III.
METODE PENELITIAN
3.1 Jenis Penelitian
Metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif dan verifikatif Sugiyono (2013: 206) menyatakan bahwa statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Penelitian verifikatif diterangkan oleh Sugiyono (2013: 206) merupakan penelitian yang bertujuan untuk mengetahui hubungan antara dua variabel atau lebih melalui pengumpulan data dilapangan, sifat verifikatif pada dasarnya ingin menguji kebenaran dari suatu hipotesis yang dilaksanakan melalui pengumpulan data di lapangan.
3.2 Jenis dan Sumber Data
Penelitian ini akan menggunakan jenis data kuantitatif, yaitu data yang berbentuk angka-angka seperti data isian kuisioner. Guna memperoleh data yang representatif, penulis mengambil data dari berbagai sumber yang mendukung penelitian:
42
a. Data Primer Data primer, yaitu yang didapat dari sumber pertama seperti hasil dari pengisisan kuesioner yang biasa dilakukan oleh peneliti. Dalam hal ini adalah dengan mengajukan kuesioner. Peneliti melakukan pembagian kuesioner pada mahasiswa pengguna iPhone di Universitas Lampung.
b. Data Sekunder Data sekunder yaitu data penelitian yang diperoleh secara tidak langsung melalui media perantara atau penunjang seperti buku pemasaran, buku perilaku konsumen, dan internet.
3.3 Teknik Pengumpulan Data
Teknik pengumpulan data menggunakan kuesioner. Menurut Sugiyono (2013: 142), kuesioner merupakan teknik pengumpulan data yang dilakukan dengan memberi seperangkat pertanyaan atau pernyataan tertulis kepada responden untuk dijawab. Tujuan utama dalam pembuatan kuesioner adalah untuk (a) memperoleh informasi yang relevan dengan tujuan survei, (b) memperoleh informasi dengan reliabilitas dan validitas setinggi mungkin (Singarimbun dan Effendi, 2006:145). Kuesioner tepat digunakan bila jumlah responden cukup besar dan tersebar di wilayah yang luas. Kuesioner dibuat dengan multiple choice dengan mengunakan skala ordinal, dimana setiap butir pertanyaan dibagi menjadi lima skala ukuran yaitu sangat setuju (skor 5), setuju (skor 4), netral (skor 0), tidak setuju (skor 2) dan sangat tidak setuju (skor 1). Skala ordinal digunakan untuk mengukur sikap,
43
pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial (Sugiyono, 2013:93).
3.4 Definisi Konseptual Variabel
Definisi konseptual merupakan penjelasan mengenai arti suatu konsep yaitu mengekposisikan abstrak yang terbentuk melalui generalisasi dari pengamatan terhadap
fenomena
(Sugiyono,
2013:
108).
Berdasarkan
teorisasi
dan
permasalahan yang telah dikemukakan maka konsep pada penelitian ini. Meliputi faktor yang berasal dari dalam diri konsumen yang terdiri dari Sikap, norma subyektif, kontrol perilaku, minat membeli dan perilaku membeli. a.
Teori Perilaku Terencana (X) Perilaku didasarkan faktor kehendak yang melibatkan pertimbanganpertimbangan untuk melakukan atau tidak melakukan suatu perilaku; dimana dalam prosesnya, berbagai pertimbangan tersebut akan membentuk intensi untuk melakukan suatu perilaku.
b.
Sikap (Subvariabel X1) Sikap sebagai evaluasi, perasaan emosional, dan kecenderungan bertindak baik yang favorable maupun unfavorable serta bertahan lama dari seseorang terhadap suatu objek atau idea (Kotler, 2002: 130).
c.
Norma subjektif (Subvariabel X2) Dalam model theory of reasoned action dan theory of planned behavior, norma subjektif adalah fungsi dari normative beliefs, yang mewakili persepsi mengenai signficant preferensi others mengenai apakah perilaku tersebut harus dilakukan (Jogiyanto, 2007: 44).
44
d.
Persepsi Kontrol Perilaku (Subvariabel X3) Persepsi kontrol perilaku secara langsung mempengaruhi niat untuk melaksanakan suatu perilaku dan juga mempengaruhi perilaku di mana dalam situasi pengguna berniat untuk melaksanakan suatu perilaku namun dihalangi dalam melakukan tindakan tersebut (Ajzen, 2005: 128).
e.
Niat Berperilaku (Z) Minat untuk menggunakan kembali dan membentuk perilaku untuk menggunakan suatu barang atau jasa dapat tercapai apabila konsumen telah membentuk sikap yang positif terhadap suatu barang atau jasa (Ajzen dalam Jogiyanto 2007: 29).
f.
