BAB III OBJEK DAN METODOLOGI PENELITIAN 3

28

BAB III

OBJEK DAN METODOLOGI PENELITIAN

3.1 Objek Penelitian

Penelitian ini menggunakan pendekatan manajemen pemasaran khususnya

mengenai intention to online shopping. Variabel adalah segala sesuatu yang memiliki

perbedaan atau variasi nilai. Nilai nilai tersebut dapat berbeda untuk berbagai objek

atau orang yang sama, atau pada waktu ang sama untuk objek atau orang yang berbeda.

Penelitian ini terdapat dua variabel eksogen dan variaebel endogen. Variable eksogen

dalam penelitian ini adalah social media influencer (X) yang terdiri dari adalah

attractiveness (X1), content (X2), relevant (X3), interaction (X4), expertise (X5),

credibility (X6), trust (X7), influence (X8). Variabel endogen dalam penelitian ini

adalah intention to online shopping (Y).

Objek yang dijadikan responden dalam penelitian ini adalah Perusahaan

Focallure. Penelitian ini dilakukan pada kurun waktu kurang dari satu tahun, maka

penelitian ini menggunakan teknik data cross-sectional. Menurut Sekaran & Bougie

(2016) cross sectional study adalah sebuah studi yang dapat dilakukan dimana data

dikumpulkan hanya sekali, dalam periode bulan Februari sampai dengan bulan April,

untuk menjawab pertanyaan penelitian.

3.2 Metode Penelitian

3.2.1 Jenis Penelitian dan Metode yang digunakan

Berdasarkan pertimbangan tujuan penelitian, maka jenis penelitian yang

digunakan adalah penelitian deskriptif dan verifikatif. Menurut (Uma Sekaran &

Bougie, 2016) penelitian deskriptif adalah jenis penelitian konklusif yang memiliki

tujuan utama mendeskripsikan sesuatu. Penelitian deskritif dilakukan untuk

mendapatkan deskripsi secara terperinci mengenai gambaran social media influencer

yang terdiri dari 1) atttractiveness 2) content 3) relevant 4) interaction 5) expertise 6)

credibility 7) trust 8) influence. Penelitian verifikatif menurut (Cooper & Schindler,

2014) adalah suatu penelitian yang mencoba untuk mengungkapkan hubungan kausal

antara variabel. Menurut (Sekaran & Bougie, 2016:44) penelitian verifikatif adalah

sebuah penelitian yang dilakukan untuk membangun hubungan sebab dan akibat antar

variabel. Penelitian verifikatif dilakukan untuk menguji hipotesis dilapangan untuk

29

memperoleh gambaran mengenai pengaruh social media influencer dan gambaran

mengenai intention to online shopping pada pengikut Focallure di Instagram.

Metode penelitian pada dasarnya merupakan cara ilmiah untuk mendapatkan

data dengan tujuan dan kegunaan memecahkan suatu masalah. (Uma Sekaran &

Bougie, 2016) mendefinisikan metode penelitian sebagai suatu pendekatan umum

untuk mengumpukan data yang menentukan apakah kesimpulan kausal dapat ditarik.

Berdasarkan jenis penelitiannya yaitu verifikatif yang dilaksanakan melalui

pengumpulan data dilapangan, maka metode penelitian ini adalah metode explanatory

survey. Menurut (Malhotra, 2013:250) explanatory survey dilakukan untuk

mengeksplorasi situasi masalah, yaitu untuk mendapatkan ide-ide dan wawasan ke

dalam masalah yang dihadapi manajemen atau para peneliti tersebut. Penelitian yang

menggunakan metode ini, informasi dari seluruh populasi dikumpulkan langsung di

tempat kejadian dengan tujuan untuk mengetahui pendapat dari seluruh populasi

terhadap objek yang sedang diteliti.

30

3.2.2 Operasional Variabel

Operasional variabel adalah proses pengubahan atau penguraian konsep atau konstruk menjadi variabel terukur yang sesuai untuk

pengujian (Cooper & Schindler, 2014). Penelitian ini terdapat variabel yang diteliti yang diantaranya social media influencer sebagai

variabel bebas (X) dengan sub variable Attractiveness (𝑋1), Content (𝑋2), Relevant (𝑋3), Interaction (𝑋4), Expertise (𝑋5), Credibility (𝑋6)

, Trust (𝑋7), Influence (𝑋8) serta intention to online shopping (Y) dengan sub variabel Website Design (𝑌1), Convenience (𝑌2), Enjoyment

(𝑌3), Time Saving (𝑌4), Security (𝑌5), Price (𝑌6) , Product Quality (𝑌7). Secara lengkap dalam penelitian ini, disajikan pada Tabel 3.1 di

bawah ini.

TABEL 3.1

OPERASIONAL VARIABEL

VARIABEL DIMENSI KONSEP VARIABEL INDIKATO

R

UKURAN SKALA NO.

ITEM

(1) (2) (3) (4) (5) (6) (7)

Sosial Media Influencer adalah bentuk pemasaran yang mengidentifikasi dan menargetkan individu yang memiliki

pengaruh terhadap pembeli potensial untuk mempengaruhi konsumen lain agar percaya dan ikut melakukan pembelian

yang sama (Pang & a, 2016).

Social Media

Influencer

(X1)14

Attractiveness

(X1)

Daya tarik SMI dalam iklan

dapat mempengaruhi

konsumen untuk merasa

seperti dia dapat mencapai

tampilan yang sama dengan

SMI dengan memiliki produk

yang sama. (Forbes, 2016)

Interest Tingkat ketertarikan

visual pada social media Interval 1

Information

Tingkat kemenarikan

pesan dalam menggali

kaingintahuan

konsumen

Interval 2

Creatif

Tingkat kreatifitas

dalam menarik

perhatian calon

konsumen

3

31


R

UKURAN SKALA NO.

ITEM

(1) (2) (3) (4) (5) (6) (7)

Content (X2)

Dikenal untuk membuat dan

menyebarkan konten yang

baik pada platform media

sosial mereka. Ini dilakukan

dalam bentuk memberikan

rekomendasi, gambar dan

konten lain yang mendorong

konsumen untuk membeli

produk tertentu. (Forbes,

2016)

Crate Tingkat kreatifitas

menciptakan konten Interval 4

Motivation

Tingkat pengaruh

motivasi yang

mendorong kosumen

mengunjungi social

media

Interval 5

Relevant (X3)

Relevan adalah kaitan dengan

apa yang diciptakan dengan

yang dibutuhkan untuk

menarik konsumen (Ainon

Mohd: 2005)

Language

Tingkat kesesuaian

bahasa dalam

menyampaikan pesan

informasi

Interval 6

Create

Accurate

Tingkat kemampuan

agar popular konsumen

mengunjungi

Interval 7

Expertise(X4)

Keahlian adalah faktor lain

yang sangat diinginkan di

antara konsumen ketika

mereka memilih untuk

mengadopsi konten yang

berasal dari social medi

marketing atau tidak (Valck et

al., 2013)

Popularitas Tingkat ketenaran untuk

menarik konsumen Interval 8

Involvement

Tingkat keterlibatan

influencer dalam

menjalin hubungan

dengan konsumen

Interval 9

32


R

UKURAN SKALA NO.

ITEM

(1) (2) (3) (4) (5) (6) (7)

Interaction (X5)

Interaksi adalah proses aksi

(tindakan) dan reaksi

(membalas tindakan) yang

dilakukan seseorang dalam

berhubungan dengan orang

lain (Macionis,2009)

Reactions

Tingkat reaksi yang

dilakukan konsumen

terhadap penyampaian

konten.

Interval 10

Perceptions Tingkat keterlibatan

sikap kosumen saat

mengunjungi

Interval 11

Credibility (X6)

Kredibel adalah keadaan atau

kondisi yang dapat dipercaya

dan dapat dipertanggung

jawabkan juga sesuai dengan

yang diharapkan konsumen

(Forbes,2016)

Verity

Tingkat kejujuran dalam

merkomendasikan

dalam menumbuhkan

sikap konsumen

Interval 12

Integrity

Tingkat integritas

influencer saat

berkerjasama

menyampaikan

informasi

Interval 13

Trust (X7)

Kepercayaan adalah sebuah

keyakinan mengenai maksud

yang ditunjukan kepada pihak

lainnya semisal konsumen

sebagai suatu harapan

konsumen bahwa penyedia

jasa atau barang dapat

diandalkan (Siagian dan

Cahyono, 2014)

Belief

Tingkat kepercayaan

terhadap suatu pesan

informasi yang

diberikan kepada

konsumen

Interval 14

Confidence

Tingkat keyakinan

terhadap influencer

dalam

Interval 15

33


R

UKURAN SKALA NO.

