Skala Pengukuran - Operasional Variabel dan Skala Pengukuran

BAB II LANDASAN TEORI

3.2 Operasional Variabel dan Skala Pengukuran

3.2.2 Skala Pengukuran

Menurut Sugiyono (2019: 151) skala pengukuran merupakan kesepakatan yang dapat dijadikan/dipergunakan untuk menentukan panjang atau pendeknya interval pada alat ukur sehingga jika menggunakan alat ukur tersebut akan memperoleh data kuantitatif. Pengukuran setiap variabel dalam penelitian ini menggunakan skala likert, maka variabel yang akan diukur diuraikan menjadi indikator variabel, lalu setiap indikator akan menjadi titik tolak ukur untuk menentukan susunan item – item berupa pertanyaan atau pernyataan (Sugiyono, 2019:152).

Skala likert digunakan sebagai pengukuran dalam penelitian ini dimana setiap item pernyataan akan diberi range skor mulai 1 – 5 seperti tabel dibawah berikut:

Tabel 3. 2 Skala Likert

Skala Jawaban Nilai

Sangat Tidak Setuju 1

Tidak Setuju 2

Cukup Setuju 3

Setuju 4

Sangat Setuju 5

Sumber: Sugiyono (2019: 153) 3.3 Populasi dan Sampel

3.3.1 Populasi

Populasi adalah seluruh kelompok partisipan yang akan peneliti lihat sebelum melakukan eksperimen untuk melakukan penelitian, sehingga peneliti perlu memahami keluasan dan ketakterhinggaan dari semua aspek yang ada (Widodo dan Yusiana, 2021:202). Menurut

Sugiyono (2020) populasi adalah semua elemen yang digunakan sebagai area umum.

Populasi adalah suatu wilayah yang tergeneralisasi yang terdiri dari objek atau topik dengan kualitas dan karakteristik yang ditentukan oleh peneliti umtuk dipelajari dan diambil kesimpulannya (Sudaryono, 2017).

Berdasarkan objek yang ditetapkan peneliti, maka populasi yang digunakan pada penelitian ini adalah penduduk Kota Bandung yang menggunakan atau minimal pernah melakukan pembelian produk iPhone minimal satu kali dengan jumlahnya tidak diketahui secara pasti.

3.3.2 Sampel

Menurut Sugiyono (2020), sampel merupakan salah satu faktor penting yang harus diperhatikan dalam melakukan penelitian, karena sampel merupakan bagian dari populasi sehingga memudahkan peneliti dalam mengumpulkan data. Ketika melakukan penelitian, populasi sasaran biasanya terlalu luas, sehingga lebih mudah menggunakan sampel, dimana sampel merupakan kesimpulan tentang populasi.

Dalam penelitian ini, purpose sampling, yaitu non-probability sampling, merupakan teknik pengambilan sampel yang akan digunakan peneliti. Non-probability sampling adalah teknik yang tidak memberikan kesempatan yang sama bagi setiap elemen atau anggota populasi untuk dipilih sebagai sampel (Sugiyono, 2018). Ciri utama dari metode pengambilan sampel ini adalah bahwa anggota sampel dipilih secara khusus untuk tujuan penelitian. Purpose sampling adalah teknik pengambilan sampel dengan standar dan persyaratan tertentu (Sugiyono, 2020).

Sampel yang digunakan dalam penelitian ini adalah masyarakat di Kota Bandung yang pernah melakukan pembelian produk iPhone minimal satu kali. Namun karena jumlah penduduk yang tidak menentu. Penelitian ini menggunakan rumus Cochran dalam Mahyarni (2020: 120) untuk menentukan jumlah sampel yang dibutuhkan untuk menggambarkan suatu populasi yang tidak diketahui, yang dapat dilihat sebagai berikut:

"²#$

! = %²

Keterangan :

n : Jumlah sampel yang di perlukan

Z : Tingkat keyakinan yang diperlukan (95%) = 1,96%

P : Peluang benar 50% = 0,5 q : Peluang salah = 50% = 0,5 e : Tingkat kesalahan 5% = 0,05%

1,96². 0,5 . 0,5

! = 0,05²

! = 384,16 ≈ 385

Dari hasil perhitungan di atas menunjukan bahwa sampel yang harus didapatkan sebesar 384,14 yang kemudian dibulatkan menjadi 385 sampel.

