lisensi ini mengizinkan setiap orang untuk menggubah ...kc.umn.ac.id/10288/3/bab_iii.pdf ·...

Team project ©2017 Dony Pratidana S. Hum | Bima Agus Setyawan S. IIP

Hak cipta dan penggunaan kembali:

Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis dan melisensikan ciptaan turunan dengan syarat yang serupa dengan ciptaan asli.

Copyright and reuse:

This license lets you remix, tweak, and build upon work non-commercially, as long as you credit the origin creator and license it on your new creations under the identical terms.

33

BAB III

METODE PENELITIAN

3.1 GAMBARAN UMUM OBJEK PENELITIAN

Bluemart merupakan vending machine yang dibangun oleh PT Bluepay

Digital Internasional (BluePay), dimana transaksinya harus dilakukan melalui

aplikasi Bluepay Wallet. Bluemart menyediakan makanan dan minuman ringan

yang bisa langsung didapatkan setelah konsumen melakukan pembayaran dengan

scan QR code yang ada di dalam aplikasi Bluepay Wallet. Vending machine

Bluemart juga memiliki kelebihan yaitu mesinnya yang bisa diakses kapanpun atau

aktif selama 24 jam. Berikut penjelasan mengenai fasilitas-fasilitas yang ada di

dalam aplikasi Bluepay Wallet.

Sumber: app store

Gambar 3.1 Tampilan Beranda dalam aplikasi BluePay Wallet

Analisis pengaruh usefulness..., Lystia Novilda, FB UMN, 2019

34

Saat pengguna membuka aplikasi BluePay Wallet, yang pertama

ditampilkan adalah verifikasi sidik jari atau pin yang harus dilalui oleh pengguna

sebagai bentuk keamanan untuk aplikasi agar bisa memastikan bahwa yang

menggunakan aplikasi tersebut adalah orang yang bersangkutan. Di Gambar 3.1,

terlihat tampilan beranda yang akan muncul setelah anda melewati proses

verifikasi, tersedia beberapa pilihan yang bisa anda lakukan dengan menggunakan

BluePay Wallet, yaitu; Top Up Channel untuk mengisi saldo BluePay, Mobile Top

Up untuk membeli data atau kuota, PDAM untuk membayar tagihan air, PLN untuk

membayar tagihan listrik, Game Voucher untuk membeli voucher game, dan

Transfer jika anda ingin mengirim uang ke orang lain. Lalu juga terlihat di bagian

bawah layar, merupakan gambar berjalan yang menampilkan promosi-promosi

terkini yang sedang diberikan oleh BluePay.

Sumber: app store

Gambar 3.2 Tampilan Bluemart dalam aplikasi BluePay Wallet


35

Tampilan BlueMart seperti di Gambar 3.2, berguna untuk pengguna agar

bisa mengetahui lokasi vending machine Bluemart terdekat serta informasi tentang

promosi dan seluruh daftar jenis makanan dan minuman ringan yang dijual di

Bluemart. Hal ini guna mempermudah pengguna jika ingin melakukan pembelian

di vending machine Bluemart. Bagian tab Bluemart ini yang harus diakses oleh

pengguna agar mereka bisa melakukan transaksi makanan dan minuman ringan

yang ada di vending machine Bluemart. Untuk melakukan transaksi, pengguna

harus berada di dekat vending machine Bluemart, memilih makanan atau minuman

ringan yang mau dibeli melalui aplikasi, lalu melakukan scan kode QR dan

menyelesaikan transaksi, setelah itu makanan atau minuman ringan yang dipilih

akan keluar melalui vending machine Bluemart terdekat tersebut.

Sumber: app store

Gambar 3.3 Tampilan Informasi dalam aplikasi BluePay Wallet


36

BluePay Wallet juga menyediakan “tab” tersendiri untuk menyajikan

informasi seputar promosi dan pemeritahuan secara personal dari tim admin

BluePay Wallet kepada pengguna, bisa dalam bentuk peringatan, pemberitahuan

singkat, dan lain-lain.

Sumber: app store

Gambar 3.4 Tampilan User dalam aplikasi BluePay Wallet

Untuk tab yang terakhir dan yang paling penting yang tampilannya terlihat di

Gambar 3.4, tersedia seluruh informasi pengguna BluePay Wallet secara terinci

dalam tab “User”, seperti; History yang berisi seluruh transaksi yang sudah

dilakukan menggunakan BluePay Wallet, bisa dikatakan juga sebagai bukti digital


37

dari transaksi pelanggan, informasi umum mengenai profil pengguna, dan lain-

lain. Pengguna juga bisa memberikan kritik dan saran kepada pihak BluePay

dengan mengisi kolom feedback yang disediakan di tab User tersebut.

3.2 JENIS DAN DESAIN PENELITIAN

Desain penelitian adalah bentuk kerangka yang digunakan untuk melakukan

riset pemasaran dengan penjelasan spesifik mengenai prosedur yang dilakukan

untuk bisa mendapatkan informasi yang diperlukan dalam menyelesaikan masalah

dalam melaksanakan suatu riset pemasaran (Malhotra, 2012).

Sumber: Malhotra, 2012

Gambar 3.5 Research Design

Menurut (Malhotra, 2012) terdapat dua jenis desain penelitian yaitu:

1. Exploratory Research Design

Merupakan metodologi penelitian yang menggunakan sejumlah sampel dengan

ukuran yang kecil, tujuannya untuk memberikan pengetahuan tambahan,


38

pandangan dan pengertian yang lebih mendalam terhadap suatu masalah.

2. Conclusive Research Design

Merupakan metodologi penelitian yang tujuan utamanya untuk membantu peneliti

dalam memilih dan mengambil keputusan, mengevaluasi, dan menentukan tindakan

yang paling benar dalam situasi tertentu dengan melakukan uji hipotesis dan

melihat dampak antara variabel yang digunakan.

Dalam penelitian ini, peneliti memilih untuk menggunakan Conclucive

Research Design, karena peneliti memiliki tujuan untuk mencari tahu hubungan

antara variabel yang digunakan, selain itu penelitian ini juga digunakan untuk uji

hipotesis. Di sisi lain, penelitian ini akan berguna dalam membantu Bluemart untuk

mengambil keputusan berdasarkan hasil penelitian yang disajikan.

Conclusive Research Design ini terdiri dari dua jenis, yaitu:

1. Causal Research adalah mengenai suatu penelitian yang bertujuan untuk mencari

dan membuktikan hubungan antar variabel yang sedang diteliti, serta penyebab dan

akibat yang mempengaruhi variabel tersebut (Malhotra, 2012).

