KARAKTERISTIK BERBELANJA ONLINE DI KOTA MALANG

(1)

KARAKTERISTIK BERBELANJA ONLINE DI KOTA MALANG

Guruh Ridlotul Putri, Septiana Hariyani, Nailah Firdausiyah

Jurusan Perencanaan Wilayah dan Kota Fakultas Teknik Universitas Brawijaya Jalan Mayjen Haryono 167 Malang 65145 -Telp (0341)567886

Email: [email protected]

ABSTRAK

Penelitian ini bertujuan untuk mengetahui karakteristik masyarakat di Kota Malang dalam berbelanja baik itu online dan offline serta pengaruhnya terhadap pergerakan berbelanja masyarakat di Kota Malang. Sampel untuk penelitian ini dihitung berdasarkan jumlah penduduk yang berusia minimal 15 tahun dengan mengambil sampel pada 5 (lima) kecamatan di Kota Malang. Pengambilan sampel menggunakan teknik random sampling, yaitu survei dilakukan secara door to door menggunakan kuisioner sebanyak 348 sampel. Analisis pada penelitian ini adalah analisis PLS (Partial Least Square) dengan menggunakan software SmartPLS 2.0. Variabel yang digunakan dalam penelitian adalah variabel terikat (X) dan variabel bebas (Y). Variabel terikat (X) berupa perilaku konsumen, penggunaan internet, kepercayaan, dan keputusan pembelian secara online, sedangkan variabel bebas (Y) yaitu pola pergerakan berbelanja offline dibagi menjadi 16 kategori jenis kebutuhan berbelanja. Berdasarkan hasil survei di Kota Malang, minat beli masyarakat yang berbelanja online sangat dipengaruhi oleh potongan harga dan promosi yang dilakukan penjual. Selain itu, tingkat kepercayaan masyarakat terhadap website online shopping dengan reputasi baik dan memiliki beragam variasi produk merupakan salah satu hal yang menjadi penarik minat pembeli. Sedangkan pada masyarakat yang melakukan offline shopping, kepuasaan dan keleluasaan dalam memeriksa produk sebelum dibeli merupakan hal yang utama. Sehingga, pembeli merasa lebih aman dan tidak perlu khawatir atas penipuan. Berdasarkan hasil analisa PLS, diketahui bahwa perilaku berbelanja online dapat mengurangi pergerakan berbelanja masyarakat di Kota Malang, khususnya pada kebutuhan makanan/minuman, keperluan dan mainan anak, kosmetik dan perawatan kulit, serta fashion tersier.

Kata Kunci : PLS (Partial-Least-Square), Perilaku-Berbelanja, Berbelanja-Online, Pergerakan-Berbelanja, Keputusan-Pembelian.

ABSTRACT

This study aims to determine the characteristics of people in Malang in shopping both online and conventionally as well as its influence on the movement of community shopping in Malang. The sample for this study was calculated based on the total population aged at least 15 years by taking samples in 5 (five) districts in Malang.

Sampling using a random sampling technique, where the survey was conducted door to door using a questionnaire of 348 samples. The analysis in this study is the PLS (Partial Least Square) analysis using SmartPLS 2.0 software. The variables used in this study are dependent variable (X) and independent variable (Y). The dependent variable (X) is in the form of consumer behavior, internet usage, trust, and online purchasing decisions, while the independent variable (Y), which is the movement pattern of offline shopping is divided into 16 categories types of shopping needs. Based on the survey results in Malang City, consumer in shopping online is greatly influenced by price discounts and promotions by sellers. In addition, the level of public trust in online shopping websites with a good reputation and having a wide variety of products is one of the things that attracts consumer interest. Whereas for people who do offline shopping, satisfaction and flexibility in checking products before purchase is the main thing. Therefore, consumer will feel safe and don't have to worry about fraud. Based on the results of PLS analysis, it is known that online shopping behavior can reduce the movement of shopping in Malang City, especially on food / beverage needs, children's needs and toys, cosmetics and skin care, and tertiary fashion.

Keywords: PLS (Partial-Least-Square), Shopping-Behavior, Online-Shopping, Shopping-Movements, Purchasing- Decisions.

PENDAHULUAN

Jumlah penduduk Kota Malang di tahun 2017 berjumlah 861.414 jiwa bertambah 4.704

jiwa menjadi 866.118 jiwa di tahun 2018 (BPS, 2019). Jalan yang ada di Kota Malang tahun 2018 harus menopang kendaraan bermotor sebanyak 715.181 kendaraan dengan jenis kendaraan

(2)

penumpang sebanyak 97.079 kendaraan yang mengalami peningkatan sebanyak 2.453 kendaraan dari tahun 2017, kendaraan umum sebanyak 1.006 kendaraan yang bertambah sebanyak 5 kendaraan dari tahun 2017, dan sepeda motor sebanyak 477.687 kendaraan (BPS, 2019). Hal tersebut disebabkan karena adanya pertumbuhan penduduk, migrasi (pekerja dan mahasiswa), dan wisatawan yang semakin meningkat setiap tahunnya. Hal ini mendorong terjadinya peningkatan jumlah perjalanan. Akibatnya, sering terjadi kemacetan terutama pada waktu-waktu puncak seperti jam pergi dan pulang kantor, akhir pekan, dan hari libur.