3.3.3 Tahap penelitian

Gambar 3.1 Tahapan Penelitian Sumber : Widodo dan Yusiana 2021

3.4 Teknik Pengumpulan Data

Pengumpulan data dapat dilakukan dalam berbagai sumber, dan cara. Pada penelitian kali ini, pengumpulan data dilakukan berdasarkan sumbernya yaitu menggunakan data primer dan data sekunder.

3.4.1 Data primer

Data mentah mengacu pada item data yang dikumpulkan secara langsung. Metode yang paling umum untuk mengumpulkan data mentah untuk penelitian kuantitatif adalah dengan menggunakan eksperimen dan survei. Seperti yang dikatakan Sugiyono (2019), sumber utama adalah sumber data yang langsung memberikan data kepada pengumpul data. Data diperoleh langsung dari observasi dan wawancara, dan hasil kuesioner dibagikan kepada responden yang memenuhi standar sasaran yang dipersyaratkan untuk mewakili seluruh populasi. Kuesioner adalah teknik pengumpulan data lengkap yang dapat memberikan kepada orang yang diwawancarai serangkaian pertanyaan atau pernyataan tertulis.Responden pada penelitian ini adalah orang-orang yang pernah melakukan pembelian produk iPhone minimal satu kali.

3.4.2 Data Sekunder

Data bekas adalah data yang tersedia sebelumnya, yang dikumpulkan dari sumber tidak langsung, seperti sumber pustaka tertulis. Data sekunder atau tambahan adalah data yang tidak secara langsung memberikan informasi kepada pengumpul data. Data bekas dapat diperoleh secara tidak langsung dari pihak lain dan terkait dengan penelusuran yang dilakukan (Sugiyono, 2019). Dalam penelitian ini, penulis memperoleh data bekas melalui buku referensi, jurnal dalam dan luar negeri, majalah, artikel, dan penelitian sebelumnya.

3.5 Uji Validitas dan Realibilitas 3.5.1 Uji Validitas

Validitas sangat penting karena menjamin validitas pengukuran dari skala deterministik variabel yang digunakan untuk menentukan hubungan antara peristiwa atau fenomena (Hardani, 2020:393).

Aturan praktis biasanya digunakan untuk mengevaluasi efektivitas konvergensi. Untuk studi konfirmasi dan eksplorasi, validitas harus lebih besar dari 0,7. Selain itu, nilai AVE (average variance extract) harus lebih besar dari 0,5.

Tabel 3.3 Parameter Uji Validitas

Uji Validitas Parameter Rule Of Thumbs

Validitas

Convergent Loading Factors >0.7 untuk confirmatory dan Exploratory Reseacrh

Average Variance Extracted (AVE) >0.5 untuk confirmatory dan Exploratory Reseacrh Communality >0.5 untuk confirmatory dan

Exploratory Reseacrh Validitas

Diskriminan

Cross Loading >0.5 untuk setiap variabel Akar kuadrat AVE dan Kolerasi antar

Konstruk Laten

Akar kuadrat AVE > Kolerasi antar Konstruk Laten Sumber: Ghazali & Latan, 2015

Untuk menguji validitas dari setiap butir pernyataan yang ada dalam kuisioner dan sebelum menyebarkan kuisioner kepada responden yang sebenarnya, maka dilakukan uji coba kuisioner kepada 30 orang responden untuk mengetahui baik atau tidaknya kuisioner. Berikut ini adalah hasil uji validitas item pernyataan yang telah disebarkan kepada 30 responden yang sudah pernah melakukan pembelian produk iPhone sebagai berikut:

Tabel 3.4 Uji Validitas Brand Image

Item Cross Loading Nilai Kritis Keterangan

BI1 0.855 >0.7 Valid

Sumber: SmartPLS Data Olahan Peneliti, 2021

Tabel 3.5 Uji Validitas Harga

Item Cross Loading Nilai Kritis Keterangan

H1 0.817 >0.7 Valid

H2 0.798 >0.7 Valid

H3 0.867 >0.7 Valid

H4 0.829 >0.7 Valid

H5 0.873 >0.7 Valid

H6 0.901 >0.7 Valid

H7 0.708 >0.7 Valid

H8 0.747 >0.7 Valid

H9 0.824 >0.7 Valid

H10 0.842 >0.7 Valid

H11 0.788 >0.7 Valid

H12 0.748 >0.7 Valid

Sumber: SmartPLS Data Olahan Peneliti, 2021

Tabel 3.6 Uji Validitas Keputusan Pembelian

Item Cross Loading Nilai Kritis Keterangan

KP1 0.784 >0.7 Valid

KP2 0.765 >0.7 Valid

KP3 0.819 >0.7 Valid

KP4 0.765 >0.7 Valid

KP5 0.822 >0.7 Valid

KP6 0.854 >0.7 Valid

KP7 0.786 >0.7 Valid

KP8 0.797 >0.7 Valid

KP9 0.858 >0.7 Valid

KP10 0.838 >0.7 Valid

KP11 0.834 >0.7 Valid

KP12 0.797 >0.7 Valid

KP13 0.755 >0.7 Valid

KP14 0.786 >0.7 Valid

KP15 0.752 >0.7 Valid

Sumber: SmartPLS Data Olahan Peneliti, 2021

Berdasarkan hasil uji validitas yang dilakukan oleh penulis menggunakan SmartPLS 3.3.3 dengan 30 responden pada tabel 3.5, tabel 3.6, dan tabel 3.7 memperoleh hasil cross loading masing- masing variabel Brand Image (X), Keputusan Pembelian (Y), dan Harga (Z) memperoleh hasil

>0.7. Maka dapat disimpulkan, bahwa perntaan yang diajukan disetiap variabel valid dan layak digunakan pada tahap selanjutnya.

3.5.2 Uji Realibilitas

Menurut (Sekaran & Bougie, 2017), pengukuran adalah untuk menentukan derajat pengukuran tanpa penyimpangan (error) untuk memastikan konsistensi dan penerapan pengukuran pada setiap titik pada instrumen. Dalam studi yang menggunakan ukuran waktu yang konsisten, pengukuran ini dapat diandalkan. Ada dua metode untuk menguji realibilitas yaitu menggunakan Partial Least Squares (PLS), yaitu Cronbach’s Alpa dan Composite Realibilitty.

Tabel 3.7

Parameneter Uji Realibilitas

No Uji Realibilitas Parameter Rule of Thumbs

1. Realibilitas

Cronbach’s Alpha > 0.7 untuk Confirmatory

& Exploratory Research Composite Realibility > 0.7 untuk Confirmatory

& Exploratory Research

Sumber : (Ghozali: 2015)

Hasil Uji Realibilitas item pernyataan yang telah disebar kepada 30 responden adalah sebagai berikut:

Tabel 3.8 Hasil Uji Realibilitas

Variabel Composite

Realibility Nilai Kritis Keterangan Brand

Image(X) 0.967 >0.7 Reliable

Keputusan Pembelian

(Y) 0.964 >0.7 Reliable

Harga (Z) 0.959 >0.7 Reliable

Sumber: SmartPLS Data Olahan Peneliti, 2021

Tabel 3.9 Hasil Uji Realibilitas

Variabel Cronbach’s

Apla Nilai Kritis Keterangan Brand

Image(X) 0.963 >0.7 Reliable

Keputusan Pembelian

(Y)

0.960

>0.7 Reliable

Harga (Z)

0.953

>0.7 Reliable

Sumber: SmartPLS Data Olahan Peneliti, 2021

Berdasarkan data uji reliabilitas menggunakan SmartPLS pada tabel 3.9, dan tabel 3.10, nilai koefisien Composite Realibility dan Cronbach’s Apla alpa masing-masing variabel berada di atas batas kritis > 0.7. Dari hasil data tersebut dapat diketahui bahwa variabel dalam penelitian ini reliabel dan layak untuk tahap selanjutnya.

3.6 Teknik Analisis Data

Analisis Deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi (Sugiyono,2017:207).

