BAB III

METODELOGI PENELITIAN

3.1 Objek Penelitian

Objek penelitian penyusunan skripsi ini adalah pengguna situs jejaring sosial

terutama pada mahasiswa aktif di Universitas Mercu Buana Jakarta Barat.

Penelitian ini berfokus pada pengujian Privacy Concerns, Entertaiment dan Peer

Influence terhadap prilaku pengguna situs pada Attitude Toward Advertising

(SNA).

3.1.1 Lokasi Penelitian

Lokasi penulisan skripsi ini adalah Universitas Mercu Buana, Jln. Meruya

Selatan, Kembangan, Jakarta Barat, Indonesia 11560. Telp: 021 – 5840816 / Ext.

36 / 347, 021 – 5857722 (Hunting) info 24jam, 021 – 70882188, Fax : 021 –

5858833.

3.1.2 Gambaran Umum Universitas

Universitas Mercu Buana merupakan salah satu universitas yang bergerak

dalam bisnis jasa pendidikan. Universitas Mercu Buana didirikan oleh pengusaha

H. Probosutedjo yang telah memiliki pengalaman sebagai guru diperguruan

Taman Siswa, Pematang Siantar, Sumatera Utara, pada tanggal 10 November

1981 mendirikan Akademi Wiraswasta Dewantara (AWD) dan peresmiannya

dilakukan oleh almarhum Bapak H. Adam Malik, Wakil Presiden RI saat itu.

Dewantara diambil dari nama tokoh pendidikan Ki Hajar Dewantara dan pada

tanggal 22 Oktober 1985 Universitas Mercu Buana telah resmi didirikan sebagai

pengembangan dari akademi wiraswasta.

38
 39

Persaingan dalam industri jasa khususnya pendidikan, mengharuskan

Universitas Mercu Buana untuk menjaga kualitas dan mengetahui apa saja

kebutuhan dan keinginan para mahasiswa/i. hal ini dimaksudkan agar Universitas

Mercu Buana memiliki kekuatan bersaing yang baik dan menarik perhatian

mahasiswa/I kelas regular maupun kelas karyawan dengan cara mempertahankan

kesetiaan dan kepercayaan mahasiswa – mahasiswinya sehingga terciptanya rasa

puas yang dirasakan oleh mahasiswa/i Universitas Mercu Buana.

Eksistensi Universitas Mercu Buana pun sangat bergantung pada pengelola

Universitas Mercu Buana itu sendiri karena Universitas Mercu Buana harus

menjadikan semua mahasiswa/i sebagai prioritas utama dimana Universitas Mercu

Buana perlu mengetahui tingkat kepuasan mahasiswa/i kelas regular maupun

mahasiswa/i kelas karyawan terhadap mutu pelayanan jasa yang telah diberikan

sebagaimana mestinya.

3.2 Desain Penelitian

Ditinjau dari tujuannya, penelitian ini dikategorikan penelitian pengujian

hipotesis. Menurut (Sekaran 2006) studi yang termasuk dalam pengujian hipotesis

biasanya menjelaskan sifat hubungan tertentu. Pengujian hipotesis dilakukan

untuk menelaah varians variabel terikat. Mengacu pada hubungan antar variable,

penelitian ini dikategorikan kedalam penelitian kausal (sebab – akibat).

Analisis kausal adalah penelitian untuk mengetahui tentang pengaruh satu atau

lebih variabel bebas (Independent Variables) terhadap variabel terikat (Dependent

Variabel). Tujuan penelitian kausal dalam hal ini adalah untuk mengetahui

seberapa besar “ Pengaruh Privacy Concerns, Entertaiment dan Peer Influence

 40

terhadap prilaku pengguna situs pada Attitude Toward Advertising (SNA) ”. studi

dimana peneliti ingin menemukan penyebab dari satu atau lebih masalah disebut

studi kausal (Sekaran 2006).