ITEM

(1) (2) (3) (4) (5) (6) (7)

merekomendasikan

dengan sebenarnya

Influence (X8)

Pengaruh konsumen

ditentukan oleh kelompok

bahwa konsumen adalah

anggota atau ingin menjadi

anggota, karena konsumen

sering membandingkan

dirinya dengan kelompok-

kelompok ini. (Nejad et al.,

2014)

Recommenda

tions

Tingkat relasi yang

dimiliki untuk memberi

tahu informasi

Interval 16

Intention Tingkat minat terhadap

barang yang ditawarkan Interval 17

Intentions to Online Shopping merupakan situasiyang mencerminkan rencana ketika seseorang ingin membeli produk

atau layanan tertentu melalui situs web (Liat & Shi Wuan, 2014)

Intention to

Online

Shopping (Y2)

Website design

(Y21)

Dimensi Desain situs web,

keandalan / pemenuhan situs

web, layanan pelanggan situs

web, dan keamanan / privasi

situs web adalah fitur paling

menarik yang memengaruhi

persepsi konsumen dalam

pembelian online (Shergill &

Chen (2005).

Website

quality

Tingkat kualitas website

dalam membangun niat

berbelanja konsumen

Interval 18

Acsess

Tingkat kemudahan

mengakses website/

social media dalam

membangun niat

berbelanja konsumen

Interval 19

Convenience

(Y22)

Dimensi kenyamanan

merujuk bahwa lebih mudah

menelusuri atau mencari

Easily

Tingkat kemudahaan

bertransaksi secara

online dalam

Interval 20

34


R

UKURAN SKALA NO.

ITEM

(1) (2) (3) (4) (5) (6) (7)

informasi melalui online lebih

mudah daripada berbelanja

eceran tradisional.

membangun niat

berbelanja konsumen

Flexibility Tingkat kelenturan

informasi pada website. Interval 21

Enjoyment

(Y23)

Kesenangan adalah kegiatan

atau kondisi yang dianggap

menyenangkan dalam dirinya

dan sensasi secara holistic

Good system

Tingkat kemudahan

dalam mencari variasi

yang menarik dalam

membangun minat beli

Interval 22

Selection

Tingkat kesenangan

karena sistem yang

bagus tidak buffering

Interval 23

Time saving

(Y24)

Dimensi penghematan waktu

adalah salah satu dimensi yang

paling merujuk terhadap minat

belanja online. Menelusuri

atau mencari katalog online

dapat menghemat waktu dan

kesabaran.

Less Time

Tingkat efisien waktu

dengan menghemat

waktu konsumen.

Interval 24

Time during

Insensitas waktu yang

efisien untuk kecepatan

waktu pengiriman

Interval 25

Security (Y25) Dimensi keamanan adalah

salah satu atribut yang Protected

Tingkat perlindungan

informasi konsumen Interval 26

35


R

UKURAN SKALA NO.

ITEM

(1) (2) (3) (4) (5) (6) (7)

membatasi pembelian di web

karena mereka mengklaim

bahwa ada segmen besar

pembeli internet yang tidak

suka membeli secara online

karena pemikiran mereka

tentang keamanan sensitif

mereka. Informasi (Bhatnagar

dan Ghose, 2004

untuk berbelanja secara

online

Safety

Tingkat keamanan atas

konsumen dalam berniat

untuk membeli online

Interval 27

Price (Y26)

Harga adalah sejumlah uang

yang harus di bayarkan sesuai

dengan masing masing produk

(moenroe,1990)

Affordable

Tingkat harga yang

terjangkau bagi

konsumen dalam

membangun niat beli

online

Interval 28

Discount

Tingkat perusahaan

memberikan diskon

yang menarik bagi

konusumen

Interval 29

Product Quality

(Y27)

Kualitas Produk adalah

kemampuam suatu produk

untuk

melaksanakannfungsinya

dalam keandalan, ketepatan

serta atribut bernilai lainnya

(Kotler,2009)

Performance

Tingkat kualitas produk

yang di sajikan dalam

menarik minat beli

konsumen

Interval 30

Suitability Tingkat kesesuaian

dalam memenuhi Interval 31

36


R

UKURAN SKALA NO.

ITEM

(1) (2) (3) (4) (5) (6) (7)

kebutuhan konsumen

dalam berniat membeli

37

3.2.3 Jenis dan Sumber Data

Untuk kepentingan penelitian ini, jenis dan sumber data diperlukan

dikelompokan ke dalam 2 golongan yaitu:

1. Data Primer

Menurut McDaniel dan Gates (2015) menyatakan bahwa data primer adalah

data baru yang dikumpulkan untuk membantu memecahkan masalah dalam

penyelidikan/penelitian. Terdapat menurut Uma Sekaran dan Roger (2016)

mendefinisikan data primer sebagai data yang dikumpulkan langsung untuk analisis

selanjutnya untuk mencari solusi terhadap masalah yang diteliti. Dari penelitian ini

data yang akan diambil yaitu data berupa tanggapan dari peserta mengenai pengaruh

Attractivness (𝑋1), Content (𝑋2), Relevant (𝑋3), Expertise (𝑋4), Interaction (𝑋5),

Credibility (𝑋6), Trust (𝑋7),Influence (𝑋8) serta intention to online shopping (Y)

dengan sub dimensi Website Design (𝑌1), Convenience (𝑌2), Enjoyment (𝑌3), Time

Saving (𝑌4), Security (𝑌5), Price (𝑌6), Product Quality (𝑌7).

2. Data Sekunder

Data sekunder merupakan data yang telah dikumpulkan berupa variabel,

simbol atau konsep yang bisa mengasumsikan salah satu dari seperangkat nilai

(McDaniel & Gates, 2015). Terdapat menurut Uma Sekaran dan Roger (2016) data

sekunder adalah data yang sudah ada dan tidak dikumpulkan oleh peneliti secara

langsung. Untuk lebih jelasnya mengenai data dan sumber data yang digunakan dalam

penelitian ini, maka peneliti mengumpulkan dan menyajikannya dalam bentuk Tabel

3.2 berikut.

TABEL 3.2

JENIS DAN SUMBER DATA

NO. JENIS DATA SUMBER DATA JENIS

DATA

1. Cosmetic Usage Rank www.similarweb.com Sekunder

2. Website Engagement Financial

Cosmetic www.similarweb.com Sekunder

3 Rating Kepuasan Penggunaan

Cosmetic www.easycounter.com Sekunder

4

Klasifikasi Tingkat Intention to Online

Shopping Followers Instagram Resmi

Focallure Indonesia

Hasil Pengolahan Data

Followers akun

instagram Resmi

Focallure Indonesia

Primer

38


DATA

5

Profil Followers Akun Instagram

Resmi Focallure Indonesia Berdasarkan

Jenis Kelamin dan Usia


Followers akun

instagram Resmi

Focallure Indonesia

Primer

6

Keterkaitan Tingkat Intention to Online

Shopping Followers Akun Instagram


Usia dan Jenis Kelamin


Followers akun

instagram Resmi

Focallure Indonesia

Primer

7




Usia dan Status Pekerjaan


Followers akun

instagram Resmi

Focallure Indonesia

Primer

8




Pendidikan Terakhir dan Status

Pekerjaan


Followers akun

instagram Resmi

Focallure Indonesia

Primer

9


Shopping Akun Instagram Resmi

Focallure Indonesia Berdasarkan

Pendapatan/Uang Saku dan Status

Pekerjaan


Followers akun

instagram Resmi

Focallure Indonesia

Primer

10




Pendapatan/Uang Saku dan Kategori

Produk


Followers akun

instagram Resmi

Focallure Indonesia

Primer

11




Tempat Membeli Produk dan Kategori

Produk yang akan Dibeli


Followers akun

instagram Resmi

Focallure Indonesia

Primer

12

Tanggapan Followers Akun Instagram

Resmi Focallure Indonesia Terhadap

Dimensi Website Design Pada Intention

to Online Shopping


Followers akun

instagram Resmi

Focallure Indonesia

Primer

13



Dimensi Convenience Pada Intention to

Online Shopping


Followers akun

instagram Resmi

Focallure Indonesia

Primer

14



Dimensi Enjoyment Pada Intention to

Online Shopping


Followers akun

instagram Resmi

Focallure Indonesia

Primer

39


DATA

15



Dimensi Time Saving Pada Intention to

Online Shopping


Followers akun

instagram Resmi

Focallure Indonesia

Primer

17



Dimensi Security Pada Intention to

Online Shopping


Followers akun

instagram Resmi

Focallure Indonesia

Primer

18



Dimensi Price Pada Intention to Online

Shopping


Followers akun

instagram Resmi

Focallure Indonesia

Primer

19



Dimensi Product Quality Pada

Intention to Online Shopping


Followers akun

instagram Resmi

Focallure Indonesia

Primer

20



Dimensi Attractivness Pada Social

Media Influencer


Followers akun

instagram Resmi

Focallure Indonesia

Primer

21



Dimensi Content Pada Social Media

Influencer


Followers akun

instagram Resmi

Focallure Indonesia

Primer

22



Dimensi Relevant Pada Social Media

Influencer


Followers akun

instagram Resmi

Focallure Indonesia

Primer

23



Dimensi Expertise Pada Social Media

Influencer


Followers akun

instagram Resmi

Focallure Indonesia

Primer

24



Dimensi Interaction Pada Social Media

Influencer


Followers akun

instagram Resmi

Focallure Indonesia

Primer

25



Dimensi Credibility Pada Social Media

Influencer


Followers akun

instagram Resmi

Focallure Indonesia

Primer

26 Tanggapan Followers Akun Instagram



Followers akun Primer

40


DATA

Dimensi Trust Pada Social Media

Influencer

instagram Resmi

Focallure Indonesia

27



Dimensi Influence Pada Social Media

Influencer


Followers akun

instagram Resmi

Focallure Indonesia

Primer

Sumber: Hasil Pengolahan Data, 2020

3.2.4 Populasi, Sampel dan Teknik Sampling

3.2.4.1 Populasi

Populasi adalah total dari semua elemen yang terbagi dalam beberapa

seperangkat karakteristik. Populasi diartikan sebagai kumpulan seluruh unit-unit

pengamatan yang menjadi objek penelitian (Asra & Prasetyo, 2015). Tujuan dari

sebagian besar proyek riset adalah untuk memperoleh informasi tentang karakteristik

suatu populasi dengan cara mengambil sensus ataupun sampel (Malhotra, 2015).