3.6.1 Analisis Deskriptif

Menurut uraian Samsu (2017:111), analisis deskriptif adalah analisis terhadap fenomena yang sedang terjadi. Prosesnya berupa pengumpulanpenyusunan data dan interpretasi data secara deskriptif. Analisis deskriptif dapat memberikan gambaran reflektif atau komparatif dengan membandingkan persamaan dan perbedaan kasus/fenomena tertentu. Menurut Hardani (2020:377), analisis deskriptif melibatkan rangkaian kegiatan dan perkembangan di berbagai bidang. Peneliti harus mampu mengidentifikasi topik yang belum banyak diketahui, dan meyakinkan peneliti lain akan pentingnya topik tersebut, serta mampu mengumpulkan data yang relevan. Dalam penelitian ini, peneliti menggunakan kuesioner di mana setiap pernyataan disertai dengan lima kemungkinan jawaban, dan orang yang diwawancarai harus memilihnya. Dari jawaban yang diperoleh, selanjutnya dikembangkan kriteria evaluasi untuk setiap item presentasi.

Kriteria evaluasi untuk setiap item pernyataan didasarkan pada persentase, dan langkah- langkahnya adalah sebagai berikut:

1. Nilai kumulatif adalah jumlah dari setiap pernyataan yang merupakan jawaban dari 385 responden

2. Presentase adalah nilai kumulatif item dibagi dengan nilai frekauensinya dikali 100%

3. Jumlah responden adlah 385 orang dengan nilai skala pengukuran terbesar adlah 5 dan skala pengukuran terkecil adalah 1. Sehingga diperoleh:

a) Jumlah kumulatif terbesar = 385 x 5 = 1925 b) Jumlah kumulatif terkecil = 385 x 1 = 385 c) Nilai persentase terbesar 100%

d) Nilai persentase terkecil = (385 : 1925) x 100% = 20%

e) Nilai rentang = 100% - 20% = 80%. Jika nilai rentang dibagi lima skala pengukuran, didapat nilai interval persentase sebesar 16%

Berdasarkan perhitungan tersebut, dapat diperoleh kriteria interpretasi skor yang dapat dilihat pada tabel 3.9 berikut ini:

Tabel 3.10

Kriteria Interpretasi Skor

Presentasi Kriteria Penilaian

20% - 36% Sangat Tidak Baik

36% - 52% Tidak Baik

52 %– 68% Cukup Baik

68% - 84% Baik

84% - 100% Sangat Baik

Sumber: (Sugiyono, 2016)

Untuk melihat hasil kriteria interpretasi skor dari setiap variabel dapat dilihat pada garis kontinium berikut ini:

Gambar 3.2 Klasifikasi Garis Kontinum Sumber: (Arikunto, 2012)

Perhitungan skor total untuk masing-masing variabel adalah sebagai berikut:

a. Skor total = (Jumlah responden sangat setuju x 5) + (Jumlah responden setuju x 4) + (Jumlah responden cukup setuju x 3) + (Jumlah responden tidak setuju x 2) + (Jumlah responden tidak setuju x 1).

b. Skor ideal = (Diasumsikan seluruh responden menjawab sangat setuju) x (Jumlah responden atau skor total).

3.6.2 Analisis Structural Equation Model – partial Least Square (SEM-PLS)

Structural Equation Modeling (SEM) atau biasa disebut Model Persamaan Sktruktural adalah teknik analisis multivariat yang menggabungkan analisis faktor dan analisis jalur, sehingga memungkinkan peneliti untuk secara bersamaan menguji dan memperkirakan beberapa faktor eksogen dan endogen multiple dengan banyak fakor (Ghozali, 2015). Metode SEM merupakan pengembangan dari analisis jalur dan regresi berganda, yaitu model analisis berganda yang dapat menganalisis data secara lebih komprehensif. Menurut Widodo dan Yusiana (2021:153), PLS- SEM digunakan untuk mengembangkan teori-teori dalam penelitian eksploratif dan berfokus untuk menjelaskan varians dari variabel dependen ketika menguji model. Menurut Hair dkk (2019:330): "Model persamaan struktural kuadrat terkecil parsial (PLS-SEM) adalah metode estimasi berbasis varians dari model persamaan struktural. Tujuannya adalah untuk memaksimalkan varians penjelas variabel laten endogen."