2. Descriptive Research adalah penelitian yang bertujuan untuk memberikan

penjelasan atau mendeskripsikan suatu masalaha yang ada dengan menggunakan

metode pengumpulan data primer (melalui survei), data sekunder), panel, ataupun

observasi. Penelitian ini menjelaskan dengan detail secara faktual dan akurat

mengenai fakta dan sifat populasi atau objek (Malhotra, 2012).

Penelitian ini menggunakan metode descriptive research karena peneliti

memilih metode survei yang dilakukan dengan membagikan kuesioner (berisi


39

sejumlah pertanyaan) kepada beberapa responden yang sesuai dengan target

penelitian dan dinilai melalui skala angka 1 sampai 5 (skala likert). Sebagai data

pendukung, peneliti juga melakukan pengumpulan data sekunder melalui jurnal,

buku dan artikel.

Malhotra (2012) mengatakan bahwa Conclusive Research Design dibagi

menjadi dua, antara lain; cross-sectional design dan longitudinal design. Cross-

sectional�design merupakan desain penelitian yang dilakukan dengan

mengumpulkan informasi satu kali dari setiap sampel elemen populasi tertentu

(Malhotra, 2012). Selain itu, Malhotra (2012) juga menjelaskan bahwa longitudinal

design merupakan desain penelitian yang dilakukan dengan menggunakan sampel

tetap dari elemen populasi yang diukur secara berulang kali. Cross-sectional design

sendiri terdiri dari dua teknik, yaitu single cross-sectional design dimana

pengambilan data hanya dilakukan satu kali saja dan sedangkan multiple cross-

sectional design, pengambilan datanya diambil dalam beberapa kali. Dari kedua

teknik tersebut, peneliti menggunakan teknik single cross-sectional design. Hal ini

dikarenakan peneliti mengambil data responden yang belum menggunakan

Bluemart hanya satu kali saja.

Secara umum, peneltian ini akan meneliti mengenai pengaruh faktor

Usefulness, Enjoyment, Ease of Use, Technology Anxiety, serta Need for Interaction

terhadap tingkat Ability to Use dan Willingness to Use responden yang tahu vending

machine Bluemart dan pernah membaca instruksi cara penggunaan vending

machine Bluemart tetapi belum pernah menggunakannya. Peneliti memutuskan

bahwa conclusive research design (quantitative) merupakan metode yang sesuai

untuk digunakan dalam penelitian ini, dengan jenis penelitian descriptive research


40

design, serta menggunakan metode pengambilan data dengan cara cross sectional

design, dan dengan cara survei. Survei dilakukan dengan memberikan kuesioner

langsung kepada target responden yang termasuk dalam target populasi.

3.3 PROSEDUR PENELITIAN

1. Mengidentifikasi masalah yang ada saat ini.

2. Menentukan topik dan objek yang ingin diteliti.

3. Mengumpulkan jurnal dan literatur untuk mencari teori serta pernyataan yang

mendukung penelitian ini dan memodifikasi model penelitia, serta menyusun

kerangkan penelitian.

4. Menyusun daftar perntanyaan untuk kuesioner dengan menggunakan pemilihan

kata yang tepat, dengan tujuan agar responden lebih mudah memahami pernyataan

yang diberikan sehingga hasilnya dapat relevan dengan tujuan penelitian.

5. Menyebarkan kuesioner kepada responden secara online dan offline. Penulis

membagikan kuesioner secara offline melalui teman-teman terdekat dan dengan

cara menanyakan secara acak, apakah mereka tahu vending machine Bluemart dan

pernah membaca instruksi Bluemart tetapi belum pernah menggunakannya, setelah

sesuai, peneliti meminta bantuannya untuk mengisi kuesioner. Sedangkan untuk

kuesioner yang diserbakan secara online, penulis menggunakan berbagai macam

media sosial untuk proses penyebarannya, seperti Instagram, Facebook, dan

menyebarkan link kuesioner melalui Line.

6. Melakukan pre-test dari 30 orang responden (offline dan online), sebelum

melakukan pengumpulan kusioner dalam jumlah yang lebih besar.


41

7. Hasil dari pre-test dalam bentuk isi respon dari responden, kemudian dianalisis

menggunakan software SPSS version 25. Jika hasil dari pre-test memenuhi syarat,

peneliti meneruskan ke tahap selanjutnya, yaitu pengambilan data yang lebih besar,

berdasarkan pada teori Hair, Black, Babin, & Anderson (2010); n x 5 observasi

sampai dengan n x 10. Dalam penelitian ini, peneliti memilih untuk menggunakan

data n x 5. Terdapat 27 indikator sebagai pernyataan yang akan menggambarkan

pendapat responden, sehingga peneliti membutuhkan minimal 135 responden untuk

menjalankan penelitian ini.

8. Data yang berhasil dikumpulkan kemudian dianalisis kembali dengan

menggunakan software Lisrel Version 8.80.

3.4 RUANG LINGKUP PENELITIAN

Menurut (Malhotra, 2012) terdapat 5 tahapan dalam sebuah penelitian,

dimana tahapan tersebut saling berhubungan dengan seluruh aspek.

Sumber: (Malhotra, 2012)

Gambar 3.6 Sampling Design Process

3.4.1 TARGET POPULATION

Target populasi adalah semua objek atau elemen dengan karakteristik yang


42

sama dan sesuai seperti yang dicari oleh peneliti. Terdapat 4 aspek yang digunakan

untuk menjelaskan target populasi yaitu element, sampling unit, extent, dan time

frame (Malhotra, 2012).

Element merupakan objek yang memiliki informasi yanng dicari oleh peneliti

dan sesuai dengan yang dibutuhkan oleh peneliti (Malhotra, 2012). Element dalam

penelitian ini adalah responden yang telah membantu peneliti dalam proses

mengumpulkan informasi.

Sampling unit adalah sekumpulan orang yang memiliki karakteristik yang sama

dengan element yang akan dijadikan sampel dalam penelitian (Malhotra, 2012).

Sampling unit dari penelitian ini adalah pria dan wanita yang mengetahui vending

machine Bluemart, pernah membaca instruksi cara melakukan transaksi di vending

machine Bluemart, tetapi belum pernah menggunakannya. Extent adalah batas

geografi dari penelitian (Malhotra, 2012). Extent yang peneliti terapkan untuk

penelitian ini adalah wilayah sekitar Jakarta sampai Tangerang.

Time Frame adalah jangka waktu yang dibutuhkan peneliti untuk

mengumpulkan data hingga pengolahan data (Malhotra, 2012). Peneliti melakukan

pengumpulan data sejak akhir bulan November 2018, dan untuk jangka waktu

keseluruhan penelitian, sudah dilakukan dari September 2018 sampai dengan

Januari 2019.

