METODOLOGI PENELITIAN A Ruang Lingkup Penelitian
C. Metode Pengumpulan Data
2. Analisis Jalur (Path)
Dalam penelitian ini, peneliti menggunakan metode analisis jalur. Teknik analisis jalur yang dikembangkan oleh Sewal Wright di tahun 1934 sebenarnya merupakan pengembangan korelasi yang diurai menjadi beberapa interpretasi akibat yang ditimbulkannya.
Menurut Robert D. Rutherford dalam Sarwono (2007:1) Analisis Jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung.
David Garson dari North Carolina State University dalam Sarwono (2007:1) mendefinisikan analisis jalur sebagai model perluasan regresi yang digunakan untuk menguji keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang dibandingkan oleh peneliti.
Menurut Sugiyono (2010:298) Analisis Jalur (Path Analysis) merupakan pengembangan dari analisis regresi, sehingga analisis regresi dapat dikatakan sebagai bentuk khusus dari analisis jalur. Analisis Jalur digunakan untuk melukiskan dan menguji model hubungan antar variabel yang berbentuk sebab akibat (bukan bentuk hubungan interaktif/reciprocal).
73 Analisis jalur adalah analisis yang tujuannya untuk mengetahui pengaruh langsung dan tidak langsung variabel eksogen terhadap variabel endogen. Pertimbangan menggunakan analisis ini karena antara satu variabel dengan variabel lainnya mempunyai hubungan. Sebuah diagram jalur, tanda panah berujung ganda (↔) menunjukkan hubungan korelasi dan tanda panah satu arah (→) menunjukkan hubungan kausal atau pengaruh langsung dari variabel eksogen (X) terhadap variabel endogen (Y) (Riduwan, 2007:7).
Dalam menganalisis penelitian dengan menggunakan analisis jalur, ada beberapa langkah secara berurutan yang harus dijalankan untuk memenuhi penelitian yang benar dengan menggunakan analisis jalur (Pardede dan Manurung, 2014:58-80).
a. Menentukan diagram jalurnya berdasarkan paradigma hubungan variabel.
b. Menentukan persamaan structural.
c. Menganalisis dengan menggunakan SPSS, analisis terdiri dari dua langkah yaitu analisis substructure I dan analisis substructure II. d. Interpretasi hasil perhitungan SPSS dengan berdasarkan diagram jalur
yang ditentukan.
e. Melakukan analisis jalur model trimming jika ada variabel eksogen yang koefisien jalurnya tidak signifikan.
74 Sebelum peneliti menggunakan analisis jalur dalam penelitiannya, maka peneliti harus menyusun model hubungan antar variabel yang dalam hal ini disebut dengan diagram jalur. Berikut adalah diagram jalur yang digunakan: Gambar 3.1 Diagram Jalur ϵ1 ϵ2 ρy2x1 ρy1x1 rx1x2 ρy1y2 ρy1x2 ρy1x2
Diagram jalur di atas terdiri atas dua persamaan struktural, di mana X1 dan X2 adalah variabel eksogen serta Y1 dan Y2 adalah variabel endogen. Persamaan struktural dapat dilihat sebagai berikut:
a. Persamaan struktural 1: Y1 = ρy1x1X1 + ρy1x2X2 + ϵ1
Diagram untuk persamaan struktural tersebut adalah sebagai berikut:
Gambar 3.2 Sub Struktural 1 Periklanan (X1) Kepercayaan Online (X2) Proses Keputusan Pembelian (Y1) Periklanan (X1) Kepercayaan Online (X2) Proses Keputusan Pembelian (Y1) Pembelian Berulang (Y2)
75 b. Persamaan struktural 2: Y2 = ρy2x1X1 + ρy2x2X2 + ρy2y1Y1 + ϵ2
Diagram untuk persamaan struktural tersebut adalah sebagai berikut: Gambar 3.3 Sub Struktural 2
Dengan keterangan sebagai berikut: X1 = Periklanan
X2 = Kepercayaan Online
Y1 = Proses Keputusan Pembelian Y2 = Pembelian Berulang
ϵ = Error 3. Pengujian Hipotesis
a. Koefisien Korelasi
Analisis koefisien korelasi digunakan untuk mengetahui derajat hubungan antara satu variabel dengan variabel lainnya. Dasar pemikiran analisis korelasi ini adalah perubahan antar variabel, artinya jika perubahan satu variabel diikuti dengan variabel lainnya, maka kedua variabel tersebut saling berkorelasi.
Periklanan (X1) Kepercayaa n Online (X2) Proses Keputusan Pembelian (Y1) Pembelian Berulang (Y2)
76 Koefisien korelasi hanya menggambarkan keeratan hubungan antara variabel tetapi tidak menggambarkan kekuatan kausalitas atau sebab akibat. Karena korelasi hanya digunakan untuk mengukur derajat hubungan maka dalam analisis korelasi tidak terdapat istilah variabel eksogen dan variabel endogen (Pardede dan Manurung, 2014:29-31).
