BAB III OBJEK DAN METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah tanggapan responden mengenai

Transkripsi

1 BAB III OBJEK DAN METODE PENELITIAN 3.1 Objek Peneltan Objek peneltan dalam peneltan n adalah tanggapan responden mengena varabel bebas adalah Pengelolaan barang dagangan (X) dengan ndkator kualtas, harga, dan keragaman produk. Serta yang menjad varabel terkat alah keputusan pembelan konsumen (Y) yang melput pemlhan produk, pemlhan merek, pemlhan saluran pembelan, waktu pembelan, dan jumlah pembelan. Pada peneltan n yang djadkan responden adalah konsumen Yomart mnmarket cabang Cbeureum Cmah. Berdasarkan varabel-varabel tersebut maka akan dtelt mengena pengaruh pengelolaan barang dagangan terhadap keputusan pembelan pada Yomart mnmarket cabang Cbeureum Cmah. 3. Metode Peneltan 3..1 Jens Peneltan dan Metode yang Dgunakan Berdasarkan pertmbangan tujuan peneltan, maka jens peneltan n adalah peneltan deskrptf dan peneltan verfkatf. Pengertan peneltan deskrptf dan peneltan verfkatf menurut Sugyono (008:11) Peneltan deskrptf adalah peneltan yang dlakukan untuk mengetahu nla varabel mandr, bak satu varabel maupun lebh tanpa membuat perbandngan atau menghubungkan dengan varabel lan. 65

2 66 Peneltan deskrptf adalah peneltan yang bertujuan untuk memperoleh deskrptf tentang cr-cr varabel, sedangkan sfat peneltan verfkatf pada dasarnya ngn menguj kebenaran suatu hpotess yang dlaksanakan melalu pengumpulan data d lapangan. Peneltan deskrptf d sn bertujuan untuk mengetahu gambaran dar varabel peneltan mengena pelaksanaan pengelolaan barang dagangan Yomart mnmarket serta pandangan responden tentang keputusan pembelan produk d Yomart mnmarket cabang Cbeureum Cmah. Peneltan verfkatf pada dasarnya ngn menguj kebenaran dar suatu hpotess yang dlaksanakan melalu pengumpulan data d lapangan. Dalam peneltan verfkatf bertujuan untuk mengetahu pengaruh pengelolaan barang dagangan terhadap keputusan pembelan pada Yomart Mnmarket cabang Cbeureum. Berdasarkan jens peneltan d atas yatu peneltan deskrptf dan verfkatf yang dlaksanakan melalu pengumpulan data d lapangan, maka metode peneltan yang dgunakan adalah metode surve untuk menjelaskan hubungan antara varabel-varabel melalu pengujan hpotess. Menurut Ker Lnger yang dkutp oleh Sugyono (008:7), metode surve yatu metode peneltan yang dlakukan pada populas besar maupun kecl, tetap data yang dpelajar adalah data dar sampel yang dambl dar populas tersebut, sehngga dtemukan kejadan-kejadan relatf, dstrbus, dan hubungan-hubungan varabel sosologs maupun pskologs. Surve yatu sebagan nformas dar sebagan populas (sampel responden) dkumpulkan langsung d tempat kejadan

3 67 secara emprk, dengan tujuan untuk mengetahu pendapat dar sebagan populas terhadap objek yang sedang dtelt. 3.. Operasonalsas Varabel Suatu peneltan agar bsa dapat membedakan konsep teorts dengan konsep analts maka perlu adanya penjabaran konsep melalu operasonalsas varabel. Varabel bebas yang dkaj dalam peneltan n adalah pengelolaan barang dagangan dan untuk varabel terkat adalah keputusan pembelan konsumen. Penjabaran operasonalsas dar varabel-varabel yang dtelt dapat dlhat pada Tabel 3.1 d bawah n. Varabel/Sub Varabel Pengelolaan Barang Dagangan (X) TABEL 3.1 OPERASIONALISASI VARIABEL PENELITIAN Konsep No Indkator Ukuran Skala Varabel Item Proses Kualtas Tngkat batas waktu penanganan Kualtas produk adalah Ordnal C.1 kadaluarsa barang kreatf dalam kemampuan produk Tngkat kualtas untuk melaksanakan upaya fungsnya, termasuk terbak dan sesua Ordnal C. mempresentaskan ddalamnya keawetan, dengan harga yang atau keandalan, ketepatan, dberkan menamplkan kemudahan barang dagangan dpergunakan dengan tujuan memaksmalkan daya tark penjualan rtel Chrstna Whdya Utam (008:0) dan dperbak serta atrbut bernla yang lan. Kotler dan Amstrong (006:6) Harga Harga menunjukkan jumlah uang yang harus dserahkan, dengan demkan harga yang lebh tngg secara negatf mempengaruh kemungknan pembelan. Tngkat kualtas terbak dbandngkan dengan mnmarket lan Tngkat ketepatan waktu penyedaan barang Tngkat pengadaan program dscount (potongan harga) yang dtawarkan Tngkat daya tark harga pada rak pajang Tngkat penetapan harga barang dagangan Ordnal C.3 Ordnal C.4 Ordnal C.5 Ordnal C.6 Ordnal C.7