Disisi lain, perkembangan teknologi informasi menawarkan kemudahan transportasi bagi masyarakat, termasuk Kota Malang. Salah satu contohnya adalah kegiatan berbasis penggunaan internet (APJII (Asosiasi Penyelenggara Jasa Internet Indonesia), 2018).

Adanya teknologi internet tersebut memudahkan dan memungkinkan masyarakat untuk melakukan aktivitas tanpa harus meninggalkan rumah.

Dengan merebaknya teknologi informasi dan keadaan arus transportasi di Kota Malang yang padat, munculah inovasi-inovasi baru di bidang transportasi. Salah satunya adalah bisnis online. Hal tersebut dapat mengubah pola perjalanan masyarakat dari yang bersifat offline ke online. contohnya adalah kegiatan berbelanja online (online shopping). Online shopping adalah proses membeli produk atau jasa melalui internet (Lai, 2000). Jika dibandingkan pengguna Internet Indonesia pada tahun 2017 sebesar 143,26 juta pengguna (54,68% dari total poluasi penduduk Indonesia) dan tahun 2018 sebesar 171,17 juta jiwa (64,8% dari total populasi penduduk Indonesia), maka terjadi kenaikkan sebesar 27,91 juta pengguna dalam waktu 1 tahun (mengalami kenaikan 10,12% per tahunnya) (APJII, 2018). Sedangkan per Juni 2019, jumlah pengguna internet Indonesia menempati peringkat ke-5 dari seluruh dunia dengan jumlah populasi pengguna internet sebesar 143.260.000 dan memiliki pertumbuhan dari tahun 2000-2019 sebesar 7,063% (Internet World Stats, 2019).

Adanya bisnis online tersebut, masyarakat Kota Malang dapat berbelanja tanpa harus keluar rumah untuk berkeliling dari satu toko ke toko yang lain untuk membandingkan harga dan modelnya, hal tersebut dapat mengurangi

jumlah perjalanan karena pengguna online shop tidak perlu bergelut dengan lalu lintas, tidak perlu mencari parkir, dan berjalan ke toko, disisi lain dapat menghemat waktu, dan biaya (Rotem- Mindali & Weltevreden, 2013). Konsumen memiliki pertimbangan yang logis terkait dengan toko online dan hal ini mendorong konsumen memiliki sikap yang responsif terhadap online shopping (Delafrooz et al., 2010). Keunggulan pembelian secara online ini prosesnya dapat dengan mudah dilakukan cukup dengan membuka web online shop dengan sambungan jaringan internet (Arikunto, 2006)

.

Banyaknya kemudahan-kemudahan yang diberikan online shop, mulai dari informasi yang lengkap, tampilan situs online shop yang menarik, proses pemesanannya yang mudah, proses pengiriman yang mudah, hingga waktu yang digunakan untuk berbelanja lebih irit mampu meningkatkan minat beli melalui online shop terutama dikalangan mahasiswa (Rahmat, Hamang, &

Nurhakki, 2017).

Belanja online sering dianggap nyaman karena bisa dilakukan dari mana saja. Dari rumah, kantor, bahkan melalui telepon seluler.

Tapi di sisi lain tidak hanya memiliki aspek positif melainkan juga memiliki aspek negatif terkait dengan masalah keamanan dalam bertransaksi dengan munculnya berbagai bentuk pelanggaran yang cenderung merugikan konsumen. Beberapa faktor yang menjadi penyebab lemahnya kedudukan konsumen dalam melakukan transaksi perdagangan antara lain:

ketidaktahuan konsumen pada mitra bisnisnya, kurang pahamnya konsumen pada mekanisme transaksi, kurang pahamnya konsumen pada mekanisme transaksi, kurang jelasnya informasi yang diberikan produsen mengenai produk yang ditawarkan, dan sebagainya.

Walaupun masih banyak orang yang masih ragu dengan berbelanja online, tetapi karena alasan kenyamanan, pengguna online shopping bertambah cepat. Terlihat dari banyaknya toko online di jejaring sosial media seperti facebook dan twitter (Partono & Purwanto, 2015). Selain berbelanja, masyarakat Kota Malang mempunyai alasan lain menuju mall/sarana perdangan yaitu untuk sekedar bersosialisasi atau menghibur diri/berekreasi maupun mencari informasi dan stasus sosial. Disaat sedang berjalan-jalan dengan alasan lain itulah seseorang akhirnya melihat-lihat barang yang dijual di outlet-outlet atau etalase mall, kemudian melakukan

(3)

impulsive bulying. Perilaku berbelanja yang dilakukan secara terus menerus dengan berlebihan menjadi gaya hidup seseorang boros dalam berbelanja (Thohiroh & Yuwono, 2015).

