SKRIPSI - TB141328 PENGARUH KARAKTERISTIK SOCIAL COMMERCE TERHADAP KEPERCAYAAN, NIAT BELI DAN NIAT WORD-OF-MOUTH PADA ONLINE SHOP DI INSTAGRAM
BELLA HARUM ASHARI NRP 2813100021
DOSEN PEMBIMBING: BERTO MULIA WIBAWA, S.Pi., M.M KO-PEMBIMBING SATRIA FADIL PERSADA, S.Kom., MBA., Ph.D
DEPARTEMEN MANAJEMEN BISNIS FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2017
i
ii
UNDERGRADUATE THESIS - TB141328 THE EFFECT OF SOCIAL COMMERCE CHARACTERISTICS TOWARDS TRUST, PURCHASE INTENTION AND WORD-OF-MOUTH INTENTION ON ONLINE SHOP IN INSTAGRAM
BELLA HARUM ASHARI 2813100021
SUPERVISOR: BERTO MULIA WIBAWA, S.PI., M.M. CO-SUPERVISOR: SATRIA FADIL PERSADA, S.Kom., MBA., Ph.D
DEPARTMENT OF BUSINESS MANAGEMENT FACULTY OF INDUSTRIAL TECHNOLOGY INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2017
iii
iv
LEMBAR PENGESAHAN
v
vi
PENGARUH KARAKTERISTIK SOCIAL COMMERCE TERHADAP KEPERCAYAAN, NIAT BELI DAN NIAT WORD-OF-MOUTH PADA ONLINE SHOP DI INSTAGRAM
Nama NRP Pembimbing Ko-Pembimbing
: Bella Harum Ashari : 2813100021 : Berto Mulia Wibawa, S.Pi., M.M : Satria Fadil Persada, S.Kom., MBA., Ph.D
ABSTRAK Perkembangan pengguna situs jejaring sosial di Indonesia telah memunculkan suatu paradigma e-commerce baru yang disebut social commerce (s-commerce). Salah satu media s-commerce yang bermanfaat untuk memfasilitasi jual beli produk maupun jasa adalah Instagram. Permasalahan yang menjadi keterbatasan dalam belanja online adalah kepercayaan. Penelitian ini bertujuan untuk menginvestigasi faktor kunci dari karakteristik s-commerce yaitu reputasi, kualitas informasi, keamanan transaksi, komunikasi, economic feasibility, dan referensi word-of-mouth, yang dapat membangun kepercayaan konsumen serta untuk mengetahui pengaruh kepercayaan terhadap niat beli dan niat word-ofmouth. Metode penelitian menggunakan deskriptif konklusif multiple crosssectional desain, serta teknik pengambilan sampel menggunakan judgemental sampling. Penyebaran kuesioner dilakukan dengan menggunakan metode survey online dan offline kepada 231 mahasiswi di 6 universitas di Kota Surabaya. Analisis data dalam penelitian ini menggunakan structural equation modeling, analysis of variance dan retail mix. Temuan dari penelitian ini adalah terdapat pengaruh signifikan antara karakteristik s-commerce yaitu komunikasi, economic feasibility, dan referensi word-of-mouth terhadap kepercayaan, serta kepercayaan berpengaruh signifikan terhadap niat beli dan niat word-of-mouth. Implikasi manajerial dapat diaplikasikan oleh peritel online untuk meningkatkan kredibilitas dan pendapatan online shop. Originalitas dari penelitian ini adalah berfokus pada kepercayaan konsumen dalam belanja online di s-commerce Instagram. Kata Kunci: S-commerce, kepercayaan, niat Beli, Niat Word-of-Mouth, Structrual Equation Modeling, Retail Mix.
vii
(Halaman ini sengaja dikosongkan)
viii
THE EFFECT OF SOCIAL COMMERCE CHARACTERISTICS TOWARDS TRUST, PURCHASE INTENTIONS AND WORD-OF-MOUTH INTENTIONS ON ONLINE SHOP IN INSTAGRAM Name NRP Supervisor Co-Supervisor
: Bella Harum Ashari : 2813100021 : Berto Mulia Wibawa, S.Pi., M.M : Satria Fadil Persada, S.Kom., MBA., Ph.D
ABSTRACT The development of social networking site users in Indonesia have led to a new e-commerce paradigm called social commerce (s-commerce). One of the scommerce media used to facilitate the online buying and selling of various product and service is Instagram. The problems that become limitations in online shopping is trust. This study aims to investigate the key factors of characteristics of s-commerce i.e reputation, information quality, transaction safety, communications, economic feasibility, and word-of-mouth refferals, that can build consumer’ trust, also to determine the effects of trust on purchase intention and word-of-mouth intention. The research method using descriptive conclusive multiple cross sectional design and using judgemental sampling as sampling technique. The questionnaires administrated by using online and offline survey method to 231 students from 6 university in Surabaya. The data analysis are using structural equation modeling, analysis of variance and retail mix. The findings of this research is communications, economic feasibility, and word-of-mouth refferals influencing significantly trust, and trust influencing significantly purchase intentions and word-of-mouth intentions. The managerial implications can be apply by online retailers to improve the credibility and revenue of the online shop. Originality of this study is focused on consumer’s trust on online shopping in the s-commerce Instagram. Keywords: S-commerce, Trust, Purchase Intention, Word of Mouth Intention, Structrual Equation Modeling, Retail Mix.
ix
(Halaman ini sengaja dikosongkan)
x
KATA PENGANTAR Puji syukur penulis kehadirat Allah SWT atas limpahan berkah dan rahmat-Nya sehingga penulis mampu menyelesaikan skripsi dengan judul “Pengaruh Karakteristik s-commerce terhadap Kepercayaan, Niat Beli dan Niat Word-of-Mouth pada Online Shop di Instagram”, yang merupakan syarat untuk menyelesaikan pendidikan Program Sarjana (S1) Jurusan Manajemen Bisnis ITS. Penulisan skripsi ini dilatarbelakangi oleh pengalaman penulis sendiri yang menggemari belanja online di media sosial Instagram. Instagram yang awalnya hanya berupa media sosial untuk berbagi foto kini dimanfaatkan oleh banyak pihak untuk berbisnis. Permasalahan yang dianggap penulis menarik terkait online shop di Instagram adalah bagaimana cara peritel online untuk dapat meraih kepercayaan konsumen, dimana dengan banyaknya jumlah online shop yang ada di Instagram juga membuat konsumen makin selektif dalam melakukan transaksi dengan online shop. Dengan adanya skripsi ini, penulis berharap dapat membantu peritel online untuk dapat memperhatikan aspek-aspek yang kiranya dapat membangun kepercayaan konsumen agar berkemauan untuk bertransaksi. Selama penulisan skripsi ini, penulis mendapat banyak dukungan dalam berbagai bentuk dari berbagai macam pihak. Oleh karena itu, penulis mengucapkan banyak terimakasih atas segaa bentuk dukungan yang diberikan. Adapun pihak-pihak yang membantu dalam penyelesaian skripsi ini antara lain sebagai berikut. 1. Imam Baihaqi S.T., M.Sc., Ph.D selaku Ketua Jurusan Manajemen Bisnis ITS. 2. Nugroho Priyo Negoro, S.T., S.E., M.M selaku Sekretaris Jurusan Manajemen Bisnis ITS. 3. Berto Mulia Wibawa, S.Pi., M.M selaku Dosen Pembimbing yang selalu sabar dalam membimbing, memberi arahan dan masukan bermanfaat bagi penulis dalam penyelesaian skripsi ini. 4. Satria Fadil Persada, S.Kom., MBA., Ph.D selaku Dosen Ko-Pembimbing yang telah memberikan kritik, saran, serta bantuan yang bermanfaat bagi penulis sehingga membuat penyelesaian ini menjadi lebih baik.
xi
5. Bapak dan Ibu Dosen tim pengajar Jurusan Manajemen Bisnis ITS yang telah banyak memberikan pembelajaran bagi penulis selama kuliah juga selama penyelesaian skripsi ini. 6. Kedua orang tua dan keluarga penulis, Ibu Sari, Bapak Hadi, Mahendra, Ibu Hariyathi dan Bapak A. Badrus yang telah menemani hingga saat ini, juga memberikan banyak dukungan baik moral maupun materi bagi penulis. 7. Sahabat-sahabat penulis, Yudha Setya Kusuma, Azalia Putri, Dina Tandiana, Anindita Amalia, Ayu Citra Islami, Luthfiyah Azzahra, Hayuning Permata, Karima Zakiyulfani, Khoirunnisa, dan Malinda Indriani yang kehadirannya telah memberikan semangat serta keceriaan bagi penulis. 8. Nyemas Dinda, Resi Octovianisa, Amanda Santoso, Alit Koesetyo dan temanteman lainnya yang bersama-sama saling mendukung dan memperjuangkan penyelesaian skripsi pada semester tujuh ini. 9. Teman-teman Forselory, Asisten Laboratorium ESME, Asisten Laboratorium BAS dan Asisten Laboratorium PSMI yang telah banyak membantu penulis, terutama saat dilaksanakannya proses pengumpulan data. 10. Keluarga Mahasiswa Manajemen Bisnis ITS dan teman-teman BMSA atas dukungannya. 11. Semua pihak yang tidak bisa disebutkan satu-persatu atas segala bantuannya kepada penulis selama pengerjaan skripsi.
xii
DAFTAR ISI
LEMBAR PENGESAHAN..................................................................................... v ABSTRAK ............................................................................................................ vii ABSTRACT ............................................................................................................. ix KATA PENGANTAR............................................................................................ xi DAFTAR ISI ........................................................................................................ xiii DAFTAR TABEL ............................................................................................... xvii DAFTAR GAMBAR ........................................................................................... xix BAB I PENDAHULUAN ....................................................................................... 1 1.1 Latar Belakang .................................................................................................. 1 1.2 Perumusan Masalah ........................................................................................... 7 1.3 Tujuan ............................................................................................................... 8 1.4 Manfaat.............................................................................................................. 8 1.4.1 Manfaat Praktis ....................................................................................... 8 1.4.2 Manfaat Keilmuan .................................................................................. 8 1.5 Batasan dan Asumsi .......................................................................................... 9 1.6 Sistematika Penulisan........................................................................................ 9 BAB II LANDASAN TEORI ............................................................................... 11 2.1 Ritel ................................................................................................................ 11 2.1.1 Online Retail ......................................................................................... 11 2.1.2 Retail Mix .............................................................................................. 13 2.2 Electronic Commerce ...................................................................................... 14 2.2.1 Definisi Electronic Commerce .............................................................. 14 2.2.2 Social Commerce .................................................................................. 15 2.2.3 Karakteristik Social Commerce ............................................................ 16 2.3 Kepercayaan .................................................................................................... 19 2.4 Performa Kepercayaan .................................................................................... 20 2.4.1 Niat Beli ................................................................................................ 20 2.4.2 Niat Word-of-Mouth (WOM)................................................................ 21 2.5 Kajian Penelitian Terdahulu ............................................................................ 23 2.6 Research Gap .................................................................................................. 28 2.7 Kerangka Penelitian Konseptual ..................................................................... 28
xiii
BAB III METODOLOGI PENELITIAN .............................................................. 31 3.1 Waktu dan Tempat Penelitian.......................................................................... 31 3.2 Desain Penelitian ............................................................................................. 31 3.2.1 Jenis Desain Penelitian .......................................................................... 32 3.2.2 Data yang Dibutuhkan ........................................................................... 32 3.2.3 Data Sekunder ....................................................................................... 33 3.2.4 Data Primer ........................................................................................... 33 3.2.5 Penentuan Skala Pengukuran ................................................................ 33 3.2.6 Teknik Pengumpulan Data .................................................................... 34 3.2.7 Teknik Sampling ................................................................................... 36 3.4 Teknik Pengolahan Data .................................................................................. 38 3.4.1 Analisis Deskriptif................................................................................. 38 3.4.2 Pengujian Data Terhadap Asumsi ......................................................... 40 3.4.3 Uji Validitas dan Reliabilitas ................................................................ 42 3.4.4 Analysis of Variance (ANOVA) ........................................................... 43 3.4.5 Uji Hipotesis .......................................................................................... 43 3.4.6 Retail Mix .............................................................................................. 49 3.4.7 Definisi Operasional Variabel ............................................................... 50 BAB IV PENGUMPULAN DAN PENGOLAHAN DATA ................................ 57 4.1 Analisis Deskriptif ........................................................................................... 57 4.1.1 Analisis Deskriptif Demografi .............................................................. 57 4.1.2 Analisis Deskriptif Usage ..................................................................... 63 4.1.3 Analisis Crosstab .................................................................................. 72 4.2 Analisis Data Penelitian................................................................................... 80 4.2.1 Data Screening ...................................................................................... 80 4.2.2 Model Pengukuran ................................................................................ 80 4.2.3 Analysis of Variance (ANOVA) ........................................................... 98 4.2.4 Model Struktural ................................................................................. 100 BAB V ANALISIS DAN DISKUSI ................................................................... 107 5.1 Pengujian Hipotesis ....................................................................................... 107 5.1.1 Hipotesis 1 (Reputasi mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop) ................................................... 107
xiv
5.1.2 Hipotesis 2 (Kualitas informasi mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop) .................................... 108 5.1.3 Hipotesis 3 (Keamanan transaksi mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop) .................................... 109 5.1.4 Hipotesis 4 (Komunikasi mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop) ................................................... 111 5.1.5 Hipotesis 5 (Economic feasibility mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop) .................................... 112 5.1.6 Hipotesis 6 (Referensi Word-of-Mouth mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop) .................................... 114 5.1.7 Hipotesis 7 (Kepercayaan mempunyai pengaruh positif terhadap niat beli) .............................................................................................................. 115 5.1.8 Hipotesis 8 (Kepercayaan mempunyai pengaruh positif terhadap niat word-of-mouth) ............................................................................................ 117 5.2 Implikasi Manajerial ..................................................................................... 118 5.2.1 Implikasi Manajerial Deskriptif Demografi........................................ 118 5.2.2 Implikasi Manajerial Deskriptif Usage ............................................... 118 5.2.3 Implikasi Manajerial Structural Equation Modeling (SEM) .............. 120 BAB VI SIMPULAN DAN SARAN .................................................................. 131 6.1 Simpulan........................................................................................................ 131 6.2 Saran .............................................................................................................. 132 6.2.1 Saran untuk Objek Amatan ................................................................. 132 6.2.2 Saran untuk Penelitian Selanjutnya .................................................... 132 DAFTAR PUSTAKA ......................................................................................... 135 Lampiran 1. Kuesioner Offline ............................................................................ 147 Lampiran 2. Kuesioner Online ............................................................................ 153 Lampiran 3. Data Penelitian ................................................................................ 165 Lampiran 4. Crosstab .......................................................................................... 177 Lampiran 5. Hubungan Variabel Laten dan Variabel Indikator .......................... 181 Lampiran 6. Cronbach’s Alpha ........................................................................... 185 Lampiran 7. Uji Validitas dan Reliabilitas .......................................................... 187 Lampiran 8. Uji Validitas dan Reliablitas Setelah Reduksi ................................ 189 Lampiran 9. Nilai Z-score ................................................................................... 191 Lampiran 10. Q-Q Plots ...................................................................................... 193
xv
Lampiran 11. Scatter Plot Uji Linearitas............................................................. 195 Lampiran 12. Uji Homoskedastisitas................................................................... 197 Lampiran 13. ANOVA Asal Universitas ............................................................. 199 Lampiran 14. Model Struktural Awal.................................................................. 205 Lampiran 15. Model Struktural Respesifikasi ..................................................... 209 Lampiran 16. Survey Offline ............................................................................... 213
xvi
DAFTAR TABEL Tabel 2.1 Penelitian Terdahulu ............................................................................. 27 Tabel 3.1 Timeline Penelitian ............................................................................... 31 Tabel 3.2 Skala Likert dalam Penelitian................................................................ 34 Tabel 3.3 Goodness-of-Fit .................................................................................... 49 Tabel 3.4 Definisi Operasional Variabel ............................................................... 51 Tabel 4.1 Demografi Responden ........................................................................... 57 Tabel 4.2 Usage..................................................................................................... 63 Tabel 4.3 Asal Universitas – Frekuensi Belanja Online – Pengeluaran Belanja Online ................................................................................................... 73 Tabel 4.4 Asal Universitas – Frekuensi Belanja Online – Produk ........................ 74 Tabel 4.5 Asal Universitas – Frekuensi Belanja di Online shop favorit – Pertimbangan Memfavoritkan Online shop .......................................... 76 Tabel 4.6 Asal Universitas – Jumlah Uang Saku – Pengeluaran Belanja Online . 78 Tabel 4.7 Validitas Konvergen.............................................................................. 81 Tabel 4.8 Model Pengukuran ................................................................................ 82 Tabel 4.9 Model Pengukuran SEM setelah Reduksi ............................................. 85 Tabel 4.10 Variabel Komposit .............................................................................. 95 Tabel 4.11 Mean Difference ANOVA Asal Universitas ....................................... 99 Tabel 4.12 Nilai Goodness-of-Fit Model Struktural Awal ................................. 102 Tabel 4.13 Modification Indices.......................................................................... 102 Tabel 4.14 Nilai Goodness-of-Fit Model Struktural setelah Respesifikasi ......... 104 Tabel 4.15 Hasil Uji Hipotesis ............................................................................ 104 Tabel 5.1 Implikasi Manajerial ........................................................................... 126 Tabel 5.2 Implikasi Manajerial sesuai Retail Mix ............................................... 129
xvii
(Halaman ini sengaja dikosongkan)
xviii
DAFTAR GAMBAR Gambar 1.1 Aktivitas Virtual Pengguna Internet di Indonesia (APJII, 2014) ...... 2 Gambar 1.2 Pendapatan S-Commerce Seluruh Dunia (Statista, 2016) ................. 3 Gambar 1.3 Macam-macam Digital Retailer di Instagram (JakPat, 2015) ........... 5 Gambar 2.1 Lingkungan Social Commerce (Wang & Zhang, 2012) .................. 15 Gambar 2.2 Kerangka Penelitian Konseptual ..................................................... 29 Gambar 3.1 Jenis Desain Penelitian .................................................................... 32 Gambar 3.2 Model Penelitian (Kim & Park, 2013) ............................................ 55 Gambar 4.1 Usia .................................................................................................. 59 Gambar 4.2 Asal Universitas .............................................................................. 60 Gambar 4.3 Uang Saku per Bulan ....................................................................... 60 Gambar 4.4 Sumber Pendapatan Lain ................................................................. 61 Gambar 4.5 Pengeluaran per Bulan..................................................................... 62 Gambar 4.6 Pengeluaran Belanja Online per Bulan ........................................... 63 Gambar 4.7 Lama Aktif Instagram ..................................................................... 65 Gambar 4.8 Lama Aktif Follow Online shop...................................................... 66 Gambar 4.9 Jumlah Following di Instagram ....................................................... 66 Gambar 4.10 Jumlah Followers di Instagram ....................................................... 67 Gambar 4.11 Jumlah Online shop yang di Follow ................................................ 68 Gambar 4.12 Frekuensi Belanja di Online shop ................................................... 68 Gambar 4.13 Produk yang Paling Sering di Beli .................................................. 69 Gambar 4.14 Asal Mengetahui Online shop Favorit ............................................ 70 Gambar 4.15 Frekuensi Belanja di Online shop Favorit ....................................... 71 Gambar 4.16 Pertimbangan dalam Memfavoritkan Online shop.......................... 72 Gambar 4.17 Konstruk Reputasi ........................................................................... 87 Gambar 4.18 Konstruk Kualitas Informasi ........................................................... 88 Gambar 4.19 Konstruk Keamanan Transaksi ....................................................... 89 Gambar 4.20 Konstruk Komunikasi ..................................................................... 90 Gambar 4.21 Konstruk Economic Feasibility ....................................................... 91 Gambar 4.22 Konstruk Referensi WOM............................................................... 92 Gambar 4.23 Konstruk Kepercayaan .................................................................... 93
xix
Gambar 4.24 Konstruk Niat Beli ........................................................................... 93 Gambar 4.25 Konstruk Niat WOM ....................................................................... 94 Gambar 4.26 Model Struktural Awal .................................................................. 101 Gambar 4.27 Model Struktural setelah Respesifikasi ......................................... 103 Gambar 5.1 Model Struktural Penelitian ........................................................... 107
xx
BAB I PENDAHULUAN Pada bab ini akan membahas mengenai
latar belakang, rumusan
permasalahan, tujuan dan manfaat penelitian, batasan dan asumsi serta mekanisme penulisan skripsi. 1.1 Latar Belakang Dunia saat ini sedang memasuki era globalisasi, dimana terjadinya kebebasan arus informasi, komunikasi dan perdagangan yang tak lagi mengenal batas. Didukung dengan kecepatan teknologi yang berkembang kian pesat, dampak globalisasi mulai mengubah gaya hidup dan cara berpikir masyarakat, termasuk masyarakat Indonesia. Menurut Holmes (2005), teknologi informasi telah menjadi bagian dari kehidupan masyarakat dan mempengaruhi banyak aspek dalam masyarakat dari berbagai sisi, baik dari sisi perdagangan, sosial, ekonomi dan komunikasi. Masyarakat modern yang akrab dengan teknologi dalam kesehariannya, membawa implikasi dari keberadaan teknologi itu sendiri yang dewasa ini telah merubah banyak hal dalam kehidupan masyarakat. Salah satu perubahan gaya hidup masyarakat Indonesia yang paling terlihat adalah penggunaan internet. Internet berperan dalam globalisasi komunikasi karena dengan kemudahan yang diberikan oleh internet, telah membantu masyarakat dalam mendapatkan informasi, baik dalam negeri maupun luar negeri (Straubhaar et al, 2011). Sejak masuknya internet ke Indonesia pada akhir tahun 1989, butuh waktu sekitar 20 tahun untuk mengembangkan internet sehingga dapat dinikmati dan diakses untuk berbagai kegiatan virtual. Hal ini membuktikan bahwa perkembangan di Indonesia cukup cepat. Penggunaan internet di Indonesia dari tahun ke tahun pun meningkat drastis. Menurut McKinsey (2016), terjadi peningkatan 70 juta pengguna internet di Indonesia hanya dalam waktu 6 tahun. Pada tahun 2016 ini, jumlah pengguna internet di Indonesia telah mencapai angka 102,8 juta orang (Gryseels et al, 2016). Dengan jumlah penduduk Indonesia yang semakin bertambah, dalam beberapa 1
tahun kedepan diprediksikan pengguna internet di Indonesia juga kian bertambah. Terlebih lagi, beberapa kegiatan sehari-hari kini telah dapat dilakukan secara virtual melalui internet. Berikut rangkuman berbagai kegiatan virtual yang dilakukan oleh pengguna internet seperti mengirim surel, mencari informasi, mencari barang/jasa, aktif media sosial serta melakukan pembelian barang/jasa (Gambar 1.1). Merekrut calon tenaga kerja
38.08
Melakukan pembelian barang/jasa
45.07
Internet Banking
47.26
Menerima pemesanan barang/jasa
55.07
Menyediakan pelayanan bagi pelanggan
61.23
Media Sosial
61.23
Mencari informasi barang/jasa
77.81
Mencari informasi berita
79.49
Mengirim/ Menerima e-mail
95.75 0
20
40
60
80
100
120
Gambar 1.1 Aktivitas Virtual Pengguna Internet di Indonesia (APJII, 2014) Menariknya, sebanyak 45,07 persen pengguna internet telah melakukan pembelian barang atau jasa secara online. Hal ini mengindikasikan transisi perilaku konsumen yang awalnya melakukan pembelian di offline store, kini mulai beralih pada online store (Manganari et al, 2011). Kegiatan virtual lain yang dilakukan oleh pengguna internet di Indonesia adalah aktif media sosial, yaitu sebanyak 61,23 persen yang menunjukkan bahwa situs jejaring sosial juga telah menjadi bagian dari kehidupan masyarakat Indonesia. Situs jejaring sosial yang digunakan pun beragam. Dari ragam jenis situs jejaring sosial tersebut, yang populer digunakan oleh masyarakat Indonesia antara lain adalah Facebook, Youtube, Instagram, Blog, dan Google Plus (Tea, 2014). Banyaknya penggunaan situs jejaring sosial oleh pengguna internet telah memunculkan konsep e-commerce baru yang disebut social commerce (s-commerce) (Kim & Park, 2013). Marsden dalam Kim & Park (2013) menyatakan bahwa s-
2
commerce adalah perpaduan antara e-commerce dengan situs jejaring sosial untuk memfasilitasi jual beli produk dan jasa dengan menggunakan teknologi internet. Namun, perbedaan antara s-commerce dengan e-commerce adalah e-commerce berfokus pada memaksimalkan efisiensi dengan strategi pencarian yang canggih, pembelian barang dengan one-click, dan rekomendasi berdasarkan kegiatan belanja masa lalu konsumen. S-commerce, disisi lain, menempatkan tujuan belanja yang dikombinasi dengan tujuan sosial seperti berbagi informasi pada situs jejaring sosial (Wang & Zhang, 2012). Fenomena s-commerce pertama muncul pada akhir tahun 2005, yaitu dengan diluncurkannya Yahoo! Shoposphere. Hingga tahun 2015 lalu, pendapatan s-commerce di seluruh dunia adalah sebesar 30 milliar US dollar, dimana terus mengalami kenaikan yang drastis mulai tahun 2011 hingga 2015 (Statista, 2016). Berikut rangkuman pendapatan s-commerce di seluruh dunia mulai tahun 2011 hingga 2015 (Gambar 1.2). 35 30 30
US Dollar
25 20 20 14
15 9
10 5 5 0
Tahun 2011
2012
2013
2014
2015
Gambar 1.2 Pendapatan S-Commerce Seluruh Dunia (Statista, 2016) Dengan jumlah pendapatan yang terus meningkat, bisnis s-commerce menjadi salah satu potensi bisnis digital yang menarik bagi peritel online. Pemerintah Indonesia juga telah mulai aktif dalam mengatur perdagangan elektronik di Indoneai melalui Rancangan Peraturan Pemerintah (RPP) e-commerce. Karena apabila UKM di Indonesia dapat memaksimalkan akses internet dalam memasarkan produknya, hal
3
tersebut dapat meningkatkan pertumbuhan ekonomi nasional sebesar 2 persen (Manroe, 2015). Menurut Paquette (2013), pemasar dan peritel online dapat memanfaatkan situs jejaring sosial untuk menjangkau konsumen dengan menawarkan cara baru untuk berbelanja. Salah satu situs jejaring sosial yang popular dijadikan sebagai media untuk berbisnis online adalah Instagram. Instagram merupakan situs jejaring sosial yang memungkinkan pengguna mengambil foto/video, menerapkan filter digital, dan membagikan foto/video di akun yang dimiliki. Aplikasi Instagram pun telah diunduh lebih dari 1 milliar kali di seluruh dunia. Berbagai fitur ditawarkan oleh Instagram, yang berguna untuk memudahkan pengguna Instagram, seperti commenting & liking, tagging, image tools, image subjects, juga search & explore. Didukung dengan adanya fitur-fitur tersebut, Kunto (2016) menyatakan bahwa 71 persen pengguna Instagram di Indonesia mengakses akun Instagram yang dimiliki setiap memiliki waktu luang, dan 12 persen melakukan hal tersebut sedikitnya 1 kali setiap jam. Pengguna Instagram di Indonesia pun cukup besar, yaitu sebanyak 32 persen dari total penduduk Indonesia atau sekitar 80 juta pengguna (Wijaya, 2016). Dengan jumlah pengguna Instagram yang sedemikian besar, pemasaran produk maupun jasa melalui Instagram akan mempermudah pemasar dalam memasarkan produk/jasa yang akan dijual, mempermudah komunikasi dengan konsumen, serta menurunkan biaya operasional perusahaan (Pratama, 2015). Pengguna Instagram di Indonesia terdiri dari berbagai kalangan dan berbagai usia. Sebanyak 89 persen pengguna Instagram di Indonesia berada pada usia 18 hingga 35 tahun, dan 63 persen diantaranya adalah wanita (Wijaya, 2016). Survey eMarketer (2016) juga menunjukkan hasil bahwa sekitar 52 persen pengguna Instagram mengikuti berbagai macam akun digital retailer atau disebut juga online shop. Fenomena online shop sendiri bermula dari kota-kota besar di Indonesia seperti Jakarta, Bandung, Surabaya, hingga akhirnya merambah ke daerah rural seperti di Kalimantan, Sulawesi dan Nusa Tenggara. Keunggulan Instagram seperti tidak perlunya peritel online untuk memiliki akun Instagram berbayar, kemudahan promosi dengan hanya mengunggah foto produk, serta adanya koneksi langsung pada
4
konsumen membuat makin banyak peritel online yang membuka online shop di Instagram. Selain itu, peritel online dapat meraih target pasar yang lebih besar tanpa memandang batas geografis. Terdapat beberapa tipe online shop yang diikuti oleh pengguna Instagram, dimana mayoritas merupakan online shop yang menjual pakaian sebanyak 67,5 persen, fashion accessories sebanyak 64,9 persen, dan tipe online shop lain yang menjual mainan, gadget, kosmetik, serta kuliner (Gambar 1.3).
Gambar 1.3 Macam-macam Digital Retailer di Instagram (eMarketer, 2016) Bisnis s-commerce di Instagram menjadi peluang bagi peritel online untuk memperluas basis konsumen. Kunci bagi peritel online di Instagram agar dapat terus berkembang adalah dengan mengikuti perkembangan perubahan perilaku konsumen dan menerapkan strategi yang membangun hubungan jangka panjang dengan konsumen. Salah satu cara untuk membangun hubungan dengan konsumen adalah dengan mengidentifikasi dan memahami keinginan konsumen. Permasalahan yang kerap dialami oleh konsumen terkait belanja online adalah tentang kepercayaan (Freischlad, 2015). Konsumen perlu memiliki jaminan bahwa penawaran produk atau jasa yang dijual dapat dipercaya. Ketika konsumen mencari produk maupun jasa pada online shop, konsumen akan sering menemui online shop yang masih belum dikenal sehingga konsumen akan cenderung ragu untuk melakukan pembelian. Terlebih lagi, sistem pembayaran di online shop masih manually check, yang mana berbeda dengan sistem di kebanyakan e-commerce yang telah memakai 5
sistem automatically check yang semakin menambah keraguan bagi konsumen untuk membeli dan bertransaksi di online shop. Sehingga konsumen yang percaya pada ecommerce belum tentu percaya pada s-commerce (Kim & Park, 2013). Oleh karena itu, isu tentang kepercayaan dalam transaksi pembelian online menjadi hal yang krusial untuk dipahami oleh peritel online yang berkecimpung dalam bisnis scommerce. Peritel online memiliki peluang untuk terus tumbuh dan berinovasi jika mereka menemukan solusi atau strategi yang dapat mengatasi keluhan konsumen, termasuk yang berhubungan dengan kecemasan atau ketidakpastian yang disebabkan oleh ketidakpercayaan konsumen (Jarvenpaa et al, 2000 dalam Kim & Park, 2013). Peritel online harus mengetahui faktor apa saja yang akan membangun kepercayaan konsumen agar menimbulkan niat beli dan niat WOM. Karena kepercayaan konsumen merupakan faktor krusial yang dapat menimbulkan pembelian baik dalam lingkungan offline maupun online (Winch & Joyce, 2006). Tanpa membangun kepercayaan pada konsumen, transaksi bisnis tidak akan memungkinkan untuk dilakukan dalam lingkungan online. Begitu pula dengan WOM, kepercayaan juga diduga dapat menjadi emosi yang kuat sehingga dapat menimbulkan WOM (Rannaweera & Prabhu, 2003). WOM sering diargumenkan sebagai karakteristik dari pelanggan yang loyal, dimana konsumen yang loyal pasti berawal dari konsumen yang percaya. Beberapa penelitian tentang kepercayaan dalam lingkungan bisnis online sendiri telah dilakukan dikarenakan lingkungan bisnis ini tidak dapat ditebak dan tidak ada interaksi face-to-face antara konsumen dan penjual (Doney & Cannon, 1997; Gefen, 2000; Jones & Leonard, 2008). Penelitian tersebut menyarankan berbagai macam karakteristik yang berperan penting dalam membangun kepercayaan dalam niat beli online. Penelitian Kim & Park (2013) mengembangkan karakteristik s-commerce yang diwakilkan oleh 7 konstruk yaitu reputasi, ukuran, kualitas informasi, keamanan transaksi, komunikasi, economic feasibility, dan referensi wordof-mouth (WOM) untuk menyelidiki faktor kunci pembangun kepercayaan konsumen. Kim & Park (2013) juga memeriksa hubungan antara kepercayaan dengan niat beli dan niat WOM sehingga dapat memberikan wawasan baru dalam faktor yang
6
mempengaruhi pembentukan kepercayaan di s-commerce dan niat beli serta niat WOM pada konsumen. Dalam penelitian kali ini, peneliti mencoba mengaplikasikan model penelitian Kim & Park (2013) dengan menggunakan 6 konstruk karakteristik s-commerce yaitu reputasi, kualitas informasi, keamanan transaksi, komunikasi, economic feasibility, dan referensi WOM untuk menganalisis faktor kunci pembangun kepercayaan konsumen serta menganalisis bagaimana hubungan antara kepercayaan pada niat beli dan niat WOM. Penelitian ini penting dilakukan agar peritel online yang berbisnis menggunakan media Instagram mengetahui faktor apa saja yang dapat membangun kepercayaan konsumen dalam belanja online, serta mengetahui peran kepercayaan dalam menimbulkan niat beli dan niat WOM produk/jasa dalam konteks belanja online di Instagram, sehingga kedepannya peritel online dapat memahami dan mengaplikasikan strategi untuk mendapat kepercayaan konsumen dan konsumen pun percaya untuk melakukan pembelian dan melakukan WOM pada online shop tersebut. 1.2 Perumusan Masalah Dengan adanya permasalahan terkait kepercayaan serta persepsi konsumen terhadap karakteristik s-commerce yang terdiri dari reputasi, kualitas informasi, keamanan transaksi, komunikasi, economic feasibility dan referensi word-of-mouth (WOM) dalam konteks belanja online khususnya dalam lingkungan s-commerce, maka penting untuk mengidentifikasikan karakteristik dari s-commerce dalam membangun kepercayaan, niat beli dan niat WOM konsumen. Maka dari itu, perumusan masalah yang digunakan pada penelitian kali ini adalah “faktor karakteristik s-commerce (reputasi, kualitas informasi, keamanan transaksi, komunikasi, economic feasibility, dan referensi WOM) apa sajakah yang berpengaruh terhadap kepercayaan konsumen, serta bagaimanakah pengaruh kepercayaan konsumen terhadap niat beli dan niat WOM pada online shop di Instagram?”.
7
1.3 Tujuan Sesuai dengan perumusan masalah diatas, maka yang menjadi tujuan dalam penelitian ini adalah: 1. Mengidentifikasi dan menginvestigasi variabel kunci dari karakteristik scommerce yang mempengaruhi kepercayaan konsumen. 2. Menganalisis pengaruh kepercayaan konsumen terhadap niat beli dan niat wordof-mouth dalam konteks belanja online di s-commerce. 3. Merumuskan rekomendasi strategi pemasaran bagi digital retailer pemilik akun online shop di Instagram untuk dapat meraih kepercayaan konsumen untuk berbelanja
online,
sehingga
konsumen
akan
memiliki
niat
beli
dan
mempromosikan online shop tersebut.
1.4 Manfaat Manfaat penelitian yang diharapkan dari pelaksanaan penelitian ini meliputi manfaat praktis dan manfaat keilmuan. 1.4.1 Manfaat Praktis Hasil penelitian ini diharapkan dapat memberikan manfaat bagi peritel online dalam menentukan langkah-langkah strategis dalam upaya membangun kepercayaan konsumen sehingga mampu menimbulkan niat beli dan niat word-of-mouth pada online shop tersebut. Selain itu, penelitian ini dapat menjadi masukan dan informasi bagi peritel online untuk memahami faktor kunci yang membangun kepercayaan konsumen. 1.4.2 Manfaat Keilmuan Dapat memberi wawasan dan pengetahuan pada peneliti terkait serta memberikan kesempatan bagi peneliti untuk menerapkan teori-teori yang didapat selama masa perkuliahan. Serta dapat memberikan kontribusi teoritis terkait dengan topik kepercayaan konsumen dalam belanja online yang mungkin berguna bagi penelitian-penelitian dengan topik sejenis di masa mendatang.
8
1.5 Batasan dan Asumsi Batasan yang digunakan dalam penelitian ini adalah: 1. Atribut-atribut karakteristik s-commerce terdiri dari reputasi, kualitas informasi, keamanan transaksi, komunikasi, economic feasibility, dan referensi word-ofmouth. 2. Responden merupakan mahasiswi di 6 Universitas di Kota Surabaya, yaitu ITS, Universitas Airlangga, Universitas Negeri Surabaya, UIN Sunan Ampel, Universitas Hang Tuah dan Universitas Tujuh Belas Agustus. 3. Objek penelitian berupa online shop yang berbisnis melalui media sosial Instagram saja. 4. Penelitian ini menggunakan mulitple-cross sectional design sehingga penelitian hanya dilakukan pada satu waktu saja. 5. Rekomendasi strategi yang ditujukan bagi peritel online dirumuskan tanpa validasi dari pihak peritel online itu sendiri. Asumsi yang digunakan dalam penelitian ini adalah: 1. Data kuesioner yang diolah telah memenuhi kecukupan data. 2. Responden dianggap mewakili populasi dari mahasiswi di 6 universitas di Kota Surabaya yang melakukan belanja online di Instagram. 3. Seluruh responden pada penelitian memiliki wawasan yang homogen terhadap online shop di Instagram.
1.6 Sistematika Penulisan Untuk memudahkan penulisan, pembahasan dan penilaian skripsi ini, maka dalam pembuatannya akan dibagi menjadi beberapa bab dengan sistematika sebagai berikut: BAB I PENDAHULUAN Menjelaskan latar belakang permasalahan, rumusan permasalahan, tujuan penelitian, manfaat penelitian, batasan dan asumsi yang digunakan serta sistematika penulisan mengenai karakteristik s-commerce dalam membentuk kepercayaan serta pengaruh kepercayaan pada niat beli dan niat word-of-mouth.
9
BAB II LANDASAN TEORI Manyajikan teori-teori yang digunakan peneliti sebagai landasan pelaksanaan penelitian. Adapun teori yang akan dibahas adalah teori ritel, e-commerce, scommerce, kepercayaan, niat beli dan niat word-of-mouth. Pada bagian akhir dari bab ini akan disertakan penelitian-penelitian terdahulu yang berkaitan dengan penelitian ini. BAB III METODOLOGI PENELITIAN Mengemukakan langkah-langkah prosedur yang akan dilakukan dalam melakukan penelitian yang berisi kerangka penelitian dan hipotesis penelitian, pengukuran dan variabel penelitian, desain penelitian, serta teknik analisis data yang digunakan. BAB IV. PENGUMPULAN DAN PENGOLAHAN DATA Menjelaskan proses pengumpulan serta pengolahan data yang terdiri analisis deskriptif demografi, analisis deskriptif usage, analisis crosstab, analisis model pengukuran, ANOVA, dan analisis model struktural. BAB V. ANALISIS DAN DISKUSI Memberikan penjelasan lebih mendalam mengenai hasil analisis SEM yang telah dilakukan pada bab sebelumnya dengan dikaitkan teori pendukung serta menjelaskan implikasi dari hasil penelitian. BAB VI. SIMPULAN DAN SARAN Menyajikan hasil simpulan penelitian dan saran untuk pihak peritel online maupun untuk penelitian selanjutnya.
10
BAB II LANDASAN TEORI Pada bab ini, peneliti melakukan studi literatur dengan mencari referensi yang bersumber text book maupun jurnal untuk digunakan sebagai pedoman dan landasan teori dalam memecahkan masalah yang ada. 2.1 Ritel Ritel adalah salah satu aktivitas yang penting dalam mata rantai konsumsi. Usaha ritel atau eceran merupakan aktivitas terkait penjualan barang atau jasa siap pakai. Definisi ritel menurut Berman & Evans (2010) adalah kegiatan bisnis dalam penjualan barang dan jasa pada konsumen untuk konsumsi pribadi atau keperluan rumah tangga. Sedangkan menurut Kotler & Keller (2013), ritel merupakan bentuk toko yang menawarkan dan menjual produk pada konsumen secara satuan, dimana konsumen tersebut adalah konsumen akhir. Dalam sistemnya, pihak ritel melakukan pembelian produk dalam jumlah grosir kemudian melakukan pemecahan atau breaking bulk pada produk yang nantinya akan dijual kembali dalam bentuk eceran. Tentunya akan terdapat permainan harga yang ditetapkan oleh retailer pada produk atau jasa yang dijual yang bertujuan untuk mendapat marjin keuntungan. Meski ritel dapat dinyatakan sebagai pergerakan final produk dari produsen ke konsumen, namun ritel bukanlah fungsi bisnis yang statis atau homogen (Lusch, 1982). Ritel terus berubah secara kontinyu dengan berbagai cara. Alasan mengapa ritel dapat berubah adalah karena ritel tidak beroperasi dalam lingkungan yang terkontrol. Beberapa faktor yang mempengaruhi perubahan dalam industri ritel adalah perilaku konsumen, perilaku kompetitor, sistem peraturan, keadaan teknologi dan keadaan sosioekonomi dalam masyarakat (Lusch, 1982). 2.1.1 Online Retail Konsep
ritel
online
berkembang
selama
beberapa
tahun
terakhir.
Perkembangan ritel online telah diprediksi oleh analis pada tahun 1998 sebagai bentuk dari toko ritel yang memanfaatkan teknologi yang canggih yang akan menguasai industri ritel (Weitz, 2005). Ritel online merupakan suatu kegiatan ritel 11
secara online, dengan memanfaatkan jaringan internet. Ritel online adalah format ritel dimana pengecer dan konsumen berkomunikasi dan bertransaksi satu sama lain dengan media jaringan elektronik secara interaktif (Levy & Weitz, 2001). Meskipun penjualan melalui ritel online berkembang lebih cepat daripada penjualan melalui toko dan katalog, namun kita menyadari bahwa internet bukan merupakan format baru yang revolusioner yang menggantikan toko dan katalog. Ritel online menawarkan kemudahan dalam berbelanja secara mudah dan efektif. Bila dibandingkan dengan belanja pada toko maupun katalog, belanja online memiliki beberapa keuntungan maupun keterbatasan. Menurut Weitz (2005), terdapat beberapa keuntungan dengan adanya ritel online yang menjadi alternatif pilihan bagi konsumen untuk bertransaksi, yaitu: 1. Lebih banyak alternatif. Selain keuntungan yang menawarkan nonstore channel, ritel online memiliki potensi untuk menawarkan pilihan produk. 2. Lebih banyak informasi. Channel online juga potensial untuk memberikan konsumen banyak informasi yang mereka butuhkan untuk membuat keputusan pembelian. Melalui situs web, konsumen yang berbelanja online akan melakukan pencarian produk hingga mereka merasa menemukan apa yang mereka butuhkan. 3. Personalisasi. Salah satu keunggulan yang paling signifikan dari online channel adalah kemampuan dalam menggunakan daya tarik interaktif dari internet untuk mengatur informasi secara ekonomis. Online retailers dapat secara efektif memberikan informasi pada konsumen sebagai bahan pertimbangan ketika melakukan pembelian. 4. Solusi atas permasalahan. Online channel juga menawarkan kesempatan untuk melampaui informasi penawaran produk secara tradisional dalam toko yang memiliki keterbatasan dalam menawarkan produk. Namun kelemahan pada online channel yang menawarkan produk secara ritel adalah terkait masalah keamanan (Weitz, 2005). Mungkin tantangan terbesar bagi peritel online adalah membangun dan mempertahankan kepercayaan konsumen. Spam, fraud, dan pencurian informasi merupakan hal yang sering ditemui di online marketplace. Sebelum online channel ditawarkan, konsumen jarang untuk
12
mendeskripsikan proses belanja mereka ketika mencari produk yang mereka butuhkan. Ketika menggunakan online channel, konsumen memiliki banyak keterbatasan visual daripada ketika berada di toko. Oleh karena itu, peritel online menangani kekurangan tersebut dengan dua acara yaitu: (1) Mengubah halaman utama pada situs untuk menampilkan produk yang menjadi minat konsumen, dan (2) Mengimproviasi fungsi search pada situs (Weitz, 2005). Keberhasilan online channel untuk survive adalah dengan memperhatikan keseimbangan antara online dan offline business process (Sujana, 2005). Terdiri atas keseimbangan antara aktivitas promosi dan penjualan secara online di internet dengan menggunakan aktivitas follow up secara fisik di dunia nyata. Proses follow up tersebut antara lain dengan menyediakan pusat layanan informasi dan konsumen yang memadai. 2.1.2 Retail Mix Untuk memperluas pangsa pasar, peritel perlu memahami bisnis ritel dengan merumuskan strategi pemasaran ritel yang baik. Dalam merumuskan strategi pemasaran untuk ritel, digunakan tools marketing mix khusus untuk bisnis ritel, yang disebut sebagai retail mix. Berikut merupakan elemen-elemen dari retail mix beserta definisinya: a) Atmosphere: mengacu pada desain dari lingkungan yang ditampilkan melalui komunikasi
visual,
pencahayaan,
musik, aroma
yang bertujuan untuk
menstimulasi persepsi, respon emosial dan mempengaruhi konsumen untuk melakukan pembelian (Levy & Weitz, 2001). b) Service: merupakan keputusan peritel dalam memberikan pelayanan pada konsumen. Menurut Kotler (2003), pelayanan dalam ritel terdiri dari prepurchase service, postpurchase service, dan ancillary service. c) Location: mengacu target pasar, struktur channel, manajemen channel, logstik maupun distribusi dari ritel. (Berman & Evans, 2007) d) Pricing: mengacu pada strategi harga yang dibuat peritel untuk produk dan jasa yang dijual. Menurut Berman & Evans (2010), pricing merupakan strategi perbandingan peritel, yang terdiri dari prestige pricing (menciptakan image kualitas melalui harga yang tinggi), competitive pricing (pengaturan harga dengan
13
melihat harga pesaing), atau penetration pricing (underpricing untuk menarik konsumen) e) Merchandise: terkait pemilihan produk yang akan dijual oleh ritel tesebut. Menurut Levy & Weitz (2004), keputusan mengenani pemilihan produk terdiri dari variety (macam produk yang dijual), assortment (jumlah produk yang ditawarkan) dan product availability (ketersediaan produk yang dicari). f) Promotion: merupakan strategi promosi yang digunakan oleh peritel untuk mencapai tujuan jangka panjang ritel tersebut. Menurut Tjiptono (2008), tujuan dari promosi adalah untuk menginformasikan, mempengaruhi, membujuk serta mengingatkan pelanggan tentang perusahan.
2.2 Electronic Commerce 2.2.1 Definisi Electronic Commerce Electronic commerce atau dapat disebut sebagai e-commerce merupakan sistem perdagangan elektronik yang memanfaatkan sistem komunikasi, sistem manajemen data dan keamanan karena adanya saling tukar informasi komersial dalam kaitannya dengan produk atau jasa dijual (Nanehkaran, 2013). Value proposition yang ditawarkan oleh e-commerce adalah jual beli secara online atau kemampuan untuk bertransaksi secara online (Chaffey & Smith, 2013). Keberadaan pasar virtual dalam bentuk e-commerce merupakan suatu kemudahan berbelanja dimana konsumen dapat memesan produk dengan transaksi pembayaran secara elektronik. Ritel dan perbankan online merupakan contoh dari ecommerce, dimana pembeli akan melakukan transaksi serta benar-benar melakukan pembelian. E-commerce dapat dilakukan oleh berbagai pihak, dimana digolongkan berdasarkan jenis transaksinya (Turban & King, 2011), yaitu B2C (business-toconsumer),
B2B
(business-to-business),
(consumer-to-business),
C2C
intraorganizational,
(consumer-to-consumer),
G2C
(government-to-citizen),
commerce (mobile commerce) serta s-commerce (social commerce).