3.4.2 SAMPLING TECHNIQUES

Menurut (Malhotra, 2012), sampling adalah proses pengambilan jumlah yang

cukup dari elemen populasi, sehingga hasil dari analisa pengambilan jumlah

tersebut menggambarkan keadaan populasi secara garis besar. Dalam pengambilan


43

suatu sampling terdapat dua jenis teknik sampling yaitu:

1. Non-probabilty sampling adalah teknik pengambilan sampel dimana tidak

semua bagian dari populasi memiliki peluang yang sama untuk diambil

sebagai sampel sehingga responden yang dipilih tidak diketahui

sebelumnya, tetapi responden dipilih berdasarkan penilaian pribadi dan

kemudahan peneliti dalam pengambilan sampel.

2. Probability sampling adalah sebuah prosedur sampling dimana setiap

elemen populasi memiliki probabilitas / kesempatan tetap pada sampel

sudah ditetapkan / sudah dipilih sebelumnya.

Dalam (Malhotra, 2012), ada terdapat 4 teknik non-probabilty sampling yang dapat

digunakan, yaitu:

1. Convenience sampling, yaitu merupakan teknik sampling yang bergantung

kepada kenyamanan peneliti dalam proses pencarian sampel. Teknik ini dapat

memberikan kemudahan kepada peneliti dikarena dapat mengumpulkan sampel

dengan lebih cepat dan disertai biaya murah.

2. Judgemental sampling, yaitu merupakan sebuah bentuk dari convenience

sampling dengan elemen populasi tertentu yang telah dipilih berdasarkan

pertimbangan dari peneliti. Elemen yang dipilih dianggap dapat mempresentasikan

populasi.

1. Quota sampling, yaitu teknik yang memiliki dua tahap. Tahap pertama yaitu

untuk menentukan quota dari masing-masing elemen populasi. Tahap kedua yaitu

untuk mengambil sampel dari quota yang telah diambil dengan teknik convenience


44

maupun judgemental.

2. Snowball sampling, yaitu merupakan teknik sampling yang didasarkan pada

referensi dari responden. Responden diminta untuk mereferensikan orang lain yang

memenuhi kriteria sebagai responden setelah melakukan interview.

Peneliti memutuskan untuk menggunakan teknik pengambilan sampel non-

probabilty sampling karena orang yang berhasil melewati tahap screening, yang

bisa menjadi responden dari penelitian ini. Metode dalam Non-probability sampling

yang dipilih adalah Judgemental sampling karena penelitian ini memiliki syarat

untuk memilih responden yang sesuai dengan target peneliti, yaitu pria dan wanita

yang mengetahui vending machine Bluemart, pernah membaca instruksi cara

melakukan transaksi di vending machine Bluemart, tetapi belum pernah

menggunakan vending machine Bluemart.

3.4.3 Sampling Frame

Sampling Frame adalah sebuah representasi dari elemen populasi yang

terdiri dari serangkaian responden yang akan dijadikan responden untuk peneliti.

Pada penelitian ini, peneliti menggunakan teknik non-probability sampling, karena

peneliti tidak memiliki data mengenai populasi yang akan dijadikan responden

untuk diteliti (Malhotra, 2010).

3.4.4 SAMPLE SIZE

Menurut (Hair et al. 2010), penentuan banyaknya sampel disesuaikan

dengan banyaknya jumlah indikator pernyataan yang digunakan pada kuesioner,

dengan menggunakan n x 5 observasi sampai dengan n x 10 observasi. Menurut

(Hair et al. 2010), landasan untuk menentukan sample size dalam sebuah penelitian


45

meliputi:

1. Sampel harus lebih banyak dari jumlah variabel

2. Jumlah minimum sampel untuk diobservasi atau diteliti adalah n = 50

observasi

3. Jumlah sampel minimum untuk sebuah variabel adalah 5 observasi. Dalam

penelitian ini terdapat 27 indikator x 5 observasi= 135 sampel. Sehingga

peneliti harus memiliki responden yang sudah mengisi kuesioner sejumlah

135 responden.

3.4.5 SAMPLING PROCESS

3.4.5.1 Sumber dan Cara Pengumpulan Data

(Malhotra, 2012) mengatakan terdapat dua jenis data yang dapat digunakan untuk

melakukan sebuah penelitian, yaitu:

1. Primary Data, merupakan suatu data atau informasi yang berasal dari penelitian

tertentu dan memiliki tujuan yaitu untuk menyelesaikan masalah dalam penelitian

tertentu.

2. Secondary Data, merupakan suatu data atau informasi yang dikumpulkan dari

berbagai studi kasus dengan tujuan untuk mendukung penelitian dan biasanya

berupa data atau informasi ini bukan untuk menyelesaikan masalah penelitian.

Dalam penelitian ini, peneliti menggunakan primary data sebagai sumber data

utama yang diperoleh dari hasil jawaban responden terhadap kuesioner yang telah

disebarkan dengan menggunakan teknik non-probability sampling, yang sudah

melewati tahap screening jadi hasil yang didapatkan bisa terpercaya. Peneliti juga


46

menggunakan secondary data yang dapat diperoleh dari buku-buku pengetahuan

serta juga menggunakan jurnal dan artikel yang terkait untuk memperkuat teori

dalam penelitian.

3.4.5.2 Prosedur Pengumpulan Data

Pada teknik pengumpulan primary data, peneliti melakukan secara online

dan offline. Dalam metode online, peneliti mengirimkan link kuesioner yang telah

dibuat di Google Forms. Link tersebut disebar melalui personal chat, group chat

dan direct message di sosial media Instagram serta penyebaran melalui Facebook

status.

Dalam metode offline, peneliti menyebarkan kuesioner yang telah dibuat

dan disusun secara tertulis. Kuesioner tersebut dibagikan kepada responden yang

terlebih dahulu peneliti sudah tanyakan pertanyaan screening. Jika sudah lolos

dalam tahap pertanyaan screening, peneliti akan meminta responden untuk mengisi

kuesioner yang telah disediakan.

Peneliti menyebarkan kuesioner metode offline dari teman-teman terdekat

peneliti. Sebelum pengisian kuesioner, tentunya responden terlebih dahulu

diberikan penjelasan mengenai penelitian yang akan dilakukan, kemudian peneliti

menjelaskan apa itu vending machine Bluemart dan cara penggunaannya dengan

singkat. Kemudian responden juga diberikan penjelasan sederhana mengenai tahap

cara pengisian kuesioner. Dari hasil data dan informasi yang telah diberikan

responden, hanya responden yang lolos screening, yang datanya akan digunakan

dan diolah.