Dari permasalahan dan latar belakang diatas, hal menarik yang akan dikaji dalam penelitian ini adalah karakteristik masyarakat dalam berbelanja baik itu online dan secara offline serta pengaruhnya terhadap pergerakan berbelanja masyarakat Kota Malang. Dengan begitu, diharapkan permasalahan lalu lintas seperti kemacetan akibat pergerakan berbelanja dapat teratasi.

METODE PENELITIAN Populasi dan Sampel

Populasi dari survei ini adalah penduduk pengguna internet, minimal usia pengguna internet 15 tahun (BPS, 2018). Adanya keterbatasan database penduduk pengguna internet membuat jumlah sampel dalam survei ini dihitung berdasarkan jumlah penduduk dengan mengambil sampel pada 5 (lima) kecamatan yang ada di Kota Malang.

Pengambilan sampel menggunakan teknik random sampling, dimana survei dilakukan door to door.

Pertama, mengetahui populasi 5 kecamatan di Kota Malang. Setelah itu, mengetahui jumlah penduduk usia minimal 15 Tahun per kecamatan karena pada rentang usia tersebut merupakan usia minimal angkatan kerja atau sesorang diperbolehkan untuk bekerja.

Kemudian, menghitung jumlah sampel menggunakan tabel Issac dan Michael dengan tikat kesalahan sebesar 5% (Zacoeb, 2015).

Setelah memperoleh sampel dari perhitungan tersebut maka akan di bagi lagi berdasarkan kelurahan. Jumlah sampel tiap kelurahan diperoleh dari jumlah penduduk usia 15-59 tahun tiap kelurahan dibagi dengan jumlah penduduk usia 15-59 tahun per kecamatan dikalikan jumlah sampel yang telah didapat di tiap kecamatan. Jumlah sampel dapat dilihat pada tabel 1.

Tabel 1. Jumlah Sampel

Kecamatan Kelurahan Sampel

Blimbing

Jodipan 5

Polehan 7

Kesatrian 4

Bunulrejo 10

Purwantoro 11

Pandanwangi 12

Blimbing 3

Purwodadi 7

Kecamatan Kelurahan Sampel

Polowijen 4

Arjosari 4

Balearjosari 3

Klojen

Kasin 5

Sukoharjo 3

Kiduldalem 2

Kauman 4

Bareng 6

Gadingkasri 4

Oro-oro dowo 5

Klojen 2

Rampal Cakelat 2

Samaan 4

Penanggungan 5

Lowokwaru

Merjosari 9

Dinoyo 8

Sumbersari 8

Ketawanggede 4

Jatimulyo 10

Lowokwaru 8

Tulusrejo 7

Mojolangu 11

Tunjungsekar 7

Tasikmadu 3

Tunggulwulung 3

Tlogomas 8

Kedungkandang

Arjowinangun 4

Tlogowaru 3

Wonokoyo 3

Bumiayu 7

Buring 5

Mergosono 7

Kotalama 12

Kedungkandang 4

Sawojajar 10

Madyopuro 8

Lesanpuro 8

Cemorokandang 5

Sukun

Kebonsari 4

Gadang 7

Ciptomulyo 5

Sukun 7

Bandungrejosari 13

Bakalan Krajan 3

Mulyorejo 6

Bandulan 7

Tanjungrejo 11

Pisang Candi 6

Karang Besuki 7

Total 348

Variabel Penelitian

Variabel penelitian ditentukan berdasarkan tujuan yang ingin dicapai untuk mengetahui pengaruh perilaku berbelanja online terhadap pergerakan berbelanja di Kota Malang.

Variabel penelitian dapat dilihat pada Tabel 2.

Tabel 2. Variabel Penelitian

Variabel Sub- Variabel

Parameter Sumber Perilaku

Konsumen

Faktor Pribadi

• Usia & Tahapan dalam Siklus Hidup

• Pekerjaan

• Keadaan Ekonomi

• Gaya Hidup

Kotler (2000)

(4)

Parameter Sumber Faktor

Sosial

• Frekuensi &

Lama Berbelanja

• Pendidikan

• Pengaruh Lingkungan (Kelompok referensi, keluarga, peran dan status) Kemudaha

n Transaksi

• Tingkat Kemudahan Pengoperasian/P enggunaan aplikasi online shoping

• Efisiensi

• Metode pembayaran Harga • Daftar Harga

• Diskon

• Promosi

• Persaingan Harga

• Penyesuaian/Per bandingan Harga Produk • Variasi Produk

• Kualitas Produk

• Kemasan Produk

• Merek Produk Pengetahu

an teknologi

Penggunaa n Internet

• Lama mengakses internet dalam seminggu

• Penggunaan fasilitas internet

• Manfaat internet bagi responden

Rofiq (2007)

Kepercaya an

Keamanan • Garansi Toko Online

• Kerahasiaan data

• Perlindungan Konsumen

• Keamanan Pembayaran

Kim (2003)