14
C2B m-
2.2.2 Social Commerce Social commerce (s-commerce) merupakan bentuk bisnis online yang mengkombinasikan electronic commerce (e-commerce) dengan media sosial atau situs jejaring sosial untuk memberikan konsumen penawaran harian terkait produk dan jasa (Kim & Park, 2013). S-commerce merupakan konsep baru dalam bisnis online seiring dengan berkembangnya pasar e-commerce. S-commerce secara tidak langsung menawarkan suatu bisnis model baru pada retailer tradisional dengan mengintegrasikan bisnisnya dengan media sosial untuk meningkatkan performansi bisnis mereka. Disisi lain, s-commerce juga membuat konsumen merasakan pengalaman berbelanja baru pada online store di media sosial yang mereka gunakan. Marsden (2010) dalam Kim & Park (2013) juga menyatakan bahwa s-commerce merupakan bentuk e-commerce menggunakan media sosial dimana memfasilitasi interaksi sosial dan menambah pengalaman belanja online konsumen. Melalui bisnis model s-commerce, peritel online dapat memberikan layanan pribadi secara lebih akurat, kemudahan dan monitoring sosial pada pelanggan mereka (Park et al, 2014). Mengacu pada Wang & Zhang (2012) lingkungan s-commerce terdiri dari empat komponen: masyarakat, informasi, manajemen dan teknologi (Gambar 2.1).
Gambar 2.1 Lingkungan Social Commerce (Wang & Zhang, 2012) Menurut Wang & Zhang (2012), pada dasarnya s-commerce bersangkutan dengan keempat komonen fundamental tersebut. Masyarakat merupakan pemicu serta alasan 15
penting dalam sosialisasi, perdagangan, kemajuan teknologi serta penciptaan dan penggunaan informasi. Dalam s-commerce, masyarakat mungkin saja menjadi konsumen individu dan penjual, grup kecil dan besar, ataupun komunitas pengguna dan penerima manfaat dari teknologi. Disisi lain Stephen & Toubia (2009) menjelaskan bahwa s-commerce merupakan penghubung antara i2i (individu-to-individu) atau C2C (customer-tocustomer), serta B2C (business-to-customer) yang memanfaatkan peran platform jejaring sosial. Sehingga dapat disimpulkan bahwa pemain dalam bisnis s-commerce tidak hanya pemain besar, namun juga terdapat individu-individu yang juga memanfaatkan platform online sebagai tempat untuk bisnis online. 2.2.3 Karakteristik Social Commerce Karakteristik s-commerce dikembangkan oleh Kim & Park (2013) yang terdiri dari beberapa variabel, yang dianggap mewakili karakteristik dari s-commerce. 2.2.3.1 Reputasi Reputasi didefinisikan sebagai sejauh mana konsumen percaya bahwa perusahaan jujur dan peduli tentang pelanggan (Doney & Cannon, 1997). Sedangkan menurut (Van Riel & Fombrun, 2007), reputasi merupakan identitas fisik dan non fisik suatu perusahaan sebagai titik pertama yang tercermin melalui nama perusahaan serta tampilan lain. Reputasi diindikasikan sebagai salah satu faktor kunci untuk membangun kepercayaan konsumen dalam konteks belanja online. Oleh karena itu, reputasi yang bagus merupakan sebuah aset intangible bagi peritel online. Davies & Miles (1998) menyatakan tentang paradigma reputasi yaitu sebagai berikut: 1. Elemen-elemen utama reputasi saling berkaitan, yaitu para investor, karyawan dan pelanggan. 2. Reputasi diciptakan melalui pengalaman, kesan, kepercayaan, dan pengetahuan yang dimiliki dan dirasakan konsumen mengenai suatu perusahaan. 3. Reputasi dapat dikelola, yaitu dengan memperhatikan perilaku dalam menghadapi pelanggan serta memperhatikan cara komunikasi perusahaaan pada pelanggan. 4. Reputasi lebih mudah hilang daripada diciptakan. Untuk mengembangkan dan menciptakan suatu reputasi, diperlukan waktu yang lama. Dan apabila terjadi 16
suatu kesalahan yang dapat mempengaruhi reputasi, maka reputasi tersebut dapat hilang dengan cepat. 2.2.2.2 Kualitas Informasi Kualitas informasi mengacu pada informasi terbaru, akurat dan lengkap yang diberikan untuk para pengguna s-commerce (Kim & Park, 2013). Informasi yang dimaksud dapat berupa informasi terkait produk atau jasa yang dijelaskan secara detil yang bertujuan untuk memberi konsumen suatu rincian. Pembeli online sangat bergantung pada informasi yang ditampilkan dikarenakan mereka memiliki sumber yang terbatas pada produk atau jasa yang ingin dibeli. Menurut Sutabri (2012), kualitas informasi bergantung pada 3 hal, yaitu: 1. Akurat. Informasi yang diberikan harus terbebas dari kesalahan dan tidak menyesatkan. Selain itu, informasi tersebut juga harus tepat dalam mencerminkan maksud yang ingin disampaikan. 2. Tepat waktu. Suatu informasi harus disampaikan secara tepat waktu dikarenakan apabila informasi yang diberikan sudah usang, maka dapat dikatakan bahwa informasi tersebut tidak memiliki nilai lagi. 3. Relevan. Informasi yang diberikan akan memberikan manfaat bagi pihak yang membutuhkan. Kualitas informasi mungkin merupakan hal yang esensial bagi s-commerce dibandingkan e-commerce karena informasi terkait produk dan jasa yang diberikan melalui media s-commerce diberikan langsung oleh konsumen yang pernah berbelanja produk dan jasa di s-commerce tersebut dengan menggunakan fitur comment, feedback, bulletin board dan lainnya. Hal tersebut mengindikasikan bahwa informasi yang ditampilkan pada s-commerce merupakan informasi yang akurat, dapat dipahami dan real time. 2.2.3.3 Keamanan Transaksi Kim & Park (2013) mendefinisikan keamanan transaksi sebagai kepercayaan pengguna s-commerce bahwa perusahaan s-commerce memberikan keamanan terkait transaksi dan informasi yang berhubungan dengan transaksi. Seperti diketahui bahwa transaksi online hanya mengandalkan media internet, dimana tidak ada interaksi face17
to-face antara penjual dan pembeli sehingga tak jarang munculnya lack of trust konsumen pada keamanan transaksi perusahaan s-commerce. Dari sisi konsumen, konsumen tentu ingin jaminan keamanan terkait keamanan transaksi dan privasi. 2.2.3.4 Komunikasi Rogers (1986) mengartikan komunikasi sebagai proses formal dan informal dimana konsumen membuat dan berbagi informasi satu sama lain untuk mencapai kesepakatan. Sedangkan menurut Himstreet & Baty (1990), komunikasi merupakan suatu proses pertukaran informasi antar individu baik melalui simbol, sinyal, perilaku maupun tindakan. Komunikasi dapat terjadi apabila seorang komunikator menyampaikan suatu informasi yang kemudian diterima oleh orang lain. Komunikasi merupakan hal yang esensial untuk keberhasilan penjual dalam bisnis, Moorman et al (1992) menyatakan bahwa komunikasi aktif memainkan peranan penting antara konsumen dengan suatu usaha serta membangun efek positif pada kepercayaan konsumen. 2.2.3.5 Economic Feasibility Economic feasibility mengacu pada harapan individu bahwa s-commerce menyediakan peluang pertukaran komunikasi dan informasi dengan harga yang efektif (Kim & Park, 2013). Sedangkan Grewal et al (1998) dan Monroe et al (1983) mendefinisikan economic feasibility sebagai nilai yang dikorbankan oleh konsumen untuk mendapatkan produk maupun jasa tertentu. Nilai yang dimaksud adalah elemen moneter dan non moneter seperti waktu yang dihabiskan ketika berbelanja dan kondisi emosi konsumen ketika berbelanja. Salah satu faktor yang dapat meningkatkan nilai di mata konsumen adalah harga murah serta diskon (Anckar & D'Incau, 2002). 2.2.3.6 Referensi Word-of-Mouth (WOM) Referensi WOM mengacu pada aktivitas online dimana konsumen saling bertukar informasi atau pengalaman untuk membantu orang lain dalam membuat keputusan pembelian (Kim & Prabhakar, 2000; Park et al,1998). Sedangkan menurut Hasan (2010), referensi WOM merupakan tindakan konsumen untuk memberikan informasi ke konsumen lain secara non komersial tentang suatu merek, produk, 18
maupun jasa. WOM merupakan salah satu cara terbaik untuk mendapatkan pembeli baru berdasarkan referensi dari konsumen tersebut. Maka dari itu, konsumen merupakan subyek yang penting dalam mempromosikan produk maupun jasa pada scommerce melalui referensi WOM. WOM dianggap opini paling jujur dari konsumen yang pernah merasakan pengalaman pada produk maupun jasa tersebut, sehingga orang lain akan lebih menghargai informasi opini dan informasi orang lain daripada iklan ketika membeli produk maupun jasa (Park et al, 1998).
2.3 Kepercayaan Kim & Park (2013) mendefinisikan kepercayaan sebagai kemauan pengguna s-commerce untuk percaya pada kemampuan, kebaikan, integritas dan hal yang terduga dari penjual, berdasarkan pada keyakinan bahwa penjual tidak akan mengambil tindakan tertentu yang akan merugikan konsumen. Dalam konteks lingkungan virtual, kepercayaan online mengacu pada kepercayaan konsumen untuk mengekspos dirinya terhadap kemungkinan rugi yang dialami selama transaksi, yang berdasar pada harapan bahwa penjual menjanjikan transkasi yang memuaskan dan memenuhi pengiriman barang dan jasa yang telah dijanjikan (Lim et al, 2001). Sehingga dapat
disimpulkan bahwa kepercayaan dalam berbagai
konteks
berhubungan dengan kesediaan satu pihak dalam menerima risiko dari pihak lain, dengan keyakinan bahwa pihak lain akan bertindak sesuai yang diharapkan, meski kedua belah pihak tersebut belum mengenal satu sama lain. Kepercayaan merupakan hal yang esensial dalam bisnis, terutama dalam bisnis online. Kepercayaan dari konsumen tidak akan didapat dengan mudah, melainkan harus dibangun dari awal dengan pembuktian-pembuktian yang diberikan. Morgan & Hunt (1994) menyebut bahwa kepercayaan merupakan kunci untuk memelihara hubungan jangka panjang dengan konsumen. Dengan terjalinnya hubungan jangka panjang, diharapkan akan mengurangi kegelisahan dan keraguan konsumen pada pihak penjual. Terdapat beberapa menfaat dengan adanya kepercayaan antara konsumen dengan penjual (Morgan & Hunt, 1994), yaitu:
19
1. Kepercayaan menjadikan pemasar untuk berusaha menjaga hubungan dan kerjasama yang baik dengan rekan bisnis. 2. Kepercayaan
cenderung
memberikan
keuntungan
jangka
panjang
yang
diharapkan akan mempertahankan rekan bisnis. 3. Kepercayaan dapat menjadikan pemasar untuk mengambil risiko yang besar secara bijaksana karena adanya rasa percaya bahwa rekan bisnis tidak akan bertindak merugikan.
2.4 Performa Kepercayaan 2.4.1 Niat Beli Definisi niat beli menurut Kotler (2009) adalah timbulnya dorongan pada diri seseorang dalam
melakukan pembelian barang dan jasa yang bertujuan untuk
memenuhi kebutuhannya. Sedangkan menurut Assael (2001) niat beli adalah perilaku yang muncul atas respon terhadap suatu obyek yang menunjukkan keinginan pelanggan dalam melakukan pembelian. Niat beli berkaitan dengan perilaku konsumen, dimana muncul sebagai tahap akhir dari rangakaian proses keputusan pembelian konsumen, dimana konsumen telah usai mengevaluasi produk yang akan menghasilkan niat beli. Niat beli konsumen dapat sangat kompleks pada pikiran pelanggan terkait produk dan jasa yang ingin mereka beli. Pemasar perlu memperhatikan dan memahami niat beli konsumen. Model AIDA dapat digunakan sebagai landasan dalam menumbuhkan niat beli konsumen pada produk atau jasa (Kotler, 2009). Model AIDA terdiri dari: 1. Attention. Kesadaran konsumen akan keberadaan produk atau kualitasnya. 2. Interest. Daya tarik produk sehingga dapat memicu rasa ingin tahu konsumen dan minat konsumen terhadap produk tersebut. 3. Desire. Terkait dengan keinginan konsumen untuk mencoba dan memiliki produk. Keinginan tersebut mengarah pada minat konsumen untuk membeli produk. 4. Action. Tindakan konsumen dalam pengambilan keputusan pembelian.
20
Namun, terdapat beberapa faktor yang harus diwaspadai oleh pemasar karena dapat merubah niat beli konsumen yaitu sikap orang lain serta situasi (Kotler & Keller, 2009). Apabila orang lain menunjukkan sikap yang negatif pada suatu produk atau jasa pada calon konsumen, maka ada kemungkinan bahwa niat beli calon konsumen akan berubah. Begitu pula dengan situasi, konsumen akan membentuk niat beli atas faktor-faktor seperti pendapatan, harga, dan manfaat. Namun apabila konsumen berada dalam situasi yang tidak terantisipasi, mungkin akan mengubah niat beli konsumen tersebut. Online purchase intention atau niat beli secara online merupakan niat yang ditunjukkan oleh konsumen untuk membeli suatu produk tertentu dengan memanfaatkan media online. Istilah niat beli online digunakan ketika konsumen memiliki kemauan untuk mencari, memilih, dan melakukan pembelian produk melalui internet (Meskaran et al, 2013). Pembeda antara niat beli dengan niat beli online ada pada faktor-faktor yang mempengaruhinya. Niat beli secara online dipengaruhi oleh penilaian pelanggan terhadap kualitas website, pencarian informasi dan evaluasi produk (Poddar et al, 2009). Menurut Liang & Lai (2002), pelanggan cenderung melakukan pembelian online saat suatu situs belanja maupun online shop menawarkan fungsi yang bermanfaat dan membantu pelanggan tersebut, seperti katalog produk, mesin pencari, intelligent agent, serta metode e-payment. Perilaku pembelian online oleh konsumen terkait dengan bagaimana konsumen tersebut membuat keputusan pada produk atau jasa yang ingin mereka beli secara online. Internet mempengaruhi keputusan pembelian konsumen pada tiga tahap pembelian, yaitu pra-pembelian, pembelian, dan pasca pembelian (Sheth & Mittal, 2003). 2.4.2 Niat Word-of-Mouth (WOM) Hong & Yang (2009) dalam Kim & Park (2013) mendefinisikan niat WOM sebagai kesediaan konsumen untuk berbagi evaluasi positif maupun negatif pada konsumen lainnya atas pengalaman lansung dan tidak langsung terkait pembelian produk maupun jasa. Sedangkan menurut Brown et al (2005) dalam Hong & Yang (2009), niat WOM adalah cara untuk membuat orang lain sadar bahwa ia melakukan suatu bisnis dengan toko maupun perusahaan kemudian membuat rekomendasi positif
21
dan memberi pujian pada toko atau perusahaan tersebut pada orang lain. WOM positif dapat mempengaruhi konsumen untuk mengubah sikap dan perilaku konsumen terkait produk dan jasa. Terlebih lagi, bagi konsumen, WOM yang positif lebih berpengaruh daripada informasi dari koran, majalah atau iklan radio (Katz & Lazarsfeld, 1955). WOM dianggap lebih meyakinkan karena konsumen merasakan sendiri pengalaman terkait produk atau jasa. Ketika konsumen membeli dan mengonsumsi produk atau jasa, secara tidak langsung konsumen tersebut juga merasakan sebuah pengalaman, yang memberi efek persepsi dan berakhir pada kepuasan. Kepuasan tersebut yang akan menghasilkan sebuah WOM pada orang lain dan dapat menjadi sebuah strategi untuk menyasar konsumen baru. Harjadi & Fatmasari (2008) menjelaskan terdapat tiga tingkat WOM yang dilihat dari perspektif strategi dan fungsi komunikasi pemasaran, yaitu: 1. Talking. Tingkat pertama WOM merupakan hal yang paling mendasar yang dilakukan konsumen, yaitu konsumen akan membicarakan produk atau jasa perusahaan. 2. Promoting. Pada tingkat kedua, konsumen akan mulai mempromosikan produk atau jasa pada orang lain. 3. Selling. Tingkat ketiga merupakan tahap WOM paling penting bagi perusahaan, karena konsumen secara tidak langsung akan membuat suatu komunikasi pemasaran yang membantu penjualan produk atau jasa. Didukung dengan perkembangan teknologi informasi, konsep baru WOM pun muncul, yang disebut electronic WOM (e-WOM). Perbedaan antara WOM dengan eWOM yang pertama adalah e-WOM belum tentu diucapkan secara langsung atau oral, namun sebenarnya merupakan pendapat dari pelanggan secara langsung karena pelanggan tersebut menulis ulasan mereka di internet. Bahkan, pelanggan lain dapat berkonsultasi terhadap ulasan tersebut untuk jangka waktu yang panjang (Buttle, 1998). Kedua, komunikasi e-WOM tidak terbatas pada satu merek, produk, maupun jasa, namun dapat berhubungan dengan organisasi, tujuan, dan lainnya. Ketiga, meskipun e-WOM tetap menjadi sumber informasi yang berbeda konsep dengan iklan, namun insentif dan reward akan dihargai (Buttle, 1998).
22
2.5 Kajian Penelitian Terdahulu 1. Effects of Various Characteristic of Social Commerce (s-commerce) on Consumer’s Trust and Trust Performance Penelitian Kim & Park (2013) dilatarbelakangi oleh adanya permasalahan terkait kurangnya kepercayaan konsumen untuk berbelanja online di s-commerce di Korea Selatan dimana kepercayaan merupakan faktor yang penting karena dapat memicu niat beli dan niat word-of-mouth (WOM) dari konsumen. Tujuan dari penelitian ini adalah mengidentifikasi faktor kunci pembangun kepercayaan konsumen dalam konteks belanja online, serta menilai efek kepercayaan konsumen pada performa kepercayaan, yaitu niat beli dan niat WOM. Metode yang digunakan adalah survei menggunakan kuesioner pada 371 konsumen pengguna s-commerce yang terdiri dari berbagai kalangan. Pengujian model dilakukan dengan metode Partial Least Square (PLS), dimana sebelumnya dilakukan uji validitas dan reliabilitas menggunakan Confirmatory Factor Analysis dan Cronbach’s alpha. Hasil penelitian menunjukkan bahwa reputasi, ukuran, kualitas informasi, keamanan transaksi, komunikasi dan referensi WOM berpengaruh signifikan terhadap kepercayaan konsumen. Selain itu, kepercayaan juga memiliki efek signifikan pada niat beli dan niat WOM konsumen. Sehingga dengan adanya penelitian ini diharapkan bahwa perusahaan s-commerce dapat mengembangkan model bisnis yang dapat memberikan layanan yang trustworthy pada konsumen. 2. The Impact of Online Store Environment Cues on Purchase Intentions Penelitian Chang & Chen (2008) dilatarbelakangi oleh permasalahan terkait kekurangan dari online store yang berupa tidak adanya interaksi pembeli dengan penjual dan barang serta pembayaran elektronik, sehingga sebuah online store hanya bergantung pada tampilan website untuk dapat berkomunikasi serta meraih kepercayaan konsumen. Penelitian ini memiliki tujuan untuk menginvestigasi efek online environment cues yang terdiri dari kualitas website dan merek website terhadap niat beli di online retailer yang di mediasi oleh kepercayaan konsumen dan persepsi risiko konsumen.
Konstruk yang disusun didasarkan pada framework
23
Stimulus-Organisme-Response. Metode yang digunakan adalah survei menggunakan kuesioner pada 672 responden. Pengolahan data dilakukan menggunakan Confirmatory Factor Analysis (CFA) dan uji hipotesis dilakukan menggunakan metode Structural Equation Modeling. Hasil penelitian mengonfirmasi bahwa kualitas website dan merek website memiliki efek pada kepercayaan konsumen dan persepsi risiko konsumen, yang mana juga berefek pada niat beli konsumen. Yang menjadi catatan penting dalam penelitian ini adalah bahwa merek website lebih penting daripada kualitas website dalam mempengaruhi niat beli konsumen. Sehingga, ada baiknya online retailer lebih memperhatikan merek website karena hal itulah yang menjadi stimulus bagi konsumen dalam memunculkan niat beli. 3. Social Networking Atmosphere and Online Retailing Penelitian Park, Shin, & Ju (2014) ini dilatarbelakangi oleh perkembangan peritel online yang menghubungkan website dengan situs jejaring sosial seperti Facebook dan Twitter untuk memasarkan produknya sehingga penting bagi peritel online untuk memahami aspek sosial dalam lingkungan online untuk mempengaruhi respon dari pembeli. Penelitian ini bertujuan untuk mengetahui pengaruh karakteristik Social
Networking
Environmental
(kenyamanan,
personalisasi
dan
social
surveillance) terhadap kepuasan, persepsi kegunaan dan niat beli konsumen dalam konteks belanja online. Metode yang digunakan adalah survei menggunakan kuesioner dan didapatkan respon valid sebanyak 270 dari responden yang terdiri dari konsumen yang berpengalaman berbelanja di online store. Data hasil penelitian ini diolah menggunakan Structural Equation Modeling (SEM), yang sebelumnya dilakukan uji reliabilitas dan Confirmatory Factor Analysis (CFA). Didapatkan hasil yang mengindikasikan bahwa karakteristik Social Networking Environmental yang terdiri dari kenyamanan, personalisasi dan social surveillance akan meningkatkan kepuasan konsumen dan niat beli konsumen di online store yang memiliki atmosfer jaringan sosial.
24
4. The Effect of Electronic WOM on Customer Purchase Intention (Case Study: Bandung Culinary Instagram Account) Rizqia & Hudrasyah (2015) dilatabelakangi oleh penggunaan platform online oleh pemasar untuk menarik konsumen, salah satunya adalah dengan menggunakan Instagram. Instagram dimanfaatkan oleh para pemasar sebagai tools untuk strategi pemasaran, dimana memunculkan berbagai akun bisnis pribadi yang memposting produk makanan serta akun umum yang mempositng berbagai makanan dari berbagai restoran yang berbeda di Bandung. Oleh karena itu, tujuan dari penelitian ini adalah untuk menginvestigasi pengaruh e-WOM pada akun kuliner Bandung di Instagram sebagai variabel intervening terhadap variabel konsumen dan niat beli konsumen. eWOM seringkali menimbulkan niat beli pada konsumen, oleh karena itu penelitian ini berfokus pada e-WOM dalam bentuk foto yang diupload di akun Instagram. e-WOM dalam penelitian ini berperan sebagai variabel intervening antara konsumen dengan niat beli konsumen. Riset ini menggunakan metode survei dengan kuesioner pada 255 responden yang merupakan pengguna Instagram serta memfollow akun Instagram kuliner di Bandung. Sebelum dilakukan pengolahan data menggunakan Structural Equation Modeling (SEM), data di uji terlebih dahulu menggunakan uji validitas dan uji reliabilitas. Hasil uji hipotesis dengan SEM menunjukkan hasil bahwa electronic WOM memberikan efek mediasi parsial pada hubungan antara konsumen dengan niat beli konsumen. 5. The Factors Affecting Purchase Intention of Fashion Accessories Through Instagram Penelitian Kanthawongs & Kanthawongs (2015) dilatarbelakangi oleh perkembangan konsep social commerce di Thailand, dimana para pemasarn menggunakan Instagram dalam melakukan pemasaran produk, tertama untuk produk fashion accessories. Berbagai kemudahan yang ditawarkan melalui pemasaran di Instagram seperti harga yang murah serta efisiensi menjadikan pemasaran melalui Instagram dirasa merupakan cara yang nyaman, baik bagi penjual maupun pembeli. Oleh karena itu, penelitian ini bertujuan untuk mempelajari dampak dari mobile phone addictions, penggunaan social networking sites melalui mobile applications,
25
niat WOM dan cognitive experiential state pada niat beli pada aksesoris fashion melalui Instagram. Sebanyak 300 kuesioner berhasil didapatkan dengan keseluruhan responden merupakan mahasiswa di Universitas Bangkok dan pekerja kantoran di Distrik Silom. Data tersebut diolah dan dianalisis menggunakan analisis regresi linear berganda, yang sebelumnya telah dilakukan uji validitas dan reliabilitas. Hasil menunjukkan bahwa niat WOM dan cognitive experiential state berpengaruh pada niat beli konsumen untuk berbelanja aksesoris fashion melalui Instagram. Berikut merupakan ringkasan dari lima penelitian terdahulu yang digunakan dalam penelitian ini (Tabel 2.1)
26
Tabel 2.1 Penelitian Terdahulu No
Peneliti
1
Kim & Park (2013)
2
Chang & Chen (2008)
3
Park, Shin, & Ju (2014)
4
Rizqia & Hudrasyah (2015)
5
Kanthawongs & Kanthawongs (2015)
Metode Penelitian
Latar Belakang Penelitian Adanya permasalahan terkait kurangnya kepercayaan konsumen untuk berbelanja online di s-commerce di Korea Selatan, dimana kepercayaan merupakan faktor yang penting karena dapar memicu niat beli dan niat WOM dari konsumen. Adanya permasalahan tidak adanya interaksi pembeli dengan penjual dan barang, setya pembayaran elektronik, sehingga sebuah online store hanya bergantung pada tampilan website untuk dapat berkomunikasi serta meraih kepercayaan konsumen Adanya perkembangan peritel online yang menghubungkan website dengan situs jejaring sosial seperti Facebook dan Twitter untuk memasarkan produknya sehingga penting bagi peritel online untuk memahami aspek sosial dalam lingkungan online untuk mempengaruhi respon dari pembeli Penggunaan aplikasi Instagram dimanfaatkan oleh para pemasar sebagai tools untuk strategi pemasaran, yang memunculkan berbagai akun bisnis pribadi yang memposting produk makanan serta akun umum yang mempositng berbagai makanan dari berbagai restoran yang berbeda di Bandung sebagai bentuk dari e-WOM. Penggunaan Instagram sebagai platform social commerce di Thailand yang menawarkan kemudahan dan keunggulan seperti harga yang murah serta efisiensi menjadikan pemasaran melalui Instagram dirasa merupakan cara yang nyaman, baik bagi penjual maupun pembeli.
27
CFA dan PLS
Hasil Economic feasibility tidak berpengaruh terhadap kepercayaan dalam belanja online Kepercayaan berpengaruh pada niat beli dan niat WOM konsumen
CFA dan SEM
Kualitas website dan merek website memiliki efek pada kepercayaan konsumen dan persepsi risiko konsumen, yang mana juga berefek pada niat beli konsumen
CFA dan SEM
Kenyamanan, personalisasi dan social surveillance akan meningkatkan kepuasan dan niat beli konsumen
CFA dan SEM
Electronic WOM memberikan efek mediasi parsial pada hubungan antara konsumen dengan niat beli konsumen.
Regresi Linear Berganda
Niat WOM dan cognitive experiential state berpengaruh pada niat beli konsumen.
2.6 Research Gap Penelitian-penelitian terdahulu yang telah dijelaskan pada sub bab sebelumnya berfokus pada faktor yang mempengaruhi niat beli dan niat word-ofmouth (WOM) konsumen dalam konteks e-commerce dan s-commerce. Penelitian ini merupakan replikasi dari penelitian yang dilakukan oleh Kim & Park (2013), dimana menggunakan 7 dimensi dalam menggambarkan karakteristik s-commerce untuk memprediksi pengaruhnya terhadap kepercayaan, niat beli dan niat WOM pada beberapa s-commerce di Korea Selatan. 7 dimensi karakteristik s-commerce tersebut masih terbilang dimensi baru yang dikembangkan oleh Kim & Park (2013) sehingga model yang digunakan dalam penelitian tersebut juga merupakan suatu model yang baru dikembangkan dan diuji. Terdapat beberapa perbedaan antara penelitian ini dengan penelitian Kim & Park (2013). Pertama adalah terkait objek amatan yang diteliti. Penelitian ini berfokus pada satu media sosial yang dimanfaatkan menjadi scommerce, yaitu Instagram sehingga diharapkan peneliti nantinya akan mengetahui implikasi dan strategi yang akan dirumuskan bagi peritel online yang berbisnis scommerce di Instagram. Kedua, responden yang digunakan hanya berfokus pada kalangan mahasiswi saja. Hal ini bertujuan untuk mengurangi bias pada penelitian. Terakhir, hasil dari analisis statistik SEM akan dikembangkan oleh peneliti menjadi rekomendasi strategi pemasaran yang dibuat berdasarkan retail mix. Sehingga, penelitian ini dapat memberikan kontribusi terhadap bisnis yang dijalankan oleh peritel online dimana mereka dapat membenahi kekurangan dalam bisnis tersebut serta memiliki kemauan untuk berinovasi demi menjaga bisnisnya agar tetap sustain.
2.7 Kerangka Penelitian Konseptual Untuk menganalisis variabel yang berpengaruh pada kepercayaan konsumen, peneliti mengacu pada penelitian Kim & Park (2013). Penelitian tersebut mencoba menganalisis karakteristik s-commerce yang terdiri dari reputasi, ukuran, kualitas informasi, keamanan transaksi, komunikasi, economic feasibility, dan referensi wordof-mouth (WOM) terhadap kepercayaan dalam konteks belanja online. Kepercayaan merupakan hal yag krusial untuk dipahami oleh peritel online. Maka dari itu, peritel 28
online harus mengetahui faktor apa saja yang berpengaruh dalam membangun kepercayaan konsumen. Kepercayaan dari konsumen diharapkan akan menimbulkan niat beli dan niat WOM pada s-commerce. Penelitian ini menggunkan metode SEM untuk meneliti pengaruh karakteristik s-commerce terhadap kepercayaan, juga kepercayaan terhadap niat beli dan niat WOM. Variabel laten eksogen (X) dalam penelitian ini adalah reputasi (X1), kualitas informasi (X2), keamanan transaksi (X3), komunikasi (X4), economic feasibility (X5), dan referensi WOM (X6). Sedangkan variabel laten endogen (Y) adalah kepercayaan (Y1), niat beli (Y2), dan niat WOM (Y3) (Gambar 2.2).
Gambar 2.2 Kerangka Penelitian Konseptual Dilatarbelakangi oleh perubahan perilaku konsumen yang kini mulai gemar berbelanja di online store, membuat s-commerce menjadi salah satu media yang 29
memfasilitasi konsumen untuk melakukan belanja online. Namun, permasalahan yang sering dirasakan konsumen terkait belanja online adalah tentang kepercayaan. Oleh karena itu, masalah mengenai faktor-faktor yang dapat membangun kepercayaan dalam transaksi pembelian online harus dipahami oleh peritel karena kepercayaan berkemungkinan memiliki dampak pada niat beli dan niat WOM konsumen terhadap online shop yang dimiliki oleh peritel online tersebut. Setelah mengetahui hasil terkait penelitian mengenai pengaruh karakteristik s-commerce terhadap kepercayaan serta pengaruh kepercayaan terhadap niat beli dan niat WOM, peneliti akan menentukan langkah-langkah strategis bagi peritel online untuk dapat membangun kepercayaan konsumen sehingga mampu menimbulkan niat beli dan niat WOM.
30
BAB III METODOLOGI PENELITIAN
Bab ini menjelaskan metodologi penelitian yang digunakan, mulai dari waktu dan tempat, desain penelitian, alur penelitian, teknik pengolahan data dan flowchart penelitian. 3.1 Waktu dan Tempat Penelitian Waktu penelitian dimulai pada bulan Oktober hingga Desember 2016. Penelitian dilakukan di Kota Surabaya, dikarenakan batasan responden yang ditentukan pada penelitian ini yang terbatas pada mahasiswi di 6 universitas di Kota Surabaya yaitu ITS, Universitas Airlangga, Universitas Negeri Surabaya, UIN Sunan Ampel, Universitas Tujuh Belas Agustus dan Universitas Hang Tuah Surabaya. Setelah data terkumpul, akan dilanjutkan dengan pengolahan data dan analisis data. Berikut rincian timeline penelitian (Tabel 3.1). Tabel 3.1 Timeline Penelitian
3.2 Desain Penelitian Desain penelitian merupakan kerangka kerja dari pelaksanaan riset pemasaran yang berisi rincian prosedur yang akan dilakukan untuk memperoleh informasi yang berguna untuk memecahkan masalah dalam riset (Malhotra & Birks, 2007).
31
3.2.1 Jenis Desain Penelitian Selaras dengan latar belakang masalah yang diangkat, jenis penelitian yang akan dilaksanakan adalah penelitian conclusive, yaitu penelitian yang bertujuan untuk menguji hipotesis dan pengaruh serta hubungan antar variabel yang akan diuji sesuai dengan model yang dikemukakan oleh Kim & Park (2013). Sifat dari penelitian ini adalah deskriptif, yang hasilnya menjelaskan mengenai karakteristik atau fungsi pasar yang
berguna
untuk
membantu
membuat
keputusan
dalam
menentukan,
mengevaluasi dan memilih alternatif tindakan terbaik dalam sebuah situasi (Malhotra & Birks, 2007). Penelitian dilakukan dengan survey menggunakan multiple crosssectional, yang dilakukan pada satu periode terhadap berbagai sampel dalam populasi (Gambar 3.1),
Gambar 3.1 Jenis Desain Penelitian 3.2.2 Data yang Dibutuhkan Penelitian ini membutuhkan data yang mewakili karakteristik dari konsumen yang pernah berbelanja online di Instagram sehingga akan menjawab terkait variabel serta variabel indikator yang terkait dengan karakteristik s-commerce, kepercayaan, niat beli dan niat word-of-mouth (WOM) pada media sosial Instagram. Data tersebut
32
didapatkan melalui pertanyaan yang tercantum dalam kuesioner, dimana terdiri dari pertanyaan yang dikembangkan berdasarkan penelitian dari Kim & Park (2013). 3.2.3 Data Sekunder Data sekunder merupakan data pelengkap yang memberikan informasi terkait permasalahan yang diteliti dalam penelitian ini. Menurut Sugiyono (2014), data sekunder merupakan data yang secara tidak langsung memberikan data kepada peneliti, misalnya melalui orang lain atau melalui dokumen. Data ini sebelumnya telah diteliti dan dikumpulkan oleh pihak lain yang mengalami permasalahan yang sama. Data sekunder dapat diperoleh melalui studi literatur pada buku, catatan, jurnal maupun informasi yang terdapat pada internet, yang berhubungan dengan penelitian. Pada penelitian ini, digunakan data sekunder berupa informasi terkait topik ecommerce dan s-commerce yang bersumber dari report, jurnal maupun sumber referensi lain. 3.2.4 Data Primer Menurut Malhotra (2013), tujuan digunakannya data primer oleh peneliti adalah untuk menyelesaikan masalah penelitian. Data primer diperoleh langsung dari sumbernya, kemudian diamati, dan dicatat pertama kali melalui hasil kuesioner maupun wawancara (Sugiyono, 2014). Data yang digunakan dalam penelitian ini adalah data primer. Data primer akan didapatkan melalui persebaran kuesioner yang disebar online dan offline dengan metode self-administrated questionnaire. Pada bagian awal kuesioner, responden akan mengisi profil, demografi serta pertanyaan usage. Kemudian pada bagian selanjutnya responden akan memberikan penilaian pada pertanyaan terkait variabel penelitian yaitu karakteristik s-commerce, kepercayaan, niat beli dan niat WOM. 3.2.5 Penentuan Skala Pengukuran Penilaian pertanyaan pada penelitian ini akan dijawab dengan skala Likert 7 poin. Skala 7 menunjukkan respon “sangat setuju” sedangkan skala 1 menunjukkan respon “sangat tidak setuju”. Sesuai dengan Aaker et al (2006), skala Likert merupakan skala yang menunjukkan derajat persetujuan dan pertidaksetujuan responden atas suatu pertanyaan yang berhubungan dengan perilaku atau objek. Skala 33
Likert memiliki karakteristik yang dapat berguna dalam peneltian, seperti mengukur arah dari intensitas perilaku, dapat digunakan bagi subjek yang bersifat abstrak dan konseptual, serta dapat mengurangi kejenuhan yang dirasakan responden dan juga dapat mempermudah dalam menjelaskan suatu informasi (Albaum, 1997). Skala Likert dapat dinyatakan optimum apabila terdapat skala yang sangat negatif hingga sangat positif, dengan skala netral berada di tengahnya (Tabel 3.2). Tabel 3.2 Skala Likert dalam Penelitian Skala Likert 1 2 3 4 5 6 7
Respon Sangat tidak setuju Tidak setuju Agak tidak setuju Cukup setuju Agak setuju Setuju Sangat setuju
Alasan penggunaan skala Likert 7 poin dalam penelitian ini karena peneliti mengikuti penelitian Kim & Park (2013) yang juga menggunakan skala Likert 7 poin. Didukung dengan Azzara (2010) yang menyatakan bahwa skala Likert 7 poin dapat memberikan responden pilihan yang lebih banyak serta dapat meningkatkan diferensiasi poin. 3.2.6 Teknik Pengumpulan Data Menurut Sugiyono (2014), teknik pengumpulan data merupakan cara yang dilakukan oleh peneliti untuk mendapatkan data. Dalam penelitian ini, pengumpulan data terdiri dari dua tahap, yaitu pilot test dan pengumpulan data secara keseluruhan menggunakan kuesioner penelitian. 3.2.6.1 Pilot Test Pelaksanaan uji coba atau pilot testing sebelum dilakukannya penelitian merupakan hal yang esensial untuk mendapatkan timbal balik mengenai beberapa masalah yang mungkin muncul dalam kuesioner (Flynn et al, 1990). Pilot test dalam penelitian ini dilaksanakan pada sepuluh orang responden (Isaac & Michael, 1981). Sepuluh orang responden tersebut adalah orang-orang yang telah memenuhi kriteria responden. Pilot test ini dilaksanakan bukan untuk menguji validitas pertanyaan
34
karena penelitian hanya merupakan replikasi dari penelitian Kim & Park (2013). Sehingga, tujuan utama dari pilot test adalah untuk menguji: 1) Struktur dan panjangnya kuesioner. 2) Kejelasan dari pernyataan-pernyataan yang ada dan terminologi yang digunakan dalam kuesioner. 3) Waktu yang dibutuhkan untuk memahami dan memberi respon dalam kuesioner. 4) Tata letak dan presentasi kuesioner. 3.2.6.2 Penyusunan Kuesioner Tujuan dalam penyusunan kuesioner adalah untuk memudahkan peneliti dalam penyusunan kuesioner yang baik dan mudah dipahami oleh responden, sehingga dalam pengisian kuesioner responden akan tidak mengalami kesulitan serta memahami maksud dari pertanyaan pada kuesioner. Kuesioner terbagi menjadi 3 bagian yang terdiri dari: a) Bagian Pertama Pada bagian ini, kuesioner memuat pertanyaan mengenai data umum yang digunakan pada penelitian ini yaitu terkait dengan profil responden, demografi responden serta usage responden dalam konteks belanja online di Instagram. b) Bagian Kedua Bagian ini memuat pertanyaan inti penelitian yaitu terkait dengan penilaian responden terhadap pertanyaan-pertanyaan mengenai karakteristik s-commerce, kepercayaan konsumen, niat beli serta niat WOM dalam konteks belanja online di Instagram. c) Bagian Ketiga Bagian ini merupakan bagian terakhir dari kuesioner yang berisi kritik dan saran untuk peneliti dari responden, yang kiranya akan bermanfaat di kemudian hari sebagai bentuk perbaikan dari kueisoner penelitian ini. 3.2.6.3 Penyebaran Kuesioner Setelah sampel telah ditetapkan, langkah selanjutnya adalah penentuan lokasi penyebaran kuesioner. Kuesioner penelitian akan disebar pada 6 universitas di Surabaya, yaitu ITS, Universitas Airlangga, Universitas Negeri Surabaya, UIN Sunan
35
Ampel, Universitas Tujuh Belas Agustus dan Universitas Hang Tuah Surabaya. Keenam universitas ini merupakan universitas dengan jumlah mahasiswa terbanyak di Surabaya menurut PDDIKTI (2015). Dengan pemilihan universitas dengan jumlah mahasiswa terbanyak di Kota Surabaya, diharapkan akan memudahkan peneliti untuk mendapatkan data penelitian. 3.2.6.4 Teknik Penyebaran Kuesioner Teknik penyebaran kuesioner merupakan suatu metode yang digunakan peneliti dalam menyebarkan kuesioner penelitian dengan tujuan untuk memperoleh data primer dari responden. Dalam penelitian ini, kuesioner akan disebar secara offline menggunakan print out questionnaire serta kuesioner online yang disebar menggunakan Google Form. Disebarnya kuesioner secara offline dan online dikarenakan adanya keterbatasan waktu dalam penelitian ini, sehingga dengan dua metode tersebut, diharapkan data primer akan mampu didapatkan dalam waktu yang sesingkat-singkatnya. 3.2.7 Teknik Sampling Menurut Sugiyono (2014), teknik sampling adalah teknik dalam pengambilan sampel penelitian. Pengambilan data dilakukan dengan metodologi yang tepat sehingga dapat menggeneralisasikan keseluruhan populasi. Margono (2004) menyatakan bahwa agar mendapatkan sampel yang representatif dan mewakili sumber data yang sebenarnya, maka sampel yang digunakan jumlah dan ukurannya harus memperhatikan sifa-sifat dari penyebaran populasi. Terdapat dua jenis teknik sampling yaitu probability sampling dan non-probability sampling (Sugiyono, 2014). Penelitian ini menggunakan teknik non-probability sampling dikarenakan jumlah populasi penelitian ini tidak diketahui secara pasti jumlahnya. Non-probability sampling merupakan teknik pengambilan sampel yang tidak memberi peluang yang sama bagi setiap unsur anggota populasi untuk terpilih menjadi sampel (Sugiyono, 2014). Metode sampling yang digunakan adalah non-probability sampling kategori judgemental sampling, yang memilih responden berdasarkan ciri khusus sampel yang
36
dipandang memiliki karakteristik yang erat dengan ciri-ciri atau sifat populasi yang sudah diketahui sebelumnya (Santoso & Tjiptono, 2001). 3.2.7.1 Subjek dan Objek Penelitian Objek penelitian merupakan suatu atribut atau nilai dari orang, objek maupun kegiatan yang memiliki variasi tertentu yang telah ditetapkan oleh peneliti yang bertujuan untuk dipelajari dan ditarik kesimpulan diakhir (Sugiyono, 2014). Dalam penelitian ini, objek amatan yang digunakan adalah online shop di Instagram. Subjek penelitian merupakan subjek yang ditentukan oleh peneliti untuk memberikan keterangan tentang suatu fakta atau pendapat (Arikunto, 2006). Sehingga dalam suatu penelitian, peran subjek penelitian adalah sangat vital. Subjek dari penelitian ini adalah perempuan kisaran usia 17 hingga 24 tahun yang ITS, Universitas Airlangga, Universitas Negeri Surabaya, UIN Sunan Ampel, Universitas Tujuh Belas Agustus dan Universitas Hang Tuah Surabaya. 3.2.7.2 Populasi dan Sampel Penelitian Menurut Malhotra (2013), populasi merupakan seluruh elemen yang memiliki serangkaian karakteristk serupa yang mencakup semesta dalam sebuah penelitian pemasaran. Populasi dari penelitian ini adalah seluruh mahasiswi pada 6 universitas di Kota Surabaya, yaitu ITS, Universitas Airlangga, Universitas Negeri Surabaya, UIN Sunan Ampel, Universitas Tujuh Belas Agustus dan Universitas Hang Tuah Surabaya, yang pernah berbelanja online di Instagram. Peneliti memilih ke enam universitas tersebut dikarenakan ingin mengetahui perilaku mahasiswi terkait dengan kepercayaan dalam belanja online di 6 universitas dengan jumlah mahasiswa terbanyak di Surabaya menurut PDDIKTI (2015). Sedangkan sampel didefinisikan sebagai bagian dari populasi yang terdiri dari sejumlah anggota yang dipilih dalam populasi. Sampel dalam penelitian ini mengacu pada subjek penelitian, yaitu beberapa mahasiswi pada 6 universitas yang telah ditentukan oleh peneliti. Jumlah sampel penelitian ini dihitung berdasarkan perbandingan dengan jumlah indikator yang digunakan. Perbandingan yang biasa digunakan dalam penelitian adalah menggunakan rule of thumb, yaitu 1:5, 1:10, atau 1:20. Dalam penelitian kali ini, perbandingan yang digunakan adalah 1:5, karena 37
terdapat 36 indikator pertanyaan yang digunakan, maka jumlah sampel minimal adalah sejumlah 180. Menurut Byrne (2001), ukuran sampel yang digunakan jika menggunakan metode Structural Equation Modeling berdasarkan maximum likelihood sebesar 100 hingga 200 sampel, maka jumlah sampel minimal sebanyak 180 akan digunakan dalam penelitian ini.
