BAB IV
METODE PENELITIAN
4.1 Jenis Desain Penelitian
Menurut Margono (2010) penelitian adalah semua kegiatan pencarian, penyelidikan, dan percobaan secara alamiah dalam satu bidang tertentu, untuk mendapatkan fakta-fakta atau prinsip-prinsip baru yang bertujuan untuk mendapatkan pengertian baru dan menaikkan tingkat ilmu serta teknologi. Berdasarkan pengertian tersebut, maka ketika seseorang melakukan penelitian akan membutuhkan bentuk atau jenis penelitian tertentu yang sesuai dengan bidang penelitian yang dilakukannya. Bentuk inilah yang disebut sebagai desain atau rancangan penelitian.
Menurut Rangkuti (2006), desain penelitian dikelompokkan menjadi dua kelompok, yaitu desain penelitian eksploratori dan konklusif. Desain penelitian konklusi selanjutnya dibagi lagi menjadi dua jenis, yaitu desain penelitian deskriptif dan desain penelitian kausalitas. Desain penelitian dengan uji hipotesis dan kausalitas merupakan desain penelitian eksplanatori (explanatory research).
Dalam penelitian ini akan digunakan desain penelitian kausalitas, yaitu menganalisis hubungan kausalitas (sebab-akibat) antara variabel penelitian sesuai dengan hipotesis yang disusun. Jenis penelitian ini dipilih mengingat tujuan dari penelitian ini adalah untuk menjelaskan hubungan dan pengaruh yang terjadi antara variabel yang diteliti.
Berdasarkan hipotesis dari rancangan ini, terdapat empat variabel yang digunakan yaitu : kegiatan pemasaran digital, perilaku konsumen secara online, kesadaran konsumen terhadap e-commerce website Campina, dan keputusan pembelian es krim dan ice cream cake di e-commerce website Campina.
Langkah selanjutnya adalah menentukan instrumen penelitian berdasaran variabel-variabel, kemudian dilakukan pengumpulan data dengan menggunakan metode kuesioner. Teknik analisis yang digunakan adalah analisa SEM (Structural
Equation Modelling) dimana hasil analisis kemudian diinterpretasikan serta terakhir
dilakukan langkah menarik kesimpulan dan memberikan saran.
4.2. Ruang Lingkup Penelitian
Untuk memperjelas permasalahan yang akan dibahas agar penelitian ini lebih terarah, maka penulis membatasi ruang lingkup penelitian ini sebagai berikut :
1. Kajian hanya dilakukan pada penjualan produk es krim dan ice cream cake merek Campina Ice Cream lewat online channel, yaitu e-commerce website Campina. 2. Responden dibatasi hanya pada konsumen yang sudah terdaftar sebagai member
website dan pernah memesan (membeli) es krim dan/atau ice cream cake Campina
lewat layanan e-commerce website paling tidak satu kali dan tinggal di area DKI Jakarta.
3. Variabel penelitian dibatasi pada kegiatan pemasaran digital, perilaku konsumen secara online, kesadaran konsumen terhadap e-commerce website Campina, dan pengambilan keputusan pembelian es krim dan/atau ice cream cake via
e-commerce website Campina.
4.3. Lokasi Penelitian
Penelitian ini dilakukan terhadap responden berupa orang perseorangan yang sudah terdaftar sebagai member website Campina Delivery, yang setidaknya pernah melakukan pembelian produk Campina via e-commerce website, dan bertempat tinggal di area DKI Jakarta.
4.4. Pendekatan Penelitian
Ditinjau dari jenis datanya, pendekatan penelitian yang dipergunakan dalam penelitian ini adalah pendekatan kualitatif dan kuantitatif.
4.5. Variabel Penelitian Yang Dipergunakan
4.5.1. Definisi Konsep
Sesuai dengan kerangka pemikiran yag digunakan, maka dalam penelitian ini variabel-variabel yang dipergunakan adalah :
1. Variabel exogenous (X), yaitu variabel independen yang memengaruhi variabel dependen. Dalam konsep penelitian ini, terdapat dua variabel independen. Yaitu variabel kegiatan pemasaran digital (X1) dan variabel perilaku konsumen secara
online (X2).
2. Variabel intervening (Y) merupakan variabel endogenous dan sekaligus variabel
independen yang mempengaruhi variabel endogeneous lainnya dalam satu model.
Pada penelitian ini, variabel intervening adalah kesadaran konsumen terhadap
e-commerce website Campina.
3. Variabel endogeneous (Z) adalah variabel dependen yang dipengaruhi oleh variabel independen dalam suatu model. Dalam penelitian ini, sebagaimana konsep yang telah digambarkan sebelumnya, maka variabel ini adalah keputusan pembelian pada
e-commerce website Campina. Variabel ini dipengaruhi oleh variabel pemasaran
digital, perilaku konsumen secara online terhadap e-commerce website Campina dan kesadaran konsumen terhadap e-commerce website Campina.
4.5.2. Definisi Operasional
Untuk menjelaskan maksud dan pengertian variabel-variabel pada definisi konsep, maka berikut ini adalah tabel yang merumuskan definisi operasional dari masing-masing variabel dan dimensi pengukurannya :
Tabel 4.1. Operasional Variabel
Variabel Dimensi Dalam Penelitian Indikator
Digital Marketing (X1) Website (X1.1) a. Manfaat website
b. E-commerce website Campina menjadi pilihan belanja es krim
Search Engine Optimation
(X1.2) a. E-commerce website Campina mudah ditemukan b. Informasi tentang Campina selalu ada di halaman pertama urutan teratas hasil pencarian Google
Online PR (X1.3) a. Artikel online Campina sangat membantu
Social Network (X1.4) a. Media sosial sebagai sumber informasi pertama
b. Informasi dari media sosial Campina bermanfaat untuk konsumen
E-mail Marketing (X1.5) a. Kesediaan menerima e-mail
marketing Campina sekali dalam
seminggu
Customer Relationship
Management (X1.6) a. Kesediaan konsumen menerima e-mail karena sudah terdaftar
sebagai member b. Kesediaan konsumen memberikan masukan/kritik c. Kesediaan konsumen
memberikan review dan testimony Perilaku Online
Konsumen (X2) Pengetahuan Internet (X2.1) a. Rata-rata waktu yang dihabiskan konsumen dalam mengakses internet
b. Perangkat yang disukai konsumen dalam mengakses internet
Pengalaman belanja (X2.2) a. Pilihan produk Campina bisa ditemukan dengan mudah di
website
b. Pilihan cara pembayaran di website sudah cukup memadai c. Proses pembayaran di website mudah
Pengalaman hiburan (X2.3) a. Tampilan website Campina menarik
b. Website Campina memerlukan perbaikan tampilan
Penggunaan website (X2.4) a. Proses belanja es krim lebih mudah karena adanya website b. Konsumen mudah untuk log in ke website
Kesadaran konsumen
akan website (Y) Tidak menyadari merek (brand unaware) (Y1) a. Konsumen tidak tahu keberadaan website sebelum mengunjungi website Campina
b. Konsumen tidak tahu produk ice