Skala Pengukuran Variabel

Penelitian ini menggunakan skala likert, yaitu metode yang digunakan untuk

mengukutr sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang

fenomena sosial menurut Sugiyono (2007 : 107). Pengukuran terhadap variabel

dilakukan dengan menggunakan skala likert yang merupakan metode pengukuran

dengan skala ordinal yaitu angka – angka yang dinilai berdasarkan tingkatan,

sebagai berikut :

Tabel 3.1

Instrument Skala Likert

Pernyataan Kode Skor

Sangat Setuju (SS) 5
Setuju (S) 4
Netral (N) 3
Tidak Setuju (TS) 2
Sangat Tidak Setuju (STS) 1

3.3 Definisi Operasional Variabel

Definisi operasional adalah suatu informasi ilmiah yang amat membantu

peneliti lain yang ingin menggunakan variabel yang sama. Definisi operasional

merupakan semacam petunjuk pelaksanaan bagaimana caranya mengukur suatu

variabel sehingga dapat menentukan apakah prosedur pengukuran yang sama akan

dilakukan atau diperlukan prosedur pengukuran yang baru. Adapun

operasionalisasi dari masing – masing variabel terdapat dibawah ini.

 41

Tabel 3.5

Definisi Operasional Variabel

No. Variabel Definisi Indikator

1. Privacy concerns Kemampuan dari seorang individu 1. Keamanan dalam memberikan
atau kelompok untuk informasi
merahasiakan data pribadi atau 2. Data pribadi yang terjaga rinci
informasi tentang diri mereka 3. Keamanan dalam memposting data
sendiri. 4. Sulit dihack
5. Sulit diotak - atik
2. Entertainment Waktu yang digunakan menurut 1. Hiburan
penilaian dan pilihan kita sendiri 2. Waktu senggang
yang ditujukan sebagai kebutuhan 3. Hal yang disukai untuk
pada diri manusia. menghilangkan rasa jenuh
4. Rasa senang.
3. Peer Influence Tekanan atau pengaruh yang 1. Kesenangan pribadi
mendorong orang lain untuk 2. Rasa ketertarikan
mengubah sikap mereka dalam 3. Keinginan masyarakat
menyikapi sesuatu, dalam hal ini 4. Dorongan terhadap teman
adalah SNS (Social Network
Sites).
4. Attitude Toward Sikap konsumen terhadap iklan 1. Sikap terhadap banner produk
SNA yang dipasang. 2. Sikap terhadap merek produk
3. Profil situs yang dibuat oleh
sponsor
4. Profil situs yang dibuat oleh
pelanggan
5. Video youtube yang dibuat
perusahaan
6. Iklan pada twitter
7. Video youtube yang dibuat oleh
pelanggan
 42

3.5 Metode Pengumpulan Data

metode pengumpulan data adalah teknik atau acuan cara – cara yang dapat

digunakan untuk mengumpulkan data. Pengumpulan data primer pada penelitian

ini diperoleh dengan metode survey, yaitu menggunakan kuesioner yang

merupakan teknik pengumpulan data yang dilakukan dengan cara memberi

seperangkat pertanyaan atau pertanyaan tertulis kepada responden untuk dijawab.

Pertanyaan berisi butir – butir pengukur variabel yang digunakan dalam model

penelitian. Langkah selanjutnya adalah melakukan penyebaran dan pengumpulan

data yang dilakukan dengan cara pemberian kuesioner secara langsung kepada

responden (tatap muka).

3.5.1 Sumber Data

Data yang digunakan dalam pembahasan skripsi ini adalah data yang bersumber

dari :

a. Data Primer

Data yang didapat dari sumber pertama baik individu atau kelompok,

seperti hasil pengisian kuesioner yang dilakukan peneliti.

b. Data Sekunder

Data yang diperoleh dari data primer, yang telah diolah dan disajikan lebih

lanjut sebagai dasar penunjang dalam menganalisa masalah – masalah.