3.4 Teknik Pengolahan Data Terdapat beberapa tahap yang akan dilakukan peneliti untuk mengolah data primer. Berikut rinciannya: 3.4.1 Analisis Deskriptif Analisis deskriptif bertujuan untuk mengubah sekumpulan data mentah menjadi bentuk yang lebih mudah dipahami yang berbentuk informasi yang lebih ringkas (Istijanto, 2009). Analisis deskriptif dalam penelitian ini dilakukan dengan metode statistik deskriptif pada responden berdasarkan profil responden, demografi responden serta usage. Metode statistik deskriptif digunakan untuk mendeskripsikan atau menggambarkan data yang terkumpul tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi (Sugiyono, 2014). Penelitian ini menggunakan bantuan software SPSS 22 dalam melakukan analisis deskriptif terhadap demografi. Beberapa pengukuran yang akan dilakukan terhadap data penelitian adalah (Irianto, 2010): 3.4.1.1 Mean Mean merupakan analisis terhadap ukuran rata-rata yang bertujuan untuk mengetahui karakteristik dari kelompok data dengan cara membagi keseluruhan data terhadap jumlah data. Mean memberikan infromasi nilai rata-rata dari sebaran data pada variabel penelitian. Mean disebut juga sebagai measures of central tendency, dikarenakan nilai rata-rata umumnya cenderung terletak pada bagian tengah suatu kelompok data. 3.4.1.2 Sum Nilai sum akan menunjukkan total data atau jumlah data yang digunakan dalam penelitian ini. 38
3.4.1.3 Standar Error Standard error merupakan nilai yang mencerminkan keakuratan sampel terhadap populasinya. Semakin kecil nilai standard error yang dihasilkan, mengidikasikan bahwa sampel cukup mewakili populasi yang diteliti. 3.4.1.4 Standar Deviation Standar deviasi merupakan nilai yang menunjukkan keheterogenan data atau jumlah rata-rata variabilitas data yang sedang diteliti dalam suatu penelitian. Semakin besar nilai standar deviasi menunjukkan semakin besar pula tingkat variasi atau heterogenitas data. 3.4.1.5 Variance Variance merupakan perbandingan antara variabilitas sebaran data antar reponden dalam suatu penelitian. Coeficient of variation merupakan parameter statistik
tambahan yang menkelaskan data yang lebih bervariasi. Tujuan dari
variance adalah untuk melihat keberagaman data suatu penelitian sehingga data atau variabel dapat dinilai validitasnya. Semakin besar nilai variance menunjukkan semakin beragam pula data. 3.4.1.6 Kurtosis & Skewness Kurtosis merupakan nilai keruncingan data, dimana terdapat pengelompokkan kurtosis yaitu apabila nilai kurtosis > 3 disebut leptokurtic, kurtosis < 3 disebut platykurtic, dan kurtosis = 3 disebut mesokurtic. Sedangkan skewness merupakan nilai statistik yang menunjukkan kemiringan data. Skewness dapat menunjukkan data apakah berada di tengah atau miring pada satu sisi. Data dikatakan normal ketika nilai skewness berada pada rentang nilai -2 hingga 2. 3.4.1.7 Crosstabs Analisis tabulasi silang atau Crosstabs digunakan untuk menghitung frekuensi dan persentase dua atau lebih variabel secara sekaligus dengan cara menyilangkan variabel-variabel yang dianggap berhubungan sehingga makna hubungan dua variabel mudah dipahami secara deskriptif (Sarwono, 2009). Tujuan dari analisis ini adalah untuk mengidentifikasi korelasi antara satu variabel dengan variabel lainnya. Salah satu ciri dari penggunaan data crosstab adalah data input yang digunakan yaitu data 39
nominal atau ordinal (Santoso, 2010). Penelitian ini akan melakukan analisis crosstab dengan mengalikan 3 demografi responden, yaitu asal universitas, uang saku, pengeluaran per bulan, pengeluaran belanja online per bulan, frekuensi belanja online, produk yang paling sering dibeli dan pertimbangan dalam memfavoritkan online shop. 3.4.2 Pengujian Data Terhadap Asumsi Terdapat beberapa tahap pengujian data yang berfungsi untuk memastikan hasil yang didapat dari analisis multivarians adalah valid dan akurat (Hair et al, 2014) 3.4.2.1 Missing Value Missing value adalah informasi yang tidak tersedia dalam sebuah penelitian. Keberadaan missing value akan menyebabkan hasil observasi tidak dapat dianalisis dengan baik karena menyebabkan dugaan dari parameter menjadi tidak efisien karena ukuran data berkurang. Menurut Hair et al (2014), terdapat dua langkah untuk menanggulangi missing value. Pertama, peneliti perlu melakukan investigasi terkait mekanisme missing value yang terdapat dalam proses. Kedua, peneliti perlu menerapkan penanganan terkait missing value, seperti listwise deletion, pairwise deletion dan mean substitution. 3.4.2.2 Uji Outlier Uji outlier bertujuan untuk menghilangkan nilai-nilai ekstrim pada hasil pengamatan. Hair et al (2014) mendefinisikan outlier sebagai hasil pengamatan dengan kombinasi karakteristik yang berbeda dengan hasil pengamatan lain. Sedangkan menurut Sujatmiko (2005), outlier merupakan hasil pengamatan yang menyimpang cukup jauh dari hasil pengamatan lain sehingga muncul kecurigaan bahwa pengamatan tersebut merupakan hasil dari distribusi yang berbeda. Uji outlier dalam penelitian ini menggunakan dua metode, yaitu uji outlier univariate dan multivariate. Uji outlier univariate dilakukan dengan melihat z-score, dimana nilai maksimum z-score adalah ±4 untuk sampel berjumlah lebih dari 80. Sedangkan untuk uji outlier multivariate dilakukan dengan mengukur Mahalanobis Distance Squared. Jarak Mahalanobis untuk tiap-tiap observasi akan menunjukkan jarak sebuah observasi dari rata-rata semua variabel (Hair et al, 2014). Kriteria uji 40
outlier multivariate adalah menggunakan Chi-square pada derajat kebebasan (degree of freedom), yaitu jumlah indikator pada tingkat signifikansi dengan p < 0.001. Jika nilai Mahalanobis Distance Squared lebih besar daripada nilai Mahalanobis pada tabel, maka data tersebut dikategorikan sebagai multivariate outlier yang harus dikeluarkan dari penelitian (Ghozali, 2008). Menurut Ghozali (2008), apabila nilai Mahalanobis Distance Squared lebih besar daripada nilai Chi-square pada tabel, maka data tersebut harus dikeluarkan dari penelitian. Nilai Chi-square tabel penelitian ini adalah sebesar 22,46, yang didapatkan menggunakan miscrosoft excel dengan memasukkan rumus Chi-square menggunakan 6 variabel karakteristik scommerce. 3.4.2.3 Uji Normalitas Tujuan dari uji normalitas adalah untuk menguji apakah dalam suatu model memiliki distribusi normal (Ghozali, 2006). Pada penelitian ini, uji normalitas akan dilakukan dengan nilai derajat kemiringan (skewness) dan kurtosis yang menjadi asumsi dasar dalam analisis multivarians (Hair et al, 1998). Data dapat dikatakan terdistribusi normal apabila memiliki derajat kemiringan tidak lebih dari dua dan nilai kurtosis tidak lebih dari lima. Sedangkan secara grafik, normalitas dapat dinilai berdasarkan grafik Q-Q plot. Apabila data tidak terdistribusi secara normal, maka hasil analisis menjadi bias. 3.4.2.4 Uji Linearitas Uji linearitas bertujuan untuk menilai adanya korelasi antar variabel dependen dengan independen yang digunakan di dalam penelitian. Untuk menilai korelasi tersebut, pengamatan dilakukan dengan melihat grafik scatter plot dan dinilai secara kualitatif (Hair et al, 1998). Data yang linear menunjukkan korelasi antar variabel yang lebih kuat. 3.4.2.5 Uji Homoskedastisitas Uji homoskedastisitas bertujuan untuk melihat ada tidaknya kesamaan varians dari residual atas suatu pengamatan ke pengamatan yang lain (Hair et al, 1998).. Suatu model regresi dapat dinyatakan memenuhi persyaratan non-heteroskedastisitas apabila terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang 41
lain. Uji homoskedastisitas dilakukan dengan melihat scatter plot yang dihasilkan. Apabila titik-titik yang tersebar di scatter plot menyebar diatas dan dibawah angka nol pada sumbu Y, maka data tersebut memenuhi asumsi homoskedastisitas. 3.4.3 Uji Validitas dan Reliabilitas Uji validitas dan reliabilitas sering digunakan dalam penelitian yang menggunakan tools kuesioner. Berikut penjelasan lebih lanjut terkait pengertian dan metode yang digunakan untuk melakukan uji validitas dan reliabilitas. 3.4.3.1 Uji Validitas Uji validitas bertujuan untuk menguji apakah item atau skala dapat mengukur apa yang seharusnya diukur (Flynn, 1990). Menurut Ahire et al (1996) validitas terdiri dari validity content, convergent validity, discriminant validity dan criterion validity. Content validity dianggap telah terpenuhi pada penelitian ini karena seluruh variabel merupakan replikasi dari penelitian Kim & Park (2013) Sehingga, sub bab ini akan menunjukkan convergent validity menggunakan factor loadings yang didapat melalui analisis faktor menggunakan AMOS 20 serta Average Variance Extracted (AVE) yang didapat menggunakan perhitungan microsoft excel manual. Nilai AVE didapat melalui perhitungan berikut: Average Variance Extracted =
Jumlah nilai akar pangkat factor loadings Jumlah indikator variabel
Sedangkan discriminant validity tidak dilakukan pada penelitian ini karena uji validitas tersebut pada umumnya dilakukan pada model Partial Least Square Structural Equation Modeling (PLS-SEM). 3.4.3.2 Uji Reliabilitas Uji reliabilitas merupakan pengujian tingkat ketergantungan dan stabilitas skala yang menunjukkan kemampuan skala tersebut untuk konsisten menghasilkan respon yang sama pada suatu waktu yang berbeda dengan kondisi yang berbeda (Ahire et al, 1996). Uji reliabilitas merupakan ukuran kestabilan dan konsistensi responden dalam menjawab hal yang berkaitan dengan konstruk-konstruk pertanyaan yang diberikan. Suatu alat ukur dapat dikatakan reliable apabila mampu memberikan
42
hasil yang sama jika digunakan untuk mengukur ulang objek yang sama. Penelitian ini menggunakan koefisien Cronbach’s Alpha serta construct reliability (CR) untuk menguji konsistensi suatu variabel. Apabila nilai alpha lebih besar sama dengan 0,6 dan nilai CR lebih besar sama dengan 0,7, dapat dinyatakan bahwa pertanyaanpertanyaan dalam kuesioner adalah reliable (Malhotra & Birks, 2007). 3.4.4 Analysis of Variance (ANOVA) Analysis of Variance atau ANOVA merupakan alat analisis statistik yang berguna untuk menguji perbedaan rata-rata dua atau lebih kelompok populasi (Suharjo, 2008). Analisis ini memiliki asumsi varian yang sama, distribusi data normal, sampel independen serta data yang digunakan dalam penelitian adalah data interval atau rasio (Trihendradi, 2009). Analisis varians yang akan dilakukan adalah varians berdasarkan universitas terhadap variabel penelitian yang digunakan. Metode yang digunakan untuk melakukan analisis varians ini adalah one way ANOVA dengan menghitung mean differences dari setiap kelompok menggunakan metode Tukey/Kramer. 3.4.5 Uji Hipotesis Untuk mengolah data serta menjawab hipotesis-hipotesis dalam penelitian ini, peneliti menggunakan metode Structural Equation Modelling (SEM). Dalam menggunakan metode SEM, peneliti harus membangun suatu model hipotesis yang terdiri dari model struktural dan model pengukuran dalam bentuk diagram jalur (path diagram) yang bersumber pada justifikasi teori. Dalam SEM, peneliti dapat melakukan tiga aktivitas sekaligus yaitu pemeriksaan validitas dan reliabilitas instrumen penelitian, pengujian model hubungan antar variabel laten, serta mendapatkan model yang berguna untuk prediksi. Pada penelitian ini pengolahan SEM akan dilakukan dengan software Analysis of Moment Structures (AMOS) 20. Dengan menggunakan AMOS, perhitungan SEM menjadi jauh lebih mudah karena AMOS dapat melakukan analisis menggunakan data yang berasal dari beberapa sampel secara sekaligus. Selain itu, AMOS juga dapat menguji normalitas univariate dan multivariate dan mampu mendeteksi outlier dan missing data dengan baik. 43
Digunakannya SEM dalam penelitian adalah untuk memeriksa dan membenarkan suatu model, bukan untuk merancang sebuah teori. Sehingga model yang dibuat berdasar teori tertentu akan diuji menggunakan SEM untuk mengetahui apakah model tersebut dapat diterima atau tidak (Santoso, 2010). Menurut Wijanto (2008), SEM terdiri dari beberapa komponen model SEM yang terdiri dari: a. 2 jenis variabel yaitu variabel laten (latent variable) yang terdiri dari laten eksogen (bebas) serta laten endogen (terikat), dan variabel teramati (observed atau measured atau manifest variable) b. 2 jenis model yaitu model struktural (structural model) dan model pengukuran (measurement model). c. 2 jenis kesalahan yaitu kesalahan struktural (structural error) dan kesalahan pengukuran (measurement error). Prosedur SEM secara umum terdiri atas tahapan-tahapan sebagai berikut (Bollen dan Long, 1993, dalam Wijanto, 2008): 3.4.5.1 Spesifikasi Model Tahap spesifikasi model berhubungan dengan pembentukan model awal persamaan
struktural,
sebelum
dilakukannya
estimasi.
Model
awal
akan
diformulasikan atas dasar suatu teori atau penelitian terdahulu. Pada tahap ini peneliti harus mendefinisikan secara konseptual konstruk dan dimensionalitasnya. Menurut Wijanto (2008), langkah dalam melakukan spesifikasi model adalah: 1. Spesifikasi model pengukuran
Definisikan variabel laten dalam penelitian.
Defiisikan variabel teramati.
Definisikan hubungan antara tiap variabel laten dengan variabel teramati yang terkait.
2. Spesifikasi model struktural
Definisikan hubungan kausal atara variabel-variabel laten tersebut.
3. Gambar path diagram dari model hybrid yang merupakan kombinasi dari model pengukuran dan model struktural.
44
3.4.5.2 Identifikasi Model Tahap ini berkaitan dengan pengkajian akan kemungkinan perolehan nilai unik untuk tiap parameter dalam model serta kemungkinan persamaan simultan tidak ada solusinya (Wijanto, 2008). Jika model tidak memiliki nilai yang unik maka model tidak dapat diidentifikasi (unidentified). Penyebabnya adalah informasi pada data empiris tidak mencukupi untuk menghasilkan solusi yang unik dalam menghitung parameter estimasi model. Menurut Latan (2013), terdapat beberapa cara yang dapat dilakukan untuk mengatasi unidentified model, yaitu: a. Menambahkan indikator atau variabel teramati dari konstruk laten. b. Menentukan nilai fix parameter tambahan yang bertujuan menghasilkan perhitungan degree of freedom sama dengan nol. c. Mengasumsikan bahwa nilai antara parameter satu dengan parameter lainnya adalah sama. 3.4.5.3 Estimasi Model Tahap ini berhubungan dengan estimasi terhadap model dalam menghasilkan nilai-nilai parameter, yaitu dengan menggunakan salah satu metode estimasi. Menurut Wijanto (2008), pemilihan metode estimasi akan ditentukan berdasarkan karakteristik dari variabel yang dianalisi dalam penelitian. Penelitian ini menggunankan metode estimasi maximum likelihood (ML) dengan bootstrap karena kebanyakan penelitian SEM menggunakan metode tersebut. Bootstrap banyak digunakan pada penelitian yang memiliki sampel kurang dari 400 (Persada et al, 2016). Metode ML bootstrap akan menghasilkan estimasi parameter yang paling baik (unbiased) bila data yang digunakan memenuhi asumsi multivariate normality, namun akan bias jika asumsi multivariate normality tidak terpenuhi. 3.4.5.4 Evaluasi Model Tahap evaluasi model memiliki tujuan untuk mengevaluasi kecocokan model dengan data secara keseluruhan. Evaluasi dilakukan dengan menilai hasil pengukuran model (measurement model) melalui hasil dari Confirmatory Factor Analysis (CFA) dengan menguji validitas serta reliabilitas konstruk laten, dan dilanjutkan dengan mengevaluasi model struktural melalui kriteria Goodness-of-Fit (GOF) (Latan, 2013). 45
GOF adalah suatu indikasi dari perbandingan antara model yang dispesifikasi dengan matriks kovarian antar observed variable. Model dapat diterima jika GOF yang dihasilkan dari model tersebut baik. Terdapat tiga jenis GOF yang berfungsi untuk menilai seberapa baik model tersebut, yaitu: 1. Absolute fit indices a. Chi Square (X2) Chi square atau disebut juga kai kuadrat merupakan alat uji yang berguna untuk mengukur overall fit. Uji chi square bertujuan untuk membandingkan antara frekuensi obeservasi dengan frekuensi harapan berdasarkan hipotesis dalam suatu penelitian. Sebuah model yang diuji dapat dinyatakan memuaskan apabila nilai chi square yang dihasilkan rendah. Menurut Ferdinand (2002), semakin kecil nilai X2 semakin baik pula model tersebut. Bila yang dihasilkan adalah X2=0, berarti benarbenar tidak ada perbedaan (Ho diterima) atas probabilitas dengan cut off value sebesar p>0,05 atau p>0,10 yang telah ditetapkan oleh peneliti. b.
Root Mean Squared Residual (RMR) RMR merupakan gambaran dari nilai setara residual yang didapat melalui
cocoknya nilai matriks varian-kovarians dari model yang menjadi hipotesis dengan matriks varian-kovarians data sampel. Sebuah model dapat dikatakan mempunyai GOF yang baik apabila nilai RMR yang dihasilkan lebih kecil dari 0,1 (Mastrangelo et al, 2014). c. Root Mean Squared Error of Approximation (RMSEA) RMSEA merupkan indeks yang melengkapi peran uji chi square dengan jumlah sampel yang besar. RMSEA bertujuan untuk memberikan informasi tentang seberapa baik sebuah model, tanpa diketahui secara optimal estimasi parameter yang akan cocok dengan matriks populasi kovarian (Byrne, 1998). Sebuah model dapat dikatakan fit apabila RMSEA yang dihasilkan berada pada kisaran 0,05 hingga 0,10. d. Goodness of Fit Index (GFI) Indeks kesesuaian akan memperhitungkan proporsi tertimbang varians yang ada dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan (Ferdinand, 2002). Rentang nilai GFI berkisar antara 0 yang
46
menunjukkan kriteria poor fit, hingga 1 yang menunjukkan kriteria perfect fit. Nilai minimum GFI adalah 0,70, dimana Semakin tinggi nilai GFI mengindikasikan sebuah better fit dalam suatu model (Küster & Vila, 2011) e. Adjusted Goodness-of-Fit-Index (AGFI) AGFI merupakan indeks yang dikembangkan dari GFI yang telah melalui penyesuaian dengan rasio degree of freedom (Ghozali & Fuad, 2005). Nilai yang direkomendasikan adalah lebih besar dari 0,70. Semakin besar nilai AGFI menunjukkan semakin baik pula kesesuaian yang dimiliki oleh model tersebut. 2. Incremental fit indices Incremental fit indices atau disebut juga sebagai relative fit indices merupakan kelompok indeks yang tidak menggunakan chi square dalam bentuk mentah, namun membandingkan nilai chi square untuk model dasar atau model nol. Model nol mengasumsikan bahwa semua variabel yang diukut tidak berkorelasi (McDonald & Ho, 2002). a. Normed Fit Index (NFI) Normed Fit Index merupakan indeks ukuran perbandingan antara proposed model dengan null model (model nol). Model nol merupakan gambaran terburuk yang menyatakan bahwa semua variabel yang diukur tidak memiliki korelasi. Menurut Zaho & Luo (2015), model dapat dinyatakan fit bila nilai yang dihasilkan lebih dari 0,70. Namun, NFI memiliki kekurangan yaitu sensitif terhadap ukuran sampel yang kurang dari 200. Sehingga disarankan untuk menggunakan indeks lain untuk menutupi kelemahan dari NFI ini. b. Non-Normed Fit Index (NNFI) Disebut juga indeks Tucker-Lewis,
yang berguna untuk memperbaiki
permasalahan yang terjadi pada NFI. Indeks ini merupakan alternatif dari incremental fit index (IFI) yang membandingkan model yang diuji dengan baseline model. NNFI dapat menunjukkan kondisi poor fit dengan situasi jumlah sampel yang lebih kecil (Tabachnick & Fidel, 1996). Nilai penerimaan model yang direkomendasikan adalah lebih besar dari 0,70 (Zhao & Luo, 2015).
47
c. Comparative Fit Index (CFI) Comparative Fit Index merupakan indeks yang memiliki kinerja baik untuk menilai model dengan ukuran sampel yang kecil (Tabachnick & Fidel, 1996). Dalam metode SEM, indeks ini merupaka indeks fit yang paling sering digunakan karena CFI relatif tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi oleh kerumitan model penelitian. Kriteria cut-off dari CFI adalah lebih besar dari 0,70. Apabila nilai yang dihasilkan makin mendekati nilai 1,0 akan mengindikasikan model dengan tingkat kesesuaian yang baik. d. Incremental Fit Index (IFI) Incremental Fit Index disebut juga Bollens’s IFI juga merupakan indeks yang tidak sensitif terhadap ukuran sampel. Kriteria cut-off NFI juga harus lebih besar dari 0,70 yang menunjukkan kriteria good fit. 3. Parsimony fit indices Parsimony fit indice merupakan indeks fit relatif yang merupakan penyesuian terhadap indeks-indeks lain. Penyesuaian tersebut merupakan penalti terhadap model parsimoni. Oleh karena itu, Mulaik et al (1989) mengembangkan dua indeks fit berikut: a. Parsimonious Index Goodness-of-Fit (PGFI) Parsimonious Index Goodness-of-Fit dikembangkan berdasar GFI dengan melakukan penyesuian untuk menurunkan derajat kebebasan. PGFI berguna untuk mengukur kompleksitas model yang menghasilkan nilai indeks fit yang lebih rendah dibanding dengan goodness-of-fit lainnya. Kisaran nilai PGFI ada pada nilai 0,60 hingga 0,90 (Mulaik et al, 1989; Malhotra, 2013). b. Parsimonious Normed Fit Index (PNFI) Parsimonious Normed Fit Index dikembangkan berdasar NFI dengan melakukan penyesuian untuk menurunkan derajat kebebasan. PGFI juga berguna untuk mengukur kompleksitas model dengan indeks fit yang rendah. Kriteria nilai PNFI ada pada kisaran 0,50 hingga 1,0 (Malhotra, 2013) Dari penjelasan mengenai goodness-of-fit tersebut, berikut pada Tabel 3.3 dirangkum cut-off-value goodness of fit yang digunakan pada penelitian ini:
48
Tabel 3.3 Goodness-of-Fit No Goodness of Fit Measure Cut-off Value Absolute Fit Indices Chi square < 106,395 1 GFI ≥ 0,7 2 AGFI ≥ 0,7 3 RMR ≤ 0,1 4 RMSEA < 0,1 5 Incremenral Fit Indices NFI ≥ 0,7 6 NNFI ≥ 0,7 7 CFI ≥ 0,7 8 IFI ≥ 0,7 9 Parsimony Fit Indices PNFI 0,60-0,90 10 PGFI 0,50-1,00 11 Sumber: Küster & Vila (2011); Malhotra (2013); Zhao & Luo (2015); Mastrangelo et al (2014)
3.4.5.5 Respesifikasi Model Apabila telah dilakukan penilaian goodness of fit dan didapatkan hasil bahwa model yang diuji tidak fit, maka perlu dilakukan respesifikasi model (Latan, 2013). Ketika melakukan respesifikasi model adalah respesifikasi haruslah sesuai dengan teori yang ada. Respesifikasi model dilakukan dengan melihat nilai modification indices (MI) tertinggi pada model struktural. Tahap respesifikasi merupakan tahap tindak lanjut, dimana jika model telah di respesifikasi maka model baru harus di cross-validate dengan data yang baru. 3.4.6 Retail Mix Retail mix digunakan dalam rekomendasi strategi pemasaran ritel, yang dalam konteks penelitian ini mengacu pada rekomendasi strategi bagi retail online. Menurut Berman & Evans (2010), seorang peritel memungkinkan untuk mengklasifikasikan strategy mix yang ingin diterapkan dalam usahanya. Beberapa kombinasi faktor yang dapat digunakan untuk merumuskan strategi pemasaran bagi ritel adalah atmosfer toko, layanan, lokasi, pricing, merchandise dan promosi. Dengan adanya rekomendasi strategi menggunakan retail mix, diharapkan akan mampu memberikan implikasi terkait pemasaran yang efektif dan efisien bagi peritel online di Instagram.
49
3.4.7 Definisi Operasional Variabel Definisi operasional variabel merupakan suatu cara dalam memberikan atau menspesialisasikan aktivitas yang dibutuhkan dalam mengukur variabel tersebut (Nazir, 1983). Menurut Sugiyono (2014), variabel penelitian adalah atribut, sifat, nilai dari suatu objek atau kegiatan yang memiliki variasi tertentu, dimana ditetapkan oleh peneliti untuk ditarik sebagai suatu kesimpulan. Terdapat dua jenis variabel yang digunakan dalam penelitian ini. Yaitu variabel bebas (independent) dan variabel terikat (dependent). Dalam penelitian SEM, variabel bebas dikenal dengan variabel laten eksogen yang merupakan variabel bebas dan variabel latent endogen yang merupakan variabel terikat. Variabel laten eksogen dalam penelitian ini dilambangkan dengan X, yang terdiri dari dimensi karakteristik s-commerce. Sedangkan variabel laten endogen dalam penelitian ini dilambangkan dengan Y, terdiri dari kepercayaan, niat beli dan niat word-of-mouth (WOM). Semua variabel dalam penelitian ini mengadaptasi variabel dalam penelitian Kim & Park (2013). Berikut gambaran mengenai variabel penelitian, definisi berserta definisi operasional variabel (Tabel 3.4):
50
Tabel 3.4 Definisi Operasional Variabel Variabel
Definisi
Definisi Operasional Variabel Indikator X1.1 Terkenal
Reputasi (X1)
Sejauh mana konsumen percaya bahwa online shop di Instagram tersebut jujur dan peduli tentang pelanggan.
X1.2 Bereputasi baik
X1.3 Bereputasi jujur X1.4 Familiaritas konsumen
X2.1 Informasi produk akurat
Kualitas Informasi (X2)
Informasi terbaru, akurat dan lengkap yang disediakan untuk para pengguna.
X2.2 Informasi yang berguna
X2.3 Informasi yang terpercaya
X2.4 Informasi produk memadai
51
Definisi Online shop di Instagram telah memiliki jumlah followers yang banyak dan dikenal oleh sebagian besar pengguna Instagram di Indonesia. Dalam setiap posting produknya, tidak pernah terdapat komentar negatif, kritik, maupun hal-hal lain yang tidak memuaskan konsumen. Dalam setiap posting produknya, tidak pernah terdapat komentar konsumen terkait permasalahan dalam kecurangan maupun penipuan oleh pemilik usaha. Usaha ini sering memposting produknya secara berkala sehingga konsumen aware dengan eksistensi usaha ini. Terdapat kesesuaian yang detail antara informasi yang ditampilkan pada posting produk dengan kondisi produk aslinya. Contoh: Detail warna, ukuran, bahan kain, dimana sesuai dengan produk yang dibeli konsumen. Informasi yang ditampilkan di akun online shop di Instagram seperti kontak admin/customer service, peraturan pemesanan dan cek resi bermanfaat untuk memudahkan konsumen dalam melakukan pemesanan barang. Informasi yang ditampilkan di akun online shop di Instagram seperti kontak admin/customer service, peraturan pemesanan dan cek resi merupakan informasi yang dapat dipercaya. Informasi terkait produk yang diberikan pada konsumen seperti detail warna, ukuran dan bahan kain ditampilkan secara lengkap dalam setiap posting produk.
Tabel 3.4 Definisi Operasional Variabel (lanjutan) Variabel
Definisi
Keamanan Transaksi (X3)
Kepercayaan pengguna s-commerce bahwa tidak terjadi masalah terkait kecurangan dan penipuan di scommerce
Indikator X3.1 Kecurangan transaksi X3.2 Pengiriman barang X3.3 Kepercayaan terhadap sistem pembayaran X3.4 Keamanan sistem pembayaran X4.1 Informasi terbaru
Komunikasi (X4)
Proses formal dan informal dimana konsumen membuat informasi dan berbagi informasi satu sama lain.
X4.2 Feedback
X4.3 Informasi yang berarti
X4.4 Informasi berkala
X5.1 Produk yang menarik Economic Feasibility (X5)
Nilai yang dikorbankan oleh konsumen untuk mendapatkan produk maupun jasa tertentu.
X5.2 Harga produk masuk akal X5.3 Harga produk murah X5.4 Produk yang bermanfaat
52
Definisi Tidak adanya komentar terkait permasalahan kecurangan transaksi yang dialami konsumen pada online shop di Instagram tersebut. Barang berhasil sampai di konsumen tanpa adanya kesalahan, cacat produk maupun hambatan lain. Konsumen mempercayai dan mengikuti sistem pembayaran yang diterapkan oleh online shop di Instagram. Konsumen tidak pernah mengalami kendala terkait transaksi melalui sistem pembayaran yang diterapkan oleh online shop di Instagram. Sering adanya update produk maupun promosi terbaru yang dilakukan oleh admin/customer service online shop di Instagram. Adanya respon dari admin/customer service terhadap pertanyaan, pemesanan barang, maupun hal lain yang ditanyakan konsumen pada online shop di Instagram. Admin/customer service memberikan informasi yang jelas pada pertanyaan-pertanyaan yang diajukan konsumen terkait produk, transaksi, pengecekan resi, dan lain-lain. Admin/customer service memberikan informasi secara berkala mengenai stok produk ataupun produk yang soldout yang di posting di akun online shop. Produk yang ditawarkan oleh online shop di Instagram ditampilkan dan diberi promosi yang menarik sehingga konsumen tertarik untuk membeli produk di online shop ini. Harga yang ditawarkan oleh online shop di Instagram masuk akal dan sesuai dengan kualitas produk yang dijualnya. Harga produk yang dijual oleh online shop di Instagram ini murah jika dibandingkan dengan online shop lain yang sejenis. Produk yang ditawarkan oleh online shop di Instagram bermanfaat untuk memenuhi kebutuhan konsumen.
Tabel 3.4 Definisi Operasional Variabel (lanjutan) Variabel
Definisi
Indikator X6.1 Memenuhi kebutuhan
Referensi Wordof-Mouth (X6)
Aktivitas online dimana konsumen bertukar informasi atau pengalaman untuk membantu orang lain dalam membuat keputusan pembelian.
X6.2 Transaksi mudah
X6.3 Handal X6.4 Kelayakan berbelanja Y1.1 Mempertahankan minat konsumen
Kepercayaan (Y1)
Kesediaan konsumen untuk percaya bahwa penjual tidak akan mengambil tindakan tertentu yang akan merugikan konsumen.
Y1.2 Menepati janji
Y1.3 Informasi terpercaya Y1.4 Berkomitmen Y2.1 Pembelian produk
Niat Beli (Y2)
Timbulnya dorongan pada diri seseorang dalam melakukan pembelian barang dan jasa yang bertujuan untuk mememenuhi kebutuhannya
Y2.2 Pertimbangan pembelian ulang Y2.3 Pembelian produk dalam waktu dekat Y2.4 Niat beli
53
Definisi Konsumen mendapatkan referensi dari orang lain bahwa online shop di Instagram tersebut menjual produk yang dapat memenuhi kebutuhannya. Konsumen mendapatkan referensi dari orang lain bahwa transaksi pembelian produk pada online shop di Instagram ini mudah karena terdapat langkah-langkah yang jelas untuk melakukan pembelian produk. Konsumen mendapatkan referensi dari orang lain bahwa online shop di Instagram terpercaya untuk memenuhi kebutuhannya. Konsumen mendapatkan referensi dari orang lain bahwa layak untuk berbelanja pada online shop di Instagram ini baik karena layanan, kualitas produk, maupun promosi yang ditawarkan. Online shop di Instagram menepati penawaran yang dibuatnya melalui promosi, diskon, free gift sehingga konsumen akan tetap tertarik untuk melakukan pembelian barang disana. Terdapat kesesuaian janji yang ditawarkan oleh online shop di Instagram terhadap konsumen, seperti batas pengiriman barang, penagihan resi, dan lain-lain. Informasi yang ditampilkan pada posting produk maupun yang diberikan oleh admin sesuai dengan apa yang diberikan pada konsumen. Online shop di Instagram ini berkomitmen untuk memenuhi kesepakatan transaksinya dengan konsumen. Kemauan konsumen untuk membeli produk pada online shop di Instagram. Kemauan konsumen untuk melakukan pembelian ulang pada online shop di Instagram dikarenakan adanya kepuasan dalam pembelian di masa lalu. Jika konsumen memiliki kebutuhan terkait suatu produk dalam waktu dekat, maka online shop di Instagram menjadi pilihan awal untuk memenuhi kebutuhan tersebut. Apabila terdapat tawaran yang menarik di online shop di Instagram, konsumen memiliki niat untuk melakukan pembelian produk.
Tabel 3.4 Definisi Operasional Variabel (lanjutan) Definisi
Sumber
Niat Word-ofMouth (Y3)
Kesediaan konsumen untuk berbagi evaluasi positif maupun negatif pada konsumen lainnya atas pengalaman lansung dan tidak langsung terkait pembelian produk maupun jasa.
Indikator Y3.1 Komentar positif Y3.2 Penyebaran informasi Y3.3 Rekomendasi pada teman dan rekan Y3.4 Mempromosikan
54
Definisi Konsumen berniat untuk memberikan komentar positif pada posting produk pada akun online shop di Instagram ini sehingga dapat menarik orang lain untuk ikut melakukan pembelian di sini. Konsumen berniat untuk memberikan informasi secara detail mengenai harga produk, kualitas layanan, kualitas produk maupun hal lain yang menjadi keunggulan pada online shop di Instagram. Konsumen akan merekomendasikan online shop di Instagram ini pada teman terdekat maupun rekan sehingga mereka akan melakukan pembelian di online shop ini. Konsumen berniat untuk mengajak orang lain untuk melakukan pembelian di online shop dengan melakukan posting komentar yang mempromosikan online shop di Instagram.
3.4.7.1 Model Penelitian Berikut merupakan model penelitian yang digunakan oleh peneliti berdasarkan penelitian yang dilakukan oleh Kim & Park (2013) (Gambar 3.2).
Gambar 3.2 Model Penelitian (Kim & Park, 2013) Kim & Park (2013) melakukan penelitian terhadap karakteristik scommerce
dalam
pembentukan
kepercayaan
konsumen
serta
pengaruh
kepercayaan konsumen terhadap niat beli dan niat WOM dengan sampel 371 pengguna s-commerce yang pernah membeli produk seperti produk kecantikan, kesehatan, fashion, alat elektronik serta membeli jasa travel. Salah satu variabel dalam karakteristik s-commerce yang ada pada penelitian Kim & Park (2013) yaitu ukuran, dihilangkan karena dianggap tidak sesuai dengan penelitian ini. Variabel ukuran mengacu pada market share s-commerce, dimana dalam penelitian ini objek s-commerce adalah online shop di Instagram yang rata-rata merupakan UMKM serta usaha individu. Sehingga akan tidak relevan apabila mengukur market share dari usaha tersebut karena merupaka usaha-usaha dalam skala yang kecil.
55
3.4.7.2 Hipotesis Penelitian Sesuai dengan model penelitian, berikut hipotesis yang digunakan dalam penelitian ini: H1: Reputasi mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop. H2: Kualitas informasi mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop. H3: Keamanan transaksi mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop. H4: Komunikasi mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop. H5: Economic feasibility mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop. H6: Referensi WOM mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop. H7: Kepercayaan mempunyai pengaruh positif terhadap niat beli. H8: Kepercayaan mempunyai pengaruh positif terhadap niat WOM.
56
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
Bab ini menjelaskan bagaimana proses pengumpulan data penelitian, yang dilanjutkan dengan proses pengolahan data yang mengikuti alur analisis dengan menggunakan metode penelitian yang telah disebutkan pada bab sebelumnya. 4.1 Analisis Deskriptif Bagian ini menkelaskan analisis deskriptif baik demografi, usage serta crosstab dari hasil pengolahan data berdasarkan kuesioner yang telah disebar. Hasil analisis deskriptif ini dilakukan untuk menganalisa karakteristik dari konsumen yang telah berbelanja online pada online shop di Instagram. 4.1.1 Analisis Deskriptif Demografi Analisis deksriptif memiliki tujuan untuk mengetahui gambaran profil serta demografi responden pada data keseluruhan dari kuesioner bagian screening serta demografi responden. Data demografi terdiri dari gender, usia, asal universitas, uang saku per bulan, sumber pendapatan lain, pengeluaran per bulan serta pengeluaran belanja online per bulan (Tabel 4.1): Tabel 4.1 Demografi Responden Profil
Frekuensi
Persentase (%)
Total
231 231
100 100
4 31 39 32 91 26 4 4 231
1,7 13,4 16,9 13,9 39,4 11,3 1,7 1,7 100
56 31 40 35 34 35 231
24,2 13,4 17,3 15,2 14,7 15,2 100
Gender Perempuan Usia 17 tahun 18 tahun 19 tahun 20 tahun 21 tahun 22 tahun 23 tahun 24 tahun Total Asal Universitas ITS UIN Sunan Ampel Univ. Airlangga Univ. Hang Tuah Univ. Negeri Surabaya Univ. Tujuh Belas Agustus Total
57
Tabel 4.1 Demografi Responden (lanjutan) Profil Uang Saku per Bulan ≤ Rp.1.000.000 Rp.1.000.0001 - Rp.1.500.000 Rp.1.500.001- Rp.2.000.000 > Rp.2.000.000 Total Pendapatan Lain Bisnis Investasi Kerja Sampingan Lainnya Tidak Total Pengeluaran per Bulan ≤ Rp.1.000.000 Rp.1.000.0001 - Rp.1.500.000 Rp.1.500.001- Rp.2.000.000 > Rp.2.000.000 Total Pengeluaran Belanja Online per Bulan ≤ Rp.300.000 Rp.300.0001 - Rp.600.000 Rp.600.001- Rp.1.000.000 > Rp.1.000.000 Total
Frekuensi
Persentase (%)
110 83 20 18 231
47,6 35,9 8,7 7,8 100
33 3 26 4 165 231
14,3 1,3 11,3 1,7 71,4 100
135 66 22 8 231
58,4 28,6 9,5 3,5 100
181 42 6 2 231
78,4 18,2 2,6 0,9 100
4.1.1.1 Gender Seluruh responden penelitian ini adalah perempuan. Hal ini disebabkan karena batasan responden yang hanya merupakan mahasiswi dari ke 6 universitas yang telah ditentukan. Sehingga, peneliti sedari awal telah menetapkan untuk tidak menjadikan mahasiswa laki-laki sebagai responden dalam penelitian ini. 4.1.1.2 Usia Responden berada di rentang usia 17 tahun hingga 24 tahun, dimana komposisi responden sebanyak 1,7 persen berusia 17 tahun, 13,4 persen berusia 18 tahun, 16,9 persen berusia 19 tahun, 13,9 persen sebesar 20 tahun, 39,4 persen berusia 21 tahun, 11,3 persen berusia 22 tahun, 1,7 persen berusia 23 tahun dan 24 tahun. Mayoritas responden berusia 21 tahun. Peneliti menduga bahwa responden tersebut berada pada tingkat 4 yang merupakan tahun senior dalam perkuliahan. Sehingga, keseluruhan sampel tidak mencerminkan mahasiswi secara merata dikarenakan kebanyakan responden berusia 21 tahun. Berikut adalah usia responden yang terbagi menjadi 8 kategori (Gambar 4.1).
58
Jumlah Responden
100 90 80 70 60 50 40 30 20 10 0
91
39 32
31
26
4 17 th
18 th
19 th
20 th 21 th Tahun
22 th
4
4
23 th
24 th
Gambar 4.1 Usia 4.1.1.3 Asal Universitas Responden berasal dari 6 universitas di Kota Surabaya yaitu ITS, Universitas Airlangga, Universitas Negeri Surabaya, Universitas Hang Tuah, Universitas Tujuh Belas Agustus dan UIN Sunan Ampel. Sebanyak 24,2 persen responden merupakan mahasiswi ITS, 13,4 persen responden merupakan mahasiswi UIN Sunan Ampel, 17,3 persen responden merupakan mahasiswi Universitas Airlangga, 15,2 persen responden merupakan mahasiswi Universitas Hang Tuah, 14,7 persen responden merupakan mahasiwi Universitas Negeri Surabaya, dan 35 persen responden merupakan mahasiswi Universitas Tujuh Belas Agustus. Mayoritas responden merupakan mahasiwi ITS dikarenakan peneliti berasal dari ITS. Dalam penyebaran kuesioner, peneliti mendapatkan banyak bantuan dari teman-teman ITS di jurusan lain untuk menyebarkan kuesioner secara online. Sedangkan penyebaran kuesioner offline di Universitas Hang Tuah, UIN Sunan Ampel, Universitas Negerti Surabaya dan Universitas Tujuh Belas Agustus, peneliti mendatangi pusat keramaian seperti taman, gazebo, masjid dan kantin di kampus-kampus tersebut untuk mencari responden yang sesuai. Selain menyebar secara offline, peneliti juga menitipkan link kuesioner online terhadap beberapa responden di keempat kampus tersebut sehingga diharapkan respon yang didapatkan cukup banyak. Berikut adalah asal universitas responden yang terbagi menjadi 6 universitas (Gambar 4.2).
59
Jumalh Responden
60
56
50
40 35
40
34
35
Unesa
Untag
31
30 20 10 0 ITS
UINSA
Unair UHT Asal Universitas
Gambar 4.2 Asal Universitas 4.1.1.4 Uang Saku per Bulan Untuk uang saku yang didapatkan responden tiap bulannya, sebanyak 47,6 persen responden memiliki uang saku ≤ Rp.1.000.000 per bulan, 35,9 persen responden memiliki uang saku Rp.1.000.001 hingga Rp.1.500.000, 8,7 persen responden memiliki uang saku Rp.1.500.001 hingga Rp.2.000.000, dan 7,8 persen responden memiliki uang saku lebih dari Rp.2.000.000. Sehingga, dapat dinyatakan bahwa mayoritas responden merupakan mahasiswi tingkat menengah, karena hampir setengah dari responden memiliki uang saku dengan jumlah Rp.1.000.000 kebawah. Sedangkan mahasiswi menengah keatas merupakan minoritas, terbukti bahwa hanya 18 mahasiswa saja yang memiliki uang saku lebih dari Rp.2.000.000. Berikut adalah uang saku per bulan responden yang terbagi menjadi 4 kategori (Gambar 4.3).
Jumlah Responden
120 100
110 83
80 60 40 20 20
18
0 ≤ Rp.1.000.000 Rp.1.000.0001 - Rp.1.500.001Rp.1.500.000 Rp.2.000.000 Uang Saku
Gambar 4.3 Uang Saku per Bulan
60
> Rp.2.000.000
4.1.1.5 Sumber Pendapatan Lain Selain uang saku, beberapa responden memiliki sumber pendapatan lain yang berguna sebagai tambahan dari uang saku yang mereka dapat. Sebanyak 14,3 persen responden memiliki bisnis, 1,3 persen responden memilih untuk berinvestasi, 11,3 persen responden memilih untuk kerja sampingan, 1,7 persen responden memiliki sumber pendapatan lain yang berasal dari proyek dan beasiswa, sedangkan 71,4 persen responden mengaku tidak memiliki sumber pendapatan lain. Dari data tersebut dapat diketahui bahwa sebagaian besar responden tidak memiliki sumber pendapatan lain. Seluruh responden dalam penelitian ini adalah mahasiswi aktif. Oleh karena itu, kemungkinan mahasiswi yang tidak memiliki sumber pendapatan lain tersebut memang ingin menfokuskan kegiatannya hanya untuk berkuliah saja. Berikut adalah sumber pendapatan lain
Jumalh Responden
repsonden yang terbagi menjadi 4 kategori (Gambar 4.4). 180 160 140 120 100 80 60 40 20 0
165
33
26 3
Bisnis
4
Investasi
Kerja Lainnya Sampingan Sumber Pendapatan
Tidak
Gambar 4.4 Sumber Pendapatan Lain 4.1.1.6 Pengeluaran per Bulan Responden yang memiliki pengeluaran per bulan sejumlah ≤ Rp.1.000.000 sejumlah 58,4 persen responden, sedangkan sejumlah 28,6 persen responden memiliki pengeluaran per bulan antara Rp.1.000.001 hingga Rp.1.500.000, 9,5 persen
responden
memiliki
pengeluaran
sejumlah
Rp.1.500.001
hingga
Rp.2.000.000, dan 3,5 persen responden memiliki pengeluaran per bulan lebih dari Rp.2.000.000. Dari data tersebut, dapat dinyatakan bahwa mayoritas responden memiliki pengeluaran ≤ Rp.1.000.000. Namun terdapat pula responden yang merupakan minoritas, dengan jumlah pengeluaran lebih dari Rp.2.000.000 per bulan. Hal tersebut dapat terjadi apabila responden tersebut merupakan 61
responden kalangan menengah keatas dengan gaya hidup yang elite serta berperilaku konsumtif. Berikut adalah jumlah pengeluaran per bulan responden yang terbagi menjadi 4 kategori (Gambar 4.5). 160
135
Jumlah Responden
140 120 100 80
66
60 40
22
20
8
0 ≤ Rp.1.000.000 Rp.1.000.0001 - Rp.1.500.001Rp.1.500.000 Rp.2.000.000 Jumlah Pengeluaran
> Rp.2.000.000
Gambar 4.5 Pengeluaran per Bulan 4.1.1.7 Pengeluaran Belanja Online per Bulan Bagian terakhir pada demografi adalah jumlah pengeluaran belanja online per bulan responden. Sebanyak 78,4 persen responden memiliki pengeluaran untuk belanja online per bulan ≤ Rp.300.000, 18,2 persen responden memiliki pengeluaran untuk belanja online sebesar Rp.300.001 hingga Rp.600.000, 2,6 persen responden memiliki pengeluaran untuk belanja online antara Rp.600.001 hingga Rp.1.000.000, dan 0,9 persen responden memiliki pengeluaran untuk belanja online per bulan lebih dari Rp.1.000.000. Dari hasil tersebut dapat disimpulkan bahwa semua responden yang merupakan mahasiswi tidak terlepas dari kegiatan berbelanja online pada online shop di Instagram. Bahkan beberapa responden telah memiliki pengeluaran untuk belanja online lebih dari Rp.1.000.000 per bulan. Sehingga dapat dibayangkan apabila sejak mahasiswi, responden telah menggemari belanja online, maka ketika mereka telah berkerja dan mendapat penghasilan sendiri mungkin jumlah uang yang mereka habiskan untuk belanja online semakin besar pula. Berikut pengeluaran belanja online responden yang terbagi menjadi 4 kategori (Gambar 4.6).
62
Jumalh Responden
200 180 160 140 120 100 80 60 40 20 0
181
42 6 ≤ Rp.300.000
2
Rp.300.0001 - Rp.600.001Rp.600.000 Rp.1.000.000 Jumlah Pengeluaran
> Rp.1.000.000
Gambar 4.6 Pengeluaran Belanja Online per Bulan 4.1.2 Analisis Deskriptif Usage Analisis ini bertujuan untuk mengetahui informasi mengenai responden yang meliputi berapa lama responden aktif di Instagram, aktif memfollow online shop di Instagram, jumlah following serta followers responden, jumlah online shop yang difollow responden, frekuensi belanja di online shop di Instagram selama 3 bulan terakhir, produk yang paling sering dibeli di online shop di Instagram, darimana responden mengetahui online shop favoritnya, frekuensi belanja di online shop favorit responden serta pertimbangan yang menjadikan online shop tersebut dalam menjadi favorit responden (Tabel 4.2). Tabel 4. 2 Usage Profil Aktif Instagram < 1 tahun 1 - 2 tahun 2 - 4 tahun > 4 tahun Total Aktif Follow Online shop di Instagram < 1 tahun 1 - 2 tahun 2 - 4 tahun > 4 tahun Total Jumlah Following < 500 501 - 1000 Total
63
Frekuensi
Persentase (%)
22 55 114 40 231
9,5 23,8 49,4 17,3 100
60 113 45 13 231
16 48,9 19,5 5,6 100
188 43 231
81,4 18,6 100
Tabel 4.2 Usage (lanjutan) Profil Jumlah Followers < 500 501 - 1000 1001 - 1500 > 1500 Total Jumlah Online shop yang di Follow 1 - 5 online shop 6 - 10 online shop 11 - 15 online shop > 15 online shop Total Frekuensi Belanja di Online shop (3 bulan terakhir) 1 - 3 kali 4 - 6 kali 7 - 9 kali > 9 kali Total Produk paling sering di beli Apparel Aksesoris Kosmetik Lainnya (Hijab, Tas, Sepatu, dll) Total Darimana mengetahui Online shop Favorit Teman Keluarga Lainnya (Promote, Iklan, Explore) Total Frekuensi Belanja di Online shop Favorit 1 kali 2 kali 3 kali > 3 kali Total Pertimbangan dalam memfavoritkan Online shop tersebut Harga yang murah Respon admin/cs yang cepat dan tanggap Visualisasi produk yang menarik Lainnya Total
Frekuensi
Persentase (%)
144 67 12 8 231
62,3 29 5,2 3,5 100
104 75 20 32 231
45 32,5 87 13,9 100
195 28 3 5 231
84,4 12,1 1,3 2,2 100
136 14 35 46 231
58,9 6,1 15,2 19,9 100
134 11 86 231
58 4,8 37,2 100
49 75 44 63 231
21,2 32,5 19 27,3 100
86 47 77 21 231
37,2 20,3 33,3 9,1 100
Pada bagian usage ini didapatkan informasi mengenai perilaku konsumen yang berbelanja di berbagai online shop di Instagram. Online shop menjadi favorit responden berbeda-beda, namun terdapat beberapa responden yang memiliki online shop favorit yang sama. 4.1.2.1 Lama Aktif di Instagram Dari hasil penyebaran kuesioner, didapatkan hasil bawa sejumlah 9,5 persen responden aktif di Instagram kurang dari 1 tahun, sejumlah 23,5 persen 64
responden aktif di Instagram selama 1 hingga 2 tahun, sejumlah 49,4 persen responden telah aktif di media sosial Instagram selama 2 hingga 4 tahun, dan 17,3 persen responden aktif di Instagram selama lebih dari 4 tahun. Hampir dari setengah dari responden telah lama memiliki dan aktif di Instagram, dimana dapat disimpulkan bahwa sebagian besar responden telah mengetahui dan memahami konten dan fitur yang selama ini ditawarkan oleh Instagram seperti liking, commenting, tagging juga cukup mengetahui bahwa Instagram dimanfaatkan oleh individu maupun UKM untuk membuka online shop. Berikut waktu aktif di Instagram yang terbagi menjadi 4 kategori (Gambar 4.7). 114
Jumlah Responden
120 100 80 55
60
40
40 22 20 0 < 1 tahun
1 - 2 tahun 2 - 4 tahun Tahun
> 4 tahun
Gambar 4.7 Lama Aktif Instagram 4.1.2.2 Lama Aktif Memfollow Online shop di Instagram Dari hasil yang didapatkan melalui penyebaran kuesioner, Sebanyak 26 persen responden mengikuti akun online shop selama kurang dari 1 tahun, sebanyak 48,9 persen responden telah aktif untuk memfollow akun online shop selama 1 tahun hingga 2 tahun, sebanyak 19,5 persen responden mengikuti akun online shop selama 2 tahun hingga 4 tahun, dan sebanyak 5,6 persen responden mengaku mengikuti akun online shop lebih dari 4 tahun. Bila dihubungkan dengan usage sebelumnya, bahwa meskipun sebagian besar responden telah aktif di Instagram 2 tahun hingga 4 tahun, namun mayoritas responden cenderung aktif dalam mengikuti akun online shop di Instagram ini kurang dari 2 tahun terakhir. Hal tersebut mungkin dikarenakan fenomena boomingnya online shop di Instagram terjadi selama 2 tahun belakangan ini. Berikut lama responden dalam memfollow online shop di Instagram yang terbagi menjadi 4 kategori (Gambar 4.8). 65
113
Jumlah Responden
120 100 80
60
60
45
40 13
20 0 < 1 tahun
1 - 2 tahun 2 - 4 tahun Tahun
> 4 tahun
Gambar 4.8 Lama Aktif Follow Online shop 4.1.2.3 Jumlah Following di Instagram Dari 231 responden yang didapatkan, sebanyak 81,4 persen responden mengikuti 500 akun Instagram, dan sebanyak 18,6 persen responden mengikuti 501 hingga 1000 akun Instagram. Akun Instagram yang dapat di follow oleh pemilik akun, dalam hal ini adalah responden, dapat terdiri dari banyak akun seperti akun teman dan rekan, akun artis, akun information-sharing serta akun online shop. Mayoritas responden memilih untuk memfollow ≤ 500 akun dikarenakan responden sangat selektif untuk menfollow jenis aku yang ia follow. Karena apabila terlalu banyak akun yang difollow, akan menyebabkan traffic pada timeline Instagram responden yang mungkin dapat mengganggu kenyaman responden tersebut. Berikut jumlah following akun online shop responden yang terbagi menjadi 2 kategori (Gambar 4.9).
