3. METODOLOGI PENELITIAN

3.1. Jenis Penelitian dan Gambaran Populasi Penelitian

Mengingat begitu banyaknya jumlah multilevel beserta distributor maka

penulis membatasi populasi penelitian. Jenis penelitian yang dipilih oleh penulis

adalah survei terhadap para distributor dari Multilevel High-Desert dan Amway

Surabaya.

3.2. Teknik Penarikan Sam pel

Sampel adalah sebagian dari individu yang menjadi obyek penelitian.

Penulis membatasi responden dengan menyebarkan kuesioner secara random

(acak) kepada 250 orang distributor aktif dari High Dessert dan Amway Surabaya

dengan menggunakan rumus :

( Z a / 2 ) . P ( 1 - P ) N =

/ e

Keterangan :

Z a / 2 = distribusi normal standar

p = peluang sukses

e = tingkat kesalahan

3.3. Metode dan Prosedur Pengumpulan Data

a. Studi kepustakaan

Studi ini dilakukan dengan tujuan memberikan landasan bagi perumusan

hipotesis, penyusunan daftar pertanyaan dan pembahasan teoritis. Bahan-

bahan untuk keperluan diatas didapat dari buku-buku, majalah, dan informasi

dari orang lain yang memiliki pengalaman berkaitan dengan masalah yang

dibahas dalam penyusunan skripsi.

b. Studi Lapangan

Merupakan studi yang dimaksudkan untuk mendapatkan data-data yang

berhubungan dengan penelitian yang sedang dilakukan, meliputi :

19

20

i. Kuesioner yang telah dibuat

ii. Melakukan uji coba terhadap kuesioner yang telah dibuat untuk

mengetahui apakah kuesioner tersebut mudah dimengerti dan dijawab oleh

responden.

iii. Setelah uji coba dan responden mengerti serta dapat menjawab

pertanyaan-pertanyaan yang ada maka kuesioner disebar pada responden.

3.4. Definisi Operational

Untuk memperjelas mengenai definisi konsep pada penelitian yang dilakukan

maka penulis memandang perlu untuk memberikan penjelasan mengenai

pengukuran konsep, yaitu pengukuran fakta-fakta yang memotivasi seseorang

bergabung dalam bisnis multilevel marketing dan bertahan di dalamnya.

I. Variabel Independen

XI ^Motivasi

XI-1 = Bergabung untuk memperoleh penghasilan

XI-2 = Bergabung untuk mengembangkan kepribadian

XI-3 = Bergabung karena ingin mendapat penghargaan

XI-4 = Bergabung untuk mendukung visi sosial

Xl-5 = Bergabung karena ingin jam kerja& lingkungan fleksibel

XI-6 = Bergabung karena hubungan kerj a / relationship yang erat

XI-7 = Bertahan karena penghasilan yang diperoleh

XI-8 = Bertahan karena ingin mengembangkan kepribadian

XI-9 = Bertahan karena ingin mendapat penghargaan

XI-10 = Bertahan karena visi sosialnya

XI-11 = Bertahan karena jam kerj a & lingkungan fleksibel

XI-12 = Bertahan karena hubungan kerja / relationship yang erat

X2 = Net Working Opportunity

X3 = Fasilitas Akses

II. Variabel Dependen

Y = Prestasi Distributor

21

3.5.Teknik Analisis Data

Teknik analisa data yang digunakan ada 3, yaitu :

1. Analisa deskriptif dengan menggunakan skala likert

Analisa deskriptif ini digunakan dengan tujuan untuk menyajikan suatu

data statistik deskriptif seperti rata-rata (mean), median, modus, varians, standar

deviasi.

Pengertian mean menurut Maholtra (2002:477) adalah rata-rata yang

diperoleh dari membagi total nilai seluruh elemen dengan jumlah elemen.

Rumusnya ditulis sebagai berikut: n

x = ̂ — n

Keterangan :

X - Mean atau rata-rata jawaban responden

Xi = Nilai dari elemen X ke-i

n = Jumlah elemen

/ = l,2,3,...,n

Modus adalah nilai yang paling sering muncul. Modus ini merupakan

ukuran pemusatan untuk data nominal dan suatu titik referensi bersama-sama

dengan median dan rata-rata hitungnya (mean) untuk meemriksa sebaran dan

bentuk distribusi.