Kepercaya an terhadap penjual

• Keyakinan terhadap online shop website perusahaan

• Keyakinan terhadap penjual online

perorangan Keputusan

Pembelian

Keputusan membeli

• Pengenalan masalah kebutuhan

• Pencarian informasi

• Evaluasi alternative Pembelian

• Proses dalam Pengambilan Keputusan

• Perilaku Pasca Pembelian

Schiffma n (2008)

Pola Pergerakan

• Sebelu m adanya e- comm ers

• Penghasilan keluarga

• Jarak dari pusat kegiatan kota (tempat berbelanja)

• Moda

Warpani (1990)

Parameter Sumber perjalanan

• Penggunaan kendaraan

• Waktu perjalanan

Metode Analisis

Penelitian ini menggunakan analisis regresi partial (Partial Least Square/ PLS) untuk menguji ke-empat hipotesis yang diajukan dalam penelitian ini. Masing-masing hipotesis akan dianalisis menggunakan software SmartPLS 2.0 untuk menguji hubungan antar variabel.

Tujuan peneliti menggunakan PLS sebab PLS tidak didasarkan pada banyak asumsi atau syarat seperti uji normalitas dan multikolinearitas, data tidaklah harus berdistribusi normal multivariate. Bahkan indikator dengan skala data kategori, ordinal, interval sampai rasio dapat digunakan. Selain itu ukuran sampelnya tidak harus besar. Berikut merupakan langkah-langkah dalam analisis menggunakan PLS:

1. Merancang Model Pengukuran (Outer Model) Model pengukuran dinilai dengan menggunakan reliabilitas dan validitas.

2. Merancang Model Struktural (Inner Model) Memformulasikan model hubungan antar konstruk kemudian dilakukan evaluasi Model (Goodness of Fit)

3. Mengkonstruksikan Diagram Jalur

Untuk memvisualisasikan hubungan antar indikator dengan konstruknya serta antara konstruk yang akan mempermudah peneliti untuk melihat model secara keseluruhan 4. Pengujian Hipotesis.

HASIL DAN PEMBAHASAN

Berdasarkan hasil survei yang telah dilakukan, responden yang berjenis kelamin perempuan sebanyak 254 responden (72,99%), dan yang berjenis kelamin laki-laki sebanyak 94 responden (27,01%). Hal ini disebabkan karena perempuan lebih memiliki hasrat untuk berbelanja daripada laki-laki, serta perempuan juga lebih menguasai manfaat dan fitur-fitur aplikasi berbelanja online. Sebaliknya, selain laki- laki tidak memiliki hasrat untuk berbelanja, laki- laki lebih mementingkan kebutuhan daripada keinginan.

Responden yang mendominasi melakukan kegiatan berbelanja dasarkan usia yaitu 20-24 tahun sebanyak 117 responden (34%). Hal ini

(5)

dikarenakan pada usia ini seseorang cenderung lebih sering untuk melakukan pencarian informasi dan lebih mudah terpengaruh oleh iklan maupun rekomendasi untuk melakukan pembelian produk barang atau jasa suatu merek, karena semakin tinggi usia maka akan semakin logis pula pola berfikir mereka untuk melakukan suatu pembelian barang atau jasa.

Responden yang mendominasi dalam berbelanja online memiliki pendapatan per bulan sebesar Rp1.000.000–Rp2.999.999 sebanyak 102 responden (29%). Responden yang mendominasi untuk berbelanja online yaitu pelajar atau mahasiswa dengan jumlah 94 jiwa yang terdiri dari 40 jiwa laki-laki dan 54 jiwa perempuan. Untuk profesi lain yang mendominasi adalah IRT dengan jumlah 84 jiwa, selanjutnya wiraswasta sebanyak 74 jiwa.

Karakteristik responden berdasakan variabel dalam penelitian ini dapat dilihat pada Tabel 3.

Tabel 3. Karakteristik Responden

Variabel Belanja Online Belanja Offline Perilaku

Konsumen

Potongan harga yang diberikan toko online mempengaruhi minat beli konsumen untuk berbelanja secara online.

Hal ini menunjukkan bahwa semakin besar potongan harga yang diberikan oleh penjual online/online shop, semakin besar pula masyarakat yang melakukan pembelian secara online. Didukung dengan banyaknya promosi yang dilakukan oleh toko online seperti potongan harga pada hari tertentu, beli 1 gratis 1, cuci gudang dan lainnya menjadi daya tarik untuk berbelanja online.

Dengan belanja offline/ di mall responden mendapatkan barang langsung.

Hal ini

menunjukkan bahwa responden memiliki tipe orang yang tidak suka bertele-tele, dengan

melakukan pembelian barang ke mall/toko langsung, mereka akan mendapat kepuasan tersendiri.

Dengan

mendatang toko responden dapat memeriksa barang/produk yang akan dibeli.

