BAB III METODE PENELITIAN

Transkripsi

1 BAB III METODE PENELITIAN 3. Desai Peelitia Pegguaa apriori dalam meetuka pola pembelia, digambarka dalam betuk associatio rules atau atura asosiasi, dimaa atura asosiasi ii memiliki support da cofidece. Support da cofidece diguaka sebagai acua yag meggambarka adaya korelasi atara itemset satu terhadap itemset laiya. Retag support da cofidece berada pada agka 0 sampai. Utuk medukug algoritma apriori meampilka rekomedasi terbaik, maka variabel-variabel acua yaitu miimum support da miimum cofidece harus memiliki korelasi tiggi. Kata korelasi berasal dari bahasa Iggris yaitu correlatio. Dalam bahasa Idoesia serig diterjemahka sebagai hubuga (Suharsimi Arikuto, 99: 67). Korelasi dapat diartika sebagai suatu hubuga yag terjadi atar dua variabel. Fugsi atura asosiasi, serigkali disebut dega market basket aalysis diguaka utuk meemuka relasi atau korelasi diatara himpua item. Market Basket Aalysis adalah aalisis dari kebiasaa membeli kosume dega mecari asosiasi da korelasi atara item berbeda yag diletakka customer dalam kerajag belajaaya. Oleh karea itu, utuk memetaka ilai korelasi, maka tabel Guilford diguaka utuk klasifikasi koefisie korelasi. Tabel guilford sediri biasa diguaka utuk megukur korelasi atau keerata hubuga atar variabel dalam statisitika. Semaki tiggi ilai korelasi atar frequet itemset, maka maki kuat keterikataya. Korelasi yag dimaksud pada market basket aalysis ii digambarka berdasarka ilai cofidece. Rahmadai, 0 Implemetasi Algoritma Apriori Pada Mobile Commerce Usaha Mikro Kecil Da Meegah Uiversitas Pedidika Idoesia repository.upi.edu

2 5 Tabel 3. Tabel Guilford Iterval Koefisie Klasifikasi 0,000 0,99 Sagat Redah / Lemah dapat diabaika 0,00 0,399 Redah / Lemah 0,400 0,599 Sedag 0,600 0,799 Tiggi / Kuat 0,800,000 Sagat Tiggi / Sagat Kuat Utuk medukug apriori memberika rekomedasi terbaik maka korelasi yag dibetuk harus kuat dega sehigga ilai miimum cofidece dipilih sebesar 0.6, yag meurut tabel guilford retag 0.6 termasuk dalam retag korelasi yag tiggi/kuat. Nilai miimum cofidece 0.6 juga dipertimbagka sebagai agka yag termasuk korelasi tiggi tapi juga meghasilka bayak kadidat yag dibutuhka. Sedagka support dipilih pada agka 0. utuk mejaga performa algoritma agar tidak meghasilka kadidat item terlalu bayak da tidak terlalu sedikit. Peetua kedua ilai ii disebut threshold. Kedua variabel yag ditetuka ii sehigga output yag valid dihasilka melalui proses pruig. Desai peelitia yag dikembagka dalam pegembaga Implemetasi algoritma apriori pada mobile commerce UMKM adalah sebagai berikut.

3 5 Studi Literatur da Eksplorasi Aalisa Kebutuha. Meetuka Threshold. Aalisa kebutuha sistem Peracaga. Class Diagram. Use Case Diagram 3. Peracaga Atarmuka Komputasi Respode e-commerce Kuesioer Uji coba kuesioer Pegolaha Kuesioer Hasil Kuesioer Adaptasi hasil peelitia e-commerce mejadi m- commerce Data Produk UMKM Pegacaka trasaksi Apriori. Temuka L dega cara sca DB. Geerate L k, meghasilka C k 3. Pruig jika subset C k tidak frequet 4. Pidai database dega C k, jika cocok maka L k+ terbetuk (frequet) 5. Ulagi lagkah, dega L K =L k+ higga C K tidak frequet. Data Model (Atura asosiasi) Aplikasi MCOM UMKM Pegujia Black box Output berupa rekomedasi produk Lapora Peelitia Dokume Tekis Gambar 3. Desai Peelitia