Standar deviasi adalah akar kuadrat positif dari varians. Standar deviasi

meningkatkan kemampuan interpretasi dengan cara menghilangkan kuadrat

varians dan dan menyatakan deviasi dalam bentuk unit aslinya.

I(A>J)2

DS = y\^

Keterangan :

DS = standar deviasi

x = mean atau rata - rata jawaban responden

xi = nilai dari elemen x ke-i

22

2. Uji Validitas dan Reliabilitas

Uji validitas digunakan untuk menguji kesyahihan (validitas) atau

ketepatan alat ukur (kuesioner), apakah dapat memperoleh informasi sesuai

dengan yang diharapkan oleh penulis. Kesyahihan atau ketepatan uji dilakukan

dengan mengkorelasikan masing - masing skor variabel dengan jumlah skor

variabel, bila variabel mempunyai hubungan signifikan dengan totalnya maka

variabel tersebut dikatakan valid. Sedangkan bila ada salah satu variabel yang

tidak mempunyai hubungan dengan totalnya, maka variabel tersebut dikatakan

tidak valid dan harus dikeluarkan dari iem pertanyaan kuesioner.

Formula atau ramus yang digunakan pada uji validitas, berdasarkan

korelasi antara skor variabel dengan jumlah skor variabel sebagai berikut:

dimana:

X = Skor pertanyaan ke-n

Y = Skor total

N = Jumlah subyek penelitian

Sedangkan uji reliabilitas adalah alat uji kehandalan, seberapa jauh alat uji

tersebut dapat memberikan informasi yang relatif tetap atau konsisten bila

digunakan berulang-ulang kali. Penulis menggunakan alat uji belah dua (split-

half) yang didasarkan pada ramus Spearman Brown, sebagai berikut:

r = l L T i l i " 1 + 'u

dimana:

rxx- = Koefisien reliabilitas dari Spearman-Brown

ri2 = Koefisien korelasi antar dua belahan

23

3. Analisa Faktor

Analisa faktor bertujuan untuk mendapatkan sejumlah kecil faktor

(komponen utama) yang memiliki sifat mampu menerangkan semaksimal

mungkin keragaman data. Analisis faktor menggambarkan korelasi dari beberapa

variabel dalam sejumlah kecil faktor. Variabel-variabel ini dapat dikelompokkan

menjadi beberapa faktor, dimana variabel-variabel dalam satu faktor mempunyai

korelasi yang tinggi sedangkan korelasi dengan variabel-variabel pada faktor lain

relatif kecil. Faktor-faktor tersebut saling independent dan tiap-tiap faktor dapat

diinterpretasikan.

Langkah-langkah dalam analisis faktor adalah sebagai berikut:

Pertama adalah menghitung korelasi antara semua variabel dalam analisis. Karena

salah satu tujuan dari analisis faktor adalah untuk memperoleh faktor yang dapat

menjelaskan korelasi tersebut, maka variabel harus berkorelasi satu sama lain.

Jika korelasi antara variabel adalah kecil maka kemungkinan besar variabel-

variabel tersebut terletak dalam variabel yang berbeda. Analisis faktor layak

digunakan jika separoh lebih korelasi antar variabel lebih besar dari 0,3 pada nilai

absolutnya. Dengan menggunakan Barlett test dapat di uji hipotesis bahwa matrik

korelasi adalah matrik identitas.

H0: Matriks korelasi adalah matrik identitas

Hj: Matriks korelasi bukan matriks identitas

tes ini membutuhkan asumsi bahwa data berasal dari distribusi normal multivariat.

H0 ditolak jika level signifikan kecil, lebih kecil dari 0,05 yang berartibahwa

matriks korelasi bukan matriks identitas. Jika level signifikan lebih besar dari 0,05

yang berarti bahwa matriks korelasi adalah matriks identitas, maka penggunaan

model analisis faktor perlu dipertimbangkan kembali. Hal lain yang perlu

diperhatikan adalah bahwa matriks korelasi bukan matriks singular

(determinannya nol). Jika matriks korelasi adalah matriks singular, maka variabel

yang mempunyai korelasi yang besar dapat diwakili oleh salah satu variabel saja.