Peneliti menggunakan korelasi Pearson atau product moment dengan menggunakan SPSS 23.0 untuk melihat derajat hubungan antara satu variabel dengan variabel lainnya. Untuk mempermudah pemberian kategori koefisien korelasi maka dibuat criteria pengukuran sebagai berikut:
Tabel 3.2
Kriteria Koefisien Korelasi
Nilai r Kriteria
0,00 s.d. 0,29 Korelasi sangat lemah 0,30 s.d. 0,49 Korelasi lemah 0,50 s.d. 0,69 Korelasi cukup kuat 0,70 s.d. 0,79 Korelasi kuat
0,80 s.d 1.00 Korelasi sangat kuat Sumber: Sarwono (2007:22)
Untuk menentukan apakah korelasi dari masing-masing variabel signifikan atau tidak diukur dari nilai signifikansi setiap hubungan variabel. Nilai signifikansi harus lebih kecil nilainya dibanding nilai tingkat toleransi yang digunakan. Dalam penelitian ini nilai toleransi yang digunakan adalah 0,05.
77 b. Koefisien Determinasi
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Dalam ouput SPSS, koefisien determinasi terletak pada tabel model summary dan tertulis R square yang sudah disesuaikan atau tertulis adjusted R square, karena disesuaikan dengan jumlah variabel independen (Ghozali, 2013:97).
Rumus koefisien determinasi adalah:
KD = Adjusted R Square x 100%
Nilai adjusted R square diperoleh dari output SPSS, kita mengambil contoh jika substruktur I mempunyai adjusted R square 0,70 berarti koefisien determinasi 70% yang berarti variabilitas endogen yang dapat diterangkan dengan menggunakan variabel eksogen sebesar 70%, sementara pengaruh sebesar 30% disebabkan oleh variabel diluar model substruktur ini.
c. Uji Signifikansi Simultan (Uji Statistik F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat. Probabilitas lebih kecil dari 0,05, maka hasilnya signifikan berarti terdapat pengaruh dari variabel independen secara bersama terhadap variabel dependen (Ghozali, 2013:98).
78 Ada beberapa langkah dalam menghitung uji F (Pardede dan Manurung, 2014:63):
1) Menentukan hipotesis
2) Menghitung F-hitung yang diperoleh dari output SPSS dari tabel ANOVA.
3) Menghitung F-tabel dengan ketentuan tarif signifikansi 0,05 dan derajat kebebasan dengan ketentuan numerator (jumlah variabel/4- 1) dan denumerator (jumlah sampel/100-4).
4) Menentukan kriteria uji hipotesis sebagai berikut:
Jika F-hitung > F-tabel, maka Ho ditolak dan Ha diterima. Jika F-hitung < F-tabel, maka Ho diterima dan Ha ditolak. 5) Mengambil keputusan.
d. Uji Signifikan Parameter Individu (Uji Statistik t)
Uji statistik t pada dasarnya menunujukkan seberapa jauh pengaruh satu variabel independen secara individu dalam menerangkan variasi variabel dependen. Probabilitas lebih kecil dari 0,05, maka hasilnya signifikan berarti terdapat pengaruh dari variabel independen secara individu terhadap variabel dependen (Ghozali, 2013:98-99).
Langkah-langkah dalam menghitung uji-t adalah sebagai berikut (Pardede dan Manurung, 2014:65):
1) Menentukan hipotesis
2) Mengetahui besarnya angka t-hitung diperoleh dari output SPSS 3) Mengetahui besanya angka t-tabel dengan ketentuan tarif
79 signifikansi 0,05 dan derajat kebebasan (jumlah sampel/100-2). 4) Menentukan kriteria uji hipotesis sebagai berikut:
Jika t-hitung > t-tabel maka Ho ditolak dan Ha diterima. Jika t-hitung < t-tabel, maka Ho diterima dan Ha ditolak. 4. Uji Sobel
Pengujian hipotesis mediasi dapat dilakukan dengan prosedur yang dikembangkan oleh Sobel (1982) dan dikenal dengan uji Sobel (Sobel test). Uji sobel dilakukan dengan cara menguji kekuatan pengaruh tidak langsung X ke Y melalui M. Pengaruh tidak langsung X ke Y melalui M dihitung dengan cara mengalikan jalur X M (a) dengan jalur M Y (b) atau ab. Jadi koefisien ab = (c –c‘), di mana c adalah pengaruh X terhadap
Y tanpa mengontrol M, sedangkan c‘ adalah koefisien pengaruh X
terhadap Y setelah mengontrol M. Standard error koefisien a dan b ditulis dengan sa dan sb dan besarnya standard error pengaruh tidak langsung (indirect effect) sab dihitung dengan rumus dibawah ini:
Sab = √b2
sa2 + a2sb2 + sa2sb2
Untuk menguji signifikansi pengaruh tidak langsung, maka perlu menghitung nilai t dari koefisien ab dengan rumus sebagai berikut:
t =
Nilai t hitung ini dibandingkan dengan nilai t tabel. Cara membaca t tabel adalah dengan menggunakan signifikansi level 0,05 dan degree of freedom (df) untuk df = n-2 atau 100-2 = 98, makat tabel adalah sebesar 1,98. Jika nilai t hitung lebih besar dari nilai t tabel maka dapat
80 disimpulkan terjadi pengaruh mediasi. Asumsi uji sobel memerlukan jumlah sampel yang besar, jika jumlah sampel kecil, maka uji sobel menjadi kurang konservatif (Ghozali, 2013:248-249).
E. Operasional Variabel Penelitian