BAB III METODE PENELITIAN. belanja online Tokopedia.com yang berada di DKI Jakarta.

Transkripsi

1 BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Proses penelitian dilakukan pada bulan Maret 2017 sampai dengan Juli 2017 di DKI Jakarta. Penelitian ini akan dilakukan pada pengguna situs belanja online Tokopedia.com yang berada di DKI Jakarta. B. Desain Penelitian Desain yang digunakan dalam penelitian ini adalah desain kausal. Kausal adalah hubungan yang bersifat sebab akibat, yang bertujuan untuk mengetahui ada atau tidaknya pengaruh antara satu atau lebih variabel independen terhadap variabel dependen serta menggunakan metode kuantitatif karena permasalahan penelitian memerlukan pengukuran statistik terhadap variabel variabel yang diteliti guna menghasilkan kesimpulan yang dapat digeneralisasikan. Dalam penelitian ini, yang hendak diteliti adalah pengaruh kepercayaan (X1), kemudahan berbelanja (X2), dan kualitas pelayanan (X3) terhadap keputusan pembelian (Y) secara online di Tokopedia.com. C. Definisi dan Operasionalisasi Variabel 1. Definisi Variabel 43

2 44 Variabel adalah suatu atribut atau sifat atau nilai orang, objek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya (Sugiyono,2014:59). Variabel penelitian yang digunakan dalam penelitian ini adalah : 1. Variabel Independen Variabel Independen adalah variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen (terikat). Dalam SEM (Structural Equation Modeling) variabel independen disebut dengan sebagai variabel eksogen. (Sugiyono,2014:59). Dalam penelitian ini variabel Independen adalah: a. Kepercayaan (X1) b. Kemudahan Berbelanja (X2) c. Kualitas Pelayanan (X3) 2. Variabel Dependen Variabel dependen sering disebut sebagai variabel output, criteria, konsekuen. Variabel terikat merupakan variabel yang dipengaruhi atau yang menjadi akibat, karena adanya bvariabel bebas. Dalam SEM (Structural Equation Modeling ) variabel dependen disebut sebagai variabel endogen (Sugiyono,2014:59). Dalam penelitian ini variabel dependen adalah: a. Keputusan pembelian (Y)

3 45 2. Operasional Variabel Operasional variabel adalah penjabaran konsep atau variabel penelitian dalam rinci yang terukur (indikator penelitian), operasional variabel penelitian ini mencakup penjabaran variabel, dimensi, indikator dan pernyataan dalam kuesioner. Berikut dibawah ini terdapat tabel mengenai penjelasan operasional variabel penelitian : Tabel 3.1 Operasional Variabel Kepercayaan Variabel Dimensi Indikator Skala Kepercayaan (X1) Keamanan 1. Keamanan dalam bertransaksi 2. Transaksi online di lindungi dari tindakan penipuan Privasi 1. Menjaga informasi pelanggan 2. Menjamin kerahasiaan informasi Keandalan 1. Dapat memilih toko 2. Menawarkan pembayaran menggunakan kartu kredit Sumber : Ling et. al dalam Kurnia (2016:16) Ordinal Tabel 3.2 Operasional Variabel Kemudahan Berbelanja Variabel Dimensi Indikator Skala Kemudahan Berbelanja (X2) Mudah dipelajari Dapat dikontrol Jelas dan dapat dimengerti 1. Situs mudah digunakan 2. Situs mudah diingat 1. Mendapatkan produk sesuai kebutuhan 2. Harga produk bervariasi 1. Petunjuk situs mudah dimengerti 2. Tampilan website mudah dimengerti Ordinal