Data sekunder ini dapat diperoleh dari referensi, buku atau sumber tertulis.
 43

3.6 Populasi dan Sampel

3.6.1 Populasi Penelitian

Populasi adalah kumpulan dari semua kemungkinan orang – orang, benda –

benda dan ukuran lain yang menjadi objek perhatian atau sekumpulan seluruh

objek yang menjadi perhatian. Sedangkan sampel adalah suatu bagian dari

populasi tertentu yang menjadi perhatian (Suharyadi dan Purwanto 2004).

Populasi pada penelitian ini adalah mahasiswa Universitas Mercu Buana.

3.6.2 Sampel Penelitian

Sampel penelitian adalah bagian dari populasi. Pada dasarnya sebagian

dari subjek penelitian yang akan digunakan sebagai dasar pengujian hipotesis,

sehingga kesimpulan yang diperoleh dari sampel dianggap berlaku juga untuk

populasi. Sedangkan teknik sampling (Sugiyono 2006) yaitu teknik penentuan

sampel berdasarkan tujuan, siapa saja yang memang menjadi tujuan dan objek

dari penelitian ini. Teknik sampling yang digunakan untuk menentukan responden

adalah dengan cara memilih anggota dari populasi untuk dijadikan sampel dimana

sesuka peneliti (Ronny Kountour 2004).

Menurut (Hair, et.al 1995 dalam Supramono dan Haryanto 2005), ukuran

sampel untuk kepentingan pengujian hipotesis yang menggunakan structural

equation modeling (SEM) berkisar 100 – 200. Dalam penelitian ini, penulis

menetapkan sebanyak 150 responden. Selain karena berdasarkan teori tersebut,

jumlah 150 merupakan jumlah kuesioner yang mampu penulis sebarkan pada

waktu yang direncanakan.

 44

3.7 Metode Analisis Data

Metode penelitian yang dipakai dalam penelitian ini adalah analisis kuantitatif,

maksudnya digunakan skala penelitian untuk menyatakan bobot antara

hubungan variabel satu dengan variabel yang lainnya. Untuk dapat

mengetahui signifikan pengaruh antar variabel, maka data diolah dengan

menggunakan metode analisis SEM (Structural Equation Modeling) dengan

menggunakan software Lisrel 8.7.

3.7.1 Spesifikasi Model

Spesifikasi model ini merupakan pembentukan model awal persamaan

pengukuran dan structural. Spesifikasi model pengukuran merupakan persamaan

notasi matematik yang membentuk variabel – variabel teramati. Sedangkan

spesifikasi model structural adalah persamaan notasi matematik berdasarkan

hubungan antara satu variabel laten kevariabel laten lainnya. Kemudian, akan

ditunjukkan output path diagram hybrid model dengan notasi matematik.

Adapun penelitian ini dapat digambarkan berdasarkan SEM (Structural

Equation Modeling) sebagai berikut :

Keterangan :

= Variabel Laten (eksogen dan endogen)

= Variabel Teramati (Indikator)

$ = Variabel Eksogen

5 = Variabel Endogen

x = Variabel Bebas ( Independent)

y = Variabel Terikat (Dependent)

 45

Y = Gamma (parameter yang menunjukkan regresi variabel laten

endogen)

3.7.2 Cofirmatory Factor Analysis

Penelitian ini menggunakan pengukuran dengan dua tahap, disebut two step

approach. Tingkat pertama, yaitu CFA merupakan model pengukuran yang

menunjukkan suatu variabel laten diukur oleh satu atau lebih variabel – variabel

teramati. Hal ini didasari alasan bahwa variabel – variabel laten atau konstruk

tertentu yang mendasarinya (Wijanto 2008). Hasil CFA harus diperiksa terlebih

dahulu dengan kemungkinan terjadinya offending estimate, kemudian dilakukan

uji validitas dan realibitas. Kemudian tingkat kedua dilakukan, yaitu second order

CFA (2 CFA) menunjukkan hubungan antara variabel – variabel laten pada

tingkat pertama sebagai indikator dari sebuah variabel laten pada tingkat pertama

sebagai indikator dari sebuah variabel laten tingkat kedua.