4 53 Pejelasa gambar:. Studi literatur dilakuka dega mempelajari da memahami teori-teori yag diguaka, yaitu mobile commerce serta algoritma apriori. Studi ii dilakuka megumpulka literatur terkait seperti jural, website iteret, e-book, da bacaa lai baik berupa buku maupu paper.. Kuesioer dilakuka utuk megetahui keterkaita atribut produk terhadap keputusa kosume utuk membeli produk e-commerce. Faktor-faktor yag dimiliki atribut produk da persepsi harga ii atiya aka diguaka utuk meggambarka iformasi produk yag aka ditampilka di sistem. 3. Uji coba kuesioer dilakuka pada 30 respode pertama, kemudia diuji dega megguaka uji realibilitas da uji validitas. Jika kuesioer tidak valid da realibel maka dilakuka kembali uji coba kuesioer higga seluruh pertayaa valid da realibel. 4. Pegolaha kuesioer dilakuka agar hasil pegolaha dapat meujuka bahwa deskripsi produk yag dikuesioerka meujuka keterkaitaya sebagai iformasi yag dibutuhka kosume ketika membeli produk e- commerce. Deskripsi produk tersebut kemudia diguaka pada sistem sehigga meampilka iformasi yag dibutuhka peggua. 5. Adaptasi hasil kuesioer dilakuka karea peelitia ii dilakuka pada respode e-commerce. Dega adaya kemiripa atara sistem e-commerce da m-commerce diharapka hasil kuesioer ii dapat diguaka utuk meambahka iformasi produk yag aka diguaka pada m-commerce. 6. Threshold merupaka batas miimum dari jumlah kemucula itemset dari keseluruha trasaksi yaitu miimum support da miimum cofidece. Jika ilai kemucula itemset dalam trasaksi dibawah ilai threshold maka itemset tersebut tidak dapat dimasukka sebagai atura asosiasi yag valid. 7. Pegguaa data UMKM pada sistem diguaka utuk kebutuha pegujia. 8. Pegacaka trasaksi dibuat utuk membetuk atura asosiasi yag dibutuhka utuk pegujia. Trasaksi acak ii dibuat megguaka program yag megacak trasaksi da isi kerajag belaja. Data sample acak ii

5 54 kemudia diproses apriori mejadi model data berisi atura asosiasi yag aka diguaka ketika kosume memberika kosume 9. Desai mobile commmerce UMKM dilakuka dega tahapa sebagai berikut. a. Proses desai dilakuka setelah megaalisa kebutuha sistem pada mobile commerce serta pelaku yag aka terlibat. Aalisa mobile commerce UMKM ii meliputi class diagram, da use case diagram. Peetua threshold apriori yaitu miimum support da miimum cofidece ditetuka agar meghasilka output yag tidak terlalu bayak amu keterkaitaya tiggi. b. Racaga peragkat luak dilakuka dega meetuka proses pembelia barag, pemasaga ikla, alur trasaksi, serta objek/pelaku yag terlibat didalamya. 0. Implemetasi didasarka pada desai mobile commerce. Pada tahap ii, proses codig algoritma apriori pada sistem dilakuka serta pembuata dokume tekis utuk dokumetasi aplikasi.. Program sebaikya dirilis setelah dikembagka, diuji utuk memperbaiki kesalaha yag ditemuka pada pegujia utuk mejami kualitasya (Padmii, 005). Terdapat dua metode pegujia yaitu : a. Metode white box yaitu pegujia yag berfokus pada logika iteral software (source code program). b. Metode black box yaitu megarahka pegujia utuk meemuka kesalaha-kesalaha da memastika bahwa iput yag dibatasi aka memberika hasil aktual yag sesuai dega hasil yag dibutuhka. Pada tahap pegujia megguaka metode black box yaitu meguji fugsioalitas dari peragkat luak saja tapa harus megetahui struktur iteral program (source code).. Hasil pegujia blackbox ditampilka utuk meampilka fugsioalitas dari fugsi sistem yag berjala. Output yag ditampilka pada pegujia ii berupa rekomedasi produk kepada kosume dimaa kosume tersebut sebelumya memiliki histori belaja. Output ii merupaka atura asosiasi yag dihasilka oleh algoritma apriori.