Jumlah Responden
200
188
150 100 43
50 0 ≤ 500 akun
501 - 1000 akun Jumlah Akun
Gambar 4.9 Jumlah Following di Instagram
66
4.1.2.4 Jumlah Followers di Instagram Jumlah followers atau pengikut dari responden di Instagram cukup bervariasi. Sebanyak 62,3 responden memiliki jumlah followers ≤ 500 followers, sebanyak 29 persen responden memiliki followers antara 500 hingga 100 followers, sebanyak 5,2 persen responden memiliki followers antara 1001 hingga 1500 followers dan 3,5 persen memiliki followers lebih dari 1500 followers. Dari hasil tersebut, mayoritas responden memiliki jumlah followers ≤ 500 akun. Sedikitnya jumlah followers responden di Instagram tersebut diduga karena responden hanya menerima followers berupa teman maupun rekannya saja. Sehingga posting foto responden merupakan postingan yang bersifat privat dan hanya dishare kepada orang-orang terdekatnya saja. Berikut jumlah followers
Jumlah Responden
akun online shop responden yang terbagi menjadi 4 kategori (Gambar 4.10). 160 140 120 100 80 60 40 20 0
144
67
12 ≤ 500 akun
501 - 1000 akun
1001 - 1500 akun Jumlah Akun
8 > 1500 akun
Gambar 4.10 Jumlah Followers di Instagram 4.1.2.5 Jumlah Online shop yang di Follow Dari hasil dari persebaran kuesioner, didapatkan hasil bahwa sebanyak 45 persen responden mengikuti 1 hingga 5 online shop, 32,5 persen responden mengikuti 6 hingga 10 online shop, sebanyak 8,7 persen responden mengikuti 11 hingga 15 online shop, dan sebanyak 13,9 persen responden mengaku mengikuti lebih dari 15 akun online shop. Meskipun mayoritas konsumen mayoritas hanya mengikuti 1 hingga 5 online shop saja, namun terdapat 13,9 persen responden yang memfollow lebih dari 15 online shop. Hal ini mengindikasikan bahwa beberapa responden cenderung memiliki niat belanja online yang besar melalui akun-akun online shop yang ia follow. Berikut jumlah online shop yang di follow oleh responden yang terbagi menjadi 4 kategori (Gambar 4.11). 67
104
Jumlah Responden
120 100
75
80 60 32
40 20
20 0
1 - 5 online shop 6 - 10 online 11 - 15 online > 15 online shop shop shop Jumlah Onlne Shop
Gambar 4.11 Jumlah Online shop yang di Follow 4.1.2.6 Frekuensi Belanja di Online shop Dari hasil kuesioner yang didapat, sebanyak 84,4 persen responden berbelanja sebanyak 1 hingga 3 kali di online shop selama 3 bulan terakhir, sebanyak 12,1 persen responden berbelanja sebanyak 4 hingga 6 kali, 1,3 persen responden berbelanja online 7 hingga 9 kali selama 3 bulan terakhir dalam kurun waktu 3 bulan terakhir dan 2,2 persen responden berbelanja lebih dari 9 kali. Mayoritas responden berbelanja sebanyak 1 hingga 3 kali dalam 3 bulan terakhir. Namun sebanyak 15 persen responden berbelanja 4 kali hingga lebih dari 9 kali, sehingga dapat diduga bahwa minat beli responden dalam belanja online cukup besar. Berikut jumlah following responden ditampilkan yang terbagi menjadi 4 kategori (Gambar 4.12).
Jumlah Responden
250
195
200 150 100 50
28 3
5
0 1 - 3 kali
4 - 6 kali 7 - 9 kali Frekuensi
> 9 kali
Gambar 4.12 Frekuensi Belanja di Online shop 4.1.2.7 Produk yang Paling Sering di Beli Selama beberapa kali berbelanja di Instagram, tentunya responden akan memiliki kecenderungan terhadap produk apa yang paling sering ia beli.
68
Sebanyak 58,9 persen responden paling sering membeli produk apparel seperti top, dress, jumpsuit, t-shirt, trouser, jeans, short, skirt, sebanyak 19,9 persen responden paling sering membeli produk lain seperti hijab, tas, sepatu, case handphone dan lain-lain, sebanyak 15,2 persen responden paling sering membeli produk kosmetik dan sebanyak 6,1 responden membeli aksesoris wanita yaitu kalung, anting, gelang maupun kacamata. Lebih dari separuh responden paling sering membeli produk apparel yang terdiri atas top, dress, jumpsuit, t-shirt, trouser, jeans, short, skirt. Hal tersebut menunjukkan bahwa perempuan cenderung tertarik untuk berbelanja pakaian. Terlebih lagi, perempuan selalu merasa bahwa pakaian yang ia miliki tidak cukup banyak dan bervariasi, sehingga mereka akan terus melakukan pembelianpembelian pada produk pakaian atau mungkin terkena impulse buying dari postingan produk pakaian yang ditampilkan oleh online shop di Instagram. Berikut produk yang paling sering dibeli oleh responden yang terbagi menjadi 4 kategori (Gambar 4.13). 160
Jumlah Responden
140
136
120 100 80 60
35
40
46
14
20 0 Apparel
Aksesoris
Kosmetik
Lainnya (Hijab, Tas, Sepatu, dll)
Jenis Produk
Gambar 4.13 Produk yang Paling Sering di Beli 4.1.2.8 Online shop Favorit Dalam kuesioner, terdapat satu open question yang menanyakan mengenai akun online shop favorit responden. Hal ini berguna untuk mengetahui nama akun online shop favorit responden yang nantinya akan digunakan sebagai acuan untuk menjawab pertanyaan inti terkait variabel-variabel yang digunakan dalam penelitian ini. Dari 231 jawaban responden, didapatkan beragam jawaban terkait nama akun online shop yang menjadi favorit responden. Namun beberapa
69
responden menjawab nama akun online shop yang sama seperti adorable project, giyomi.id, 8wood dan marina collections. Sehingga dapat dinyatakan bahwa dari beberapa responden memfavoritkan sebuah online shop yang memang dirasa cukup memuaskan responden tersebut baik dari segi harga, layanan, kualitas produk dan lain-lain. 4.1.2.9 Asal Mengetahui Online shop Favorit Pernyataan selanjutnya mengenai darimanakah responden mengetahui online shop favoritnya tersebut. Dari hasil penyebaran kuesioer, sebanyak 58 persen responden mengetahui online shop tersebut dari teman, sebanyak 37,2 persen responden mengetahui online shop tersebut dari berbagai sumber seperti promote Instagram, iklan, juga explore Instagram dan sebanyak 4,8 persen responden mengetahui online shop favoritnya dari keluarganya. Mayoritas responden mengetahui online shop favoritnya tersebut dari temannya. Sehingga dapat dinyatakan bahwa word-of-mouth dari rekan atau teman merupakan salah satu faktor yang bisa mendorong konsumen untuk sekadar mengunjungi online shop bahkan melakukan pembelian pada online shop tersebut. Berikut referensi responden dalam mengetahui online shop favoritnya yang terbagi menjadi 3 kategori (Gambar 4.14). 160
Jumlah Responden
140
134
120 100
86
80 60 40 11
20 0 Teman
Keluarga
Lainnya (Promote, Iklan, Explore)
Sumber
Gambar 4.14 Asal Mengetahui Online shop Favorit 4.1.2.10 Frekuensi Belanja Online di Online shop Favorit Berdasarkan hasil penyebaran kuesioner, didapatkan hasil bahwa sebanyak 21,2 persen berbelanja hanya sebanyak 1 kali pada online shop favoritnya, sebanyak 32,5 persen responden berbelanja sebanyak 2 kali di online shop
70
favoritnya, sebanyak 19 persen berbelanja online sebanyak 3 kali di online shop favoritnya, dan sebanyak 27,3 persen repsonden berbelanja sebanyak lebih dari 3 kali di online shop favoritnya. Dari hasil tersebut, dapat dinyatakan bahwa mayoritas responden cenderung melakukan pembelian lebih dari 1 kali pada online shop favoritnya, dikarenakan mereka puas terhadap layanan, kualitas produk dan keuggulan-keunggulan lain yang diberikan online shop tersebut. Berikut frekuensi belanja responden yang terbagi menjadi 4 kategori (Gambar 4.15). 75
80
63
Jumlah Responden
70 60
49 44
50 40 30 20 10 0 1 kali
2 kali
3 kali
> 3 kali
Frekuensi
Gambar 4.15 Frekuensi Belanja di Online shop Favorit 4.1.2.11 Pertimbangan Memfavoritkan Online shop Bagian dalam usage yang terakhir adalah mengenai pertimbangan yang membuat responden memfavoritkan online shop tersebut. Berdasarkan hasil yang didapat
dari
penyebaran
kuesioner
sebanyak
37,2
persen
responden
mengutamakan harga yang murah yang ditawarkan oleh online shop tersebut, sebanyak 33,3 persen responden mengutamakan dari visualisasi produk yang menarik yang diupload oleh akun online shop tersebut, sebanyak 10,3 persen responden menjawab respon admin/customer service yang cepat dan tanggap, dan 9,1 persen responden menjawab pertimbangan-pertimbangan lain seperti kualitas produk yang baik, adanya promosi yang menarik, banyaknya pilihan produk, dan lain-lain. Mayoritas responden menjawab bahwa pertimbangan mereka dalam memfavoritkan online shop tersebut adalah karena harga yang ditawarkan murah. Hal ini sesuai dengan perilaku konsumen Indonesia yang cenderung price
71
sensitive. Harga produk di online shop rata-rata memang jauh lebih murah daripada di toko-toko ritel offline, dikarenakan online shop tidak perlu mengeluarkan biaya untuk sewa tempat sebagai toko untuk menjual produknya. Berikut pertimbangan responden dalam memfavoritkan online shop yang terbagi
Jumlah Responden
menjadi 4 kategori (Gambar 4.16). 100 90 80 70 60 50 40 30 20 10 0
86
77 47 21
Harga yang murah
Respon admin/cs Visualisasi yang cepat dan produk yang tanggap menarik
Lainnya
Pertimbangan Responden
Gambar 4.16 Pertimbangan dalam Memfavoritkan Online shop 4.1.3 Analisis Crosstab Analisis crosstab atau tabulasi silang digunakan untuk menghitung frekuensi serta persentase dua atau lebih variabel kategori secara sekaligus dengan cara menyilangkan variabel-variabel kategori yang dianggap berhubungan sehingga makna variabel tersebut mudah dipahami secara deskriptif (Sarwono, 2009). Pada penelitian ini, analisis tabulasi silang antar 3 kategori demografi responden, yang diharapkan akan memudahkan dalam mendeskripsikan demografi responden. Hasil crosstab selengkapnya dapat dilihat pada Lampiran 4. 4.1.3.1 Asal Universitas – Frekuensi Belanja Online – Pengeluaran Belanja Online Hasil analisis crosstab menunjukkan bahwa dari seluruh responden yang berasal dari 6 universitas di Surabaya mayoritas berbelanja online pada online shop sebanyak 1 hingga 3 kali dalam jangka waktu 3 bulan terakhir ini. Sedangkan untuk pengeluaran dalam belanja online, mayoritas responden mengeluarkan ≤ Rp.300.000 per bulannya. Sehingga dapat disimpulkan bahwa mayoritas responden tidak terlalu sering melakukan belanja online, pun begitu juga dengan pengeluaran untuk belanja online, biaya yang dikeluarkan juga tidak
72
terlalu besar. Hal tersebut mungkin dikarenakan responden yang seluruhnya masih merupakan mahasiswa, dimana uang saku yang didapatkan harus dikelola dengan baik bagi kebutuhan-kebutuhan lainnya sehingga responden tidak bisa terlalu sering berbelanja online di online shop. Terdapat beberapa mahasiswi yang berasal dari Universitas Airlangga yang memiliki pengeluaran untuk belanja online sejumlah Rp.600.001-Rp.1.000.000 dan > Rp.1.000.000. Diduga mahasiswi Universitas Airlangga lebih hedonis bila dibandingkan dengan mahasiswi dari universitas lain karena mengalokasikan biaya lebih dari Rp.500.000 per bulan untuk berbelanja online. Berikut merupakan uraian lengkap mengenai hasil crosstab (Tabel 4.3). Tabel 4.3 Asal Universitas – Frekuensi Belanja Online – Pengeluaran Belanja Online Frekuensi belanja online di online shop (3 bulan terakhir)
1-3 kali
4-6 kali
7-9 kali >9 kali
Total
Asal Universitas
Total Asal Universitas
Total Asal Universitas Total Asal Universitas Total Asal Universitas
ITS UINSA Unair UHT Unesa Untag ITS UINSA Unair UHT Unesa Untag ITS UHT ITS Unesa Untag ITS UINSA
Pengeluaran untuk belanja online per bulan ≤ Rp.300.000
Rp.300.001Rp.600.000
Rp.600.001Rp.1.000.000
41 27 26 19 19 24 156 4 0 3 4 5 2 18 1 0 1 1 1 1 3 47 27
5 2 5 7 7 6 32 2 1 2 1 1 0 7 0 1 1 0 0 2 2 7 3
0 1 3 1 0 0 5 1 0 0 0 0 0 1
0 0 1 1 0 0 2
1 1
0 0
73
>Rp.1000. 000
Total 46 30 34 27 26 30 193 7 1 6 6 6 2 28 1 1 2 1 1 3 5 55 31
Tabel 4.3 Asal Universitas – Frekuensi Belanja Online – Pengeluaran Belanja Online (lanjutan) Frekuensi belanja online di online shop (3 bulan terakhir)
Pengeluaran untuk belanja online per bulan ≤ Rp.300.000
Rp.300.001Rp.600.000
Rp.600.001Rp.1.000.000
>Rp.1000. 000
Total
29 23 25 27 178
7 9 8 8 42
3 1 0 0 6
1 1 0 0 2
40 34 33 35 228
Unair UHT Unesa Untag Total
4.1.3.2 Asal Universitas – Frekuensi Belanja Online – Produk Analisis crosstab dilakukan terhadap asal universitas, frekuensi belanja online dan produk yang paling sering dibeli pada online shop oleh responden. Berdasarkan hasil analisis crosstab, diketahui bahwa mayoritas responden yang berasal dari 6 universitas di Surabaya telah berbelanja sebanyak 1 hingga 3 kali dalam 3 bulan terakhir. Produk yang paling sering dibeli oleh responden berupa apparel, yaitu top, dress, jumpsuit, t-shirt, trouser, jeans, short, maupun skirt, dengan responden terbanyak berasal dari ITS. Sedangkan untuk kategori produk kosmetik, responden terbanyak berasal dari Universitas Airlangga. Hasil ini sesuai dengan persepsi masyarakat yang menyatakan bahwa mahasiswa Universitas Airlangga lebih modis dan peduli pada penampilan. Berbeda dengan mahasiswi Universitas Negeri Surabaya yang ternyata tidak pernah berbelanja kosmetik secara online, sehingga diduga mahasiswi Universitas Negeri Surabaya cenderung kurang peduli pada penampilan. Berikut merupakan hasil analisis crosstab (Tabel 4.4). Tabel 4.4 Asal Universitas – Frekuensi Belanja Online – Produk Frekuensi belanja online di online shop (3 bulan terakhir) 1-3 kali
Asal Universitas
4-6 kali
Total Asal Universitas
ITS UINSA Unair UHT Unesa Untag ITS UINSA Unair UHT
Produk yang paling sering dibeli di online shop Apparel
Aksesoris
Kosmetik
Lainnya
25 16 17 15 20 23 116 5 0 2 5
1 2 2 2 1 2 10 1 1 1 0
7 6 9 7 0 1 30 1 0 1 1
13 6 6 3 5 4 37 0 0 2 0
74
Total 46 30 34 27 26 30 193 7 1 6 6
Tabel 4.4 Asal Universitas – Frekuensi Belanja Online – Produk (lanjutan) Frekuensi belanja online di online shop (3 bulan terakhir) Unesa Untag 7-9 kali >9 kali
Total
Total Asal Universitas Total Asal Universitas Total Asal Universitas
Total
ITS UHT ITS Unesa Untag ITS UINSA Unair UHT Unesa Untag
Produk yang paling sering dibeli di online shop Apparel
1 2 15 1 1 2 0 0 2 3 31 16 19 21 21 27 178
Aksesoris Kosmetik
Lainnya
1 0 4
1 0 4
3 0 5
2 3 3 2 2 2 14
8 6 10 8 1 2 35
14 6 8 3 9 4 44
Total 6 2 28 1 1 2 1 1 2 3 55 31 40 34 33 35 228
4.1.3.3 Asal Universitas – Frekuensi Belanja di Online shop favorit – Pertimbangan Memfavoritkan Online shop Hasil analisis crosstab selanjutnya memuat informasi mengenai hubungan antara asal universitas, frekuensi belanja di online shop favorit, serta pertimbangan konsumen dalam mamfavoritkan online shop favoritnya. Hasil menunjukkan bahwa mayoritas responden dari 6 universitas di Surabaya memfavoritkan online shop favoritnya karena pertimbangan harga yang murah, dimana mereka telah berbelanja pada online shop favoritnya sebanyak 2 kali. Hal tersebut menunjukkan bahwa harga merupakan salah satu pertimbangan yang menentukan niat beli dan niat beli ulang, yang mana sesuai dengan karakteristik konsumen Indonesia yang price sensitive. Salah satu kelebihan online shop adalah harga yang ditawarkan jauh lebih murah apabila dibandingkan dengan offline store, sehingga banyak menarik konsumen yang menginginkan produk dengan harga yang murah. Berikut uraian mengenai hasil analisis crosstab (Tabel 4.5).
75
Tabel 4.5 Asal Universitas – Frekuensi Belanja di Online shop favorit – Pertimbangan Memfavoritkan Online shop Pertimbangan dalam memfavoritkan online shop Frekuensi belanja di online shop favorit 1 kali
2 kali
3 kali
>3 kali
Total
Asal Universitas
Total Asal Universitas
Total Asal Universitas
Total Asal Universitas
Total Asal Universitas
Total
ITS UINSA Unair UHT Unesa Untag ITS UINSA Unair UHT Unesa Untag ITS UINSA Unair UHT Unesa Untag ITS UINSA Unair UHT Unesa Untag ITS UINSA Unair UHT Unesa Untag
Harga murah
Respon admin cepat dan tanggap
Visualisasi produk menarik
Lainnya
Total
3 4 4 1 4 3 19 7 2 8 4 5 3 29 5 5 2 3 3 4 22 3 0 2 2 4 4 15 18 11 16 10 16 14 85
1 2 1 1 1 2 8 2 4 2 1 0 2 11 1 1 1 2 1 0 6 3 4 6 5 1 3 22 7 11 10 9 3 7 47
5 3 2 2 1 3 6 12 3 2 8 6 2 33 2 2 0 0 4 3 11 3 0 4 3 2 4 16 22 8 8 13 13 12 76
0 1 2 1 0 0 4 2 0 0 0 0 0 2 3 0 1 0 0 0 4 3 0 3 1 1 2 10 8 1 6 2 1 2 20
9 10 9 5 6 8 47 13 9 12 13 11 7 75 11 8 4 5 8 7 43 12 2 15 11 8 13 63 55 31 40 34 33 35 228
4.1.3.4 Asal Universitas – Jumlah Uang Saku – Pengeluaran Belanja Online Analisis crosstab selanjutnya membahas mengenai hubungan antara jumlah uang saku responden dengan jumlah pengeluaran belanja online per bulannya. Mayoritas responden yang berasal dari 6 universitas di Surabaya memiliki uang saku ≤ Rp.1.000.000 per bulannya. Dengan uang saku tersebut, mayoritas responden memiliki pengeluaran online untuk belanja online sebesar ≤ Rp.300.000, yaitu sebanyak 93 responden. Namun terdapat 4 responden mahasiswi Universitas Negeri Surabaya dan 5 responden mahasiswi Universitas
76
Tujuh Belas Agustus yang memiliki pengeluaran belanja online per bulan sebesar Rp.300.001 hingga Rp.600.000 meskipun memiliki uang saku ≤ Rp.1.000.000. Hal ini menunjukkan bahwa jumlah uang saku yang didapat tidak akan menentukan besarnya uang yang digunakan untuk belanja online di online shop, namun hal tersebut bergantung pada sifat masing-masing individu. Dimana terdapat individu yang cenderung hedonis, juga terdapat individu yang bersifat utilitarian yang kemungkinan berbelanja online karena alasan kebutuhan maupun efisiensi. Sedangkan minoritas respoden mahasiswi yang memiliki pengeluaran cukup besar dengan uang saku yang terbatas berkemungkinan bersifat hedonis. Berikut uraian mengenai hasil analisis crosstab (Tabel 4.6).
77
Tabel 4.6 Asal Universitas – Jumlah Uang Saku – Pengeluaran Belanja Online Pengeluaran untuk belanja online per bulan Jumlah uang saku per bulan ≤ Rp.1.000.000
Rp.1.000.001Rp.1.500.000
Asal Universitas
Total Asal Universitas
ITS UINSA Unair UHT Unesa Untag ITS UINSA Unair UHT Unesa Untag
Total Rp.1.500.001Rp.2.000.000
Asal Universitas
ITS UINSA Unair UHT Unesa Untag
> Rp.2.000.000
Total Asal Universitas
Total
ITS Unair UHT Untag
≤ Rp.300.000
Rp.300.001Rp.600.000
Rp.600.001Rp.1.000.000
21 15 12 15 13 17 93 17 11 14 6 12 8 68
0 3 1 2 4 5 15 1 0 3 6 1 1 12
0 1 0 0 0 0 1 1 0 1 0 0 0 2
5 1 0 2 0 2 10 4 3 0 0 7
3 0 0 0 3 1 7 3 3 1 1 8
0 0 1 0 0 0 1 0 1 1 0 2
78
>Rp.1000.000
Total 21 19 13 17 17 22 109 19 11 18 12 13 9 82
0 0 1 0 0 0 1 0 0 1 0 1
8 1 2 2 3 3 19 7 7 3 1 18
Tabel 4.6 Asal Universitas – Jumlah Uang Saku – Pengeluaran Belanja Online (lanjutan) Pengeluaran untuk belanja online per bulan Jumlah uang saku per bulan Total
Asal Universitas
Total
≤ Rp.300.000
ITS UINSA Unair UHT Unesa Untag
47 27 29 23 25 27 178
Rp.300.001Rp.600.000
7 3 7 9 8 8 42
79
Rp.600.001Rp.1.000.000
>Rp.1000.000
Total
1 1 3 1 0 0 6
0 0 1 1 0 0 2
55 31 40 34 33 35 228
4.2 Analisis Data Penelitian 4.2.1 Data Screening Tujuan dari dilakukannya pemeriksaan data adalah supaya hasil penelitian lebih akurat sehingga dapat memberikan hasil prediksi yang lebih baik. Data screening terdiri dari 2 tahap, yaitu missing value dan outlier. Pengecekan ini dilakukan pada 231 data yang diterima oleh peneliti. 4.2.1.1 Missing Values Hasil pengecekan terhadap 231 data yang digunakan dalam penelitian ini, tidak didapatkan missing value di seluruh indikator penelitian. Seluruh respon jawaban yang diberikan oleh responden telah dijawab dan tidak ada pertanyaan maupun pernyataan yang tidak diiisi (Lampiran 3). 4.2.1.2 Uji Outlier Pada tahap pengecekan outlier pertama adalah menggunakan teknik univariate dengan menggunakan z-score. Dari proses screening terhadap data, didapatkan 3 data outlier yang bernilai lebih dari ±4, yaitu pada data 21, 51 dan 171. Data outlier ini kemudian dihapus agar tidak mempengaruhi hasil penelitian sehingga tersisa 228 data. Sehingga, data yang dihapus dari penelitian adalah sejumlah 3 data yaitu data 21, 51 dan 217 yang didapat pada tahap pertama uji outlier menggunakan teknik univariate (Lampiran 9). Data yang digunakan untuk diolah kini berjumlah 228 data. 4.2.2 Model Pengukuran Sebelum melanjutkan pada model strukural penelitian, maka perlu dilakukan pengukuran pada model, dimana akan menilai kelayakan model melalui beberapa indikator pengukuran. 4.2.2.1 Uji Validitas dan Reliabilitas Analisis pada bagian ini terdiri dari uji validitas dan reliabilitas. Berikut adalah nilai minimum dari komponen-komponen uji validitas dan reliabilitas pada penelitian ini (Tabel 4.7).
80
Tabel 4.7 Validitas Konvergen Convergent Validity Factor loadings Average Variance Extracted (AVE) Cronbach's Alpha Construct Reliability (CR) Sumber: Malhotra & Birks (2007)
Nilai Minimum 0,7 0,5 0,6 0,7
Dari hasil uji validitas dan reliabilitas tersebut, 6 variabel eksogen (reputasi, kualitas informasi, keamanan transaksi, komunikasi, economic feasibility dan referensi WOM) dan 1 variabel endogen (niat WOM) telah menunjukkan hasil convergent validity yang baik, dimana keseluruhan nilai dari factor loadings, AVE, cronbach’s alpha dan construct reliability (CR) telah berada diatas nilai minimum yang telah ditentukan. Sedangkan 2 dari 3 variabel endogen, yaitu kepercayaan dan niat beli menunjukkan hasil factor loadings yang berada dibawah nilai minimum, yaitu pada variabel indikator KE1 (0,66), NB2 (0,59) dan NB3 (0,51) (Tabel 4.8).
81
Tabel 4.8 Model Pengukuran Variabel Indikator Terkenal Reputasi RE1 Bereputasi baik RE2 Bereputasi jujur RE3 Familiaritas konsumen RE4 Kualitas Informasi KI1 Informasi produk akurat KI2 Informasi yang berguna KI3 Informasi yang terpercaya KI4 Informasi produk memadai Keamanan Transaksi KT1 Kecurangan transaksi KT2 Pengiriman barang KT3 Kepercayaan terhadap sistem pembayaran KT4 Keamanan sistem permbayaran Komunikasi KO1 Informasi terbaru KO2 Feedback KO3 Informasi yang berarti KO4 Informasi berkala Economic feasibility EF1 Produk yang menarik EF2 Harga produk masuk akal EF3 Harga produk murah EF4 Produk yang bermanfaat Referensi WOM RW1 Memenuhi kebutuhan RW2 Transaksi mudah RW3 Handal RW4 Kelayakan berbelanja
Mean
Std Dev
Factor loadings
5,13 5,45 5,68 5,31
1,33 1,20 1,15 1,35
0,78 0,90 0,77 0,76
5,54 5,50 5,64 5,71
1,08 1,12 1,10 1,09
0,85 0,85 0,89 0,77
5,89 5,66 5,79 5,75
1,17 1,27 1,06 1,03
0,78 0,76 0,90 0,82
5,70 5,55 5,53 5,45
1,11 1,04 1,03 1,12
0,83 0,74 0,86 0,79
5,56 5,58 5,46 5,54
1,08 1,09 1,10 1,07
0,72 0,86 0,78 0,81
5,20 5,16 5,29 5,25
1,27 1,30 1,24 1,21
0,81 0,87 0,93 0,86
82
Average Variance Extracted 0,65
Cronbach’s Alpha 0,88
CR 0,88
0,71
0,91
0,91
0,66
0,88
0,89
0,65
0,88
0,88
0,63
0,87
0,87
0,87
0,92
0,92
Tabel 4.8 Model Pengukuran (lanjutan) Kepercayaan KE1 KE2 KE3 KE4 Niat Beli NB1 NB2 NB3 NB4 Niat WOM NW1 NW2 NW3 NW3
Mempertahankan minat konsumen Menepati janji Informasi terpercaya Berkomitmen
5,51 5,63 5,63 5,67
1,06 1,04 1,04 0,96
0,66 0,73 0,75 0,72
Pembelian produk Pertimbangan pembelian ulang Pembelian produk dalam waktu dekat Niat beli
5,41 5,51 4,92 5,50
1,25 1,20 1,34 1,20
0,79 0,59 0,51 0,75
Komentar positif Penyebaran informasi Rekomendasi pada teman dan rekan Mempromosikan
5,49 5,44 5,52 5,33
1,16 1,16 1,19 1,25
0,89 0,92 0,85 0,78
Catatan: Average Variance Extracted = Jumlah nilai akar pangkat dari factor loadings : Jumlah indikator variabel
83
0,51
0,91
0,81
0,45
0,85
0,76
0,75
0,94
0,92
Berdasarkan prosedur metodologi yang telah ditetapkan, maka variabel indikator tersebut akan dihapus dan akan dilakukan pengukuran model ulang. Hasil tersebut menunjukkan bahwa instrumen survey telah tepat dalam menggambarkan masing-masing variabel dengan keseluruhan item telah menunjukkan nilai yang baik pada factor loadings, AVE, cronbach’s alpha dan construct reliability di seluruh variabel. Sehingga dapat dinyatakan bahwa model pengukuran telah layak sehingga akan dapat dilanjutkan pada tahap selanjutnya (Tabel 4.9).
84
Tabel 4.9 Model Pengukuran SEM setelah Reduksi Variabel Indikator Reputasi RE1 Terkenal RE2 Bereputasi baik RE3 Bereputasi jujur RE4 Familiaritas konsumen Kualitas Informasi KI1 Informasi produk akurat KI2 Informasi yang berguna KI3 Informasi yang terpercaya KI4 Informasi produk memadai Keamanan Transaksi KT1 Kecurangan transaksi KT2 Pengiriman barang KT3 Kepercayaan terhadap sistem pembayaran KT4 Keamanan sistem permbayaran Komunikasi KO1 Informasi terbaru KO2 Feedback KO3 Informasi yang berarti KO4 Informasi berkala Economic feasibility EF1 Produk yang menarik EF2 Harga produk masuk akal EF3 Harga produk murah EF4 Produk yang bermanfaat Referensi WOM RW1 Memenuhi kebutuhan RW2 Transaksi mudah RW3 Handal
Mean
Std Dev
Factor loadings
Average Variance Extracted
Cronbach’s Alpha
CR
5,13 5,45 5,68 5,31
1,33 1,20 1,15 1,35
0,78 0,90 0,77 0,76
0,65
0,88
0,88
5,54 5,50 5,64 5,71
1,08 1,12 1,10 1,09
0,85 0,85 0,89 0,77
0,71
0,91
0,91
5,89 5,66 5,79 5,75
1,17 1,27 1,06 1,03
0,78 0,76 0,90 0,82
0,66
0,88
0,89
5,70 5,55 5,53 5,45
1,11 1,04 1,03 1,12
0,83 0,74 0,86 0,79
0,65
0,88
0,88
5,56 5,58 5,46 5,54
1,08 1,09 1,10 1,07
0,72 0,86 0,78 0,81
0,63
0,87
0,87
5,20 5,16 5,29
1,27 1,30 1,24
0,81 0,87 0,93
0,87
0,92
0,92
85
Tabel 4.9 Model Pengukuran SEM setelah Reduksi (lanjutan) Variabel Indikator RW4 Kelayakan berbelanja Kepercayaan KE2 Menepati janji KE3 Informasi terpercaya KE4 Berkomitmen Niat Beli NB1 Pembelian produk NB4 Niat beli Niat WOM NW1 Komentar positif NW2 Penyebaran informasi NW3 Rekomendasi pada teman dan rekan NW3 Mempromosikan
Mean 5,25
Std Dev 1,21
Factor loadings 0,86
Average Variance Extracted
Cronbach’s Alpha
CR
5,63 5,63 5,67
1,04 1,04 0,96
0,73 0,75 0,72
0,54
0,87
0,78
5,41 5,50
1,25 1,20
0,79 0,73
0,58
0,83
0,73
5,49 5,44 5,52 5,33
1,16 1,16 1,19 1,25
0,89 0,92 0,85 0,78
0,75
0,94
0,92
Catatan: Average Variance Extracted = Jumlah nilai akar pangkat dari factor loadings : Jumlah indikator variabel
86
4.2.2.2 Hubungan Variabel Laten dan Variabel Indikatornya Berikut merupakan analisis hubungan variabel yang digunakan dalam penelitian terhadap masing-masing variabel indikatornya. Analisis dilakukan terhadap variabel serta variabel indikator yang memenuhi nilai minimum dati factor loading pada uji validitas dan reliabilitas menggunakan validitas konvergen. 1. Hubungan Variabel Laten Reputasi dan Variabel Indikatornya Berdasarkan model struktural, didapatkan hasil factor loading pada konstruk reputasi yang terdiri 4 variabel indikator. Nilai factor loading tertinggi diraih oleh indikator RE2 yang menyatakan bahwa online shop favorit konsumen memiliki reputasi yang baik, dengan nilai factor loading sebesar 0,90. Nilai ini menunjukkan bahwa indikator RE2 memiliki kontribusi paling besar pada konstruk reputasi. Indikator ini mengacu pada persepsi konsumen bahwa online shop favoritnya merupakan online shop dengan reputasi yang baik, dimana ditunjukkan dengan tidak adanya komentar negatif, kritik maupun hal-hal lain yang menunjukkan bahwa reputasi dari online shop tersebut buruk. Reputasi baik yang
dimiliki
oleh
online
shop
merupakan
indikator
yang
paling
merepresentasikan variabel reputasi, Dengan tidak adanya kritik negatif yang muncul di postingan produk, menimbulkan persepsi yang baik terhadap reputasi online shop, sehingga konsumen akan berpikir bahwa tidak terjadi hal-hal yang tidak diinginkan oleh konsumen (Casalo et al, 2007). Berikut merupakan nilai factor loadings dari variabel indikator pada konstruk reputasi (Gambar 4.17).
Gambar 4.17 Konstruk Reputasi
87
2. Hubungan Variabel Laten Kualitas Informasi dan Variabel Indikatornya Analisis selanjutnya adalah nilai keempat factor loading pada konstruk kualitas informasi. Nilai factor loading tertinggi diraih oleh KI3, yaitu pernyataan mengenai informasi yang diberikan oleh online shop dapat dipercaya, dengan nilai factor loading sebesar 0,89. Hal ini menunjukkan bahwa KI3 memiliki kontribusi yang besar terhadap konstruk kualitas informasi, meskipun nilai variabel indikator lain tidak berbeda jauh dengan indikator KI3. Indikator ini mengacu pada ditampilkannya informasi di akun online shop yang dapat dipercaya oleh konsumen, seperti informasi kontak admin/customer service, informasi mengenai pemesanan produk, cek resi dan lain sebagainya (Liao, Palvia & Lin, 2006). Informasi yang dapat dipercaya tersebut paling merepresentasikan variabel kualitas informasi. Sehingga persepsi konsumen terhadap kualitas informasi di online shop terkait dengan adanya informasi terpercaya mengenai kontak, order produk, aturan cek resi maupun informasi lain. Berikut merupakan nilai factor loadings dari masing-masing variabel indikator pada konstruk kualitas informasi (Gambar 4.18).
Gambar 4.18 Konstruk Kualitas Informasi 3. Hubungan Variabel Laten Keamanan Transaksi dan Variabel Indikatornya Berikutnya adalah analisis terhadap konstruk keamanan transaksi yang terdiri atas 4 variabel indikator. Indikator dengan nilai factor loading tertinggi
88
diraih oleh KT3, yaitu pernyataan mengenai rasa aman konsumen terhadap sistem permbayaran yang diterapkan pada online shop dengan nilai factor loading sebesar 0,90. Hasil tersebut menunjukkan bahwa indikator KT3 memiliki kontribusi besar terhadap variabel keamanan transaksi. Indikator KT3 mengacu pada rasa aman dan rasa percaya konsumen terhadap sistem pembayaran manual yang diberlakukan pada online shop di Instagram (Cheung & Lee, 2006). Persepsi konsumen terhadap sistem pembayaran di online shop yang masih manually checked, dimana berbeda dengan e-commerce yang telah memberlakukan sistem pembayaran yang terintegrasi, merupakan hal yang paling merepresentasikan variabel keamanan transaksi. Berikut merupakan nilai factor loadings dari masing-masing variabel indikator pada konstruk keamanan transaksi (Gambar 4.19).
Gambar 4.19 Konstruk Keamanan Transaksi 4. Hubungan Variabel Laten Komunikasi dan Variabel Indikatornya Berdasarkan hasil model struktural, didapatkan hasil dari keempat nilai factor loading pada konstruk komunikasi. Nilai factor loading tertinggi diraih oleh indikator KO3, yang menyatakan mengenai pemberian informasi oleh admin/ customer service terkait dengan produk, transaksi, maupun pengecekan resi, dengan nilai factor loadings sebesar 0,86. Sehingga, indikator KO3 merupakan indikator yang paling berkontribusi terhadap variabel keamaan transaksi. Indikator ini mengacu pada admin/customer service online shop yang menjawab pertanyaan konsumen dengan memberikan informasi yang lengkap. Sehingga 89
kebingungan dan ambiguitas yang dirasakan oleh konsumen akan teratasi dengan diberikannya informasi secara langsung oleh customer service, yang merupakan representasi dari variabel komunikasi tersebut (Etgar, 1979). Komunikasi dengan customer service merupakan aspek yang penting dalam belanja online, karena konsumen pasti akan memiliki beberapa pertanyaan terkait produk, transaksi, cek resi dan lain-lain. Berikut merupakan nilai factor loadings dari masing-masing variabel indikator pada konstruk komunikasi (Gambar 4.20).
Gambar 4.20 Konstruk Komunikasi 5. Hubungan Variabel Laten Economic Feasibility dan Variabel Indikatornya Analisis selanjutnya adalah analisis factor loading pada konstruk economic feasibility yang terdiri atas 4 variabel indikator. Nilai factor loading tertinggi diraih oleh EF2 yaitu sebesar 0,86, yang meyatakan bahwa harga yang ditawarkan oleh online shop masuk akal. Hal ini menunjukkan bahwa indikator EF2 merupakan indikator yang berkontribusi besar terhadap variabel economic feasibility. Indikator ini mengacu pada harga produk yang ditawarkan oleh online shop kepada konsumen, yang mana harga tersebut sebanding dengan kualitas produk yang ditawarkan. Konsumen akan tertarik untuk melakukan pembelian produk pada online shop tersebut dengan harga yang masuk akal, tidak terlalu mahal ataupun murah serta menjamin kualitas produk yang dijual. Harga produk yang masuk akal merupakan representasi dari variabel economic feasibility, sehingga harga yang murah bukanlah fokusan utama dari variabel ini namun juga harus mempertimbangkan kualitas produk serta manfaat produk yang sebanding
90
dengan harga (Kim, Chung, & Lee, 2010). Berikut merupakan nilai factor loadings dari masing-masing variabel indikator pada konstruk economic feasibility (Gambar 4.21).
Gambar 4.21 Konstruk Economic Feasibility 6. Hubungan Variabel Laten Referensi Word-of-Mouth (WOM) dan Variabel Indikatornya Berikutnya adalah analisis terhadap konstruk referensi WOM yang terdiri atas 4 variabel indikator. Indikator dengan nilai factor loading tertinggi diraih oleh RW3 dengan nilai sebesar 0,93, yaitu pernyataan bahwa konsumen mendapat referensi bahwa online shop tersebut handal. Indikator RW3 merupakan indikator yang berkontribusi paling besar terhadap pembentukan variabel referensi WOM. Indikator ini mengacu pada didapatnya referensi oleh konsumen mengenai online shop, dimana online shop tersebut handal dan dapat dipercaya untuk memenuhi kebutuhannya. Referensi yang diterima oleh konsumen dapat berasal dari teman, rekan, maupun komentar-komentar yang terdapat di kolom komentar pada postingan produk di online shop tersebut (Chu & Choi, 2011). Adanya referensi berupa word-of-mouth dari rekan maupun orang lain terhadap konsumen merupakan representasi dari variabel referensi WOM tersebut. Berikut merupakan nilai factor loadings dari masing-masing variabel indikator pada konstruk referensi WOM (Gambar 4.22).
91
Gambar 4.22 Konstruk Referensi WOM 7. Hubungan Variabel Laten Kepercayaan dan Variabel Indikatornya Analisis selanjutnya adalah analisis factor loading pada konstruk kepercayaan yang terdiri atas 3 variabel indikator. Nilai factor loading tertinggi diraih oleh KE3 yaitu sebesar 0,78 meskipun perbedaan nilai dengan factor loading indikator lain tidak berbeda jauh. Indikator KE3 menyatakan bahwa seluruh informasi yang ditampilkan pada postingan produk maupun informasi yang disampaikan oleh customer service merupakan informasi terpercaya dan dapat dipertanggungjawabkan kebenarannya. Indikator tersebut berkontribusi besar terhadap variabel kepercayaan. Dengan kesesuaian antara informasi yang diberikan dengan hasil yang diberikan pada konsumen, maka peritel online mampu memenuhi ekspektasi konsumen (Corrritore, Kracher & Wiedenbeck, 2003). Konsumen yang percaya untuk melakukan transaksi dengan online shop dapat diukur menggunakan indikator kesesuaian informasi dengan hasil yang diberikan tersebut. Berikut merupakan nilai factor loadings dari masing-masing variabel indikator pada konstruk kepercayaan (Gambar 4.23)
92
Gambar 4.23 Konstruk Kepercayaan 8. Hubungan Variabel Laten Niat Beli dan Variabel Indikatornya Berikutnya adalah analisis terhadap konstruk niat beli yang terdiri atas 2 variabel indikator. Indikator dengan nilai factor loading tertinggi diraih oleh NB1 dengan nilai sebesar 0,81, yaitu pernyataan mengenai kemauan pembelian produk oleh responden. Nilai ini menunjukkan bahwa indikator NB1 berkontribusi paling besar terhadap konstruk niat beli. Indikator ini mengacu pada kemauan responden untuk melakukan pembelian produk pada online shop favoritnya. Setelah beberapa kali melakukan belanja online pada online shop favoritnya, responden tentunya memiliki pengalaman tentang bagaimana transaksinya dengan online shop tersebut. Dari pengalaman itulah responden akan mempertimbangkan apakah ia akan melakukan pembelian produk di online shop lagi atau tidak di masa mendatang (Richardson, Jain & Dick, 1996). Indikator ini merupakan representasi dari variabel niat beli, yang menggambarkan kemauan responden dalam melakukan pembelian. Berikut merupakan nilai factor loadings dari masingmasing variabel indikator pada konstruk niat beli (Gambar 4.24).
Gambar 4.24 Konstruk Niat Beli
93
9. Hubungan Variabel Laten Niat Word-of-Mouth (WOM) dan Variabel Indikatornya Berikutnya adalah analisis terhadap konstruk niat WOM yang terdiri atas 4 variabel indikator. Indikator dengan nilai factor loading tertinggi diraih oleh NW3 dengan nilai sebesar 0,81, yaitu pernyataan rekomendasi pada teman atau rekan. Nilai ini menunjukkan bahwa indikator NW3 berkontribusi paling besar terhadap konstruk niat WOM. Indikator NW3 mengacu pada kemauan responden untuk merekomendasikan online shop pada teman maupun rekannya sehingga mereka juga akan melakukan pembelian pada online shop tersebut di masa mendatang. Responden yang merasa percaya dan puas atas layanan yang didapatkan pasca pembelian produk di online shop diduga memiliki niat untuk mempromosikan online shop dalam bentuk word-of-mouth (Hong &Yang, 2009) Word-of-mouth sendiri merupakan salah satu cara dalam branding yang paling efektif yang bergantung pada kemauan konsumen itu sendiri, Kemauan responden untuk memberikan word-of-mouth pada teman dan rekannya merupakan representasi dari konstruk niat WOM. Berikut merupakan nilai factor loadings dari masingmasing variabel indikator pada konstruk niat WOM (Gambar 4.25).