cream cake Campina sebelum
mengunjungi website Campina c. Konsumen tidak tahu layanan pesan antar Campina sebelum mengunjungi website Campina Pengenalan merek (brand
recognition)(Y2) a. Merek Campina memberikan keyakinan kepada konsumen Pengingatan kembali merek
(brand recall) (Y3)
a. Konsumen pernah mengunjungi website Campina
b. Website Campina adalah satu-satunya pilihan konsumen dalam berbelanja es krim
Keputusan Pembelian
di Website (Z) commerce website Campina Consumer value dari
e-(Z1)
a. Kenyamanan bernavigasi dalam website Campina
b. Kepuasan berbelanja di website Campina
Trust kepada e-commerce
website Campina (Z2) a. Kesediaan untuk berbelanja kembali di website Campina b. Kesediaan merekomendasikan ke kolega, saudara, dan teman
Pengalaman membeli sebelumnya di e-commerce
website Campina (Z3)
a. Kepuasan terhadap pelayanan petugas call center
b. Kepuasan terhadap pelayanan
delivery man
Sumber : literatur dan internet (2015) 4.5.3. Instrumen Penelitian
Dari operasional variabel instrumen penelitian di dalam penelitian ini, terdapat empat variabel yang dijadikan instrumen penelitian. Variabel tersebut terdiri dari variabel bebas dan variabel terikat sebagai berikut :
a. Variabel exogenous (bebas) yaitu pemasaran digital (X1)
b.Variabel exogenous (bebas) yaitu perilaku konsumen secara online (X2)
c. Variabel intervening yaitu kesadaran konsumen terhadap website Campina (Y) d. Variabel endogenous (terikat) yaitu keputusan pembelian konsumen di website
4.5.4. Pengukuran Variabel
Pengukuran masing-masing variabel dalam penelitian ini akan menggunakan skala Likert. Skala ini merupakan skala psikometrik dengan metode bipolar yang mengukur baik mengenai tanggapan positif maupun tanggapan negatif tentang suatu pernyataan. Responden yang diberikan sebuah kuesioner dengan menggunakan skala ini akan dapat menyatakan tingkat persetujuan mereka terhadap suatu penyataan yang telah dituliskan dengan memilih salah satu dari pilihan yang tersedia. Pengertian skala Likert menurut Sugiono (2008 : 93) : “Skala Likert digunakan untuk mengukur sikap
(attitude), pendapat, dan persepsi seseorang atau sekelompok orang mengenai
fenomena sosial.”
Dalam penelitian ini, skala Likert yang digunakan adalah skala dengan lima tingkatan. Adapun alasan pemilihan lima tingkatan ini adalah kesesuaian dengan berbagai penelitian sebelumnya. Pilihan jawaban dan skor numerik yang diberikan untuk masing-masing jawaban tersebut adalah sebagai tersebut :
Tabel 4.2. Instrumen Skala Likert
Jawaban Skor Penyataan
Positif Negatif
Sangat Setuju (SS) 5 1
Setuju (S) 4 2
Ragu-ragu (R) 3 3
Tidak Setuju (TS) 2 4
Sangat Tidak Setuju (STS) 1 5
Sumber : Putri (2014)
4.6. Populasi dan Sampel Penelitian
4.6.1. Populasi
Sugiyono (2008) menyatakan bahwa populasi adalah wilayah generalisasi yang terdiri atas subjek-subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Populasi adalah keseluruhan objek yang menjadi perhatian dalam satu penelitian. Sedangkan populasi disebut Malhotra (2006) sebagai gabungan seluruh elemen yang memiliki karakteristik serupa, yang mencakup semesta untuk kepentingan masalah riset pemasaran.
Berdasarkan definisi-definisi populasi tersebut, maka populasi pada penelitian ini adalah para pelanggan Campina yang sudah terdaftar menjadi member di e-commerce
website Campina dan pernah melakukan pembelian produk es krim dan/atau ice cream cake Campina lewat e-commerce website Campina.
4.6.2. Sampel Penelitian
Sampel adalah sebagian objek yang diambil dari populasi dimana karakteristiknya akan diselidiki dan dianggap dapat mewakili seluruh populasi yang menjadi bahan perhatian dalam penelitian. Menurut Malhotra (2006) mengatakan bahwa apabila jumlah populasinya tidak diketahui secara pasti maka jumlah sampel paling sedikit adalah 5 sampai dengan 10 kali jumlah indikator.
Metode sampling yang digunakan dalam penelitian ini adalah melalui teknik
judgement sampling, yaitu teknik pengambilan sampel dari populasi berdasarkan suatu
kriteria berupa suatu pertimbangan tertentu (Jogiyanto dalam Hardiyanto, 2010). Kriteria sample adalah responden yang sudah terdaftar sebagai member e-commerce
website Campina Ice Cream , pernah melakukan setidaknya satu kali transaksi di e-commerce website, dan tinggal di area DKI Jakarta. Jumlah sample sebanyak 359
responden mengacu pada ketentuan yang ditetapkan oleh Hair, et al. (Supramono & Haryanto, 2005 dalam Hardiyanto, 2010) yaitu jumlah sample minimum adalah 100 orang.
4.7. Jenis dan Sumber Data
1. Data kuantitatif, yaitu jenis data yang berbentuk angka-angka. Misalnya jumlah pengguna internet dan jumlah penjualan yang dicapai dalam satu tahun.
2. Data kualitatif, yaitu jenis data yang tidak berbentuk angka-angka dan tidak dapat diukur, informasinya adalah berupa keterangan yang berhubungan dengan masalah yang diteliti dalam bentuk uraian kalimat, seperti kondisi objek penelitian, dan
awareness konsumen.
Sedangkan data menurut sumbernya dibagi menjadi :
1. Data primer :
Data primer adalah data yang diperoleh secara langsung dari sumbernya. Data primer dalam penelitian ini adalah pernyataan-pernyataan dari responden yang diperoleh melalui kuesioner yang dibagikan lewat e-mail marketing atau e-mail
blast dan wawancara langsung ke pelanggan e-commerce website Campina
Delivery.
2. Data sekunder :
Data sekunder adalah data yang sudah dikumpulkan terlebih dahulu oleh pihak lain atau sudah disajikan dalam bentuk laporan. Data sekunder yang digunakan dalam penelitian ini diperoleh melalui berbagai informasi dalam literatur, buku, jurnal, tesis, artikel, dan data internal perusahaan mengenai pemasaran digital, perilaku
online konsumen, kesadaran konsumen terhadap e-commerce website Campina,
4.8. Teknik Pengumpulan Data
Metode pengumpulan data yang digunakan pada penelitian ini adalah melalui kuesioner atau angket yang dibagikan ke responden via e-mail blast dan lewat wawancara langsung ke pelanggan Campina Delivery. Sugiono (2008) mengemukakan bahwa kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan tertulis kepada responden untuk dijawabnya. Kuesioner penelitian dan wawancara diberikan dan dilakukan pada pelanggan Campina yang sudah terdaftar sebagai member (anggota) e-commerce website, sudah pernah berbelanja produk es krim dan ice cream cake secara online paling tidak sekali, dan tinggal di DKI Jakarta.