Menurut Latan dan Ghozali (dalam Zahrah, 2021:73), partial least squares (PLS) merupakan metode analisis yang ampuh karena tidak hanya mengasumsikan bahwa data berukuran tertentu atau sampel berukuran kecil. Partial Least Squares (PLS) digunakan untuk memberikan prediksi tentang dampak variabel Independen (X) terhadap variabel dependen (Y) dan memberikan penjelasan tentang hubungan teoritis antara kedua variabel tersebut. Dalam penelitian kuantitatif, analisis data dilakukan ketika mengumpulkan data dari semua orang yang diwawancarai, termasuk mengelompokkan data menurut variabel dan jenis orang yang diwawancarai, dan mentabulasi data menurut variabel semua orang yang diwawancarai, menyajikan data setiap variabel penelitian, perhitungan untuk menjawab rumusan soal, dan perhitungan untuk menguji hipotesis yang diajukan. Karena datanya bersifat kuantitatif, maka teknik analisis datanya menggunakan metode statistik yang tersedia (Sugiyono, 2019: 333).

Penulis menggunakan analisis PLS untuk mengetahui hubungan antar variabel struktural melalui uji validitas dan uji reliabilitas. Menggunakan model pengukuran untuk uji validitas dan

uji reliabilitas, sedangkan uji kausalitas menggunakan model struktural. Kausalitas adalah kausalitas, yang menggambarkan peristiwa yang akan mengarah pada peristiwa lain (Santosa, 2018: 59). Menurut Ghozali (dalam Zahrah, 2021:74), PLS memiliki metode untuk menggunakan bobot perkiraan untuk menghasilkan skor variabel laten, yang dicapai dengan menyiapkan model struktural (Inner Model) yang menghubungkan variabel laten dan mengukur hubungan antara variabel laten, indikator dan konstruksinya (Outer Model). Hasilnya adalah varians residual dari variabel dependen. Karena distribusi PLS tidak diketahui, tidak ada tes penting. Namun dapat dilakukan dengan menggunakan outer loading pada setiap variabel laten yang nilainya sebaiknya

> 0.7, AVE > 0.5, skor community > 0.5, serta uji Cronbach’s alpha dan composite reliability >

0.6.

3.6.3 Pengukuran Model Outer (Outer Model)

Outer Model digunakan untuk mengevaluasi efektivitas dan keandalan model. Melakukan uji validitas untuk mengetahui kemampuan alat ukur penelitian. Uji reliabilitas digunakan untuk mengukur suatu konsep, dan juga dapat digunakan untuk mengukur konsistensi responden dalam menjawab butir-butir pernyataan dalam penelitian. Outer Model dapat memberikan gambaran tentang hubungan antara indikator dan variabel.

Persamaan outer model untuk konstruk refleksif adalah:

X = ^x ξ + ɛx Y

= ^yɳ + ɛy

Keterangan:

x dan y = Indikator variabel independen dan variabel dependen ξ dan ɳ

^x dan ^y = Matrix loading yang menggambarkan koefisien regresi yang menghubungkan variabel laten dengan indikatornya

εx dan εy = Tingkat kesalahan pengukuran

Uji yang dilakukan outer model adalah sebagai berikut:.

a. Validitas Konvergen (Convergent Validity)

Convergent Validity adalah nilai Average Variance Extracted (AVE). Nilai AVE yang diharapkan dari variabel laten dan indikatornya > 0,5. Nilai outer loading yang

diharapkan > 0,7.

b. Validitas Diskriminan (Discriminant Validity)

Diskriminan validitas digunakan untuk mengetahui apakah konstruk memiliki

diskriminan yang cukup, dengan cara membandingkan nilai pada loading konstruk yang akan dituju harus lebih besar dibandingkan pada konstruk lainnya.

c. Composite Realibility

Data yang memiliki nilai composite realibility cronbach’s alpa >0.7 akan dinyatakan memiliki nilai realibilitas yang tinggi.

3.6.4 Pengukuran Struktural (Inner Model)

Model struktural (Inner Model) mempunyai tujuan yaitu untuk memprediksi kausal antar variabel laten. Menurut Chin dalam Sarwono dan Narimawati (2015: 23) terdapat beberapa uji inner model yaitu:

a. R-Square

Nilai R-Square adalah koefisien determinasi pada konstruk endogen. Penilaian pada R- Square yaitu 0.67 akan dinyatakan kuat, 0.33 dinyatakan moderat, dan 0.19 dinyatakan lemah.

b. Q-Square

Nilai Q-Square adalah nilai untuk mengukur seberapa baiknya nilai observasi yang dihasilkan oleh model dan parameter estimasi. Jika Q-Square kurang dari 0 (nol) maka model dinyatakan kurang predictive relevance, sedangkan Q-Square lebih dari 0 (nol) maka model dinyatakan memiliki predictive relevance dan dapat dihitung menggunakan rumus:

2 2 2

$² = 1 − (1 − &¹) (1 − &²) … (1 − &^!)

c. Estimate for Path Coefficient

Nilai estimasi untuk menghubungkan jalur dalam model struktural harus signifikan. Nilai signifikan dapat diperoleh melalui prosedur Booststrapping.