4 68 Varabel/Sub Varabel Konsep Varabel Indkator Ukuran Skala Ronald R. Ltchtenseten, Nancy M. Rdgway dan Rchard G. Netemeyer, (007:186) Assortment Sejumah SKU (Stock Keepng Unt) dalam kategor breadth yang bak dan dept yang juga dapat dgunakan salng bergantan Chrstna Whdya Utam (008:89) Tngkat harga yang lebh rendah dbandngkan dengan mnmarket lan Tngkat ketersedaan produk baru Tngkat ketersedaan merek yang bervaras Tngkat ketersedaan berbaga varas produk Tngkat ketersedaan berbaga merek dan produk untuk dplh No Item Ordnal C.8 Ordnal C.9 Ordnal C.10 Ordnal C.11 Ordnal C.1 KEPUTUSAN PEMBELIAN (Y) Keputusan pembelan adalah tahap proses keputusan d mana konsumen secara aktual melakukan pembelan produk. Kotler dan Armstrong (007:7) Pemlhan produk Konsumen dalam mengambl keputusan untuk membel sebuah produk atau menggunakan uangnya untuk tujuan yang lan. Pemlhan merek/mnmarket Konsumen harus memutuskan merek/toko mana yang akan dplh. Setap merek memlk perbedaan-perbedaan tersendr. Pemlhan saluran pembelan Konsumen harus mengambl keputusan tentang penyalur mana yang akan dkunjung, bsa dkarenakan faktor lokas yang dekat dan strategs. Penentuan waktu pembelan Konsumen dapat mengambl keputusan tentang kapan a harus Tngkat pembelan berdasarkan kelengkapan produk Tngkat pembelan berdasarkan harga Tngkat pembelan berdasarkan kualtas produk Tngkat ketepatan karyawan dalam melayan pelanggan Tngkat keramahan karyawan dalam melayan pelanggan Tngkat ketersedaan fasltas Tngkat pembelan berdasarkan kestrategsan lokas Ordnal C.13 Ordnal C.14 Ordnal C.15 Ordnal C.16 Ordnal C.17 Ordnal C.18 Ordnal C.19 Tngkat pembelan berdasarkan kontnutas pembelan Ordnal C.0 Tngkat pembelan Ordnal C.1

5 69 Varabel/Sub Varabel Konsep Varabel Indkator Ukuran Skala melakukan pembelan Jumlah pembelan Konsumen dapat mengambl keputusan tentang seberapa bamnyak produk yang akan dbelnya pada suatu saat berdasarkan ketka membutuhkan Tngkat pembelan berdasarkan banyaknya pembelan produk No Item Ordnal C Jens dan Sumber Data Berdasarkan sumber dar suatu data dbedakan menjad dua jens, yatu data prmer dan data sekunder. Data prmer adalah data yang dperoleh dar peneltan langsung secara emprk kepada pelaku langsung atau yang terlbat langsung dengan menggunakan teknk pengumpulan tertentu (Husen Umar, 00:64), sedangkan data sekunder adalah data yang dperoleh dar hasl peneltan phak lan atau data yang sudah terseda sebelumnya dperoleh phak lan yang berasal dar buku, lteratur, artkel dan lmah.(husen Umar, 00:84). Berdasarkan pemaparan datas, untuk mengetahu dengan jelas jens dan sumber data yang dgunakan dapat dlhat pada Tabel 3. d bawah n : TABEL 3. JENIS DAN SUMBER DATA NO DATA JENIS DATA 1 Grafk perkembangan pangsa pasar omset Sekunder rtel modern berdasarkan jensnya 004- SUMBER DATA Asosas Pengusaha Rtel Indonesa ( 008 Pangsa Pasar gera rtel modern Sekunder Meda Data. Peta Persangan Bsns Rtel D Indonesa. Febuar Perkembangan jumlah gera dan perkraan omset mnmarket Sekunder SWA No.06/XXV/19 Maret- 1 Aprl 009, Meda Data 009, dan Yomart blog (

6 70 NO DATA JENIS SUMBER DATA DATA 4 Jumlah Frekuens transaks pembelan mnmarket yomart cabang cbeureum perode Sekunder Laporan Bulanan Yomart Mnmarket Cabang Cbeureum Cmah 5 Tanggapan konsumen melakukan Prmer Pra-peneltan Januar 010 pembelan pada Yomart Mnmarket Cabang Cbeureum Cmah 6 Tanggapan responden mengena Prmer Konsumen Yomart pengelolaan barang dagangan pada mnmarket cabang Yomart mnmarket cabang Cbeureum Cbeureum Cmah Cmah 7 Tanggapan responden mengena keputusan pembelan pada Yomart mnmarket cabang Cbeureum Cmah Sumber : Berdasarkan Hasl Pengolahan Data Prmer Konsumen Yomart mnmarket cabang Cbeureum Cmah 3..4 Populas, Sampel dan Teknk Sampel Populas Populas merupakan subjek peneltan yang memlk cr-cr tertentu. Populas dalam peneltan merupakan sekelompok objek yang dapat djadkan sumber peneltan berupa benda-benda manusa maupun perstwa yang terjad sebaga objek atau sasaran peneltan. Menurut Sugyono (009:61) menyatakan bahwa: Populas merupakan wlayah generalsas yang terdr atas: objek atau subjek yang mempunya kualtas dan karakterstk tertentu yang dtetapkan oleh penelt untuk dpelajar dan kemudan dtark kesmpulannya. Populas bukan hanya sekedar jumlah yang ada pada objek atau subjek yang dpelajar, tetap melput seluruh karakterstk atau sfat yang dmlk oleh subjek atau objek tersebut. Seorang penelt harus menentukan secara jelas mengena sasaran peneltannya yang dsebut dengan populas sasaran (target populaton), yatu populas yang nantnya akan menjad cakupan kesmpulan.