Keputusan Pembelian (Y) Menurut
Nugroho
(2003:38)
adalah
proses
pengintegrasian
yang
mengkombinasi sikap pengetahuan untuk mengevaluasi dua atau lebih perilaku alternatif, dan memilih salah satu diantaranya.
3.5 Definisi Operasional Variabel
Definisi operasional variabel merupakan definisi yang diberikan kepada suatu variabel dengan memberi arti atau menspesifikkan kegiatan untuk mengukur variabel tersebut. Variabel-variabel yang diteliti terangkum dalam satu tabel dengan masing-masing indikator dan sumbernya:
45
Tabel 3.1 Variabel Teori Perilaku Terencana (X)
Dimensi Sikap (X1)
Definisi Operasional Definisi Alasan perasaan senang atau tidak senang seseorang terhadap produk iPhone
a.
b.
c. d. e.
f.
Norma Subjektif (X2)
Suatu keadaan dimana persepsi nilai dari orang lain berpengaruh penting terhadap penentuan karakter seseorang dalam membeli produk iPhone
Persepsi Kontrol Perilaku (X3)
Keberadaan suatu hal-hal yang menghambat atau mendukung penentuan akan niat untuk membeli iPhone
Indikator Kesesuaian dengan pemahaman dalam penggunaan iPhone Kesesuaian dengan kebutuhan terhadap produk iPhone Kesesuaian dengan gaya hidup Keunggulan Risiko yang didapat ketika memakai iPhone Keinginan untuk mencoba produk iPhone
a. Pengaruh nilai keluarga b. Pengaruh nilai teman c. Pengaruh nilai pihak lain yang dianggap penting a. Keyakinan diri b. Dukungan teknologi c. Membeli dengan pertimbangan status sosial
Niat (Z)
Perilaku yang muncul sebagai respon terhadap objek yang menunjukan keinginan pelanggan untuk melakukan pembelian
a. Ketertarikan Membeli iPhone b. Keinginan menggunakan iPhone c. Merencanakan membeli iPhone d. Loyal
Keputusan Pembelian (Y)
Tindakan yang dilakukan oleh konsumen untuk membeli iPhone
a. Bentuk yang moderen b. Warna favorit c. Toko resmi
46
3.6 Populasi dan Sampel
1. Populasi Dalam penelitian kuantitatif, masalah yang sering dihadapi peneliti umumnya berkaitan dengan populasi yang diteliti. Pengertian populasi menurut Sugiyono (2008: 115) adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Populasi dari sampel ini adalah mahasiswa pengguna iPhone di Universitas Lampung. 2. Sampel Menurut Sugiyono (2008: 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. Apa yang dipelajari dari sampel itu, kesimpulannya akan dapat diberlakukan untuk populasi. Ukuran populasi dalam penelitian ini sangat banyak dan tidak dapat diketahui secara pasti, sehingga jumlah sampel yang digunakan dihitung dengan rumus sebagai berikut (Widiyanto, 2008: 59):
Keterangan: n=
Ukuran Sampel
47
Z=
Skor pada tingkat signifikan tertentu (derajat keyakinan ditentukan
95%) maka Z = 1,96 Moe = Margin of error , tingkat kesalahan maksimum adalah 10% Dilihat dari rumus diatas, maka diperoleh perhitungan sebagai berikut:
n = 96,04 = 97 Dari hasil perhitungan rumus diatas maka dapat diperoleh jumlah sampel yang diteliti sebesar 97, atau dilakukan pembulatan menjadi 100 responden. Adapun pengambilan sampel ini dengan menggunakan teknik purposive sampling yaitu merupakan salah satu metode penentuan sampel dengan kriteria tertentu. Kriteria pemilihan sampel dalam penelitian ini adalah: 1. Mahasiwa Universitas Lampung 2. Menggunakan iPhone 3. Bersedia menjadi responden
3.7 Skala Pengukuran Variabel
Skala pengukuran yang digunakan dalam penelitian ini adalah skala likert. Skala likert berhubungan terhadap suatu jawaban setiap indikator instrument yang menggunakan skala likert mempunyai gradasi dari nilai yang tertinggi sampai nilai yang terendah. Pilihan jawaban yang bisa dipilh oleh responden dalam penelitian ini adalah: Poin 1 untuk jawaban sangat tidak setuju (STS) Poin 2 untuk jawaban tidak setuju (TS) Poin 3 untuk jawaban netral (N)
48
Poin 4 untuk jawaban setuju (S) Poin 5 untuk jawaban sangat setuju (SS) 3.8 Pengujian Instrumen
3.8.1
Method of Successive Interval (MSI)
Ketika melakukan penelitian menggunakan regresi, path analysis, atau yang sejenisnya maka data yang diperlukan adalah mempunyai skala interval. Tetapi, kebanyakan dari data yang didapat melalui kuesioner itu mempunyai skala ordinal. sehingga dalam pengerjaannya data tersebut harus di tingkatkan dulu menjadi skala interval.