Gambar 4.25 Konstruk Niat WOM 4.2.2.3 Variabel Komposit Setelah konstruk diuji validitas dan reliabilitasnya, maka dibentuk variabel komposit pada data yang memiliki hasil yang bagus dimana variabel indikator yang memiliki nilai kurang dari 0,7 tidak akan diikut sertakan. Dibentuknya
94
variabel komposit ini berguna untuk proses pengolahan data selanjutnya. Variabel dengan nilai factor loadings dibawah 0,7 tidak akan dimasukkan ke dalam variabel komposit. Berikut adalah variabel komposit final yang digunakan dalam penelitian ini (Tabel 4.10). Tabel 4.10 Variabel Komposit Variabel Komposit RE KI KT KO EF RW KE NB NW
Jumlah Item 4 4 4 4 4 4 3 2 4
Sum
Mean
1229,25 1276,25 1316,25 1266,75 1264 1191,5 1286,67 1244,5 1241,5
5,59 5,77 5,55 5,54 5,22 5,64 5,45 5,44
Std. Error 0,07 0,06 0,06 0,06 0,06 0,07 0,06 0,07 0,07
Std. Dev 1,07 0,97 0,97 0,92 0,92 1,13 0,92 1,14 1,10
Varian ce 1,15 0,94 0,95 0,85 0,84 1,28 0,85 1,30 1,21
Skewne ss -1,04 -0,89 -1,08 -0,87 -0,77 -0,95 -0,73 -1,00 -0,66
Kurtos is 1,01 0,64 0,90 0,38 0,52 1,32 0,26 0,95 -0,34
4.2.2.3.1 Deskriptif Variabel Komposit Berdasarkan hasil uji statistik deskriptif terhadap variabel komposit, berikut adalan analisis masing-masing komponen dalam uji statistik deskriptif tersebut. a) Sum Sum merupakan jumlah data yang digunakan dalam penelitian. Berdasarkan hasil data yang didapat, berada pada kisaran 1100 hingga 1330. Nilai Sum tertinggi dimiliki oleh variabel komposit keamanan transaksi dengan nilai Sum 1315,25, sedangkan nilai Sum terendah dimiliki oleh variabel komposit referensi WOM dengan nilai Sum 1191,67. b) Mean Nilai mean tertinggi dimiliki oleh variabel komposit keamanan transaksi dengan nilai mean 5,77. Angka tersebut menunjukkan bahwa rata-rata respon dari responden pada variabel keamanan transaksi cenderung mendekati skala 6 atau setuju. Sedangkan nilai mean terendah dimiliki oleh variabel komposit referensi WOM dengan nilai mean 5,22. Angka tersebut menunjukkan rata-rata respon dari responden pada variabel referensei WOM cenderung mendekati skala 5 atau agak setuju. Untuk variabel kepercayaan, nilai meannya adalah sebesar 5,64 yang menunjukkan bahwa tingkat kepercayaan konsumen untuk berbelanja online pada online shop di Instagram berada pada skala agak setuju, dimana tidak
95
menunjukkan kepercayaan yang sangat tinggi dalam melakukan aktivitas belanja online. Hal tersebut dapat menjadi pertimbangan bagi peritel online bahwa konsumen dari kalangan mahasiswi belum sepenuhnya percaya untuk bertransaksi secara online dikarenakan adanya berbagai faktor maupun pengalaman yang dirasakan oleh konsumen terkait belanja online pada online shop di Instagram. Maka dari itu, salah satu tujuan dari penelitian ini adalah untuk dapat meningkatkan kepercayaan, niat beli dan niat word-of-mouth konsumen yang akan dirumuskan berdasarkan hasil analisis. c) Standard Error Standar error menjelaskan seberapa akurat sampel dalam mewakili populasinya. Dari hasil yang didapat, nilai standard error terbesar dimiliki oleh variabel referensi WOM dengan nilai 0,07. Sedangkan nilai standar error terkecil dimiliki oleh variabel komposit komunikasi dengan nilai 0,06. Namun nilai standar error dari keseluruhan variabel komposit sangat kecil, yaitu dibawah 1. Sehingga dapat disimpulkan bahwa seluruh sampel dapat mewakili keseluruhan populasi secara akurat. d) Standard Deviation Standard deviation merupakan indikator seberapa heterogen data sampel yang didapat. Dari hasil yang didapat, nilai standard deviation terbesar dimiliki oleh variabel komposit niat beli dengan nilai 1,14. Sedangkan nilai standard deviation terkecil dimiliki oleh variabel komposit niat beli dengan nilai 0,92. Meskipun terdapat empat variabel memiliki nilai standard deviation lebih dari 1, namun nilai tersebut cenderung masih dapat ditolerir karena berada pada range nilai 1 hingga 1,1. Sehingga dapat dinyatakan bahwa keseluruhan sampel tidak terdapat variasi data yang terlalu besar. e) Variance Variance merupakan indikator penduga bias dari sampel yang didapat dalam penelitian. Nilai variance terbesar dimiliki oleh variabel komposit niat beli dengan nilai 1,3. Sedangkan nilai variance terkecil dimiliki oleh variabel komposit economic feasibility dengan nilai 0,84. Meskipun terdapat empat variabel yang memiliki nilai variance diatas 1, namun nilai tersebut cenderung masih dapat ditolerir karena berada pada range nilai 1,1 hingga 1,3. Sehingga
96
dapat dinyatakan bahwa keseluruhan sampel tidak terdapat variasi data yang terlalu besar. f) Skewness Skewness merupakan nilai statistik yang menunjukkan kemiringan data. Data dinyatakan terdistribusi normal ketika nilai skewness berada pada rentang nilai -2 hingga 2. Dari hasil yang didapatkan, nilai skewness pada keseluruhan variabel komposit adalah negatif. Nilai skewness terbesar dimiliki oleh variabel komposit reputasi sebesar -1,04, sedangkan nilai skewness terkecil dimiliki oleh variabel komposit niat WOM sebesar -0,66. Karena keseluruhan nilai skewness pada kesembilan variabel masih berada pada rentang nilai -2 hingga 2, maka dapat dinyatakan bahwa data yang digunakan dalam penelitian ini terdistribusi normal. g) Kurtosis Kurtosis merupakan nilai yang menunjukkan keruncingan atau ketinggian kurva data. Nilai kurtosis terbesar dimiliki oleh variabel komposit referensi WOM sebesar 1,32, sedangkan nilai kurtosis terkecil dimiliki oleh variabel komposit niat WOM sebesar -0,3. Karena keseluruhan nilai kurtosis pada kesembilan variabel kurang memiliki nilai kurtosis lebih kecil dari 3, sehingga kurva data berbentuk patykurtic. Sehingga dapat dinyatakan bahwa data terdistribusi agak merata, dimana puncaknya termasuk rendah. Hal tersebut menunjukkan tidak adanya frekuensi pada suatu kelas yang sangat ekstrim bila dibandingkan dengan frekuensi pada kelas lainnya. 4.2.2.3.2 Uji Outlier Uji outlier dilakukan kembali setelah variabel komposit terbentuk dengan menggunakan teknik multivariate berupa Mahalanobis Distance Squared. Dari proses screening menggunakan nilai Mahalanobis Distance Squared, tidak didapatkan nilai yang melebihi 22,46. Sehingga, data yang akan dianalisis lebih lanjut tetap berjumlah 228 data. 4.2.2.3.3 Uji Normalitas Uji normalitas pada penelitian ini adalah dengan melihat nilai skewness (kemiringan), kurtosis (keruncingan), juga menggunakan grafik Q-Q plots. Syarat dari data yang terdistribusi normal adalah apabila nilai skewness berada dalam rentang nilai -2 hingga 2, sedangkan nilai kurtosis tidak lebih dari dari 5 (Kendall
97
& Stuart, 1969). Untuk mendapatkan hasil yang lebih baik karena data yang digunakan dalam penelitian ini besar, maka uji normalitas selanjutnya adalah menggunakan Q-Q plots. Hasil menunjukkan bahwa persebaran data masih berada di sekitar garis normal bagi semua variabel komposit, sehingga dapat dinyatakan bahwa data yang digunakan dalam penelitian ini terdistribusi normal (Lampiran 10). 4.2.2.3.4 Uji Linearitas Uji linearitas dalam penelitian ini diuji menggunakan scatter plot dari variabel penelitian yang digunakan. Hasil dari analisis menunjukkan bahwa hubungan antar variabel penelitian bersifat linear, yang dapat dilihat dari persebaran titik pada scatter plot yang sudah menyebar dan tidak membentuk pola tertentu sehingga data dapat diolah lebih lanjut (Lampiran 11). 4.2.2.3.5 Uji Homoskedastisitas Uji homoskedastisitas pada penelitian ini menggunakan scatter plot antara nilai ZPRED (nilai prediksi) pada sumbu X dan SRESID (nilai residual) pada sumbu Y. Apabila hasil analisis scatter plot menunjukkan titik-titik yang tersebar di atas dan di bawah angka nol pada sumbu Y, maka data yang digunakan dalam penelitian dapat dikatakan memenuhi asumsi homoskedastisitas atau tidak terjadi ketidaksamaan varians pada model. Dari hasi uji homoskedastisitas, didapatkan hasil bahwa tidak terdapat pola tertentu pada grafik scatter plot yang dihasilkan. Data tersebar merata di atas dan di bawah angka nol sumbu Y. Oleh karena itu, dapat dinyatakan bahwa model tersebut telah memenuhi syarat homoskedastisitas (Lampiran 12). 4.2.3 Analysis of Variance (ANOVA) Tujuan dari dilaksanakannya ANOVA adalah untuk menguji signifikansi perbedaan rata-rata pada kelompok yang berbeda. Dalam penelitian ini, ANOVA dilakukan terhadap kelompok asal universitas yang terdiri dari 6 universitas di Surabaya. Analisis dilakukan dengan uji one-way ANOVA pada variabel situasional dalam hubungannya terhadap kesembilan variable komposit yang digunakan dalam penelitian juga dengan menggunakan uji perbandingan post hoc untuk mengetahui perbedaan rata-rata antara pasangan populasi yang terlibat
98
dalam analisis. Metode Tukey/Kramer digunakan untuk menguji kelompok populasi ketika populasi yang dianalisis memiliki jumlah data yang berbeda. Berikut adalah analisis varians berdasarkan asal universitas responden terhadap variabel komposit yang digunakan dalam penelitian. Universitas dikelompokkan menjadi 6 kelompok yaitu ITS, Universitas Airlangga, Universitas Negeri Surabaya, Universitas Hang Tuah, Universitas Tujuh Belas Agustus dan UIN Sunan Ampel. Berikut merupakan nilai rata-rata pada setiap variabel komposit dan perbedaan nilai rata-rata, serta menunjukkan jika terdapat perbedaan yang signifikan pada variabel komposit tertentu (Tabel 4.11). Tabel 4.11 Mean Difference ANOVA Asal Universitas 1 2 UHT UNESA (N = 34) (N = 33) RE 5,09 5,18 KI 5,35 5,49 KT 5,63 5,76 KO 5,22 5,45 EF 5,27 5,64 RW 5,01 5,33 KE 5,38 5,68 NB 5,12 5,42 NW 5,02 5,52 *Signifikan pada nilai p<0,05 Variabel
3 UINSA (N = 31) 5,13 5,44 5,43 5,40 5,47 5,20 5,58 5,21 5,42
4 UNTAG (N = 35) 5,52 5,64 5,68 5,63 5,51 5,26 5,57 5,43 5,56
5 UNAIR (N = 40) 5,49 5,51 5,83 5,61 5,50 5,27 5,68 5,50 5,53
6 ITS (N = 55) 5,70 5,94 6,09 5,83 5,75 5,25 5,85 5,82 5,54
Mean difference 3-6*, 6-3* 1-6*, 6-1* -
Secara keseluruhan, terdapat dua variabel yang menghasilkan nilai signifikan pada p < 0,05 yaitu pada variabel keamanan transaksi dan komunikasi. Pada variabel keamanan transaksi, kelompok mahasiswi UIN Sunan Ampel berbeda signifikan dengan kelompok mahasiswi ITS dan begitu pula sebaliknya, kelompok mahasiswi ITS berbeda signifikan dengan kelompok mahasiswi UIN Sunan Ampel. Berdasarkan nilai rata-rata respon dapat dilihat bahwa kelompok mahasiswi UINSA memberikan nilai yang lebih rendah terhadap keamanan transaksi dibandingkan dengan kelompok lain. Hal ini menunjukkan bahwa persepsi terhadap keamanan transaksi mahasiswi UIN Sunan Ampel adalah rendah. Sehingga dapat dinyatakan apabila mahasiswi UIN Sunan Ampel melakukan transaksi pada online shop di Instagram, mereka cenderung meragukan keamanan yang diterapkan oleh online shop terkait sistem pembayaran, pengiriman produk maupun transaksi dengan admin online shop tersebut. Begitu juga dengan kelompok mahasiswi ITS terkait persepsinya terhadap keamanan transaksi di online shop. Nilai kelompok mahasiswi ITS tertinggi bila 99
dibandingkan dengan kelompok lainnya. Hal ini menunjukkan bahwa kelompok mahasiswi ITS cukup merasa aman dan percaya terhadap sistem pembayaran, pengiriman barang serta transaksi manual yang diterapkan oleh online shop. Berikutnya adalah persepsi kelompok mahasiswi Universitas Hang Tuah dan ITS terhadap komunikasi dari online shop. Jika berdasarkan rata-rata secara keseluruhan, mahasiswi ITS memiliki kecenderungan untuk menghasilkan nilai respon yang lebih tinggi apabila dibandingkan dengan kelompok lainnya. Hal ini menunjukkan bahwa responden dari mahasiwi ITS cenderung memiliki persepsi yang baik terkait komunikasi pada online shop. Komunikasi mengacu pada kesediaan dan pemberian informasi oleh admin maupun customer service online shop, baik dalam bentuk pemberian informasi yang ditampilkan dalam postingan di Instagram maupun informasi yang diberikan oleh admin ketika konsumen bertanya melalui kontak yang disediakan. Sedangkan untuk mahasiswi Universitas Hang Tuah, mereka cenderung memiliki persepsi yang kurang baik terhadap komunikasi yang diberikan oleh customer service online shop di Instagram. Berdasarkan hasil yang didapatkan, perbedaan mean hanya terdapat pada 2 dari 9 variabel yang digunakan dari penelitian (Lampiran 13). 4.2.4 Model Struktural Sub bab ini menjelaskan hasil analisis Structural Equation Modeling secara keseluruhan mengguanakan software AMOS 20. Analisis ini dilakukan untuk menilai sigifikansi dan pengaruh antara reputasi (RE), kualitas informasi (KI), keamanan transaksi (KT), komunikasi (KO), economic feasibility (EF), dan referensi WOM (RW) terhadap kepercayaan (KE), serta sigifikansi dan pengaruh kepercayaan (KE) terhadap niat beli (NB) dan niat WOM (NW). Sebelum melakukan uji hipotesis, perlu dilakukan uji fit model terlebih dahulu untuk mengetahui kelayakan model struktural. Uji fit model dilakukan dengan membandingkan nilai goodness-of-fit (GOF) terhadap niai cut-off-value masingmasing. Hasil uji fit pertama yang ditampilkan pada Gambar 4.26 serta Tabel 4.12.
100
Gambar 4.26 Model Struktural Awal
101
Tabel 4.12 Nilai Goodness-of-Fit Model Struktural Awal No 1 2 3 4 5 6 7 8 9 10 11
Goodness of Fit Measure Absolute Fit Indices Chi square GFI AGFI RMR RMSEA Incremenral Fit Indices NFI NNFI CFI IFI Parsimony Fit Indices PNFI PGFI
Cut-off Value
Nilai
Keterangan
< 106,395 ≥ 0,7 ≥ 0,7 ≤ 0,1 < 0,1
1807,82 0,64 0,58 0,52 0,11
Tidak Fit Tidak Fit Tidak Fit Tidak Fit Tidak Fit
≥ 0,7 ≥ 0,7 ≥ 0,7 ≥ 0,7
0,75 0,78 0,81 0,81
Fit Fit Fit Fit
0,60-0,90 0,50-1,00
0,69 0,55
Fit Fit
Hasil GOF pada model awal tersebut menunjukkan beberapa kriteria GOF yang belum memenuhi kriteria cut-off-value, sehingga perlu dilakukan respesifikasi model. Respesifikasi model dilakukan dengan melihat nilai modification indices (MI). Nilai MI merupakan indikator dari error dari variabel konstruk, sehingga perlu melakukan respesifikasi beberapa kali sehingga diperoleh nilai GOF yang layak dengan menggabungkan nilai error. Respesifikasi dilakukan secara bertahap, yaitu dengan menggabungkan error pengukuran sesuai dengan nilai MI tertinggi. Setelah itu, akan diperiksa ketepatan melalui nilai GOF pada tiap kali iterasi model struktural. Dalam penelitian ini, respesifikasi dilakukan sebanyak 3 kali, dimana hasil GOF yang layak didapatkan setelah 3 kali iterasi terhadap penggabungan nilai error (Tabel 4.13). Tabel 4.13 Modification Indices Iterasi 1 2 3
e2 e3 e1
Koefisien Error <--> <--> <-->
e4 e5 e6
MI Tertinggi 121.977 79.41 66.75
Dengan dilakukannya respesifikasi model tersebut, didapatkan hasil GOF dan model struktural yang layak (Gambar 4.27; Tabel 4.14).
102
Gambar 4.27 Model Struktural setelah Respesifikasi
103
Tabel 4.14 Nilai Goodness-of-Fit Model Struktural setelah Respesifikasi No 1 2 3 4 5 6 7 8 9 10 11
Goodness of Fit Measure Absolute Fit Indices Chi square GFI AGFI RMR RMSEA Incremenral Fit Indices NFI NNFI CFI IFI Parsimony Fit Indices PNFI PGFI
Cut-off Value
Nilai
Keterangan
< 106,395 ≥ 0,7 ≥ 0,7 ≤ 0,1 < 0,1
1448,797 0,75 0,71 0,44 0,09
Tidak Fit Marginal Marginal Tidak Fit Marginal
≥ 0,7 ≥ 0,7 ≥ 0,7 ≥ 0,7
0,79 0,84 0,85 0,85
Fit Fit Fit Fit
0,60-0,90 0,50-1,00
0,73 0,64
Fit Fit
Berdasarkan nilai-nilai yang telah didapatkan, keseluruhan model strukural dapat dinyatakan fit. Dalam pengolahan SEM, semua model tidak diharuskan untuk memenuhi seluruh indeks model fit. Menurut Ferdinand (2002), sebuah model dikatakan fit jika memenuhi minimal 3 indeks dari keseluruhan indeks yang digunakan. Setelah model penelitian dianggap layak, maka dilakukan uji hipotesis dengan melihat p-value dari hubungan struktural tersebut. Tanda panah (--->) menunjukkan arah pengaruh antara variabel satu ke variabel lainnya. Nilai stardardize coefficient (β) positif menunjukkan hubungan positif antar kedua variabel. Informasi lain dapat diperoleh adalah squared multiple correlation (R2) terhadap variabel endogen. R2 berfungsi untuk mengukur seberapa prediktif variabel terhadap model penelitian. Uji signifikansi pengaruh dilakukan dengan melihat p-value antar variabel. Apabila p-value lebih kecil daripada 0,05, maka hubungan kedua variabel adalah signifikan (Tabel 4.15). Tabel 4.15 Hasil Uji Hipotesis Hipotesis Pengaruh H1 Reputasi ---> H2 Kualitas Informasi ---> H3 Keamanan Transaksi ---> H4 Komunikasi ---> H5 Economic feasibility ---> H6 Referensi WOM ---> H7 Kepercayaan ---> H8 Kepercayaan ---> * signifikan pada p < 0,05
Kepercayaan Kepercayaan Kepercayaan Kepercayaan Kepercayaan Kepercayaan Niat Beli Niat WOM
104
Estimate 0,137 0,128 0,041 0,302 0,567 0,331 0,837 0,717
P 0,115 0,471 0,673 0,045* 0,001* 0,003* 0,003* 0,002*
Keterangan Tidak Signifikan Tidak Signifikan Tidak Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan
Berdasarkan hasil uji hipotesis, reputasi, kualitas informasi serta keamanan transaksi memiliki hubungan positif terhadap kepercayaan, namun tidak signifikan pada p-value 0,05 (β = 0,137 p > 0,05, β = 0,128, p > 0,05; β = 0,041, p > 0,05), sehingga tidak mendukung H1, H2 dan H3. Sedangkan komunikasi, economic feasibility dan referensi WOM memiliki hubungan positif dan signifikan pada p-value 0,05 terhadap kepercayaan (β = 0,302, p < 0,05; β = 0,567, p < 0,05; β = 0,331, p < 0,05), sehingga mendukung H4, H5 dan H6. Hasil juga menunjukkan dukungan terhadap H7, yang memprediksi hubungan positif signifikan antara kepercayaan dan niat beli. Nilai standardize coefficient antara kedua variabel tersebut adalah 0,837 dan signifikan pada p < 0,05. Terakhir, kepercayaan memiliki hubungan positif signifikan terhadap niat WOM, dengan standardize coefficient antara kedua variabel tersebut adalah 0,717 dan signifikan pada p < 0,05, sehingga mendukung H8. Selanjutnya didapatkan pula nilai R2 untuk variabel endogen. Ketiga variabel dalam variabel karakteristik s-commerce yang memiliki pengaruh signifikan (komunikasi, economic feasibility dan referensi WOM) menjelaskan 71 persen
varians
terhadap
kepercayaan.
Sedangkan
variabel
kepercayaan
menjelaskan 70 persen dan 51 persen varians pada variabel niat beli dan niat WOM (Gambar 4.27).
105
(Halaman ini sengaja dikosongkan)
106
BAB V ANALISIS DAN DISKUSI
Bab ini akan membahas lebih dalam mengenai hasil analisis data kuantitatif dan kualitatif yang dibahas pada bab sebelumnya. Bagian ini terdiri dari pembahasan hipotesis, implikasi manajerial dari hasil penelitian. 5.1 Pengujian Hipotesis Berikut adalah pengujian hipotesis yang akan dibahas berdasarkan hasil analisis Structural Equation Modeling (SEM) yang dibahas pada bab sebelumnya (Gambar 5.1).
Gambar 5.1 Model Struktural Penelitian 5.1.1 Hipotesis 1 (Reputasi mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop) Berdasarkan hasil analisis SEM, konstruk reputasi menghasilkan p-value sebesar 0,115 dan stardardize coefficient (β) sebesar 0,137 terhadap konstruk kepercayaan. Meskipun arah pengaruh reputasi terhadap kepercayaan adalah positif, namun p-value yang dihasilkan melebihi batas taraf signifikansi 0,05 yang digunakan dalam penelitian ini. Maka hipotesis 1 ditolak, yang memiliki arti bahwa reputasi online shop yang baik dan terkenal tidak akan menimbulkan kepercayaan konsumen terhadap online shop tersebut. Hasil yang didapatkan berbeda dengan penelitian terdahulu (Kim & Park, 2013). Meskipun online shop memiliki reputasi yang baik, terkenal, serta diikuti oleh banyak followers, hal 107
tersebut tidak serta merta dapat membangun kepercayaan konsumen untuk bertransaksi dengan online shop tersebut. Mao (2010) menyatakan bahwa reputasi terkenal yang dimiliki oleh online store tidak berpengaruh efektif dalam membangun kepercayaan konsumen. Terdapat beberapa kemungkingan yang dapat menjelaskan penemuan ini. Pertama, online shop di Instagram berjumlah sangat banyak sehingga kompetisi antar online shop akan sangat ketat. Untuk membangun reputasi sebagai usaha yang terkenal, tentunya akan sangat sulit karena kompetitor sejenis sangat banyak (Davies & Miles, 1998). Sehingga, online shop akan lebih berfokus pada faktor lain seperti harga maupun promosi yang sekiranya dapat menarik konsumen untuk melakukan pembelanjaan online pada online shop tersebut. Alasan kedua adalah bahwa reputasi baik dari online shop tidak menjamin kinerja positif yang diberikan kepada konsumennya (Mao, 2010). Hal ini berhubungan dengan masih manualnya sistem dari online shop itu sendiri, mulai dari order, listing produk, serta pembayaran yang mana dalam tiap prosesnya sangat bergantung pada elemen sumber daya manusia (Forbes et al, 2005). Dengan adanya banyak pemesanan dari konsumen, terdapat kemungkinan bahwa akan terjadi kinerja yang kurang maksimal seperti permasalahan layanan, kegagalan pengiriman, tindakan yang tidak diinginkan dari customer service (Fan et al, 2010). Sehingga semakin terkenalnya online shop tersebut tidak akan menjamin pemberian layanan yang maksimal pula, karena adanya keterbatasan sistem pada online shop di Instagram. 5.1.2 Hipotesis 2 (Kualitas informasi mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop) Berdasarkan hasil analisis SEM, konstruk kualitas informasi menghasilkan p-value sebesar 0,471 dan nilai β sebesar 0,128 terhadap konstruk kepercayaan. Meskipun arah pengaruh kualitas informasi positif terhadap kepercayaan, namun kualitas informasi tidak berpengaruh signifikan terhadap kepercayaan karena nilai p-value lebih besar dari taraf signifikansi sebesar 0,05, sehingga hipotesis 2 ditolak. Hal ini menunjukkan bahwa meskipun online shop di Instagram menampilkan informasi yang lengkap bagi konsumen, namun hal tersebut tidak lantas membuat konsumen percaya kepada online shop tersebut. Hasil ini bertolak
108
belakang dengan penelitian yang dilakukan sebelumnya oleh Kim & Park (2013) bahwa kualitas informasi berpengaruh positif terhadap kepercayaan konsumen. Dengan adanya informasi yang lengkap dan berguna, hal tersebut belum menjamin timbulnya kepercayaan konsumen terhadap informasi yang disediakan oleh online shop. Konsumen juga memiliki keterbatasan dalam pengolahan informasi, sehingga ketika melakukan pembelian online konsumen akan lebih mudah bingung apabila dihadapkan dengan banyaknya informasi mengenai produk (Gao et al, 2012; Forbes et al, 2005). Oleh karena itu, kualitas informasi yang disediakan oleh online shop harus ditampilkan secara efektif dikarenakan daya olah informasi masing-masing konsumen berbeda. Konsumen juga cenderung lebih memilih untuk bertanya langsung dengan customer service untuk mendapatkan informasi daripada harus membaca sendiri pada informasi mengenai produk (Etgar, 1979). Hal ini dianggap lebih efektif dan efisien karena kepercayaan konsumen dapat timbul dengan adanya komunikasi langsung dengan customer service (Gefen & Straub, 2001). Dengan tidak adanya pengaruh kualitas informasi terhadap kepercayaan pelanggan, seharusnya dapat mengarahkan peritel online untuk memikirkan strategi yang efektif dalam menyajikan informasi. Sesuai dengan Etgar (1979), dibutuhkan peran customer service yang dengan tanggap dan responsif dalam menjawab pertanyaan konsumen terkait informasi yang membingungkan maupun kurang jelas. 5.1.3 Hipotesis 3 (Keamanan transaksi mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop) Berdasarkan
hasil
analisis
SEM,
konstruk
keamanan
transaksi
menghasilkan p-value sebesar 0,673 dan nilai β sebesar 0,041 terhadap konstruk kepercayaan. Meskipun arah pengaruh kualitas informasi positif terhadap kepercayaan, namun keamanan transaksi tidak berpengaruh signifikan terhadap kepercayaan karena nilai p-value lebih besar dari taraf signifikansi sebesar 0,05, sehingga hipotesis 3 ditolak. Hasil ini menunjukkan bahwa keamanan transaksi yang ada pada online shop di Instagram tidak berpengaruh signifikan terhadap kepercayaan konsumen, yang mana tidak sama dengan hasil penelitian dari Kim & Park (2013). Perbedaan hasil tersebut dapat terjadi dikarenakan perbedaan objek penelitian yang digunakan. Penelitian ini berfokus pada online shop di
109
Instagram, dimana Instagram bukan merupakan marketplace, sehingga sistem keamanan pembayaran masih manually checked oleh masing-masing peritel, dimana tidak ada campur tangan langsung dari pihak Instagram (Kavulla, 2014). Sehingga, dengan tidak adanya keamanan transaksi di Instagram, maka konsumen akan mempertimbangkan risiko terkait transaksi terhadap kepercayaannya untuk berbelanja online. Didukung dengan pernyataan Yoon (2002) yang menyatakan bahwa keamanan transaksi tidak hanya mengukur keamanan sistem pembayaran, namun juga mempertimbangkan risiko yang dirasakan oleh konsumen. Dengan masih manualnya sistem pembayaran di Instagram, transaksi dengan online shop akan bergantung pada sifat konsumen, risk-taking atau risk averse (Kahneman & Tversky, 1979). Namun terdapat konsumen yang menyadari keuntungan dalam berbelanja online, seperti efisiensi dan harga produk yang jauh lebih murah, yang bisa didapat melalui online shopping akan cenderung risk-takers dan mengabaikan bahaya dari tidak adanya keamanan transaksi ketika melakukan belanja online (Kim & Byramjee, 2014). Individu yang risk-averse akan lebih menyukai bertransaksi langsung dengan offline store. Sehingga, konsumen yang memilih untuk bertransaksi dengan online shop di Instagram telah memahami keterbatasan terkait sistem transaksi pembayaran manual yang diterapkan. Terdapat konsumen yang enggan berbelanja online karena merasakan risiko yang lebih besar dibandingan dengan berbelanja secara tradisional (Kim, Ferrin, & Rao, 2008). Dalam konteks belanja online di Instagram, seharusnya konsumen telah paham risiko yang diambil karena tidak adanya keamanan transaksi yang menjamin. Maka dari itu, keamanan transaksi di s-commerce tidak berpengaruh terhadap kepercayaan konsumen karena tiap konsumen telah memahami dan mengambil risiko untuk bertransaksi dengan peritel online. Ketika berbelanja di online store, konsumen harus memberikan informasi personal serta hanya dapat berharap bahwa peritel online akan memproses, mengirimkan serta menyelesaikan transaksi pembelian tersebut (Kim, Ferrin, Rao, 2008). Karena sistem di online shop berbeda dengan sistem di e-commerce, konsumen hanya bisa bergantung sepenuhnya kepada peritel online bahwa mereka telah memproses transaksi pembelian dan menunggu selama beberapa waktu sampai produk telah sampai pada dirinya.
110
5.1.4 Hipotesis 4 (Komunikasi mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop) Berdasarkan hasil analisis SEM, konstruk komunikasi menghasilkan pvalue sebesar 0,045 dengan nilai β sebesar 0,302 terhadap konstruk kepercayaan. Arah pengaruh komunikasi terhadap kepercayaan adalah positif dan p-value yang dihasilkan lebih kecil dari taraf signifikansi sebesar 0,05, sehingga hipotesis 4 diterima. Semakin baik komunikasi yang disampaikan oleh customer service online shop di Instagram, maka semakin tinggi pula kepercayaan konsumen. Customer service memiliki peran yang krusial sebagai media yang dimanfaatkan konsumen untuk mengajukan pemesanan produk juga mengajukan pertanyaan apabila ia merasa informasi yang diberikan kurang jelas. Customer service yang baik harus memahami betul mengenai informasi produk, serta memberikan pelayanan yang ramah sehingga konsumen pun merasa puas atas layanan yang diberikan. Berdasarkan hasil uji hipotesis yang didapatkan, peritel online harus mempertimbangkan dengan bijak dalam menyediakan customer service yang berkompeten dalam melayani konsumen, karena layanan dan respon dari customer service mampu membangun kepercayaan konsumen pada online shop. Apabila customer service yang disediakan tidak memenuhi kualitas pelayanan standar seperti respon yang tidak ramah maupun respon yang lambat, hal tersebut dapat berpengaruh terhadap kepercayaan konsumen untuk bertransaksi dengan online shop tersebut, karena customer service merupakan representasi dari online shop yang dapat dijangkau oleh konsumen untuk memenuhi kebutuhan akan berbelanja online. Berhubungan dengan masih manualnya sistem pemesanan pada online shop di Instagram, menyebabkan transaksi jual beli bergantung sepenuhnya pada customer service. Apabila peritel online hanya menyediakan customer service dalam jumlah yang sedikit, maka akan berkemungkinan menurunkan kinerja bisnisnya. Hal tersebut dikarenakan customer service akan merasa workload sebagai customer service terlalu berat, karena bertanggung jawab untuk melayani pertanyaan konsumen, order produk, listing produk, serta pengiriman produk. Hasil temuan penelitian ini memiliki kesamaan dengan hasil penelitian Kim & Park (2013) serta Geven & Straub (2001) yang menyatakan bahwa komunikasi merupakan faktor yang krusial dalam membangun kepercayaan dalam
111
konteks online shopping. Ketika konsumen bertransaksi dengan online shop dan mendapat banyak informasi, tentunya konsumen akan memiliki beberapa pertanyaan terkait informasi produk, informasi pengiriman barang, informasi pembayaran dan lain-lain. Customer service merupakan salah satu channel yang membantu konsumen dalam menyelesaikan permasalahan, ambiguitas dan memberikan informasi akurat tentang cara order, serta membantu menyeleraskan persepsi konsumen (Etgar, 1979). Oleh karena itu, peran dari customer service yang mengkomunikasikan berbagai hal terkait transaksi adalah krusial bagi konsumen. Menurut Morgan & Hunt (1994), informasi yang akurat, kredibel dan aktual yang disampaikan dari penjual terhadap pembeli akan mencegah terjadinya komunikasi yang buruk dan mencegah terjadinya hilang kepercayaan dari konsumen pada penjual. Customer service yang terbuka dalam menanggapi pertanyaan konsumen, cepat dalam merespon, dan memberikan feedback atas komentar konsumen dapat meningkatkan kepercayaan konsumen (Mukherjee & Nath, 2007). Peritel online harus mempertimbangkan dengan cermat seberapa banyak customer service yang harus dipekerjakan untuk melayani pertanyaan serta pemesanan produk dari konsumen. Karena konsumen cenderung berharap adanya respon yang cepat, keterbukaan dalam komunikasi, respon atas komplain, serta respon yang cepat dari customer service. Apabila peritel online gagal memberikan pelayanan yang maksimal melalui customer service, hal tersebut berkemungkinan akan menimbulkan ketidakpuasan konsumen atas customer service, yang dapat berujung pada hilangnya kepercayaan konsumen pada online shop tersebut. 5.1.5 Hipotesis 5 (Economic feasibility mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop) Berdasarkan
hasil
analisis
SEM,
konstruk
economic
feasibility
menghasilkan p-value sebesar 0,001 dengan nilai β sebesar 0,567 terhadap konstruk kepercayaan. Arah pengaruh economic feasibility terhadap kepercayaan adalah positif dan p-value yang dihasilkan lebih kecil dari taraf signifikansi sebesar 0,05, sehingga hipotesis 5 diterima. Semakin tinggi economic feasibility yang dirasakan konsumen, maka semakin tinggi pula kepercayaan konsumen. Economic feasibility mengacu pada harga produk serta manfaat produk menurut
112
persepsi konsumen, apakah dengan membeli produk dengan harga tertentu, konsumen dapat menerima manfaat dan nilai yang sesuai dengan jumlah uang yang mereka keluarkan. Sesuai dengan perilaku konsumen Indonesia yang price sensitive, harga merupakan salah satu faktor yang paling dipertimbangkan oleh konsumen. Banyak konsumen yang rela mencari produk substitusi dengan harga termurah, sehingga merek produk bukanlah pertimbangan utama bagi konsumen. Terkecuali bagi konsumen yang telah memiliki loyalitas tinggi terhadap suatu merek pada produk tertentu, harga bukanlah pertimbangan utama dalam melakukan pembelian. Online store seringkali menjadi pilihan konsumen untuk berbelanja, dikarenakan harga yang ditawarkan jauh lebih murah apabila dibandingkan dengan offline store. Terutama produk-produk seperti pakaian, kosmetik dan aksesoris yang sangat banyak ditawarkan pada online shop di Instagram. Image bahwa dengan berbelanja online, konsumen akan mendapatkan banyak pilihan produk dengan harga yang murah membuat semakin banyak pula pengguna Instagram yang mayoritas merupakan anak muda gemar berbelanja online di Instagram. Terbukti dengan hasil analisis usage yang menyatakan bahwa mayoritas responden berbelanja online sebanyak 1 hingga 3 kali perbulannya, bahkan terdapat beberapa responden yang berbelanja online lebih dari 9 kali dalam sebulan. Hasil penelitian ini berbanding terbalik dengan penelitian Kim & Park (2013) yang menyatakan bahwa economic feasibility tidak berpengaruh pada kepercayaan konsumen. Perbedaan ini dapat terjadi karena adanya perbedaan perilaku konsumen, dimana perilaku konsumen Indonesia terkait harga adalah sangat sensitif (Kurabayashi et al, 2013). Sehingga, harga merupakan motivasi utama yang membuat konsumen tertarik untuk belanja (Chen, 2011). Beberapa penelitian juga mendukung hasil temuan dalam penelitian ini. Berdasarkan Lu et al (2006), harga juga menjadi salah satu pertimbangan konsumen untuk percaya untuk bertransksi dengan online store. Menurut Jarvenpaa & Todd (1997), dengan adanya online store, konsumen berpendapat bahwa mereka akan mendapatkan harga yang lebih murah dibandingkan dengan offline store. Secara keseluruhan, beban operasional dari online store memang tidak sebesar yang ditanggung oleh offline store. Dimana dengan tidak adanya biaya untuk sewa tempat serta biaya
113
operasional toko, tentu harga produk yang dijual secara online akan lebih murah. Oleh karena itu, salah satu manfaat dari belanja online yang dirasakan konsumen adalah harga yang lebih rendah dikarenakan biaya set up yang lebih rendah pula (Jarvenpaa & Todd, 1997). Value yang diciptakan suatu usaha dalam lingkungan elektronik berbeda dengan bisnis konvensional (Anckar & Eriksson, 2003). Dimana berpengaruh terhadap pandangan konsumen bahwa mereka layak untuk percaya dan bertransaksi online dikarenakan value ekonomi yang mereka rasakan itu. Selain itu, keuntungan dari segi harga yang sering dinikmati oleh pembeli online adalah diskon, yang mana dapat meningkatkan value ekonomi bagi konsumen (Anckar & D’Incau, 2002). 5.1.6 Hipotesis 6 (Referensi Word-of-Mouth mempunyai pengaruh positif terhadap kepercayaan konsumen pada online shop) Berdasarkan hasil analisis SEM, konstruk referensi word-of-mouth menghasilkan p-value sebesar 0,003 dengan nilai β sebesar 0,331 terhadap konstruk kepercayaan. Arah pengaruh referensi word-of-mouth (WOM) terhadap kepercayaan adalah positif dan p-value yang dihasilkan lebih kecil dari taraf signifikansi sebesar 0,05, sehingga hipotesis 6 diterima. Hasil ini menunjukkan bahwa referensi WOM berpengaruh positif signifikan terhadap timbulnya kepercayaan konsumen untuk melakukan belanja online. WOM dalam konteks scommerce Instagram mengacu pada komentar secara langsung maupun komentar yang dipost pada postingan produk dari konsumen yang sebelumnya telah memiliki pengalaman belanja online pada suatu online shop. Konsumen akan mendapat referensi dari konsumen yang berpengalaman tersebut untuk melakukan belanja online pada online shop. Dalam realitanya, sering kali dijumpai konsumen yang mendapat referensi dari teman maupun rekannya untuk berbelanja di online shop yang menurutnya memiliki keunggulan dan memberikan kepuasan. Seperti faktor harga produk yang murah, pelayanan yang responsif dan ramah, juga dengan adanya promo yang diadakan oleh online shop tersebut yang dapat menarik konsumen. Karena referensi tersebut berasal dari pihak lain yang telah memiliki pengalaman langsung dengan online shop, maka terdapat kecenderungan konsumen untuk dapat mempercayai online shop tersebut.
114
Hasil penelitian ini sesuai dengan hasil temuan pada penelitian Kim & Park (2013), serta didukung oleh penelitian Dellarocas (2003), yang menyatakan bahwa WOM mempengaruhi kepercayaan pada usaha serta produk dan layanannya. Dalam lingkungan online, konsumen akan menghadapi berbagai keterbatasan dan ketidakpastian ketika akan berbelanja, dikarenakan konsumen tidak berinteraksi secara langsung dengan penjual serta dengan adanya keterbatasan untuk melihat produk secara langsung. Sehingga, mereka akan bergantung pada referensi dari konsumen lain untuk membantu mereka dalam membuat keputusan pembelian (Chu & Choi, 2011; Jalilvand & Samiei, 2012). Oleh karena itu, referensi WOM dari konsumen lain dalam lingkungan online merupakan salah satu tools yang efektif untuk menghapuskan keraguan dan membangun kepercayaan bagi konsumen. Menurut Bickart & Schindler (2001), WOM dianggap lebih dapat dipercaya, lebih relevan, dan dapat mengurangi resistensi konsumen secara signifikan karena berasal dari pengalaman konsumen lain. Selain itu, WOM dianggap lebih efektif daripada iklan yang ditampilkan untuk menarik konsumen. Penting bagi peritel online untuk memberikan pelayanan terbaik serta hubungan berkelanjutan dengan konsumen, agar konsumen tersebut memiliki kemauan untuk berbagi pengalaman serta rekomendasi kepada konsumen lain mengenai online shop miliknya. WOM dikenal sebagai teknik pemasaran yang penting dalam branding online (Chu & Choi, 2011). Karena berasal dari pengalaman pribadi konsumen, WOM lebih bepengaruh dibandingkan komunikasi dalam bentuk lain, seperti iklan karena WOM menawarkan informasi yang handal dan dapat dipercaya (Gruen et al, 2006; Chatterjee, 2001) 5.1.7 Hipotesis 7 (Kepercayaan mempunyai pengaruh positif terhadap niat beli) Berdasarkan hasil analisis SEM, konstruk kepercayaan yang terbentuk dari 3 variabel yang memiliki pengaruh signifikan (komunikasi, economic feasibility dan referensi WOM) menghasilkan p-value sebesar 0,003 dengan nilai β sebesar 0,837 terhadap konstruk niat beli. Arah pengaruh kepercayaan terhadap niat beli adalah positif dan p-value yang dihasilkan lebih kecil dari taraf signifikansi sebesar 0,05, sehingga hipotesis 7 diterima. Apabila konsumen mempercayai
115
suatu online shop di Instagram, maka dapat membuat ia memiliki keinginan untuk membeli produk pada online shop tersebut. Kepercayaan merupakan salah satu faktor yang sering digunakan pada berbagai penelitian dalam konteks belanja online. Mengingat keterbatasan utama dalam belanja online adalah konsumen yang tidak dapat berinteraksi dan bertransaksi secara langsung dengan penjual, sehingga niat beli yang timbul seringkali diawali dengan rasa percaya konsumen pada online shop. Kepercayaan tersebut cenderung lebih mudah muncul pada kalangan remaja dan dewasa awal, yang kesehariannya telah akrab dengan sentuhan teknologi dan merasakan manfaat dengan adanya teknologi tersebut. Berbeda halnya dengan kalangan dewasa tengah dan dewasa akhir yang diduga masih awam dengan teknologi, sehingga cenderung lebih sulit untuk membangun kepercayaan untuk belanja online pada konsumen kalangan tersebut. Chaudhuri & Holbrook (2001) menyatakan bahwa kepercayaan konsumen terhadap suatu usaha memainkan hal yang penting dalam menghapuskan keraguan yang konsumen rasakan ketika mereka melakukan belanja online pada online store. Sehingga, konsumen akan merasa lebih nyaman ketika berbelanja online pada usaha yang memang mereka percayai. Hipotesis 7 ini juga mendukung penelitian yang dilakukan oleh Kim & Park (2013) bahwa semakin konsumen mempercayai sebuah usaha online shop, semakin besar pula kecenderungan mereka untuk berbelanja pada online shop. Oleh karena itu, dapat disimpulkan bahwa kepercayaan konsumen memainkan peran yang penting dalam menentukan niat beli konsumen pada online store (Gefen et al,2003). Menurut Muhkerjee & Nath (2007) serta Rutter (2000) dengan adanya kepercayaan konsumen untuk berbelanja online, terdapat kemungkinan kedepannya bahwa akan terjadi hubungan
berkelanjutan
seperti
pembelian
ulang
maupun
memberikan
rekomendasi berupa WOM mengenai online shop. Realita berdasarkan hasil analisis usage pun juga mendukung pernyataan ini, dimana konsumen yang telah percaya pada online shop favoritnya cenderung memiliki niat beli pada online shop tersebut di masa mendatang. Hal tersebut dibuktikan oleh sebanyak 27,3 persen responden yang telah melakukan belanja online pada online shop favoritnya sebanyak lebih dari 3 kali.
116
5.1.8 Hipotesis 8 (Kepercayaan mempunyai pengaruh positif terhadap niat word-of-mouth) Berdasarkan hasil analisis SEM, konstruk kepercayaan yang terbentuk dari 3 variabel yang memiliki pengaruh signifikan (komunikasi, economic feasibility dan referensi WOM) menghasilkan p-value sebesar 0,002 dengan nilai β sebesar 0,717 terhadap konstruk niat WOM. Arah pengaruh kepercayaan terhadap niat WOM adalah positif dan p-value yang dihasilkan lebih kecil dari taraf signifikansi sebesar 0,05, sehingga hipotesis 8 diterima. Semakin tinggi kepercayaan konsumen terhadap online shop, maka kecenderungan konsumen tersebut untuk memberikan WOM terhadap orang lain semakin tinggi. WOM dapat berbentuk rekomendasi langsung dari konsumen terhadap orang-orang terdekatnya, maupun berbentuk komentar yang di post pada postingan produk di online shop. WOM yang diberikan oleh konsumen yang telah merasakan pengalaman berbelanja online pada online shop tersebut dapat berupa evaluasi positif maupun negatif kepada konsumen lain (Hong & Yang, 2009). Hasil ini juga mendukung temuan pada penelitian Kim & Park (2013) yang menyatakan bahwa s-commerce tidak hanya berperan sebagai media untuk jual beli produk namun juga dapat menjadi media untuk memfasilitasi WOM pada konsumen lain. Kepercayaan merupakan salah satu faktor yang mempengaruhi loyalitas konsumen, dimana konsumen yang loyal akan berperan dalam mengiklankan produk maupun jasa dalam bentuk WOM (Gul, 2014). Loyalitas sendiri berkaitan erat dengan kepercayaan konsumen. Apabila konsumen memberikan komentar positif mengenai layanan yang diberikan oleh online shop, hal tersebut menunjukkan loyalitas, dimana loyalitas disertai dengan kepercayaan konsumen (Ranaweera & Prabhu, 2003). Mukherjee & Nath (2007) menyatakan bahwa semakin tinggi kepercayaan dan komitmen konsumen terhadap suatu usaha, konsumen cenderung akan melakukan WOM. WOM dapat menjadi relationship marketing antara konsumen dan peritel online (Morgan & Hunt, 1994). Sehingga penting bagi peritel online untuk mendapat kepercayaan konsumen, karena berawal dari kepercayaan itulah timbul inisiatif pribadi dari konsumen untuk memberikan rekomendasi pada teman maupun rekannya dalam bentuk rekomendasi yang akan berguna untuk memperbesar basis konsumen
117
sebagai target bisnis online shop. WOM juga dapat menjadi bentuk adveritising yang tidak menimbulkan biaya, dimana WOM yang diberikan dalam bentuk komentar jujur yang juga dapat meningkatkan kepercayaan konsumen lain karena WOM tersebut berasal dari pengalaman aktual konsumen itu sendiri.