Populasi berkaitan dengan seluruh kelompok orang, peristiwa, benda gejala,

fenomena, atau kejadian-kejadian yang menjadi pusat perhatian peneliti untuk diteliti

(Hermawan, 2006).

Populasi perlu diidentifikasi secara tepat dan akurat sejak awal penelitian.

Populasi yang tidak diidentifikasikan dengan baik, memungkinkan akan menghasilkan

sebuah kesimpulan penelitian yang keliru. Hasil penelitian tersebut kemungkinan tidak

akan memberikan informasi yang relevan karena tidak tepatnya penentuan populasi

(Hermawan, 2006). Berdasarkan pengertian mengenai populasi, maka populasi dalam

penelitian ini adalah followers Instagran resmi Focallure Indonesia sebesar 88.200 per

bulan Februari 2020.

3.2.4.2 Sampel

Masalah pokok dari sampel adalah menjawab pertanyan, apakah sampel yang

diambil benar-benar mewakili populasi. Indikator penting dalam pengujian desain

sampel adalah seberapa baik sampel tersebut mewakili karakteristik populasi. Sampel

adalah bagian dari populasi (Uma Sekaran & Bougie, 2016). Sedangkan menurut

McDaniel & Gates (2015) sampel dapat didefinisikan sebagai bagian dari semua

anggota populasi yang diminati. Menurut Donald & Pamela (2014) sampel adalah

41

sekelompok kasus, peserta, peristiwa atau catatan yang terdiri dari populasi sasaran,

dipilih dengan cermat untuk mewakili populasi tersebut.

Penelitian ini mengambil sampel berdasarkan pada acuan ukuran sampel

minimal untuk model persamaan struktural (SEM) yang diungkapkan Kelloway

(1998) yaitu paling sedikit 200 responden. Secara teori, untuk model-model yang

memiliki 10 sampai 15 variabel manifes ukuran sampelnya berkisar 200-400 (Sarjono

& Julianita, 2015). Pengambilan sampel sebanyak 200 responden karena SEM

bergantung pada pengujian-pengujian yang sifatnya sensitif terhadap ukuran sampel

dan besarnya perbedaan di antara matriks kovarians (Sarjono & Julianita, 2015). Selain

itu juga untuk mengantisipasi adanya ouliers data setelah pengambilan sampel

dilakukan.

Penelitian ini melakukan kajian terhadap industri cosmetic Indonesia, dengan

objek penelitian pada Followers Akun Instagram Focallure Indonesia berjumlah

88.200 orang akun pada Februari 2020, dapat diketahui bahwa jumlah sampel yang

digunakan pada penelitian ini ditentukan sebanyak 200 orang atau responden.

3.2.4.3 Teknik Sampling

Teknik sampling merupakan teknik pengambilan sampel untuk menentukan

sampel yang akan digunakan dalam penelitian, sehingga dapat diperoleh nilai

karakteristik perkiraan (estimate value). Uma dan Roger (2016:240) sampling adalah

proses pemilihan jumlah elemen yang tepat dari populasi, sehingga sampel penelitian

dan pemahaman tentang sifat atau karakteristik memungkinkan baru kita untuk

menggeneralisasi sifat atau karakteristik tersebut pada elemen populasi. Terdapat tipe

teknik sampling yaitu probability sampling dan nonprobability sampling.

Probability sampling merupakan teknik pengambilan sampel dimana setiap

elemen atau anggota populasi memiliki peluang atau kemungkinan yang diketahui

untuk dipilih sebagai sampel. Probability sampling terdiri dari simple random

sampling, systematic random sampling, stratification sampling, dan cluster sampling.

Sedangkan nonprobability sampling merupakan teknik pengambilan sampel dimana

setiap elemen atau anggota dalam populasi tidak memiliki peluang yang diketahui atau

telah ditentukan sebelumnya untuk dipilih sebagai sampel. Nonprobability sampling

terdiri dari convenience sampling, purposive sampling, judgement sampling dan quota

sampling (Sekaran & Bougie, 2016:240).

42

Teknik pengambilan sampel yang digunakan dalam penelitian ini adalah

probability sampling karena setiap elemen populasi penelitian memiliki peluang atau

probability yang sama untuk dipilih sebagai sampel. Metode yang digunakan yaitu

metode penarikan sampel acak sederhana atau simple random sampling dimana

memberikan kesempatan yang sama kepada populasi untuk dijadikan sampel. Cara

pengambilan sampel dengan simple random sampling dapat dilakukan dengan metode

undian, ordinal, maupun tabel bilangan random. Semua populasi dari pengikut

Focallure Indonesia di Instagram memiliki kesempatan yang sama untuk menjadi

sampel terpilih oleh peneliti.

3.2.5 Teknik Pengumpulan Data

Teknik pengumpulan data merupakan cara mengumpulkan data yang

dibutuhkan untuk menjawab rumusan masalah penelitian. Menurut Uma Sekaran

(2016:24) teknik pengumpulan data merupakan bagian yang tidak terpisahkan dari

desain penelitian. Adapun teknik pengumpulan data yang digunakan penulis dalam

penelitian ini adalah:

1. Studi literatur, yaitu pengumpulan data dengan cara mempelajari buku,

makalah, jurnal maupun homepage/website guna memperoleh informasi yang

berhubungan dengan teori-teori dan konsep-konsep yang berkaitan dengan

masalah penelitian atau variabel yang diteliti yaitu social media influencer dan

intention to online shopping.

2. Observasi merupakan metode pengumpulan data dengan melakukan

pengamatan terhadap objek penelitian yaitu jumlah followers Focallure di

Instagram.

3. Wawancara adalah kegiatan pengumpulan data dan fakta dengan cara

melakukan tanya jawab yang berkaitan dengan penelitian. Teknik wawancara

dilakukan dengan maksud mendapatkan informasi mengenai implementasi

social media influencer kepada pihak Followers Focallure di Instagram.

4. Kuisioner merupakan teknik pengumpulan data primer yang dilakukan dengan

cara menyebarkan seperangkat daftar pertanyaan atau pernyataan tertulis

mengenai karaketeristik responden, pengalaman responden setelah berkunjung

dan pelaksanaan implementasi social media influencer serta intention to online

shopping. Kuisioner akan ditujukan kepada sampel dari followers Focallure di

43

Instagram secara online melalui google form yang dikirim secara langsung

melalui direct message responden.

Untuk mengetahui lebih jelas bagaimana teknik pengumpulan data dalam

penelitian ini, maka peneliti mengumpulkan dan menyajikan dalam Tabel 3.3 berikut:

TAHUN 3.3

TEKNIK PENGUMPULAN DATA

No. Teknik Pengumpulan Data Sumber Data

1 Wawancara Followers Focallure di Instagram

2 Observasi Pelaksanaan implementasi social media

influencer Focallure.

3 Kuesioner Followers Focallure di Instagram

4 Studi Literatur Teori social media influencer dan intention

to online shopping

Sumber: Hasil Pengolahan Data Sekunder dan Primer, 2020

3.2.6 Pengujian Validitas dan Realibilitas

Setelah data yang diperoleh dari responden melalui kuesioner terkumpul,

selanjutnya adalah mengolah dan menafsirkan data sehingga dari hasil tersebut dapat

dilihat apakah antara social media influencer (X) ada pengaruhnya atau tidak terhadap

variabel intention to online shopping (Y). Sebelum melakukan analisis data, dan juga

untuk menguji layak atau tidaknya kuesioner yang disebarkan kepada responden,

terlebih dahulu dilakukan uji validitas dan uji reliabilitas untuk melihat tingkat

kebenaran serta kualitas data.

3.2.6.1 Pengujian Validitas

Validitas berkaitan dengan ketepatan penggunaan indikator untuk

menjelaskan arti konsep yang sedang diteliti, sedangkan reliabilitas berkaitan dengan

konsistensi suatu indikator (Priyono, 2016).