6 55 3. Model Proses Tekik aalisis data dalam pembuata peragkat luak megguaka paradigma peragkat luak secara waterfall seperti tercatum pada gambar 3., yag meliputi beberapa proses diataraya: a. System / Iformatio Egieerig Merupaka bagia dari sistem yag terbesar dalam pegerjaa suatu proyek, dimulai dega meetapka berbagai kebutuha dari semua eleme yag diperluka sistem da megalokasikaya kedalam pembetuka peragkat luak. b. Aalisis Merupaka tahap megaalisis hal-hal yag diperluka dalam pelaksaaa proyek pembuata peragkat luak. c. Desig Tahap peerjemaha dari data yag diaalisis kedalam betuk yag mudah dimegerti oleh user. d. Codig Tahap peerjemaha data atau pemecaha masalah yag telah diracag keadalam bahasa pemrograma tertetu. e. Pegujia Merupaka tahap pegujia terhadap peragkat luak yag dibagu. f. Maiteace Tahap akhir dimaa suatu peragkat luak yag sudah selesai dapat megalami perubaha perubaha atau peambaha sesuai dega permitaa user.

7 56 Gambar 3. Model Waterfall 3.3 Alat da Baha 3.3. Alat Peelitia. Peelitia ii megguaka komputer dega spesifikasi. a. Prosesor Itel Dual Core.5 GHz b. RAM Gb c. Hardisk 50GB.. Sistem operasi Microsoft Widows XP SP. 3. Peragkat luak utuk peracaga sistem: a. Microsoft Visio Peragkat luak utuk pegembaga aplikasi a. Netbeas 6.8 b. XAMPP Hadphoe dega sistem operasi adroid dega mobile web browser yag medukug javascript.

8 Baha peelitia Baha peelitia yag aka diguaka adalah paper, textbook, kuesioer da dokumetasi laiya berdasarka studi literatur yag diguaka. Baha ii diguaka utuk meetuka spesifikasi peragkat luak yag aka dibuat. Pada tahap ii, baha peelitia lai yag diguaka berupa data kuesioer. Data kuesioer ii didapatka dari sebara kuesioer megeai pegaruh atribut produk da persepsi harga terhadap keputusa membeli produk e-commerce. Hal ii memiliki keterkaita karea produk mobile commerce memiiki kesamaa dega produk e-commerce. 3.4 Kuesioer Pada peelitia ii dicari sejauh maa pegaruh atribut produk da persepsi harga terhadap keputusa membeli kosume e-commerce Objek Peelitia Defiisi mobile commerce merupaka betuk lai dari e-commerce dimaa pegguaaya ditekaka megguaka peragkat mobile. Dapat disimpulka bahwa iformasi yag ditampilka pada mobile commerce sama dega e-commerce. Sehigga, peelitia ii megaalisis pegaruh atribut produk da persepsi harga terhadap keputusa pembelia produk e-commerce. Adapu yag mejadi objek peelitia sebagai variabel idepede (X ) adalah atribut produk, dimesiya meliputi keragama produk kualitas, desai, fitur, kemasa, ama merek, da layaa. Variabel idepede yag kedua (X ) adalah persepsi harga, yag dimesiya terdiri dari persepsi kualitas da persepsi biaya yag dikeluarka. Sedagka, variabel depede adalah keputusa pembelia (Y), yag dimesiya terdiri dari piliha produk, piliha merek, piliha pejual, da waktu pembelia. Utuk medapatka data utuk objek peelitia, maka data tersbut harus didapatka dari orag-orag yag sebelumya perah bertrasaksi

9 58 membeli barag tertetu di e-commerce. Oleh karea respode dalam peelitia ii adalah orag yag perah melakuka pembelia produk di e- commerce Desai Peelitia Berdasarka metode peelitia yag diguaka dalam peelitia ii, maka dapat disusu sebagai desai peelitia. Desai riset dapat dibagi mejadi tiga macam, yaitu eksplaatori, deskriptif da kausal(istijato, 005:9). Berdasarka tujua dalam peelitia ii, maka desai peelitia yag diguaka adalah riset kausal yag membuktika hubuga sebab akibat atau hubuga mempegaruhi da dipegaruhi dari variabel-variabel yag diteliti Variabel Peelitia Variabel yag aka dikaji dalam peelitia ii meliputi variabel idepede yaitu atribut produk (variabel X ), persepsi harga (variabel X ) da variabel depede yaitu keputusa pembelia (variabel Y) Tekik Pegumpula Data da Sumber Data Sumber Data Sumber data peelitia adalah sumber data yag diperluka utuk peelitia. Sumber data tersebut dapat diperoleh, baik secara lagsug (data primer) maupu tidak lagsug (data sekuder) da berhubuga dega objek peelitia.. Sumber data primer Merupaka sumber data yag didapat dari sumber pertama, di maa observator melakuka sediri di lapaga (Darmadi Duriato dkk., 004:4). Sumber data primer yag diguaka dalam peelitia ii diperoleh dari kuesioer yag disebar kepada sejumlah respode.