Kaiser-Meyer-Olkin (KMO) mengukur kecukupan sampling, merupakan

perbandingan antara koefisien korelasi dari observasi dengan koefisien korelasi

parsial. Nilai KMO yang kecil merupakan indikasi bahwa penggunaan analisis

faktor harus dipertimbangkan kembali, karena korelasi antara variabel tidak dapat

24

diterangkan oleh variabel lain. Kaiser (1974) menetapkan karakteristik

pengukuran bahwa nilai KMO sebesar 0,90 adalah sangat bagus, 0,80 bagus, 0,70

cukup, 0,60 kurang, 0,50 jelek dan dibawah 0,50 tidak dapat diterima.

Langkah kedua adalah menganalisis factor extraction dan menentukan

banyaknya faktor yang akan digunakan. Komponen utama pertama menerangkan

proporsi keragaman data terbesar. Komponen utama kedua menerangkan proporsi

keragaman data terbesar kedua setelah komponen utama pertama, dan tidak

berkolerasi dengan yang pertama.

Langkah ketiga adalah rotasi faktor, untuk memudahkan interpretasi

faktor. Meskipun faktor matriks yang diperoleh menerangkan hubungan antara

faktor dan masing-masing variabel, biasanya sulit untuk mengidentifikasi arti dari

faktor berdasarkan matriks ini. Sering kali suatu variabel nampaknya tidak

mempunyai korelasi dengan faktor manapun. Sedangkan tujuan dari analisis

faktor adalah untuk memperoleh faktor yang berisi variabel-variabel yang

mempunyai korelasi yang tinggi satu sama lain, maka rotasi analisis faktor

bertujuan untuk merotasi matriks loading sehingga mudah diinterpretasikan.

Metode rotasi yang digunakan adalah metode rotasi tegak lurus varimaks

sehingga menghasilkan matriks loading baru. Metode ini digunakan jika model

faktor mengasumsikan bahwa faktor kesamaannya (common factor) bersifat

independent. Dengan merotasi matriks loading maka setiap variabel asal akan

mempunyai korelasi yang tinggi dengan faktor tertentu saja dan tidak dengan

faktor lainnya, sehingga faktor-faktor tersebut saling independent. Dengan

demikian setiap faktor akan lebih mudah diinterpretasikan.

4. Analisis Regresi

Korelasi adalah hubungan antara dua variabel, sedangkan analisis regresi

adalah untuk menaksir atau meramalkan denagn terlebih dahulu mencari pola

hubungan yang dapat digambarkan secara matematis antara dua variabel atau

lebih.

Variabel yang digunakan ada dua macam :

a. Variabel Independent ( X )

25

yaitu variabel yang mempengaruhi atau bebas karena dikendalikan oleh yang

melakukan eksperimen.

b. Variabel Dependent ( Y)

yaitu variabel yang nilainya dipengaruhi oleh X.

Secara matematis hubungan antara variabel independent dengan variabel

dependent dinyatakan dalam bentuk :

Y-fW Y=f(X,,X2,...,Xn)

dimana:

X = Variabel Independent

Y = Variabel Dependent yang merupakan fungsi dari variabel X

Dalam persamaan regresi jika hanya mengandung satu variabel

independent disebut Regresi Linear Sederhana dan jika dalam model regresi

tersebut mengandung lebih dari satu variabel independent disebut Regresi Linear

Berganda.