Prosedur pengumpulan data yang dilakukan dalam penelitian ini adalah membagikan kuesioner secara online via e-mail blast menggunakan platform e-mail
marketing “Active Campaign” kepada pelanggan Campina tersebut dengan gimmick
berupa potongan atau diskon belanja ice cream cake via e-commerce website Campina sebesar Rp 50.000,- (lima puluh ribu rupiah) yang hanya bisa dipakai belanja di
e-commerce website Campina. Kode e-voucher senilai Rp 50.000,- ini hanya berlaku
untuk pembelian varian ice cream cake reguler (diameter 22 cm) senilai Rp 270.000,- (sudah termasuk ongkos kirim), dan diberikan untuk pelanggan yang memberikan feed
back berupa pengisian kuesioner yang dibagikan. Kode e-voucher diberikan ke
masing-masing responden melalui e-mail pribadi segera setelah mereka mengirimkan jawabannya. Mekanisme pemotongan harganya adalah dengan cara memasukkan kode
e-voucher di halaman konfirmasi pemesanan, kemudian setelah kode e-voucher
(unique code dan hanya dapat dipakai dalam satu kali transaksi) terverifikasi, nilai pesanan akan otomatis berkurang menjadi Rp 220.000,-
Responden yang menerima e-mail dari Campina tinggal klik atau buka link (tautan) yang ada di badan e-mail, dan akan langsung diarahkan ke halaman survey, baik lewat PC (personal computer) maupun mobile device, seperti smartphone, tablet
PC, dan perangkat yang terkoneksi internet lainnya. Tautan online survey di badan teks
e-mail : http://goo.gl/forms/YTe7jX8qpk
Berikut ini adalah tampilan dari e-mail blast untuk membagikan tautan online
survey kepada para pelanggan Campina Delivery :
Gambar 4.1 Tampilan format e-mail blast online survey Campina Delivery Sumber : e-mail pribadi peneliti (2015)
Dan dibawah ini adalah tampilan dari online survey yang dibagikan kepada para responden, yaitu member e-commerce website Campina yang sudah pernah berbelanja paling tidak sekali lewat e-commerce website dan tinggal di area DKI Jakarta :
Gambar 4.2 Gambar tampilan atas online survey Campina Delivery Sumber : halaman online survey Campina Delivery (2015)
Kegiatan pengumpulan data ini juga dilakukan melalui kegiatan wawancara langsung ke responden lewat kegiatan consumer visit dengan membawa kuesioner yang sudah disusun. Sedangkan cara peneliti mengumpulkan data pribadi responden bisa dilihat di gambar 4.3. berikut yang menampilkan pertanyaan-pertanyaan untuk menggali data pribadi responden.
Di internal Campina, kegiatan ini dinamakan Customer Day (hari untuk pelanggan). Team dari Campina Delivery mendatangi konsumen yang memesan es krim dan/atau ice cream cake Campina secara langsung dengan tujuan selain
mengirimkan pesanan pelanggan tersebut, juga melakukan tanya jawab untuk menggali informasi langsung dari konsumen tentang produk dan layanan Campina. Kegiatan ini lebih dikhususkan untuk pelanggan yang membeli es krim/ice cream cake secara
online.
Gambar 4.3. Gambar tampilan bawah online survey Campina Delivery (user profiling)
Sumber : halaman online survey Campina Delivery (2015)
Feed back (umpan balik) atas kuesioner ini juga sangat berguna untuk PT.
Campina Ice Cream Industry untuk mengembangkan bisnis layanan pesan antar es krim dan ice cream cake ke depannya, baik lewat channel online maupun offline lebih jauh. Terutama untuk menghadapi persaingan di bisnis atau kategori es krim yang akan semakin ketat.
4.9. Teknik Analisa Data
Data merupakan kumpulan dari nilai-nilai yang mencerminkan karakteristik dan individu-individu dari suatu populasi. Data yang diperoleh dan dikumpulkan dari hasil penyebaran kuesioner dan wawancara langsung dengan konsumen kemudian diolah dan dianalisis. Analisis data pada penelitian ini menggunakan metode SEM (Structural
Equation Modelling). Sugiyono (2008) menjelaskan bahwa SEM adalah metode
statistik yag digunakan untuk menguji hipotesis yang terstruktur (variabel dependen bisa lebih dari satu). Hipotesis yang dirumuskan merupakan hubungan banyak variabel
(multiple variable) yang bersifat kausal.
4.10. Analisis Kuantitatif
Pada penelitian ini, peneliti menggunakan analisis SEM (Structural Equation
Modeling) dengan program pengolahan data AMOS 22. Dijelaskan oleh Santoso
(2015), bahwa SEM adalah teknik statistik multivariat yang merupakan kombinasi antara analisis faktor dan analisis regresi (korelasi) yang bertujuan untuk menguji hubungan – hubungan antar variabel yang ada pada sebuah model, baik itu antar-indikator dengan konstruknya, ataupun hubungan antar-konstruk. Dari pengertian tersebut terlihat bahwa SEM lebih digunakan untuk melakukan confirmatory analysis daripada exploratory analysis. Sebuah model dibuat berdasarkan teori tertentu,
kemudian SEM digunakan untuk menguji apakah model tersebut dapat diterima atau ditolak.
Ada beberapa tahapan pokok yang akan dilalui untuk menggunakan SEM dalam sebuah kegiatan penelitian :
1. Membuat sebuah model SEM (Model Spesification)
Pada tahap ini, sebuah model (dengan berdasar teori tertentu) dibuat baik dalam bentuk equation (persamaan-persamaan matematis) maupun dalam bentuk diagram (gambar). Diagram akan memasukkan measurement model dan structural model. 2. Menyiapkan desain penelitian dan pengumpulan data
Setelah model dibuat, sebelum model diuji, akan dilakukan pengujian asumsi-asumsi yang seharusnya dipenuhi dalam SEM, perlakuan terhadap missing data (jika ada dan cukup banyak), mengumpulkan data, dan sebagainya.
3. Model Identification
Setelah sebuah model dibuat dan desain sudah ditentukan, pada model dilakukan uji identifikasi, apakah model dapat dianalisis lebih lanjut. Penghitungan besar degree
of freedom menjadi bagian penting dalam tahap ini. 4. Menguji Model (Model Testing dan Model Estimation)
Setelah model dibuat dan dapat diidentifikasi, tahapan dilanjutkan dengan menguji
measurement model dan structural model. Dari pengujian measurement model akan
diperoleh keeratan hubungan antara variabel indikator dengan variabel konstruknya (laten). Jika measurement model dapat dianggap valid, maka pengujian dilanjutkan
pada structural model untuk memperoleh sejumlah korelasi yang menunjukkan hubungan antar variabel konstruk (laten).
Karena model SEM berisi dua jenis model, yakni measurement model dan
structural model, maka alat analisis yang digunakan juga terkait dengan tujuan analisis
kedua jenis model tersebut :
1. Confirmatory Factor Analysis (CFA)
Alat analisis ini digunakan untuk menguji sebuah measurement model. Dengan alat ini akan diketahui apakah variabel-variabel indikator yang ada memang benar-benar dapat menjelaskan sebuah variabel konstruk. Dengan melakukan CFA, dapat saja sebuah indikator dianggap tidak secara kuat berpengaruh atau dapat menjelaskan sebuah konstruk.