7 71 Dar pengertan populas d atas, maka dalam peneltan n sesua dengan maksud dan tujuan peneltan, yang menjad populas adalah konsumen Yomart mnmarket cabang Cbeureum Cmah beserta seluruh karakterstk telah melakukan transaks. Pada Tabel 3.3 memberkan keterangan yang lebh rnc mengena jumlah konsumen Yomart mnmarket cabang Cbeureum Cmah. TABEL 3.3 JUMLAH KONSUMEN YOMART MINIMARKET CABANG CIBEUREUM CIMAHI No Bulan Jumlah Pembel 1 Jun Jul Agustus September Oktober Nopember Desember Januar Febuar Jumlah 99814/9 = 11090,44= Sumber: Laporan Bulanan Yomart Mnmarket Cabang Cbeureum Cmah Sampel Menurut Sugyono (009:6) sampel adalah bagan dar jumlah dan karakterstk yang dmlk oleh populas tersebut. Dalam melakukan suatu peneltan tdak perlu menelt semua ndvdu dalam populas, karena d sampng memerlukan baya yang sangat besar juga membutuhkan waktu yang lama. Dengan menelt sebagan populas, kta mengharapkan hasl yang d dapat akan menggambarkan hasl populas yang dtelt. Ukuran sampel mnmal dalam peneltan n dtentukan dengan menggunakan rumus dar Harun Al Rasyd (1994:44), yatu: n = 1 n 0 n + N 0 (Harun Al Rasyd,1994:44)

8 7 Sedangkan n 0 dapat dcar dengan menggunakan rumus sebaga berkut: n o = α 1 Z S δ (Harun Al Rasyd,1994:44) Keterangan : N = Populas n = Banyaknya sampel yang dambl dar seluruh unt S = Smpangan baku untuk varabel yang dtelt dalam populas dengan menggunakan Demng s Empercal Rule δ = Bound of error yang bsa dtolerr atau dkehendak sebesar 5% Berdasarkan rumus d atas, maka dapat dhtung besarnya sampel dar jumlah populas yang ada yatu dapat dlhat pada halaman selanjutnya: a. Dstrbus skor berbentuk kurva dstrbus b. Nla tertngg skor responden : ( x 5) = 110 c. Nla terendah skor responden : ( x 1) = d. Rentang = Nla tertngg Nla terendah = 110 = 88 e. S = Smpangan baku untuk varabel yang dtelt dalam populas (populas standar devator) dengan menggunakan demng emprcal rule. Berdasarkan rekaptulas dar jawaban responden sebanyak 30 orang, dperoleh : tdak ada yang menjawab skor 1 (satu), skor (dua) sebanyak 1, skor 3 (tga) sebanyak 3, skor 4 (empat) sebanyak 336, dan skor 5 (lma) sebanyak 80. Berdasarkan pengamatan dar jawaban responden d atas, skor terbanyak berada pada skor 4 (empat) yang menggambarkan jawaban

9 73 responden berbentuk kurva mrng kanan artnya jawaban responden terbanyak pada skor 4 sehngga S = 0,1. Maka dperoleh : S = (0,1) (88) = 18,48 f. Dengan derajat kepercayaan = 95% dmana α = 0, 05 Z 1 α = Z 0,975 = 1,96 (lhat tabel Z, yatu tabel normal baku akan dperoleh nla 1,96) Perhtungan ukuran sampel yang dpergunakan dalam peneltan n adalah dengan mencar nla n o lebh dahulu, yatu: n N δ = 5 % Z = 1,96 = orang S = 18,48 0 n o = α 1 Z S = δ ( 1,96 )( 18,48) 5 = 36,08 5 = [ ] = 5, Nla n o sudah dketahu yatu sebesar 5, setelah tu kemudan dlakukan penghtungan untuk mencar nla n untuk mencar jumlah sampel yang akan dtelt. n 0 n = n N