Keuntungan menggunakan CFA adalah model dibentuk terlebih dahulu,

jumlah variabel laten ditentukan oleh peneliti, pengaruh suatu variabel laten

terhadap variabel teramati ditentukan lebih dahulu, beberapa efek langsung

terhadap variabel teramati dapat ditetapkan sama dengan nol atau sama konstanta,

kesalahan pengukuran boleh berkolerasi, kovarian variabel – variabel laten dapat

diestimasi atau ditetapkan pada nilai tertentu den identifikasi parameter

diperlukan.
 46

3.7.3 Analisis Offending Estimates

Analisis awal inni harus dilakukan untuk memastikan tidak terdapat offending

estimates (nilai – nilai yang melebihi batas yang dapat diterima) dari hasil

estimasi ditingkat CFA. Berikut criteria analisisnya, yaitu :

1. Offending estimates, terutama adanya negative error variences (dikenal

dengan heywod cases). Jika ada kesalahan varian negative, maka varian

kesalahan terseburt perlu ditetapkan menjadi 0,005 atau 0,001.

2. Nilai standardize loading factor > 0,50, namun peneliti menggunakan SLF

lebih dari atau sama dengan 0,30 (Igbiria et.al dalam Wijayanto 2008).

Sehingga variabel – variabel terkait bisa dipertimbangkan untuk dihapus.

3. Standar errors yang berhubungan dengan koefisien – koefisien yang

diestimasi mempunyai nilai yang besar.

3.7.4 Uji Validitas dan Reliabilitas

Untuk menguji kelayakan konstruk dari pertanyaan – pertanyaan yang

diajukan pada kuesioner peneliti, penulis kemudian melakukan uji validitas dan

reliabilitas. Validitas berhubungan dengan apakah suatu variabel mengukur apa

yang seharusnya diukur (Wijanto 2008). Validitas dalam penelitian ini

menyatakan derajat ketepatan alat ukur penelitian terhadap isi atau arti sebenarnya

yang diukur.

Menurut (Ridgon dan Ferguson 1991) dan (Toll, Xia, Torkzadeh 1994) dalam

(Wijanto 2008) meyatakan suatu variabel latennya jika :

 Nilai t-value >1,96 pada tingkat kepercayaan 95%

 47

 Muatan faktor standarnya (standardized loading factor) ≥0,70. Sementara

itu (Igbarta et.al 1997) menyatakan bahwa standardized loading factor

≥0,50 adalah sangat signifikan. Jika terdapat variabel – variabel yang

memiliki nilai t-value <1,96 dan standardized loading factor kurang dari

0,50 atau 0,70 maka harus dihilangkan atau dihapuskan dari model disebut

juga model trimming. Setelah itu, proses pengukuran dilakukan kembali

dengan CFA dan analisis sesuai dengan syarat – syarat diatas.

Relibilitas adalah konsistensi suatu pengukuran (Wijayanto 2008). Realibitas

yang sangat tinggi menunjukkan bahwa indikator – indikator mempunyai

konsistensi yang tinggi dalam mengukur variabel latennya. Realibitas suatu

konstruk dikatakan baik, jika nilai construct reability adalah ≥0,70. Cara lain

untruk menghitung realibitas adalah dengan menggunakan variance extracted

(VE) dimana nilai VE ≥0,50. Ekstrak varian mencerminkan jumlah varian

keseluruhan dalam indikator yang dijelaskan oleh construct latent. Berikut ini

adalah rumusan perhitungan pengukuran realibilitas :

Construct Reability = ( std Loading)²

( std Loading)² + ej)

Varience Extracted = ( std Loading)²

( std Loading)² + ej)

Keterangan :

= jumlah keseluruhan

Std Loading = standardized loading factors (muatan factor standar)

 48

Ej = Kesalahan

Menurut (Hair 1998), nilai CR yang baik adalah ≥0,70. Apabila nilai CR

berada dikisaran angka 0,60 dan 0,70 maka realibilitasnya masih termasuk dalam

kategori baik. Selain itu, pengukuran nilai VE ≥0,50 merupakan ukuran yang baik

dalam mengukur realibilitas, tetapi VE ini biasanya berupa pilihan (option) dalam

penelitian, sehingga peneliti diperbolehkan hanya menggunakan CR sebagai

ukuran realibilitasnya, namun akan lebih baik apabila VE diikut sertakan.

