BAB 3 METODE PENELITIAN
3.1.
Desain Penelitian Penelitian ini menggunakan metode penelitian kuantitatif dengan jenis
penelitian survey. Selanjutnya, unit analisis dalam penelitain ini adalah individu dengan timehorizoncross-sectional.Menurut Sugiyono (2010:14), metode penelitian kuantitatif diartikan sebagai metode penelitian yang digunakan untuk meneliti pada populasi atau sampel tertentu, teknik pengambilan sampel pada umumnya dilakukan secara random, pengumpulan data menggunakan instrumen penelitian, analisis data bersifat kuantitatif atau statistik dengan tujuan untuk menguji hipotesis yang telah ditetapkan.Selanjutnya, Menurut Sugiyono (2010:12), metode survey digunakan untuk mendapatkan data dari tempat tertentu yang alamiah (bukan buatan), peneliti hanya melakukan perlakuan dalam pengumpulan data.
3.2.
Operasionalisasi Variabel Dalam penelitian ini, variabel-variabel yang digunakan adalah sebagai
berikut: 1. Variabel independent yang digunakan dalam penelitian ini adalahwebsite quality 2. Variabel dependent yang digunakan dalam penelitian ini adalahactual action to visit 3. Variabel intervening dalam penelitian ini adalah Visiting Intention Selanjutnya, dikarenakan menggunakan metode Partial Least Square, maka operasionalisasi pada variabel tersebut dapat diuraikan sebagai berikut:
Tabel 3.2. Operasionalisasi VariabelWebsite Quality Variabel Website Quality
Dimensi Ease of Use
Indikator Pengukuran WQ1 – Kemudahan penggunaanwebsite WQ2 – Kemudahan pemahamanwebsite
(X)
Usefulness
WQ3 – Ketepatan website dengan tugas WQ4 – Informasi yang didapatkan
17
18
WQ5 – Keyakinan terhadap website WQ6 – Kecepatan respons website Entertainment
WQ7 – Website enak dilihat WQ8 – Keunikan website WQ9 – Websitemenarik perhatian
Complementary WQ10 – Website lengkap Relationship
WQ11 – Keuntungan penggunaan website WQ12 – Konsistensi Website
Sumber:Aaker, Ducoffe, Eighmey dalam Ankit Kesharwani (2011)
Operasionalisasi variabel untuk variabel Visiting Intention adalah sebagai berikut:
Tabel 3.3. Operasionalisasi Variabel Visiting Intention Variabel
Indikator Pengukuran
Visiting
VI1 – Kemampuan yang dibutuhkan
Intention
V12 – Keterampilan yang dibutuhkan VI3 – Informasi yang dimiliki
(Y)
VI4 – Emosi yang muncul VI5 – Situasi yang dirasakan VI6 – Lingkungan yang dirasakan
Sumber: Ajzen, Icek dan Fishbein, Martin dalam Azwar (2011:11)
Selanjutnya operasionalisasi variabel untuk variabel Actual Action to Visitadalah sebagai berikut:
Tabel 3.4. Operasionalisasi Variabel Actual Action to Visit Variabel
Dimensi
Indikator Pengukuran
Actual Action
Adoption
AA1 – Pilihan utama
To Visit
Spending
AA2–Waktu yang akan disenggangkan AA3 – Usaha yang siap dikeluarkan
(Z)
Frequency
AA4 – Menggunakan website terus menerus
Sumber: Henry dan Stone, dalam Olusola I. Akinbobola et. al (2013)
19
3.3.
Jenis dan Sumber Data Penelitian Penelitian ini akan menggunakan jenis data ordinal. Untuk mendapatkan data
tersebut, digunakan alat pengumpulan data kuisioner. Berikut penguraian jenis dan sumber data yang digunakan dalam penelitian ini:
Tabel 3.5. Jenis dan Sumber Data Data
Jenis
Sumber Data
Data website quality ->visiting intention
Ordinal
Primer - Kuisioner
visiting intention ->actual action to visit
Ordinal
Primer - Kuisioner
website quality -> actual action to visit
Ordinal
Primer - Kuisioner
Sumber: Pengolahan data, 2013
3.4.