5.2 Implikasi Manajerial Bagian ini akan menjelaskan retail mix sebagai implikasi manajerial bagi peritel online. Retail mix dirumuskan berdasarkan hasil penelitian untuk penerapan strategi pemasaran bagi peritel online. 5.2.1 Implikasi Manajerial Deskriptif Demografi Berdasarkan hasil analisis deskriptif demografi, pendapatan mayoritas responden dibawah Rp.1.000.000, sehingga pengeluaran untuk belanja online per bula pun cenderung cukup rendah yaitu sebesar Rp.300.000. Sebagai mahasiswi, tentunya responden mempunyai kebutuhan lain yang harus dipenuhi seperti kebutuhan sehari-hari, juga kebutuhan kuliah sehingga responden akan sangat selektif dan memperhitungkan jumlah pengeluaran untuk belanja online. Oleh karena itu, peritel online harus mempertimbangkan strategi yang dapat menarik konsumen untuk berbelanja dengan memberikan penawaran terkait ongkos kirim produk yang fleksibel mulai dari ongkos kirim dengan harga paling murah yang ditujukan bagi konsumen dengan uang saku menengah, namun juga tetap menawarkan ongkos kirim dengan harga yang mahal yang mengutamakan kecepatan produk sampai ke konsumen bagi konsumen dengan uang saku yang cukup besar. Peritel online juga dapat memberikan penawaran diskon produk apabila konsumen telah beberapa kali berbelanja di online shop, sehingga konsumen akan tertarik untuk melakukan pembelian ulang di online shop, serta timbul loyalitas konsumen. 5.2.2 Implikasi Manajerial Deskriptif Usage Hasil analisis usage menyatakan bahwa responden menyukai online shop yang menampilkan visualisasi produknya secara menarik, maka peritel online harus menyajikan tampilan produk yang akan di posting ke akun online shop secara cermat. Beberapa rekomendasi yang dapat diterapkan adalah dengan menggunakan feeds dengan tema maupun warna yang senada untuk tiap produk
118
yang akan di upload, menggunakan video dalam menginformasikan produk, menampilkan produk denga menggunakan model, serta menampilkan tutorial penggunaan produk yang dijual seperti mix and match pakaian atau tutorial make up sehingga dapat menarik minat konsumen terhadap produk. Peritel online juga dapat menampilkan profil picture yang eye catching dan menggantinya secara berkala yang bertujuan sebagai media branding dari online shop. Hasil usage menunjukkan respon dari responden, yang menyatakan bahwa cukup banyak responden yang mengetahui eksistensi online shop melalui iklan di Instagram serta promote akun online shop. Rekomendasi yang dapat diusulkan adalah adalah memasang iklan di Instagram. Instagram memiliki fitur baru berupa iklan berbayar berdasarkan target view dari pengguna Instagram. Peritel online juga dapat menjalin kerjasama dengan online shop lain untuk melakukan promote shoutout for shoutout (SFS), dimana online shop memposting online shop lain disertai dengan caption yang menarik sebagai bentuk promosi. Kerjasama ini saling menguntungkan, karena apabila suatu online shop mempromosikan online shop lain dan begitu juga sebaliknya, dapat menghasilkan followers baru bagi online shop tersebut. Hasil analisis usage yang terakhir adalah tentang pertimbangan responden dalam memfavoritkan online shop karena faktor harga produk yang murah. Rekomendasi bagi peritel online adalah dengan tidak mengambil margin keuntungan yang terlalu besar agar harga produk mampu bersaing dengan online shop lain. Sehingga, dengan harga yang telah ditetapkan tersebut, dapat meraih konsumen yang lebih banyak. Hal tersebut dirasa lebih efektif dibandingan dengan margin keuntungan yang diambil cukup besar namun konsumen enggan membeli karena harga dirasa terlalu mahal. Terakhir, sesuai hasil analisis usage responden yang menyatakan bahwa sebanyak 20,3 persen responden menyukai online shop yang memberikan respon dan tanggapan yang cepat terhadap pertanyaannya, maka rekomendasi yang dapat diusulkan adalah adanya penetapan SOP format order produk, dimana konsumen yang telah mengirim pesan sesuai dengan format order akan diprioritaskan karena tentunya konsumen yang telah mengirim pesan sesuai formar order merupakan konsumen yang serius. SOP tersebut akan menjadi landasan bagi customer service untuk mendahulukan konsumen yang telah memesan sesuai format order,
119
sehingga konsumen akan segera mendapat tanggapan dan kepastian mengenai pesanannya. Sehingga, customer service akan segera menjawab dan melayani pemesanan konsumen dan konsumen pun akan puas dengan layanan dari customer service online shop tersebut. 5.2.3 Implikasi Manajerial Structural Equation Modeling (SEM) Berdasarkan hasil analisis SEM, variabel pertama yang dapat membangun kepercayaan serta niat beli dan niat word-of-mouth (WOM) konsumen adalah komunikasi oleh customer service dari online shop. Oleh karena itu, peritel online harus memberikan perhatian lebih untuk memberikan komunikasi yang maksimal terhadap konsumennya. Rekomendasi pertama adalah berupa pembagian customer service per wilayah sehingga konsumen akan langsung tergerak untuk menghubungi salah satu customer service yang telah di plot sesuai wilayah tempat tinggalnya. Semisal suatu online shop menetapkan terdapat 4 customer service, dimana customer service 1 merupakan customer service bagi wilayah Jawa Tengah, DIY, Jawa Timur dan Bali, customer service 2 merupakan customer service bagi wilayah Jawa Barat, Banten, Jakarta dan sekitarnya, customer service 3 bagi wilayah Sumatra dan Kalimantan, dan customer service 4 bagi wilayah Nusa Tenggara, Bali dan Papua. Dengan sistem seperti itu akan meminimalisir agar konsumen tidak melakukan pengiriman pesan pada customer service lain dan juga akan memudahkan dalam proses listing pengiriman produk karena sudah terbagi sesuai wilayah asal konsumen. Alternatif lain sebagai salah satu layanan yang ditawarkan online shop adalah dengan adanya broadcasting melalui akun customer service untuk menginformasikan produk maupun hanya menyapa konsumen sebagai bentuk layanan pasca pembelian sehingga akan meningkatkan awareness konsumen, menjalin hubungan jangka panjang dengan konsumen, juga meningkatkan loyalitas konsumen. Menurut hasil analisis SEM, konsumen yang loyal akan cenderung
merekomendasikan
usaha
tersebut
pada
rekannya,
sehingga
rekomendasi ini dapat dipergunakan oleh peritel online. Rekomendasi lain terkait layanan yang diberikan adalah adanya garansi produk. Apabila terjadi ketidaksesuaian antara produk yang dipesan oleh konsumen dengan produk yang dikirim maupun adanya cacat produk, konsumen dapat mengajukan klaim
120
penukaran produk karena kesalahan tersebut dilakukan oleh customer service dari online shop. Adanya garansi pengembalian ini sudah dilakukan oleh hampir semua e-commerce, namun belum dilakukan oleh peritel online yang berbisnis di Instagram. Rekomendasi terakhir adalah diberlakukannya pemberian greeting card bagi konsumen yang dikirim bersamaan dengan pengiriman produk. Hal tersebut berguna untuk menciptakan image yang baik terhadap konsumen. Berbeda dengan offline store, dimana kasir dapat mengucapkan terimakasih serta memberikan salam secara langsung terhadap konsumen setelah mereka berbelanja, keterbatasan online shop adalah ketidakmampuan penjual dan pembeli untuk berinteraksi secara langsung. Cara ini bermanfaat untuk menutupi keterbatasan tersebut, sehingga walaupun tanpa interaksi langsung, konsumen akan menerima bentuk fisik berupa greeting card sebagai bentuk ucapan terimakasih dari online shop kepada konsumen tersebut. Variabel kedua yang dapat membangun kepercayaan, niat beli dan niat WOM konsumen adalah economic feasibility. Peritel online dapat menawarkan value ekonomi pada konsumen berupa layanan gratis ongkos kirim bagi konsumen yang tinggal di kota yang sama dengan lokasi online shop tersebut. Rekomendasi ini cukup menarik karena konsumen akan mendapat produknya secara ontime dan intime tanpa membayar sejumlah uang untuk ongkos kirim produk. Selain itu, terdapat beberapa strategi harga yang dapat diterapkan oleh peritel online sesuai dengan kondisi online shop beserta produk yang dijual. Strategi harga pertama adalah strategi loss leader. Peritel online akan menerapkan harga termurah pada salah satu varians produk yang dijual, namun harga pada varians produk lain akan ditetapkan dengan margin yang lebih besar. Tujuan dari strategi ini adalah untuk menarik konsumen dengan harga varians produk yang murah, tetapi pada akhirnya konsumen juga akan berbelanja varias produk lain dengan margin yang lebih besar. Sehingga, bentuk strategi loss leader ini adalah sebagai rangsangan bagi konsumen sehingga menciptakan niat beli konsumen pada varians produk lain. Penerapan strategi ini juga harus diimbangi dengan promosi yang gencar sehingga akan meningkatkan awareness konsumen terhadap varians produk dengan harga yang murah.
121
Strategi harga kedua yang dapat dipertimbangkan untuk dapat menarik konsumen dengan harga murah adalah penetration price. Setiap launching produk baru, peritel online akan menerapkan harga yang murah selama beberapa hari awal. Tujuan dari strategi ini adalah untuk mendapatkan volume penjualan yang besar dalam waktu singkat, sehingga pendapatan pun akan meningkat. Selain itu, peritel online dapat menerapkan strategi price bundling yang juga memiliki tujuan untuk dapat menjual produk yang kurang diminati. Penerapan strategi ini berbentuk penjualan produk dalam satu paket atau bundling yang terdiri atas beberapa produk dalam satu paket tersebut. Keuntungan yang didapat konsumen dengan adanya strategi ini adalah dapat memperoleh harga yang diklaim lebih murah apabila dibandingkan dengan pembelian produk secara satuan. Keuntungan bagi peritel online adalah dapat mengatur produk yang akan dijual secara paket, dimana dalam paket tersebut terdapat produk yang paling diminati oleh konsumen namun juga terdapat produk yang kurang diminati konsumen. Strategi harga terakhir adalah multiple unit pricing, dimana konsumen akan mendapat harga lebih murah apabila membeli lebih dari satu produk. Tujuan dari strategi ini agar konsumen sekaligus membeli beberapa produk dalam sekali transaksi karena adanya tawaran harga yang lebih murah. Peritel online pun mendapat keuntungan karena tiap konsumen yang bertransaksi akan membeli produk lebih dari satu, sehingga walau keuntungan yang didapatkan akan berkurang, namun pendapatan akan meningkat karena adanya peningkatan volume produk yang terjual. Sedangkan rekomendasi terakhir pada variabel economic feasibility adalah packaging produk guna meningkatkan value produk yang akan sampai pada konsumen. Online shop perlu memperhatikan packaging produk yang aman dan tampilan packaging yang rapi serta menarik karena packaging merupakan identitas produk yang akan dilihat pertama kali oleh konsumen setelah ia menerima barang. Packaging yang digunakan sebaiknya memuat ciri khas maupun atribut dari online shop tersebut, sehingga packaging juga dapat menjadi media untuk branding kepada konsumen. Variabel ketiga yang merupakan variabel untuk dapat membangun kepercayaan, niat beli dan niat WOM konsumen adalah referensi WOM dari pihak lain. Untuk itu, peritel online harus menerapkan strategi yang dapat memberikan
122
konsumen sebuah referensi agar percaya serta memiliki niat beli dan niat WOM terhadap online shop. Alternatif yang dapat digunakan adalah dengan menampilkan postingan produk yang berkolaborasi dengan selebgram dalam bentuk endorse produk. Kualitas foto yang dihasilkan oleh selebgram rata-rata sangat baik dan menarik, sehingga apabila postingan produk tersebut ditampilkan pada feeds online shop, diharapkan akan mampu menarik dan meningkatkan niat beli konsumen. Alternatif ini juga berhubungan dengan alternatif selanjutnya yaitu melakukan endorsement produk pada selebgram yang memiliki puluhan ribu followers di Instagram. Selebgram yang diendorse akan mengunggah posting produk dari online shop dengan tampilan yang menarik, sehingga diharapkan akan dalam menarik followers selebgram untuk follow dan melakukan pembelian produk pada online shop. Rekomendasi lainnya yang dapat menjadi referensi WOM dari followers di online shop tersebut adalah dengan mengadakan event promote berhadiah, dimana followers diharuskan untuk memposting foto salah satu produk favoritnya yang dijual di online shop tersebut disertai dengan tag beberapa orang temannya. Sehingga secara tidak langsung, teman-teman dari followers tersebut akan mengetahui eksistensi online shop. Cara tersebut merupakan win win solution bagi online shop maupun followers, dimana online shop dapat meraih followers baru dan followers mendapat kesempatan untuk mendapatkan hadiah. Pada umumnya, online shop hanya akan menjual produk dalam satu kategori tertentu seperti apparel, kosmetik, gadget, dan lain-lain sehingga produk yang dijual akan terfokus atau terspesialisasi. Namun tak jarang juga terdapat online shop yang menjual berbagai produk, yang mungkin bertujuan untuk menargetkan bahwa semua kebutuhan konsumen akan dijual pada online shop tersebut. Apabila online shop mampu berfokus pada satu kategori produk saja, maka akan lebih mudah untuk melakukan branding dan WOM mengenai online shop tersebut sehingga akan dikenal sebagai online shop yang memiliki spesialisasi pada produk tertentu. Rekomendasi lain untuk dapat menimbulkan referensi WOM adalah apabila peritel online dapat mengembangkan bisnisnya tidak hanya pada Instagram, namun juga melalui channel lain. Salah satunya adalah dengan mengikuti even atau bazar di kota asal peritel online sebagai bentuk offline store
123
eventual. Meskipun keberadaan dari bazar hanya eksis selama beberapa hari, namun hal tersebut dapat menjadi channel untuk menjangkau konsumen secara langsung serta untuk meningkatkan brand awareness online shop terhadap konsumen. Kekurangan dari rekomendasi ini adalah peritel online harus mengalokasikan biaya yang digunakan sebagai sewa stand di bazar, sehingga dapat menyebabkan kenaikan harga produk yang disebabkan dengan adanya biaya sewa stand. Sehingga penerapan rekomendasi ini harus dipertimbangkan untuk mencegah timbulnya kerugian yang muncul dengan adanya biaya sewa tersebut. Channel lain yang dapat digunakan sebagai alternatif lain adalah peritel online bergabung dengan situs s-commerce lain seperti Shoppee, Odioli dan lain-lain. Konsep dari s-commerce adalah peritel online harus mendaftar untuk dapat menggunakan akun tersebut dalam mempromosikan dan menjual produk. Beberapa responden penelitian ini mengaku pernah berbelanja di Shoppee maupun Odioli yang menunjukkan bahwa konsumen telah mengenal situs scommerce tersebut. Dengan bergabungnya peritel online di situs s-commerce lain, diharapkan akan dapat menjangkau konsumen lebih luas. Keuntungan dari situs scommerce tersebut adalah tidak berbayar, sehingga tidak akan menimbulkan beban biaya operasional pada peritel online. Selain itu, bagi peritel online yang telah memiliki brand sendiri, dapat mencoba untuk apply kerjasama dengan ecommerce ternama seperti Berrybennka maupun Lazada sebagai supplier produk. Meski terdapat kemungkinan bagi hasil dengan e-commerce tersebut, keuntungan yang didapatkan peritel online adalah transaksi jual beli produk akan ditangani secara langsung oleh e-commerce. Rekomendasi terakhir adalah peritel online dapat menawarkan kesempatan bagi pihak lain untuk menjadi reseller dari produk-produk yang ia jual. Konsep dari reseller ini hampir sama dengan ritel franchise, dimana dapat memberikan keuntungan bagi peritel online untuk meningkatkan pendapatan serta memperluas basis konsumen melalui pihak lain yang ingin bekerja sama. Dengan adanya reseller, tentu permintaan produk akan semakin tinggi karena peritel online tidak hanya berfokus pada konsumen online shopnya saja namun juga berfokus pada konsumen pihak reseller, sehingga pendapatan penjualan pun akan semakin meningkat dengan adanya reseller tersebut.
124
125
Tabel 5.1 Implikasi Manajerial Alat Analisis
Analisis Deskriptif Demografi
Temuan Uang saku mayoritas responden dibawah Rp.1.000.000, sedangkan responden dengan uang saku diatas Rp.1.000.000 adalah minoritas Pengeluaran untuk belanja online per bulan responden sejumlah kurang dari Rp.300.000
Kode 1
2 3 4
Responden menyukai visualisasi/tampilan yang menarik pada posting produk di online shop Instagram
5 6 7
Analisis Deskriptif Usage
8 Responden mengetahui online shop dari iklan dan promote di Instagram
9
Responden mengutamakan harga produk yang murah
10
Responden menyukai respon customer service online shop yang cepat dan tanggap
11
126
Implikasi Manajerial Menyediakan pilihan jasa pengiriman barang dengan harga yang bervariasi karena menyesuaikan dengan uang saku/pendapatan konsumen yang berbeda-beda. Menerapkan pemberian reward berupa diskon terhadap konsumen yang telah beberapa kali melakukan pembelian sehingga akan timbul niat beli ulang dan loyalitas. Menggunakan feeds dengan tema maupun warna yang senada sehingga menambah keatraktifan postingan produk. Menampilkan profil picture online shop yang eye catching sebagai media branding. Menggunakan video dalam menginformasikan produk sebagai alternatif untuk menarik minat konsumen. Menampilkan produk dengan menggunakan model, sehingga tampilan produk lebih menarik dan nyata. Menampilkan tutorial penggunaan produk seperti tutorial mix and match atau tutorial make up sehingga dapat menarik minat konsumen terhadap produk Memasang iklan berbayar via Instagram dikarenakan jangkauan yang luas untuk mendapat followers baru. Menjalin kerjasama shoutout for shoutout (SFS) antar online shop di Instagram untuk menambah followers dan memperluas basis konsumen. Mengambil margin keuntungan yang tidak terlalu besar sehingga harga produk dapat bersaing dengan kompetitor. Menyusun SOP pemesanan produk sebagai cara untuk memprioritaskan konsumen yang serius membeli.
Tabel 5.1 Implikasi Manajerial (Lanjutan) Alat Analisis
Temuan
Kode 12
Komunikasi berpengaruh dalam membangun kepercayaan, niat beli dan niat word-of-mouth konsumen
13
14 15 16 Analisis SEM 17
Economic feasibility berpengaruh dalam membangun kepercayaan, niat beli dan niat word-of-mouth, konsumen
18
19
20 21
127
Implikasi Manajerial Merumuskan pembagian customer service per wilayah untuk memudahkan konsumen dalam berhubungan dengan customer service, mencegah adanya double order, serta memudahkan customer service dalam listing produk. Menyebarkan broadcasting melalui official account customer service sebagai bentuk pelayanan pasca pembelian sehingga akan terjalin hubungan jangka panjang dengan konsumen. Memberikan garansi pengembalian produk apabila produk tidak sesuai maupun adanya cacat produk. Memberikan greeting card kepada konsumen yang disertakan pada produk yang dikirim. Menerapkan layanan free ongkos kirim bagi konsumen yang berada di kota yang sama dengan online shop. Menerapkan strategi loss leader, terdapat beberapa varians produk yang dijual dengan harga murah dengan harapan konsumen juga akan tertarik membeli varians produk lain yang dijual dengan margin yang lebih tinggi. Menerapkan strategi penetration price, dimana harga produk baru akan dijual dengan harga yang rendah dalam beberapa hari awal penjualan. Menerapkan strategi price bundling, beberapa produk akan dijual secara paket sebagai strategi bagi peritel online untuk menjual produknya yang kurang diminati agar tetap dibeli oleh konsumen. Menerapkan strategi multiple unit pricing, konsumen akan mendapat harga produk yang lebih murah apabila memilih dan membeli lebih dari satu produk Menerapkan packaging produk yang aman dengan tampilan yang rapi dan menarik.
Tabel 5.1 Implikasi Manajerial (Lanjutan) Alat Analisis
Temuan
Kode 22
23
24
Analisis SEM
Referensi word-of-mouth berpengaruh dalam membangun kepercayaan, niat beli dan niat word-ofmouth konsumen
25
26 27 28 29
128
Implikasi Manajerial Menampilkan posting produk yang berkolaborasi dengan selebgram. Mengadakan even promote berhadiah bagi followers dengan memposting mengenai online shop tersebut dan diharuskan men-tag beberapa orang temannya yang bertujuan sebagai bentuk WOM. Melakukan endorsement selebgram yang bertujuan untuk mempromosikan produk beserta online shop pada konsumen yang follow selebgram tersebut. Menerapkan fokusan atau spesialisasi produk sehingga akan memiliki brand image yang baik dalam satu kategori produk tertentu. Mengikuti serangkaian even/bazar yang dapat berguna sebagai bentuk offline store eventual, bertujuan untuk meningkatkan brand awareness konsumen. Mengembangkan channel bisnis dengan bergabung scommerce lain seperti Shoppee, Odioli, maupun lainnya. Mencoba bekerjasama dengan e-commerce ternama sebagai supplier produk bagi online shop yang memiliki brand sendiri. Menawarkan kesempatan bagi pihak lain untuk menjadi reseller dari produk yang dijual
Selanjutnya, implikasi manajerial pada penelitian ini akan dijelaskan secara lebih sistematis menggunakan teori dari Berman & Evans (2007) yaitu retail mix. Tabel 5.2 Implikasi Manajerial sesuai Retail Mix Retail Mix
Kode 3 5
Atmosphere
7 4 22
12
11 Service 13 14 16 1
26 Location 27 28 29 25
Merchandise
21 6 15
Implikasi Manajerial Menggunakan feeds dengan tema maupun warna yang senada sehingga menambah keatraktifan postingan produk. Menggunakan video dalam menginformasikan produk sebagai alternatif untuk menarik minat konsumen. Menampilkan tutorial penggunaan produk seperti tutorial mix and match atau tutorial make up sehingga dapat menarik minat konsumen terhadap produk Menampilkan profil picture online shop yang eye catching sebagai media branding. Menampilkan postingan produk yang berkolaborasi dengan selebgram. Merumuskan pembagian customer service per wilayah untuk memudahkan konsumen dalam berhubungan dengan customer service, mencegah adanya double order, serta memudahkan customer service dalam listing produk. Menyusun SOP pemesanan produk sebagai cara untuk memprioritaskan konsumen yang serius membeli. Menyebarkan broadcasting melalui official account customer service sebagai bentuk pelayanan pasca pembelian sehingga akan terjalin hubungan jangka panjang dengan konsumen. Memberikan garansi pengembalian produk apabila produk tidak sesuai maupun adanya cacat produk. Menerapkan layanan free ongkos kirim bagi konsumen yang berada di kota yang sama dengan online shop. Menyediakan pilihan jasa pengiriman barang dengan harga yang bervariasi karena menyesuaikan dengan uang saku/pendapatan konsumen yang berbeda-beda. Mengikuti serangkaian even/bazar yang dapat berguna sebagai bentuk offline store eventual, bertujuan untuk meningkatkan brand awareness konsumen. Mengembangkan channel bisnis dengan bergabung s-commerce lain seperti Shoppee, Odioli, maupun lainnya. Mencoba bekerjasama dengan e-commerce ternama sebagai supplier produk bagi online shop yang memiliki brand sendiri. Menawarkan kesempatan bagi pihak lain untuk menjadi reseller dari produk yang dijual Menerapkan fokusan atau spesialisasi produk sehingga akan memiliki brand image yang baik dalam satu kategori produk tertentu. Menerapkan packaging produk yang aman dengan tampilan yang rapi dan menarik. Menampilkan produk dengan menggunakan model, sehingga tampilan produk lebih menarik dan nyata. Memberikan greeting card kepada konsumen yang disertakan pada produk yang dikirim.
129
Tabel 5.2 Implikasi Manajerial sesuai Retail Mix (Lanjutan) Retail Mix
Kode 10
17
Price
18
19
20
2
23 Promotion
8 9
24
Implikasi Manajerial Mengambil margin keuntungan yang tidak terlalu besar sehingga harga produk dapat bersaing dengan kompetitor. Menerapkan strategi loss leader, terdapat beberapa varians produk yang dijual dengan harga murah dengan harapan konsumen juga akan tertarik membeli varians produk lain yang dijual dengan margin yang lebih tinggi. Menerapkan strategi penetration price, dimana harga produk baru akan dijual dengan harga yang rendah dalam beberapa hari awal penjualan. Menerapkan strategi price bundling, beberapa produk akan dijual secara paket sebagai strategi bagi peritel online untuk menjual produknya yang kurang diminati agar tetap dibeli oleh konsumen. Menerapkan strategi multiple unit pricing, konsumen akan mendapat harga produk yang lebih murah apabila memilih dan membeli lebih dari satu produk. Menerapkan pemberian reward berupa diskon terhadap konsumen yang telah beberapa kali melakukan pembelian sehingga akan timbul loyalitas. Mengadakan even promote berhadiah bagi followers dengan memposting mengenai online shop tersebut dan diharuskan men-tag beberapa orang temannya yang bertujuan sebagai bentuk WOM. Memasang iklan berbayar via Instagram dikarenakan jangkauan yang luas untuk mendapat followers baru. Menjalin kerjasama shoutout for shoutout (SFS) antar online shop di Instagram untuk menambah followers dan memperluas basis konsumen. Melakukan endorsement selebgram yang bertujuan untuk mempromosikan produk beserta online shop pada konsumen yang mfollow selebgram tersebut.
130
BAB VI SIMPULAN DAN SARAN
Pada bab ini akan dijelaskan mengenai simpulan yang dihasilkan serta saran yang dapat dipertimbangkan untuk penelitian selanjutnya serta rekomendasi untuk peritel online yang akan menerapkan strategi retail mix berdasarkan hasil penelitian.
6.1 Simpulan Berdasarkan analisis yang telah dilakukan pada bab sebelumnya, beberapa poin yang menjadi simpulan dalam penelitian ini adalah sebagai berikut. 1. Diketahui bahwa variabel kunci yang berpengaruh signifikan pada pembentukan
kepercayaan
konsumen
dalam
belanja
online
adalah
komunikasi, economic feasibility dan referensi word-of-mouth (WOM). Dua variabel dalam karakteristik s-commerce, yairu economic feasibility dan referensi WOM menunjukkan pengaruh yang paling signifkan pada kepercayaan
konsumen
dibandingkan
pengaruh
komunikasi
terhadap
kepercayaan konsumen. Hubungan dari ketiga faktor tersebut adalah positif, yang berarti bahwa semakin baik persepsi konsumen terhadap komunikasi, economic feasibility dan referensi WOM mengenai online shop maka akan semakin meningkatkan kepercayaan konsumen. Sehingga, peritel online harus mempertimbangkan ketiga faktor tersebut agar mampu meraih kepercayaan konsumen. 2. Kepercayaan konsumen yang dipengaruhi oleh ketiga variabel karakteristik scommerce berpengaruh terhadap niat beli dan niat WOM konsumen. Konsumen yang percaya untuk melakukan pembelian pada online shop di Instagram cenderung memiliki niat beli kembali di masa mendatang, sehingga dapat memicu terjadinya hubungan berkelanjutan antara konsumen dengan online shop favoritnya. Sedangkan konsumen yang percaya pada online shop menunjukkan
komitmen
pada
online
shop
tersebut,
dimana
dapat
menimbulkan niat beli serta niat untuk merekomendasikan online shop favoritnya pada teman atau rekan dari konsumen. Maka dapat dinyatakan, 131
bahwa untuk menimbulkan niat beli dan niat WOM konsumen, peritel online terlebih dahulu harus membangun kepercayaan konsumen yang dapat diraih melalui komunikasi yang baik, economic feasibility dan referensi word-ofmouth dari pihak lain. 3. Berdasarkan retail mix yang digunakan sebagai dasar perumusan rekomendasi implikasi manajerial bagi peritel online, didapatkan 30 rekomendasi yang dapat digunakan peritel online sebagai strategi untuk dapat meraih kepercayaan konsumen, niat beli dan niat word-of-mouth, dimana akan berdampak pada kenaikan kredibilitas dan kenaikan pendapatan online shop tersebut. Rekomendasi tersebut terbagi menjadi 5 kategori yaitu atmosphere dan service, location, merchandise, price serta promotion sejumlah masingmasing 5 implikasi manajerial. Peritel online dapat menerapkan strategi mana yang kiranya sesuai untuk diterapkan pada online shopnya dengan mempertimbangkan dari berbagai aspek
6.2 Saran Saran yang direkomendasikan dari penelitian ini ditujukan untuk online shop yang dijadikan sebagai objek amatan dan saran selanjutnya yang berguna bagi penelitian selanjutnya. 6.2.1 Saran untuk Objek Amatan Berdasarkan hasil penelitian ini, langkah awal yang harus diraih oleh peritel online adalah kepercayaan konsumen. Kegiatan yang dilakukan peritel online tidak hanya sebatas posting produk di online shop saja, namun juga harus memperhatikan aspek lain seperi layanan customer service, economic feasibility atau value ekonomi untuk dapat meraih kepercayaan konsumen. Melalui rasa percaya konsumen, peritel online dapat mengembangkan bisnisnya karena konsumen yang percaya akan memiliki niat beli serta niat untuk mereferensikan online shop terhadap orang lain. 6.2.2 Saran untuk Penelitian Selanjutnya Penelitian ini berfokus pada responden wanita dalam rentang umur 17 hingga 24 tahun yang merupakan mahasiswi di Surabaya. Untuk penelitian selanjutnya, dapat menggunakan responden baik pria maupun wanita yang tidak
132
terbatas pada usia, pekerjaan, maupun lingkup Surabaya saja agar dapat melihat apakah gender, usia dan pekerjaan akan memberikan efek yang berbeda pada variabel penelitian. Penelitian selanjutnya juga dapat menggunakan variabelvariabel lain yang dianggap dapat membentuk kepercayaan konsumen seperti sifat konsumen, sikap konsumen, maupun brand image (Manganri et al, 2011). Selain itu, objek penelitian dapat berfokus pada s-commerce maupun e-commerce yang ada di Indonesia. Untuk mempermudah responden, penelitian selanjutnya juga dapat menggunakan skala Likert 5 poin dikarenakan penggunaan skala Likert 7 poin yang digunakan dalam penelitian ini dianggap menyulitkan konsumen dalam menjawab pernyataan-pernyataan terkait variabel penelitian.
133
(Halaman ini sengaja dikosongkan)
134
DAFTAR PUSTAKA Aaker, D. A., Kumar, V., & Day, G. S. (2006). Marketing research 7th ed. New York: John Wiley & Sons. Ahire, S. L., Gohar, D. Y., & Waller, M. W. (1996). Development and Validation of TQM Implementation Construct. Decision Science, 2(1): 23-56. Aladwani, A. M., & Palvia, P. C. (2002). Developing and validating an instrument for measuring user-perceived web quality. Informastion and Management, 39(6): 467-76. Albaum, G. (1997). The Likert scale revisited: an alternative version. Journal of Market Research Society, 39(2): 331-348. Anckar, B., & D'Incau, D. (2002). Value creation in mobile commerce: findings from consumer survey. Journal of Information Technology Theory and Application, 4 (1): 43-64. Anckar, B., & Eriksson, N. (2003). Mobility: the basis for value creation in mobile commerce. roceedings of International Conference on Advances in Infrastructure for Electronic Business, Education, Science, Medicine and Mobile Technologies on the Internet, Telecom Italia learning Services SSGRR. L'Aquila, Italy. APJII. (2014). Internet. Retrieved from Survei BPS: Jumlah Pengguna Internet Indonesia Tahun 2013 Tembus 71 Juta Orang: http://harianti.com/surveibps-jumlah-pengguna-internet-indonesia-tahun-2013-tembus-71-jutaorang/ Arikunto, S. (2006). Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta: Rineka Cipta. Assael, H. (2001). Consumer Behavior 6th Edition. New York: ThomsonLearning. Azzara, C. V. (2010). Questionnaire Design for Business Research: Beyond inear Thinking - An Interactive Approach. OK: Tate Publishing & Enterprise. Bauer, H. H., Falk, T., & Hammerschmidt, M. (2006). eTransqual: A Transaction Process-Based Approach for Capturing Service Quality in Online shopping. Journal of Business Research, 59(7): 865-875. Berman, B., & Evans, J. R. (2010). Retail Management. A Strategic Approach 11th ed. Upper Saddle River: Prentice Hall International, Inc. Bickart, B., & Schindler, R. M. (2001). Internet forums as influential sources of consumer information. Journal of Interactive Marketing, 15(3): 31--40. Budiyono. (2009). Statistika untuk Penelitian Edisi ke-2. Surakarta: Sebelas Maret University Press. 135
Buttle, F. A. (1998). Word of mouth: understanding and managing referral marketing. Journal of Strategic Marketing, 6(3): 241-254. Byrne, A. (2001). Struktural Equation Modelling with AMOS. NJ: Lawrence Erlbraum. Byrne, B. M. (1998). Structural equation modeling with LISREL, PRELIS and SIMPLIS: basic concepts, applications and programming. New Jersey: Lawrence Erlbaum Associates. Casalo, L., Flavian, C., & Guinaliu, M. (2007). The impact of participation in virtual brand communities on consumer trust and loyalty: the case of free software. Online Information Review, 31(6): 775-792. Chang, H. H., & Chen, S. W. (2008). The Impact of Online Store Environemtn Cues on Purchase Intention. Online Information Review, 32(6): 818-841. Chang, H. H., & Chen, S. W. (2008). The impact of online store environment cues on purchase intentions: trsut and perceived risk as a mediator. Online Information review, 32(6): 775-792. Chaffey, D., & Smith, P. R. (2013). Emarketing Exellence. Planning and optimizing your digital marketing. Abingdon: Routledge. Chatterjee, P (2001),"Online Reviews: Do Consumers Use Them?", in NA Advances in Consumer Research Volume 28, eds. Mary C. Gilly and Joan Meyers-Levy, Valdosta, GA: 129-133. Chaudhuri, A., & Holbrook, M. B. (2001). The chain of effects from brand trust and brand affect to brand performance: the role of brand loyalty. Journal of marketing, 65(2): 81-93. Chen, C. Y. (2011). Influencing Factors on Price Tolerance of Internet Customers. Journal of International Management Studies, 6(2): 1-11. Chen, J., Teng, L., Yu, Y., & Yu, X. (2016). The effect of online information sources on purchase intentions between consumers with high and low susceptibility to informational influence. Journal of Business Research, 69 (2): 467-475. Cheung, M. K., & Lee, M. K. (2006). Understanding consumer trust in Internet Shopping: a multidisciplinary approach. Journal of the American Society for Information Science and Technology, 57(4): 479-492. Chu, S. C., & Choi, S. M. (2011). Electronic word-of-mouth in social networking sites: A cross-cultural study of the United States and China. Journal of Global Marketing, 24(3): 263-281. Company, T. B. (2010). The Internet's New Billions Digital Consumers in Brazil, Russia, India, China and Indonesia. Boston: BCG.
136
Corritore, C. L., Kracher, B., & Wiedenbeck, S. (2003). On-line trust: concepts, evolving themes, a model. International journal of human-computer studies, 58(6), 737-758. Cristobal, E., Flavian, C., & Guinaliu, M. (2007). Perceived e-service quality: measurement validity and effects on consumer satisfaction and web site loyalty. Managing Service, 17(3): 317-340. Davies, G., & Miles, L. (1998). Reputation Management: Theory versus Practice. Manchester: Palgrave Macmillan. Dellarocas, C. (2003). The digitization of word of mouth: Promise and challenges of online feedback mechanisms. Management science, 49(10): 1407-1424. Doney, P. M., & Cannon, J. P. (1997). An examination of the nature of trust in buyer-seller relationship. Journal of Marketing, 61(2): 35-51. eMarketer. (2016). Instagram Users Ages 18-35 in Indonesia Who Follows Digital Retailers on Instagram by Types. https://www.emarketer.com/Article/Instagram-Users-Indonesia-FollowFashion/1013618 Eroglu, S. A., Machleit, K. A., & Davis, L. M. (2003). Empirical testing of a model of online store atmospherics and shopper responses. Psychology and Marketing, 20(2): 139-150. Etgar, M. (1979). Sources and types of intra-channel conflict. Journal of retailing, 55(1): 61-78. Fan, Y. W., Wu, C. C., & Wu, W. T. (2010). The impacts of online retailing service recovery and perceived justice on consumer loyalty. International Journal of Electronic Business Management, 8(3), 239. Fassnacht, M., & Koese, L. (2007). Consequences of web-based service quality: uncovering a multi-faceted chain of effects. Journal of Interactive Marketing, 21(3): 35-54. Febrizio. (2016). Survei: Akun Instagram Bikin Online shop Tambah Laris. Retrieved from Startup Duniaku Network: http://www.duniaku.net/2016/02/26/akun-instagram-online-shop/ Ferdinand, A. (2002). Structural Equation Modelling dalam Penelitian Manajemen. Semarang: FE Universitas Diponegoro. Flynn, B. B., Sakakibara, S., Schroender, R. G., Bates, K. A., & Flynn, E. J. (1990). Empricial Research Methods in Operations Management. Journal of Multidisciplinary Engineering Science and Technology, 95(89): 250282.
137
Forbes, L. P., Kelley, S. W., & Hoffman, K. D. (2005). Typologies of ecommerce retail failures and recovery strategies. Journal of Services Marketing, 19(5): 280-292. Francis, J. E. (2009). Category-specific RECIPEs for internet retailing quality. Journal of Services Marketing, 23(7): 450-461. Freischlad, N. (2015). Articles. Retrieved from In Indonesia, new businesses emerge out of the wave of makeshift social media ecommerce: www.techinasia.com Gao, J., Zhang, C., Wang, K., & Ba, S. (2012). Gao, J., Zhang, C., Wang, K., & Ba, S. (2012). Understanding online purchase decision making: The effects of unconscious thought, information quality, and information quantity. Decision Support Systems, 53(4): 772-781. Gefen, D., Karahanna, E., & Straub, D. W. (2003). Inexperience and Experience With Online Stores: The Importance of TAM and Trust. Transaction on engineering management, 50(3): 307-321. Ghozali, I. (2006). Aplikasi Analisis Multivariate dengan SPSS. Semarang: Badang Penerbit Universitas Diponegoro. Ghozali, I. (2008). Model Struktural Konsep dan Aplikasi dengan Program AMOS 16.0. Semarang: Badan Penerbit Universitas Diponegoro. Grewal, D., Monroe, K. B., & R.Krishnan. (1998). The effect of price-comprison advertising on buyers' perception of acquisition value, transaction value, and behavioral intention. Journal of Marketing, 62(2): 40-59. Group, B. C. (2010). BCG Report: The Internet’s New Billion Digital Consumers in Brazil, India, Rusia, China and Indonesia. Boston: The BCG Inc. Gruen, T. W., Osmonbekov, T., & Czaplewski, A. J. (2006). eWOM: The impact of customer-to-customer online know-how exchange on customer value and loyalty. Journal of Business research, 59 (4): 449-456. Gul, R. (2014). The Relationship between Reputation, Customer Satisfaction, Trust, and Loyalty. Journal of Public Administration and Governance, 4(3): 368-387. Gryseels, M., Das, K., P.Sudhir, & Tan, K. T. (2016). Unlocking Indonesia's Digital Opportunity. Retrieved from McKinsey Indonesia: www.mckinsey.com Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. (1998). Multivariate Data Analysis (5ed). New Jersey: Prentice-Hall International Inc. Hair, J. R., Black, J. F., Babin, W. C., & Anderson, R. E. (2014). Multivariates Data Analaysis (7ed). NJ: Pearson Prentice Hall.
138
Harjadi, D., & Fatmasari, D. (2008). WOM Communication sebagai Alternatif Kreatif dalam Komunikasi Pemasaran. Equilibrium. Hartono, D. Y. (2015, November 20). Stratup. Retrieved from Veritrans: Konsumen E-commerce Indonesia Masih Suka Transaksi via Minimarket: https://id.techinasia.com/veritrans-konsumen-emecommerceem-indonesiamasih-suka-transaksi-emminimarketem Hasan, A. (2010). Marketing. Yogyakarta: Media Presindo. Himstreet, W. C., & Baty, W. M. (1990). Business Communications: Principles and Methods. California: PWS Pub. Co. Hoffman, D. L., Novak, T. P., & Peralta, M. (1999). Building consumer trust online. Communications of the ACM, 42(4): 80-85. Holmes, D. (2005). Communication Theory: Media, Technology and Society. London: Sage Publications. Hong, S. Y., & Yang, S. U. (2009). Effects of Reputation, Relational Satisfaction, and Customer–Company Identification on Positive Word-of-Mouth Intentions. Journal of Public Relations Research, 21(4): 381-403. Istijanto. (2009). Aplikasi Praktis Riset Pemasaran. Jakarta: Gramedia Pustaka Utama. Jalilvand, M. R., & Samiei, N. (2012). The effect of electronic word of mouth on brand image and purchase intention: An empirical study in the automobile industry in Iran. Marketing Intelligence & Planning, 30(4): 460-476. Janda, S., Trocchia, P. J., & Gwinner, K. P. (2002). Consumer perceptions of Internet retail service quality. International Journal of Service Industry Management, 13(5): 412-431. Janda, T. S., & Gwinner, K. P. (2009). Monitoring value-in-use of eservice. Journal of Service, 20(1): 33-51. Jarvenpaa, S. L., Tractinsky, J., & Vitale, M. (2000). Consumer trust in an online store. Information Technology and Management, 1(1-2): 45-71. Jones, K., & Leonard, L. N. (2008). Trust in consumer-to-consumer electronic commercee. Information and Management, 45(2): 45-71. Jöreskog, K. G., & Sörbom, D. (1989). Lisrel 7. A guide to the program and applications. (2nd Ed). Chicago: SPSS Inc. Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica: Journal of the Econometric Society, 263-291. Kanthawongs, P., & Kanthawongs, P. (2015). The Factors Affecting Purchase Intention of Fashion Accessories Through Instagram. Journal of Information Technology, 1-6. 139
Katz, E., & Lazarsfeld, P. F. (1955). Personal influence: The Part Played by People in the Flow of Mass Communications. New York: The Free Press. Kavulla, K. (2014). 10 Tips for buying on Instagram. Retrieved from bellingFAM: https://bellingfam.com/2014/06/27/tips-for-buying-oninstagram/ Kendall, M. G., & Stuart, A. (1969). Standard errors. The advanced theory of statistics (Vol 1). C Griffin. Kim, D. J., Ferrin, D. L., & Rao, H. R. (2008). A trust-based consumer decision making model in electronic commerce: the role of trust, perceived risk, and their antecedents. Decision Support System, 44(2): 544-564. Kim, K., & Prabhakar, B. (2000, December). Initial trust, perceived risk, and the adoption of internet banking. In Proceedings of the twenty first international conference on Information systems (pp. 537-543). Association for Information Systems. Kim, M. J., Chung, N., & Lee, C. K. (2011). The effect of perceived trust on electronic commerce: Shopping online for tourism products and services in South Korea. Tourism Management, 32(2), 256-265. Kim, S., & Park, H. (2013). Effects of various characteristics of social commerce (s-commerce) on consumers’ trust and trust performance. International Journal of Information Management, 33(2): 318-332. Kim, S. H., & Byramjee, F. (2014). Effects Of Risks On Online Consumers' Purchasing Behavior: Are They Risk-Averse Or Risk-Taking? Journal of Applied Business Research, 30(1): 161-177. Kim, S. Y., & Joo, Y. H. (2001). Perceived interactivity and website loyalty/On the role of flow as a mediating variable. Journal of Consumer Studies, 14(4): 185-208. Kim, Y. J., & Kim, H. Y. (2010). The effect of justice and trust on eWOM in social media marketing: focused on power blog and meta blog. The Journal of Internet Electronic Commerce Research, 10(3): 131-155. Kotler, P. (2009). Manajemen Pemasaran. Jakarta: Erlangga. Kotler, P., & Keller, K. L. (2009). Manajemen Pemasaran, Jilid 1 dan 2, Edisi 13. Jakarta: Erlangga. Kotler, P., & Keller, K. L. (2013). Marketing Management 14 edition. New Jersey: Prentice Hall. Kuan, H. H., & Bock, G. W. (2007). Trust transference in brick and click retailer:an investigation of the before-online-visit phase. Information & Management, 44(2): 175-187.
140
Kunto, G. (2016). Manual: Menggunakan Instagram Untuk Pemasaran. Retrieved from Emphatic Marketing: http://empathic.marketing/manualmenggunakan-instagram-untuk-pemasaran/ Kurabayashi, T., Niimi, Y., & Yatsunami, S. (2013). Indonesian youth prefer buying offline - remain price sensitive. NRI Papers, 1-15. Küster, I., & Vila, N. (2011). The market orientation-innovation-success relationship: The role of internationalization strategy. Journal of Innovation, 13(1), 36-54. Latan, H. (2013). Structural Equation Modeling: Konsep dan Aplikasi Menggunakan Program LISREL 8.80. Bandung: Alfabeta. Levy, & Weitz. (2001). Retailing Management 4th Edition. New York: McGraw Hill, Irwin. Liang, T. P., & Lai, H. J. (2002). Effect of store design on consumer purchases: an empirical study of on-line bookstores. Information & Management, 36(9): 431-444. Lim, K. H., Sia, C. L., Lee, M. K., & Benbasat, I. (2006). Do I trust you online, and if so, will I buy? An empirical study of two trust-building strategies. Journal of management information systems, 23(2), 233-266. Liao, C., Palvia, P., & Lin, H. N. (2006). The roles of habit and web site quality in e-commerce. International Journal of Information Management, 26(6), 469-483. Loiacono, E. T., Watson, R. T., & Goodhue, D. L. (2007). WebQual: an instrument for consumer. International Journal of Electronic Commerce, 11(3): 51-87. Lu, Y. B., Deng, Z. C., & Yu, J. H. (2006). A study on evaluation items and its application for B2C e-commerce trust. In Proceedings of Management Science and Engineering International Conference Lille. Lubis, M. (2014). Konsumen Indonesia Mulai Menyukai Belanja Online. Retrieved from Nielsen Indonesia: http://www.nielsen.com/id/en/pressroom/2014/konsumen-indonesia-mulai-menyukai-belanja-online.html Lusch, R. F. (1982). Management of Retail Enterprise. Boston: Kent Publishing Company. Malhotra, N. K. (2013). Riset Pemasaran Edisi Keempat Jilid 1. Jakarta: PT. Indeks. Malhotra, N. K., & Birks, D. F. (2007). Marketing Reseacrh: An Applied Approach (3rd Europe ed). UK: Pearson Education Limited.
141
Manganari, E. E., Siomkos, G. J., Rigopoulou, I. D., & Verchopoulos, A. P. (2011). Virtual store layout effects on consumer behavior. Internet Research, 21(3): 326-344. Manroe, M. (2015). 5 Hal yang Perlu Dilakukan Pemerintah Guna Mendukung Perkembangan Bisnis Online di Indonesia. Retrieved from MaxManroe.com: https://www.maxmanroe.com/5-hal-yang-perludilakukan-pemerintah-guna-mendukung-perkembangan-bisnis-online-diindonesia.html Mao, D. (2010). A Study of Consumer Trust in Internet Shopping And the Moderating Effect of Risk Aversion in Mainland China (Doctoral dissertation, Hong Kong Baptist University Hong Kong). Margono. (2004). Metodologi Penelitian Pendidikan. Jakarta: Rineka Cipta. Marsden, P. (2010). Social commerce: Monetizing social media. Syzygy Group. Mastrangelo, M. E., Gavin, M. C., Laterra, P., Linklater, W. L., & Milfont, T. L. (2014). Psycho‐Social Factors Influencing Forest Conservation Intentions on the Agricultural Frontier. Conservation Letters, 7(2), 103-110. Mukherjee, A., & Nath, P. (2007). Role of electronic trust in online retailing: A re-examination of the commitment-trust theory. European Journal of Marketing, 41(9): 1173-1202. McDonald, R. P., & Ho, M. H. (2002). Principles and practice in reporting structural equation analyses. Psychological Methods, 7(1): 64-82. Meskaran, F., Ismail, Z., & Shanmugam, B. (2013). Online Purchase Intention: Effects of Trust and Security Perception. Australian Journal of Basic and Applied Sciences, 7(6): 307-315. Mirabu, V., Akbariyah, H., & Tahmasebifard, H. (2015). A Study of Factors Affecting on Customers Purchase Intentions. Journal of Multidisciplinary Engineering Science and Technology, 2(1): 267-273. Monroe, K. B., & Krishnan, R. (1983). A procedure to integrating outcomes across studies. Advanced ini consumer Research, 10: 503-508. Moorman, C., Zaltman, G., & Deshpande, R. (1992). Relationships between providers and users of market research: the dynamic of trust within and between organization. Journal of Marketing, 29(3): 314-328. Morgan, R. M., & Hunt, S. D. (1994). The commitment-trust theory of relationship marketing. Journal of Marketing, 58(3): 20-38. Mulaik, S. A., James, L., Alstine, J. V., Benner, N., Lind, S., & Stilwell, C. D. (1989). Evaluation of goodness-of-fit indices for structural equation models. Psychological Bulletin, 105(3): 430-445.