47

3.5 PERIODE PENELITIAN

Periode peneliti dalam mengerjakan penelitian ini dimulai dari bulan

September 2018 sampai dengan awal Januari 2019, sehingga penelitian ini

dikerjakan dalam kurun waktu sekitar 4 bulan. Awal mula penelitian ini dilakukan

dengan menentukan objek penelitian yang dilanjutkan ke tahap presentasi mengenai

objek penelitian tersebut, selanjutnya peneliti membentuk latar belakang dan

rumusan masalah, yang dikaitkan dengan penelitian terdahulu dan teori yang

berhubungan dengan teori yang sedang dikerjakan, dan teori tersebut bersumber

dari jurnal terpercaya. Tahap selanjutnya adalah dengan peneliti melakukan

perancangan untuk kuesioner penelitian yang akan disebarkan sebagai data pre-test,

lalu mengumpulkan data-data pendukung penelitian, memastikan apakah semua

measurement yang digunakan reliable dan valid kemudian melakukan penyebaran

kuesioner dan mengumpulkan data dari minimal 135 responden. Dari data yang

telah diperoleh kemudian peneliti mengolah data, menganalisa hasil dari penelitian

tersebut, dan pada akhirnya mendapat kesimpulan serta saran penelitian untuk

dijelaskan.

3.6 IDENTIFIKASI VARIABEL PENELITIAN

3.6.1 VARIABEL EKSOGEN

Menurut (Hair et al. 2010), Variabel Eksogen adalah variabel yang muncul

sebagai variabel bebas pada semua persamaan yang terdapat di dalam model. Notasi

matematik dari variabel laten eksogen adalah huruf Yunani ξ (“ksi”) (Hair et al.

2010). Variabel eksogen digambarkan sebagai lingkaran dengan anak panah yang

menuju keluar. Dalam penelitian ini, yang termasuk variabel eksogen adalah

Usefulness, Enjoyment, Ease of Use, Technology Anxiety, dan Need for Interaction.


48

Sumber: (Hair et al. 2010)

Gambar 3.7 Variabel Eksogen

3.6.2 VARIABEL ENDOGEN

Variabel Endogen merupakan variabel yang terikat pada paling sedikit satu

persamaan dalam model, meskipun di semua persamaan sisanya variabel tersebut

adalah variabel bebas. Notasi matematik dari variabel laten endogen adalah η

(“eta”) (Hair et al. 2010). Variabel endogen digambarkan sebagai lingkaran dengan

setidaknya memiliki satu anak panah yang mengarah pada variabel tersebut. Dalam

penelitian ini, yang termasuk variabel adalah Ability to Use.

Sumber: (Hair et al. 2010)

Gambar 3.8 Variabel Endogen

Variabel teramati (observed variable) atau variabel terukur (measured

variable) adalah variabel yang dapat diamati ataupun dapat diukur secara empiris,

dan dapat disebut juga sebagai indikator. Pada metode survei menggunakan


49

kuesioner, setiap pertanyaan atau measurement pada kuesioner mewakili sebuah

variabel teramati. Simbol diagram dari variabel teramati adalah berbentuk bujur

sangkar / kotak atau persegi empat panjang (Hair et al. 2010). Pada penelitian ini,

terdapat total 27 pernyataan pada kuesioner, sehingga jumlah variabel teramati

dalam penelitian ini adalah 27 indikator.

3.7 DEFINISI OPERASIONAL VARIABEL

Dalam mengukur suatu variabel untuk sebuah penelitian, dibutuhkan

indicator yang sesuai sebagai alat ukur. Indikator juga memiliki kegunaan lain yaitu

untuk menghindari kesalahan dalam menjelaskan variabel-variabel yang terdapat

dalam penelitian. Definisi operasional pada penelitian ini pun disusun berdasarkan

teori yang paling utama, sehingga indikator berhubungan dengan pernyataan yang

ada di dalam penelitian. Skala pengukuran variabel dalam penelitian ini

mengunakan likert scale 5 (tujuh) poin yang dimana seluruh variabel diukur dengan

skala 1-5.

Peneliti menggunakan metode 5-likert scale karena responden dalam

penelitian ini diharuskan untuk mengetahui objek penelitian (vending machine

Bluemart), sehingga dapat membedakan range jawaban antara skala 1 dan skala

lainnya. Skala 1 menandakan sangat tidak setuju hingga skala 5 menandakan sangat

setuju dengan indikator yang ada. Berikut di bawah ini merupakan tabel operasional

daripada penelitian ini. Pada dasarnya, Malhotra (2012) menganggap bahwa likert

scale memiliki keuntungan yaitu mudah untuk dibangun, dilaksanakan, dan

dimengerti. Berikut Tabel Operasional untuk penelitian ini:


50

No. Variabel Definisi Operasional Kode Measurement Jurnal

Referensi

Metode

Skala

1 Usefulness Kemungkinan subyektif

yang menyatakan bahwa

menggunakan teknologi

akan meningkatkan cara

pengguna dalam

menyelesaikan pekerjaan

yang diberikan.

USE1 1. Bluemart membuat proses belanja

makanan/minuman ringan menjadi lebih cepat.

Davis et al.

1989

5-Likert

Scale

USE2 2. Bluemart membuat cara proses pembelian

makanan/minuman ringan menjadi lebih efisien.

USE3 3. Bluemart membuat cara proses pembelian

makanan/minuman ringan menjadi lebih mudah.

USE4 4. Bluemart membuat saya bisa belanja

makanan/minuman ringan kapan saja.

2 Ease of Use Sejauh mana seorang

pengguna akan

menganggap kegunaan

EASE1 1. Belajar menggunakan Bluemart itu mudah. Davis et al.

1989

5-Likert

Scale EASE2 2. Mudah bagi saya untuk menjadi mahir dalam

menggunakan Bluemart.


51


Referensi

Metode

Skala

dari teknologi akan

terlepas dari usaha lebih.

EASE3 3. Petunjuk penggunaan Bluemart yang disediakan

mudah dipahami.

EASE4 4. Langkah-langkah dalam penggunaan Bluemart

mudah diingat.

3. Enjoyment Kesenangan yang muncul

dari berinteraksi dengan

teknologi.

ENJOY1 1. Menggunakan Bluemart untuk belanja

makanan/minuman ringan itu menyenangkan.

Dabholkar

1996

5-Likert

Scale


makanan/minuman ringan itu menggembirakan.


makanan/minuman ringan itu menari

4.


52


Referensi

Metode

Skala

ENJOY4 4. Teknologi yang digunakan Bluemart

mengesankan.

4. Technology

anxiety

Pikiran negatif dari

pengguna yang merasa

khawatir dengan

kepercaya-diriannya

dalam kemampuannya

menghadapi teknologi.

TA1 1. Saya merasa cemas dalam menggunakan

teknologi yang baru bagi saya.

Meuter et

al. 2005.

5-Likert

Scale

TA2 2. Saya terbiasa menghindari teknologi yang asing

bagi saya.

TA3 3. Saya merasa ragu untuk menggunakan segala

macam bentuk teknologi yang baru karena takut

untuk membuat kesalahan yang tidak dapat

diperbaiki.