Metode suksesif interval merupakan proses mengubah data ordinal menjadi data interval. Karena, data ordinal sebenarnya adalah data kualitatif atau bukan angka sebenarnya. Data ordinal menggunakan angka sebagai simbol data kualitatif. Dalam banyak prosedur statistik seperti regresi, korelasi Pearson, uji t dan lain sebagainya mengharuskan data berskala interval. Oleh karena itu, jika kita hanya mempunyai data berskala ordinal, maka data tersebut harus diubah kedalam bentuk interval untuk memenuhi persyaratan prosedur-prosedur tersebut.
Langkah-langkah pengerjaan MSI ini seperti yang dijelaskan oleh Harun Rasyid (1994: 86) adalah: 1.
Memperhatikan banyaknya frekuensi (f) responden yang memberikan respon yang ada.
2.
menentukan untuk setiap item hitungan frekuensi (f) jawaban, tentukan beberapa responden yang mendapat skor (1, 2, 3, 4, 5).
3.
Tentukan proporsi (p) dengan frekuensi yang dibagi oleh banyaknya responden.
49
4.
Menghitung proporsi kumulatif (pk).
5.
Menghitung nilai Z, untuk setiap proporsi kumulatif yang diperoleh dengan menggunakan tabel normal.
6.
Menghitung scale value (SV).
Dengan langkah-langkah di atas, maka data yang tadinya berskala ordinal berubah menjadi skala interval.
3.9 Metode Analisis Data
Partial Least Square (PLS) adalah salah satu metode statitiska SEM berbasis varian yang didesain untuk menyelesaikan regresi berganda ketika terjadi permasalahan spesifik pada data, seperti ukuran sampel penelitian kecil, adanya data yang hilang dan multikolinearitas. PLS berbasis varian yang secara simultan dapat melakuakan pengujian model pengukuran sekaligus pengujian model pengukuran struktural (Jogiyanto, 2009: 11).
Model pengukuran digunakan untuk uji validitas dan reabilitas, sedangkan model struktural digunakan untuk uji kasualitas (pengujian hipotesis dengan model prediksi). Menurut Ghozali (2006: 316) tujuan PLS adalah membantu peneliti untuk tujuan prediksi. Model formalnya mendefinisikan variabel laten adalah linear agregat dari indikator-indikatornya. 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. Metode analisis data dalam penelitian ini terbagi menjadi dua yaitu:
50
3.9.1 Statistik Deskriptif
Analisis deskriptif, yaitu memberikan gambaran atau deskriptif empiris atas data yang dikumpulkan dalm penelitian (Ferdinand 2013: 72). Data tersebut berasal dari jawaban-jawaban responden atas item-item yang terdapat dalam kuisioner dan akan diolah dengan cara dikelompokan dan ditabulasikan kemudian diberi penjelasan.
3.9.2 Statistik Inferensial
Satatistik inferensial, (statistic induktif) atau (statistic probabilitas) adalah teknik statistik yang digunakan untuk menganalisis data sampel dan hasilnya diberlakukan untuk populasi (Sugiyono 2013: 103). Sesuai dengan hipotesis yang telah dirumuskan, maka dalam penelitian ini analisis data statistik inferensial diukur dengan menggunakan softwer SmartPLS (Partial Least Square) mulai dari pengukuran model (outer model), struktur model (inner model) dan pengujian hipotesis.
PLS (Partial Least Square) menggunakan metoda princple component analiysis dalam model pengukuran, yaitu blok ekstrasi varian untuk melihat hubungan indikator dengan konstruk latenya dengan menghitung total varian umum (common variance), varian spesifik (specific variance), dan varian error (error variance). Sehingga total varian menjadi lebih tinggi.