10 59. Sumber data sekuder Merupaka sumber data dimaa observator tidak secara lagsug melakuka peelitia sediri, tetapi meeliti da memafaatka data atau dokume yag dihasilka oleh pihak lai (Darmadi Duriato dkk., 004:6). Data sekuder yag diguaka dalam peelitia ii adalah buku, jural, da literatur lai yag berkaita dega peelitia ii Tekik Pegumpula Data Tekik pegumpula data yag diguaka dalam peelitia ii terdiri dari:. Studi literatur, yaitu pegumpula data dega cara mempelajari buku, paper da website utuk memperoleh iformasi yag berhubuga dega teori-teori da kosepkosep yag berkaita dega masalah da variabel yag diteliti, yag terdiri dari atribut produk, persepsi harga da keputusa pembelia.. Kuesioer dilakuka dega meyebarka seperagkat daftar pertayaa tertulis megeai variabel peelitia yaitu atribut produk produk e-commerce, persepsi respode megeai harga produk e-commerce da keputusa pembelia respode. Kuesioer tersebut diberika kepada respode yag telah melakuka pembelia barag atau bertrasaksi di e-commerce Populasi da Sampel. Populasi Peetua populasi dimulai dega peetua yag jelas megeai populasi, yag mejadi sasara peelitiaya. Populasi dalam peelitia ii adalah para respode yag perah melakuka trasaksi pembelia barag di e-commerce.

11 60. Sampel Setelah populasi sasara berhasil ditetuka, maka selajutya diambil sebagia jumlah populasi sasara tersebut. Pegambila sebagia dari populasi diamaka sebagai sampel. Meurut Sugiyoo (007:73), bila populasi besar da peeliti tidak mugki mempelajari semua yag ada dalam populasi, misalya karea keterbatasa daa, teaga, da waktu, maka peeliti dapat megguaka sampel yag dipelajari dari populasi itu. Apa yag dipelajari dari sampel itu, kesimpulaya aka diberlakuka utuk populasi. Oleh karea itu pegguaa sampel yag diguaka adalah samplig kuota dega jumlah respode sebayak 90 orag Tekik Pearika Sampel Pegguaa samplig kuota didefiisika sebagai tekik utuk memetuka sampel dari populasi yag mempuyai ciri-ciri tertetu sampai jumlah(kuota) yag diigika(sugiyoo,00:6). Pada keyataaya jumlah orag yag perah bertrasaksi di e-commerce yag jumlahya tak higga atau tidak ditemuka keseluruha populasiya. Oleh karea itu melalui tekik samplig kuota, pearika sampel dilakuka atas dasar pertimbaga peeliti utuk tujua meigkatka represetasi sampel peelitia sampai jumlah tertetu. Pegguaa sampel yag diguaka sebayak 90 orag da dikategorika sampel besar.

12 Racaga Aalisis Data Uji Validitas da Reliabilitas Uji Validitas Azwar (00) megemukaka bahwa validitas berasal dari kata validity yag mempuyai arti, ketepata da kecermata suatu alat ukur/istrume dalam melakuka fugsi ukurya. Uji validitas dilakuka utuk megetahui valid atau tidakya kuesioer yag disebar. Dalam uji validitas diguaka metode koefisie Korelasi Pearso dega rumus: r XY X Y X X Y Y (Suharsimi Arikuto, 006:74) Keteraga: r = Koefisie validitas item yag dicari X = Skor yag diperoleh subjek dari seluruh item Y = Skor total X = Jumlah skor dalam distribusi X Y = Jumlah skor dalam distribusi Y X = Jumlah Kuadrat dalam skor distribusi X Y = Jumlah Kuadrat dalam skor distribusi Y = Bayakya respode Setelah medapatka ilai korelasi Pearso Product momet, selajutya ilai tersebut dikoreksi kembali. Megguaka alat ukur kadagkala tidak memberika hasil ukur yag cermat da teliti sehigga aka meimbulka kesalaha (varias error). Kesalaha dapat berupa hasil yag terlalu tiggi (overestimate) atau terlalu redah (uderestimate). Alat ukur yag valid adalah alat ukur yag memiliki varias error yag kecil Azwar (997:7). Oleh sebab itu, utuk memperoleh iformasi yag lebih akurat megeai korelasi atara