TA4 4. Belajar dalam menggunakan teknologi baru

membuat saya cemas.


53


Referensi

Metode

Skala

5. Need for

interaction

Keinginan untuk

mempertahankan kontak

personal dengan orang

lain (biasanya dengan

pegawai di depan) saat

pertemuan layanan.

NI1 1. Kontak dengan orang lain dalam membuat

proses transaksi menjadi lebih menyenangkan.

Dabholkar

1992

5-Likert

Scale

NI2 2. Saya suka berinteraksi dengan orang ketika

melakukan transaksi.

NI3 3. Perhatian dari orang lain saat melakukan

transaksi sangat penting bagi saya.

NI4 4. Interaksi dengan orang lain mengurangi rasa

cemas saya dalam berbelanja.

6. Ability

(Perceived

Behavioral

Control)

Persepsi kemampuan yang

memiliki pengaruh positif

dalam intensi mereka

dalam menggunakan SST.

ABI1 1. Saya merasa mampu menggunakan vending

machine Bluemart.

Van

Beuningen

et al. 2009;

Wang et al.

5-Likert

Scale


54


Referensi

Metode

Skala

ABI2 2. Saya memiliki hal-hal yang diperlukan (uang,

aplikasi Bluepay, dan lain-lain) untuk

menggunakan vending machine Bluemart.

2003

ABI3 3. Saya memiliki pengetahuan yang diperlukan

untuk menggunakan vending machine Bluemart.

ABI4 4. Saya memiliki kemampuan untuk menggunakan

vending machine Bluemart.

7. Willingness

(Intention to

use by

Bhattacherje

e, 2001)

Orang-orang akan lebih

mau terlibat dalam

pekerjaan yang mereka

piker mereka bisa

selesaikan dan

WILL1 1. Saya berniat untuk menggunakan vending

machine Bluemart daripada berhenti

menggunakannya.

Ajzen

1991;

Bandura’s

1997

5-Likert

Scale


55

menghindari yang dirasa

tidak bisa diselesaikan.

WILL2 2. Saya lebih memilih untuk menggunakan

vending machine Bluemart daripada alternatif

belanja makanan/minuman ringan yang lain.

WILL3 3. Saya berkemungkinan akan melanjutkan

menggunakan SST.

Sumber: Pengolahan data pribadi, 2018

Tabel 3.1 Tabel Operasional


56

3.8 TEKNIK ANALISIS

3.8.1 ANALISIS DESKRIPTIF

Proses transformasi data mentah merupakan cara yang menggambarkan

karakteristik dasar seperti kecenderungan, distribusi, dan variabilitas sentral. Dalam

penelitian ini, peneliti menggunakan analisis deskriptif untuk mengelompokan

semua jawaban responden (Zikmund et al. 2013). Skala interval merupakan skala

yang menggunakan angka-angka untuk menentukan peringkat objek sehingga jarak

yang sama secara numerik pada skala mewakili jarak yang sama pada karakteristik

yang diukur (Malhotra, 2012). Dalam penelitian ini, peneliti menggunakan skala

interval untuk mendeskripsikan tingkat willingness to use calon pengguna vending

machine Bluemart.

3.8.2 ANALISIS KUESIONER

Kuesioner adalah teknik yang terstruktur untuk melakukan pengumpulan

data, yang terdiri dari serangkaian pertanyaan tertulis atau lisan yang dijawab oleh

responden. Setiap kuesioner memiliki tujuan spesifik. Pertama, kuesioner harus

dapat mengambarkan informasi yang diwakili oleh pertanyaan yang jelas sehingga

responden dapat menjawab dengan baik. Kedua, kuesioner harus dapat mengajak

dan melibatkan responden untuk menjadi bagian yang terlibat dalam pengisian

kuesioner. Ketiga, sebuah kuesioner harus meminimalisir kesalahan agar tidak

mendapatkan informasi yang bias (Malhotra, 2012).

Hal pertama yang harus dilakukan untuk pembuatan kuesioner adalah

menentukan informasi apa saja yang dibutuhkan. Kemudian peneliti harus

menentukan metode pengumpulan data yang sesuai dengan penelitian yang akan

dilakukan. Selanjutnya peneliti harus dapat menentukan isi pertanyaan atau


57

pernyataan yang akan diberikan kepada responden. Peneliti juga harus dapat

membuat pertanyaan atau pernyataan yang jelas, singkat, dan mudah dimengerti

oleh responden.

Selanjutnya peneliti harus menentukan struktur pertanyaan yang akan

digunakan. Peneliti juga harus memperhatikan kata-kata yang akan digunakan di

dalam kuesioner. Selain itu, peneliti juga harus mengatur urutan pertanyaan dengan

benar serta mengidentifikasi penempatan tata letak pertanyaan. Sebelum peneliti

menyebarkan kuesioner, peneliti mencari indikator yang sesuai dengan model

penelitian yang akan diteliti. Setelah itu, peneliti melakukan seleksi terhadap

respoden penelitian. Kemudian peneliti menyebarkan kuesioner secara offline

maupun online.

3.8.3 UJI PRE-TEST

Menurut (Malhotra, 2012) uji pre-test merupakan pengujian yang dilakukan

terhadap kuesioner untuk mengidentifikasi dan menghilangkan potensi masalah

yang dapat terjadi. Pengujian kuesioner ini dilakukan dengan melibatkan sampel

responden yang kecil. Untuk uji pre-test pada penelitian ini, peneliti

mengumpulkan 30 responden untuk diuji dengan cara menyebarkan kuesioner

secara offline dan online, yang hasilnya diolah menggunakan software SPSS versi

25 untuk menguji validitas dan reliabilitas dari alat ukur pengolahan data yaitu

kuesioner sehingga dapat diandalkan dan konsisten.

3.8.3.1 Uji Validitas

Sebuah indikator dapat diketahui valid setelah melalui sebuah uji validitas.

Skala validitas dapat diartikan sebagai nilai dari sebuah skala observasi yang


58

mencerminkan karakterisktik dan objek yang sedang di teliti. Semakin tinggi

validitas akan menunjukan semakin sah atau valid sebuah penelitian. Jadi, validitas

mengukur pernyataan dalam kuesioner yang sudah dibuat apakah benar dapat

mengukur apa yang hendak diukur. Terdapat 3 cara, yaitu content validity, criterion

validity, dan construct validity. Content validity adalah peneliti menguji validitas

dengan menilai konten secara keseluruhan (indikator) berdasarkan pemahaman

peneliti, sehingga hal tersebut dapat menyebabkan hasil penilaian menjadi

subjektif. Criterion validity adalah penelitian yang dilakukan dengan berekspektasi

pada hasil akhir. Construct validity adalah tipe validitas yang menjawab pertanyaan

dengan menggunakan skala ukuran (Malhotra, 2012).