Metode Pengumpulan Data Penelitian ini menggunakan beberapa teknik pengumpulan data yang
digunakan untuk menyelesaikan permasalahan dalam penelitain dan teknik-teknik tersebut akan dijabarkan sebagai berikut: 1. Wawancara Merupakan salah satu metode pengumpulan data dengan melakukan tanya jawab kepada pihak The Pucuak Residence untuk menemukan permasalahanpermasalahan yang terjadi dalam perusahaan mengenai website quality, visiting intention dan actual action to visit. 2. Observasi Merupakan suatu cara pengumpulan data untuk mencari masalah-masalah yang tidak dapat ditemukan dengan menggunakan wawancara. Observasi dilakukan untuk menentukan indikasi-indikasi yang sesuai dengan konsep penelitian. 3. Kuisioner Merupakan suatu cara pengumpulan data dengan memberikan atau memyebarkan daftar pernyataan kepada responden, dengan harapan mereka akan mmeberikan respon atas daftar pernyataan tersebut. Daftar pernyataan dapat bersifat terbuka, jika jawaban tidak ditentukan sebelumnya, sedangkan
20
bersifat tertutup jika alternative jawaban telah disediakan. Kuesioner disebarkan kepada calon konsumen The Pucuak Residence. Dalam penelitian ini penulis menggunakan kuesioner bersifat tertutup. Kuesioner diajukan dengan menggunakan skala Likert meliputi angka 1 sampai 5. Urutan untuk skala ini menggunakan lima angka penelitian, yaitu:
Tabel 3.6. Pengukuran Variabel Bobot
Skala
Sangat Tidak Setuju
1
Tidak Setuju
2
Netral
3
Setuju
4
Sangat Setuju
5
Sumber: Data olahan penelitian, 2013
4. Studi kepustakaan (Library Research) Penelitian
ini
bertujuan
untuk
mendapatkan
data
sekunder,
maka
dilakukanlah studi kepustakaan melalui buku-buku, artikel, jurnal, dan literature lainnya guna menunjang penelitian ini.
3.5.
Populasi dan Sampel
3.5.1. Populasi Menurut Sugiyono (2009:80), pengertian Populasi yaitu: “Wilayah generalisasi yang terdiri atas: objek/subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya”. Sedangkan menurut Menurut Nur Indriantoro dan Bambang Supomo (2002:115) mengemukakan mengenai populasi yaitu: “Populasi yaitu sekelompok orang, kejadian atau segala sesuatu yang mempunyai karaktristik tertentu”. Dari uraian tersebut, maka dapat disimpulkan bahwa yang akan menjadi populasi dalam penelitian ini adalah seluruh calon konsumen The Pucuak Residenceyang tinggal di Jakarta, pernah menggunakan website The Pucuak
21
Residence namun sudah tidak lagi menggunakan website tersebut dan calon konsumen tersebut pernah mengeluh mengenai kualitas websiteThe Pucuak Residence
3.5.2. Sampel Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi penelitian. seperti yang dikemukakan oleh Sugiyono (2009:81)bahwa: “Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut”. Sedangkan menurut Uma Sekaran (2006:123), sampel adalah: “Sampel (sample) adalah sebagian dari populasi. Sampel terdiri atas sejumlah anggota yang dipilih dari populasi.” Melihat dari uraian tersebut di atas, maka yang akan menjadi sampel dalam penelitian ini adalah sebagian dari keseluruhan calon konsumen The Pucuak Residence yang tinggal di Jakarta, pernah menggunakan website The Pucuak Residence namun sudah tidak lagi menggunakan website tersebut dan calon konsumen tersebut pernah mengeluh mengenai kualitas website The Pucuak Residence
3.5.3. Metode Pengukuran Sampel Dari hasil data sekunder yang didapatkan dari perusahaan, ditemukan bahwa jumlah calon konsumen The Pucuak Residence yang pernah menggunakan website The Pucuak Residence untuk mencari informasi namun, sudah tidak menggunakan lagi dan mengeluh atas kualitas websiteadalah sejumlah 137 calon konsumen. Dari keseluruhan 137 calon konsumen tersebut, selanjutnya untuk menentukan jumlah sampel penelitian, digunakanlah rumus slovin sebagai berikut: n
=
Dimana: n
= jumlah sampel
N
= jumlah populasi
e
= presisi atau peran kelonggaran ketidaktelitian karena kesalahan pengambilan
sampel yang masih dapat ditolerir atau diinginkan, yaitu sebesar 5% atau 0,05 (Riduwan, 2004: 65).
