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.