13 6 item, maka ilai korelasi yag diperoleh dikoreksi kembali dega rumus berikut: Keteraga: r i( xi) ( s x r r r i(x-i) = Koefisie korelasi item total setelah dikoreksi. r ix = Koefisie korelasi skor item total sebelum dikoreksi. s i = Deviasi stadar skor suatu item. s x = Deviasi stadar skor tes. ix s s x i s i ix s s i x ) (Azwar, 997: 66) Keputusa pegujia validitas dega taraf sigifikasi 5% adalah sebagai berikut: Jika r hitug r tabel, maka istrume dikataka valid. Jika r hitug r tabel, maka istrume dikataka tidak valid Uji Reliabilitas Azwar (00) megataka bahwa reliabilitas merupaka peerjemaha dari kata reliability yag artiya keterpercayaa, keteradala, kosistesi da sebagaiya. Hasil pegukura dapat dipercaya bila dalam beberapa kali pelaksaaa pegukura terhadap kelompok subyek yag sama diperoleh hasil yag relatif sama, selama aspek yag diukur tidak berubah. Istrume peelitia disampig harus valid, juga harus dapat dipercaya (reliabel). Oleh karea itu, uji reliabilitas diguaka utuk megetahui ketepata ilai kuesioer. Dalam artia, istrume dapat diujika pada kelompok yag sama walaupu pada waktu yag berbeda hasilya aka sama. Utuk istrume diguaka skor yag berbetuk retaga dega skala bertigkat (-5) dega skala Likert. rumus pegujia reliabilitas yag diguaka adalah rumus Crobach Alpha (Suharsimi

14 63 Arikuto, 00:73). Kriteria realibilitas yag disajika oleh meurut Suharsimi Arikuto (998:58) Tabel 3. Tabel Iterval Iterval Kriteria 0,00-0,0 Realibilitas sagat redah 0,00-0,40 Realibilitas redah 0,40-0,60 Realibiitas cukup 0,60-0,80 Realibilitas tiggi 0,80- Realibilitas sagat tiggi Suatu istrume peelitia diidikasika memiliki tigkat reliabilitas yag tiggi jika koefisie Alpha Crobach lebih besar atau sama dega 0,6. Rumus yag dapat diguaka utuk meguji reliabilitas yaitu rumus Koefisie Alpha Crobach (Cα). Keteraga: r k b t r k k t = Reliabilitas istrume = Bayakya butir pertayaa = Jumlah varias butir = Varias total Sedagka rumus variasya adalah sebagai berikut: b (Suharsimi Arikuto, 00:7) Keteraga: t X t X = Varias total = Jumlah skor item X (Suharsimi Arikuto,

15 64 X = Jumlah skor item dikuadratka = Jumlah respode Ketetua uji reliabilitas ditetuka dega ketetua sebagai berikut:. Jika r hitug > r tabel dega tigkat sigifikasi 0,05 maka item pertayaa dikataka realiabel.. Jika r hitug < r tabel dega tigkat sigifikasi 0,05 maka item pertayaa dikataka tidak realiabel Tekik Aalisis Data Tekik aalisis data yag diguaka dalam peelitia ii adalah aalisis korelasi da regresi gada karea peelitia ii terdiri dari dua variabel idepede yaitu atribut produk (X ) da persepsi harga (X ) serta satu variabel depede yaitu keputusa pembelia (Y). Adapu lagkahlagkah yag dilakuka dalam aalisis data ii yaitu terdiri dari:. Pemeriksaa data (editig), bertujua utuk meetuka layak tidakya jawaba dari respode utuk diproses lebih lajut.. Codig data adalah pembuata kode utuk data yag sudah diedit dega memberika tada utuk setiap kategori dari seluruh respode dega megguaka Skala Likert dega lima piliha jawaba yaitu sagat setuju, setuju, ragu-ragu, tidak setuju da sagatt tidak setuju dega retag ilai sampai dega Tabulasi, setelah dilakuka tabulasi hasil kuesioer da memberika ilai (scorig) sesuai dega sistem peilaia yag telah ditetapka, kemudia dituagka ke dalam tabel rekapitulasi secara legkap ituk seluruh item pertayaa dari setiap variabel. 4. Meetuka keduduka variabel atribut produk (X ), variabel persepsi harga (X ) da variabel keputusa pembelia (Y)