Jenis validitas yang digunakan dalam penelitian ini adalah validitas konstruk

yang akan membuktikan seberapa baik hasil dari penggunaan yang diperoleh sesuai

dengan teori-teori di sekitar yang dirancang dalam tes (Sekaran, 2003). Hal ini dinilai

melalui konvergen dan diskriminan validitas, yang menentukan validitas dengan cara

mengkorelasikan antar skor yang diperoleh dari masing-masing item berupa

pertanyaan dengan skor totalnya. Skor total ini merupakan nilai yang diperoleh dari

penjumlahan semua skor item. Berdasarkan ukuran statistik, bila ternyata skor semua

item yang disusun menurut dimensi konsep berkorelasi dengan skor totalnya, maka

dapat dikatakan bahwa alat ukur tersebut mempunyai validitas. Kevalidan suatu

44

instrumen dihitung menggunakan rumus korelasi product moment, yang dikemukakan

oleh Pearson sebagai berikut:

rxy =Nxy − (x)(y)

√{Nx2 − (x)2}{Ny2 − (y)2}(3.1)

Sumber: (Sugiyono, 2002:248)

Keterangan:

rxy = Koefisien korelasi antara variabel X dan variabel Y

X = Skor yang diperoleh subjek seluruh item

Y = Skor total

∑X = Jumlah skor dalam distribusi X

∑Y = Jumlah skor dalam distribusi Y

∑XY = Jumlah perkalian faktor korelasi variabel X dan Y

∑X2 = Jumlah kuadrat dalam skor distribusi X

∑Y2 = Jumlah kuadrat dalam skor distribusi Y

N = Banyaknya responden

Langkah selanjutnya perlu diuji apakah koefisien validitas tersebut signifikan

terhadap taraf signifikan tertentu, artinya ada koefisien validitas tersebut bukan karena

faktor kebetulan, diuji dengan rumus statistik t sebagai berikut :

t = r√n−2

√1−r2 (3.2)

Sumber : (Sugiyono, 2002)

Keputusan pengujian validitas responden menggunakan taraf signifikan

sebagai berikut:

1. Nilai t dibandingkan dengan harga rtabel dengan dk = n-2 dan taraf signifikasi

α = 0.05

2. Item pertanyaan-pertanyaan responden penelitian dikatakan valid jika rhitung

lebih besar atau sama dengan rtabel (rhitung ≥ rtabel)

3. Item pertanyaan-pertanyaan responden penelitian dikatakan tidak valid jika

rhitung lebih kecil dari rtabel (rhitung< rtabel)

Pengujian validitas diperlukan untuk mengetahui apakah instrument yang

digunakan untuk mencari data primer dalam sebuah penelitian dapat digunakan untuk

mengukur apa yang seharusnya terukur. Penelitian ini akan diuji validitas dari

45

instrument hubungan social media influencer sebagai variabel X sebanyak 17 item dan

intention to online shopping sebagai variabel Y sebanyak 14 item.

Berdasarkan kuesioner yang diuji pada 200 responden dengan tingkat

signifikansi 5% dan derajat bebas (df=n-2) (200-2=198), maka diperoleh nilai r tabel

sebesar 0.1166 dari tabel hasil pengujian validitas diketahui bahwa pernyataan-

pernyataan yang diajukan kepada respondenseluruhnya dinyatakan valid karena rhitung

lebih besar dari rtabel sehingga pernyataan pernyataan tersebut dapat dijadikan alat ukur

terhadap semua konsep seharusnya diukur. Variabel sosial media influencer semua

item valid, hasil uji validitas tersebut dapat dilihat pada Tabel 3.4 berikut:

TABEL 3.4

HASIL UJI VALIDITAS VARIABEL X (SOCIAL MEDIA INFLUENCER)

No Pernyataan r

hitung

r

tabel

Ket

Attractivness

1 Kemenarikan visual Instagram dalam

mempengaruhi aktifitas pencarian informasi

0,682 0.1166 Valid

2 Kemenarikan feeds dalam mempengaruhi kesan

pertama konsumen

0,583 0.1166 Valid

3 Pesan informasi yang menarik dalam

mempengaruhi rasa ingin tahu konsumen

0,679 0.1166 Valid

Content

4 Kreatifitas fitur yang diciptakan Focallure

dalam menarik target konsumen

0,800 0.1166 Valid

5 Kehandalan menciptakan konten dalam

merekomendasikan Focallure

0,789 0.1166 Valid

Relevant

6 Kemenarikan informasi keunggulan Focallure

dalam mempengaruhi persepsi konsumen

0,714 0.1166 Valid

7 Ketertarikan konsumen dalam bahasa yang

tepat untuk menyampaikan pesan

0,622 0.1166 Valid

Expertise

8 Popularitas Instagram dalam menarik

konsumen berkunjung secara rutin

0,374 0.1166 Valid

9 Keterlibatan influencer (Tasha Farasya) dengan

Focallure di Instagram

0,610 0.1166 Valid

Interaction

10 Keterlibatan konsumen memberikan like,

comment pada posting-an social media

0,661 0.1166 Valid

11 Keterlibatan Focallure menanggapi persepsi

dari konsumen

0,841 0.1166 Valid

Credibility

12 Kejujuran informasi yang diberikan kepada

konsumen dalam menawarkan Focallure

0,730 0.1166 Valid

46

No Pernyataan r

hitung

r

tabel

Ket

13 Integritas Influencer (Tasya Farasya) yang

terpilih dalam membangun Focallure

0,652 0.1166 Valid

Trust

14 Kepercayaan konsumen dalam memahami

informasi mengenai Focallure

0,735 0.1166 Valid

15 Keyakinan terhadap influencer (Tasya Farasya)

yang memiliki pengaruh terhadap konsumen

0,628 0.1166 Valid

Influence

16 Keinginan konsumen merekomendasikan

Focallure kepada orang lain

0,848 0.1166 Valid

17 Konsumen terpengaruh untuk melakukan

pembelian produk Focallure

0,788 0.1166 Valid

Sumber: Hasil Pengolahan Data 2020 (Menggunakan SPSS 22.0 for windows)

Berdasarkan Tabel 3.4 Pengujian Validitas Social media influencer dapat

diketahui bahwa nilai yang tertinggi terdapat pada dimensi influence dengan

pernyataan keinginan konsumen merekomendasikan Focallure kepada orang lain yang

bernilai sebesar 0,848. Sementara nilai terendah terdapat pada dimensi expertise

dengan pernyataan popularitas Instagram dalam menarik konsumen berkunjung secara

rutin bernilai sebesar 0,374.

Hasil uji coba penelitian untuk variable X1 social media influencer berdasarkan

hasil perhitungan validitas item penelitian yang dilakukan dengan menggunakan

bantuan SPSS 22.0 for windows, menunjukan bahwa item-item pernyataan dalam

kuesioner dinyatakan valid katena rhitung lebih besar dibandingkan denga rtabel yang

bernilai 0,1166.

Selanjutnya, hasil uji coba penelitian untuk variabel X2 Intention to Online

Shopping berdasarkan hasil perhitungan validitas item penelitian yang dilakukan

dengan menggunakan bantuan SPSS 22.0 for windows, menunjukkan bahwa item-item

pernyataan dalam kuesioner dinyatakan valid karena rhitung lebih besar dibandingkan

dengan rtabel yang bernilai 0.1166. Berikut ini Tabel 3.5 Hasil Pengujian Validitas

intention to Online Shopping.

TABEL 3.5

HASIL PENGUJIAN VALIDITAS INTENTION TO ONLINE SHOPPING

No Pernyataan r

hitung

r

tabel

Ket

Website Design

47

No Pernyataan r

hitung

r

tabel

Ket

1 Minat berbelanja online pada Focallure karena

tampilan yang menarik

0,773 0.1166 Valid

2 Minat pembelian pada Focallure karena website

yang mudah untuk diakses

0,713 0.1166 Valid

Convenience

3 Minat berbelanja online karena mudah dalam

bertransaksi secara online

0,756 0.1166 Valid

4 Konsumen memiliki minat beli karena

informasi yang mudah dicari

0,765 0.1166 Valid

Enjoyment

5 Minat pembelian konsumen pada Focallure

karena produk yang diinginkan tersedia

variasinya

0,791 0.1166 Valid

6 Konsumen berniat membeli Focallure karena

layanan yang tidak buffering

0,731 0.1166 Valid

Time Saving

7 Minat berbelanja online karena dapat

menghemat waktu konsumen

0,712 0.1166 Valid

8 Minat berbelanja online karena pelayanan

dalam ketepatan waktu pengiriman

0,762 0.1166 Valid

Security

9 Minat pembelian online pada Focallure karena

terdapat jaminan atas keamanan konsumen

0,749 0.1166 Valid

10 Minat pembelian online karena kerahasiaan

tentang konsumen terlindungi

0,758 0.1166 Valid

Price

11 Minat pembelian online Focallure karena harga

yang terjangkau

0,636 0.1166 Valid

12 Minat pembelian online Focallure karena

diskon yang selalu diberikan

0,692 0.1166 Valid

Product Quality

13 Minat pembelian konsumen karena kualitas

produk Focallure

0,749 0.1166 Valid

14 Minat pembelian Focalure karena produk

memenuhi kebutuhan minat konsumen

0,794 0.1166 Valid

Sumber: Hasil Pengolahan Data, 2020

3.2.6.2 Hasil Pengujian Realibilitas

Reliabilitas menunjukkan sejauh yang mana data bebas dari kesalahan

sehingga dapat menjamin pengukuran yang konsisten sepanjang waktu dalam seluruh

instrumen. Dengan kata lain, reliabilitas adalah indikasi stabilitas dan konsistensi

instrumen untuk mengukur konsep dan membantu untuk menilai kebaikan dari ukuran

(Sekaran, 2003:203). 55

48

Malhotra (2015:226) mendefinisikan reliabilitas sebagai sejauh mana suatu

ukuran bebas dari kesalahan acak. Reliabilitas dinilai dengan cara menentukan

hubungan antara skor yang diperoleh dari skala administrasi yang berbeda. Jika

asosiasi tinggi, maka skala akan menghasilkan hasil yang konsisten sehingga dapat

dikatakan reliabel.

