BAB 3 METODE PENELITIAN
3.1 Metode yang Digunakan Jenis penelitian ini menerapkan adalah analisis asosiative karena penelitian ini dilakukan untuk mencari hubungan kausal antara variabel independen terhadap variabel dependen. Dimana unit analisis dari penelitian ini adalah individual dan tingkat intervensi peneliti dalam penelitian ini adalah minimal intervensi, karena pengumpulan data dilakukan melalui kuesioner yang dibagikan secara individual. Study setting yang digunakan adalah field survey dan dimana penyebaran kuesioner yang hanya dilakukan sekali saja (cross-sectional). Tabel 3. 1 Desain Penelitian Tujuan
Desain Penelitian
Penelitian
Jenis Penelitian
Unit Analisis
Time Horizon
T–1
Asosiative
Individual – Pengguna TransJakarta Di
Cross Sectional
Koridor 4 dan 6 T–2
Asosiative
Individual – Pengguna TransJakarta Di
Cross Sectional
Koridor 4 dan 6 T–3
Asosiative
Individual – Pengguna TransJakarta Di
Cross Sectional
Koridor 4 dan 6 T–4
Asosiative
Individual – Pengguna TransJakarta Di
Cross Sectional
Koridor 4 dan 6 T–5
Asosiative
Individual – Pengguna TransJakarta Di
Cross Sectional
Koridor 4 dan 6 T–6
Asosiative
Individual – Pengguna TransJakarta Di
Cross Sectional
Koridor 4 dan 6 T–7
Asosiative
Individual – Pengguna TransJakarta Di
Cross Sectional
Koridor 4 dan 6 T–8
Asosiative
Individual – Pengguna TransJakarta Di Koridor 4 dan 6
18
Cross Sectional
19
Keterangan: T – 1: Untuk mengetahui pengaruh dari Perceived Usefulness terhadap intention to use e-ticketing pada TransJakarta. T – 2: Untuk mengetahui pengaruh dari Perceived Ease of Use terhadap Perceived Usefulness pada TransJakarta. T – 3: Untuk mengetahui pengaruh dari Perceived Ease of Use terhadap Trust in ability pada TransJakarta. T – 4: Untuk mengetahui pengaruh dari Subjective Norm terhadap intention to use e-ticketing pada TransJakarta. T – 5: Untuk mengetahui pengaruh dari Trust in ability terhadap Perceived Usefulness pada TransJakarta. T – 6: Untuk mengetahui pengaruh dari Familiarity terhadap Trust in ability pada TransJakarta. T – 7: Untuk mengetahui pengaruh dari Familiarity terhadap Perceived Ease of Use pada TransJakarta. T – 8: Untuk mengetahui pengaruh secara simultan dari Familiarity dan Subjective Norm terhadap intention to use e-ticketing pada TransJakarta.
3.2 Operasionalisasi Variabel Penelitian Menurut (Aritonang & Lerbin, 2007), definisi dari operasional variabel adalah penelitian yang berisi semua kegiatan yang dilakukan untuk memperoleh data empiris kuantitatif mengenai variasi karakteristik dari variabel tersebut, merupakan spesifikasi mengenai apa yang akan diukur dan bagaimana cara mengukurnya.
20
Pemberian skor pada angket dilakukan dengan cara menggunakan skala Likert yang bertujuan untuk menandakan derajat persetujuan atau ketidaksetujuan dengan menggunakan bermacam-macam pertanyaan yang berhubungan dengan suatu tindakan atau objek tertentu. Menurut (Aritonang & Lerbin, 2007), metode skala Likert termasuk dalam jenis skala interval yang berfungsi untuk menggolongkan dan membandingkan subjek, dapat pula ditambah maupun dikurangi, dan memiliki nilai nol arbiter (berdasarkan konvensi dan persetujuan). Dalam praktik, skala interval ini menggunakan asumsi bahwa alternatif tanggapan dan pendekatan memiliki jarak yang sama. Dalam angket ini, alternatif tanggapan yang diberikan adalah dari sangat setuju sampai sangat tidak setuju sekali. Jawaban responden yang bersifat kualitatif, dikuantitatifkan dan diukur dengan menggunakan skala Likert empat tingkat, di mana jawaban untuk pertanyaan diberi skor positif. Menurut (Malhotra, 2004) pertimbangan pemilihan skala Likert genap ini dikarenakan bahwa skala ganjil memicu responden untuk memilih netral. Variabel dalam penelitian ini adalah kualitas layanan dan kepuasan emosional serta loyalitas pelanggan kepada perusahaan. Pengukuran tanggapan responden diukur dengan skala Likert yang diurutkan menurut bobotnya, yaitu : 1. Sangat Setuju
(SS)
= 4 poin
2. Setuju
(S)
= 3 poin
3. Tidak Setuju
(TS)
= 2 poin
4. Sangat Tidak Setuju
(STS) = 1 poin
Variabel-variabel dalam penelitian ini dioperasionalisasikan berdasarkan dimensi pengukuran yang diperoleh dari kajian pustaka pada bab sebelumnya dan dirangkum dalam tabel dibawah ini.
