambarkan selisih
antara titik-titik dengan garis diagonal pada grafik sebelumnya. Jika data yang
kita miliki mengikuti distribusi normal dengan sempurna, maka semua titik akan
jatuh pada garis 0,0.
e) Output boxplot: bloxplot adalah kotak yang berwarna merah dengan garis
horizontal di kotak tersebut. Jika garis hitam terletak persis ditengah boxplot,
maka distribusi data adalah normal.
38
3.7.3.2 Uji Heteroskedastisitas
Dari persamaan regresi berganda perlu juga diuji mengenai sama atau tidak varians
dari residual observasi yang satu dengan observasi yang lainnya. Jika residualnya
mempunyai varians yang sama disebut terjadi Homoskedastisitas dan jika variansnya tidak
sama atau berbeda disebut terjadi Heteroskedastisitas.
Menurut Suntoyo (2007, p93-94) analisis uji asumsi klasik heteroskedastisitas hasil
output SPSS melalui grafik scatterplot antara Z prediction (ZPRED) yang merupakan variabel
bebas (sumbu X=Y hasil prediksi) dan nilai residualnya (SRESID) merupakan variabel terikat
(sumbu Y=Y riil). Homoskedastisitas terjadi jika pada scatterplot titik-titik hasil pengolahan
data antara ZPRED dan SRESID menyebar di bawah maupun di atas titik origin (angka 0)
pada sumbu Y dan tidak mempunyai pola teratur. Heteroskedastisitas terjadi jika pada
scatterplot titik-titiknya mempunyai pola yang teratur baik menyempit, melebar maupun
bergelombang-bergelombang.
3.7.3.3 Uji Multikolinieritas
Uji Multikolinieritas diperlukan untuk mengetahui ada tidaknya variabel independen
yang memiliki kemiripan dengan antarvariabel independen dalam satu model. Kemiripan
antarvariabel independen dalam satu model akan menyebabkan terjadinya korelasi yang kuat
antar variabel independen. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak
terjadinya multikolinieritas. Ada beberapa metode pengujian yang bisa digunakan,
diantaranya:
Multikolinieritas pada suatu model dapat dilihat dengan melihat nilai Variance Inflation
Factor (VIF) pada model regresi tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1,
maka model dapat dikatakan terbebas dari multikolinieritas
39
3.7.3.4 Uji Linearitas
Pengujian Linearitas bertujuan untuk mengetahui apakah data yang kita miliki sesuai
dengan garis linear atau tidak (apakah hubungan antar variabel yang hendak dianalisis
mengikuti garis lurus atau tidak). Jadi, peningkatan atau penurunan kuantitas di salah satu
variabel akan diikuti secara linear oleh peningkatan atau penurunan kuantitas di variabel
lainnya. (Sarjono, P74)
3.7.4 Analisis Statistik Deskriptif
Analisis ini dilakukan pada kuesioner yang telah disebarkan dan dijawab oleh
responden, melalui perhitungan nilai rata-rata dari setiap jawaban dari pernyataan yang ada
pada kuesioner.
Statistik deskriptif adalah kumpulan metode yang digunakan untuk menganalisis dan
menyajikan data yang jumlahnya relative besar, dengan tujuan untuk menggambarkan data
tersebut agar dapat dimengerti dengan mudah untuk pengumpulan, pengolahan, penyajian
dan analisis. (Santoso 2001, p20).
Statistik deskripstif atau penggambaran, merupakan salah satu teknik statistik
dimana bertujuan untuk menggambarkan data-data yang telah dikumpulkan untuk disusun
sehingga dapat ditampilkan untuk memudahkan pengguna data melakukan analisis statistic
lebih lanjut.
Deskriptif atau penggambaran sekumpulan data secara visual dapat dilakukan
melalui 2 bagian, yaitu:
• Deskripsi dalam bentuk tulisan atau teks
Terdiri atas bagian yang penting yang menggambarkan isi data secara keseluruhan.
40
• Deskripsi dalam bentuk gambar atau grafik
Grafik sebuah data biasanya disajikan untuk melengkapi deskripsi berupa teks, agar
data tampak lebih impresif dan komunikatif dengan para penggunanya.