2. Multiple Regression Analysis (MRA)
Alat analisis ini digunakan untuk menguji sebuah struktur model. Dengan alat ini dapat diketahui apakah ada hubungan yang signifikan antara variabel-variabel
exogenous (bebas/independen) dengan variabel endogenous (dependen). Jika
memang ada hubungannya, seberapa kuat hubungan yang ada?
Konsep derajat kebebasan (degree of freedom) harus diketahui sebagai dasar pemahaman SEM. Kaitan degree of freedom dengan SEM sebelum pengujian model dilakukan adalah pemahaman model identification. Identifikasi sebuah model (SEM) berkaitan dengan apakah tersedia cukup informasi untuk mengidentifikasi adanya
sebuah solusi dari persamaan struktural. Jika model dianggap tidak dapat diidentifikasi, maka proses pengolahan data tidak dapat dilakukan.
Degree of Freedom (Derajat Kebebasan)
Dalam sebuah model SEM, df dapat diketahui dengan rumus : jumlah distinct sample
moment dikurangi dengan jumlah distinc parameter agar dapat diestimasi. Rumus
diatas dapat disederhanakan menjadi :
df = ½[(p)x(p+1)]-k
Dimana :
p = jumlah variabel manifes (indikator atau observed variables) pada sebuah model
k = jumlah parameter yang akan diestimasi
Untuk dapat memahami hal tersebut, berikut ini adalah tiga jenis identifikasi yang mungkin dapat terjadi dalam analisis SEM :
1. Just Identified
Pada SEM, model yang just identified mempunyai degree of freedom sebesar 0, dan dalam terminologi SEM dinamakan dengan saturated. Pada model yang just
identified, karena sudah teridentifikasi, maka estimasi dan penilaian model tidak
2. Over Identified
Dalam SEM, model dikatakan over-identified jika degree of freedom adalah positif. Jika terjadi over-identified, maka estimasi dan penilaian model bisa dilakukan. Dengan demikian, besaran degree of freedom perlu diketahui karena menentukan apakah sebuah model layak diuji ataukah tidak.
3. Under Identified
Dalam SEM, model dikatakan underidentified jika degree of freedom adalah negatif. Jika terjadi underidentified, maka estimasi dan penilaian model juga tidak perlu dilakukan.
Setelah model dibuat dan diketahui degree of freedom-nya positif, maka proses selanjutnya adalah mengumpulkan data dari sample kemudian memasukannya pada program AMOS. Setelah itu dilakukan proses penilaian (assesment) dan pengujian
(estimation). Penilaian ini dimaksudkan untuk mengetahui sejauh mana data ‘fit’
dengan model yang sudah dibuat, yaitu apakah model telah valid dan apakah data
sample yang diambil dapat menunjukkan kekuatan sebuah model dalam menjelaskan
sebuah fenomena. Sedangkan pengujian lebih dimaksudkan untuk memperkirakan kekuatan dari hubungan – hubungan antar variabel di dalam model. Proses penilaian dan pengujian ini dilakukan dengan teknik MLE (Maximum Likehood Estimation), yang didasarkan pada perbandingan antara matriks kovarians sample dengan populasi.
Covariance (Kovarians)
Kovarians mendapat tempat yang penting dalam analisis SEM, bahkan SEM sendiri sering disamakan dengan “analysis of covariance structures”. Korelasi dan kovarians dalam ilmu statistik mengacu pada hal yang sama, yaitu melihat hubungan antar dua variabel, hanya pada penghitungan kovarians, penekanan lebih pada variasi kedua variabel yang terjadi secara bersama-sama.
Correlations (Korelasi)
Meskipun kovarians adalah alat utama untuk melakukan perhitungan dalam model SEM, namun ada alat statistik lain yang juga nanti akan dijumpai dalam analisis SEM, yaitu korelasi.
Rumus korelasi : 𝜌 = 𝐶𝑜𝑣(𝑥,𝑦)𝜎𝑥.𝜎𝑦
Korelasi pada dasarnya adalah melakukan standarisasi pada hasil kovarians yang didapat. Namun berbeda dengan kovarians, angka korelasi dibatasi dari -1 sampai dengan +1. Tanda ‘+’ atau ‘-‘ menunjukkan arah hubungan dua variabel, sedangkan besar angka dibelakangnya menunjukkan tingkat keeratan hubungan.
Normalitas Data
SEM mensyaratkan data berdistribusi normal atau dapat dianggap berdistribusi normal. Namun tidak setiap data berdistribusi normal, untuk mengurangi dampak dari ketidaknormalan sebuah distribusi data, penggunaan jumlah sample yang besar dapat
dipertimbangkan. Sebagai rasio yang umum digunakan, untuk setiap parameter yang akan diuji (digunakan dalam SEM), paling tidak harus ada lima belas data (sample atau responden). Sebagai contoh, jika ada tiga variabel konstruk dan masing-masing memiliki empat indikator, maka akan ada minimal dua belas parameter. Untuk itu jumlah sample minimal adalah 15 x 12 = 180 data (dalam bentuk excel ata SPSS berarti akan ada 180 baris data).
Menurut Hidayat (2013) uji normalitas berguna untuk menentukan data yang telah dikumpulkan berdistribusi normal atau diambil dari populasi normal. Menurut Putra (2013) distribusi normal merupakan salah satu distribusi probabilitas yang penting dalam analisis statistika. Distribusi ini memiliki parameter berupa mean dan simpangan
baku. Distribusi normal dengan mean = 0 dan simpangan baku = 1 disebut dengan distribusi normal standar. Untuk memahami bagaimana uji normalitas, perlu diketahui
parameter mean dan simpangan baku. Mean merupakan nilai rata-rata dari sekumpulan data yang ada. Biasanya, mean juga disebut dengan rata-rata. Mean biasa digambarkan dengan x bar.
Sedangkan untuk mengetahui simpangan baku, maka perlu diketahui terlebih dahulu varians. Varians menggambarkan berpencarnya suatu data kuantitatif. Varians diberi simbol σ2 (baca: sigma kuadrat) untuk populasi dan untuk s2 sampel. Berikut merupakan rumus yang digunakan untuk mencari varians. Varians dirumuskan dengan rumus sebagai berikut :
atau
Varians dan standar deviasi (simpangan baku) adalah ukuran-ukuran keragaman (variasi) data statistik yang paling sering digunakan. Standar deviasi (simpangan baku) merupakan akar kuadrat dari varian.
Berdasarkan pengalaman empiris beberapa pakar statistik, data yang banyaknya lebih dari 30 angka (n > 30), maka data tersebut dapat diasumsikan berdistribusi normal. Berikut merupakan gambaran mengenai distribusi normal :
Dari gambar tersebut dapat dilihat bahwa sumbu X (horizontal) memiliki rentang
(range) dari minus tak hingga (-∞) sampai dengan positif tak hingga (+∞) sedangkan
kurva normal memiliki puncak X = 0. Menurut Putra (2013) pula menyatakan bahwa luas kurva normal adalah satu. Adapun secara matematis, probabilitas distribusi normal standar kumulatif dapat dihitung dengan menggunakan rumus sebagai berikut.