4 46 Fleksibel Mudah menjadi mahir Mudah digunakan Sumber : Davis dalam Saputri (2015:21) 1. Interaksi sesuai keinginan 2. Mudah berinteraksi secara cepat 1. Situs mudah diakses 2. Menu mudah dipahami 1. Mudah digunakan melalui computer handphone 2. Disediakan petunjuk bertransaksi Tabel 3.3 Operasional Variabel Kualitas Pelayanan Variabel Dimensi Indikator Skala Kualitas Pelayanan (X3) Keandalan (reliability ) Daya Tanggap (responsivenes) Jaminan (assurance) Empati (emphaty) Bukti Fisik (tangibles) Sumber : Tjiptono (2008:68) 1. Pelayanan cepat 2. Memberikan informasi akurat 1. Pelayanan cepat tanggap 2. Cepat menangani keluhan 1. Memberikan system retur produk 2. Memberikan jaminan uang kembali 1. Pengguna mudah dihubungi 2. Melayani pesanan sesuai yang dijanjikan 1. Produk sesuai harapan 2. Kemasan produk rapi Tabel 3.4 Ordinal Operasional Variabel Keputusan Pembelian Variabel Dimensi Indikator Skala Keputusan Pembelian (Y) Pengenalan kebutuhan Pencarian informasi 1. Menawarkan produk sesuai kebutuhan 2. Tidak memiliki banyak waktu untuk belanja 1. Rekomendasi dari orang lain 2. Informasi melalui media elektronik Ordinal

5 47 Evaluasi berbagai alternatif Keputusan pembelian Perilaku pasca pembelian Sumber : Kotler dan Keller (2009:184) 1. Bertransaksi menarik dibandingkan situs online lainnya 2. Bersedia bertransaksi 1. Senang melakukan pembelian 2. Membutuhkan produk 1. Melakukan pembelian ulang 2. Rekomdasi produk kepada orang lain D. Pengukuran Variabel Pengukuran variabel dalam penelitian ini menggunakan skala Likert. Skala likert digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang fenomena. Dengan skala likert, maka variabel yang akan diukur dijabarkan menjadi indikator variabel. Kemudian indikator tersebut dijadikan sebagai titik tolak untuk menyusun item-item instrument yang dapat berupa pernyataan atau pertanyaan (Sugiyono,2014:132). Dalam skala likert terdapat beberapa skor, sebagai berikut : Tabel 3.5 Instrumen Skala Likert Pernyataan Kode Skor Sangat Setuju (SS) 5 Setuju (S) 4 Ragu-ragu (R) 3 Tidak Setuju (TS) 2 Sangat Tidak Setuju (STS) 1 Sumber : Sugiyono, (2014:133)

6 48 E. Populasi dan Sampel Penelitian 1. Populasi Menurut Sugiyono (2014:115), Populasi adalah wilayah generalisasi yang terdiri atas: obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Jadi populasi bukan hanya orang, tetapi juga obyek dan benda-benda alam yang lain. Populasi juga bukan sekedar jumlah yang ada pada obyek/subyek yang dipelajari, tetapi meliputi seluruh karakteristik/sifat yang dimiliki oleh subyek atau obyek itu. Dalam penelitian ini populasi yang akan digunakan adalah pengguna situs belanja online Tokopedia.com yang berada di DKI Jakarta. 2. Sampel Menurut Sugiyono (2014:116), Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut. Bila populasi besar, dan peneliti tidak mungkin mempelajari semua yang ada pada populasi, misalnya karena keterbatasan dana, tenaga dan waktu, maka peneliti dapat menggunakan sampel yang diambil dari populasi itu. Teknik pengambilan sampling dalam penelitian ini menggunakan teknik nonprobability sampling. Nonprobability sampling adalah teknik pengambilan sampel yang tidak memberi peluang/kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel. Dalam teknik nonprobability sampling, jenis teknik pengambilan sampel