3.7 Uji Hipotesis

Hipotesis merupakan jawaban sementara atas ungkapan pertanyaan penelitian, di mana ungkapan pertanyaan penelitian telah dinyatakan dalam bentuk kalimat pertanyaan (Sugiyono, 2018: 63).

Menjelaskan gambaran hubungan antara dua variabel yang berkaitan dengan kasus atau masalah tertentu, disebut juga hipotesis sementara yang perlu diuji.

Berdasarkan kerangka pemikiran teoritis dalam penelitian ini maka diajukan hipotesis sebagai berikut:

H1: Brand Image berpengaruh terhadap keputusan pembelian.

H2: Harga berpengaruh terhadap keputusan pembelian.

H3: Brand Image berpengaruh terhadap keputusan pembelian.

H4: Brand Image berpengaruh terhadap keputusan pembelian dengan variabel intervening harga.

DAFTAR PUSTAKA

Abdillah, Willy Dan Jogiyanto. (2015). Partial Least Square (Pls) Alternatif Structural Equation Modeling (Sem) Dalam Penelitian Bisnis. Ed.1. Yogyakarta: Andi.

Aditya wardhana. (2015). Strategi Digital Marketing dan Implikasinya Pada Keunggulan Bersaing UMKdi Indonesia. In Seminar Nasional Keuangan danBisnis IV (pp. 327–337). Universitas Pendidikan Indonesia.

Samsu. (2017). Metode Penelitian: (Teori dan Aplikasi Penelitian Kualitatif, Kuantitatif, Mixed Methods, serta Research & Development). Jambi: Pusat Studi Agama dan Kemasyarakatan (PUSAKA).

Agus, Widarjono. (2015). Analisis Multivariat Terapan. Yogyakarta : Penerbit Upp Stim Ykpn.

Ahyar, Hardani et al. 2020. Buku Metode Penelitian Kualitatif & Kuantitatif

Ajzen, I. Dan Fishbein, M. “Understanding Attitude and Predicting Social Behaviour”. Prentice- Hall, Englewood Cliffs, NJ, 1980.

Al Arif, M. Nur Rianto Dan Dr. Euis Amalia. (2010), Teori Mikro Ekonomi: Suatu Perbandingan Ekonomi Islam Dan Ekonomi Konvensional, Jakarta: Kencana Prenada Media Group.

Arikunto, S. (2013). Prosedur Penelitian Suatu Pendekatan Praktik (Revisi ed.). Jakarta: PT.

Rineka Cipta.

Fandy Tjiptono, 2007, Strategi Pemasaran. Edisi ke dua, penerbit Andi, Yogyakarta.

Fandy, Tjiptono. (2014). Pemasaran Jasa. Andi : Yogyakarta.

Fandy Tjiptono. (2015). Strategi Pemasaran, Edisi 4, Andi Offset, Yogyakarta.

Fandy, Tjiptono. (2016). Service, Quality & Satisfaction. Yogyakarta. Andi.

Fishbein, M., & Ajzen, I. (1975). Belief, Attitude, Invention And Behavior An Introduction To Theory And Research. Filipina: Addison-Wesley Publishing Company.

Foster, B. 2008. “Manajemen Ritel”. Cetakan 1. Alfabeta. Bandung

Ghozali, Imam, Hengky Latan. (2015). Konsep, Teknik, Aplikasi Menggunakan Smart PLS 3.0 Untuk Penelitian Empiris. BP Undip. Semarang Harnanto. 2017. Akuntansi Biaya: Sistem Biaya Historis. Yogyakarta: BPFE.