10 74 5, = 5, , = 1, = 5, Dbulatkan menjad 5 Berdasarkan perhtungan d atas, maka ukuran sampel mnmal dalam peneltan n dtetapkan dengan α = 0.05 maka dperoleh ukuran sampel (n) mnmal sebesar 5. Menurut Wnarno Surakhmad (1998:100) bahwa untuk jamnan ada baknya sampel selalu dtambah sedkt lag dar jumlah matematk. Kemudan agar sampel yang dgunakan representatf, maka pada peneltan n dtentukan sampel yang berjumlah 75 orang Teknk Samplng Sampel yang dambl dalam suatu peneltan harus resprensentatf dengan menggunakan suatu teknk pengamblan sampel agar dapat mewakl populas. Menurut Sugyono (009:81) menyatakan bahwa Teknk samplng adalah merupakan teknk pengamblan samplng. Menurut Suharsm Arkunto (006:110) menyatakan bahwa Teknk pengamblan sampel harus dlakukan sedemkan rupa sehngga dperoleh sampel yang benar-benar dapat berfungs sebaga contoh atau dapat menggambarkan keadaan populas yang sebenarnya. Untuk mendapatkan sampel representatf, maka harus dupayakan subjek dalam populas memlk peluang yang sama untuk menjad unsur sampel, sehngga dgunakan pengamblan sampel acak sstemats. Harun Al Rasyd (1994:66),

11 75 menyatakan bahwa: pada keadaan tertentu, samplng sstematk bsa dlakukan sekalpun tdak ada kerangka samplngnya. Populas dalam peneltan n adalah populas yang bergerak maka teknk pengamblan sampel dsesuakan dengan langkah kerja yang sstemats untuk mendapatkan sampel yang representatf. Sampel yang ddapatkan harus representatf, untuk tu perlu dlakukan langkah-langkah untuk mendapatkan sampel yang representatf. Untuk mengolah data dlakukan langkah-langkah yang dlakukan secara sstemats yatu sebaga berkut: 1. Menentukan konsumen yang akan djadkan objek peneltan yatu konsumen yang telah melakukan transaks.. Menentukan sebuah check pont pada objek yang akan dtelt, dalam hal n check pont-nya adalah pntu masuk mnmarket Yomart Cabang Cbeureum 3. Berdasarkan data yang ddapat dar Yomart mnmarket Cabang Cbeureum Cmah dketahu bahwa rata-rata kunjungan konsumen adalah sebanyak orang perbulan (358 per har) 4. Tentukan waktu yang akan dgunakan untuk menentukan samplng. Pada peneltan n waktu kongkrt yang dgunakan oleh penelt adalah pada har Senn hngga Mnggu pukul WIB dengan jumlah konsumen ratarata sebesar 196 per har. 5. Menentukan ukuran sampel atau n = Tentukan orentas lapangan terutama pada checkpont. Orentas n akan djadkan dasar menentukan nterval pemlhan pertama. Perkraan penyebaran angket perhar sebanyak 15 maka nterval yang dgunakan adalah 196 : 15=13.

12 76 Setelah dketahu nterval maka penyebaran angket dlakukan pada konsumen yang melakukan transaks d Yomart Cabang Cbeureum pada nterval ke tga belas Teknk Pengumpulan Data Teknk pengumpulan data merupakan suatu cara dengan apa data dperlukan dapat dperoleh. Teknk pengumpulan data dalam peneltan n dkategorkan menjad dua bagan yatu teknk yang dgunakan untuk memperoleh data sekunder dan data prmer. Peneltan n memperoleh data dengan menggunakan nstrumen peneltan antara lan: 1. Intervew menurut Sugyono (008:137) menyatakan bahwa Intervew (wawancara) merupakan teknk pengumpulan data melalu komunkas langsung dengan responden atau konsumen yang lebh mendalam dan jumlah respondennya sedkt atau kecl.. Observas, menurut Sutrsno Had yang dkutp oleh Sugyono (009:145) menyatakan bahwa Observas merupakan suatu proses yang kompleks suatu proses yang tersusun dar berbaga proses bologs dan pskologs yatu berupa proses-proses pengamatan dan ngatan. 3. Kuesoner (angket), menurut Sugyono (009:145) menyatakan bahwa Kuesoner merupakan teknk pengumpulan data yang member seperangkat pertanyaan tertuls kepada responden untuk djawabnya. 4. Penelusuran nternet, untuk mencar jurnal-jurnal lmah dan artkel-artkel yang berhubungan dengan varabel-varabel yang dtelt.

13 77 Method of Successve Interval (MSI) Peneltan n menggunakan data ordnal sepert djelaskan dalam operasonalsas varabel sebelumnya, maka semua data ordnal yang terkumpul terlebh dahulu akan dtransformas menjad skala nterval dengan menggunakan Method of Successve Interval (Harun Al Rasyd,1994:131). Langkah-langkah untuk melakukan transformas data tersebut adalah sebaga berkut: 1) Menghtung frekuens (f) setap plhan jawaban, berdasarkan hasl jawaban responden pada setap pernyataan. ) Berdasarkan frekuens yang dperoleh untuk setap pernyataan, dlakukan penghtungan propors (p) setap plhan jawaban dengan cara membag frekuens (f) dengan jumlah responden. 3) Berdasarkan propors tersebut untuk setap pernyataan, dlakukan penghtungan propors kumulatf untuk setap plhan jawaban 4) Menentukan nla batas Z (tabel normal) untuk setap pernyataan dan setap plhan jawaban. 5) Menentukan nla nterval rata-rata untuk setap plhan jawaban melalu persamaan berkut: ( Dencty at Lower Lmt ) ( Dencty at Upper Lmt ) Scale Value = ( Area Below Upper Lmt ) ( Area Bellow Lower Lmt ) Data peneltan yang sudah berskala nterval selanjutnya akan dtentukan pasangan data varabel ndependen dengan varabel dependen serta dtentukan persamaan yang berlaku untuk pasangan-pasangan tersebut. Penelt menggunakan bantuan program software Succ 97 pada Mcrosoft Offce Excel untuk proses pengolahan data MSI tersebut.