Pegujiuan instrumen dilakukan dengan internal consistency dengan teknik

belah dua (split half) yang dianalisis dengan rumus Spearman Brown yaitu:

r1=2𝑟𝑏

1+𝑟𝑏 (3.3)

sumber: (Sugiyono, 2002:190)

Keputusan uji reliabilitas ditentukan dengan kriteria sebagai berikut:

1. Jika koefisien internal seluruh item (ri) ≥ rtabel dengan tingkat signifikansi 5%

maka item pertanyaan dikatakan reliabel.

2. Jika koefisien internal seluruh item (ri) < rtabel dengan tingkat signifikansi 5%

maka item pertanyaan dikatakan reliabel.

Pengujian realibilitas tersebut menurut Sugiyono (2002:190) dilaksanakan

dengan langkah-langkah sebagai berikut:

1. Butir-butir instrumen dibelah menjadi dua kelompok, yaitu kelompok instumen

ganjil dan genap.

2. Skor data dari tiap kelompok disusun sendiri dan kemudian skor total antara

kelompok gajil dan genap dicari korelasinya.

Berdasarkan jumlah angket yang diuji kepada sebanyak 200 responden dengan

tingkat signifikansi 5% dengan derajat bebas (df) n-2 (200-2=192, maka didapat nilai

r tabel sebesar 0,1166. Hasil pengujian reliabilitas penelitian yang dilakukan dengan

menggunakan bantuan program SPSS 22.0 for windows diketahui semua variabel

reliabel, hal ini disebabkan nilai rhitung lebih besar jika dibandingkan dengan nilai

rtabel, maka dapat dilihat pada Tabel 3.6 Hasil Uji Reliabilitas sebagai berikut:

TABEL 3.6

HASIL UJI RELIABILITAS

No Variabel r Hitung r Tabel Keterangan

1 Attractivness 0,834 0.1166 reliabel

2 Content 0,871 0.1166 reliabel

3 Relevant 0,789 0.1166 reliabel

49

No Variabel r Hitung r Tabel Keterangan

4 Expertise 0,633 0.1166 reliabel

5 Interaction 0,783 0.1166 reliabel

6 Credibility 0,718 0.1166 reliabel

7 Trust 0,713 0.1166 reliabel

8 Influence 0,840 0.1166 reliabel

9 Intention to Online Shopping 0,946 0.1166 reliabel

Sumber: Hasil Pengolahan Data 2020 (Menggunakan SPSS 22,0 for Windows)

3.2.7 Teknik Analisis Data

Analisis data merupakan langkah untuk menganalisis data yang telah

dikumpulkan secara statistik untuk melihat apakah hipotesis yang dihasilkan telah

didukung oleh data (Sekaran, 2003:32). Tujuan pengolahan data adalah untuk

memberikan keterangan yang berguna, serta untuk menguji hipotesis yang telah

dirumuskan dalam penelitian sehingga teknik analisis data diarahkan pada

pengujian hipotesis serta menjawab masalah yang diajukan. Alat penelitian yang

digunakan dalam penelitian ini adalah angket atau kuesioner. Angket ini disusun

oleh penulis berdasarkan variabel yang terdapat dalam penelitian. Pada penelitian

kuantitatif analisis data dilakukan setelah data seluruh responden terkumpul.

Kegiatan analisis data dalam penelitian dilakukan melalui tahapan:

1. Menyusun data, kegiatan ini dilakukan untuk memeriksa kelengkapan identitas

responden, kelengkapan data serta isian data yang sesuai dengan tujuan

penelitian.

2. Menyeleksi data, kegiatan ini dilakukan untuk memeriksa kesempurnaan dan

kebenaran data yang sudah terkumpul.

3. Tabulasi data, penelitian ini melakukan tabulasi data dengan langkah-langkah

sebagai berikut:

a. Memasukan data ke program Miscrosoft Office Excel

b. Memberi skor pada setiap item

c. Menjumlahkan skor pada setiap item

d. Menyusun rangking skor pada setiap variabel penelitian

Pada penelitian ini akan diteliti pengaruh social media influencer terhadap

intention to online shoppimg, Penelitian ini menggunakan skala semantic

50

differential scale dimana biasanya menunjukkan skala tujuh poin dengan atribut

bipolar untuk mengukur arti suatu objek atau konsep bagi responden. Data yang

diperoleh adalah data interval. Rentang dalam penelitian ini yaitu sebanyak 7 angka

seperti pada Tabel 3.7 Skor Alternatif berikut ini.

TABEL 3.7

PEDOMAN NILAI ANGKET

Alternatif

Jawaban

Sangat

Tinggi

Rentang Jawaban Sangat

Rendah

7 6 5 4 3 2 1

Positif 7 6 5 4 3 2 1 Negatif

Sumber: Ridwan (2013:91)

3.2.7.1 Teknik Analisis Data Deskriptif

Analisis deskriptif digunakan untuk mencari adanya suatu hubungan antara

variabel melalui analisis korelasi dan membuat perbandingan rata-rata data sampel

atau populasi tanpa perlu diuji signifikasinya. Alat penelitian yang digunakan dalam

penelitian ini adalah angket atau kuesioner yang disusun berdasarkan variabel yang

terdapat pada data penelitian, yaitu memberikan keterangan dan data mengenai

pengaruh social media influencer terhadap intention to online shopping. Pengolahan

data yang terkumpul dari hasil kuesioner dapat dikelompokkan kedalam tiga langkah,

yaitu persiapan, tabulasi dan penerapan data pada pendekatan penelitian.

Langkah-langkah yang digunakan untuk melakukan analisis deskriptif pada

ketiga variabel penelitian tersebut sebagai berikut:

1. Analisis Tabulasi Silang (Cross Tabulation)

Metode cross tabulation merupakan analisis yang dilakukan untuk melihat

apakah terdapat hubungan deskriptif antara dua variabel atau lebih dalam data yang

diperoleh (Malhotra, 2015). Analisis ini pada prinsispnya menyajikan data dalam

bentuk tabulasi yang meliputi baris dan kolom. Data yang digunakan untuk penyajian

cross tabulation merupakan data berskala nominal atau kategori (Ghozali, 2014).

Cross tabulation merupakan metode yang menggunakan uji statistik untuk

mengidentifikasi dan mengetahui korelasi antar dua variabel atau lebih, apabila

terdapat hubungan antara variabel tersebut, maka terdapat tingkat ketergantungan yang

saling mempengaruhi yaitu perubahan variabel yang satu ikut dalam mempengaruhi

variabel lain.

51

TABEL 3.8

TABEL TABULASI SILANG (CROSS TABULATION)

Variabel

Kontrol

Judul

(Identitas/Karakteri

stik/Pengalaman)

Judul (Identitas/Kareakteristik/

Pengalaman)

Tota

l

Klasifikasi Identitas/

Karakteristik/Pengalaman

Total

TOTAL

2. Skor Ideal

Skor ideal merupakan skor yang secara ideal diharapkan untuk jawaban dari

pertanyaan yang terdapat pada angket kuesioner yang akan dibandingkan dengan

perolehan skor total untuk mengetahui hasil kinerja dari variabel. Penelitian atau survei

membutuhkan instrumen atau alat yang digunakan untuk melakukan pengumpulan

data seperti kuesioner. Kuesioner berisikan pertanyaan yang diajukan kepada

responden atau sampel dalam suatu proses penelitian atau survei. Jumlah pertanyaan

yang dimuat dalam penelitian cukup banyak sehingga membutuhkan scoring untuk

memudahkan dalam proses penilaian dan untuk membantu dalam proses analisis data

yang telah ditemukan. Rumus yang digunakan dalam skor ideal yaitu sebagai berikut:

Skor Ideal = Skor Tertinggi x Jumlah Responden

3. Tabel Analisis Deskriptif

Penelitian ini menggunakan analisis deskriptif untuk mendeskripsikan variabel-

variabel penelitian, diantaranya yaitu: 1) Analisis Deskriptif Variabel Y (Intention to

Online Shopping), dimana variabel Y terfokus pada penelitian Intention to Online

Shopping melalui website design, convenience, enjoyment time saving, security,

price dan product quality; 2) Analisis Deskriptif Variabel X (Social Media

Influencer), dimana variabel X terfokus pada penelitian terhadap Social Media

Influencer melalui attractiveness, content, relevant, expertise, interaction,

credibility, trust,, dan influence. Untuk mengkategorikan hasil perhitungan,

digunakan kriteria penafsiran persentase yang diambil 0% sampai 100%.