Ghozali, Imam. (2015). Aplikasi Analisis Multivariate dengan Program IBM SPSS 23. Semarang : Badan Penerbit Universitas Diponegoro

Hair, Et Al, (2017). Multivariate Data Analysis, New International Edition. New Jersey : Pearson.

Kotler, Philip, dan Gary Armstrong 2016. Prinsip-prinsip Pemasaran. Edisi 13.Jilid 1. Erlangga : Jakarta.

Kotler, Philip., Keller, Kevin L. (2013). Manajemen Pemasaran, Jilid Kedua, Jakarta: Erlangga.

Kotler, Phillip Dan Kevin Lane Keller. (2016). Manajemen Pemasaran Edisi 12 Jilid 1 &

2.Jakarta: Pt. Indeks.

Kurniawan, A. (2018). Metodologi Penelitian Pendidikan. Bandung: Remaja Rosdakarya.

Manullang Dan Hutabarat. (2016). Manajemen Pemasaran Dalam Kompetisi Global. Yogyakarta:

Indomedia Pustaka.

Priansa, D. J. (2017). Perilaku Konsumen Dalam Persaingan Bisnis Kontemporer. Bandung:

Alfabeta.

Ramayah, Cheah, J., Chuah, F., Ting, H., Memon, & Ali, M. (2018). Partial Least Squares Stuctural Equation Modeling (Pls-Sem). Kuala Lumpur: Pearson.

Sangadji, Etta Mamang; Sopiah. (2013). Perilaku Konsumen. Yogyakarta. Andi

Santosa, P. I. (2018). Metode Penelitian Kuantitatif: Pengembangan Hipotesis Dan Pengujiannya Menggunakan Smartpls. Yogyakarta : Andi

Schiffman, Leon.G. Dan Leslie Lazar Kanuk. (2006). Perilaku Konsumen. Edisi Ke-7.

Diterjemahkan Oleh Zoelkifli Kasip. Pt. Indeks, Jakarta.

Sekaran, Uma dan Roger Bougie, (2017), Metode Penelitian untuk Bisnis: Pendekatan Pengembangan-Keahlian, Edisi 6, Buku 2, Salemba Empat, Jakarta Selatan 12610.

Sekaran, Uma dan Roger Bougie. (2017), Metode Penelitian Bisnis, Edisi 6, Jakarta: Penerbit Salemba Empat

Silalahi, (2018). Metode Penelitian Sosial. Bandung: Refika Aditama.

Sudaryono. (2017). Metodologi Penelitian. Jakarta: Pt Rajagrafindo Persada.

Sugiyono. (2018). Metode Penelitian Kombinasi (Mixed Methods). Bandung: Cv Alfabeta.

Sugiyono. (2018). Metode Penelitian Kuantitatif. Bandung: Alfabeta.

Sugiyono. (2019). Metode Penelitian Kuantitatif, Kualitatif R&D. Bandung: Alfabeta.

Sugiyono, (2020). Metode Penelitian Kualitatif. Bandung: Alfabeta.

Susetyo, Budi. (2014). Statistika untuk Analisis Data Penelitian. Bandung: Refika.

Widodo, A., & Yusian, R. (2021) Metode Penelitian Penentuan Metode Dengan Pendekatuan PartiaL Least Square – Structural Equation Modeling (PLS-SEM). Bandung: Refika Wibowo Dan Priansa. 2017. Manajemen Komunikasi Dan Pemasaran. Cetakan Ke- 1. Bandung:

Alfabeta, Cv

Zainurossalamia. (2020). Manajemen Pemasaran Teori Dan Strategi. Samarinda: Forum Pemuda Aswaja

Jurnal

Abd El-Salam, M. H., El-Shibiny, S. Dan Salem, A., 2009. Factor Affecting The Functional Properties Of Whey Protein Products: A Review. Food Reviews International, 25: 251-270.

Amin, N. B. H. H. M., Rommy, S. N., & Nur, A. R. Y. N. Effect Of Brand Image And Price Perception On Purchase Decision.

Amron, A. (2018). The Influence of Brand Image, Design, Feature, and Price on Purchasing Decision of Apple iOS Smartphone in Surakarta, Indonesia. The International Journal of Social Sciences and Humanities Invention, 5(12), 5187-5191.