22
Berdasarkan rumus Slovin di atas, maka jumlah sampel yang diambil dalam penelitian ini sebesar: N = 137 e = 5%
n = 102.048 = 102 Jadi, yang akan menjadi sampel pada penelitian ini adalah 102calon konsumen The Pucuak Residenceyang tinggal di Jakarta, pernah menggunakan websiteThe Pucuak Residence namun sudah tidak lagi menggunakan website tersebut dan calon konsumen tersebut pernah mengeluh mengenai kualitas websiteThe Pucuak Residence
3.6. Metode Pengolahan Data Metode analisis yang akan digunakan dalam penelitian ini adalah metode Partial Least Square dengan menggunakan bantuan program smartPLS2.0. Selanjutnya berikut akan diuraikan metode-metode penelitian yang digunakan dalam penelitian ini:
Tabel 3.7. Metode Pengolahan Data Tujuan
Metode
Alat
T-1
Partial Least Square
smartPLS 2.0
T-2
Partial Least Square
smartPLS 2.0
T-3
Partial Least Square
smartPLS 2.0
Sumber: Pengolahan data, 2013
3.7.
Teknik Pengolahan Data
3.7.1
Partial Least Square Partial Least Square (PLS) dikembangkan pertama kali oleh Wold sebagai
metode umum untuk mengestimasi path model yang menggunakan konstruk laten dengan multiple indikator. Herman Wold (1996) mempresentasikan dua prosedur interative menggunakan metode estimasi least square (LS) untuk single and multi komponen model dan untuk canonical correlation.
23
Pendekatan PLS adalah distribution free (tidak mengasumsikan data berdistribusi tertentu, dapat berupa nominal, kategori, ordinal, interval dan rasio). PLS awalnya diberi nama NIPALS (nonlinear iterative partial least squares). Menurut Wold dibandingkan dengan pendekatan lain dan khususnya metode maximum likelihood, NIPALS lebih umum oleh karena bekerja dengan sejumlah kecil asumsi zero intercorrelation antara residual dan variabel. Oleh karena itu pendekatan NIPALS memberikan model yang memiliki closer fit terhadap hasil observasi. Model dasar PLS diselesaikan tahun 1977 (Wold, 1982) dan kemudian dikembangkan lebih lanjut oleh Lohmoller (1984, 1989) dan Chin (1996) dalam bentuk software dengan nama PLS Graph (Ghozali, 2008).
3.7.1.1 Metode PLS Partial Least Square merupakan factor indeterminacy metode analisis yang powerful oleh karena tidak mengasumsikan data harus dengan pengukuran skala tertentu, jumlah sampel kecil.PLS juga dapat digunakan untuk konfirmasi teori.Secara filosofis perbedaan antara covariance based SEM dengan component based PLS adalah apakah kita akan menggunakan model persamaan struktural untuk menguji teori atau pengembangan teori untuk tujuan prediksi (Anderson dan Gerbing,1988 dalam Ghozali, 2008). Dengan pendekatan PLS diasumsikan bahwa semua ukuran variance adalah variance yang berguna untuk dijelaskan. Oleh karena pendekatan untuk mengestimasi variabel laten dianggap sebagai kombinasi linear dari indikator pasti dari komponen skor (Wold, 1982). Oleh karena PLS menggunakan iterasi algoritma yang terdiri dari seri analisis ordinary least squares maka persoalan identifikasi model tidak menjadi masalah untuk model recursive, juga tidak mengasumsikan bentuk distribusi tertentu untuk skala ukuran variabel. PLS dapat dianggap sebagai model alternatif dari covariance based SEM. PLS dimaksudkan untuk causalpredictive analysis dalam situasi kompleksitas yang tinggi dan dukungan teori yang rendah.
3.7.1.2 Cara Kerja PLS Seperti dijelaskan di atas tujuan PLS adalah membantu peneliti untuk mendapatkan nilai variabel laten untum tujuan prediksi. Model formalnya mendefinisikan variabel laten adalah linear agregat dari indikator-indikatornya.