16 65 yag divisualisasika dalam betuk skor ideal atau maksimal. Lagkah-lagkahya sebagai berikut: a. Meghitug skor total teredah da skor tertiggi dari bobot istrume sebagai berikut:. Skor total teredah = skor teredah x jumlah butir pertayaa x jumlah respode.. Skor total tertiggi = skor tertiggi x jumlah butir pertayaa x jumlah respode. b. Meghitug retag dega cara meguragka skor total tertiggi dega skor total teredah kemudia hasilya dibagi lima. c. Meetuka ukura sagat baik, baik, kurag baik, tidak baik da sagat tidak baik utuk variabel X, X da Y. d. Membadigka skor total tiap variabel dega parameter di atas utuk memperoleh gambara variabel atribut produk (X ), variabel persepsi harga (X ) da variabel keputusa pembelia (Y). 5. Peelitia ii megguaka data ordial, maka semua data yag terkumpul terlebih dahulu aka ditrasformasi mejadi skala iterval dega megguaka Method of Successive Iterval atau MSI (Riduwa da Akdo, 007:53). Lagkahlagkah utuk melakuka trasformasi data tersebut adalah sebagai berikut: a. Meghitug frekuesi (f) setiap piliha jawaba, berdasarka hasil jawaba respode pada setiap peryataa. b. Berdasarka frekuesi yag diperoleh utuk setiap peryataa, dilakuka peghituga proporsi (p) setiap piliha jawaba dega cara membagi frekuesi (f) dega jumlah respode.

17 66 c. Berdasarka proporsi tersebut utuk setiap peryataa, dilakuka peghituga proporsi kumulatif utuk setiap piliha jawaba. d. Meetuka ilai batas Z (tabel ormal) utuk setiap peryataa da setiap piliha jawaba. e. Meetuka ilai iterval rata-rata utuk setiap piliha jawaba melalui persamaa berikut: desity at lower limit -desity at upper limit SV area uder offer limit -uder lower limit 6. Utuk meguji coba kuesioer pada peelitia ii, maka diguaka aalisis regresi gada. Pegguaa regresi gada bertujua utuk memutuska apakah aik da meuruya variabel depede dapat dilakuka melalui meaika da meuruka keadaa variabel idepede atau sebalikya. Tekik ii diguaka utuk memprediksi ilai variabel depede (Y) jika variabel idepede (X da X ) diubah Aalisis Korelasi Aalisis korelasi memiliki tujua uutuk mecari hubuga atara variabel yag diteliti. Peelitia ii megguaka dua buah variabel idepede, yaki (X ) da (X ) da satu variabel depede (Y). Sehigga aalisis korelasi yag diguaka adalah korelasi gada. Pegguaa korelasi gada bertujua utuk meguji hubuga kedua variabel idepede X da X terhadap Y. Koefisie korelasi (r) meujukka derajat korelasi atara X da Y. Nilai koefisie korelasi harus terdapat dalam batas-batas: - < r < +..) Jika ilai r = + atau medekati +, maka korelasi atara kedua variabel sagat kuat da positif.

18 67.) Jika ilai r = - atau medekati -, maka korelasi atara kedua variabel sagat kuat da egatif. 3.) Jika ilai r = 0 atau medekati 0, maka korelasi variabel yag diteliti tidak ada sama sekali atau sagat lemah. Korelasi gada merupaka hubuga secara bersama-sama atara X dega X dega Y. Pada peelitia ii korelasi gada yag dimaksud merupaka hubuga secara bersama-sama atara variabel atribut produk, da persepsi harga dega keputusa pembelia. Meurut Sugiyoo (004:6) korelasi gada (multiple correlatio) merupaka agka yag meujuka arah da kuatya hubuga atara dua variabel secara bersama-sama atau lebih dega variabel yag lai. Rumus korelasi gada dua variabel ditujuka dega rumus berikut: R y. xx r yx r yx r r yx yx rx x r xx (Sugiyoo, 004:8) Dimaa: R yxx = Korelasi atara variabel X dega X secara bersamasama dega variabel Y. ryx = Korelasi product momet atara X dega Y. ryx = Korelasi product momet atara X dega Y. rx x = Korelasi product momet atara X dega X. Utuk dapat memberika peafsira terhadap koefisie korelasi yag ditemuka tersebut, apakah besar atau kecil, maka dapat berpedoma pada tabel Guilford dibawah ii.