Penggunaan Internet

Semua responden setuju bahwa pengalaman/

pengetahuan tentang penggunaan internet, seberapa sering berinteraksi dengan internet, dan dapat memanfaatkan internet secara positif dapat membantu seseorang melakukan transaksi online

-

Kepercayaan Responden hanya percaya beberapa nama besar website online yang memiliki reputasi baik di Indonesia.

Semakian maraknya

Responden langsung mendapatkan/me mbawa produk yang sudah dibeli, sehingga

Variabel Belanja Online Belanja Offline penipuan dalam jejaring

sosial yang berbasis online shop, menjadikan responden was-was apabila terdapat online shop yang tidak memiliki reputasi yang baik

terhindar dari kejahatan penipuan dalam bertransaksi secara online

Keputusan Pembelian

Responden memilih berbelanja online, karena memberikan banyak variasi produk.

Hal tersebut jelas dilakukan setelah responen melakukan perbandingan dengan toko offline dan situs online lainnya

Responden memilih berbelanja offline/mall, karena tidak mengkhawatirkan keamanan seperti saat berbelanja online. Selain itu, informasi yang ditampilkan pada toko offline/mall adalah informasi yang benar

Model Pengukuran (Outer Model) Uji Validitas

Validitas terbagi menjadi dua. Pertama, uji validitas konvergen dapat diketahui melalui loading faktor dan nilai AVE. Suatu instrument dikatakan memenuhi pengujian validitas konvergen apabila memiliki loading factor diatas 0,7. Kedua, uji validitas diskriminan dapat diukur dengan menggunakan cross loadings dengan kriteria apabila nilai loading factor dalam suatu variabel yang bersesuaian lebih besar dari nilai korelasi indikator pada variabel lainnya (cross correlation) maka indikator tersebut dinyatakan valid. Uji validitas dapat dilihat pada Tabel 4.

Tabel 4. Uji Validitas

Jenis Kebutuhan Loading

Factor AVE Cross Loading

Makanan/minuman valid valid valid

Sembako valid valid valid

Pulsa valid valid valid

Fashion (Pakaian, Jilbab,

Sandal) valid valid valid

Keperluan anak-anak

(pakaian, susu, pampers) valid valid valid Perlengkapan P3K/Obat-

obatan valid valid valid

Buku Sekolah/

Pelajaran/

Buku Perkuliahan

valid valid valid

Fashion (tas, sepatu) valid valid valid Mainan Anak-anak valid valid valid Kosmetik dan perawatan

kulit valid valid valid

Fashion (tas branded, baju

branded, sepatu branded) valid valid valid Perhiasan/ Aksesoris valid valid valid Hobi (video game, flora &

fauna, buku, dll) valid valid valid Otomotif (motor, mobil,

aksesoris kendaraan, spare- part)

valid valid valid

Service (tiket, tour & travel, valid valid valid

(6)

Jenis Kebutuhan Loading

Factor AVE Cross Loading jasa rumah tangga, dll)

Barang seni (kerajinan tangan, lukisan, barang antic, dll)

valid valid valid

Sumber: Hasil Analisis, 2019

Uji Reliabilitas

Uji reliabilitas variabel pada penelitian ini diukur dengan composite reliability dari indikator yang mengukur variabel karena menurut Salisbury, Chin, Gopal, & Newsted (2002) dalam Willy dan Jogiyanto (2015), composite reliability dinilai lebih baik dalam mengestimasi konsistensi internal suatu konstruk. Variabel dinyatakan reliabel jika nilai composite reliability lebih besar dari 0,7. Nilai composite reliability dapat dilihat pada Tabel 5.

Tabel 5. Composite Reliability

Jenis Kebutuhan Composite

Reliability

Makanan/minuman Reliabel

Sembako Reliabel

Pulsa Reliabel

Fashion (Pakaian, Jilbab, Sandal) Reliabel Keperluan anak-anak (pakaian, susu, pampers) Reliabel Perlengkapan P3K/Obat-obatan Reliabel Buku Sekolah/Pelajaran/Buku Perkuliahan Reliabel

Fashion (tas, sepatu) Reliabel

Mainan Anak-anak Reliabel

Kosmetik dan perawatan kulit Reliabel Fashion (tas branded, baju branded, sepatu

branded)

Reliabel

Perhiasan/ Aksesoris Reliabel

Hobi (video game, flora & fauna, buku, dll) Reliabel Otomotif (motor, mobil, aksesoris kendaraan,

spare-part)

Reliabel

Service (tiket, tour & travel, jasa rumah tangga, dll)

Reliabel

Barang seni (kerajinan tangan, lukisan, barang antic, dll)

Reliabel

Sumber: hasil analisis, 2019

Model Struktural (Inner Model) Goodness Of Fit

Goodness of fit Model dalam analisis PLS dilakukan dengan menggunakan R-Square.