21
Tabel 3. 2 Operasional Variabel Perceived Ease of Use
Variabel
Model
Indikator
Penelitian
Pengukuran
Teknologi informasi sangat mudah dipelajari Perceived Ease Mudah terampil dalam penggunaan of Use
Skala Likert
teknologi informasi Teknologi informasi sangat mudah untuk dioperasikan Sumber: diadaptasi dari (Lee & Wan, 2010)
Tabel 3. 3 Operasional Variabel Perceived Usefulness
Variabel Penelitian
Model
Indikator Menggunakan
Pengukuran e-ticket
mempersingkat waktu saya dalam Perceived
masalah ticketing
Usefulness
Menggunakan e-ticket memudahkan dalam pembelian ticket E-ticket berguna bagi perjalanan
Sumber: adaptasi dari (Lee & Wan, 2010)
Skala Likert
22
Tabel 3. 4 Operasional Variabel Trust Ability Variabel
Indikator
Model Pengukuran
Percaya bahwa e-ticketing dapat Trust Ability
bekerja dengan baik
Skala Likert
Percaya akan validitas e-ticketing Sumber: adaptasi dari (Lee & Wan, 2010) Tabel 3. 5 Operasional Variabel Familiarity Variabel
Model
Indikator
Penelitian Perilaku akan
Pengukuran
teman-teman
disekitar
mempengaruhi
dalam
penerimaan
dalam
penggunaan
teknologi informasi Orang-orang Subjective Norm
yang
berpengalaman
sudah dalam
menggunakan teknologi informasi dapat
mempengaruhi
dalam
penerimaan penggunaan teknologi informasi Perilaku
orang
lain
dapat
mempengaruhi penerimaan dalam penggunaan teknologi informasi Sumber: adaptasi dari (Lee & Wan, 2010)
Skala Likert
23
Tabel 3. 6 Tabel Operasional Variabel Subjective Norm
Variabel
Model
Indikator
Penelitian
Pengukuran
E-ticketing sudah sangat familiar Skala Likert
Prosedur pembelian e-ticket sudah Familiarity
familiar
Sumber: adaptasi dari (Lee & Wan, 2010)
Tabel 3. 7 Operasional Variabel Intention to Use Variabel
Indikator
Penelitian
Model Pengukuran
Prediksi akan menggunakan eIntention to Use
ticketing
Skala Likert
Persepsi penggunaan e-ticketing mudah Sumber: adaptasi dari (Lee & Wan, 2010)
24
3.3 Jenis dan Sumber Data Penelitian Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif, yaitu data yang bisa diselidiki secara langsung dan bisa dihitung dengan menggunakan alat ukur sederhana. Sumber data dan penelitian ini adalah data primer. Data primer adalah sumber data yang diperoleh melalui penyebaran kuesioner.
Tabel 3. 8 Jenis dan Sumber Data Penelitian Data
Sumber Data
Jenis Data
Intention To Use
Primer-kuesioner
Kuantitatif
Trust Ability
Primer-kuesioner
Kuantitatif
Familiarity
Primer-kuesioner
Kuantitatif
Perceived Usefulness
Primer-kuesioner
Kuantitatif
Perceived Ease Of Use
Primer-kuesioner
Kuantitatif
Subjective Norm
Primer-kuesioner
Kuantitatif
3.4 Teknik Pengumpulan Data Menurut (Supranto, 2003), pengukuran adalah pemberian angka atau nilai pada atribut suatu elemen. Atribut atau karakteristik adalah ciri, sifat, atau hal-hal lain yang dimiliki elemen. Elemen adalah suatu yang menjadi obyek penelitian, misalnya orang, barang atau unit organisasi. Teknik yang digunakan dalam pengumpulan data penelitian ini adalah berikut: 1. Field Research Data yang digunakan berupa data primer, yaitu dengan cara menyebar kuesioner dan kepada pelanggan. a. Kuesioner Kuesioner merupakan alat teknik pengumpulan data yang dilakukan dengan cara memberikan seperangkat pertanyaan atau pernyataan tertulis kepada responden untuk dijawab oleh responden.