14 Hasl Pengujan Valdtas dan Relabltas Hasl Pengujan Valdtas Valdtas adalah suatu ukuran yang menunjukan tngkat-tngkat kevaldan dan kesahhan atau keahlan suatu nstrumen. Suatu nstrumen yang vald atau sahh mempunya valdtas yang tngg. Sebalknya, nstrumen yang kurang vald memlk valdtas rendah. (Suharsm Arkunto 006:168). Rumus yang dgunakan untuk menghtung kevaldan dar suatu nstrumen adalah rumus Korelas Product Moment, yang dkemukakan oleh Pearson sebaga berkut: rxy = N XY ( X )( Y ) ( X ) N Y { } { N X } ( Y ) (Suharsm Arkunto, 006:170) Keterangan: r = Koefsen valdtas tem yang dcar X = Skor yang dperoleh subjek dar seluruh tem Y = Skor total n = Banyak responden Keputusan pengujan valdtas menggunakan taraf sgnfkans dengan krtera sebaga berkut: 1. Nla r dbandngkan dengan harga r tabel dengan dk = n- dan taraf sgnfkas α = 0,05.. Jka r htung > r tabel maka soal tersebut vald. 3. Jka r htung < r tabel maka soal tersebut tdak vald. 4. Hasl pengujan pada 30 responden, dengan dk = n- = 30- = 8 dperoleh r tabel = 0,374, berkut n adalah hasl pengujan valdtas dar tem pertanyaan yang dajukan penelt.

15 79 TABEL 3.4 HASIL PENGUJIAN VALIDITAS INSTRUMEN NO.ITEM PERNYATAAN r htung r tabel KETERANGAN Qualty atau kualtas III.1 Batas waktu kadaluarsa barang 0,63 0,374 Vald III. Kesesuaan harga dengan kualtas barang 0,697 0,374 Vald III.3 Kualtas barang dbandngkan 0,599 mnmarket lan 0,374 Vald III.4 Ketepatan waktu penyedaan barang 0,689 0,374 Vald Prce atau harga III.5 Pengadaan program dskon atau 0,75 potongan harga 0,374 Vald III.6 Daya tark harga pada rak 0,568 0,374 Vald III.7 Harga yang dtawarkan 0,71 0,374 III.8 Harga lebh rendah dbandngkan 0,605 mnmarket lan 0,374 Vald Assortment atau keragaman produk III.9 Ketersedaan produk baru 0,570 0,374 Vald III.10 Ketersedaan berbaga merek dar setap 0,643 kategor 0,374 Vald III.11 Ketersedaan berbaga varas produk 0,470 0,374 Vald III.1 Ketersedaan berbaga merek dan produk 0,5 untuk dplh 0,374 Vald Pemlhan Produk III.13 Pembelan berdasarkan kelengkapan 0,461 produk 0,374 Vald III.14 Pembelan berdasarkan harga produk 0,56 0,374 Vald III.15 Pembelan berdasarkan kualtas produk 0,719 0,374 Vald Pemlhan Merek/mnmarket III.16 Ketepatan karyawan dalam memberkan 0,746 nformas kepada pelanggan 0,374 Vald III.17 Keramahan karyawan dalam melayan 0,537 Vald 0,374 karyawan III.18 Ketersedaan fasltas pada mnmarket 0,550 0,374 Vald Pemlhan saluran pembelan III.19 Kestrategsan lokas 0,651 0,374 Vald Penentuan waktu pembelan III.0 Kontnutas pembelan 0,746 0,374 Vald III.1 Pembelan berdasarkan kebutuhan dan 0,47 Vald 0,374 kengnan Jumlah Pembelan III. Pembelan berdasarkan banyaknya Vald 0,514 0,374 produk Sumber : Hasl pengolahan data Pengujan Relabltas