Tabel 6. Goodness of Fit

Jenis Kebutuhan R-Square

Makanan/minuman 0,446

Sembako 0,440

Pulsa 0,456

Fashion (Pakaian, Jilbab, Sandal) 0,541 Keperluan anak-anak (pakaian, susu, pampers) 0,704

Perlengkapan P3K/Obat-obatan 0,542

Buku Sekolah/Pelajaran/Buku Perkuliahan 0,584

Fashion (tas, sepatu) 0,539

Mainan Anak-anak 0,732

Kosmetik dan perawatan kulit 0,649

Fashion (tas branded, baju branded, sepatu

branded) 0,761

Perhiasan/ Aksesoris 0,568

Hobi (video game, flora & fauna, buku, dll) 0,598

Jenis Kebutuhan R-Square

Otomotif (motor, mobil, aksesoris kendaraan,

spare-part) 0,519

Service (tiket, tour & travel, jasa rumah tangga,

dll) 0,609

Barang seni (kerajinan tangan, lukisan, barang

antic, dll) 0,423

Sumber: Hasil analisis 2019

Berdasarkan Tabel 6 dapat diketahui bahwa R-square pola pergerakan berbelanja pada masing-masing jenis kebutuhan berbelanja yang menunjukkan bahwa keragaman variabel pola pergerakan berbelanja mampu dijelaskan oleh perilaku konsumen, penggunaan internet, kepercayaan, dan keputusan pembelian atau dengan kata lain pengaruh variabel perilaku konsumen, penggunaan internet, kepercayaan, dan keputusan pembelian terhadap pola pergerakan berbelanja mempunyai pengaruh yang substantif. Nilai r-square 0,75, 0,50, dan 0,25 dapat disimpulkan bahwa model kuat, moderate, dan lemah.

Diagram Jalur

Diagram Jalur dalam penelitian ini dapat dilihat pada gambar berikut.

Gambar 1. Makanan/Minuman

Gambar 2. Sembako

Gambar 3. Pulsa

(7)

Gambar 4. Fashion Primer

Gambar 5. Keperluan Anak-anak

Gambar 6. Perlengkapan P3K

Gambar 7. Buku Pelajaran/Kuliah

Gambar 8. Fashion Sekunder

Gambar 9. Mainan Anak-anak

Gambar 10. Kosmetik & Perawatan Kulit

Gambar 11. Fashion Tersier

Gambar 12. Perhiasan/Aksesories

Gambar 13. Hobi

Gambar 14. Otomotif

Gambar 15. Service

(8)

Gambar 16. Barang Seni Uji Hipotesis

Pengujian signifikansi digunakan untuk menguji ada tidaknya pengaruh variabel eksogen terhadap variabel endogen. Kriteria pengujian menyatakan bahwa apabila nilai T-statistics ≥ T- tabel (1,96). Uji Hipotesis dapat dilihat pada Tabel 7.

Tabel 7. Uji Hipotesis

Jenis

Kebutuhan Variabel T-

statistik Ket Makanan/

minuman

Perilaku Konsumen 1,270 Tdk Penggunaan Internet 1,980 Sig.

Kepercayaan 1,178 Tdk

Keputusan Pembelian 1,221 Tdk

Sembako

Perilaku Konsumen 0,861 Tdk Penggunaan Internet 0,840 Tdk

Pulsa

Kepercayaan 2,467 Sig.

Keputusan Pembelian 0,109 Tdk Fashion

(Pakaian, Jilbab, Sandal)

Keputusan Pembelian 2,193 Sig.

Keperluan anak- anak (pakaian, susu, pampers)

Perilaku Konsumen 3,067 Sig.

Penggunaan Internet 2,339 Sig.

Perlengkapan P3K/Obat- obatan

Keputusan Pembelian 0,039 Tdk Buku Sekolah/

Pelajaran/

Buku Perkuliahan

Fashion (tas, sepatu)

Mainan Anak- anak

Perilaku Konsumen 3,530 Sig.

Penggunaan Internet 3,004 Sig.

Kosmetik dan perawatan kulit

Fashion Tersier

Keputusan Pembelian 1,890 Tdk Perhiasan/ Perilaku Konsumen 1,163 Tdk

Jenis

Kebutuhan Variabel T-

statistik Ket Aksesoris Penggunaan Internet 0,122 Tdk

Hobi

Otomotif

Service

Barang seni

Keputusan Pembelian 1,228 Tdk Sumber: hasil analisis, 2019

Berdasarkan Tabel 7 di atas dapat diketahui bahwa pengujian hipotesis pengaruh variabel perilaku konsumen, penggunaan internet, kepercayaan, dan keputusan pembelian terhadap pola pergerakan berbelanja dari masing-masing jenis kebutuhan berbelanja. Hasil pengujian yang menunjukkan nilai T Statistics >

T-tabel = 1,96 dapat diartikan bahwa terdapat pengaruh yang signifikan dari variabel X (perilaku konsumen, penggunaan internet, kepercayaan, dan keputusan pembelian) terhadap variabel Y (pola pergerakan berbelanja). Uji hipotesis didapat bahwa jenis kebutuhan makanan/minuman, keperluan anak-anak, mainan anak-anak, kosmetik dan perawatan kulit, dan fashion tersier.