25
b. Wawancara (Interview) Wawancara
merupakan
salah
satu
teknik
pengumpulan
data.
Pelaksanaannya dapat dilakukan secara langsung berhadapan dengan yang diwawancarai, tetapi dapat juga secara tidak langsung seperti memberikan daftar pertanyaan untuk dijawab pada kesempatan lain 2. Riset Kepustakaan Yaitu cara pengumpulan data yang bersifat teoritis dengan cara teknik pengumpulan data dan mempelajari buku bacaan yang diperoleh dari: •
Buku wajib (text book) yang berkaitan dengan penulisan skripsi
•
Buku pelengkap (reference book) yang berkaitan dengan objek yang diteliti
•
Bahan bacaan lainnya yang berkaitan dengan objek yang diteliti.
•
Jurnal dengan menelusuri Proquest dan Emerald
3.5 Teknik Pengambilan Data Teknik pengambilan sampel dalam penelitian ini adalah dengan cara simple random sampling yaitu cara pengambilan sampel dari anggota populasi secara acak tanpa memperhatikan strata (tingkatan) dalam anggota populasi tersebut ( R i d w a n & Kuncoro, 2007, p. 41). Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Bila populasi besar dan peneliti tidak mempelajari semua yang ada pada populasi (keterbatasan dana, tenaga dan waktu) maka peneliti dapat menggunakan sampel yang diambil dari populasi itu (Sugiyono, 2007). Sehingga dari pengertian tersebut, maka pertimbangan-pertimbangan penentuan sampel yang dimaksud dalam penelitian ini yaitu berdasarkan rata-rata populasi penumpang TransJakarta
pada
koridor 4 dan 6 pada bulan Juni – Agustus 2013, digunakan sampel sebanyak 392 responden. (TransJakarta, 2013)
26
3.6 Partial Least Square (PLS) Setelah data-data yang diperlukan sudah terkumpul, maka selanjutnya dilakukan uji validitas-reliabilitas terhadap data-data tersebut. Setelah data dipastikan valid dan reliable, maka melanjutkan proses analisis dengan menggunakan: Analisis PLS-SEM biasanya terdiri dari dua sub model yaitu model pengukuran (measurement model) dan model struktural (structural model). Model pengukuran menunjukkan bagaimana variabel manifest merepresentasi variabel laten untuk diukur. Sedangkan model struktural menunjukkan kekuatan estimasi antar variabel laten atau konstruk (Latan & Ghozali, 2012).
-
Measurement Model Measurement model, yaitu spesifikasi hubungan antara variabel laten dengan indikatornya yang
mendefinisikan karakteristik konstruk dengan variabel
manifesnya. •
Evaluasi Model pengukuran validitas (Measurement Model) meliputi convergent validity, discriminant validity, dan composite reliability dengan kriteria sebagai berikut : Convergent validity Korelasi antara skor indikator refleksif dengan skor variabel latennya. Untuk hal ini loading 0.5 sampai 0.6 dianggap cukup, pada jumlah indikator per konstruk tidak besar, berkisar antara 3 sampai 7 indikator. Discriminant validity Membandingkan nilai square root of average variance extracted (AVE) setiap konstruk dengan korelasi antar konstruk lainnya dalam model, jika square root of average variance extracted (AVE) konstruk lebih besar dari korelasi dengan seluruh konstruk lainnya maka dikatakan memiliki discriminant validity yang baik. Direkomendasikan nilai pengukuran harus lebih besar dari 0.50.
•
Evaluasi Model pengukuran reliabilitas meliputi composite reliability dan cronbach’s alpha dengan kriteria sebagai berikut:
27
Cronbach’s Alpha Cronbach’s alpha digunakan untuk menguji reliabilitas konstruk yang akan memberikan nilai yang lebih rendah sehingga lebih disarankan untuk menggunakan composite reliability dalam menguji reliabilitas suatu konstruk. Composite reliability Kelompok Indikator yang mengukur sebuah variabel memiliki reliabilitas komposit yang baik jika memiliki composite reliability ≥ 0.7, walaupun bukan merupakan standar absolut.
Tabel 3. 9 Kriteria Evaluasi Model Pengukuran dengan Indikator Refleksif Pengujian
Parameter Loading Factor
Keterangan Nilai faktor loading dari setiap indikator > 0.5 dan nilai p-value < 0.05
Convergent
Average Variance
AVE > 0.5 menunjukkan ukuran convergent
validity
Extracted (AVE)
validity yang baik.