TABEL 3.9

ANALISIS DESKRIPTIF

No Pernyataan Alternatif Jawaban Total Skor

Ideal

TotalSkor

per-

Tahun

%

Skor 1 2 3 4 5 6 7

Skor

52

Total Skor

Langkah selanjutnya yang dilakukan setelah mengkategorikan hasil

perhitungan berdasarkan kriteria penafsiran, maka dibuat garis kontinum yang

dibedakan menjadi tujuh tingkatan diantaranya sangat rendah, rendah, cukup rendah,

sedang, cukup tinggi, tinggi, dan sangat tinggi. Garis kontinum dibuat untuk

membandingkan setiap skor total pada setiap variabel untuk memperoleh gambaran

variabel Intention to Online Shopping Y dan Social Media Influencer X. Rancangan

langkah-langkah pembuatan garis kontinumdi jelaskan sebagai berikut.

1. Menentukan kontinum tertinggi dan terendah

Kontinum Tertinggi = Skor tertinggi x Jumlah butir item x Jumlah responden

Kontinum Terendah = Skor terendah x Jumlah butir item x Jumlah responden

2. Menentukan selisih skor kontinum dari setiap tingkatan

Skor setiap tingkat = Kontinum tertinggi − Kontinum terendah

3. Membuat garis kontinum dan menentukan daerah letak skor hasil penelitian

menentukan persentase letak skor hasil penelitian (rating scale) dalam garis

kontinum (skor maksimal x 100%)

Sangat

Rendah

Rendah Cukup

Rendah

Sedang Cukup

Tinggi

Tinggi Sangat

Tinggi

a b N

GAMBAR 3.1

GARIS KONTINUM PENELITIAN SOCIAL MEDIA INFLUENCER DAN

INTENTION TO ONLINE SHOPPING

Keterangan:

a : Skor minimum

b : Jarak Interval

∑ : Jumlah perolehan skor

N : Skor ideal Teknik analisis data verifikatif

3.2.7.2 Teknik Analisis Data Verifikatif

Setelah keseluruhan data yang diperoleh dari responden telah terkumpul dan

dilakukan analisis deskriptif, maka dilakukan analisis berikutnya yaitu analisis data

verifikatif. Penelitian verifikatif merupakan penelitian yang dilaksanakan untuk

menguji kebenaran ilmu-ilmu yang telah ada, berupa konsep, prinsip, prosedur,

maupun praktek dari ilmu itu sendiri sehinggan tujuan dari penelitian verifikatif dalam

53

penelitian ini untuk memperoleh kebenaran dari sebuah hipotesis yang dilaksanakan

melalui pengumpulan data di lapangan (Arifin, 2011:17).

Teknik analisis data verifikatif dalam penelitian ini digunakan untuk melihat

pengaruh social media influencer (X) terhadap intention to online shopping (Y).

Teknik analisis data verifikatif yang digunakan untuk mengetahui hubungan korelatif

dalam penelitian ini yaitu teknik analisis Structure Equation Model (SEM) atau

Pemodelan Persamaan Struktural.

Structure Equation Model (SEM) merupakan teknik analisis data yang

bertujuan untuk menjelaskan secara menyeluruh hubungan antar variabel yang ada

dalam penelitian. SEM digunakan bukan untuk merancang suatu teori, tetapi lebih

ditujukan untuk memeriksa dan membenarkan suatu model. Syarat utama

menggunakan SEM adalah membangun suatu model hipotesis yang terdiri dari model

struktural dan model pengukuran yang berdasarkan justifikasi teori.

SEM merupakan sekumpulan teknik-teknik statistik yang memungkinkan

pengujian sebuah rangkaian hubungan secara simultan. Structural Equation Modeling

memungkinkan dilakukannya analisis terhadap serangkaian hubungan secara simultan

sehingga memberikan efisiensi secara statistik.

Structural Equation Modeling memiliki karakteristik utama yang yang dapat

membedakan dengan teknik analisis multivariat lainnya. Teknik analisis data SEM

memiliki estimasi hubungan ketergantungan ganda (multiple dependence relationship)

dan juga memungkinkan mewakili konsep yang sebelumnya tidak teramati

(unobserved concept) dalam hubungan yang ada dan memperhitungkan kesalahan

pengukuran (measurement error).

Ada beberapa asumsi yang harus dipenuhi dalam pengujian SEM, asumsi-

asumsi tersebut adalah sebagai berikut:

1. Ukuran sampel

Ukuran sampel yang harus dipenuhi dalam SEM minimal berukuran 200 yang

akan memberikan dasar untuk mengestimasi sampling error. Sampel dalam

penelitian ini berjumlah 200.

2. Normalitas Data

Syarat dalam melakukan pengujian berbasis SEM yaitu melakukan uji asumsi

data dan variabel yang diteliti dengan uji normalitas. Sebaran data harus

54

dianalisis untuk melihat apakah asumsi normalitas dipenui sehingga data dapat

diolah lebih lanjut untuk pemodelan.

3. Outliers Data

Outliers data adalah observasi data yang nilainya jauh di atas atau di bawah

rata-rata nilai (nilai ekstrim) baik secara univariate maupun multivariate

karena kombinasi karakteristik unik yang dimilikinya sehingga jauh berbeda

dari observasi lainnya. Pemeriksaan outliers dapat dilakukan dengan

membandingkan nilai Mahalanobis d-squared dengan chi square dt. Nilai

Mahalanobis d-squared < chisquare dt.

4. Multikolinearitas

Multikolinearitas dapat dideteksi dari determinan matrik kovarians. Nilai

matriks kovarians yang sangat kecil memberikan indikasi adanya masalah

multikolinearitas atau singularitas. Multikolinearitas menunjukkan kondisi

dimana antar variabel penyebab terdapat hubungan linier yang sempurna,

eksak, perfectly predicted atau singularity.

3.2.7.3 Tahapan Pengujian Structural Equation Model

Setelah semua asumsi terpenuhi, maka langkah selanjutnya yaitu terdapat

beberapa prosedur yang harus dilewati dalam teknik analisis data menggunakan SEM

yang secara umum terdiri dari tahap-tahap sebagai berikut (Bollen dan Long, 1993):

1. Spesifikasi Model (Model Specification)

Tahap ini berkaitan dengan pembentukan model awal persamaan struktural,

sebelum dilakukan estimasi. Model awal ini diformulasikan berdasarkan suatu teori

atau penelitian sebelumnya.

Berikut merupakan langkah-langkah untuk mendapatkan model yang tepat

dalam tahap spesifikasi model sebagai berikut (Wijanto, 2008).

a. Spesifikasi model pengukuran

1) Mendefinisikan variabel-variabel laten yang ada dalam penelitian

2) Mendefinisikan variabel-variabel yang teramati

3) Mendefinisikan suatu hubungan antara variabel laten dengan variabel yang

teramati

b. Spesifikasi model struktural, yaitu mendefinisikan hubungan diantara variable

variabel laten tersebut.

55

c. Menggambarkan diagram jalur dengan hybrid model yang merupakan kombinasi

dari model pengukuran dan model struktural, jika diperlukan yang bersifat opsional.

2. Identifikasi (Identification)

Tahap ini berkaitan dengan pengkajian tentang kemungkinan diperolehnya

nilai yang unik untuk setiap parameter yang ada di dalam model dan kemungkinan

persamaan simultan tidak ada solusinya

Ada terdapat 3 kategori dalam persamaan secara simultan, diantaranya yaitu

(Santoso, 2015).

a. Under-identified model, merupakan model dengan jumlah parameter yang

diestimasi lebih besar dari jumlah data yang diketahui. Dimana keadaan ini terjadi

pada saat nilai degree of freedom/df menunjukkan angka negatif, pada keadaan ini

estimasi dan penilaian model tidak bisa dilakukan.

b. Just-identified model, merupakan model dengan jumlah parameter yang estimasi

sama dengan jumlah data yang diketahui. Dimana keadaan ini terjadi pada saat nilai

degree of freedom/df berada pada angka 0, keadaan tersebut disebut dengan istilah

saturated. Jika terjadi just identified maka estimasi dan penilaian model tidak perlu

dilakukan

c. Over-identified model, merupakan model dengan jumlah parameter yang estimasi

nya lebih kecil dari jumlah data yang diketahui. Keadaan tersebut terjadi saat nilai

degree of freedom/df menunjukkan angka nol, dimana keadaan ini estimasi dan

penilaian model dapat dilakukan.

Besarnya degree of freedom/df pada SEM yaitu besarnya jumlah data yang

diketahui dikurangi jumlah parameter yang diestimasi yang nilainya kurang dari nol

(df = (jumlah data yang diketahui – jumlah parameter yang diestimasi)

3. Estimasi (estimation)

Pemilihan metode estimasi yang digunakan seringkali ditentukan berdasarkan

karakteristik dari variabel-variabel yang dianalisis. Tahap ini berkaitan dengan

estimasi terhadap model untuk menghasilkan nilai-nilai parameter dengan

menggunakan salah satu metode estimasi yang tersedia. Metode estimasi model

didasarkan pada asumsi sebaran dari data, jika asumsi normalitas multivariate dipenuhi

maka estimasi model dapat dilakukan dengan metode Maximum Likelihood (ML).