Konversi Diagram Jalur Ke Dalam Model Strukural

Konversi diagram jalur ke dalam model pengukuran dimaksudkan untuk mengetahui bagaimana pengaruh variabel eksogen terhadap variabel endogen secara langsung maupun tidak langsung sebagaimana disajikan dalam tabel berikut :

Tabel 8. Path Coefficients Makanan/Minuman

Eksogen Endogen Path Coefficients

Perilaku Konsumen Pola Pergerakan Berbelanja -0,209 Penggunaan Internet Pola Pergerakan

Berbelanja -0,451*

Kepercayaan Pola Pergerakan Berbelanja -0,172 Keputusan Pembelian Pola Pergerakan

Berbelanja 0,156 Sumber: Hasil analisis 2019

Keterangan : * (Signifikan)

Berdasarkan tabel diatas dapat diketahui bahwa model pengukuran yang terbentuk adalah :

(9)

YA = – 0,451 X2

= − 0,451 (0,751 X2.1 + 0,713 X2.2 + 0,821 X2.3) Dari persamaan tersebut dapat diinformasikan bahwa:

Pembeli lebih memesan

makanan/minuman secara online karena toko online menawarkan diskon, misalnya harga barang di toko online (gojek) mendapat potongan 20% dari harga toko offline dan mendapat diskon gratis ongkos kirim, sehingga harga barang yang didapat jauh lebih murah dibanding datang ke toko offline.

Demikian dengan adanya pengaruh penggunaan internet untuk berbelanja online diharapkan dapat mengurangi jumlah perjalanan/pergerakan berbelanja secara offline.

Karena pengguna online shop tidak perlu bergelut dengan lalu lintas, tidak perlu mencari parkir, dan berjalan ke toko, disisi lain dapat menghemat waktu, dan biaya. Serta, adanya bisnis online tersebut, masyarakat Kota Malang dapat berbelanja tanpa harus keluar rumah untuk berkeliling dari satu toko ke toko yang lain untuk membandingkan harga dan modelnya.

Permodelan diatas dapat diaplikasikan guna mengurangi jumlah perjalanan dari bangkitan tarikan yang ada. Misalnya, jumlah

pergerakan untuk berbelanja

makanan/minuman yang ada di Kota Malang berjumlah 348 pergerakan per harinya. Dengan adanya pengaruh penggunaan internet maka dapat mengurangi jumlah perjalanan sebesar 201 pergerakan. Berikut perhitungannya:

YA = – 0,451 X2

= − 0,451 (0,751 X2.1 + 0,713 X2.2 + 0,821 X2.3) Jumlah orang yang memilih “Sangat Setuju” pada indikator penggunaan internet (X2) yaitu X2.1 = 166 ; X2.2 = 248 ; X2.3 = 175.

X2.1 = 0,751 x 166 = 124,666 X2.2 = 0,713 x 248 = 176,824 X2.3 = 0,821 x 175 = 143,675 YA = – 0,451 X2

= − 0,451 ( 124,666+ 176,824 + 143,675)

= − 0,451 ( 445,165 )

= − 200,769

= − 201

Maka dengan adanya pengaruh penggunaan internet pada kebutuhan makanan/minuman secara online dapat mengurangi sebesar 201 pergerakan. Sehingga jumlah pergerakannya menjadi 147 pergerakan.

Diharapkan dengan adanya pengaruh jumlah pergerakan tersebut, pengaruh perilaku berbelanja online dapat menjadi masukan

pemerintah untuk mengatasi kemacetan yang terjadi akibat banyaknya pergerakan berbelanja offline serta pengawasan dari undang-undang konsumen tentang berbelanja online.

KESIMPULAN

1. Karakteristik berbelanja online masyarakat Kota Malang dipengaruhi oleh:

a. Potongan harga yang diberikan toko online mempengaruhi minat beli konsumen untuk berbelanaja secara online. Semakin besar potongan harga yang diberikan oleh penjual online/online shop, semakin besar pula masyarakat yang melakukan pembelian secara online.

b. Kepercayaan terhadap beberapa nama besar website online yang memiliki reputasi baik di Indonesia seperti bukalapak, tokopedia, shopee, dan gojek.

c. Banyaknya variasi produk pada toko online. Hal tersebut jelas dilakukan setelah konsumen/responden melakukan perbandingan dengan toko offline dan situs online lainnya.

2. Karakteristik berbelanja offline masyarakat Kota Malang dipengaruhi oleh:

a. Dengan mendatangi toko responden dapat memeriksa barang/produk yang akan dibeli dan mendapatkan barang secara langsung. Sehingga dengan begitu mereka akan mendapat kepuasan tersendiri.

b. Responden tidak perlu mengkhawatirkan keamanan berupa data identitas diri, nomor rekening, penipuan, kehilangan dan kerusakan barang saat diekspedisi, seperti saat berbelanja online. Selain itu, informasi yang ditampilkan pada toko offline/mall adalah informasi yang benar.

c. Responden langsung

mendapatkan/membawa produk yang sudah dibeli, sehingga terhindar dari kejahatan penipuan dalam bertransaksi secara online.