3.7.5 Transformasi Data Ordinal Menjadi Data Interval
Jika data yang dikumpulkan memiliki skala ukur ordinal, maka data tersebut harus
diubah (transformasi) menjadi data interval.
Mentransformasi data ordinal menjadi data interval berguna untuk memenuhi
sebagian syarat analisis parametrik yang mana data setidaknya adalah data berskala interval.
Teknik transformasi yang paling sederhana menggunakan MSI (Method of Successive
Interval).
Langkah-langkah transformasi data ordinal menjadi interval adalah sebagai berikut:
(Riduwan dan Kuncoro, 2008, p30)
• Pertama perhatikan setiap butir jawaban responden dari kuesioner yang disebarkan.
• Pada setiap butir ditentukan berapa orang yang mendapat skor 1,2,3,4,dan 5 yang
disebut sebagai frekuensi.
• Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut proporsi.
• Menentukan nilai proporsi kumulatif dengan menjumlahkan nilai proporsi berurutan
per kolom skor.
• Menentukan nilai Z, dengan menggunakan tabel Distribusi Normal Baku (Riduwan
dan kuncoro 2008, p35), hitung nilai Z untuk setiap proporsi kumulatif yang
diperoleh.
• Menentukan densitas, tentukan nilai tinggi densitas untuk setiap nilai Z yang
diperoleh dengan menggunakan tabel Koordinat Kurva Normal Baku (Riduwan dan
Kuncoro, 2008, p36).
• Menentukan scale value (skala nilai) dengan menggunakan rumus:
41
NS = (Density at Lower Limit) – (Density at Upper Limit)
(Area Below Upper limit) – (Area Below Lower Limit)
• Tentukan nilai transformasi (skala akhir) dengan rumus:
Y = NS + [ 1 + ( ) ]
3.7.6 Korelasi
Berdasarkan Riduwan dan Kuncoro (2008, p62) untuk mengetahui hubungan antara
variable X1 dengan Y dan X2 dengan Y dan X1 dan X2 terhadap Y digunakan teknik korelasi.
Analisis korelasi yang digunakan adalah Pearson Product Moment, dengan rumus:
Korelasi PPM dilambangkan (r) dengan ketentuan nilai r tidak lebih dari harga (-
1≤r≤+1). Apabila nilai r = -1 artinya korelasinya negatif sempurna; r=0 artinya tidak ada
korelasi; dan r=1 berarti korelasinya sangat kuat. Sedangkan arti harga r akan ditampilkan
pada Tabel Interpretasi Nilai r sebagai berikut.
Tabel 3.8 Interpretasi Koefisien Korelasi Nilai r
Interval Koefisien Tingkat Hubungan
0,80 – 1,000 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 Engkos Achmad Kuncoro (2008,p62).
42
Untuk mencari makna generalisasi, maka perlu melakukan uji signifikansi dari
hubungan antara variable X terhadap Y. Uji signifikansi adalah sebagai berikut :
Hipotesis :
Ho: Variabel X tidak memiliki hubungan yang signifikan dengan variabel Y
Ha: Variabel X memiliki hubungan yang signifikan dengan variabel Y
Dasar pengambilan keputusan:
Sig ≥ α Ho diterima, Ha ditolak
Sig < α Ho ditolak, Ha diterima
Keterangan : α (alpha) = tingkat presisi, batas ketidak akuratan (1-tingkat kepercayaan)
3.7.7 Uji Regresi
3.7.7.1 Regresi Linier Sederhana
Menurut Kuncoro (2008, p83), regresi adalah suatu proses memperkirakan secara
sistematis tentang apa yang paling mungkin terjadi di masa yang akan datang berdasarkan
informasi masa lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi
juga dapat diartikan sebagai usaha memprediksikan perubahan. Peramalan tidak
memberikan jawaban pasti tentang apa yang akan terjadi, melainkan berusaha mencari
pendekatan apa yang akan terjadi di masa yang akan datang. Jadi, regresi mengemukakan
tentang keingintahuan apa yang terjadi di masa depan untuk memberikan sumbangan
menentukan keputusan yang terbaik.