24
Weight estimate untuk menciptakan komponen skor variabel laten didapat berdasarkan bagaimana inner model (model struktural yang menghubungkan antar variabel laten) dan outer model (model
pengukuran
yaitu
hubungan
antara
indikator dengan konstruknya) dispesifikasi. Hasilnya adalah residual variance dari variabel dependen (keduanya variabel laten dan indikator) diminimumkan. Estimasi parameter yang didapat dengan PLS dapat dikategorikan menjadi tiga. Kategori pertama, adalah weight estimate yang digunakan untuk menciptakan skor variabel laten. Kedua, mencerminkan estimasi jalur (path estimate) yang menghubungkan variabel laten dan antar variabel laten dan blok indikatornya (loading), kategori ketiga adalah berkaitan dengan means dan lokasi parameter (nilai konstanta regresi) untuk indikator dan variabel laten. Untuk memperoleh ketiga estimasi ini, PLS menggunakan proses iterasi tiga tahap dan setiap tahap iterasi menghasilkan estimasi. Tahap pertama menghasilkan weight estimate, tahap kedua menghasilkan estimasi untuk inner model dan outer model, dan tahap ketiga menghasilkan estimasi means dan lokasi (konstanta).
Tabel 3.8. Kriteria Penilaian PLS Kriteria
Penjelasan Evaluasi Model Struktural
R2untuk variabel laten endogen
HasilR2sebesar0,67;0,33dan0,19untuk variabellatenendogen dalammodel struktural mengidentifikasikan bahwa model “baik”,”moderat”,dan “lemah”
Estimasi koefisien jalur
Nilaiestimasiuntukhubunganjalur dalam model struktural harus signifikan. Nilai signifikansi ini dapat diperoleh dengan prosedurbootstrapping.
Evaluasi Model Pengukuran Refleksif Loading factor
Nilai loadingfaktorharus di atas 0,50
CompositeRealibility
Composite
realibilitymengukur
internal
consistencydan nilainyaharus di atas 0,60 AverageVarianceExtracted
Nilai average variance extracted (AVE) harus di atas 0,50
25
Validitas Diskriminan
Nilaiakar kuadratdariAVE haruslebih besardaripada nilaikorelasiantarvariabel laten
Cross Loading
Merupakanukuran lain dari validitas diskriminan. Diharapkan setiap blok indikatormemiliki loading lebihtinggi untuksetiapvariabellatenyang diukur dibandingkandenganindikator untuklaten variabel lainnya Sumber: Sekaran, 2006:39
3.7.2
Evaluasi Measurement(Outer) Model Validitas
menguji
seberapa
baik
suatu
instrumen
yang
dibuat
mengukur konsep tertentu yang ingin diukur (Sekaran, 2006:39). Validitas 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 salah satu variabel yang tidak mempunyai hubungan dengan totalnya, maka variabel tersebut dikatakan tidak valid, dan harus dikeluarkan dari item pertanyaan kuesioner. Menurut Ghozali (2008:40) convergentvalidity dari measurementmodel dengan indikator refleksif dapat dilihat dari korelasi antara skor item/indikator dengan skor konstruknya. Indikator individu dianggap reliabel jika memiliki nilai korelasi di atas 0,70. Namun demikian pada riset tahap pengembangan skala, loading 0,50 sampai 0,60 masih dapat diterima. Discriminant validity indikator refleksif dapat dilihat pada cross loading antara indikator dengan konstruknya (Ghozali, 2008:41).Metode lain untuk menilai discriminant validity adalah dengan membandingkan akar kuadrat dari average variance extracted (√ )ܧܸܣuntuk setiap konstruk dnegan korelasi antara konstruk dengan konstruk lainnya dalam model (Ghozali, 2008:42). Uji reliabilitas konstruk dapat diukur dengan composite reliability dari blok indikator yang mengukur konstruk. Konstruk dinyatakan reliabel jika nilai composite reliability di atas 0,70 (Ghozali, 2008:43).
3.7.3
Pengujian Model Struktural
26
Pengujian Model Struktural adalah mengevaluasi hasil estimasi parameter koefisien path dan tingkat signifikansinya.Pengujian pertama adalah dengan menilai nilai R-square yang merupakan uji goodness-fit model dan pengujian selanjutnya adalah dengan melihat signifikansi pengaruh konstruk dengan melihat nilai koefisien parameter dan nilai signifikan t statistik.
3.8.
Rancangan Implikasi Hasil Penelitian Penelitian ini dirancang untuk mengetahui bagaimana pengaruh antara
website quality terhadap visiting intention serta dampaknya pada actual action to visit website The Pucuak Residence. Hasil dari penelitian ini diharapkan akan ditemukan faktor-faktor yang memiliki pengaruh signifikan dalam mengubah variabel dependen maupun intervening dengan menggunakan metode Partial Least Square. Selain itu, penelitian ini juga akan dibandingkan dengan penelitian sebelumnya guna mengetahui perbedaan-perbedaan antara penelitian saat ini dengan penelitian sebelumnya.