Penilaian Model Fit (Goodness to Fit)
Menurut Ghozali (2008), suatu model dikatakan fit bila kovarians matriks suatu model adalah sama dengan kovarians matriks data. Secara keseluruhan, goodness of fit dapat dinilai berdasarkan :
a. x2 – Chi Square Statistic
Alat uji ini merupakan alat uji yang paling fundamental untuk mengukur overall
fit. Tujuan dari pengujian chi-square adalah untuk mengetahui apakah matriks
kovarians sample berbeda secara signifikan dengan matriks kovarians estimasi. Model yang diuji dipandang baik atau memuaskan apabila nilai chi square-nya rendah. Semakin kecil nilai x2, maka semakin baik model tersebut. Dalam uji beda chi square, x2 = 0 berarti benar-benar tidak ada perbedaan dan model dapat diterima.
b. Root Man Square Error for Approximation (RMSEA)
RMSEA adalah suatu indeks yag dapat digunakan untuk mengompensasi chi
square statistic dalam suatu sample yang besar. Nilai RMSEA menunjukkan goodness of fit yang dapat diharapkan apabila model diestimasi dalam populasi.
Nilai RMSEA ≤ 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan suatu close fit dari model tersebut berdasarkan degree of freedom (df). Brownie dan Cudeck dalam Ferdinand (2000) dalam Santoso (2015) berpendapat bahwa nilai RMSEA ≤ 0,08 menunjukkan adanya reasonable
error of approximation. Para ahli tidak memperkenankan penggunaan model
c. Goodness of Fit Index (GFI)
Indeks kesesuaian ini menghitung proporsi tertimbang dari varian dalam matrik kovarians sampel yang dijelaskan oleh matrik ovarian populasi yang terestimasikan. GFI adalah suatu ukuran non-statistikal yang mempunyai rentang nilai antara 0 (poor fit) hingga 1.0 (perfect fit). Nilai yang tinggi dalam
indeks ini menunjukkan better fit. d. Adjusted Goodness of Fit (AGFI)
AGFI adalah analog dari R2 dalam regresi berganda. Tingkat yang direkomendasikan adalah apabila nilai AGFI ≥ 0,09. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varian dalam satu matriks kovarians sample. Nilai 0,95 dapat diinterpretasikan sebagai tingkatan yang baik (good overall model fit), sedangkan nilai 0,09 – 0,95 menunjukkan tingkatan yang cukup (adequate fit).
e. CMIN/DF
The minimum sample discrepancy function (CMIN) dibagi dengan degree of freedom-nya akan menghasilkan indeks CMIN/DF. Hal ini umumnya disebut
oleh para peneliti sebagai salah satu indikator untuk mengukur tingkat fit-nya suatu model. CMIN/DF tidak lain adalah chi square statistic (x2) dibagi dengan
DF-nya sehingga disebut sebagai x2 -relatif. Nilai x2 –relatif < 2.0 atau bahkan
f. TFI (Tucker Lewis Index)
TLI adalah suatu alternative incremental fit index yang membandingkan suatu model yang diuji terhadap suatu baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya satu model adalah ≥ 0,95, dan nilai yang mendekati 1 menunjukkan a very good fit.
g. Comparative Fit Index (CFI)
Besaran indeks ini ada pada rentang 0 - 1. Semakin mendekati 1 mengindikasikan tingkat fit yang paling tinggi (a very good fit). Nilai yang direkomdasikan oleh CFI adalah ≥ 0,95. Keunggulan dari indeks ini adalah bahwa indeks tersebut besarnya tidak dipengaruhi oleh ukuran sampel sehingga sangat bagus untuk mengukur tingkat penerimaan suatu model. Dalam penerimaan suatu model, indeks TLI dan CFI sangat dianjurkan untuk digunakan karena indeks ini relatif tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi pula oleh kerumitan model. Kriteria untuk menerima suatu model (data fit) ditunjukkan di tabel 4.3. berikut ini :
Tabel 4.3. Tabel Kriteria Penerimaan Model (Data Fit)
Goodness of Fit
Index
Cut Off
Value
X2 - chi square Diharapkan kecil Significance probability ≥ 0,05 RMSEA ≥ 0,08 GFI ≥ 0,90 AGFI ≥ 0,90 CMIN/DF ≥ 2,00 TLI ≥ 0,95 CFI ≥ 0,95 Sumber : Putri (2014)Pada tampilan output tabel AMOS, akan ada tiga jenis model, yaitu default model,
saturated model, dan independence model. Dijelaskan berikut ini, bahwa default model
adalah model yang sekarang sedang diuji, saturated model adalah hasil pengujian pada kondisi dimana terjadi just identified, yaitu df (degree of freedom) adalah 0. Sedangkan
independence model adalah hasil pengujian pada kondisi dimana setiap variabel
indikator (manifest) dianggap tidak berhubungan dengan variabel konstruknya (laten) juga tidak ada hubungan antar variabel konstruk (laten).
Dengan demikian, model yang dapat dikatakan bagus adalah model dengan hasil CMIN (chi-square) pada default model yang berada diantara CMIN saturated model dan CMIN independence model.
Analisis Hubungan Indikator dengan Konstruk
Setelah model fit, proses selanjutnya adalah melihat apakah indikator-indikator yang ada pada sebuah konstruk memang merupakan bagian atau dapat menjelaskan konstruk tersebut. Proses tersebut dinamakan uji validitas konstruk (variabel laten), dan dapat dilakukan lewat beberapa cara :
1. Uji Convergent Validity
Jika memang sebuah variabel indikator menjelaskan sebuah variabel konstruk, maka indikator tersebut akan mempunyai factor loading yang tinggi dengan konstruk tersebut dan total indikator akan mempunyai variance extracted (VE) yang cukup tinggi. Secara umum, factor loading diatas 0,7 menunjukkan sebuah indikator memang bagian dari konstruk, namun beberapa literatur menganggap batas tersebut adalah 0,5.
2. Uji Discriminant Validity
Jika ada dua atau lebih konstruk dalam satu model, maka seharusnya setiap konstruk mempunyai keunikan tersendiri dan tidak berhubungan dengan kontruk yang lain. Uji diskriminan berlawanan dengn uji konvergen : jika uji konvergen menguji keeratan hubungan, maka uji diskriminasi justru mencari seberapa besar dua variabel berbeda.
4.11 Analisis Dimensi
Analisis dimensi digunakan untuk mengetahui bagaimana pengaruh dimensi variabel bebas terhadap variabel terikat. Dari sini maka dapat diketahui matriks yang besarannya -1 ≤ r ≤ 1. Berikut di tabel 4.4. merupakan matriks yang menunjukkan korelasi antara variabel bebas, variabel terikat, dan variabel intervening.