Regresi sederhana didasarkan pada hubungan fungsional ataupun kausal satu
variabel independent dengan satu variabel dependen. Persamaan umum regresi linier
sederhana adalah (Sugiyono, 2008, P270) :
43
Y’ = a + bX
Dimana :
Y’ = Subyek dalam variabel dependen yang diprediksikan
a = Harga Y bila X = 0 (harga konstan)
b = Angka arah atau koefisien regresi, yang menunjukkan angka peningkatan
ataupun penurunan variabel dependen yang didasarkan pada variabel
independent. Bila b (+) maka naik, dan bila b (-) maka terjadi penurunan.
X = Subyek pada variabel independent yang mempunyai nilai tertentu
a = (∑Yi ) (∑Xi2) – (∑Xi) (∑Xi Yi )
n (∑Xi2 ) – (∑Xi )2
b = n ( ∑Xi Yi ) – ( ∑Xi )( ∑Yi)
n (∑Xi 2) – (∑Xi) 2
3.7.7.2 Regresi Linear Berganda
Menurut Kuncoro (2008, p83), regresi adalah suatu proses memperkirakan secara
sistematis tentang apa yang paling mungkin terjadi di masa yang akan datang berdasarkan
informasi masa lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi
juga dapat diartikan sebagai usaha memprediksikan perubahan. Peramalan tidak
memberikan jawaban pasti tentang apa yang akan terjadi, melainkan berusaha mencari
pendekatan apa yang akan terjadi di masa yang akan datang. Jadi, regresi mengemukakan
tentang keingintahuan apa yang terjadi di masa depan untuk memberikan sumbangan
menentukan keputusan yang terbaik.
44
Analisa regresi dilakukan untuk mengetahui bagaimana variabel terikat dapat
diprediksikan melalui variabel-variabel bebas secara individual, sehingga dapat diputuskan
apakah naik turunnya variabel terikat dapat dilakukan melalui menaikkan atau menurunkan
variabel-variabel bebas.
Regresi Linear Berganda (Multiple Linear Regression) merupakan metode statistik
yang digunakan untuk menganalisa hubungan antara satu variabel terikat (dependent)
dengan beberapa variabel bebas (independent). Variabel bebas adalah variabel-variabel yang
tidak dipengaruhi variabel-variabel lainnya, sedangkan variabel terikat adalah variabel yang
dipengaruhi oleh variabel bebas.
Digunakan regresi linear berganda ini ditujukan untuk:
1. Memprediksikan (Prediction)
2. Menjelaskan (Explanation)
3. Mengspesifikasikan hubungan statistik
4. Menentukan variabel-variabel bebas dan terikat.
Setelah menganalisis ketiga variabel, maka jawaban responden untuk variabel-
variabel dalam kelompok faktor dijumlahkan dan dihitung nilai rata-ratanya. Selanjutnya nilai
rata-rata tersebut akan dijadikan data-data untuk variabel-variabel bebas dan variabel
terikat, untuk pengolahan regresi linear.
Persamaan regresi untuk dua prediktor adalah :
Y = a + b1X1 + b2X2
Persamaan regresi untuk n prediktor adalah :
Y = a + b1X1 + b2X2 + ....... + bnXn
45
3.8 Rancangan Implikasi Hasil Penelitian
Rancangan implikasi hasil penelitian dalam penelitian ini adalah dengan membagikan
terlebih dahulu kuesioner kepada pengunjung yang datang ke HEMA resto. Setelah itu, data-
data yang didapatkan dianalisis untuk mengetahui bagaimanakah pengaruh variabel
Customer Satisfaction, Customer Delight dan dampaknya terhadap Behavioral Intention
dengan tujuan untuk mendapatkan data yang nantinya diolah untuk menjawab pertanyaan
dalam hipotesis yang diajukan. Setelah nantinya hasil data telah diolah dan didapat hasil
akhir hipotesis yang nantinya terjawab, maka dapat ditentukan implikasi-implikasi yang
relevan yang dapat diberikan, serta saran-saran yang berguna dan bermanfaat bagi
perusahaan.