7 49 menggunakan accidental sampling. Accidental sampling adalah teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja yang secara kebetulan/incidental bertemu dengan peneliti dapat digunakan sebagai sampel, bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data. Sugiyono (2014:120). Dikarenakan peneliti tidak mengetahui jumlah populasi secara keseluruhan, Noor (2011), menyatakan bahwa ukuran sampel yang sesuai dalam metode persamaan SEM adalah sampel, dan bergantung pada jumlah parameter yang di estimasi. Maka untuk menentukan jumlah sampel penelitian ini yang representative, Hair et al. dalam Prawira (2010:46) yaitu jumlah indikator x 5. Jumlah sampel dalam penelitian ini adalah : Sampel = jumlah indikator x 5 = 38 x 5 = 190 Berdasarkan perhitungan di atas dapat di simpulkan untuk responden yang dibutuhkan untuk penelitian 190 sampel responden. F. Teknik Pengumpulan Data Teknik pengumpulan data merupakan langkah yang paling utama dalam penelitian, karena tujuan utama dari penelitian adalah mendapatkan data. Tanpa mengetahui teknik pengumpulan data, maka peneliti tidak akan mendapatkan data yang memenuhi standar data yang ditetapkan. Sugiyono (2014:401).

8 50 Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut : 1. Studi Kepustakaan atau Literatur Studi kepustakaan dalam skripsi ini dilakukan di Univeristas Mercu Buana dengan bertujuan untuk memperoleh data yang akurat untuk dipakai sebagai landasan teori. Dilakukan dengan cara mencari, membaca, mengumpulkan, mencatat dan mempelajari buku-buku literatur maupun sumber-sumber lainnya yang berkaitan dengan masalah yang akan diteliti. 2. Kuesioner (angket) Menurut Sugiyono (2014:199), Kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan atau pernyataan tertulis kepada responden untuk dijawabnya. Responden adalah orang yang memberikan respon terhadap setiap pertanyaan yang diajukan dalam kuesioner. Cara pengumpulan data tersebut dilakukan dengan prosedur : 1. Responden diberi kuesioner 2. Sambil mengisi kuesioner, responden diberikan penjelasan jika belum jelas terhadap pertanyaan yang diajukan. 3. Setelah kueisoner diisi oleh responden semuanya, kemudian jawaban tersebut dioleh, dianalisis dan disimpulkan. Adapun penyebaran kuesioner dilakukan dengan cara on-site survey dan off-site survey. Penyebaran kuesioner melalui on-site survey dilakukan

9 51 dengan penyebaran melalui link kuesioner online dengan bantuan Google Docs yang disebar melalui pesan elektronik seperti whatsapp. Data yang digunakan dalam penelitian ini adalah data primer. Data primer merupakan data yang didapat dari sumber pertama baik dari individu atau kelompok, seperti dari hasil pengisian kuesioner. G. Metode Analisis 1. Uji Statistik Deskriptif Statistik Deskriptif merupakan cara untuk menggambarkan dan menyajikan informasi dari sejumlah besar data. Dengan statistik deskriptif data mentah diubah menjadi informasi yang dapat menggambarkan karakteristik data. Karakteristik yang digambarkan adalah karakteristik responden. Karakteristik responden yang ditanyakan adalah jenis kelamin, usia, pekerjaan, pendidikan terakhir dan pekerjaan. 2. Uji Validitas Validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut (Ghozali, 2016). Uji validitas menunjukkan sejauh mana alat ukur dapat mengukur variabel yang akan diukur. Pengujian validitas dilakukan menggunakan analisis konfirmatori. Dasar pengambilan keputusan uji validitas ini adalah jika loading factor > 0,5 maka item tersebut dikatakan valid.