Pada penelitian ini menggunakan construct validity, dengan syarat-syarat

dalam faktor analysis terdapat pada table 3.2.

Tabel 3.2 Uji Validitas

No Ukuran Validitas Nilai Diisyaratkan

1 Kaiser Meyer-Olkin (KMO)

Measure of Sampling

Adequacy; sebuah indeks yang

digunakan untuk menguji

kecocokan model analisis.

Nilai KMO ≥ 0,5

mengindikasikan bahwa analisis faktor

telah memadai dalam hal jumlah sampel,

sedangkan nilai KMO < 0,5

mengindikasikan analisis faktor tidak

memadai dalam hal jumlah sampel

(Malhotra, 2012).


59


2 Barlett’s Test of Sphericity;

Merupakan uji statistik yang

digunakan untuk menguji

hipotesis bahwa variabel-

variabel tidak berkorelasi pada

populasi. Dengan kata lain

mengindikasikan bahwa matriks

identitas, yang mengindikasikan

bahwa variabel-variabel dalam

faktor bersifat related (r=1) atau

unrelated (r=0)

Jika hasil uji nilai signifikan ≤ 0,05

menunjukkan hubungan yang signifikan

antara variabel dan merupakan nilai yang

diharapkan (Malhotra, 2012).

3 Anti Image Matrices;

Untuk memprediksi apakah

suatu variabel memiliki

kesalahan terhadap variabel lain.

Memperlihatkan nilai Measure of

Sampling Adequacy (MSA) pada

diagonal anti image correlation. Nilai

MSA berkisar antara 0 sampai dengan 1

dengan kriteria:

Nilai MSA = 1, menandakan bahwa

variabel dapat diprediksi tanpa kesalahan

oleh variabel lain.


60


Nilai MSA ≥ 0.50, menandakan bahwa

variabel masih dapat diprediksi dan dapat

dianalisis lebih lanjut.

Nilai MSA ≤ 0.50 menandakan bahwa

variabel tidak dapat dianalisis lebih

lanjut. Perlu dikatakan pengulangan

perhitungan analisis faktor dengan

mengeluarkan indikator yang memiliki

nilai MSA ≤ 0.50 (Malhotra, 2012).

4 Factor loading of Component

Matrix;

Merupakan besarnya korelasi

suatu indikator dengan faktor

yang terbentuk. Tujuannya untuk

menentukan validitas setiap

indikator dalam mengkonstruk

setiap variabel.

Kriteria validitas suatu indikator itu

dikatakan valid membentuk suatu faktor,

jika memiliki factor loading diatas 0.50

(Malhotra, 2012).

Sumber: (Malhotra, 2012)

3.8.3.2 Uji Reliabilitas

Menurut Malhotra (2012), sebuah penelitian dapat mengetahui tingkat

kehandalan melalui sebuah uji reliabilitas. Suatu tingkat kehandalan dapat dilihat


61

dari konsistensi dan stabilitas jawaban responden terhadap suatu pernyataan dalam

kuesioner. Malhotra (2012), menjelaskan bahwa cronbach’s alpha merupakan

ukuran dalam mengukur korelasi antara jawaban pernyataan dari suatu konstruk

atau variabel yang dinilai reliabel jika cronbach’s alpha nilainya ≥ 0.6.

3.8.4 STRUCTURAL EQUATION MODELING (SEM)

Dalam penelitian ini data akan dianalisis dengan menggunakan metode

Structural Equation Modeling (SEM). Menurut (Hair et al. 2010), Structural

Equation Modeling (SEM) merupakan sebuah teknik statistik multivariate yang

menggabungkan beberapa aspek dalam regresi berganda yang bertujuan untuk

menguji hubungan dependen dan analisis faktor yang menyajikan konsep faktor

tidak terukur dengan variabel multi yang digunakan untuk memperkirakan

serangkaian hubungan dependen yang saling mempengaruhi secara bersamaan.

Dari segi metodologi, SEM memiliki beberapa peran, yakni sebagai sistem

persamaan simultan, analisis kausal linier, analisis lintasan (path analysis), analysis

of covariance structure, dan model persamaan structural (Hair et al. 2010).

Analisa hasil penelitian menggunakan metode Structural Equation

Modeling (SEM). Software yang digunakan adalah Lisrel versi 8,8 untuk

melakukan uji validitas, realibilitas, hingga uji hipotesis penelitian.

(Hair et al., 2010) berpendapat bahwa struktural model (structural model),

disebut juga latent variable relationship. Berikut merupakan persamaan umumnya

dibawah ini:

Ƞ = γ ζ + ζ

Ƞ = Bƞ + ζ + ζ Γ


62

Confirmatory factor analysis (CFA) sebagai model pengukuran (measurement

model) terdiri dari dua jenis pengukuran, yaitu:

a. Model pengukuran untuk variabel eksogen (variabel bebas).

Persamaan umumnya adalah :

X =

Persamaan diatas digunakan dengan asumsi bahwa:

1. ζ tidak berkorelasi dengan ξ.

2. ε tidak berkorelasi dengan η.

3. δ tidak berkorelasi dengan ξ.

4. ζ, ε, dan δ tidak saling berkorelasi (mutually correlated).

γ – β bersifat non-singular

Dimana notasi-notas diatas memiliki arti sebagai berikut:

y = vektor variabel endogen yang dapat diamati.

x = vektor variabel eksogen yang dapat diamati.

ƞ (eta) = vektor random dari variabel laten endogen.

ζ (ksi) = vektor random dari variabel laten eksogen.

ε (epsilon) = vektor kekeliruan pengukuran dalam y.

δ (delta) = vektor kekeliruan pengukuran dalam x.

(lambda y) = matrik koefisien regresi y atas ƞ.

Λxξ + ζ

λy


63

(lambda x) = matrik koefisien regresi y atas ζ.

(gamma) = matrik koefisien variabel ζ dalam persamaan struktural.

β (beta) = matrik koefisien variabel ƞ dalam persamaan struktural.

ζ (zeta) = vektor kekeliruan persamaan dalam hubungan struktural antara ƞ dan ζ.

Evaluasi atau analisis terhadap model struktural mencakup pemeriksaan

terhadap signifikansi koefisien yang diestimasi. Menurut (Hair et al. 2010), terdapat

tujuh tahapan prosedur pembentukan dan analisis SEM, yaitu:

1. Membentuk model teori sebagai dasar model SEM yang mempunyai justifikasi

yang kuat. Merupakan suatu model kausal atau sebab akibat yang menyatakan

hubungan antar dimensi atau variabel.

2. Membangun path diagram dari hubungan kausal yang dibentuk berdasarkan

dasar teori. Path diagram tersebut memudahkan peneliti melihat hubungan-

hubungan kausalitas yang diujinya.