16 80 Relabltas menunjukkan suatu pengertan bahwa suatu nstrumen cukup dapat dpercaya untuk dgunakan sebaga alat pengumpul data, karena nstrumen tersebut sudah bak. Instrumen yang sudah dapat dpercaya, yang relabel akan menghaslkan data yang dapat dpercaya juga. Relabel artnya dapat dpercaya, jad dapat dandalkan. Relabltas merupakan suatu ukuran yang menunjukkan bahwa suatu nstrumen cukup dapat dpercaya untuk dgunakan sebaga alat pengumpulan data karena nstrumen tersebut sudah bak. Relabltas menunjukkan tngkat keterandalan tertentu (Suharsm Arkunto, 006:178). Pengujan relabltas nstrumen dengan rentang skor antara 1-5 menggunakan rumus Cronbach alpha, yatu: r k = k 1 σ t 11 1 b σ (Husen Umar, 00:146) Keterangan: r 11 = Relabltas nstrumen k = Banyaknya butr pertanyaan σ t σ b = Varans total = Jumlah varan butr Jumlah varan butr dapat dcar dengan cara mencar nla varan tap butr, kemudan jumlahkan, sepert berkut n: σ = X ( X ) n n (Husan Umar, 00:147) Keputusan uj relabltas dtentukan dengan ketentuan sebaga berkut : 1) Jka koefsan nternal seluruh tem r htung r tabel maka tem pertanyaan dkatakan relabel.

17 81 ) Jka koefsan nternal seluruh tem r htung < r tabel maka tem pertanyaan dkatakan tdak relabel. berkut n : Hasl pengujan relabltas yang dperoleh dapat dlhat pada Tabel 3.6 TABEL 3.5 HASIL PENGUJIAN RELIABILITAS No Varabel r htung R tabel Keterangan 1 Pengelolaan Barang Dagangan ,374 Relabel Keputusan pembelan ,374 Relabel Sumber : Hasl Pengolahan data 010 Jka koefsen nternal seluruh tem r htung r tabel dengan tngkat sgnfkans 5% maka tem pertanyaan dkatakan relabel, maka varabel yang duj keduanya cukup relabel Teknk Analss Data Tujuan pengolahan data adalah untuk memberkan keterangan yang berguna, serta untuk menguj hpotess yang telah drumuskan dalam peneltan n. Dengan demkan, teknk analss data darahkan pada pengujan hpotess serta menjawab masalah yang dajukan. Alat peneltan yang dgunakan dalam peneltan n adalah angket. Angket n dsusun oleh penuls berdasarkan varabel yang terdapat dalam peneltan. Dalam peneltan kuanttatf analss data dlakukan setelah data seluruh responden terkumpul. Kegatan analss data dalam peneltan dlakukan melalu tahapan-tahapan sebaga berkut:

18 8 1. Menyusun data, mengecek nama dan kelengkapan denttas responden, serta mengecek kelengkapan data yang ds oleh responden untuk mengetahu karakterstk responden dgunakan rumus persentase sebaga berkut: n % = Χ 100 N Dmana: n N = nla yang dperoleh = jumlah seluruh nla 100 = konstanta. Menyeleks data untuk memerksa kesempurnaan dan kebenaran data yang terkumpul 3. Tabulas data Tabulas data yang dlakukan dalam peneltan n adalah: a. Member skor pada setap tem b. Menjumlahkan skor pada setap tem c. Menyusun rankng skor pada setap varabel peneltan 4. Menganalss dan menafsrkan hasl perhtungan berdasarkan angka-angka yang dperoleh dar perhtungan statstk. Adapun metode analss data yang dgunakan dalam peneltan n adalah analss deskrptf dan verfkatf. Dalam peneltan n, setap pendapat responden atas pernyataan dber nla dengan skala lkert. Untuk mengkategorkan hasl perhtungan, dgunakan krtera penafsran yang dambl dar 0% sampa 100%. Penafsran pengolahan data berdasarkan batas-batas adalah sebaga berkut: TABEL 3.6 KRITERIA PENAFSIRAN HASIL PERHITUNGAN RESPONDEN No Krtera Penafsran Keterangan 1 0% Tdak Seorangpun 1% - 5% Sebagan Kecl

19 83 3 6% - 49% Hampr Setengahnya 4 50% Setengahnya 5 51% - 75% Sebagan Besar 6 76% -99% Hampr Seluruhnya 7 100% Seluruhnya Sumber: Moch. Al (1985:184) Analss Desktptf Analss deskrptf dapat dgunakan untuk mencar kuatnya hubungan antara varabel melalu analss korelas dan membuat perbandngan dengan membandngkan rata-rata data sampel atau populas tanpa perlu duj sgnfkansnya. (Sugyono 009:144). Analss deskrptf bertujuan mengubah kumpulan data mentah menjad mudah dpaham dalam bentuk nformas yang lebh rngkas. Analss deskrptf dgunakan untuk mendeskrpskan varabelvarabel peneltan, antara lan: 1. Analss deskrptf Pengelolaan barang dagangan yang terdr dar ndkator kualtas, harga dan keragaman produk.. Analss deskrptf keputusan pembelan konsumen d Yomart Mnmarket Cabang Cbeureum Cmah Analss Verfkatf atau Pengujan Hpotess menggunakan Regres Lner Sederhana Teknk analss data yang dgunakan untuk melhat pengaruh Pengelolaan barang dagangan dengan ndkator kualtas, harga, dan keragaman produk terhadap proses keputusan pembelan konsumen (Y) adalah analss regres lner