Tujuan dan manfaat analisis regresi :

1. Mendapatkan pola hubungan secara matematis antara variabel X dan Y

2. Mengetahui besarnya perubahan variabel X terhadap Y

3. Memprediksi Y jika nilai X diketahui

Dalam regresi berganda ada beberapa asumsi yang harus dipenuhi, antara lain:

1. Kesalahan atau error saling bebas

2. Error variannya sama

3. Error berdistribusi normal

4. Antar variabel bebas tidak boleh ada hubungan

Bila asumsi keempat tidak terpenuhi maka dapat dideteksi atau dilihat dari nilai

VIF ( Variance Inflation Factor):

26

VIF < 10 artinya tidak ada multikolinearitas

10 < VIF < 20 artinya ada multikolinearitas yang tidak serius

VIF > 20 artinya ada multikolinearitas yang serius

Sedangkan teknik analisis yang digunakan untuk mengukur hubungan

yang mungkin ada antara dua variabel yaitu korelasi. Koefisian korelasi

digunakan untuk mengukur kuatnya hubungan antara dua variabel yaitu koefisien

korelasi antara variabel X dan Y. Apabila perhitungan didasarkan sampel, maka

ditulis dengan rumus :

Y,XiYi-n~XY r - . i=1

^Xf-nX2 TYi2-nY2

VU=/ A /w J

Pada hakekatnya nilai r dapat bervariasi dari -1 sampai dengan +1 dengan

ketentuan sebagai berikut:

a. Bila r = 0 atau mendekati 0, berarti hubungan antara variabel independen

dengan variabel dependent sangat Iemah aatau tidak terdapat hubungan sama

sekali.

b. Bila r = 1 atau mendekati 1, berarti terdapat hubungan positif antara variabel

independen dengan variabel dependen yang sangat kuat.

c. Bila r = -1 atau mendekati -1, berarti terdapat hubungan negatif antara variabel

independen dengan variabel dependen yang sangat kuat.

Regresi Linier Berganda merupakan perluasan dari regresi linier

sederhana, yang bertujuan untuk mencari pola hubungan yang dapat digambarkan

secara matematis antara satu variabel respon dengan beberapa variabel prediktor

secara serentak. Pola hubungan secara umum dapat ditulis dalam persamaan

sebagai berikut:

Yi = b0 + biXu + b2X2l +... + bkXk

27

Masalah utama dalam analisis regresi adalah menaksir parameter atau

koefisien regresi dan menyelidiki tingkat signifikansi dalam model secara

serentak, kemudian menyelidiki secara individu.

Metode kuadrat terkecil digunakan dengan tujuan untuk meminimumkan

varians sehingga didapatkan penaksiran yang tak bias. Dalam persamaan regresi

linear berganda, khususnya bila variabel prediktor lebih dari dua, akan lebih

mudah apabila dengan menggunakan pendekatan matrik (Gujarati, 1998 : 93)

Jika sumber variasi tersebut disusun dalam bentuk tabel analisis varians,

maka bentuknya sebagai berikut:

Tabel 3.4.1.

Anova untuk Regresi Linear Berganda

Sumber Variasi

Regresi

Residual

Total

Jumlah Kuadrat

SSReg

SSRes

SST

Derajat Bebas

k

n-k-1

n-1

Sedangkan untuk mengetahui apakah nilai-nilai dari parameter yang

diperoleh signifikan atau tidak, maka diperlukan uji hipotesa. Adapun langkah-

langkah yang ditempuh uji koefisien regresi adalah sebagi berikut:

> Pengujian koefisien regresi secara serentak

Untuk menguji secara serentak (overall) dari seluruh parameter regresi

X terhadap Y dengan hipotesa:

Ho:p, = p2=... = p\

Hi: paling sedikit ada satu Pi # 0 , i = 1, 2,..., k

digunakan Frasio = MSReg / MSRes = ( SSReg / k ) / ( SSRes / n-k-1 ). Jika Ho

benar dan asumsi dipenuhi, maka Frasi0 ~ F( kin.k.i >. Sehingga pada suatu tingkat

signifikan tertentu Frasi0 dapat dibandingkan dengan suatu nilai F dalam

distribusi F( k,n-k-i) yaitu F(k,n-k-i.a> Jiak pada tingkat signifikan a , Fr8Sio < F(k,n-

k-i,a ) maka terima Ho , berarti semua koefisien regresi tidak memberikan iuran

yang berarti terhadap harga Y, dalam hal ini akan menghasilkan Y = p0

28

Sebaliknya, jika Frasi0 > F^n-k-u) maka tolak Ho, berarti paling tidak ada satu Pi

yang tidak sama dengan nol, sehingga perlu dilakukan pengujian secara

individu.