3. Dari keempat variable yaitu variabel perilak konsumen, variabel penggunaan internet, variabel kepercayaan, dan variabel keputusan pembelian. Variabel penggunaan internet menjadi kunci utama dalam berbelanja online. Hal tersebut dikarenakan pengaruh utama untuk berbelanja online adalah penggunaan internet, tanpa internet maka masyarakat Kota Malang tidak dapat

(10)

mengakses situs berbelanja online. Sehingga, berdasarkan analisis PLS yang dapat diketahui bahwa berbelanja online dapat mengurangi pergerakan berbelanja masyarakat kota Malang untuk jenis kebutuhan makanan/minuman, keperluan anak-anak (pakaian, susu, pampers), mainan anak-anak, kosmetik dan perawatan kulit, dan fashion tersier (tas branded, baju branded, sepatu branded).

DAFTAR PUSTAKA

Arikunto, Suharsimi. 2006. Prosedur Penelitian Suatu Tindakan Praktik. Jakarta:

Rineka Cipta.

Delafrooz, N., Paim, L. H., & Khatibi, A. 2010.

Students’ Online Shopping Behavior:

An Empirical Study. Journal of American ScienceJournal of American Science, 66(11), 137–147.

Ghozali, Imam. 2015. Partial Least Squares Konsep, Teknik, dan Aplikasi menggunakan Program SmartPLS 3.0 Edisi 2. Semarang: Universitas Diponegoro

Hasil survei pengguna internet tahun 2018 oleh Asosiasi Penyelenggara Jasa Internet

Indonesia (APJII)

Kecamatan Blimbing Dalam Angka. 2018. Kota Malang

Kecamatan Kedungkandang Dalam Angka. 2018.

Kota Malang

Kecamatan Klojen Dalam Angka. 2018. Kota Malang

Kecamatan Lowokwaru Dalam Angka. 2018. Kota Malang

Kecamatan Sukun Dalam Angka. 2018. Kota Malang

Kim. 2003. Analisis faktor-faktor kepercayaan pelanggan dalam transaksi e- commerce. Kota Malang Dalam Angka. 2018. Kota Malang.

Kota Malang Dalam Angka. 2018. Kota Malang Kotler, Philip. 2000. Prinsip-prinsip Pemasaran Manajemen. Jakarta: Prenhalindo.

Liang, T. P., & Lai, H. J. 2000. Electronic store design and consumer choice: an empirical study. Proceedings of the Hawaii International Conference on

System Sciences, (January 2000), 152.

Partono, A. A., & Purwanto, A. 2015. Pengaruh Karakteristik Komite Audit Dan Audit Eksternal Sebagai Mekanisme Pengawasan Pada Manajemen Laba (Studi Empiris pada Perusahaan Manufaktur yang terdaftar di BEI tahun 2012-2013). 4(2), 10–23.

Rahmat, S., Hamang, N., & Nurhakki. 2017.

Pengaruh Online Shop Terhadap Minat Beli Mahasiswa Stain

Parepare. 1, 22–46.

Rofiq, Ainur. 2007. Pengaruh Dimensi Kepercayaan (Trust) Terhadap Partisipasi Pelanggan E-Commerce (Studi Pada Pelanggan E-Commerce Di Indonesia). Universitas Brawijaya.

Rotem-Mindali, O., & Weltevreden, J. W. J. 2013.

Transport effects of e-commerce:

What can be learned after years of research? Transportation, 40(5), 867–

885. https://doi.org/10.1007/s11116- 013-9457-6

Schiffman, L., & Kanuk, L. L. 2007. Perilaku Konsumen Edisi Ketujuh. In PT. Indeks Gramedia.

Thohiroh, A. Q., & Yuwono, S. 2015. Perilaku Konsumtif Melalui Online Shopping Fashion Pada Mahasiswi Fakultas Psikologi Universitas Muhammadiyah Surakarta. Fakultas Psikologi Universitas Muhammadiyah Surakarta, 16(1), 24–25.

https://doi.org/10.30798/makuiibf.32 3102

Warpani, P. Suwardjoko. 1990. Merencanakan Sistem Perangkutan. Bandung:

Penerbit ITB

Willy & Jagiyanto. 2015. Partial Least Square (PLS) – Alternatif Structural Equation Modeling (SEM) dalam Penelitian Bisnis. Yogyakarta: Andi World Stats. Top Internet Usage.

https://www.internetworldstats.com/

top20.htm (Diakses pada tanggal 10

September 2019).

Zacoeb, A. 2015. Metode Penelitian (Populasi dan Sampel). Malang: Teknik Sipil

Universitas Brawijaya.