19 68 Tabel 3.3 Tabel Guilford Iterval Koefisie Klasifikasi 0,000 0,99 Sagat Redah / Lemah dapat diabaika 0,00 0,399 Redah / Lemah 0,400 0,599 Sedag 0,600 0,799 Tiggi / Kuat 0,800,000 Sagat Tiggi / Sagat Kuat Sumber : Sugiyoo (004:6) Aalisis regresi Gada Tujua pegguaa aalisis regresi adalah utuk melakuka prediksi terhadap perubaha ilai variabel depede apabila ilai variabel idepede diaikka atau dituruka ilaiya. Meurut Sugiyoo (007:0), aalisis regresi gada dimaksudka utuk meramalka bagaimaa keadaa (aik turuya) variabel depede (kriterium), bila dua atau lebih variabel idepede sebagai faktor prediktor dimaipulasi. Dalam aalisis regresi gada ii variabel depedet) yaitu Y sebagai keputusa pembelia terhadap variabel idepede yag mempegaruhiya yaitu atribut produk (X ) da persepsi harga (X ). Persamaa regresi utuk dua prediktor adalah: Y = a + b X + b X (Sugiyoo, 004: 50) Dimaa : Y a = Subjek dalam variabel depede yag diprediksika. = Harga Y bila X = 0 (harga kosta).

20 69 b, b =ilai koefisie regresi, yag meujukka agka peigkata ataupu peurua variabel depede yag didasarka pada variabel idepede. X, X = Subjek pada variabel idepede yag mempuyai ilai tertetu. Lagkah-lagkah yag dilakuka dalam aalisis regresi gada adalah sebagai berikut :. Data metah (sumber data peelitia yag berisika ilai X, X, da Y dari sejumlah respode) dari hasil peelitia disusu terlebih dahulu kedalam tabel peolog (Tabel yag berisika, Y, X, X, X Y, X Y, X X, X, X ).. Hasil peghituga pada tabel peolog kemudia dimasuka ke dalam rumus-rumus beriku: x x y x y x y x x x y x x y x y x x x y x x y x y x x 3. Hasil skor peghituga rumus di atas kemudia dimasuka ke dalam persamaa simulta berikut utuk mecari harga b, b da a :

21 70 b ( x )( xy ) ( xx )( ( x )( x ) ( x x) x y) b ( x )( xy) ( xx )( ( x )( x ) ( x x) x y) a y b x b x 4. Nilai-ilai b, b da a kemudia dimasuka ke dalam persamaa regresi Y = a + b X + b X Uji Hipotesis Tujua dari uji hipotesis adalah utuk megetahui hubuga atara variabel idepede dega variabel depede. Uji ii diperluka utuk megambil kesimpula yaitu meerima atau meolak hipotesis yag telah dirumuska. a. Uji F Sedagka pada pegujiaa sigifikasi terhadap koefisie korelasi gada, yag dimaksudka utuk meguji hipotesis peelitia utama, dapat megguaka rumus berikut, yaitu dega uji F. Fh ( R R / k ) /( k ) (Sugiyoo, 004:9) Dimaa: R = Koefisie korelasi gada k = Jumlah variabel Idepede = Jumlah aggota Sampel Bila F h lebih besar dari F t, maka koefisie korelasi gada yag diuji adalah sigifika, yaitu dapat diberlakuka utuk seluruh populasi, kriteria peolaka hipotesisya adalah :

22 7. Jika F hitug > F tabel Maka Ho ditolak da H diterima. Jika F hitug < F tabel Maka Ho diterima da H ditolak Pada taraf sigifikasi 0,05 dega derajat kebebasa (dk) = ( k ). Hipotesis yag aka diuji dalam pegambila keputusa peerimaa atau peolaka hipotesis, dapat ditulis sebagai berikut : a. Jika H 0 : ρ = 0, artiya atribut produk da persepsi harga tidak berpegaruh positif terhadap keputusa pembelia produk e-commerce. b. H a : ρ 0, artiya atribut produk da persepsi harga berpegaruh positif terhadap keputusa pembelia produk e-commerce.