51
3.9.2.1 Pengukuran Model (Outer Model)
Outer model sering juga disebut (outer relation atau measurement model) yang medefinisikan bagaimana setiap blok indikator berhubungan dengan variabel latennya. Blok dengan indikator refleksif dapat ditulis persamaannya sebagai berikut: X = Λx ξ + εx................................................................................(3.1) Y = Λy η + εy................................................................................(3.2) Dimana x dan y adalah indikator variabel untuk variabel laten exogen dan endogen ξ dan η, sedangkan Λx dan Λy merupakan matrix loading yang menggambarkan laten dengan indikatornya. Residual yang diukur dengan εx dan εy dapat diinterpretasikan sebagai kesalahan pengukuran.
Model pengukuran (outler model) digunakan untu menilai validitas dan realibilitas model. Uji validitas dilakukan untuk mengetahui kemampuan instrumen penelitian mengukur apa yang seharusnya diukur (Jogiyanto dan Abdillah, 2009: 86). Sedangkan uji reabilitas digunakan untuk mengukur suatu konsep atau dapat juga digunakan untuk mengukur konsistensi responden dalam menjawab item pernyataan dalam kuisioner atau insrtument penelitian.
Convergent validity dari measurement model dapat dilihat dari korelasi antara skor indikator dengan skor variabelnya. Indikator dianggap valid jiak memiliki nilai AVE diatas 0,5 atau memperlihatkan seluruh outer loading dimensi variabel memiliki nilai loading > 0,5, sehingga dapat disimpulkan bahwa pengukuran
52
tersebut memenuhi kriteria validitas konvergen. Rumus AVE (average varians extracted) dapat dirumuskan sebagai berikut : AVE =
∑
...................................................................(3.3)
Keterangan : AVE adalah erarta ptresentase skor varian yang diektrasi dari seperangkat variabel laten yang diestimasi melalui loading standarlize indikatornya dalam proses iterasi algoritma dalam PLS
melambangkan standarlize loading factor dan i
adalah jumlah indikator.
Uji yang dilakukan pada outer model : a. Convergent Validity. Nilai convergen validity adalah nilai loading faktor pada variabel laten dengan indikator-indikatornya. Nilai yang diharapkan >0.5. b. Discriminant Validity. Nilai ini merupakan nilai cross loading faktor yang berguna untuk mengetahui apakah konstruk memiliki diskriminan yang memadai yaitu dengan cara membandingkan nilai loading pada konstruk yang dituju harus lebih besar dibandingkan dengan nilai loading dengan konstruk yang lain. c. Average Variance Extracted (AVE). Nilai AVE yang diharapkan >0.5. d. Cronbach Alpha. Uji reliabilitas diperkuat dengan Cronbach Alpha atau Composite Reliability. Nilai diharapkan >0.7 untuk semua konstruk.
Dibawah ini hasil prariset untuk mengetahui koesioner yang akan disebarkan layak atau tidak, praiset dilakukan dengan menyebarkan 50 kuesioner kepada 50 responden di Universitas Lampung. Kriteria layak dalam penelitian ini AVE > 0,5
53
dan Cross Loading > 0,5. Hasil dari uji validitas terhadap 19 item pernyataan kuesioner yang dilakukan pada 50 responden adalah sebagai berikut:
Tabel 3.2 Hasil Uji Validitas Measurement model Convergent Validity
Variabel X1 X2 X3 Z Y Diskrimiant Indikator Validity X1.1 X1.2 X1.3 X1.4 X1.5 X1.6 X2.1 X2.2 X2.3 X3.1 X3.2 X3.3 Z1.1 Z1.2 Z1.3 Z1.4 Y1.1 Y1.2 Y1.3 Sumber: Data Diolah, 2015
Hasil Outer Model AVE 0,536864 0,634192 0,937243 0,602763 0,624928 Cross Loading 0,863635 0,637742 0,876208 0,594544 0,576473 0,784259 0,885108 0,656876 0,829262 0,982833 0,933305 0,987274 0,907222 0,695359 0,839676 0,631997 0,881526 0,881526 0,566223
Nilai Kritis
>0,5
>0,5
Evaluasi Model
Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid
Berdasarkan Tabel 3.2 melalui pengukuran (outer loading) menyatakan bahwa semua indikator memenuhi kriteria sehingga dinyatakan valid. Selanjutnya uji reliabilitas dapat dilihat dari nilai Cronbach’s alpha dan nilai composite reliability (pc). Untuk dapat dikatakan suatu item pernyataan reliabel, maka nilai
54