3.7.5 Second Order (2ndCFA)

Second Order Confirmatoty Factor Analysis (2ndCFA) adalah model

pengukuran yang terdiri dari dua tingkat (Wijanto 2008). 2ndCFA merupakan

pengukuran tingkat kedua yang menunjukkan hubungan antara variabel – variabel

laten pada tingkat pertama sebagai indikator dari sebuah variabel laten tingkat

kedua. CFA tingkat kedua ini akan mengestimasi dan menganalisa kecocokan

model secara keseluruhan serta terhadap model structuralnya.

3.7.6 Uji Kecocokan Keseluruhan Model

Structural Equation Modeling (SEM) merupakan suatu teknik statistik yang

mampu menganalisis variabel laten, variabel teramati dan kesalahan pengukuran

secara langsung. SEM mampu menganalisis hubungan antar variabel laten dengan

variabel indikatornya, hubuingan antara variabel laten yang satu dengan variabel

yang lain, juga mengetahui besarnya kesalahan pengukuran (Sitinjak dan

Sugiarto 2006). Hal tersebut sejalan dengan pendapat ahli yang mengatakan SEM

tidak seperti analisis multivariate biasa yang tidak bisa menguji regresi berganda

ataupun analisis faktor secara bersama – sama (Bhollen 1989) dan (Ghazali 2005).
 49

Disamping hubungan kausal searah, SEM juga memungkinkan menganalisis

hubungan dua arah.

Setelah model terbentuk, maka diperlukan analisis dalam uji kecocokan

model, indikator – indikator yang dapat digunakan antara lain (Wijanto 2008) :

1. Chi Square / Degree of Freedom (χ²/df)

Chi Square digunakan untuk menguji beberapa dekat kecocokan antara matrix

kovarian sampel dengan matrix kovarian model. Joreskog dan Sorbom dalam

Setya Hari (2008) mengatakan bahwa χ² seharusnya lebih diperlakukan sebagai

ukuran goodness of fit (badness of fit) dan bukan sebagai uji statistic. χ² dapat

disebut juga sebagai badness of fit karena nilai χ² yang besar menunjukkan

kecocokan yang tidak baik (bad fit) sedangkan nilai χ² yang kecil menunjukkan

good fit (kecocokan yang baik).

2. Non Centrality Parameter (NCP)

NCP merupakan ukuran perbedaan antara matrix kovarian sampel (∑) dengan

matrix kovarian model (∑(θ)). NCP juga merupakan ukuran badness of fit dimana

semakin besar perbedaan antara∑ dengan ∑(θ) semakin besar nilai NCP. Jadi, kita

perlu mencari NCP yang nilainya kecil atau rendah.

3. Goodness of Fit Indices (GFI)

GFI dapat diklasifikasikan sebagai uji kecocokan absolute, karena pada

dasarnya GFI membandingkan model yang dihipotesiskan dengan tidak ada

model sama sekal. Nilai GFI harus berkisar antara 0 (poor fit) sampai 1 (perfect

fit) dan nilai GFI ≥0,90 merupakan good fit (kecocokan yang baik), sedangkan

0,80 ≤GFI <0,90 sering disebut marginal fit.