Communality Cross Loading Discriminant Validity
Square root of AVE
> 0.50 untuk Confirmatory maupun Exploratory Research. > 0.70 untuk setiap variabelnya. Nilai akar kuadrat dari AVE > nilai korelasi diantara konstrak / variabel laten, maka discriminant validity yang baik tercapai •
Internal
Composite
Consistency
reliability
Composite reliability > 0,70 menunjukkan realibilitas yang baik
•
Composite reliability 0,60 – 0,70 masih dapat diterima jika syarat validitas indikator
Reliability
dalam model baik. Cronbach alpha
Cronbach alpha > 0.7
Sumber: (Latan & Ghozali, 2012)
28
Tabel 3. 10 Kriteria Evaluasi Model Pengukuran dengan Indikator Formatif Kriteria Signifikansi Weight
Keterangan > 1.65 (significance level = 10%), >1.96 (significance level = 5%), dan > 2.58 (significance level = 1%)
Multicollinearity
-
•
VIF < 10 atau < 5
•
Tolerance > 0.10 atau 0.20
Structural Model Structural Model, yaitu spesifikasi hubungan antar variabel laten (structural model) yang menggambarkan hubungan antar variabel laten berdasarkan teori substansif penelitian. Tanpa kehilangan sifat umumnya, diasumsikan bahwa variabel laten dan indikator atau variabel manifest diskala zero means dan unit varian sama dengan satu, sehingga parameter lokasi (parameter konstanta) dapat dihilangkan dari model.
•
Evaluasi Model Structural (Structural Model/Inner Model) meliputi R2 untuk konstruk dependen, uji p-value serta signifikansi dari koefisien parameter jalur struktural
•
Goodness of Fit Model diukur menggunakan R-square variabel laten dependen dengan interpretasi yang sama dengan regresi; Q-Square predictive relevance untuk model struktural, megukur seberapa baik nilai onservasi dihasilkan oleh model dan juga estimasi parameternya. Nilai Q-square > 0 menunjukkan model memiliki predictive relevance; sebaliknya jika nilai Q-Square ≤ 0 menunjukkan model kurang memiliki predictive relevance
29
Tabel 3. 11 Kriteria Evaluasi Model Pengukuran Pengujian Model fit indices
Coefficient of
Kriteria
Keterangan
APC
Average Path Coefficient (APC), p-value < 0.05
ARS
Average R-Square (ARS), p-value < 0.05
AVIF
Average Variance Inflation Factor (AVIF) < 5
R2
Nilai R-square sebesar 0,67 mengindikaskan
Determination (R2 )
model baik, nilai 0,33 mengindikasikan model
untuk variable laten
moderat sedangkan nilai 0,19 model dapat
endogen
dikatakan lemah.
Path Coefficients
p-value
p-value < α, maka dikatakan signifikan
(Koefisien Jalur) Sumber : (Kock, 2011) P-value tidak hanya mencerminkan kekuatan hubungan tetapi juga kekuatan pengujian yang meningkat dengan ukuran sampel. Semakin besar ukuran sampel, semakin rendah sebuah koefisien jalur harus menghasilkan signifikan p-value secara statistik (Kock, 2011). Sedangkan koefisien determinasi untuk menunjukkan pengukuran persentase pengaruh semua variable independen terhadap nilai variable dependen.
3.7 Rancangan Uji Hipotesis Pada penelitian ini ditetapkan 8 buah hipotesis seperti yang telah dijelaskan pada bab 2. Pengujian dilakukan dengan t-test, bilamana diperoleh p-value ≤ 0,05 (alpha 5 %), maka disimpulkan signifikan, dan sebaliknya. Bilamana hasil pengujian hipotesis pada outter model signifikan, hal ini menunjukkan bahwa indikator dipandang dapat digunakan sebagai instrumen pengukur variabel laten. Sedangkan bilamana hasil pengujian pada inner model adalah signifikan, maka dapat diartikan bahwa terdapat pengaruh yang bermakna variabel laten terhadap variabel laten lainnya.
30
Nilai p-value akan diperoleh dari output pengolahan data dengan menggunakan WarpPLS •
Jika p-value ≥ 0.05, maka Ho diterima
•
Jika p-value < 0.05, maka Ho ditolak dan Ha diterima Peneliti juga menilai koefisien determinasi (R2), dimana koefisien determinasi
(R2) pada persamaan struktural mengindikasikan jumlah varians pada variable laten endogen yang dapat dijelaskan secara simultan oleh variabel-variabel laten independent. Semakin tinggi nilai R2, semakin besar variabel-variabel independent tersebut dapat menjelaskan variabel endogen, sehingga semakin baik persamaan struktural.