Christien, P. S. K. (2021). Analisis Pengaruh Responsiveness, Reliability Dan Price Terhadap Kepuasan Pengguna Jasa Pelabuhan Di Kantor Kesyahbandaran Dan Otoritas Pelabuhan Kelas Ii Tanjung Intan Cilacap. Skripsi.

Della Nuril, M., & Handayani, Y. I. (2019). The Effect Of Brand Image, Quality Products And Price On Samsung Handphone Decision Purchase. ABM: International Journal of Administration, Business and Management, 1(1), 1-9.

Desyanto, E. dan Susetyo, H. B. 2014. Pengaruh Jarak Tanam Terhadap Pertumbuhan dan Buah Jagung (Zea mays L.) Pada Varietas Bisi dan Pioneer Di Lahan Marginal. J. Agroteknologi, 5 (2).

Dewi, E. L., & Trianasari, N. (2020). Pengaruh Citra Merek Dan Harga Produk Terhadap Keputusan Pembelian Pada Produk Innisfree Di Indonesia. eProceedings of Management, 7(2).

Dwi Palupi, I. (2018). Analisis Pengaruh Kualitas Pelayanan, Harga Dan Citra Merek Terhadap Keputusan Pembelian Pengguna Jasa Go-Jek (Doctoral Dissertation, Universitas Muhammadiyah Surakarta).

Ermawati, I. (2012). “Pengaruh Kualitas Pelayanan, Harga Dan Ketersediaan Produk Dalam Pembentukan Intensitas Pembelian Konsumen Pada Makanan Kepiting Di Rumah Makan Sampan Seafood Semarang”.Jurnal Dinamika Manajemen, (Vol. 1 No. 5, Juli2012 93-107) Hanaysha, Jr. 2018. An Examination Of The Factors Affecting Consumer’s Purchase Decision In

The Malaysian Retail Market", Psu Research Review. 2399-1747

Irfan, M., & Rachmawati, I. (2018). The Influence Of Brand Image And Product Price Towards Purchase Decision On Xiaomi Smartphone In Indonesia. eProceedings of Management, 5(3).

Kurniasih, S., & Trianita, M. (2021). Pengaruh Brand Image Dan Harga Terhadap Keputusan Pembelian Produk Hand Sanitizer Antis Di Siteba (Doctoral Dissertation, Universitas Bung Hatta).

Labesi, S. C. (2019). Pengaruh Brand Image dan Kualitas Pelayanan terhadap keputusan pembelian Mobil Pajero pada PT. Makassar Mandiri Putra Utama. Jurnal EMBA: Jurnal Riset Ekonomi, Manajemen, Bisnis dan Akuntansi, 7(3).

Mahyarni. (2013). Theory Of Reasoned Action Dan Theory Of Planned Behavior (Sebuah Kajian Historis Tentang Perilaku). Jurnal Elriyasah, 4(1), 13-23.

Masiruw, C. N., Kawet, L., & Uhing, Y. (2015). Pengaruh Kualitas Layanan Dan Citra Merek Terhadap Keputusan Pembelian Mobil Toyota Rush Di Kota Manado. Jurnal EMBA: Jurnal Riset Ekonomi, Manajemen, Bisnis dan Akuntansi, 3(3).

Muqorrobin, M. (2017). Pengaruh Indeks Pembangunan Manusia (Ipm) Terhadap Pertumbuhan Ekonomi Provinsi Jawa Timur. Jurnal Pendidikan Ekonomi. Universitas Negeri Semarang.

Vol.5, No.3. Semarang.

Nasution, A. F. (2018). Pengaruh citra merek dan kualitas pelayanan terhadap keputusan pembelian konsumen. Jurnal Riset Sains Manajemen, 2(3), 91-96

Nasution, M. (2020). Pengaruh Brand Image dan Harga Terhadap Keputusan Pembelian Produk Indihome di Kota Medan.

Nasution, S. L. A., Limbong, C. H., & Ramadhan, D. A. (2020). Pengaruh Kualitas Produk, Citra Merek, Kepercayaan, Kemudahan, dan Harga terhadap Keputusan Pembelian pada E-

Dalam dokumen PENGARUH BRAND IMAGE TERHADAP KEPUTUSAN PEMBELIAN DENGAN HARGA SEBAGAI VARIABEL INTERVENING (STUDI PADA PRODUK IPHONE DI KOTA BANDUNG) (Halaman 63-0)