3. Membagi path diagram tersebut menjadi satu set model pengukuran

(measurement model) dan model struktural (structural model).

4. Pemilihan matrik data input dan mengestimasi model yang diajukan. Perbedaan

SEM dengan teknik multivariat lainnya adalah dalam input data yang akan

digunakan dalam pemodelan dan estimasinya. SEM hanya menggunakan matrik

varian/kovarian atau matrik korelasi sebagai data input untuk keseluruhan estimasi

yang dilakukan.

1. Menentukan the identification of the structural model. Langkah ini untuk

λx

γ


64

menentukan model yang dispesifikasi, bukan model yang underidentified atau

unidentified. Problem identifikasi dapat muncul melalui gejala-gejala berikut:

a. Standard Error untuk salah satu atau beberapa koefisien adalah sangat besar.

b. Program ini mampu menghasilkan matrik informasi yang seharusnya disajikan.

c. Muncul angka-angka yang aneh seperti adanya error varian yang negatif.

d. Muncul korelasi yang sangat tinggi antar korelasi estimasi yang didapat

(misalnya lebih dari 0.9).

6. Mengevaluasi kriteria dari goodness of fit atau uji kecocokan. Pada tahap ini

kesesuaian model dievaluasi melalui telaah terhadap berbagai kriteria goodness of

fit sebagai berikut:

a. Ukuran sampel minimal 100-150 dan dengan perbandingan 5 observasi untuk

setiap parameter estimate.

b. Normalitas dan linearitas.

c. Outliers.

d. Multicolinierity dan singularity.

7. Menginterpretasikan hasil yang didapat dan mengubah model jika diperlukan.

3.8.4.1 Model Pengukuran

Uji kecocokan model pengukuran akan dilakukan terhadap setiap construct

atau model pengukuran (hubungan antara suatu variabel laten dengan beberapa


65

variabel teramati/indikator) secara terpisah melalui evaluasi terhadap validitas dan

reliabilitas dari model pengukuran (Hair, et al., 2010).

a. Evaluasi terhadap validitas (Validity)

Menurut (Hair et al., 2010) suatu variabel dikatakan mempunyai validitas

yang baik terhadap contruct atau variabel latennya jika muatan faktor standar

(Standardized Loading Factor) ≥ 0,50 SLF dan t-value ≥1.645. Menurut (Malhotra,

2012) average variance extracted (AVE) merupakan ukuran yang digunakan untuk

menilai validitas konvergen dan diskriminan yang didefinisikan sebagai varians

dalam indikator atau variabel diamati yang dijelaskan oleh konstruksi laten.

b. Evaluasi terhadap reliabilitas

Reliabilitas adalah konsistensi suatu pengukuran. Reliabilitas tinggi

menunjukan bahwa indikator-indikator mempunyai konsistensi tinggi dalam

mengukur konstruk latennya. Berdasarkan (Hair et al., 2010) ukuran tersebut dapat

dihitung dengan rumus sebagai berikut:

Menurut (Hair et al., 2010) rule of thumb untuk nilai construct reliability

(CR) harus ≥ 0.7 dan nilai variance extracted (VE) ≥ 0.5.

Dalam penelitian ini menggunakan 9 model pengukuran yang berdasarkan

variabel yang diukur, yaitu pada tahap ini dilakukan analisis validitas model


66

pengukuran dengan memeriksa apakah t-value dari standardized loading factor (λ)

dari variabel-variabel teramati pada model ≥1.45 (Hair et al., 2010). Selain itu juga

peneliti melakukan pemeriksaan terhadap standardized loading factor (λ), apakah

telah memenuhi standar yang ditentukan yaitu harus ≥ 0,50. Pada penelitian ini

terdapat 5 model pengukuran berdasarkan variabel yang diukur, antara lain:

1. Usefulness

Pada penelitian ini model terdiri dari empat pernyataan yang merupakan first

orfer confirmatory factor analysis (1st

CFA) yang mewakili satu variabel laten yaitu

Usefulness. Variabel laten ζ1 mewakili Usefulness dan memiliki empat indikator

pernyataan.

Gambar 3.9 Model Pengukuran Usefulness

2. Enjoyment




Enjoyment. Variabel laten ζ2 mewakili Enjoyment dan memiliki empat indikator

pernyataan.

δ1

δ2

δ3

λX11

λX21

λX31

Usefulness

X1

X2

X3

δ3

λX41

X4


67

Gambar 3.10 Model Pengukuran Enjoyment

3. Ease of Use




Ease of Use. Variabel laten ζ3 mewakili Ease of Use dan memiliki empat indikator

pernyataan.

Gambar 3.11 Model Pengukuran Ease of Use

4. Technology Anxiety




X5

X6

X7

X8

λX52

λX62

λX72

λX82

δ5

δ6

δ7

δ8

Ease of Use

X9

X10

X11

X12

λX93

λX123

λX103

λX113

δ9

δ10

δ11oseδ12

Enjoyment


68

Technology Anxiety. Variabel laten ζ4 mewakili Technology Anxiety dan memiliki

empat indikator pernyataan.

Gambar 3.12 Model Pengukuran Technology Anxiety

5. Need for Interaction




Need for Interaction. Variabel laten ζ5 mewakili Need for Interaction dan memiliki

empat indikator pernyataan.

Gambar 3.13 Model Pengukuran Need for Interaction

6. Ability to Use




Technology Anxiety

X13

X14

X16

X15

λX134

λX144

λX154

δ13

δ14

δ15D

δ16

Need for Interaction

X20

X17

X18

X19

λX205

λX175

λX185

λX195

δ20

δ17

δ18Do

δ19

λX164


69

Ability to Use. Variabel laten ζ6 mewakili Ability to Use dan memiliki empat

indikator pernyataan.

Gambar 3.14 Model Pengukuran Ability to Use

7. Willingness to Use

Pada penelitian ini model terdiri dari tiga pernyataan yang merupakan first



Willingness to Use. Variabel laten ζ7 mewakili Willingness to Use dan memiliki

tiga indikator pernyataan.

Gambar 3.15 Model Pengukuran Willingness to Use

Ability to Use

X24

X21

X22

X23

λX246

λX216

λX226

λX236

δ24

δ21

δ22Do

δ23

Willingness to Use

X25

X26

X27

λX257

λX267

λX277

δ25

δ26Dos

δ27


70

3.8.4.2 Uji Kecocokan Keseluruhan Model

Menurut (Hair et al., 2010) Godness-of-fit (GOF) dapat mengukur seberapa

baiknya model yang oleh dan mengolah matriks kovarian melalui item yang berada

pada indikator. (Hair et al., 2010) mengelompokan GOF menjadi tiga bagian yaitu

absolute fit measures (ukuran kecocokan absolute), incremental fit measure

(ukuran kecocokan inkremental), dan parsimonious fit measures (ukuran

kecocokan pasimoni). Absolute fit measure digunakan untuk mengukur secara

langsung seberapa baik model yang digunakan oleh peneliti untuk menghasilkan

data penelitian. Incremental fit measure digunakan untuk membandingkan model

yang diusulkan dengan model dasar yang disebut dengan null model atau

independence model. Parsimonious fit measures digunakan untuk mengukur

kesederhaan model. Hal – hal yang perlu diperhatikan dalam uji kecocokan dan

pemeriksaan kecocokan, secara lebih rinci akan ditunjukan pada ringkasan tabel

3.4.