20 84 sederhana dan analss korelas karena peneltan n hanya menganalss dua varabel. Tahap awal dalam menganalss data pada peneltan n adalah mentransformaskan data yang dtelt menggunakan Method of Successve Interval. Pada peneltan n untuk mengetahu pengaruh pengelolaan barang dagangan terhadap keputusan pembelan dgunakan statstk nonparametrk karena skala data yang dperoleh adalah dalam bentuk skala ordnal. Adapun teknk analsa yang dgunakan dalam statstk non parametrc adalah teknk analsa regres lner sederhana, hal n dkarenakan data yang dperoleh bersfat ordnal. Pada metode regres lner sederhana, data yang dperoleh haruslah dalam bentuk nterval, dkarenakan data yang dperoleh dalam peneltan n adalah dalam bentuk ordnal maka semua datanya harus dtransformaskan menjad skala nterval terlebh dahulu dengan menggunakan Teknk analsa lner sederhana dlakukan dengan prosedur kerja sebaga berkut: 1. Asums Analss Regres a). Uj Asums Normaltas Syarat pertama untuk melakukan anals regres adalah normaltas, data yang mengandung data ekstrm basanya tdak memenuh asums normaltas. Jka sebaran data mengkut sebaran normal, maka populas dar mana data dambl berdstrbus normal dan akan danalss menggunakan analss parametrk. Pada peneltan n, untuk mendeteks apakah data yang dgunakan berdstrbus normal atau tdak dlakukan dengan menggunakan Normal Probablty Plot. Suatu model regres memlk data berdstrbus normal apabla sebaran datanya terletak d

21 85 sektar gars dagonal pada Normal Probablty Plot yatu dar kr bawah ke kanan atas. Pengujan kenormalan data juga dlakukan menggunakan uj Llefors yang dolah menggunakan SPSS. Krtera pengujan adalah jka sgnfkans > 0,05 maka data dkatakan berdstrbus normal. b). Uj Lnertas Data Uj lnertas regres varabel x atas varabel y, dmaksudkan untuk mengetahu kemungknan adanya hubungan lnear antar varabel x dan varabel y. Pengujan lnertas data dapat dbuktkan melalu F test (Husan dan R. Purnomo, 008:113). Berdasarkan tabel ANOVA, dapat dketahu besarnya F htung melalu uj ANOVA atau F test, sedangkan besarnya F tabel dperoleh dengan melhat tabel F melalu dk pemblang (dk tuna cocok, k ) dan dk penyebut (dk kesalahan, n k) dengan taraf kesalahan (α) = 0,05. Dengan krtera, tolak hpotess model regres lnear jka F htung F tabel maka Ho dtolak, artnya data lner. Untuk dstrbus F yang dgunakan dambl α = 0,05, dk pemblangnya = (k-) dan dk penyebut = (n-k). Keterangan : k = jumlah kelompok untuk data yang sama n = jumlah sampel c). Dagram Pencar Dagram pencar merupakan gambaran secara kasar mengena pola hubungan varabel Y (keputusan pembelan konsumen) atas varabel X (Pengelolaan barang dagangan) adalah pola hubungan lner atau tdak lner, jka pola hubungannya

22 86 lner model hubungan n adalah model regres lner sederhana, yatu: Y = β 0 + β 1 x. Dar sampel model yang dpergunakan adalah: Y = b 0 + b 1 x. Dalam dagram pencar terdapat kovaras yang bersfat searah dan tdak searah. Kovaras antara X dan Y sfatnya searah, dalam art bahwa apabla X berubah makn besar maka Y pun berubah makn besar atau apabla X berubah makn kecl, maka Y pun berubah makn kecl. Kovaras antara kedua varabel tu dsebut kovaras postf, n mengsyaratkan hubungan postf. Dan jka Kovaras antara X dan Y sfatnya tdak searah, dalam art bahwa apabla X berubah makn besar maka Y berubah makn kecl atau apabla X berubah makn kecl, maka Y pun berubah makn besar. Kovaras antara kedua varabel tu dsebut kovaras negatf, n mengsyaratkan hubungan negatf.. Analss Korelas Analss korelas dmaksudkan untuk menghtung berapa besar koefsen korelas antara varabel X dan varabel Y. Untuk keperluan perhtungan koefsen korelas r (korelas product moment) berdasarkan sekumpulan data (X, Y) berukuran n dapat dgunakan rumus menurut Sugyono (009:8) berkut n: r = n nσχ Υ ( ΣΧ )( ΣΥ ) { ΣΧ }{ } ( ΣΧ ) ΣΥ ( ΣΥ ) Keterangan: r = Koefsen korelas X = Varabel bebas (ndependent) Y = Varabel terkat (dependent) Sugyono (009:31) menjelaskan nterpretas koefsen korelas untuk mengetahu besarnya tngkat hubungan antar varabel sebaga berkut :