10 52 3. Uji Reliabilitas Reliabilitas terkait dengan keandalan alat ukur; seberapa jauh alat ukur dapat menghasilkan hasil yang kurang lebih sama ketika diterapkan pada sampel sama (Sufren dan Yonathan Natanael, 2014: 53). Pengujian reliabilitas nilai reliabilitas dilihat dari Cronbach s Alpha. Apabila nilai koefisien Cronbach s Alpha yang umumnya digunakan sebagai persyaratan sebuah alat ukur berkisar dari 0,60 sampai dengan 0,80. dari suatu variabel lebih besar dari 0,60 maka butir pertanyaan dalam instrument tersebut dianggap reliabel atau dapat diandalkan. Dasar pengambilan keputusan adalah: Jika Cronbach s alpha 0,60 maka dikatakan tidak reliabel Jika Cronbach s alpha 0,60 maka dikatakan reliabel 4. Metode Statistik a. Definisi Structural Equation Modeling Penelitian ini dalam pengolahan data menggunakan SEM (Structural Equation Modellin) melalui software LISREL Model Persamaan struktural (Structural Equation Modellin) adalah generasi kedua teknik analisis multivariate (Bagozzi dan Fornell 1982) yang memungkinkan penelitian untuk menguji hubungan antara variabel yang kompleks baik recursive maupun non-recurvire untuk memperoleh gambaran menyeluruh mengenai keseluruhan model. (Ghozali & Fuad, 2014:3).

11 53 Tidak seperti analisis mutlivariate biasa (regresi berganda, analisis faktor), SEM dapat menguji secara bersama-sama (Bollen, 1989) : 1. Model struktural : Hubungan antara konstruk independen dan dependen. 2. Model measurement : Hubungan (nilai loading) anatara indikator dengan Kontruk (variabel laten). Digabungkannya pengujian model struktural dan pengukuran tersebut memungkinkan penelitian untuk : 1. Menguji kesalahan pengukuran (measurement error) sebagai bagian yang tidak terpisahkan dari structural equation modeling. 2. Melakukan analisis faktor bersaman dengan menguji hipotesis. b. Konsep Dasar Structural Equation Modeling Structural Equation Modeling memiliki dua tujuan utama dalam analisisnya. Tujuan pertama adalah untuk menentukan apakah model plausible (masuk akal) atau fit, atau dengan bahasa yang lebih mudah, apakah model benar berdasarkan suatu data yang dimiliki. Sedangkan tujuan kedua adalalah untuk menguji berbagai hipotesis yang telah dibangun sebelumnya. (Ghozali & Fuad, 2014:25). Dalam konteks penentuan model fit, model fit dapat ditentukan dengan meminimalkan perbedaan antara sample covariance matrix dan implied covariance matrix. Sample covariance matrix adalah matriks kovarians yang diperoleh melalui observasi (data), sedangkan implied

12 54 (fitted) covariance matrix adalah matriks kovarians yang diperoleh berdasarkan model. c. Tahapan - Tahapan Dalam Structural Equation Modeling Menurut Ghozali & Fuad (2014:7), proses Structural Equatural Modeling mencakup beberapa langkah yang harus dilakukan. Meskipun gambaran umum mengenai langkah - langkah ini disajika sebagai berikut : 1. Konseptualisasi Model Tahap ini berhubungan dengan pengembangan hipotesis (berdasarkan teori) sebagai dasar dalam menghubungkan variabel laten dengan variabel laten lainnya, dan juga dengan indikator - indikatornya. Dengan kata lain, model yang dibentuk adalah persepsi kita mengenai bagaimana variabel laten dihubungkan berdasarkan teori dan bukti yang kita peroleh dari disiplin ilmu kita. Konseptualisasi model ini juga harus merefleksikan pengukuran variabel laten melalui sebagai indikator yang dapat diukur. 2. Penyusunan Diagram Alur (path diagram) Tahap ini akan memudahkan kita dalam memvisualisasi hipotesis yang telah kita ajukan dalam konseptualisasi model. Meskipun LISREL dapat dijalankan dengan menggunakan persaam dan tida menggunakan diagram alur, namun sangat dianjurkan hal ini untuk dilakukan. Visualisasi model akan mengurangi tingkat