142
Mustafa, H. (2009). Metodologi Penelitian. Jakarta: Penerbit Bumi Aksara. Nanehkaran, Y. A. (2013). An Introduction to Electronic Commerce. International Journal of Scientific and Technology Research, 2(4): 1-4. Nazir, M. (1983). Metode Penelitian. Jakarta: Ghalia Indonesia. Oh, H. J., Yoon, Y. S., & Lee, K. Y. (2006). An empirical study on the determinants of trust and purchasing intention in online shopping. Korea Industrial Economics Association, 19(1): 205-224. Paquette, H. (2013). Social Media as a Marketing Tool: A Literature Review. Major Paper, 1-26. Parasuraman, A., Zeithaml, V., & Malhotra, A. (2005). E-S-QUAL: a multipleitem scale for assessing electronic service quality. Journal of Service Research, 7(3): 213-233. Park, J. E., Chaiy, S. I., & Lee, S. H. (1998). The moderating role of relationship quality in the effect of service satisfaction on repurchase intention. Korean Marketing Review, 13(2): 119-139. Park, M.S., Shin, J.-K., & Ju, Y. (2014). Social networking atmosphere and online retailing. Journal of Global Scholars of Marketing Science, 24(1): 89-106. PDDIKTI. (2015). Perguruan Tinggi. Retrieved from Pangkalan Data Pendidikan Tinggi Kementrian Riset, Teknologi dan Pendidikan Tinggi: http://forlap.dikti.go.id/mahasiswa Persada, S. F., Nadlifatin, R., Lin, S. C., Rachmaniati, Y. P., & Razif, M. (2016). A Pro-Environmental Reasoned Action Model for Measuring Citizens’ Intentions regarding Ecolabel Product Usage. Sustainability, 8(11), 1165. Poddar, A., Donthu, N., & Wei, Y. (2009). Web site customer orientations, Web site quality, and purchase intentions: The role of Web site personality. Journal of Business Research,, 62(4): 441-450. Pratama, A. H. (2016). Startup. Retrieved from Kumpulan Toko Online Populer di Indonesia: https://id.techinasia.com/toko-online-populer-di-indonesia Pratama, R. A. (2015). Pemanfaatan Media Sosial Instagram Sebagai Sarana Pemasaran. Retrieved from Prezi: https://prezi.com/aqmzdttrpehw/pemanfaatan-media-sosial-instagramsebagai-sarana-pemasaran/ Putra, D. D. (2015, April 17). Info Technology. Retrieved from Perkembangan Internet di Indonesia: http://inovasipintar.com/perkembangan-internet-diindonesia-2006-2015/ Ranaweera, C., & Prabhu, J. (2003). On the relative importance of customer satisfaction and trust as determinants of customer retention and positive
143
word of mouth. Journal of Targeting, Measurement and Analysis for Marketing, 12(1): 82-90. Richardson, P. S., Jain, A. K., & Dick, A. (1996). Household store brand proneness: a framework. Journal of Retailing, 72(2), 159-185. Riel, C. B., & Fombrun, C. (2007). Essentials of Corporate Communication, Implementing Practicas for Effective Reputation Management. London & New York: Routledge. Rizqia, C. D., & Hudrasyah, H. (2015). The effect of electronic word-of-mouth on customer purchase intention (case study: Bandung culinary Instagram account). International Journal of Humanities and Management Sciences, 3(3): 155-160. Rogers, E. M. (1986). Communication technology: The new media in society. New York: Free Press. Rutter, J. (2000). From the sociology of trust towards a sociology of ‘e-trust. ESRC Centre for Research on Innovation and Competition (CRIC). Manchester: The University of Manchester. Santoso, S. (2010). Statistik Non Parametrik Konsep dan Aplikasi dengan SPSS. Jakarta: PT. Elex Media Komputindo. Santoso, S., & Tjiptono, F. (2001). Riset Pemasaran Konsep dan Aplikasi dengan SPSS. Elex Media Komputindo: Jakarta. Sarwono, J. (2009). Statistik Itu Mudah: Panduan Lengkap untuk Belajar Komputasi Statistik Menggunakan SPSS 16. Yogyakarta: CV. Andi Offset. Sheth, J. N., & Mittal, B. (2003). Customer Behavior: A Managerial Perspective 2nd Edition. South Western: College Pub. Sohn, C., & Tadisina, S. K. (2008). Development of e-service quality measure for internet-based financial institution. Total Quality Management & Business Excellence, 19(9): 903-918. Statista. (2016). Worldwide social commerce revenue from 2011 to 2015. US Statistics Portals: https://www.statista.com/statistics/251391/worldwidesocial-commerce-revenue-forecast/ Stephen, A. T., & Toubia, O. (2009). Explaining the Power-Law Degree Distribution in a Social Commerce. Social Networks, 262-270. Straubhaar, J., LaRose, R., & Davenport, R. (2011). Media Now : Understanding Media, Culture, and Technology. Thomson-Wadsworth. Sugiyono. (2014). Metode Penelitian Kuantitatif, Kualitatif, dan Kombinasi (Mix Methods). Bandung: Alfabeta.
144
Sujatmiko, I. (2005). Analisis Komponen Utama dengan Menggunakan Matriks Varians-Kovarians yang Robust. Surabaya: Tesis-Jurusan Statistik Institut Teknologi Sepuluh Nopember Surabaya. Sutabri, T. (2012). Analisis Sistem Informasi. Yogyakarta: Penerbit Andi. Tabachnick, B. G., & Fidel, L. S. (1996). Using Multivariate Statistics. New York: Harpoer Collings College Publisher. Tea, R. (2014). Media Sosial: Pengertian, Karakteristik, dan Jenis. Retrieved from Romel Tea Media: http://www.romelteamedia.com/2014/04/mediasosial-pengertian-karakteristik.html Turban, E., & King, D. (2011). Electronic Commerce 2012: Managerial and Social Networks Perspectives (7th Edition) . USA: Pearson. Utami, C. W. (2010). Manajemen Ritel. Jakarta: Salemba Empat. Wang, C., & Zhang, P. (2012). The evolution of social commerce: the people, management, technology, and information dimensions. Communications of the Association for Informations Systems, 31(5): 1-23. Weitz, B. E. (2005). Electronic Retailing. University of Florida, Gainesville, USA, 1-15. Wijanto, S. H. (2008). Structural Equation Modelling. Yogyakarta: Graha Ilmu. Wijaya, K. K. (2016). Indonesia Ternyata Pengguna Instagram Terbanyak Ketiga di Dunia. Retrieved from Startup Techinasia: http://id.news.qa1p.global.media.yahoo.com/indonesia-ternyata-penggunainstagram-terbanyak-124704531.html Winch, G., & Joyce, P. (2006). Exploring the dynamics of building, and losing, consumer trust in B2C eBusiness. International Journal of Retail & Distribution Management, 34(7), 541-555. Wolfiberger, M., & Gilly, M. (2003). e-TailQ: dimensionalizing, measuring and predicting. Journal of Retailing, 79(3): 183-198. Yoo, B., & Donthu, N. (2001). Developing a scale to measure the perceived quality of an internet shopping site (SITEQUAL). Quartertly Journal of Electronic Commerce, 52 (1): 31-46. Yoon, S. J. (2002). The antecedents and consequences of trust in online purchase decisions. Journal of Interactive Marketing, 16 (2): 47-63. Zeithaml, V. A., Parasuraman, A., & Malhotra, A. (2000). A conceptual framework for understanding e-service quality: implications for future research and managerial practice. Working Paper, Marketing Science Institute, Cambridge, 30 (4): 362-375.
145
Zhao, P., & Luo, F. (2015). Research on Relationships between Network Structure and Cluster Innovation Performance Based on SEM Simulation, International Symposium on Computers & Informatics: 1226-1231
146
Lampiran 1. Kuesioner Offline KUESIONER PENELITIAN
Dengan hormat, Perkenalkan, nama saya Bella Harum Ashari. Saya adalah mahasiswi Jurusan Manajemen Bisnis, Institut Teknologi Sepuluh Nopember, Surabaya dan saat ini saya sedang dalam proses penulisan skripsi. Sehubungan dengan penyelesaian skripsi saya yang berjudul “Pengaruh Karakteristik Social Commerce terhadap Kepercayaan, Niat Beli dan Niat Word-of-Mouth pada Online shop di Instagram”, maka dilakukan penyebaran kuesioner untuk pengumpulan data. Untuk itu, saya memohon kesediaan saudari untuk turut berpartisipasi serta meluangkan waktu mengisi kuesioner yang bertujuan untuk mengetahui faktor pembangun kepercayaan konsumen dalam melakukan belanja online serta pengaruh kepercayaan pada niat beli dan niat word-of-mouth dalam konteks belanja online di Instagram. Identitas dan hasil dari kuesioner ini akan dijaga kerahasiaannya. Atas bantuan dan kesediaan saudari saya ucapkan terimakasih.
(I). Screening Pertanyaan berikut merupakan pertanyaan yang berkaitan dengan profil diri Anda S1. Nama : S2. Gender : a. Laki-laki b. Perempuan S3. E-mail/ No HP : S4. Pekerjaan : S5. Asal Universitas : a. ITS d. Universitas Tujuh Belas Agustus b. Universitas Airlangga e. Universitas Hang Tuah c. Universitas Negeri Surabaya f. Lainnya, ……(Pengisian kuesioner selesai, tidak perlu d. UIN Sunan Ampel melanjutkan ke pertanyaan selanjutnya, terimakasih) S6. Kapan terakhir kali anda berbelanja online pada online shop di Instagram? a. ≤ 3 bulan terakhir (lanjut ke poin II) b. ≥ 3 bulan terakhir (Pengisian kuesioner selesai, tidak perlu melanjutkan ke pertanyaan selanjutnya, terimakasih)
147
Lampiran 1. Kuesioner Offline (lanjutan) (II) Demografi dan Usage Isilah pertanyaan di bawah ini dengan melingkari salah satu pilihan jawaban yang sesuai D = Demografi D1 Berapakah usia anda? ………………………… D2 Berapakah rata-rata uang saku anda a. ≤ Rp.1000.000 setiap bulan? b. Rp.1.000.001- Rp.1.500.000 c. Rp.1.500.001- Rp2.000.000 d. > Rp.2.000.000 D3 Selain uang saku yang anda dapat setiap a. Ya (lanjut ke pertanyaan D4) bulan, apakah anda memiliki sumber b. Tidak (lanjut ke pertanyaan D5) pendapatan lain? D4 Berasal dari manakah sumber pendapatan a. Kerja sampingan lain tersebut? b. Bisnis c. Investasi d. Lainnya, ……………… D5 Berapakah rata-rata pengeluaran anda a. ≤ Rp.1.000.000 setiap bulan? b. Rp.1.000.001- Rp.1.500.000 c. Rp.1.500.001- Rp2.000.000 d. > Rp.2.000.000 D6 Berapakah pengeluaran anda untuk a. ≤ Rp.300.000 berbelanja di online shop setiap bulan? b. Rp.300.001- Rp.600.000 c. Rp.600.001- Rp.1.000.000 d. > Rp.1.000.000 U = Usage U1 Berapa lama anda telah aktif di media a. < 1 tahun c. 2 – 4 tahun sosial Instagram? b. 1 – 2 tahun d. > 4 tahun U2 Berapa lama anda telah aktif mengikuti a. < 1 tahun c. 2 – 4 tahun online shop di Instagram? b. 1 – 2 tahun d. > 4 tahun U3 Berapakah jumlah following dan …………………………….. followers akun Instagram anda? U4 Berapa banyak online shop di Instagram a. 1 – 5 online shop yang anda ikuti? b. 6 – 10 online shop c. 11 – 15 online shop d. > 15 online shop U5 Berapa kali anda berbelanja di online a. 1 – 3 kali c. 7 – 9 kali shop di Instagram (dalam kurun waktu 3 b. 4 – 6 kali d. > 9 kali bulan terakhir)? U6 Produk apa yang sering anda beli di a. Apparel (top, dress, jumpsuit, t-shirt, trouser, jean, short, skirt) online shop? b. Aksesoris (kalung, anting, gelang, kacamata) c. Kosmetik d. Lainnya, sebutkan ………………. U7 Sebutkan nama akun online shop yang menjadi favorit anda dalam melakukan pembelian. U8 Darimanakah anda mengetahui online a. Teman shop tersebut? b. Keluarga c. Lainnya,……….. U9 Berapa kali anda telah melakukan a. 1 kali c. 3 kali pembelian pada online shop favorit anda? b. 2 kali d. > 3 kali Pertimbangan apa yang membuat online a. Harga yang murah
148
U10
shop tersebut menjadi favorit anda dalam melakukan pembelian?
b.
Respon admin/ customer service yang cepat dan tanggap
c. d.
Visualisasi produk yang menarik Lainnya, sebutkan ……
Lampiran 1. Kuesioner Offline (lanjutan)
(III) Pertanyaan Inti Pilihlah salah satu jawaban di bawah ini dengan memberikan tanda centang ☑ pada salah satu kolom yang tersedia. Pilihlah nilai skala yang sesuai dengan pendapat Anda. Berikut merupakan keterangan mengenai ketujuh skala tersebut Skala Likert Respon 1 Sangat Tidak Setuju (STS) 2 Tidak Setuju (TS) 3 Agak Tidak Setuju (ATS) 4 Cukup Setuju (CS) 5 Agak Setuju (AS) 6 Setuju (S) 7 Sangat Setuju (SS) Untuk menjawab pernyataan di bawah ini, online shop yang menjadi acuan merupakan online shop yang menjadi favorit anda untuk melakukan belanja online. 1. No
Karakteristik s-commerce Skala Jawaban 1 2 3
Daftar Pernyataan
4
5
Reputasi – Citra online shop 1 Online shop ini terkenal. 2 Online shop ini memiliki reputasi yang baik. 3 Online shop ini memiliki reputasi sebagai usaha yang jujur. 4 Saya familiar dengan online shop ini. Kualitas Informasi – Informasi yang diberikan online shop pada konsumen 5 Online shop ini memberikan informasi yang akurat pada produk yang ingin saya beli. 6 Online shop ini memberikan informasi yang berguna. 7 Online shop ini memberikan informasi yang dapat dipercaya. 8 Online shop ini memberikan informasi yang memadai ketika saya melakukan transaksi. Keamanan Transaksi – Keamanan yang dirasakan konsumen saat bertransaksi 9 Saya tidak pernah mengalami masalah terkait kecurangan transaksi pada online shop ini. 10 Saya tidak pernah mengalami masalah terkait pengiriman barang yang dikirim oleh online shop ini. 11 Saya merasa aman terkait sistem pembayaran yang diterapkan online shop ini. 12 Saya percaya dengan sistem pembayaran yang diterapkan oleh online shop ini. Komunikasi – Komunikasi terkait infomasi yang diberikan online shop pada konsumen 13 Online shop ini tetap menginformasikan tentang perkembangan terbaru terkait produk maupun
149
6
7
No
Skala Jawaban 1 2 3
Daftar Pernyataan
4
5
6
7
5
6
7
promosi
Lampiran 1. Kuesioner Offline (lanjutan) 14
15 16
Admin/ Customer service dari online shop merespon feedback saya terhadap penawaran produknya. Online shop ini menyediakan informasi yang berarti bagi saya. Online shop ini menyediakan informasi secara berkala
Economic Feasibility – Manfaat ekonomi yang ditawarkan online shop 17 Online shop ini menyediakan produk yang menarik dan bernilai bagi saya. 18 Online shop ini menawarkan harga yang masuk akal 19 Saya dapat membeli produk atau jasa dengan harga yang murah pada online shop ini. 20 Online shop ini menyediakan produk yang berguna untuk memenuhi kebutuhan saya Referensi Word-of-Mouth – Referensi terkait online shop 21 Saya mendapatkan referensi bahwa online shop ini cocok untuk memenuhi kebutuhan saya. 22 Saya mendapatkan referensi bahwa proses transaksi pada online shop ini sangat mudah. 23 24
2.
Saya mendapatkan referensi bahwa online shop ini dapat diandalkan. Saya mendapat referensi bahwa berbelanja pada online shop ini layak dilakukan.
Kepercayaan Konsumen untuk melakukan belanja online di online shop
Skala Jawaban 1 2 3 4 Kepercayaan – Kesediaan konsumen untuk percaya terhadap online shop 25 Saya yakin bahwa online shop ini akan memberikan penawaran yang akan mempertahankan minat saya untuk tetap berbelanja disana. 26 Online shop ini akan menepati janjinya. 27 Saya percaya pada informasi yang diberikan oleh online shop ini. 28 Online shop ini ingin dikenal sebagai usaha yang berkomitmen dan bertanggung jawab. No
3.
Daftar Pernyataan
Performansi Kepercayaan Konsumen terhadap belanja online di online shop
150
Skala Jawaban 1 2 3 4 Niat Beli – Keinginan konsumen untuk melakukan pembelian pada online shop 29 Saya akan membeli produk di online shop ini. No
Daftar Pernyataan
5
6
7
Lampiran 1. Kuesioner Offline (lanjutan) 30
Di masa mendatang, saya akan mempertimbangkan untuk membeli produk di online shop ini. 31 Dalam waktu dekat, saya akan membeli produk di online shop ini. 32 Jika ada kesempatan, saya berniat untuk membeli produk di online shop ini. Niat Word-of-Mouth- Keinginan konsumen untuk memberikan word-of-mouth 33 Saya akan memberi tahu orang lain terkait hal positif tentang online shop ini. 34 Saya akan memberikan informasi pada orang lain mengenai online shop ini. 35 Saya akan merekomendasikan online shop ini pada teman atau rekan. 36 Saya akan mengajak orang lain untuk melakukan pembelian di online shop ini. Sekian kuesioner penelitian ini. Jika Anda memiliki saran/ kritik untuk penulis, Anda dapat menuliskannya pada kolom di bawah ini. Saran/kritik untuk Penulis
Terimakasih atas kesediaan Saudari dalam mengisi kuesioner.
151
(Halaman ini sengaja dikosongkan)
152
Lampiran 2. Kuesioner Online
153
Lampiran 2. Kuesioner Online (lanjutan)
154
Lampiran 2. Kuesioner Online (lanjutan)
155
Lampiran 2. Kuesioner Online (lanjutan)
156
Lampiran 2. Kuesioner Online (lanjutan)
157
Lampiran 2. Kuesioner Online (lanjutan)
158
Lampiran 2. Kuesioner Online (lanjutan)
159
Lampiran 2. Kuesioner Online (lanjutan)
160
Lampiran 2. Kuesioner Online (lanjutan)
161
Lampiran 2. Kuesioner Online (lanjutan)
162
Lampiran 2. Kuesioner Online (lanjutan)
163
(Halaman ini sengaja dikosongkan)
164
Lampiran 3. Data Penelitian No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70
RE1 7 6 5 5 6 6 4 6 5 6 5 2 2 6 7 4 4 5 7 4 4 6 3 7 7 5 6 3 3 4 5 6 6 6 6 2 2 5 6 4 6 6 2 2 7 5 6 6 3 6 6 3 6 6 4 4 4 4 4 5 6 4 2 6 6 5 6 6 5 6
RE2 6 6 6 6 6 7 4 6 6 7 6 4 2 6 7 4 4 3 7 3 5 6 3 7 6 6 6 4 3 4 6 6 6 6 4 4 6 6 6 5 6 6 3 3 7 5 6 6 3 6 3 6 6 6 5 5 5 4 4 5 5 5 4 6 6 6 6 6 6 6
RE3 6 5 6 6 6 6 4 6 5 7 6 7 2 6 7 4 6 3 7 3 5 6 6 7 6 5 6 4 3 4 6 6 6 6 4 5 5 6 6 4 6 6 3 3 7 6 5 6 7 6 3 6 6 6 6 6 5 6 4 5 6 6 6 6 6 6 7 7 7 6
RE4 5 5 7 6 6 7 3 6 6 4 6 7 2 5 7 5 3 5 7 3 5 6 3 7 6 4 7 3 3 4 4 6 6 5 4 5 6 7 6 5 6 6 1 1 7 6 6 5 7 5 4 6 6 3 4 5 4 5 4 6 5 6 6 6 6 6 7 7 6 6
KI1 6 5 6 6 6 7 4 5 4 5 7 6 2 5 7 6 5 3 6 5 3 6 7 6 6 5 6 4 3 4 6 6 6 6 6 7 5 6 6 6 4 5 6 6 7 6 6 4 7 5 3 5 4 5 3 4 4 4 3 5 6 6 5 7 5 6 6 5 5 6
KI2 4 6 6 6 6 7 3 5 4 6 7 6 2 6 7 6 5 3 6 6 5 6 7 6 6 5 6 4 3 4 5 7 6 5 4 7 4 7 6 5 5 6 6 5 7 6 6 5 7 6 4 6 4 2 4 4 4 6 4 5 6 6 5 7 6 6 7 6 5 4
KI3 4 5 7 5 6 7 4 5 4 7 7 6 2 5 6 4 5 3 7 6 6 6 6 7 7 5 6 4 3 4 6 7 6 6 4 7 5 7 7 6 6 6 6 6 7 7 6 5 7 6 4 6 4 3 5 4 4 5 4 5 7 6 5 7 6 6 6 7 6 5
165
KI4 6 6 6 6 6 7 4 6 5 7 7 7 2 6 6 4 5 3 7 6 4 6 6 7 7 5 5 4 3 4 6 6 6 6 6 7 5 6 7 4 5 6 7 7 6 7 6 5 5 6 4 6 6 6 5 4 4 4 5 5 6 6 6 7 6 6 7 4 6 6
KT1 6 6 7 6 5 7 3 6 5 7 7 6 3 6 7 6 5 3 7 3 1 6 6 7 7 5 7 7 3 4 6 7 6 7 4 7 5 7 7 4 7 6 5 5 6 7 5 5 7 5 1 6 6 5 2 7 4 6 6 6 6 6 6 7 6 6 7 3 6 6
KT2 6 6 7 6 5 6 4 5 5 6 7 4 2 5 7 6 6 5 7 6 4 4 6 7 7 5 6 7 3 4 5 6 6 6 4 7 5 5 7 5 7 5 6 6 7 7 6 5 7 6 1 6 6 5 4 5 4 4 6 6 5 6 6 7 6 6 7 3 4 6
KT3 6 6 7 6 5 7 4 6 5 6 7 7 3 5 7 6 6 5 7 6 6 6 6 7 7 5 5 7 3 4 7 6 6 6 4 7 5 6 7 6 7 6 7 7 5 7 4 5 7 6 1 6 6 2 3 7 4 4 6 5 6 6 6 7 6 7 7 3 5 6
KT4 6 6 7 6 5 6 4 6 5 6 7 7 3 5 7 6 6 3 7 6 1 6 6 6 6 5 6 7 3 4 7 7 6 6 4 7 5 6 7 6 7 6 5 5 7 6 6 5 7 6 1 6 6 2 6 7 4 4 6 6 6 5 5 7 6 6 6 3 6 6
KO1 6 6 7 4 6 6 4 6 6 6 6 7 3 6 7 5 3 3 7 6 7 6 6 7 6 5 5 4 3 4 7 7 6 6 6 6 5 7 6 6 6 6 6 6 6 5 6 5 7 6 5 6 6 4 2 4 4 6 6 6 6 5 6 7 6 7 7 5 5 5
KO2 6 5 6 5 6 6 5 6 5 6 6 6 3 6 7 5 3 3 6 6 4 6 5 6 5 5 5 4 3 4 7 6 4 5 6 6 5 3 6 5 6 6 7 7 5 6 7 5 6 6 4 6 6 4 4 4 4 4 5 5 7 6 6 7 6 4 7 6 5 5
Lampiran 3. Data Penelitian (lanjutan) No 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140
RE1 4 6 6 6 6 6 6 6 6 4 2 3 3 4 3 2 6 5 7 5 6 6 6 6 4 6 5 6 6 6 5 7 6 5 5 6 6 5 6 4 6 6 5 6 4 7 4 7 4 4 2 5 6 3 2 6 5 4 7 7 3 3 4 7 4 7 5 5 7 6
RE2 4 6 6 2 6 6 6 6 6 5 3 5 3 4 3 2 6 6 7 6 6 6 6 5 6 7 4 5 6 7 5 7 6 6 6 6 6 5 7 5 6 6 5 6 6 6 5 6 4 5 2 7 7 4 3 5 7 4 7 7 4 3 4 6 6 7 6 5 6 6
RE3 4 6 6 6 6 4 7 6 6 5 2 6 3 4 4 2 6 7 7 6 7 7 7 6 6 6 6 6 6 6 7 6 5 6 5 5 7 5 6 4 6 6 6 4 7 6 7 6 4 6 3 7 6 4 3 6 7 4 7 7 4 3 6 6 6 7 7 5 6 6
RE4 4 4 6 5 5 4 6 6 5 6 2 4 2 4 2 1 5 5 6 5 6 6 6 7 6 6 5 5 6 6 5 6 6 5 5 6 6 5 7 6 6 6 6 5 7 6 7 6 4 5 3 5 7 2 3 4 5 4 7 7 5 3 6 6 5 7 5 5 5 6
KI1 5 6 7 4 6 5 7 6 6 5 5 5 3 4 2 3 7 6 7 6 6 7 6 7 7 6 6 5 6 6 5 5 5 6 5 6 6 6 6 6 6 6 5 7 6 6 6 6 4 5 4 6 6 5 3 6 5 4 7 7 6 3 6 5 5 7 7 5 5 6
KI2 5 6 6 4 6 5 7 6 5 6 5 3 5 4 4 6 6 6 6 5 6 7 6 7 3 6 5 5 6 6 5 6 6 6 6 6 6 4 7 6 6 6 5 7 6 4 6 6 1 4 4 7 6 5 3 6 5 4 7 7 6 3 6 5 5 7 7 5 6 6
KI3 6 4 6 5 6 5 7 6 6 5 5 6 3 4 2 6 6 7 6 6 6 7 7 7 7 7 4 4 6 7 5 6 6 6 6 6 6 5 7 6 6 6 5 7 6 4 6 6 4 5 4 7 6 5 3 7 5 4 6 7 6 4 6 6 5 7 7 5 6 6
166
KI4 6 4 6 6 5 2 7 6 5 4 4 7 4 4 3 3 6 6 7 5 6 7 7 7 7 6 6 6 7 6 7 5 5 6 5 6 7 5 7 6 6 6 5 6 6 6 7 6 4 5 4 6 6 5 3 7 7 4 7 7 6 4 6 6 6 7 7 5 6 6
KT1 6 6 6 7 6 2 7 6 6 4 2 4 6 4 3 7 7 7 6 6 6 7 7 7 7 7 6 5 7 6 4 7 6 6 6 5 7 5 6 6 6 6 6 6 7 6 6 5 4 5 4 7 6 6 3 6 7 4 7 7 6 7 7 7 6 7 7 5 7 6
KT2 6 4 6 7 5 2 7 6 6 6 3 2 3 4 3 3 7 7 6 6 7 7 7 7 1 7 5 5 7 6 4 6 7 6 6 5 6 6 6 6 6 6 6 4 6 6 6 5 3 5 3 7 6 4 3 3 5 4 7 7 6 7 7 7 6 7 5 5 7 6
KT3 6 4 7 7 6 2 7 6 5 5 6 3 5 4 3 5 6 6 5 6 7 7 6 7 7 7 6 5 7 6 6 6 6 5 5 6 6 6 6 5 6 6 6 5 6 6 6 6 4 5 4 6 6 4 3 5 7 4 7 7 6 7 6 5 5 7 6 5 6 6
KT4 6 4 7 7 6 5 7 6 5 6 6 4 5 4 3 5 6 5 5 6 6 7 6 7 7 7 5 5 7 6 4 6 5 5 5 6 6 5 6 5 6 6 6 4 6 6 6 6 4 5 4 6 6 4 3 3 7 4 7 7 6 5 6 6 5 7 6 5 7 6
KO1 5 6 7 6 6 5 7 6 6 6 5 3 6 4 2 3 6 6 6 6 6 7 6 6 7 7 6 5 6 5 7 7 5 6 6 5 6 4 7 7 6 6 5 6 6 4 5 7 4 5 4 7 6 5 3 6 7 4 7 7 6 7 6 6 5 7 5 5 6 6
KO2 5 6 6 6 6 5 7 6 5 6 5 5 6 4 4 4 6 5 6 6 6 7 6 7 6 6 5 5 6 6 6 6 6 6 5 6 5 5 7 6 6 6 5 6 6 5 6 7 4 5 4 6 6 4 3 6 7 4 7 6 7 4 6 6 5 5 6 5 6 6
Lampiran 3. Data Penelitian (lanjutan) No 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210
RE1 6 4 4 4 6 6 6 6 7 5 6 6 6 6 6 6 3 5 6 5 7 6 6 4 7 6 6 6 7 5 5 6 6 7 5 6 7 7 5 5 6 6 5 5 5 4 5 4 5 5 3 5 6 6 3 6 7 4 6 5 6 7 4 3 4 6 7 6 5 6
RE2 7 5 6 4 6 6 6 6 5 6 6 5 6 6 6 7 3 5 6 5 7 6 7 5 7 5 6 6 7 5 6 5 7 7 5 7 6 7 6 5 6 6 6 6 6 5 5 5 6 7 6 6 5 6 4 7 7 6 6 6 6 7 5 5 6 7 7 6 4 6
RE3 7 5 7 4 6 7 6 6 6 6 6 7 6 6 6 6 4 5 6 5 7 7 6 6 7 6 6 6 7 6 6 6 7 7 6 7 6 7 5 5 6 7 7 6 6 6 6 4 5 7 6 6 6 6 5 7 7 5 6 6 6 6 6 5 5 7 7 6 5 6
RE4 6 5 4 4 6 4 5 6 6 6 6 6 6 6 6 7 2 5 6 6 7 6 6 7 7 6 6 5 7 4 6 4 5 7 6 4 6 7 5 5 6 7 7 6 7 6 6 6 6 5 7 6 6 6 5 7 7 4 6 5 7 7 6 5 5 6 6 6 4 6
KI1 6 5 7 4 6 6 3 4 6 5 6 6 6 6 6 5 3 5 5 5 6 6 5 6 7 6 5 5 7 6 6 6 7 7 5 7 6 7 6 5 6 7 7 6 6 6 5 4 5 7 7 6 6 6 5 7 5 6 7 5 6 6 5 5 6 7 6 6 6 6
KI2 6 5 6 4 6 6 4 4 6 5 6 6 6 6 6 5 3 5 5 4 7 7 6 6 7 6 5 6 7 6 6 6 7 7 5 6 6 6 6 4 6 7 7 5 6 5 4 4 6 6 7 6 6 5 4 6 6 6 6 6 6 6 5 5 6 7 6 6 4 6
KI3 7 5 6 4 6 6 5 4 6 5 6 6 6 6 6 6 3 6 6 5 7 7 6 5 6 5 5 5 6 7 6 6 5 7 6 7 6 7 6 5 6 7 7 6 6 5 5 4 6 7 7 6 6 6 4 7 6 6 6 6 6 6 5 5 6 7 7 6 4 6
167
KI4 7 5 6 4 6 6 3 5 6 5 6 6 6 6 6 4 3 6 6 5 6 6 6 6 6 6 6 6 6 6 6 6 7 7 7 7 6 6 5 5 6 7 7 6 5 6 6 4 6 6 7 6 5 6 5 7 7 6 6 7 6 7 6 3 6 7 7 6 5 7
KT1 7 3 7 4 6 6 5 6 7 6 6 7 6 6 6 7 7 6 6 6 7 7 7 7 6 6 6 6 7 6 7 6 7 7 6 7 7 6 5 6 6 7 7 7 6 6 6 3 5 6 7 5 6 7 6 7 7 6 5 6 6 7 7 6 6 7 7 6 6 6
KT2 6 3 7 4 6 6 7 6 6 6 6 6 6 6 6 7 7 6 6 6 4 6 7 7 6 6 6 6 7 6 7 6 5 7 6 7 6 6 5 6 6 7 7 6 5 7 5 2 5 6 7 5 4 7 6 7 7 4 6 6 6 7 6 6 6 7 7 6 6 6
KT3 6 5 6 4 6 6 7 6 6 6 6 6 6 6 6 7 4 6 6 5 6 6 6 6 6 6 6 5 6 6 7 6 7 7 6 7 6 6 5 6 5 7 7 6 6 6 6 4 6 7 4 7 6 7 6 7 7 6 6 6 6 7 6 6 6 7 7 6 6 6
KT4 7 5 6 4 6 6 7 5 6 6 6 6 6 6 6 5 4 6 6 5 6 7 6 6 6 6 7 6 6 6 7 6 7 7 7 7 6 6 5 5 5 7 7 6 6 6 6 5 6 7 4 6 6 7 6 6 7 6 5 6 6 7 6 6 6 7 7 6 6 6
KO1 6 5 6 4 6 6 6 7 6 5 6 7 4 6 6 6 4 5 5 6 7 6 6 5 6 4 7 6 7 6 7 4 7 7 6 7 7 7 6 5 6 7 7 6 6 7 6 4 7 7 7 6 6 6 5 6 7 5 6 5 6 5 5 3 4 7 6 6 4 6
KO2 7 5 6 4 6 6 3 6 6 5 6 6 5 6 6 5 4 6 5 5 7 6 5 5 7 5 6 6 6 6 7 6 7 7 6 6 6 6 6 3 6 7 7 6 5 6 6 5 7 7 6 7 5 6 4 6 7 5 6 6 6 5 5 5 4 7 6 7 4 6
Lampiran 3. Data Penelitian (lanjutan) No 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231
RE1 5 5 4 6 3 5 3 4 5 2 7 6 3 6 6 5 4 5 4 4 4
RE2 5 6 4 6 6 4 4 5 3 3 7 4 6 6 7 5 4 5 4 3 4
RE3 4 6 6 5 6 6 3 2 4 7 7 4 6 6 7 6 4 5 4 5 6
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44
KO3 5 6 6 5 5 4 3 6 6 5 6 6 3 5 7 6 6 3 6 5 4 4 5 6 6 5 6 4 3 4 6 6 6 6 6 6 5 6 6 5 5 6 6 6
KO4 6 5 5 5 5 5 3 6 6 6 6 7 3 5 7 5 5 3 6 4 1 6 5 6 6 5 6 4 3 4 6 6 6 7 6 4 5 7 6 6 6 6 5 5
EF1 7 5 5 5 6 7 3 6 5 6 6 7 2 6 7 6 6 3 6 6 4 4 6 6 6 5 6 4 3 4 6 6 6 6 6 6 6 7 7 4 7 6 6 6
RE4 5 6 4 5 2 3 2 6 4 3 6 5 4 7 6 4 4 5 2 3 6
EF2 6 5 6 5 6 6 4 7 6 7 7 5 2 6 7 6 6 3 5 6 7 4 5 6 6 5 6 4 3 4 6 6 6 6 6 4 6 7 6 5 7 6 7 7
KI1 5 7 7 6 7 6 3 5 4 5 7 4 6 6 5 5 4 5 4 4 6
EF3 4 6 6 5 6 7 5 6 5 6 6 4 2 7 7 6 6 5 6 6 5 3 5 7 6 5 5 4 3 4 5 6 6 7 6 6 7 7 6 6 5 6 5 6
KI2 6 6 6 4 7 5 2 6 5 5 7 5 6 6 6 5 4 4 5 3 7
KI3 6 6 7 5 7 4 2 6 5 5 7 4 6 7 6 5 4 3 5 4 6
EF4 4 4 7 5 6 7 3 6 6 6 7 6 2 6 7 6 6 3 6 5 1 4 5 6 6 5 5 4 3 4 6 6 6 5 4 6 6 5 6 6 7 6 6 5
168
KI4 6 6 7 5 7 6 2 6 5 5 7 4 7 6 7 5 4 5 4 5 6
RW1 4 3 6 4 6 7 3 6 5 6 6 6 2 5 7 6 6 3 5 2 4 4 6 6 6 5 5 4 3 4 6 6 6 6 6 4 5 6 6 5 7 5 7 7
KT1 6 5 7 6 6 5 4 6 4 7 7 7 7 6 6 6 4 3 4 4 6
RW2 6 4 7 5 5 7 4 6 5 7 7 6 2 4 7 6 6 5 6 2 3 4 6 6 6 5 5 4 3 4 6 7 6 5 4 4 6 6 6 6 7 6 5 5
KT2 6 4 6 6 6 3 4 7 3 7 7 7 7 6 6 6 4 5 4 4 7
RW3 5 4 6 5 6 6 4 6 5 6 6 7 2 5 7 6 6 5 6 3 5 4 6 6 6 5 5 4 3 4 6 7 6 5 4 3 4 5 7 4 7 6 6 6
KT3 6 4 5 5 6 6 5 7 4 7 6 7 7 5 6 6 4 4 6 5 6
KT4 6 6 6 6 6 4 5 7 5 7 7 7 3 5 6 6 4 5 6 5 6
RW4 6 4 6 5 5 6 4 6 5 6 6 6 2 4 7 6 3 5 6 4 5 4 4 6 6 5 6 4 3 4 7 6 6 5 4 4 6 5 6 4 6 5 5 6
KO1 7 6 6 6 7 6 4 7 5 6 5 4 3 7 7 5 6 4 6 4 6
KE1 6 3 5 5 6 7 4 6 4 6 7 7 4 5 7 6 4 4 6 6 6 4 6 6 6 5 6 4 3 4 6 6 6 6 4 4 6 5 6 6 6 5 5 5
KO2 5 6 6 6 5 3 1 7 6 6 7 3 6 6 7 5 6 2 5 3 6
KE2 4 4 5 5 6 5 4 7 5 6 6 7 4 6 7 5 6 4 6 6 1 4 6 6 7 5 6 4 3 4 6 7 6 7 6 5 5 6 7 4 6 6 6 6
Lampiran 3. Data Penelitian (lanjutan) No 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113
KO3 6 6 7 5 6 5 3 6 6 4 3 4 4 4 6 5 6 6 6 7 6 7 5 6 6 4 5 4 5 5 6 5 7 6 5 6 5 3 6 4 2 2 6 5 6 6 6 7 7 6 6 4 6 6 6 6 5 7 6 7 5 6 5 4 6 6 6 6 5
KO4 6 6 7 5 4 5 4 6 6 4 4 4 4 4 6 5 5 6 6 7 6 7 6 6 6 4 5 4 1 5 6 6 7 6 5 6 4 2 6 4 4 4 6 5 6 5 6 7 7 7 6 6 4 5 6 5 4 6 5 6 6 6 6 5 6 6 6 6 5
EF1 6 6 7 5 6 5 7 6 6 4 2 4 4 6 6 5 6 5 6 6 5 7 4 6 5 4 4 6 6 4 6 5 7 6 6 5 5 6 6 4 3 5 7 6 6 6 6 7 6 5 6 6 5 5 6 7 7 7 6 6 6 5 5 5 6 6 6 6 5
EF2 6 7 7 5 6 5 7 6 6 4 4 4 4 4 6 6 6 6 2 7 5 7 7 4 6 5 5 6 6 4 6 6 7 6 5 6 4 3 6 4 5 3 7 7 5 6 6 7 6 7 6 6 5 5 6 6 5 6 6 7 6 5 6 5 6 6 6 4 5
EF3 7 7 7 5 6 5 7 6 6 4 4 4 4 4 5 5 7 6 5 6 5 6 7 4 6 6 5 6 6 6 6 6 7 6 6 5 4 5 6 4 3 4 6 6 5 6 7 7 5 7 6 6 5 5 5 7 5 5 5 6 6 5 6 6 6 6 6 5 5
EF4 6 7 7 5 6 6 6 6 6 4 5 4 4 6 6 6 6 6 5 6 5 6 7 4 6 5 5 4 6 6 6 6 7 6 6 5 4 3 6 4 3 3 6 6 6 7 7 7 6 7 6 6 6 6 5 4 4 6 5 7 5 4 6 5 6 6 6 6 5
169
RW1 7 6 6 5 6 6 5 6 6 4 5 4 4 4 5 5 6 6 5 6 5 7 7 4 6 5 5 4 1 5 5 6 6 7 5 5 4 6 6 4 3 3 6 5 6 6 6 7 6 5 2 7 6 4 5 4 5 5 5 5 4 3 5 5 6 6 6 6 5
RW2 7 7 6 5 7 6 4 6 6 4 4 4 4 4 5 6 6 6 6 7 6 5 7 4 7 5 5 4 1 5 5 2 6 5 5 6 4 4 5 4 4 3 6 5 6 6 6 7 5 7 6 6 6 4 6 6 4 5 5 5 4 4 6 5 6 5 6 6 5
RW3 6 7 6 5 7 6 4 6 6 4 4 4 4 4 5 5 6 6 6 7 6 6 7 5 7 5 5 4 6 4 5 5 6 6 5 5 4 5 5 4 5 3 6 6 6 5 6 7 5 7 6 6 5 4 6 6 4 5 6 5 4 5 6 6 6 5 6 6 5
RW4 6 6 6 5 6 6 4 6 6 4 4 5 4 4 6 5 6 5 5 5 6 7 7 4 6 6 6 4 6 5 5 6 6 5 5 4 3 5 5 3 3 3 6 6 6 6 6 7 5 7 6 6 5 5 6 6 4 5 6 5 3 4 6 6 6 6 6 6 5
KE1 6 6 6 5 6 6 4 6 4 3 4 6 4 4 6 5 6 6 6 6 6 7 6 5 5 5 6 6 7 6 5 5 7 5 5 5 3 5 6 3 4 3 6 6 6 6 7 7 6 7 2 7 7 5 6 5 5 6 5 6 4 5 6 5 7 6 6 6 5
KE2 6 7 6 5 7 6 3 6 6 3 2 6 4 4 6 5 7 6 6 6 6 6 7 5 5 5 6 6 7 4 5 5 7 5 5 6 4 6 6 3 2 3 6 7 6 6 6 7 6 4 6 6 6 5 6 6 5 6 6 7 5 5 6 6 6 6 6 6 5
Lampiran 3. Data Penelitian (lanjutan) No 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182
KO3 6 6 5 6 6 4 5 4 7 6 5 3 6 7 4 7 7 6 4 6 6 5 7 4 5 7 6 7 5 7 4 6 6 5 6 6 5 6 6 6 6 6 7 4 6 6 5 7 7 6 5 6 5 6 6 6 6 5 6 7 7 6 7 6 6 6 5 6 7
KO4 6 6 5 6 6 4 6 4 7 6 4 3 6 7 4 6 7 6 4 6 5 5 7 4 5 6 6 6 5 5 4 6 6 6 6 7 5 6 6 5 6 6 3 4 5 6 5 7 6 7 4 6 4 6 7 6 5 7 5 7 7 7 7 6 6 6 5 6 7
EF1 6 6 5 6 6 4 5 4 6 6 5 3 5 5 4 7 7 5 4 7 6 6 7 4 5 7 6 7 5 5 4 6 6 6 5 6 5 6 6 5 6 6 5 4 5 6 5 6 6 7 7 6 6 7 6 7 6 6 6 7 7 7 6 6 7 6 5 6 7
EF2 5 6 5 7 5 4 5 4 6 6 5 3 6 5 4 5 7 6 5 7 6 6 7 5 5 6 6 7 7 6 4 6 6 5 5 5 5 5 5 5 6 6 7 4 5 6 5 7 5 6 6 6 3 4 6 7 5 7 6 7 7 5 7 7 7 6 5 6 7
EF3 6 7 5 7 6 4 6 5 6 6 5 3 7 5 4 5 6 6 4 7 5 6 5 5 5 6 6 6 7 4 4 6 6 4 5 5 4 5 6 5 6 6 7 4 5 6 5 5 6 5 6 6 3 4 6 7 6 6 6 7 7 2 7 7 7 6 6 5 7
EF4 6 6 5 6 7 4 5 5 6 6 4 3 6 5 4 7 7 7 5 7 5 5 7 5 5 6 6 7 7 6 4 6 6 6 5 5 5 6 6 5 6 6 7 4 5 6 5 7 5 5 7 6 4 4 7 7 6 5 6 7 7 4 6 6 7 6 5 6 7
170
RW1 6 4 5 6 6 4 5 4 5 6 6 3 4 5 4 7 7 2 6 6 5 5 7 5 1 6 6 7 7 6 4 6 6 6 5 5 4 6 4 2 6 6 6 4 5 6 4 7 6 6 2 7 4 6 6 5 6 6 5 7 7 5 5 6 7 4 6 6 7
RW2 6 6 6 6 7 4 5 4 5 6 5 3 5 7 4 7 7 2 4 6 6 5 7 4 1 6 6 7 7 6 4 6 6 6 6 6 5 6 4 2 6 6 5 4 5 6 3 6 5 5 2 7 4 6 6 6 6 5 5 7 7 4 5 6 5 5 5 5 7
RW3 6 7 6 6 7 4 4 4 5 6 5 3 7 7 4 7 7 2 5 7 6 5 7 4 1 7 6 7 7 6 4 6 6 6 6 6 5 6 5 2 6 6 5 4 5 6 4 7 5 6 2 7 5 6 6 6 7 6 4 7 7 4 4 6 7 5 4 6 7
RW4 6 5 5 7 7 4 4 4 5 6 5 3 6 7 4 7 7 2 4 6 5 5 7 4 1 6 6 7 7 4 4 6 6 6 6 6 5 6 4 2 6 6 5 4 5 6 5 7 6 6 1 6 5 6 7 6 6 6 4 7 7 5 4 6 7 6 5 6 7
KE1 6 5 4 6 6 4 5 4 6 6 5 3 7 7 4 7 7 5 5 7 6 5 7 4 4 6 6 7 7 4 4 6 6 6 6 6 5 6 5 6 6 6 5 4 5 6 5 6 6 6 6 7 4 6 6 7 6 6 6 5 7 6 5 7 7 5 6 6 7
KE2 5 5 5 7 6 4 5 4 6 6 5 3 7 7 4 7 7 6 4 7 5 6 7 5 4 6 6 7 7 6 4 6 6 6 6 6 5 6 6 5 6 6 7 4 5 6 5 6 7 6 6 7 5 6 6 7 6 7 6 7 7 6 6 6 7 6 5 6 7
Lampiran 3. Data Penelitian (lanjutan) No 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
KO3 6 6 6 6 6 4 5 7 6 6 6 6 4 5 7 4 6 5 6 5 5 5 5 7 6 7 4 6 6 6 6 4 7 5 2 5 5 5 7 4 5 6 6 6 5 3 6 4 6
KE3 5 4 5 5 6 6 4 7 5 5 6 7 4 6 7 6
KO4 7 5 7 7 7 4 6 7 7 6 6 5 5 6 7 5 5 5 6 5 5 3 4 7 6 6 5 6 6 6 6 4 6 3 3 6 3 6 5 4 3 6 7 6 6 4 6 4 4
KE4 5 4 6 6 5 6 4 7 5 6 6 7 4 6 7 5
EF1 7 6 5 7 6 4 3 7 7 6 5 7 5 5 7 6 6 5 6 5 5 5 5 7 6 6 5 6 6 6 6 6 7 4 3 4 4 5 6 4 7 6 7 7 4 2 5 4 4
EF2 7 6 5 7 6 4 4 7 6 4 7 6 5 6 7 7 5 6 6 6 5 5 5 7 6 4 5 6 6 7 7 5 7 5 6 3 4 5 7 5 5 6 6 6 4 4 6 5 6
NB1 6 3 6 6 5 6 4 6 4 6 6 7 2 4 7 6
EF3 7 5 3 6 6 2 3 7 3 4 6 6 6 5 7 7 4 6 6 5 5 5 5 6 6 5 5 6 5 6 6 4 7 4 4 6 4 5 7 6 6 5 5 7 4 4 5 4 4
NB2 7 4 5 5 6 6 4 7 5 7 6 4 2 5 7 4
EF4 7 5 6 7 7 4 4 7 6 6 6 6 5 5 5 5 5 6 6 6 5 6 5 7 6 6 5 6 5 4 7 6 7 5 3 5 5 5 7 4 7 6 5 6 4 4 5 3 4
NB3 6 2 5 5 6 6 4 7 4 6 6 5 2 6 7 6
171
RW1 5 5 6 6 4 5 3 7 1 5 4 6 5 6 6 5 5 6 6 6 4 4 5 7 6 6 3 6 7 4 5 6 6 5 3 7 4 5 6 4 3 6 5 6 4 4 5 4 4
NB4 7 3 6 5 6 6 4 7 4 6 7 6 2 4 7 6
RW2 4 4 5 5 4 3 3 6 1 6 4 7 5 5 7 5 5 6 5 5 4 4 5 7 6 6 3 6 6 4 5 4 2 4 1 2 4 5 6 5 3 6 5 6 4 5 5 5 4
NW1 4 4 6 4 5 7 4 7 5 6 6 7 2 5 7 6
RW3 6 6 6 6 4 6 4 6 1 6 6 6 5 6 6 5 5 6 6 6 4 4 5 7 6 6 3 7 6 4 5 4 2 3 2 5 3 5 6 4 3 6 5 6 4 4 5 4 4
NW2 4 4 6 4 5 6 4 7 5 6 7 7 2 5 7 6
RW4 6 5 6 6 5 4 5 6 1 6 5 6 5 5 6 5 6 6 6 6 4 4 5 7 6 6 3 6 6 6 5 4 6 5 2 6 6 6 6 4 3 6 5 6 4 5 6 4 2