Namun, jika multivariate tidak terpenuhi maka metode estimasi yang dapat digunakan

56

yaitu Robust Maximum Likelihood (RML) atau Weighted Least Squares (WLS)

(Ghozali, 2014). Penelitian ini akan dilihat apakah model menghasilkan sebuah

estimated population covariance matrix yang konsisten dengan sampel covariance

matrix. Tahap ini dilakukan untuk pemeriksaan kecocokan beberapa model tested

(model yang memiliki bentuk yang sama tetapi berbeda baik dalam jumlah atau tipe

hubungan kausal mempresentasikan model) yang secara subjektif mengindentifikasi

apakah data sesuai atau cocok dengan model teoritis atau tidak.

4. Uji Kecocokan (testing fit)

Tahap ini berkaitan dengan pengujian kecocokan antara model dengan data.

Uji kecocokan model dilakukan untuk menguji apakah model yang dihipotesiskan

merupakan model yang baik untuk mempresentasikan hasil penelitian. Ada tiga jenis

ukuran goodness of fit yaitu: 1) absolute fit measures, yaitu mengukur model fit 64

secara keseluruhan, 2) incremental fit measures, yaitu membandingkan model dengan

model lain yang dispesifikasi oleh peneliti, dan 3) parsimonious fit measures, yaitu

melakukan adjustment terhadap pengukuran model fit untuk dapat diperbandingkan

antar model dengan jumlah koefisien yang berbeda (Ghozali, 2014). Pengujian

validitas measuremen model untuk menguji kesesuaian model atau dapat disebut

Goodness of Fit (GOF). Adapun indikator pengujian goodness of fit dan nilai cut-off

(cut-off value) yang digunakan dalam kesesuaian model ini menurut Yvonne & Robert

(2013:182), adalah sebagai berikut:

1. Chi Square (X2)

Ukuran yang mendasari pengukuran secara keseluruhan (overall) yaitu likelihood

ratio change. Ukuran ini merupakan ukuran utama dalam pengujian measurement

model, yang menunjukkan apakah model merupakan model overall fit. Pengujian

ini bertujuan untuk mengetahui matriks kovarian sampel berbeda dengan matriks

kovarian hasil estimasi. Oleh karena itu, chi-square bersifat sangan sensitif

terhadap besarnya sampel yang digunakan. Kriteria yang digunakan adalah

apabila matriks kovarian sampel tidak berbeda dengan matriks hasil estimasi,

maka dikatakan data fit dengan data yang dimasukkan. Model dianggap baik jika

nilai chi-square rendah.

Meskipun chi-square merupakan alat pengujian utama, namun tidak dianggap

sebagai satu-satunya dasar penentuan untuk menentukan model fit, untuk

57

memperbaiki kekurangan pengujian chi-square digunakan χ2/df (CMIN/DF),

dimana model dapat dikatakan fit apabila nilai CMIN/DF < 2,00.

2. GFI (Goodness of Fit Index) dan AGFI (Adjusted Goodness of Fit Index)

GFI bertujuan untuk menghitung proporsi tertimbang varians dalam matriks

sampel yang dijelaskan oleh matrik kovarians populasi yang diestimasi. Nilai

Good of Fit Index berukuran antara 0 (poor fit) sampai dengan 1 (perfect fit). Oleh

karena itu, semakin tinggi nilai GIF, maka menunjukkan model semakin fit

dengan data. Cut-off value GFI adalah ≥ 0,90 dianggap sebagai nilai yang baik

(perfect fit).

3. Root Mean Square Error of Approximation (RMSEA)

RMSEA adalah indeks yang digunakan untuk mengkompensasi kelemahan chi-

square (X2) pada sampel yang besar. nilai RMSEA yang semakin rendah,

mengindikasikan model semaikin fit d dengan data. Ukuran cut-off-value RMSEA

adalah ≤ 0,08 dianggap sebagai model yang diterima.

4. Adjusted Goodness of Fit Indices (AGFI)

AGFI merupakan GFI yang disesuaikan terhadap degree of freedom, analog

dengan R2 dan regresi berganda. GFI maupun AGFI merupakan criteria yang

memperhitungkan proporsi tertimbang dari varians dalam sebuah matriks kovarian

sampel. cut-off-value dari AGFI adalah ≥0,90 sebagai tingkatan yang baik. Kriteria

ini dapat diinterpretasikan jika nilai ≥0,95 sebagai good overall model fit. Jika nilai

berkisar antara 0,90-0,95 sebagai tingkatan yang cukup dan jika besarnya nilai

0,80-0,90 menunjukan marginal fit.

5. Tucker Lewis Index (TLI)

TLI merupakan alternative incremental fit Index yang membandingkan sebuah

model yang diuji terhadap basedline model. Nilai yang direkomendasikan sebagai

acuan untuk diterima sebuah model adalah ≥0,90.

6. Comparative Fit Index (CFI)

Keunggulan dari model ini adalah uji kelayakan model yang tidak sensitive

terhadap besarnya sampel dan kerumitan model, sehingga sangat baik untuk

mengukur tingkat penerimaan sebuah model. Nilai yang direkomendasikan untuk

menyatakan model SEM adalah ≥ 0,90.

7. Parsimonious Normal Fit Index (PNFI)

58

PNFI merupakan modifikasi dari NFI. PNFI memasukkan jumlah degree of

freedom yang digunakan untuk mencapai level fit. Semakin tinggi nilai PNFI

semakin baik. Kegunaan utama dari PNFI yaitu untuk membandingkan model

dengan degree of freedom yang berbeda. Jika perbedaan PNFI 0.60 sampai 0.90

menunjukkan adanya perbedaan model yang signifikan (Ghozali, 2014).

8. Parsimonious Goodnees of Fit Index (PGFI) PGFI merupakan modifikasi GFI

atas dasar parsimony estimated model. Nilai PGFI berkisar antara 0 sampai 1.0

dengan nilai semakin tinggi menunjukkan model lebih parsimony (Ghozali,

2014).

TABEL 3.10

KRITEA EVALUASI MODEL DENGAN GOODNESS OF FIT

MEASURE

No Goodness-of-Fit Measures Tingkat Penerimaan

Absolute Fit Measures

1 Statistic Chi-square (X2) Mengikuti uji statistik yang berkaitan

dengan persyaratan signifikan semakin

kecil semakin baik

2 Goodness-of-Fit-Index (GFI) Nilai berkisar antara 0-1, dengan nilai

lebih tinggi adalah lebih baik. GFI ≥ 0.90

adalah good fit, sedang 0.80 ≤ GFI < 0.90

adalah marginal fit.

3 Root Mean Square Error of

Approximation (RMSEA)

RMSEA yang semakin rendah,

mengindikasikan model semakin fit

dengan data. Ukuran cut-offvalue

RMSEA < 0,05 dianggap close fit, dan

0,05 ≤ RMSEA ≤ 0,08 dikatakan good fit

sebagai model yang diterima.

Incremental Fit Measure

1 Trucker-Lewis Index (TLI) Nilai berkisar antara 0-1. Dengan nilai

lebih tinggi adalah lebih baik. TLI ≥ 0.90

adalah good fit, sedang 0.80 ≤ TLI < 0.90

adalah marginal fit

2 Adjusted Goodness of Fit

Index (AGFI)

Cut-off-value dari AGFI adalah ≥ 0.90

3 Comparative Fit Index (CFI) Nilai berkisar antara 0-1, dengan nilai

lebih tinggi adalah lebih baik. CFI ≥ 0.90

adalah good fit, sedang 0.80 ≤ CFI < 0.90

adalah marginal fit.

Parsmonious Fit Measure

1 Parsimonious Goodness of fit

Index (PGFI)

PGFI<GFI, semakin rendah semakin

baik

2 Parsimonious Normed-Fit

Index (PNFI)

Nilai tinggi menunjukan kecocokan lebih

baik hanya digunakan untuk perbandingan

59

No Goodness-of-Fit Measures Tingkat Penerimaan

antara model alternatif. Semakin tinggi

nilai PNFI, maka kecocokan suatu model

akan semakin baik.