13 55 kesalahan kita dalam pembangunan suatu model pada LISREL. Path diagram merupakan representasi grafis mengenai bagaimana beberapa variabel pada suatu model berhubungan satu sama lain, yang memberikan suatu pandangan menyuruh mengenai struktur model. 3. Spesifikasi Model Spesifikasi model dan menggambarkan sifat dan jumlah parameter yang diestimasi, analisis data tidak dapat dilakukan sampai tahap ini selesai. Program LISREL memiliki dua bahasa yang digunakan yaitu bahasa pemrograman LISREL dan SIMPLIS. Pada bahasa pemrograman LISREL, kita harus sangat berhati - hati dalam memastikan bahwa model yang kita susun telah direpresentasikan dalam model matematis. Sedangkan bahasa perintah SIMPLIS (terdapat pada program LISREL versi 8.0 dan lebih), tidak menggunakan model matematis yang kompleks dan memungkinkan kita untuk menuliskan nama variabel dan menentukan hubungannya dengan menggunakan tulisan serta simbol matematika dasar, seperti sama dengan (=) dan tanda panah ( ). 4. Identifikasi Model Informasi yang diperoleh dari data diuji untuk menentukan apakah cukup untuk mengestimasi parameter dalam model. Disini, kita harus dapat memperoleh nilai yang unik untuk seluruh

14 56 parameter dari data yang telah kita peroleh. Jika hal ini tidak dapat dilakukan, maka modifikasi model mungkin harus dilakukan untuk dapat diidentifikasi sebelum melakukan estimasi parameter. 5. Estimasi Parameter Pada tahap ini, estimasi parameter untuk suatu model diperoleh dari data karena program LISREL maupun AMOS berusaha untuk menghasilkan matriks kovarians berdasarkan model (model-based-covariance matrix) yang sesuai dengan kovarians matriks sesungguhnya (observed covariance). Uji signifikansi dilakukan dengan menentukan apakah parameter yang dihasilkan secara signifikan berbeda dari nol. 6. Penilaian Model Fit Suatu model dikatakan fit apabila kovarians matriks suatu model (model-based-covariance matrix) adalah sama dengan kovarians matriks data (observed). Model fit dapat dinilai dengan menguji berbagai index fit yang diperoleh dari LISREL. Model fit adalah sesuatu yang kompleks dan memerlukan perhatian yang besar. Suatu indeks yang menunjukkan bahwa model adalah fit tidak memberikan jaminan bahwa model memang benar-benar fit. Sebaliknya, suatu indeks fit yang menyimpulkan bahwa model adalah sangat buruk, tidak memberikan jaminan bahwa model tersebut benar-benar tidak fit. Dalam SEM, peneliti tidak boleh hanya tergantung pada satu indeks atau beberapa indeks fit. Tetapi

15 57 sebaiknya mempertimbangkan seluruh indeks fit. Berikut tabel goodness of fit statistic. Tabel 3.6 Goodness Of Fit Statistics Goodness of Fit Index Cut-off Value X 2- Chi Square Diharapkan kecil RMSEA 0,80 GFI 0,90 AGFI 0,90 NFI 0,90 NNFI 0,90 CFI 0,90 IFI 0,90 RFI 0,90 Sumber : Wijanto, 2008 Keterangan : a. Chi-Square (X 2 ) : Ukuran uji kesesuaian model berbasis maximum likelihood (ML). Diharapkan nilainya rendah sehingga diperboleh nilai P (probability) yang tinggi melibihi 0,05. Nilai X 2 = 0 dan P = 1, mengindikasikan model adalah saturated perfect fit. (Kusnendi, 2008:29). Nilai chi-square ini menunjukkan adanya penyimpangan antara sample covariance matrix dan model (fitted) covariance matrix. Namun nilai chi-square ini hanya akan valid apabila asumsi normalitas data terpenuhi dan ukuran sampel adalah besar. Sehingga, nilai chi-square yang signifikan (kurang daripada 0,05) menunjukkan bahwa data empiris yang diperoleh memiliki