Cronbach’s alpha harus > 0,5 dan nilai composite reliability harus > 0,7. Dengan menggunakan output yang dihasilkan SmartPLS maka composite reliability dapat dihitung dengan rumus sebagai berikut: pc=
.............................................................................(3.4)
Dimana λi adalalah component loading ke indikator dan
var(ε 1-λi
2
Dibandingkan
dengan Cronbach’s Alpha, ukuran ini tidak mengasumsikan tau equivalence antar pengukuran dengan asumsi semua indikator diberi bobot sama. Sehingga Cronbach’s Alpha cenderung lower bond estimate relibility, sedangkan Composite Reliability merupakan closer Approximation dengan asumsi ertimasi parameter adalah akurat. Hasil uji reliabilitas yang dilakukan pada 50 responden, dapat dilihat dalam tabel 3.3:
Tabel 3.3 Hasil Uji Reliabilitas Variabel
Composite Reliabilty
X1
0,871068
X2
0,836699
X3
0,978154
Z
0,856073
Y
0,828231
Nilai Kritis
Evaluasi Model
> 0,7
Reliabel
Sumber: Data Diolah, 2015
3.9.2.2 Model Struktural (Inner Model)
Model struktural (Inner Model) merupakan model struktural untuk memprediksi hubungan kausalitas antar variabel laten. Melalui proses bootsrrapping, parameter uji T-statistic diperoleh untuk memprediksi adanya hubungan kausalitas. Model
55
struktural (inner model) dievaluasi dengan melihat presentase variance yang dijelaskan oleh nilai R2 untuk variabel dependen dengan menggunakan ukuran Stone-Geisser Q-square test Geisser dan juga melihat besarnya koefisien jalur struktural. Model persamaannya dapat ditulis seperti dibawah ini.
η = β0 + βη| + r𝝃 + 𝜻.....................................................(3.5) η menggambarkan vector endogen (dependen) variabel laten, adalah 𝝃 vector variabel exogen (independent), dan 𝜻 adalah vector variabel residual. Oleh karena PLS didesain untuk model recursive, maka hubungan antar variabel laten, setiap variabel laten dependen η, atau sering disebut causal chain system dari variabel laten dapat dispesifikasikan sebagai berikut :
η=
iβjiηi
+
iƳ jb +
𝜻j....................................................(3.6)
βji dan Ƴ jb adalah koefisien jalur yang menghubungkan predictor endogen dan variabel laten 𝝃 dan η sepanjang range indeks i dan b, dan 𝜻j adalah inner residual variabel. Jika hasil menghasilkan nilai R² lebih besar 0,2 maka dapat diinterpretasikan bahwa predictor laten memiliki pengaruh besar pada level struktural.
Predictive Relevance R-square model PLS dapat dievaluasi dengan melihat Q-square predictive relevance untuk model variabel. Q-square mengukur seberapa baik nilai observasi yang dihasilkan oleh model dan juga estimasi parameternya. Nilai Q-square lebih besar dari 0 (nol) memperlihatkan bahwa model mempunyai nilai predicvtive
56
relevance, sedangkan nilai Q-square kurang dari 0 (nol) memperlihatkan bahwa model kurang memiliki predictive relevance. Namun jika perhitungan memperlibatkan nilai Q-square lebih dari 0 (nol) maka model layak dikatakan memilki nilai prediktif yang relevan, dengan rumus sebagai berikut : Q2 = 1 – ( 1 –R12 ) ( 1 – R22 )...( 1 – RP2 ) .......(3.7)
3.9.2.3 Model Analisis Persamaan Struktural
Model analisis struktural tahap pertama yang dibangun dalam penelitian ini dapat dilihat pada gambar:
Sumber: SmartPLS data diolah 2015 Gambar 3.1 Model Analisis Persamaan Struktural
57
3.10
Uji Hipotesis
Menurut Jogiyanto dan Abdillah (2009: 87), ukuran signifikansi keterdukungan hipotesis dapat digunakan perbandingan nilai T-table dan T-statistic. Jika Tstatistic lebih tinggi dibandingkan nilai T-table, berarti hipotesis terdukung atau diterima. Untuk mendapatkan nilai T-table dengan menggunakan rumus n(jumlah sampel)-k(jumlah variabel)-1. Kriteria uji T-statistic uji R Square (R2) dan Q Square (Q2). Kriteria nilai R Square sebesar 0.67 (kuat), 0.33 (moderat), dan 0.19 (lemah). Menurut Ghozali (2006: 319), nilai R Square dikatakan (kuat) jika nilai sebesar 0.67, dikatakan (moderat) jika nilai sebesar 0.33 dan dikatakan (lemah) jika nilai sebesar 0.19.