Berdasarkan analisis dimensi diatas, maka akan terlihat hubungan antar variabel kegiatan pemasaran digital (X1) dengan kesadaran konsumen terhadap e-commerce
website Campina (Y), kegiatan pemasaran digital (X1) dan keputusan pembelian
konsumen (Y), perilaku konsumen secara online (X2) dan kesadaran konsumen terhadap e-commerce website Campina (Y) serta perilaku konsumen secara online (X2) dan keputusan pembelian konsumen di e-commerce website Campina (Z).
Tabel 4.4. Analisis Dimensi Antara Variabel Bebas, Terikat, dan Intervening
Sumber : data penulis (2015)
Dari sini pula, untuk mengetahui besaran pengaruh antar variabel tersebut maka seharusnya diketahui berapa besaran standar yang diperlukan untuk mengetahui hubungan tersebut. Adapun berikut ini merupakan besaran koefisien korelasi yang digunakan untuk mengetahui seberapa kuat pengaruh antar variabel. Adapun berikut merupakan hubungan koefisien korelasi (r) menurut Arisworo (2011) :
Y1 Y2 Y3 Y4 Z1 Z2 Z3
Unaware of Brand
Brand
Recoqnition Brand Recall Top of mind
Consumer value Trust Pengalaman membeli X1.1 Website rX1.1 Y1 rX 1.1 Y2 rX 1.1 Y3 rX 1.1 Y4 rX 1.1 Z1 rX 1.1 Z2 rX 1.1 Z3 X1.2 SEO rX1.2 Y1 rX 1.2 Y2 rX 1.2 Y3 rX 1.2 Y4 rX 1.2 Z1 rX 1.2 Z2 rX 1.2 Z3 X1.3 Online PR rX1.3 Y1 rX 1.3 Y2 rX 1.3 Y3 rX 1.3 Y4 rX 1.3 Z1 rX 1.3 Z2 rX 1.3 Z3 X1.4 Social network rX1.4 Y1 rX 1.4 Y2 rX 1.4 Y3 rX 1.4 Y4 rX 1.4 Z1 rX 1.4 Z2 rX 1.4 Z3 X1.5 E-mail marketing rX1.5 Y1 rX 1.5 Y2 rX 1.5 Y3 rX 1.5 Y4 rX 1.5 Z1 rX 1.5 Z2 rX 1.5 Z3 X1.6 CRM rX1.6 Y1 rX 1.6 Y2 rX 1.6 Y3 rX 1.6 Y4 rX 1.6 Z1 rX 1.6 Z2 rX 1.6 Z3 X2.1 Pengetahuan internet rX 2.1 Y1 rX 2.1 Y2 rX 2.1 Y3 rX 2.1 Y4 rX 2.1 Z1 rX 2.1 Z2 rX 2.1 Z3 X2.2 Pengalaman belanja rX 2.2 Y1 rX 2.2 Y2 rX 2.2 Y3 rX 2.2 Y4 rX 2.2 Z1 rX 2.2 Z2 rX 2.2 Z3 X2.3 Pengalaman hiburan rX 2.3 Y1 rX 2.3 Y2 rX 2.3 Y3 rX 2.3 Y4 rX 2.3 Z1 rX 2.3 Z2 rX 2.3 Z3 X2.4 Penggunaan website rX 2.4 Y1 rX 2.4 Y2 rX 2.4 Y3 rX 2.4 Y4 rX 2.4 Z1 rX 2.4 Z2 rX 2.4 Z3 Dimensi Variabel X1 Pemasaran Digital
Z (Keputusan Pembelian di Website) Y (Kesadaran Konsumen)
Perilaku Online Konsumen X2
Tabel 4.5. Tingkat Hubungan Nilai r
Koefisien Korelasi Kategori 0,800 – 1,000 Sangat Kuat 0,600 – 0,799 Kuat 0,400 – 0,599 Cukup Kuat 0,200 – 0,399 Rendah 0,000 – 0,199 Sangat Rendah Sumber : Putri (2014)
BAB V
HASIL PENELITIAN DAN PEMBAHASAN
5.1. Gambaran Umum Lokasi Penelitian
Pada pelaksanaan penelitian ini, lokasi yang menjadi tempat penelitian adalah Propinsi DKI Jakarta. Hal ini dikarenakan sebagian besar dari transaksi yang terjadi secara online di commerce website Campina Delivery dan juga traffic masuk ke
e-commerce website ini berasal dari area DKI Jakarta dan sekitarnya.
Sedangkan para responden yang diminta mengisi kuesioner baik secara online maupun lewat wawancara langsung sudah ditentukan sebelumnya, yaitu mereka yang sudah terdaftar sebagai member di e-commerce website Campina Delivery, sudah pernah melakukan transaksi setidaknya satu kali, dan tinggal di area DKI Jakarta.
Yang dimaksud dengan menjadi member adalah mendaftarkan nama, alamat
e-mail, dan tanggal lahirnya, yang kemudian diverifikasi lewat sebuah link (tautan) yang
dikirim ke alamat e-mail masing-masing. Salah satu tujuan langkah verifikasi ini adalah untuk memastikan bahwa e-mail yang didaftarkan adalah valid, sehingga dapat dipergunakan sebagai sarana komunikasi antara pengelola e-commerce website dan pelanggan itu sendiri untuk konfirmasi pemesanan, konfirmasi pembayaran, hingga konfirmasi bahwa pesanan sudah terkirim ke alamat yang diinginkan.
5.2. Data Karakteristik Responden
Pada bagian ini akan dijelaskan tentang data karakteristik dari responden. Data karakteristik responden dalam penelitian disajikan agar dapat dilihat profil dari data penelitian dan hubungan yang ada antar variabel yang digunakan dalam penelitian. Data karakteristik ini menggambarkan keadaan atau kondisi responden perlu diperhatikan sebagai informasi tambahan untuk memahami hasil-hasil penelitian.
5.2.1. Jenis Kelamin Responden
Jenis kelamin responden merupakan gender dari konsumen yang menjadi responden di dalam penelitian kali ini. Berdasarkan hasil kuesioner, ditampilkan perbandingan antara jenis kelamin responden lewat gambar 5.1.
Berdasarkan gambar tersebut, nampak bahwa mayoritas dari responden adalah perempuan sebesar 72% dan laki-laki sebesar 28%. Melihat hasil tersebut, diketahui bahwa perempuan memiliki kecenderungan yang tinggi untuk berbelanja es krim dan
Gambar 5.1. Diagram Jenis Kelamin Responden Sumber : data primer diolah (2016)
5.2.2. Usia Responden
Usia responden merupakan usia dari konsumen yang menjadi responden di dalam penelitian kali ini, yang diperoleh dari hasil pengolahan data primer. Dari tampilan grafik diatas, dapat disimpulkan bahwa sebagian besar pelanggan Campina Delivery yang membeli es krim dan ice cream cake via e-commerce website adalah mereka yang berasal dari range usia 31-35 tahun (27%) dan 26-30 tahun (23%). Range usia 20-25 tahun (16%) dan 26-40 tahun (17%) juga perlu untuk diperhitungkan, karena masih tergolong usia yang produktif. Berdasarkan hasil kuesioner, maka dapat dilihat hasil seperti berikut ini :
Gambar 5.2. Diagram Range Usia Responden Sumber : data primer diolah (2016)
5.2.3. Pekerjaan Responden
Pekerjaan responden, merupakan latar belakang dari konsumen yang menjadi responden dalam penelitian kali ini. Sebagian besar profesi dari reponden (yang juga pelanggan dan member dari e-commerce website Campina Delivery) adalah karyawan (58%). Dari pertanyaan profiling yang ada di kuesioner, mereka yang disebut karyawan adalah mereka yang menyebutkan dirinya bekerja sebagai pegawai – karyawan/karyawati swasta. Persentase besar lainnya dari profesi responden adalah Ibu Rumah Tangga (13%) dan Wirausaha (13%). Kedua kelompok profesi responden ini juga tetap harus diperhatikan.