16 58 perbedaan dengan teori yang telah dibangun berdasarkan structural equation modeling. Sedangkan nilai probabiitas yang tidak signifikan adalah yang diharapkan, yang menunjukkan bahwa data empiris sesuai dengan model. (Ghozali & Fuad, 2014 : 31) b. Goodness of Fit Index (GFI) : Ukuran kesesuian model secara deskriptif. GFI >0.90 mengindikasikan model fit. (Kusnandi, 2008:29). Suatu ukuran mengenai ketepatan model dalam menghasilkan observed matriks kovarians. Nilai GFI ini harus berkisar antara 0-1. Meskipun secara teori GFI mungkin memiliki nilai negatif hal tersebut seharusnya tidak terjadi, karena model yang memiliki nilai GFI negatif adalah model yang paling buruk dari seluruh model yang ada. Nilai GFI yang lebih besar daripada 0,09 menunjukkan fit suatu model yang baik. c. Root Mean Square Error of Approximati on (RMSEA) : Nilai aproksimasi akar rata-rata kuadrat error. Diharapkan nilainya rendah. RMSEA < 0,08 berarti model fit dengan data. d. Adjusted GFI (AGFI) : Nilai GFI yang disesuaikan AGFI >0,09 mengindikasikan model fit dengan data. e. Normed Fit Index (NFI) : Ukuran kesesuaian model dengan basis komparatif terhadap base line atau model null. Model null umumnya merupakan suatu model yang menyatakan bahwa antara variabel eksogen yang terdapat dalam model yang diestimasi tidak saling berhubungan. Menurut ukuran ini, model dikatakan fit jika

17 59 NFI > 0,09. NFI = 0,09 artinya, model diindikasikan 90% lebih baik bila dibandingkan dengan model null-nya. f. Comparative Fit Index (CFI) : Ukuran kesesuaian model berbasis komparatif dengan model null. CFI nilainya berkisar antara 0,0 samapai 1,0. CFI >0,09 model fit dengan data. g. Tucker Lewis Index (TLI) atau Non Normed Fit Index (NNFI) : Ukuran kesesuaian model sebagai koreksi terhadap ukuran NFI. NFI >0,09 model fit. 7. Modifikasi Model : Model penelitian diuji untuk menentukan apakah modifikasi model diperlukan karena tidak fitnya hasil yang diperoleh pada tahap keenam. Namun harus diperhatikan, bahwa segala modifikasi (walaupun sangat sedikit), harus berdasarkan teori yang mendukung. Dengan kata lain, modifikasi model seharusnya tidak dilakukan hanya semata-mata untuk mencapai model fit. 8. Validasi Silang Model : Menguji fit atau tidaknya model terhadap suatu data baru (atau validasi sub-sampel yang diperoleh melalui prosedur pemecahan sampel). Validasi silang ini penting apabila terdapat modifikasi yang substantial yang dilakukan terhadap model asli yang dilakukan pada langkah ketujuh diatas.

18 60 5. Uji Hipotesis Dalam LISREL, tidak terdapat nilai signifikansi yang langsung dapat memberi tahu apakah hubungan antara suatu variabel dengan variabel lainnya adalah signifikan. Pada setiap estimasi parameter dalam LISREL, terdapat tiga informasi yang sangat berguna yaitu koefisien regresi, standar error dan nilai t. Standar error digunakan untu mengukur ketepatan dari setiap setimasi parameter. Dibawah standar error adalah nilai t yang diperoleh melalui perbandingan antara nilai estimasi dengan standar error. Estimasi regresi Nilai t = Standar error Untuk mengetahui signifikan tidaknya hubungan antara variabel, maka nilai t harus lebih besar dari nilai t-tabel pada level tertentu yang tergantung dari ukuran sampel dan level signifikansi tersebut. Tidak ada ukuran yang pasti mengenai seberapa besar level signifikansi, tetapi umumnya level signifikansi adalah 1%, 5% dan 10%. Pada jumlah sampel besar (lebih besar 150), jika nilai t yang dihasilkan oleh LISREL lebih besar daripada nilai t tabel pada level 5%, yaitu ±1.960, maka hubungan antara variabel adalah signifikan. (Ghozali & Fuad, 2014:41)