 50

4. Root Mean Square Residual (RMR)

RMR mewakili nilai rata – rata residual yang diperoleh dari mencocokkan

matrix varian – kovarian dari model yang dihipotesiskan dengan matrix varian –

kovarian dari data sampel. Standarlized RMR mewakili nilai rata – rata seluruh

standarlized residual dan mempunyai kecocokan yang baik (good fit) akan

mempunyai nilai standarlized <0,05.

5. Root Mean Square Error of Aproximation

RMSEA merupakan salah satu index yang informatif dalam SEM. Nilai

RMSEA ≤0,05 menandakan close fit, sedangkan 0,05 <RMSEA ≤0,08

menunjukkan good fit Brown dan cudeck (1993). Mc Callum (1996)

menambahkan bahwa nilai RMSEA antara 0,08 sampai 0,10 menunjukkan

mediocore (marginal fit), serta nilai RMSEA >0,10 menunjukkan poor fit.

6. Expected Cross Validation Index (ECVI)

ECVI diusulkan sebagai sarana untuk menilai, dalam sampel tunggal,

likelihood bahwa model divalidasi silang (cross validated) dengan sampel –

sampel ukuran yang sama dari populasi yang sama Browne dan Cudeck (1989).

ECVI digunakan untuk perbandingan model dan semakin kecil nilai ECVI sebuah

model semakin baik tingkat kecocokannya.

7. Adjusted Goodness of Fit Index (AGFI)

AGFI adalah perluasan dari GFI yang disesuaikan dengan rasio antara degree

of freedom dari null/independence/baseline model dengan degree of freedom dari

model yang dihipotesiskan atau diestimasi. Seperti halnya GFI, nilai AGFI
 51

berkisar antara 0 sampai 1. Nilai AGFI ≥0,90 menunjukkan good fit, sedangkan

0,80 ≤NFI <0,90 sering disebut sebagai marginal fit.

8. Normed Fit Index (NFI)

NFI mempunyai nilai yang berkisar antara 0 sampai 1. Nilai NFI ≥0,90

menunjukkan good fit, sedangkan 0,80 ≤NFI <0,90 sering disebut sebagai

marginal fit.

9. Relative Fit Index (RFI)

Nilai RFI akan berkisar antara 0 sampai 1. Nilai RFI ≥0,90 menunjukkan good

fit, sedangkan 0,80 ≤NFI <0,90 sering disebut sebagai marginal fit.

10. Incremental Fit Index (IFI)

Nilai IFI akan berkisar antara 0 sampai 1. Nilai CFI ≥0,90 menunjukkan good

fit, sedangkan 0,80 ≤ CFI <0,90 sering disebut sebagai marginal fit.

11. Comparative Fit Index (CFI)

Nilai CFI berkisar antara 0 sampai 1. Nilai CFI ≥0,90 menunjukkan good fit,

sedangkan 0,80 ≤ CFI <0,90 sering disebut sebagai marginal fit.

Pada penelitian ini, peneliti menggunakan program Lisrel 8.8 sebagai sarana

pengolahan data. Program ini mengharuskan peneliti menulis perintah syntax

(perintah persamaan) dan hasilnya adalah path diagram dan printed output yang

dapat memberikan informasi mengenai loading factor, t-value serta error

variance dari indikator – indikator dalam variabel laten, serta hubungan kausal

antara variabel laten eksogen dengan variabel laten endogen.

 52

3.7.7 Uji Kecocokan Model Struktural

Pengujian ini akan menganalisis tingkat signifikan koefisien – koefisien yang

diestimasi terhadap model structural. Tingkat signifikasi dapat dilihat dari nilai t-

value yang harus memenuhi syarat yaitu ≥1,96. Secara umum, pengujian ini

bertujuan untuk melihat apakah hipotesis penelitian diterima atau ditolak. Selain

itu, dilakukan evaluasi terhadap solusi standar dimana semua koefisien

mempunyai varian yang sama dan nilai maksimumnya adalah 1 (Wijanto 2008).

Nilai koefisien yang mendekati akan berhubungan dengan peningkatan

pentingnya variabel terkait dalam hubungan kausal.