> Pengujian koefisien regresi sevara individu

Setelah dilakukan pengujian koefisien regresi secara serentak dan

ternyata tolak Ho yang berarti paling sedikit ada satu p; yang tidak sama

dengan nol maka perlu dilakukan pengujian secara individu. Hal ini

dimaksudkan untuk menentukan ada tidaknya pengaruh masing-masing

variabel X terhadap variabel Y dan untuk melihat kontribusi dari masing-

masing variabel bebasterhadap variabel respon. Adapun pengujian tersebut

menggunakan hipotesa:

Ho:p\=0

H , :p i*0 , i» l , 2 , . . . , k

digunakan statistik uji Thitung = b;/sd(b,) dimana bi nilai taksiran dari Pi dan

Sd(bi) merupakan standart deviasi dari b;. Jika Ho benar dan asumsi dipenuhi,

maka : Thilung ~ t(n-k-l.a). Sehingga pada suatu tingkat signifikan tertentu

Thitung dapat dibandingkan dengan suatu nilai t dalam distribusi t(n-k-l) yaitu t

(n-k-l,cc). Jika pada tingkat signifikan a, jThitungl < t(n-k-l,a) maka terima Ho

, berarti tidak ada pengaruh yang signifikan dari variabel X terhadap variabel

Y. Sebaliknya, jika |Thitungl >t(n-k-l,a) maka tolak Ho, berarti ada pengaruh

yang signifikan dari variabel X terhadap variabel Y. Jadi pada prinsipnya uji

terhadap pi secara individu merupakan pengujian terhadap koefisien regresi

parsial yaitu uji tentang model regresi Y pada suatu variabel X tertentu jika

variabel X yang lain dianggap konstan.

Koefisien determinasi (R2) merupakan rasio antara variasi regresi

terhadap variasi total, yaitu proporsi yang menya-takan berapa persen variasi

data (variasi di sekitar Y) yang diterangkan oleh model. Hal ini menunjukkan

bahwa variasi total Y sekitar rata-rata disebabkan karena data pengamatan

tidak terletak dalam persamaan regresi, jika variasi residualnya kecil dan

variasi regresinya mendekati variasi totalnya, maka persamaan regresi akan

29

lebih dekat dengan titik-titik data pengamatan. Besarnya R2 selalu berada

diantara nol dan satu (0<R2<1) dan dapat ditulis sebagai berikut:

R1 = ^ x l 0 0 % SST

Jadi koefisien determinasi (R2) berguna untuk :

1. Mengukur ketepatan atau kecocokan suatu garis regresi yang diterapkan

terhadap suatu kelompok data hasil observasi. Makin besar nilai R2 dikatakan

model regresi semakin tepat atau cocok, sebaliknya makin kecil nilai R2

dikatakan model regresi tidak tepat untuk mewakili data hasil observasi.

2. Mengukur proporsi atau prosentase dari jumlah variasi Y yang dapat

diterangkan oleh model regresi.

Korelasi parsial merupakan ukuran hubungan linier antara variabel Y dengan Xi

dan X2 dibuat tetap atau sebaliknya. Nilai koefisien korelasi parsial ryi^ artinya

korelasi Y dengan X, dikontrol dengan X2. (Gujarati, 1988, hal 102-104).

ryi-ry2f\2 ryh2 -

^(i-i}2Yi-ffi)

UjiF

Ho = Model tidak signifikan

Hi = Model signifikan

Jika Fhitung > Ftabei, maka Ho ditolak

Fhitung < Ftabei, maka Ho diterima

Sebagai contoh peneliti menggunakan uji F pada Analisis Regresi Prestasi

-1. Dengan uji Anova / uji F maka didapat nilai Fhitung adalah 3593.394. Jika

disamakan nilai signifikan = 95% nilai kritis untuk derajat kebebasan (k-1) = 3

dan (n-k) = 120, maka F0.05 = 2.60. Karena Fhitung = 3593.394 > Ftabei " 2.60

maka Ho ditolak dan Hi diterima.