KE1 7 5 6 7 6 5 6 5 6 6 4 6 5 6 6 6 5 6 6 6 4 5 5 7 6 6 5 6 6 7 5 6 7 3 1 5 3 5 7 5 6 6 7 7 4 5 6 4 4
NW3 5 4 6 4 6 6 4 7 5 6 7 7 2 5 7 6
KE2 7 6 6 6 6 5 5 7 5 6 4 6 6 6 7 4 5 6 6 6 4 5 5 7 6 6 5 6 6 6 6 5 6 4 3 4 6 5 7 5 6 7 6 7 4 4 6 4 6
NW4 4 4 6 5 5 6 4 6 4 6 7 7 2 5 7 6
Lampiran 3. Data Penelitian (lanjutan) No 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85
KE3 6 4 6 6 5 5 6 6 6 5 7 4 3 4 7 7 6 7 6 5 5 7 7 6 6 6 6 5 7 7 6 5 7 6 3 6 6 3 4 5 4 6 6 5 7 6 6 6 6 7 5 4 6 5 6 4 7 5 5 6 7 7 5 5 3 6 6 3 3
KE4 6 5 7 4 7 6 6 7 6 5 6 4 3 4 7 6 6 6 4 5 5 7 7 6 5 6 5 4 6 6 6 5 7 6 3 6 6 3 4 6 4 4 6 6 6 6 6 6 6 7 7 5 6 4 6 6 7 5 5 6 7 7 6 6 3 5 6 4 4
NB1 4 3 6 6 6 4 5 6 6 5 6 4 3 4 7 6 6 5 6 4 5 3 6 4 5 5 5 4 7 7 7 5 7 6 3 5 6 3 2 5 4 4 5 6 6 6 3 5 6 7 7 5 6 4 6 4 6 5 6 5 7 7 6 6 2 5 5 2 2
NB2 4 5 6 6 2 6 6 6 5 5 6 4 3 4 7 7 6 7 6 5 5 7 6 5 6 5 6 6 6 6 7 5 6 6 4 4 6 4 3 6 4 5 5 6 6 6 5 5 6 7 7 6 4 3 5 6 7 5 5 5 7 6 5 6 2 6 6 4 3
NB3 4 5 4 6 4 6 5 5 6 5 5 4 3 4 6 6 6 5 2 5 5 3 5 5 6 4 6 5 6 5 7 5 3 6 3 5 6 5 4 5 4 4 5 4 7 5 2 5 6 7 7 6 4 4 6 6 6 3 4 5 6 5 5 4 2 5 6 3 4
172
NB4 4 3 6 6 7 4 5 6 6 5 6 4 3 4 6 7 6 7 6 3 4 7 6 6 7 4 6 6 6 6 7 5 5 6 3 6 6 4 5 6 4 4 5 4 6 6 3 5 6 5 7 7 6 4 6 6 6 3 5 6 7 7 5 5 2 5 6 2 5
NW1 5 3 6 3 3 4 5 6 6 5 6 4 3 4 7 6 6 7 6 3 6 7 6 5 6 6 6 6 6 7 7 4 6 6 6 6 4 4 4 6 4 5 6 4 6 6 6 6 6 7 7 5 4 4 6 6 6 5 6 6 7 7 6 6 2 6 5 4 4
NW2 4 3 6 4 4 4 5 6 5 5 6 4 3 4 7 7 6 7 6 3 6 7 6 6 6 6 6 5 6 7 7 4 6 6 6 6 6 4 4 5 4 4 6 4 5 6 5 6 6 7 7 5 3 4 6 6 7 5 6 6 7 7 5 6 2 6 5 4 4
NW3 4 3 6 3 1 4 5 6 6 5 6 4 3 4 6 7 6 7 6 3 7 7 6 5 6 5 6 6 6 7 7 4 6 6 5 6 6 4 5 5 4 6 6 4 6 6 5 6 6 6 7 4 6 5 6 6 7 3 6 6 7 7 5 6 2 5 5 3 2
NW4 4 3 6 5 5 4 5 6 6 5 5 4 3 4 7 6 6 5 4 3 6 5 6 5 5 5 5 6 6 7 7 4 6 6 5 6 6 4 4 6 4 4 6 4 5 6 6 6 6 6 7 3 4 5 6 6 6 4 6 2 7 7 5 6 2 6 5 2 2
Lampiran 3. Data Penelitian (lanjutan) No 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154
KE3 4 7 7 6 7 6 7 6 7 6 6 5 5 5 6 5 6 6 6 3 6 5 6 6 6 6 6 5 6 6 4 7 6 4 5 4 7 6 5 3 5 7 4 7 7 6 5 7 5 5 7 5 4 6 6 7 7 5 4 6 6 6 6 6 5 6 5 5 6
KE4 4 6 5 6 6 6 7 6 5 6 6 5 5 6 6 6 6 5 7 5 6 6 6 6 6 6 6 5 6 6 4 7 7 4 5 4 6 6 6 3 6 7 4 7 6 5 5 7 5 5 7 5 5 6 6 7 7 5 4 6 6 6 6 6 5 6 6 5 6
NB1 2 6 6 6 6 6 7 6 6 2 6 5 5 6 6 6 6 6 6 4 6 5 5 6 6 6 6 5 6 6 4 6 6 4 5 4 6 6 6 3 3 7 4 7 7 6 2 7 6 5 7 5 5 6 6 6 7 5 4 5 6 6 6 6 5 4 4 5 6
NB2 5 7 6 7 6 7 7 6 7 7 5 7 4 6 6 5 7 6 7 6 6 6 3 5 5 6 5 5 6 5 4 6 6 4 6 4 7 6 7 3 6 7 4 7 7 6 1 7 6 5 7 4 5 7 6 7 7 6 4 5 6 6 6 7 5 5 4 6 6
NB3 1 6 6 6 6 6 7 5 4 2 4 5 4 5 5 5 5 7 6 5 6 5 5 5 6 6 6 6 6 5 3 7 6 7 6 4 6 6 6 3 4 7 4 4 7 7 4 5 3 5 2 4 4 5 6 6 7 4 4 4 6 6 5 5 5 1 4 5 5
173
NB4 1 6 6 6 6 7 7 6 7 6 7 5 5 5 7 5 6 7 6 4 5 6 5 5 6 6 6 5 6 6 4 6 7 7 7 4 7 6 6 3 5 7 4 7 7 6 5 6 5 5 7 4 5 6 6 6 7 6 4 5 6 6 5 6 5 5 4 5 6
NW1 2 7 6 6 6 6 7 5 7 7 7 5 5 5 6 5 6 6 6 7 6 5 5 5 6 6 6 5 6 6 4 6 7 7 6 4 6 6 7 3 5 7 4 7 6 5 6 6 5 4 7 5 5 6 6 7 7 5 4 4 6 6 6 6 5 6 5 5 6
NW2 2 7 6 6 6 6 7 5 7 6 6 5 4 5 6 4 6 6 6 4 6 5 5 6 6 6 5 5 6 6 4 6 7 7 6 4 6 6 7 3 5 7 4 7 6 5 5 6 4 4 7 5 4 6 6 6 7 4 4 5 6 6 6 6 5 6 5 5 6
NW3 3 7 7 6 7 7 7 7 7 6 6 6 5 5 6 4 6 5 7 6 6 5 5 6 6 6 5 6 6 6 4 7 7 7 6 4 6 6 7 3 5 7 4 7 6 5 4 6 5 4 7 5 4 6 6 6 7 6 4 5 6 6 6 6 5 6 5 5 6
NW4 3 7 6 6 7 6 7 6 7 2 6 5 4 5 4 4 6 6 6 6 6 5 4 6 6 6 5 5 6 6 4 7 7 7 5 4 6 6 7 3 5 7 4 7 6 4 4 7 5 4 5 5 4 7 6 6 7 5 4 5 6 6 6 6 5 6 6 5 6
Lampiran 3. Data Penelitian (lanjutan) No 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223
KE3 6 6 4 5 6 4 6 6 6 6 7 5 6 5 6 6 7 6 6 7 6 7 6 7 6 4 6 7 7 6 6 7 5 4 3 6 6 7 6 5 5 7 6 5 5 6 6 5 4 5 5 7 6 6 5 6 6 6 6 6 6 5 3 6 3 5 7 5 6
KE4 6 7 4 5 6 5 7 6 7 4 7 5 6 5 7 6 7 6 6 7 5 7 6 7 6 6 6 7 7 6 7 5 5 5 4 6 7 6 6 7 5 7 7 6 5 6 6 6 4 5 5 7 6 6 5 6 6 5 5 6 6 5 5 5 5 6 7 5 6
NB1 6 7 4 5 6 5 7 6 6 7 7 6 5 6 7 6 4 5 6 7 5 6 6 7 6 5 6 7 7 6 7 6 6 4 4 7 7 4 5 6 6 7 6 6 5 6 6 5 4 6 5 7 6 6 6 7 6 6 7 5 7 4 2 6 4 6 6 4 7
NB2 6 5 4 4 6 5 7 5 7 7 7 5 5 6 6 6 6 6 5 7 4 6 6 1 5 6 6 7 7 5 7 4 5 4 4 6 7 4 6 6 5 5 6 6 5 7 6 5 5 6 5 7 6 6 6 6 6 6 4 5 7 3 4 3 5 5 6 4 5
NB3 5 3 4 5 5 5 5 6 5 4 6 5 2 3 5 6 2 4 5 7 2 5 5 4 6 3 5 7 6 4 5 3 4 4 4 6 3 4 3 5 4 6 7 6 6 5 6 5 2 6 4 7 6 6 5 6 6 4 6 4 7 5 1 6 4 6 4 2 6
174
NB4 6 6 4 5 6 5 7 6 6 7 7 6 6 6 7 7 4 4 5 7 5 6 6 7 6 6 6 7 7 6 6 6 4 4 5 6 6 4 5 6 4 6 7 6 6 6 6 6 4 6 4 7 6 6 5 6 4 5 7 5 7 5 2 6 5 6 6 4 7
NW1 6 7 4 4 5 5 7 7 6 7 6 6 6 6 7 6 4 3 5 7 5 4 6 7 5 5 6 6 7 6 6 6 4 5 4 6 7 6 5 5 5 7 7 6 6 6 6 7 5 6 4 7 6 6 4 4 4 5 6 4 2 4 3 6 5 6 6 4 5
NW2 6 7 4 4 6 5 7 7 7 6 6 4 6 6 7 6 6 3 5 7 5 4 6 7 6 6 6 6 7 6 5 6 4 5 4 6 6 6 6 5 5 7 7 5 6 6 6 7 5 6 4 7 6 6 4 4 5 5 6 4 3 4 3 6 4 6 6 4 6
NW3 6 7 4 5 6 4 7 7 6 5 6 5 6 6 7 7 4 3 5 7 5 3 7 7 6 6 6 7 7 6 6 7 3 6 4 6 7 6 6 5 6 6 7 6 6 5 6 7 4 6 5 7 6 6 4 4 5 5 6 5 3 5 3 4 5 5 6 4 5
NW4 6 7 4 5 5 4 7 7 7 4 6 5 6 7 7 6 4 3 5 7 5 3 6 7 6 6 6 7 7 5 7 6 4 3 2 6 6 6 5 5 6 6 7 6 6 5 6 7 4 6 4 7 7 6 4 4 5 4 5 6 6 5 3 6 4 5 6 4 4
Lampiran 3. Data Penelitian (lanjutan) No 224 225 226 227 228 229 230 231
KE3 7 6 6 4 4 6 4 6
KE4 5 6 6 4 5 6 4 6
NB1 6 6 6 1 4 5 4 6
NB2 7 7 6 4 5 6 3 6
NB3 6 5 6 1 6 5 2 5
175
NB4 7 7 6 2 4 5 3 4
NW1 6 6 6 3 4 6 4 6
NW2 6 6 6 3 3 6 4 6
NW3 6 7 7 4 5 6 4 4
NW4 6 6 6 4 5 6 4 4
(Halaman ini sengaja dikosongkan)
176
Lampiran 4. Crosstab
177
Lampiran 4. Crosstab (lanjutan)
178
Lampiran 4. Crosstab (lanjutan)
179
Lampiran 4. Crosstab (lanjutan)
180
Lampiran 5. Hubungan Variabel Laten dan Variabel Indikator
Reputasi
Standardize Regression Weight
RE4 RE3 RE2 RE1
Kualitas Informasi
<--<--<--<---
RE RE RE RE
Estimate .756 .774 .902 .781
Standardize Regression Weight
KI4 KI3 KI2 KI1
<--<--<--<---
KI KI KI KI
Estimate .77 .894 .847 .849
Keamanan Transaksi
KT4 KT3 KT2 KT1
Komunikasi
<--<--<--<---
KT KT KT KT
Estimate .817 .897 .756 .779
Stand ardize Regression Weight
Standardize Regression Weight
KO4 KO3 KO2 KO1
181
<--<--<--<---
KO KO KO KO
Estimate .787 .856 .743 .826
Lampiran 5. Hubungan Variabel Laten dan Variabel Indikator (lanjutan) Economic Feasibility
Standardize Regression Weight
EF4 EF3 EF2 EF1
Referensi WOM
<--<--<--<---
EF EF EF EF
Estimate .812 .776 .857 .724
Standardize Regression Weight
RW4 RW3 RW2 RW1
Kepercayaan
<--<--<--<---
RW RW RW RW
Estimate .859 .928 .867 .81
Standardize Regression Weight
KE4 KE3 KE2 KE1 Niat Beli
<--<--<--<---
KE KE KE KE
Estimate .718 .752 .734 .658
Standardize Regression Weight
NB4 NB3 NB2 NB1
182
<--<--<--<---
NB NB NB NB
Estimate .753 .508 .594 .791
Lampiran 5. Hubungan Variabel Laten dan Variabel Indikator (lanjutan) Niat WOM
Standardize Regression Weight
NW4 NW3 NW2 NW1 Niat Beli (Reduksi)
<--<--<--<---
NW NW NW NW
Standardize Regression Weight
NB1 <--- NB NB4 <--- NB
Kepercayaan (Reduksi)
Estimate .748 .854 .920 .892
Estimate .810 .750
Standardize Regression Weight
KE2 <--- KE KE3 <--- KE KE4 <--- KE
183
Estimate .763 .785 .750
184
Lampiran 6. Cronbach’s Alpha REPUTASI
KUALITAS INFORMASI
Reliability Statistics Cronbach's Alpha
Reliability Statistics Cronbach's Alpha
N of Items
.876
4
KEAMANAN TRANSAKSI`
Reliability Statistics Cronbach's Alpha
N of Items
.883
4
4
REFERENSI WOM
Reliability Statistics
Reliability Statistics Cronbach's Alpha
N of Items
.869
N of Items
.878
ECONOMIC FEASIBILITY Cronbach's Alpha
4
KOMUNIKASI
Reliability Statistics Cronbach's Alpha
N of Items
.905
4
N of Items
.923
4
KEPERCAYAAN Reliability Statistics Cronbach's Alpha
Reliability Statistics Cronbach's Alpha
N of Items
.907
4
N of Items
.869
3
NIAT BELI Reliability Statistics Cronbach's Alpha
Reliability Statistics Cronbach's Alpha
N of Items
.846
4
.834
NIAT WOM Reliability Statistics Cronbach's Alpha .943
N of Items 4
185
N of Items 2
(Halaman ini sengaja dikosongkan)
186
Lampiran 7. Uji Validitas dan Reliabilitas
FL RE1 RE2 RE3 RE4 KI1 KI2 KI3 KI4 KT1 KT2 KT3 KT4 KO1 KO2 KO3 KO4 EF1 EF2 EF3 EF4 RW1 RW2 RW3 RW4 KE1 KE2 KE3 KE4 NB1 NB2 NB3 NB4 NW1 NW2 NW3 NW4
RE
KI
KT
KO
EF
RW
KE
NB
NW
0.781 0.902 0.774 0.756 0.849 0.847 0.894 0.77 0.779 0.756 0.897 0.817 0.826 0.743 0.856 0.787 0.724 0.857 0.776 0.812 0.81 0.867 0.928 0.859 0.658 0.734 0.752 0.718 0.791 0.594 0.508 0.753 0.892 0.92 0.854 0.784
187
SQUARE ROOT 0.61 0.81 0.60 0.57 0.72 0.72 0.80 0.59 0.61 0.57 0.80 0.67 0.68 0.55 0.73 0.62 0.52 0.73 0.60 0.66 0.66 0.75 0.86 0.74 0.43 0.54 0.57 0.52 0.63 0.35 0.26 0.57 0.80 0.85 0.73 0.61
AVE 0.649
CR ALPHA 0.876
0.708
0.905
0.663
0.883
0.647
0.878
0.630
0.869
0.752
0.923
0.513
0.907
0.451
0.846
0.747
0.943
e-variance 0.39 0.19 0.40 0.43 0.28 0.28 0.20 0.41 0.39 0.43 0.20 0.33 0.32 0.45 0.27 0.38 0.48 0.27 0.40 0.34 0.34 0.25 0.14 0.26 0.57 0.46 0.43 0.48 0.37 0.65 0.74 0.43 0.20 0.15 0.27 0.39
CR 0.88
0.91
0.89
0.88
0.87
0.92
0.81
0.76
0.92
(Halaman ini sengaja dikosongkan)
188
Lampiran 8. Uji Validitas dan Reliablitas Setelah Reduksi
FL RE1 RE2 RE3 RE4 KI1 KI2 KI3 KI4 KT1 KT2 KT3 KT4 KO1 KO2 KO3 KO4 EF1 EF2 EF3 EF4 RW1 RW2 RW3 RW4 KE2 KE3 KE4 NB1 NB4 NW1 NW2 NW3 NW4
RE 0.781 0.902 0.775 0.757
KI
KT
KO
EF
RW
KE
NB
NW
0.849 0.846 0.895 0.77 0.779 0.756 0.897 0.817 0.825 0.742 0.859 0.786 0.723 0.858 0.777 0.811 0.81 0.867 0.929 0.858 0.729 0.754 0.717 0.79 0.728 0.893 0.92 0.852 0.745
189
SQUARE ROOT 0.61 0.81 0.60 0.57 0.72 0.72 0.80 0.59 0.61 0.57 0.80 0.67 0.68 0.55 0.74 0.62 0.52 0.74 0.60 0.66 0.66 0.75 0.86 0.74 0.53 0.57 0.51 0.62 0.53 0.80 0.85 0.73 0.56
AVE 0.649
CR ALPHA 0.876
0.708
0.905
0.663
0.883
0.647
0.878
0.630
0.869
0.752
0.923
0.538
0.869
0.577
0.834
0.731
0.943
e-variance 0.39 0.19 0.40 0.43 0.28 0.28 0.20 0.41 0.39 0.43 0.20 0.33 0.32 0.45 0.26 0.38 0.48 0.26 0.40 0.34 0.34 0.25 0.14 0.26 0.47 0.43 0.49 0.38 0.47 0.20 0.15 0.27 0.44
CR 0.88
0.91
0.89
0.88
0.87
0.92
0.78
0.73 0.92
(Halaman ini sengaja dikosongkan)
190
Lampiran 9. Nilai Z-score Kuesioner 21 51 217
ZRE1 -0.8412 0.65932 -1.59146
ZRE2 -0.35534 -2.01359 -1.18446
ZRE3 -0.56098 -2.27735 -2.27735
ZRE4 -0.21015 -0.94567 -2.41672
ZKI1 -2.26468 -2.26468 -2.26468
ZKI2 -0.41208 -1.2854 -3.03204
ZKI3 0.33412 -1.44018 -3.21449
ZKI4 -1.49508 -1.49508 -3.2753
Kuesioner 21 51 217
ZKT1 -3.86987 -3.86987 -1.47325
ZKT2 -1.25002 -3.55391 -1.25002
ZKT3 0.2166 -4.33208 -0.69313
ZKT4 -4.23483 -4.23483 -0.63503
ZKO1 1.17823 -0.62423 -1.52545
ZKO2 -1.39921 -1.39921 -4.16964
ZKO3 -1.39471 -2.32855 -3.2624
ZKO4 -3.77847 -1.21133 -2.06704
Kuesioner 21 51 217
ZEF1 -1.44696 1.30028 -2.36271
ZEF2 1.28961 1.28961 0.373
ZEF3 -0.41874 1.38928 -1.32275
ZEF4 -4.04713 0.43889 -2.25272
ZRW1 -0.92882 -0.1429 -1.71474
ZRW2 -1.60108 -0.84782 -3.1076
ZRW3 -0.21685 -1.01195 -2.60215
ZRW4 -0.19132 -1.00974 -2.64659
Kuesioner 21 51 217
Kuesioner 21 51 217
ZKE1 0.46487 -1.3552 -4.08531
ZKE2 -4.13946 -2.33357 -2.33357
ZKE3 -0.57096 -2.45511 -2.45511
ZKE4 1.36878 -2.72426 -0.67774
ZNB1 0.47807 -1.8716 -2.65482
ZNB2 -2.83911 -1.20768 -1.20768
ZNB3 -0.6535 -1.38632 -2.85194
ZNB4 1.22878 -2.0152 -2.82619
ZNW1 -2.11029 0.45089 -2.11029
ZNW2 -1.21812 0.49243 -2.07339
ZNW3 -3.64056 -0.39671 -2.01863
ZNW4 -0.25332 -0.25332 -1.85655
191
(Halaman ini sengaja dikosongkan)
192
Lampiran 10. Q-Q Plots
193
Lampiran 10. Q-Q Plots (lanjutan)
194
Lampiran 11. Scatter Plot Uji Linearitas
195
(Halaman ini sengaja dikosongkan)
196
Lampiran 12. Uji Homoskedastisitas
197
(Halaman ini sengaja dikosongkan)
198
Lampiran 13. ANOVA Asal Universitas
199
Lampiran 13. ANOVA Asal Universitas (lanjutan) Multiple Comparisons Tukey HSD
Dependent Variable RE
(I) Asal Universitas UHT
UNESA
UINSA
UNTAG
UNAIR
ITS
KI
UHT
UNESA
UINSA
UNTAG
UNAIR
(J) Asal Universitas UNESA UINSA UNTAG UNAIR ITS UHT UINSA UNTAG UNAIR ITS UHT UNESA UNTAG UNAIR ITS UHT UNESA UINSA UNAIR ITS UHT UNESA UINSA UNTAG ITS UHT UNESA UINSA UNTAG UNAIR UNESA UINSA UNTAG UNAIR ITS UHT UINSA UNTAG UNAIR ITS UHT UNESA UNTAG UNAIR ITS UHT UNESA UINSA UNAIR ITS UHT UNESA UINSA UNTAG
Mean Difference (I-J) -.09358 -.04080 -.43319 -.40551 -.60722 .09358 .05279 -.33961 -.31193 -.51364 .04080 -.05279 -.39240 -.36472 -.56642 .43319 .33961 .39240 .02768 -.17403 .40551 .31193 .36472 -.02768 -.20170 .60722 .51364 .56642 .17403 .20170 -.13948 -.08254 -.28992 -.15331 -.58797 .13948 .05694 -.15043 -.01383 -.44848 .08254 -.05694 -.20737 -.07077 -.50543 .28992 .15043 .20737 .13661 -.29805 .15331 .01383 .07077 -.13661
200
Std. Error .25897 .26317 .25518 .24720 .23119 .25897 .26507 .25714 .24922 .23335 .26317 .26507 .26137 .25358 .23801 .25518 .25714 .26137 .24528 .22914 .24720 .24922 .25358 .24528 .22022 .23119 .23335 .23801 .22914 .22022 .23391 .23771 .23050 .22329 .20883 .23391 .23942 .23226 .22511 .21077 .23771 .23942 .23609 .22905 .21498 .23050 .23226 .23609 .22155 .20698 .22329 .22511 .22905 .22155
Sig. .999 1.000 .535 .573 .095 .999 1.000 .773 .811 .241 1.000 1.000 .664 .704 .168 .535 .773 .664 1.000 .974 .573 .811 .704 1.000 .942 .095 .241 .168 .974 .942 .991 .999 .807 .983 .059 .991 1.000 .987 1.000 .277 .999 1.000 .951 1.000 .178 .807 .987 .951 .990 .703 .983 1.000 1.000 .990
95% Confidence Interval Lower Upper Bound Bound -.8381 .6509 -.7974 .7158 -1.1668 .3004 -1.1162 .3051 -1.2719 .0574 -.6509 .8381 -.7092 .8148 -1.0788 .3996 -1.0284 .4045 -1.1845 .1572 -.7158 .7974 -.8148 .7092 -1.1438 .3590 -1.0937 .3643 -1.2506 .1178 -.3004 1.1668 -.3996 1.0788 -.3590 1.1438 -.6775 .7328 -.8328 .4847 -.3051 1.1162 -.4045 1.0284 -.3643 1.0937 -.7328 .6775 -.8348 .4314 -.0574 1.2719 -.1572 1.1845 -.1178 1.2506 -.4847 .8328 -.4314 .8348 -.8119 .5330 -.7659 .6008 -.9525 .3727 -.7952 .4886 -1.1883 .0124 -.5330 .8119 -.6313 .7452 -.8181 .5173 -.6610 .6333 -1.0544 .1574 -.6008 .7659 -.7452 .6313 -.8861 .4713 -.7292 .5877 -1.1234 .1126 -.3727 .9525 -.5173 .8181 -.4713 .8861 -.5003 .7735 -.8931 .2970 -.4886 .7952 -.6333 .6610 -.5877 .7292 -.7735 .5003
ITS
KT
UHT
UNESA
UINSA
UNTAG
UNAIR
ITS
KO
UHT
UNESA
UINSA
UNTAG
UNAIR
ITS
ITS UHT UNESA UINSA UNTAG UNAIR UNESA UINSA UNTAG UNAIR ITS UHT UINSA UNTAG UNAIR ITS UHT UNESA UNTAG UNAIR ITS UHT UNESA UINSA UNAIR ITS UHT UNESA UINSA UNTAG ITS UHT UNESA UINSA UNTAG UNAIR UNESA UINSA UNTAG UNAIR ITS UHT UINSA UNTAG UNAIR ITS UHT UNESA UNTAG UNAIR ITS UHT UNESA UINSA UNAIR ITS UHT UNESA UINSA UNTAG ITS UHT UNESA UINSA UNTAG
-.43466 .58797 .44848 .50543 .29805 .43466 -.13258 .19758 -.05357 -.20625 -.46136 .13258 .33016 .07900 -.07367 -.32879 -.19758 -.33016 -.25115 -.40383 -.65894* .05357 -.07900 .25115 -.15268 -.40779 .20625 .07367 .40383 .15268 -.25511 .46136 .32879 .65894* .40779 .25511 -.23396 -.18264 -.40798 -.38566 -.60668* .23396 .05132 -.17403 -.15170 -.37273 .18264 -.05132 -.22535 -.20302 -.42405 .40798 .17403 .22535 .02232 -.19870 .38566 .15170 .20302 -.02232 -.22102 .60668* .37273 .42405 .19870
201
.19891 .20883 .21077 .21498 .20698 .19891 .23512 .23893 .23168 .22443 .20990 .23512 .24066 .23346 .22627 .21186 .23893 .24066 .23730 .23023 .21609 .23168 .23346 .23730 .22269 .20804 .22443 .22627 .23023 .22269 .19994 .20990 .21186 .21609 .20804 .19994 .22209 .22570 .21885 .21200 .19828 .22209 .22733 .22053 .21373 .20012 .22570 .22733 .22416 .21748 .20412 .21885 .22053 .22416 .21036 .19652 .21200 .21373 .21748 .21036 .18886 .19828 .20012 .20412 .19652
.249 .059 .277 .178 .703 .249 .993 .962 1.000 .941 .243 .993 .744 .999 1.000 .631 .962 .744 .897 .498 .030 1.000 .999 .897 .983 .369 .941 1.000 .498 .983 .798 .243 .631 .030 .369 .798 .899 .966 .427 .456 .030 .899 1.000 .969 .981 .428 .966 1.000 .916 .937 .303 .427 .969 .916 1.000 .914 .456 .981 .937 1.000 .851 .030 .428 .303 .914
-1.0065 -.0124 -.1574 -.1126 -.2970 -.1372 -.8085 -.4893 -.7196 -.8515 -1.0648 -.5433 -.3617 -.5921 -.7241 -.9378 -.8845 -1.0220 -.9333 -1.0657 -1.2801 -.6125 -.7501 -.4310 -.7929 -1.0059 -.4390 -.5768 -.2580 -.4875 -.8299 -.1421 -.2803 .0377 -.1903 -.3197 -.8724 -.8315 -1.0371 -.9951 -1.1767 -.4045 -.6022 -.8080 -.7661 -.9480 -.4662 -.7048 -.8698 -.8282 -1.0108 -.2212 -.4599 -.4191 -.5824 -.7636 -.2238 -.4627 -.4222 -.6271 -.7640 .0367 -.2026 -.1628 -.3662
.1372 1.1883 1.0544 1.1234 .8931 1.0065 .5433 .8845 .6125 .4390 .1421 .8085 1.0220 .7501 .5768 .2803 .4893 .3617 .4310 .2580 -.0377 .7196 .5921 .9333 .4875 .1903 .8515 .7241 1.0657 .7929 .3197 1.0648 .9378 1.2801 1.0059 .8299 .4045 .4662 .2212 .2238 -.0367 .8724 .7048 .4599 .4627 .2026 .8315 .6022 .4191 .4222 .1628 1.0371 .8080 .8698 .6271 .3662 .9951 .7661 .8282 .5824 .3219 1.1767 .9480 1.0108 .7636
EF
UHT
UNESA
UINSA
UNTAG
UNAIR
ITS
RW
UHT
UNESA
UINSA
UNTAG
UNAIR
ITS
KE
UHT
UNAIR UNESA UINSA UNTAG UNAIR ITS UHT UINSA UNTAG UNAIR ITS UHT UNESA UNTAG UNAIR ITS UHT UNESA UINSA UNAIR ITS UHT UNESA UINSA UNTAG ITS UHT UNESA UINSA UNTAG UNAIR UNESA UINSA UNTAG UNAIR ITS UHT UINSA UNTAG UNAIR ITS UHT UNESA UNTAG UNAIR ITS UHT UNESA UINSA UNAIR ITS UHT UNESA UINSA UNTAG ITS UHT UNESA UINSA UNTAG UNAIR UNESA UINSA UNTAG UNAIR
.22102 -.37188 -.19568 -.23508 -.22794 -.47794 .37188 .17620 .13680 .14394 -.10606 .19568 -.17620 -.03940 -.03226 -.28226 .23508 -.13680 .03940 .00714 -.24286 .22794 -.14394 .03226 -.00714 -.25000 .47794 .10606 .28226 .24286 .25000 -.31105 -.18691 -.24958 -.25404 -.23984 .31105 .12414 .06147 .05701 .07121 .18691 -.12414 -.06267 -.06714 -.05293 .24958 -.06147 .06267 -.00446 .00974 .25404 -.05701 .06714 .00446 .01420 .23984 -.07121 .05293 -.00974 -.01420 -.28431 -.19829 -.18908 -.29265
202
.18886 .22387 .22751 .22060 .21370 .19987 .22387 .22915 .22229 .21545 .20173 .22751 .22915 .22595 .21922 .20575 .22060 .22229 .22595 .21205 .19809 .21370 .21545 .21922 .21205 .19038 .19987 .20173 .20575 .19809 .19038 .27861 .28314 .27454 .26595 .24873 .27861 .28517 .27664 .26812 .25105 .28314 .28517 .28120 .27282 .25606 .27454 .27664 .28120 .26389 .24653 .26595 .26812 .27282 .26389 .23692 .24873 .25105 .25606 .24653 .23692 .22540 .22906 .22211 .21516
.851 .559 .955 .894 .894 .164 .559 .972 .990 .985 .995 .955 .972 1.000 1.000 .744 .894 .990 1.000 1.000 .824 .894 .985 1.000 1.000 .778 .164 .995 .744 .824 .778 .874 .986 .944 .931 .929 .874 .998 1.000 1.000 1.000 .986 .998 1.000 1.000 1.000 .944 1.000 1.000 1.000 1.000 .931 1.000 1.000 1.000 1.000 .929 1.000 1.000 1.000 1.000 .806 .954 .957 .751
-.3219 -1.0155 -.8497 -.8693 -.8423 -1.0525 -.2717 -.4826 -.5022 -.4754 -.6860 -.4584 -.8349 -.6890 -.6625 -.8738 -.3991 -.7758 -.6102 -.6024 -.8123 -.3864 -.7633 -.5980 -.6167 -.7973 -.0966 -.4739 -.3092 -.3266 -.2973 -1.1120 -1.0009 -1.0388 -1.0186 -.9549 -.4899 -.6957 -.7338 -.7138 -.6505 -.6270 -.9440 -.8711 -.8514 -.7891 -.5397 -.8568 -.7457 -.7631 -.6990 -.5105 -.8278 -.7172 -.7542 -.6669 -.4752 -.7929 -.6832 -.7185 -.6953 -.9323 -.8568 -.8276 -.9112
.7640 .2717 .4584 .3991 .3864 .0966 1.0155 .8349 .7758 .7633 .4739 .8497 .4826 .6102 .5980 .3092 .8693 .5022 .6890 .6167 .3266 .8423 .4754 .6625 .6024 .2973 1.0525 .6860 .8738 .8123 .7973 .4899 .6270 .5397 .5105 .4752 1.1120 .9440 .8568 .8278 .7929 1.0009 .6957 .7457 .7172 .6832 1.0388 .7338 .8711 .7542 .7185 1.0186 .7138 .8514 .7631 .6953 .9549 .6505 .7891 .6990 .6669 .3637 .4602 .4494 .3259
UNESA
UINSA
UNTAG
UNAIR
ITS
NB
UHT
UNESA
UINSA
UNTAG
UNAIR
ITS
NW
UHT
UNESA
ITS UHT UINSA UNTAG UNAIR ITS UHT UNESA UNTAG UNAIR ITS UHT UNESA UINSA UNAIR ITS UHT UNESA UINSA UNTAG ITS UHT UNESA UINSA UNTAG UNAIR UNESA UINSA UNTAG UNAIR ITS UHT UINSA UNTAG UNAIR ITS UHT UNESA UNTAG UNAIR ITS UHT UNESA UINSA UNAIR ITS UHT UNESA UINSA UNTAG ITS UHT UNESA UINSA UNTAG UNAIR UNESA UINSA UNTAG UNAIR ITS UHT UINSA UNTAG
-.46613 .28431 .08602 .09524 -.00833 -.18182 .19829 -.08602 .00922 -.09435 -.26784 .18908 -.09524 -.00922 -.10357 -.27706 .29265 .00833 .09435 .10357 -.17348 .46613 .18182 .26784 .27706 .17348 -.30660 -.09203 -.31092 -.38235 -.70053 .30660 .21457 -.00433 -.07576 -.39394 .09203 -.21457 -.21889 -.29032 -.60850 .31092 .00433 .21889 -.07143 -.38961 .38235 .07576 .29032 .07143 -.31818 .70053 .39394 .60850 .38961 .31818 -.50067 -.39730 -.54223 -.50919 -.51430 .50067 .10337 -.04156
203
.20123 .22540 .23071 .22381 .21692 .20311 .22906 .23071 .22750 .22072 .20716 .22211 .22381 .22750 .21349 .19945 .21516 .21692 .22072 .21349 .19168 .20123 .20311 .20716 .19945 .19168 .27504 .27951 .27102 .26254 .24554 .27504 .28152 .27310 .26468 .24783 .27951 .28152 .27760 .26932 .25278 .27102 .27310 .27760 .26051 .24337 .26254 .26468 .26932 .26051 .23389 .24554 .24783 .25278 .24337 .23389 .26787 .27222 .26396 .25570 .23914 .26787 .27418 .26598
.192 .806 .999 .998 1.000 .947 .954 .999 1.000 .998 .789 .957 .998 1.000 .997 .734 .751 1.000 .998 .997 .945 .192 .947 .789 .734 .945 .875 .999 .861 .692 .053 .875 .973 1.000 1.000 .606 .999 .973 .969 .890 .158 .861 1.000 .969 1.000 .599 .692 1.000 .890 1.000 .751 .053 .606 .158 .599 .751 .424 .690 .315 .351 .265 .424 .999 1.000
-1.0446 -.3637 -.5772 -.5482 -.6319 -.7657 -.4602 -.7493 -.6448 -.7289 -.8634 -.4494 -.7386 -.6632 -.7173 -.8504 -.3259 -.6153 -.5402 -.5102 -.7245 -.1124 -.4021 -.3277 -.2963 -.3775 -1.0973 -.8955 -1.0901 -1.1371 -1.4064 -.4841 -.5947 -.7894 -.8367 -1.1064 -.7115 -1.0239 -1.0169 -1.0646 -1.3352 -.4682 -.7808 -.5791 -.8203 -1.0892 -.3724 -.6852 -.4839 -.6775 -.9906 -.0053 -.3185 -.1182 -.3100 -.3542 -1.2707 -1.1799 -1.3010 -1.2443 -1.2018 -.2694 -.6848 -.8062
.1124 .9323 .7493 .7386 .6153 .4021 .8568 .5772 .6632 .5402 .3277 .8276 .5482 .6448 .5102 .2963 .9112 .6319 .7289 .7173 .3775 1.0446 .7657 .8634 .8504 .7245 .4841 .7115 .4682 .3724 .0053 1.0973 1.0239 .7808 .6852 .3185 .8955 .5947 .5791 .4839 .1182 1.0901 .7894 1.0169 .6775 .3100 1.1371 .8367 1.0646 .8203 .3542 1.4064 1.1064 1.3352 1.0892 .9906 .2694 .3853 .2166 .2259 .1732 1.2707 .8916 .7231
UNAIR ITS UINSA UHT UNESA UNTAG UNAIR ITS UNTAG UHT UNESA UINSA UNAIR ITS UNAIR UHT UNESA UINSA UNTAG ITS ITS UHT UNESA UINSA UNTAG UNAIR *. The mean difference is significant at the 0.05 level.
-.00852 -.01364 .39730 -.10337 -.14493 -.11190 -.11701 .54223 .04156 .14493 .03304 .02792 .50919 .00852 .11190 -.03304 -.00511 .51430 .01364 .11701 -.02792 .00511
204
.25778 .24137 .27222 .27418 .27036 .26230 .24619 .26396 .26598 .27036 .25372 .23702 .25570 .25778 .26230 .25372 .22779 .23914 .24137 .24619 .23702 .22779
1.000 1.000 .690 .999 .995 .998 .997 .315 1.000 .995 1.000 1.000 .351 1.000 .998 1.000 1.000 .265 1.000 .997 1.000 1.000
-.7496 -.7075 -.3853 -.8916 -.9222 -.8660 -.8247 -.2166 -.7231 -.6323 -.6963 -.6535 -.2259 -.7326 -.6422 -.7624 -.6600 -.1732 -.6803 -.5907 -.7093 -.6497
.7326 .6803 1.1799 .6848 .6323 .6422 .5907 1.3010 .8062 .9222 .7624 .7093 1.2443 .7496 .8660 .6963 .6497 1.2018 .7075 .8247 .6535 .6600
Lampiran 14. Model Struktural Awal
205
Lampiran 14. Model Struktural Awal (lanjutan) Standardized Regression Weights: (Group number 1 - Default model) Parameter Estimate Lower Upper P KE <--- RE .161 -.024 .388 .080 KE <--- KT .129 -.035 .319 .127 KE <--- KO .307 .073 .558 .017 KE <--- EF .566 .368 .747 .001 KE <--- RW .369 .193 .540 .002 KE <--- KI .207 -.027 .424 .083 NB <--- KE .809 .698 .899 .004 NW <--- KE .681 .552 .789 .003 Modification Indices (Group number 1 - Default model) Covariances: (Group number 1 - Default model) M.I. Par Change e5 e4 e4 e3 e3 e3 e2 e2 e2 e2 e1 e1 e1 e1 e1 e8
<--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <-->
e6 e6 e5 e6 e5 e4 e6 e5 e4 e3 e6 e5 e4 e3 e2 e9
78.124 78.404 119.661 57.388 79.503 84.941 53.781 112.821 121.965 93.113 66.757 73.353 87.156 56.774 95.769 14.641
e5 e4 e4 e3 e3 e3 e2 e2 e1 e1 e1 e1 e1
<--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <-->
e6 e6 e5 e6 e5 e4 e5 e3 e6 e5 e4 e3 e2
M.I. 78.026 25.547 21.143 57.366 79.410 9.544 13.956 17.737 66.755 73.328 9.602 56.767 18.407
.577 .590 .624 .475 .479 .505 .458 .568 .603 .496 .624 .560 .623 .473 .612 .112 Par Change .575 .218 .170 .474 .478 .110 .136 .148 .623 .560 .134 .473 .183
206
Lampiran 14. Model Struktural Awal (lanjutan) e5 e4 e4 e3 e2 e1 e1 e1 e1 e1
<--> <--> <--> <--> <--> <--> <--> <--> <--> <-->
e6 e6 e5 e6 e3 e6 e5 e4 e3 e2
M.I. 29.336 25.549 12.244 7.280 6.246 66.750 24.918 9.603 9.441 18.407
Par Change .285 .219 .105 .133 .069 .623 .264 .134 .153 .183
Model Fit Summary CMIN Model Default model Saturated model Independence model
NPAR 74 561 33
RMR, GFI Model Default model Saturated model Independence model
RMR .519 .000 .650
GFI .639 1.000 .105
AGFI .585
PGFI .555
.050
.099
NFI Delta1 .748 1.000 .000
RFI rho1 .726
IFI Delta2 .802 1.000 .000
CMIN 1807.822 .000 7166.041
DF 487 0 528
P .000
CMIN/DF 3.712
.000
13.572
Baseline Comparisons Model Default model Saturated model Independence model
.000
Parsimony-Adjusted Measures Model PRATIO Default model .922 Saturated model .000 Independence model 1.000
PNFI .690 .000 .000
NCP Model Default model Saturated model Independence model
LO 90 1194.438 .000 6367.968
NCP 1320.822 .000 6638.041
TLI rho2 .784 .000
PCFI .739 .000 .000
HI 90 1454.744 .000 6914.555
207
CFI .801 1.000 .000
Lampiran 14. Model Struktural Awal (lanjutan) FMIN Model
FMIN
F0
LO 90
HI 90
Default model
7.964
5.819
5.262
6.409
Saturated model
.000
.000
.000
.000
Independence model
31.568
29.242
28.053
30.461
RMSEA Model
RMSEA
LO 90
HI 90
PCLOSE
Default model
.109
.104
.115
.000
Independence model
.235
.230
.240
.000
AIC Model
AIC
BCC
BIC
CAIC
Default model
1955.822
1981.894
2209.593
2283.593
Saturated model
1122.000
1319.658
3045.863
3606.863
Independence model
7232.041
7243.668
7345.209
7378.209
ECVI Model
ECVI
LO 90
HI 90
MECVI
Default model
8.616
8.059
9.206
8.731
Saturated model
4.943
4.943
4.943
5.813
Independence model
31.859
30.669
33.077
31.910
HOELTER HOELTER
HOELTER
.05
.01
Default model
68
71
Independence model
19
20
Model
Minimization:
.038
Miscellaneous:
2.615
Bootstrap:
14.869
Total:
17.522
208
Lampiran 15. Model Struktural Respesifikasi
209
Lampiran 15. Model Struktural Respesifikasi (lanjutan) Standardized Regression Weights: (Group number 1 - Default model) Parameter KE <--KE <--KE <--KE <--KE <--KE <--NW <--NB <---
RE KI KT KO EF RW KE KE
Estimate .137 .128 .041 .302 .567 .331 .717 .837
Lower -.042 -.161 -.149 .016 .362 .158 .597 .739
Upper .351 .385 .227 .602 .798 .498 .819 .920
P .115 .471 .673 .045 .001 .003 .002 .003
Modification Indices (Group number 1 - Default model) Covariances: (Group number 1 - Default model) e5 e4 e4 e2 e1 e1 e1 e8 e8 e8
<--> <--> <--> <--> <--> <--> <--> <--> <--> <-->
e6 e6 e5 e3 e5 e3 e2 e6 e1 e9
M.I.
Par Change
10.508 16.110 12.244 6.246 5.644 4.042 19.008 6.790 6.583 16.013
.144 .146 .105 .069 .106 .084 .157 -.111 .110 .124
Model Fit Summary CMIN Model Default model Saturated model Independence model
NPAR 77 561 33
RMR, GFI Model Default model Saturated model Independence model
RMR .445 .000 .650
GFI .747 1.000 .105
AGFI .707
PGFI .645
.050
.099
NFI Delta1 .798 1.000 .000
RFI rho1 .779
IFI Delta2 .856 1.000 .000
CMIN 1448.797 .000 7166.041
DF 484 0 528
P .000
CMIN/DF 2.993
.000
13.572
Baseline Comparisons Model Default model Saturated model Independence model
.000
210
TLI rho2 .841 .000
CFI .855 1.000 .000
Lampiran 15. Model Struktural Respesifikasi (lanjutan) Parsimony-Adjusted Measures Model PRATIO Default model .917 Saturated model .000 Independence model 1.000
PNFI .731 .000 .000
NCP Model Default model Saturated model Independence model
NCP 964.797 .000 6638.041
LO 90 854.280 .000 6367.968
FMIN Model Default model Saturated model Independence model
FMIN 6.382 .000 31.568
RMSEA Model Default model Independence model
RMSEA .094 .235
LO 90 .088 .230
AIC Model Default model Saturated model Independence model
AIC 1602.797 1122.000 7232.041
BCC 1629.926 1319.658 7243.668
ECVI Model Default model Saturated model Independence model
ECVI 7.061 4.943 31.859
F0 4.250 .000 29.242
LO 90 6.574 4.943 30.669
PCFI .783 .000 .000
HI 90 1082.915 .000 6914.555
LO 90 3.763 .000 28.053
HI 90 .099 .240
Default model Independence model
Minimization: Miscellaneous: Bootstrap: Total:
HOELTER .05 85 19
PCLOSE .000 .000
BIC 1866.856 3045.863 7345.209
HI 90 7.581 4.943 33.077
HOELTER Model
HI 90 4.771 .000 30.461
HOELTER .01 88 20
.032 2.781 14.024 16.837
211
CAIC 1943.856 3606.863 7378.209
MECVI 7.180 5.813 31.910
(Halaman ini sengaja dikosongkan)
212
Lampiran 16. Survey Offline
213
Lampiran 16. Survey Offline (lanjutan)
214
Biodata Penulis Bella Harum Ashari, lahir di Malang pada 30 November
1995.
Penulis
telah
menempuh
pendidikan formal di TK Al-Ikhlas Malang, SDN Sawojajar 5 Malang, SMPN 21 Malang dan SMAN 1 Malang. Setelah lulus pendidikan SMA pada 2013, penulis meneruskan studinya di Jurusan Manajemen Bisnis, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember Surabaya. Selama masa perkuliahan, penulis mengikuti berbagai kegiatan baik di Jurusan maupun
Universitas.
Penulis
mengikuti
organisasi Himpunan Mahasiswa Manajemen Bisnis tahun 2014 hingga 2016 pada Divisi Student Resource Development, juga pernah tergabung sebagai asisten laboratorium di Laboratorium Pengembangan Sistem dan Manajemen Industri Teknik Industri ITS dan Laboratorium Entrepreneurship and Small Medium Enterprise Development Manajemen Bisnis pada tahun 2015 hingga 2016. Penulis berkesempatan mendapat pengalaman langsung dalam Kerja Praktik selama 2 bulan pada PT. Petrokimia Gresik dengan membantu riset pasar pada permasalahan yang ada di PT. Petrokimia Gresik. Selama bergabung dalam berbagai kegiatan dan organisasi, penulis mendapat banyak pengalaman serta softskill yang kiranya bermanfaat kedepannya. Penulis juga memiliki ketertarikan pada bidang marketing, strategic management dan human resource ketika aktif menjadi mahasiswa dan berharap akan dapat menjadi seorang professional dalam bidang tersebut. Bella terbuka untuk berdiskusi mengenai berbagai hal dan dapat dihubungi melalui
[email protected].
215