Berdasarkan hasil consumer profiling di kuesioner, tampak hasil seperti berikut ini :
Gambar 5.3. Diagram Pekerjaan Responden Sumber : data primer diolah (2016)
5.2.4. Tempat Tinggal Responden di DKI Jakarta
Dari total responden yang tinggal di DKI Jakarta, akan dilihat persentase dari responden tinggal di kotamadya mana di area DKI Jakarta ini pada grafik berikut ini :
Gambar 5.4. Diagram Tempat Tinggal Responden di DKI Jakarta Sumber : data primer diolah (2016)
DKI Jakarta merupakan salah satu dengan kontribusi penjualan yang paling besar untuk channel Campina Delivery, baik lewat jalur pemesanan online maupun offline. Dan dari grafik diatas dapat dilihat bahwa area dimana member e-commerce website Campina Delivery terbanyak berasal adalah dari kotamadya Jakarta Timur (33%), dan kemudian kotamadya Jakarta Selatan (23%), dan kotamadya Jakarta Barat (21%). Hal ini menunjukkan bahwa potensi penjualan untuk lini bisnis pesan antar Campina Delivery ada di tiga kotamadya ini.
Dengan demikian, dapat disimpulkan sementara bahwa responden yang sebelumnya sudah ditentukan kriterianya adalah mereka yang sebagian besar tinggal di area Jakarta Timur dan Jakarta Selatan, berprofesi sebagai karyawan/karyawati, berusia antara 26-35 tahun, dan berjenis kelamin perempuan.
5.3. Hasil Penelitian
Pengumpulan dan pengolahan data dilakukan dalam kurun waktu bulan Desember 2015. Data diperoleh dari online kuesioner yang dikirimkan ke pelanggan Campina Delivery yang sudah terdaftar sebagai member di e-commerce website Campina, pernah melakukan transaksi setidaknya satu kali selama menjadi member, dan tinggal di wilayah DKI Jakarta di tanggal 20 Desember 2015.
Selain lewat online kuesioner, pengumpulan data dilakukan dengan mendatangi pelanggan Campina Delivery secara langsung lewat aktivitas Customer Day di bulan Desember 2015, yang membeli es krim lewat website untuk diberikan serangkaian pertanyaan penelitian, yang salah satunya bertujuan untuk mengukur tingkat kepuasan pelanggan atas layanan Campina Delivery, baik melalui saluran komunikasi online maupun offline.
5.3.1. Penyajian Data
Gambar 5.1. Tampilan Path Diagram dengan Parameter Unstandardized Estimates
Sumber : output AMOS 22 (2016)
Gambar 5.2. Tampilan Path Diagram dengan Parameter Standardized Estimates
Sumber : output AMOS 22 (2016)
Signifikan Signifikan
5.3.2. Analisis Data Pemodelan dan Structural Equation Modelling (SEM)
Notes for Model (Default model)
Computation of degrees of freedom (Default model)
Number of distinct sample moments : 153 Number of distinct parameters to be estimated : 38
Degrees of freedom (153 - 38) : 115
Result (Default model) Minimum was achieved Chi-square = 1926,241 Degrees of freedom = 115 Probability level = ,000
Tampilan diatas menjelaskan bahwa :
1. Jumlah momen sampel (number of distinct sample moments) adalah {n (n+1)}/2 dengan n (jumlah seluruh indikator) adalah 19, maka momen sampel = {17 (17+1)}/2 = {19 (20)}/2 = 153
2. Jumlah parameter yang akan diestimasi adalah jumlah seluruh anak panah yang ada di model. Dalam model keputusan pembelian tersebut terdapat 38 anak panah, dengan demikian, jumlah anak parameter yang akan diestimasi adalah 38.
3. Degree of freedom (df) adalah 153 – 38 = 115, yang berarti df sudah positif
Terlihat bahwa df adalah positif (115), dan ada kalimat minimum was achieved, yang menunjukkan bahwa AMOS telah berhasil mengestimasi varians dan kovarian
yang ada, sehingga pengujian model dapat dilakukan. Nilai probability level yang dihasilkan adalah 0,000 dimana nilai tersebut kurang dari 0,05. Maka dapat disimpulkan bahwa model tidak fit dengan data.
Estimates (Group number 1 - Default model)
Scalar Estimates (Group number 1 - Default model) Maximum Likelihood Estimates
Tabel estimasi berikut ini memperlihatkan signifikansi variabel-variabel independen baik indikator maupun laten terhadap variabel-variabel dependen (variabel yang dipengaruhi). Suatu pengaruh dikatakan signifikan jika nilai P value < (kurang dari) 0.05. Tanda bintang menunjukkan bahwa nilai P value-nya sangat kecil.
Tabel 5.1. Regression Weights : (Group number 1 - Default model) Estimate S.E. C.R. P Label Awareness <--- PmsrnDig ,898 ,382 2,353 ,019 par_14 Awareness <--- Perilaku 1,387 1,798 ,772 ,440 par_15 Keputusan <--- PmsrnDig ,462 ,133 3,475 *** par_16 Keputusan <--- Perilaku 3,263 1,002 3,257 ,001 par_17 Keputusan <--- Awareness ,025 ,017 1,521 ,128 par_18 X6 <--- PmsrnDig ,806 ,050 16,051 *** par_1 X5 <--- PmsrnDig 1,027 ,080 12,901 *** par_2 X4 <--- PmsrnDig ,946 ,069 13,614 *** par_3 X3 <--- PmsrnDig ,937 ,060 15,665 *** par_4 X2 <--- PmsrnDig ,986 ,059 16,851 *** par_5 X1 <--- PmsrnDig 1,000 X10 <--- Perilaku 5,411 1,336 4,051 *** par_6 X9 <--- Perilaku 2,728 ,686 3,978 *** par_7 X8 <--- Perilaku 5,141 1,268 4,054 *** par_8 X7 <--- Perilaku 1,000 Y1 <--- Awareness 1,000 Y2 <--- Awareness ,394 ,023 17,093 *** par_9 Y3 <--- Awareness ,325 ,032 10,091 *** par_10 Y4 <--- Awareness ,613 ,033 18,642 *** par_11 Z1 <--- Keputusan 1,000 Z2 <--- Keputusan ,778 ,030 25,996 *** par_12 Z3 <--- Keputusan ,881 ,036 24,570 *** par_13
Berdasarkan tabel di atas dapat disimpulkan bahwa Pemasaran Digital berpengaruh secara signifikan terhadap Customer Awareness (kesadaran konsumen) dan Keputusan Pembelian Konsumen di e-commerce website Campina. Perilaku Konsumen Secara Online berpengaruh secara signifikan terhadap Keputusan Pembelian. Sementara Perilaku Konsumen Secara Online tidak berpengaruh secara signifikan terhadap Customer Awareness terhadap e-commerce website Campina, dan
Customer Awareness terhadap e-commerce website Campina tidak berpengaruh
signifikan terhadap Keputusan Pembelian di e-commerce website Campina.