Sumber: Y vonne and Robert (2013, hal 182) dan Wijianto (2007)

5. Respesifikasi (respicification)

Tahap ini berkaitan dengan respesifikasi model berdasarkan atas hasil uji

kecocokan tahap sebelumnya. Pelaksanaan respesifikasi sangat tergantung pada

strategi pemodelan yang digunakan. Suatu model struktural yang secara statistik dapat

dibuktikan fit dan antar variabel mempunyai hubungan yang signifikan, tidaklah

kemudian dikatakan sebagai satu-satunya model terbaik. Model tersebut merupakan

satu diantara sekian banyak kemungkinan bentuk model lain yang dapat diterima

secara statistik. Maka dalam praktik seseorang tidak berhenti setelah menganalisis satu

model. Peneliti cenderung akan melakukan respesifikasi model untuk menyajikan

alternatif dalam menguji bentuk model yang lebih baik

Tujuan modifikasi yaitu untuk menguji apakah modifikasi yang dilakukan

dapat menurunkan nilai chi-square atau tidak, yang mana semakin kecil angka chi-

square maka model tersebut semakin fit dengan data yang ada. Adapun langkah-

langkah dari modifikasi ini sebenarnya sama dengan pengujian yang telah dilakukan

sebelumnya, hanya saja sebelum dilakukan perhitungan ada beberapa modifikasi yang

dilakukan pada model berdasarkan kaidah yang sesuai dengan penggunaan AMOS.

Adapun modifikasi yang dapat dilakukan pada AMOS terdapat pada output

modification indices (M.I) yang terdiri dari tiga kategori yaitu covariances, variances

dan regressions weight. Modifikasi yang umum dilakukan mengacu pada tabel

covariances, yaitu dengan membuat hubungan covariances pada variabel/indikator

yang disarankan pada tabel tersebut yaitu hubungan yang memiliki nilai M.I paling

besar. Sementara modifikasi dengan menggunakan regressions weight harus dilakukan

berdasarkan teori tertentu yang mengemukakan adanya hubungan antar variabel yang

disarankan pada output modification indices (Santoso, 2015).

3.2.7.4 Spesifikasi Model dalam SEM

Terdapat dua jenis dalam sebuah model perhitungan SEM, yaitu terdiri dari

model pengukuran dan model struktural sebagai berikut.

60

1. Model Pengukuran

Model pengukuran merupakan bagian dari suatu model SEM yang berhubungan

dengan variabel-variabel laten dan indikator-indikatornya. Model pengkuran sendiri

digunakan untuk menguji validitas konstruk dan reliabilitas instrumen. Model

pengukuran murni disebut model analisis faktor konfirmatori atau confirmatory factor

analysis (CFA) dimana terdapat kovarian yang tidak terukur antara masing-masing

pasangan variabel-variabel yang memungkinkan. Model pengukuran dievaluasi

sebagaimana model SEM lainnya dengan menggunakan pengukuran uji keselarasan.

Proses analisis hanya dapat dilanjutkan jika model pengukuran valid (Sarwono, 2010).

Pada penelitian ini, variabel laten eksogen terdiri dari social media influencer,

sedangkan keseluruhan variabel-variabel tersebut mempengaruhi variabel laten

endogen yaitu intention to online shopping baik secara langsung maupun tidak

langsung. Spesifikasi model pengukuran model variabel adalah sebagi berikut:

a. Model Pengukuran Variabel Laten Eksogen

Social Media Influencer

GAMBAR 3.2

MODEL PENGUKURAN SOCIAL MEDIA INFLUENCER

61

b. Model Pengukuan Variabel Laten Endogen

Intention to Online Shopping

GAMBAR 3.3

MODEL PENGUKURAN INTENTION TO ONLINE SHOPPING

2. Model Struktural

Model struktural merupakan bagian dari model SEM yang terdiri dari variabel

independen dan variabel dependen. Hal ini berbeda dengan model pengukuran yang

membuat semua variabel (konstruk) sebagai variabel independen, dengan berpedoman

terhadap hakekat SEM dan pada teori tertentu. Model struktural meliputi hubungan

antar konstruk laten dan hubungan ini di anggap linear, walaupun pengembangan lebih

lanjut memungkinkan memasukkan persamaan nonlinear. Model structural dalam

penelitian ini dapat dilihat pada Gambar 3.4 mengenai Diagram Jalur Pengaruh Social

Media Influencer terhadap Intention to Online Shopping berikut:

GAMBAR 3.4

DIAGRAM JALUR PENGARUH SOCIAL MEDIA INFLUENCER

TERHADAP INTENTION TO ONLINE SHOPPING

62

3.2.7.5 Pengujian Hipotesis

Hipotesis merupakan proposisi yang akan diuji keberlakuannya, atau

merupakan suatu jawaban sementara atas pertanyaan penelititi. Hipotesis dalam

penelitian kuantitatif dapat berupa hipotesis satu variabel dan hipotesis dua atau lebih

variabel yang dikenal sebagai hipotesis ka ketika usal (Priyono, 2016:66).

Pengujian hipotesis adalah sebuah cara pengujian jika pernyataan yang

dihasilkan dari kerangka teoritis yang berlaku mengalami pemeriksaan ketat (Sekaran,

2003:418). Rancangan analisis untuk menguji hipotesis yang telah dirumuskan harus

menggunakan uji statistik yang tepat. Untuk mencari antara hubungan dua variabel

atau lebih dapat dilakukan dengan menghitung korelasi antar variabel yang akan dicari

hubungannya. Korelasi merupakan angka yang menunjukan arah dan kuatnya

hubungan antar dua variabel atau lebih.

Objek penelitian yang menjadi variabel bebas atau variabel independen yaitu

social media influencer (X), sedangkan variabel dependen adalah intention to online

shopping (Y) dengan memperhatikan karakteristik variabel yang akan diuji, maka uji

statistik yang digunakan adalah melalui perhitungan analisis SEM untuk ke dua

variabel tersebut.

Secara statistik, hipotesis yang akan diuji dalam rangka pengambilan

keputusan penerimaan atau penolakan hipotesis dapat dirumuskan sebagai berikut:

1. Ho: 𝜌 ≤0, artinya tidak terdapat pengaruh dari social media influencer terhadap

intention to online shopping

2. Ha: 𝜌> 0, artinya terdapat pengaruh positif dari social media influencer

terhadap intention to online shopping

Pada penelitian ini pengujian hipotesis dilakukan dengan menggunakan

program IBM SPSS AMOS versi 22 untuk menganalisis hubungan dalam model

struktural yang diusulkan. Adapun model struktural yang diusulkan untuk menguji

hubungan kausalitas antara dimensi Social Media Influencer (X) terhadap Intention to

Online Shopping (Y). Pengujian hipotesis dilakukan dengan menggunakan t-value

dengan tingkat signifikansi 0,05 dan derajat kebebasan sebesar n (sampel). Nilai t-

value dalam program IBM SPSS AMOS versi 22 merupakan nilai Critical Ratio (C.R.)

(Siswono, 2012:316). H0 ditolak dan hipotesis penelitian yang telah dirumuskan

63

diterima. Kriteria penerimaan atau penolakan hipotesis utama pada penelitian ini dapat

ditulis sebagai berikut:

Hipotesis 1:

H0 c.r ≤ 0,05 artinya tidak terdapat pengaruh antara social media

influencer dengan intention to online shopping

H1c.r ≥ 0,05 artinya terdapat pengaruh antara social media influencer

dengan intention to online shopping

Hipotesis 2:

Penelitian ini bertujuan untuk membuktikan adanya hubungan antara faktor

social media influencer terhadap intention to online shopping. Hipotesis konseptual

yang diajukan dapat dilihat pada Gambar 3.1 berikut ini:

Keterangan

SMI = Social Media Influencer

IOS = Intention to Online Shopping

GAMBAR 3.4

DIAGRAM JALUR SEM STRUKTUR HIPOTESIS

Pengujian hipotesis dilakukan dengan menggunakan t-value dengan tingkat

signifikansi 0,05. Nilai t-value dalam program IBM SPSS AMOS versi 22 merupakan

nilai Critical Ratio (C.R.). Apabila nilai Critical Ratio (C.R.) ≥ 1,967 atau nilai

Attractivness

Content

Interaction

Relevant

SMI IOS

Credibility

Trust

Influence

Enjoyment

Convenience

Website Design

Time Saving

Security

Product Quality

ξ

γ

ε Price

64

probabilitas (P) ≤ 0,05 maka H0 ditolak (hipotesis penelitian diterima. Untuk

mengetahui besar tidaknya pengaruh hubungan variabel terhadap variabel lain, AMOS

menyajikan pengaruh setiap variabel yang dirangkum dalam efek langsung (direct

effect), efek tidak langsung (indirect effect) dan efek total (total effect). Adapun SEM

sendiri yang terdiri dari analisis jalur memiliki beberapa simbol untuk mewakili

pengaruh tersebut yaitu (Sugiyono,2013:328):

a. ξ (ksi) = mewakili variabel laten eksogen;

b. ε (eta) = mewakili variabel laten endogen;

c. λ (lambda) = nilai factor loading;

d. β (beta) = koefisien pengaruh variabel endogen terhadap variable

endogen;

e. γ (gamma) = koefisien pengaruh variabel eksogen terhadap variable

endogen;

f. φ (phi) = koefisien pengaruh variabel eksogen terhadap variable

eksogen;

g. δ (zeta) = peluang galat model;

h. ε (epsilon) = kesalahan pengukuran variabel manifes untuk variabel laten

endogen;

i. δ (delta) = kesalahan pengukuran variabel manifes untuk variabel laten

eksogen

BAB III OBJEK DAN METODOLOGI PENELITIAN 3

Documents

Transcript of BAB III OBJEK DAN METODOLOGI PENELITIAN 3