23 87 TABEL 3.7 PEDOMAN INTERPRETASI KOEFISIEN KORELASI Interval Koefsen Tngkat Hubungan 0,00 0,199 Sangat rendah 0,0 0,399 Rendah 0,40 _ 0,599 Sedang 0,60 0,799 Kuat 0,80 1,000 Sangat kuat Sumber : Sugyono (009:31) 3. Analss Regres Lner Sederhana Analss regres dgunakan untuk memutuskan apakah nak dan menurunnya varabel terkat (dependent) dapat dlakukan melau menakkan dan menurunkan keadaan varabel bebas (ndependent) atau untuk menngkatkan keadaan varabel terkat dapat dlakukan dengan menakkan varabel bebas ataupun sebalknya. Teknk n dgunakan untuk mempredks seberapa besar nla varabel terkat (Y) jka varabel bebas (X) dubah. Teknk regres n bermanfaat untuk membuat keputusan apakah nak dan menurunnya varabel dependent dapat dlakukan melalu penngkatan varabel ndependent atau tdak, maka bentuk persamaan regres lnear sederhana Y atas X adalah: Keterangan: y = a + bx (Sugyono, 009:61) a = Y pntasan (Nla Y' bla x = 0) b = Angka arah atau koefsen regres, yang menunjukkan angka penngkatan ataupun penurunan varabel dependent yang ddasarkan pada varabel ndependent. Bla b (+) maka nak, dan bla b (-) maka turun. X = Nla tertentu dar varabel bebas Y' = Nla yang dukur dar varabel terkat Langkah-langkah yang dlakukan dalam analss regres lner adalah sebaga berkut:

24 88 1) Mencar harga-harga yang akan dgunakan dalam menghtung koefsen a dan b, yatu: X, y, XY, X², Y² ) Mencar koefsen regres a dan b dengan rumus yang dkemukakan Sugyono (009: 06) sebaga berkut: Nla dar a dan b pada persaman regres lner dapat dhtung dengan rumus : ( ΣΥ )( ΣΧ ) ( ΣΧ )( ΣΧ Υ ) nσχ Υ ( ΣΧ )( ΣΥ ) 3) Menyusun a = persamaan regres lner sederhana b = setelah menemukan harga nσχ ( ΣΧ ) n ΣΧ ( ΣΧ ) koefsen a dan b. Persamaan regres yang telah dtemukan dapat dgunakan untuk melakukan predks (ramalan) bagamana ndvdu dalam varabel tergantung akan terjad bla ndvdu dalam varabel bebas dtetapkan. 4) Mengetahu gars regres berdasarkan persamaan yang telah dtemukan. 5) Untuk mengetahu besarnya kontrbus X terhadap nak turunnya nla Y dhtung dengan suatu koefsen yang dsebut koefsen determnas. 4. Mencar Koefsen Determnas (r ) Untuk mengetahu besarnya kontrbus dar X terhadap nak turunnya nla Y dhtung dengan suatu koefsen yang dsebut koefsen determnas (r ). Koefssen determnas dapat dhtung dengan rumus sebaga berkut: { ( )( )} b n XY X Y r = n Y ( Y ) Nla koefsen penentu berada d antara 0 100%. Jka nla koefsen penentu makn mendekat 100% berart semakn kuat pengaruh varabel ndependen terhadap varabel dependen sehngga dbuat pedoman nterpretas koefsen penentu sebaga berkut: TABEL 3.8 KOEFISIEN DETERMINASI Interval Koefsen Tngkat Pengaruh 0% - 19,9% Sangat lemah

25 89 Interval Koefsen Tngkat Pengaruh 0% - 39,99% Lemah 40% - 59,99% Sedang 60% - 79,99% Kuat 80% - 100% Sangat kuat (Sumber: Sugyono 009:15) Selanjutnya untuk menyatakan besar keclnya sumbangan varabel X terhadap Y dapat dtentukan dengan rumus koefsen determnan. Koefsen Determnas (KD) menunjukan ragam nak turunnya varabel terkat yang dterangkan oleh pengaruh varabel X. Dmana dalam penggunaannya, koefsen determnas dnyatakan dalam persentas dengan rumus: KD = r X100% (Iqbal Hasan, 006:63) Keterangan : KD : Nla koefsen Determnan r : Nla koefsen korelas 3..8 Rancangan Pengujan Hpotess Untuk menguj sgnfkans koefsen korelas antara varabel X dan Y dlakukan dengan membandngkan t htung dengan t tabel yatu dengan menggunakan rumus dstrbus student (t student) sebaga berkut: (Sudjana, 00: 6) Pada taraf kesalahan 0,05 dengan derajat kebebasan dk (n-) serta pada uj satu phak, yatu uj phak kanan. 1. Ho : ρ = 0 Keputusan pembelan konsumen pada Yomart mnmarket cabang Cbeureum Cmah tdak dpengaruh oleh pengelolaan barang dagangan

26 90. H 1 : ρ > 0 Keputusan pembelan konsumen pada Yomart mnmarket cabang Cbeureum Cmah dpengaruh oleh pengelolaan barang dagangan Dengan krtera pengamblan keputusan pengujan hpotess yang dajukan adalah sebaga berkut: Jka t htung > t tabel, maka H o dtolak dan H a dterma Jka t htung < t tabel, maka H o dterma dan H a dtolak