71

Tabel 3.3 GODNESS OF FIT (GOF)

CHARACTERISTICS OF DIFFERENT FIT INDICES DEMONSTRATING

GOODNESS-OF-FIT ACROSS DIFFERENT MODEL SITUATIONS

Fit Index

Cutoff Values For GOF Index

N < 250 N > 250

M ≤ 12 12<m<30 M ≥ 30 M ≤ 12 12<m<30 M ≥ 30

Absolute Fit Indicates

Chi

Square

Insignificant Significant Significant Insignificant Significant Significant

p-values

expected

P-values

even with

good fit

p-value

expected

p-values

event with

good-fit

p-values

expected

p-values

expected

GFI GFI > 0.90

RMSEA

RMSEA

< 0.08

RMSEA

< 0.08

RMSEA

< 0.08

RMSEA

< 0.07

RMSEA

< 0.07

RMSEA

< 0.07

CFI ≥ 0.97 CFI ≥ 0.95 CFI ≥ 0.92 CFI ≥ 0.97 CFI ≥ 0.97 CFI ≥ 0.97

SRMR

Biased

upward, use

other

indicates

SRMR ≤

0.08

SRMR <

0.09

Biased

upward, use

other

indicates

SRMR ≤

0.08

SRMR ≤

0.08


72

Sumber: (Hair et al., 2010)

Incremental Fit Indicates

Normed

Chi-

Square

( /DF) < 3 is very good, 2 ≤ ( /DF) ≤ 5 is acceptable

NFI 0 ≤ NFI ≤ 1, model with perfect fit would produce an NFI of 1

TLI TLI

≥ 0.97

TLI

≥ 0.95

TLI

≥ 0.92

TLI

≥ 0.95

TLI

≥ 0.92

TLI

≥ 0.90

CFI CFI

≥ 0.97

CFI

≥ 0.95

CFI

≥ 0.92

CFI

≥ 0.95

CFI

≥ 0.92

CFI

≥ 0.90

RNI

May not

diagnose

misspesification

well

RNI ≥

0.95

RNI ≥

0.92

RNI

≥ 0.95, not

used with N

> 1000

RNI

≥ 0.92, not

used with

N

> 1000

RNI

≥ 0.90, not

used with

N

> 1000

Parsimony Fit Indicates

AGFI No statistical test is associated with AGFI, only guidelines to fit

RNI 0 ≤ NFI ≤ 1, Relatively high values represent better fit


73

3.8.4.3 Model Struktural

3.8.4.3.1 Analisa Hubungan Kausal

Lind et al., (2012) mengatakan bahwa uji hipotesis adalah sebuah prosedur

berdasarkan bukti sampel dan teori probabilitas untuk menentukan apakah hipotesis

tersebut adalah pernyataan yang masuk akal. Ada lima langkah untuk melakukan

uji hipotesis, yaitu:

1. Hipotesis Nol (H0) dan Hipotesis Alternatif (H1) (State Null and Alternative

Hypothesis)

Langkah pertama adalah menyatakan hipotesis nol atau H0, yang dimana “H”

merupakan singkatan dari hipotesis dan angka 0 yang berarti “no difference”.

Null Hypothesis atau H0 merupakan sebuah pernyataan tentang nilai parameter

sebuah populasi yang dikembangkan untuk tujuan pengujian. H0 dinyatakan

ditolak jika data sampel dapat memberikan bukti yang menyakinkan bahwa itu

salah. Sedangkan pernyataan hipotesis alternatif (alternative hypothesis) atau

H1, diterima jika data sampel memberikan bukti yang cukup bahwa hipotesis

nol itu salah.

2. Pilih Tingkat Signifikasi (Select a Level of Significance)

Setelah membuat hipotesis nol dan hipotesis alternative, langkah selanjutnya

adalah menyatakan tingkat signifikansi. Level of Significance (α) merupakan

probabilitas untuk menolak hipotesis nol jika benar. Pada level of

significance(α) terdapat 2 jenis error, yaitu:


74

a. Type I error (α)

Tipe error terjadi ketika hasil sampel menolak H0. Tipe error ini juga dikenal

sebagai level of significant(α). Dalam penelitian ini peneliti menggunakan

tingkat toleransi 5% atau 0.05.

b. Type II error (β)

Tipe error terjadi ketika hasil sampel tidak menunjukan penolakan H0.

3. Pilih Statistik Uji (Select the Test Statistic)

Tes statistik merupakan sebuah nilai yang ditentukan dari informasi sampel

dan digunakan untuk menentukan apakah hipotesis nol akan ditolak. dalam

menentukan t-value diterima atau ditolak berdasarkan hasil dari perhitungan,

apabila hasil t-value lebih besar sama dengan nilai critical maka H0 ditolak.

Pada penelitian ini, peneliti menggunakan acuan nilai critical atau t-table ≥

1.645.

4. Merumuskan Aturan Keputusan (Formulate the Decision Rule)

Decision rule atau aturan keputusan adalah pernyataan dari kondisi khusus

dimana H0 ditolak. Daerah atau area penolakan mendefinisikan semua lokasi

yang nilainya sangat besar atau sangat kecil sehingga probabilitas yang muncul

dibawah H0. Pada penelitian ini, peneliti menggunakan tingkat kepercayaan

95%.


75

Sumber: communitymedicine4asses.com (2013)

Gambar 3.16 One Tail Test (Right & Left)

One Tail Test (Right & Left) seperti yang tertera pada gambar 3.16 akan

digunakan untuk penelitian ini karena ada hipotesis yang berpengaruh positif dan

hipotesis yang berpengaruh negatif.

5. Membuat keputusan (Make Decision)

Tahap terakhir dalam pengujian hipotesis adalah menghitung uji statistik. Pada

tahap ini akan membandingkannya dengan nilai kritis dan membuat keputusan

apakah akan menolak atau tidak menolak H0. Pada penelitian ini, peneliti akan

membandingkan nilai t-value hasil output software LISREL versi 8.8 dengan nilai

kritis 1.65.


lisensi ini mengizinkan setiap orang untuk menggubah ...kc.umn.ac.id/10288/3/bab_iii.pdf ·...

Documents