Untuk melihat besarnya efek dari variabel eksogen (independen/yang mempengaruhi) ke variabel endogen (dependen/yang dipengaruhi), maka dapat hasil perhitungan estimasi parameter dengan menggunakan AMOS 22 secara standardize adalah sebagai berikut :
Tabel 5.2. Standardized Regression Weights : (Group number 1 - Default model) Estimate Awareness <--- PmsrnDig ,367 Awareness <--- Perilaku ,121 Keputusan <--- PmsrnDig ,363 Keputusan <--- Perilaku ,548 Keputusan <--- Awareness ,049 X6 <--- PmsrnDig ,631 X5 <--- PmsrnDig ,488 X4 <--- PmsrnDig ,519 X3 <--- PmsrnDig ,612 X2 <--- PmsrnDig ,670 X1 <--- PmsrnDig ,641 X10 <--- Perilaku ,779 X9 <--- Perilaku ,537 X8 <--- Perilaku ,796 X7 <--- Perilaku ,143 Y1 <--- Awareness ,751 Y2 <--- Awareness ,599 Y3 <--- Awareness ,372 Y4 <--- Awareness ,647 Z1 <--- Keputusan ,868 Z2 <--- Keputusan ,756 Z3 <--- Keputusan ,726
Model Fit Summary
Tabel 5.3. CMIN (Chi-square)
Model NPAR CMIN DF P CMIN/DF
Default model 38 1926,241 115 0 16,75
Saturated model 153 0 0
Independence model 17 6149,494 136 0 45,217
Sumber : output AMOS 22 (2016)
Tujuan pengujian Chi-square adalah untuk mengetahui apakah matrik kovarian sampel berbeda dan signifikan dengan matriks kovarian estimasi.
Interpretasi analisis : Model yang baik adalah model dengan nilai CMIN pada Default Model berada di antara CMIN Saturated Model dan CMIN Independence Model.
Pada tabel CMIN di atas, nilai CMIN pada Default Model (1.926,241) berada di antara CMIN Saturated Model (0,000) dan CMIN Independence Model (6.149,494) yang berarti bahwa model sudah dapat dikatakan baik.
Tabel 5.4. RMR (Root Mean Residual), GFI (Goodness of Fit Index)
Model RMR GFI AGFI PGFI
Default model 0,157 0,813 0,751 0,611
Saturated model 0 1
Independence model 0,168 0,341 0,259 0,303
Secara teoritis, angka GFI dan AGFI berkisar antara 0 dan 1, dengan pedoman bahwa semakin hasil GFI dan AGFI mendekati angka 1, akan semakin baik model tersebut dalam menjelaskan data yang ada. Dan secara logika, semakin kecil hasil RMR
(badness of fit) maka akan semakin baik, yang menandakan semakin dekatnya angka
pada sampel dengan estimasinya.
Interpretasi analisis : Berdasarkan tabel di atas dapat dilihat bahwa nilai GFI (0,813) dan AGFI (0,751) cukup besar dan mendekati 1, dan nilai RMR yang sangat kecil (0,157).
Dengan demikian dapat disimpulkan bahwa model sudah fit dengan data, karena angka GFI yang besar menunjukkan rasio F/Fk yang besar, atau F=Fk. Sedangakan angka RMR yang kecil menunjukkan kovarians sampel mendekati angka kovarians estimasi. Semua menunjukkan dukungan terhadap hasil uji Chi-square, yaitu matriks kovarian sampel tidak berbeda dengan matriks kovarians estimasi.
Tabel 5.5. Baseline Comparisons
Model NFI RFI IFI TLI CFI
Delta1 rho1 Delta2 rho2
Default model 0,687 0,63 0,7 0,644 0,699
Saturated model 1 1 1
Independence model 0 0 0 0 0
Pada Baseline Comparisons, akan dibandingkan model tertentu dengan null model, yakni model yang mempunyai asumsi bahwa semua indikator (variabel manifest/observed variables) tidak berkorelasi satu dengan lainnya. Alat uji yang digunakan tetap Chi-square, hanya nanti hasil perhitungan Chi-square akan dibandingkan (relatif) terhadap null model (disebut juga dengan istilah baseline
model).
NFI (Normed Fit Index) pada dasarnya membandingkan Chi-square hitung pada berbagai model. Sedangkan CFI (Comparative Fit Index) membandingkan angka NCP (Non Centrality Parameter) pada berbagai model.
Interpretasi analisis : Model yang baik adalah model dengan nilai NFI, RFI, IFI dan CFI tinggi (mendekati angka 1). Jika dilihat dari tabel Baseline Comparisons di atas nilai NFI, RFI, IFI dan CFI tidak begitu tinggi (dibawah 0,9). Dengan demikian, tidak cukup kuat untuk mengatakan bahwa model sudah fit dengan data.
Tabel 5.6. Parsimony-Adjusted Measures
Model PRATIO PNFI PCFI
Default model 0,846 0,581 0,591
Saturated model 0 0 0
Independence model 1 0 0
Kelompok pengujian ini membandingkan model yang kompleks dengan model yang sederhana (parsimoni atau ringkas). Karena itu, alat ukur ini sebenarnya tidak efektif untuk mengukur model tunggal (single model), namun akan efektif saat membandingkan dua model, yang terdiri atas model kompleks dengan model yang lebih sederhana. Alat ukur yang termasuk kategori ini adalah PRATIO (parsimony
ratio), PNFI, PCFI, dimana :
PNFI = PRATIO x NFI, yaitu : 0,846 x 0,687 = 0,581
PCFI = PRATIO x CFI, yaitu : 0,846 x 0,699 = 0,591
Interpretasi analisis : Model yang baik adalah model dengan angka PRATIO, PNFI dan PCFI berada di antara 0 sampai 1. Dari angka-angka pada tabel di atas, terlihat model sudah fit dengan data karena angka berada pada rentang nilai 0 dan 1.
Tabel 5.7. NCP
Model NCP LO 90 HI 90
Default model 1811,241 1672,675 1957,189
Saturated model 0 0 0
Independence model 6013,494 5760,123 6273,19
Tabel 5.8. FMIN
Model FMIN F0 LO 90 HI 90
Default model 2,119 1,993 1,84 2,153
Saturated model 0 0 0 0
Independence model 6,765 6,616 6,337 6,901
Sumber : output AMOS 22 (2016)
Tabel 5.9. RMSEA
Model RMSEA LO 90 HI 90 PCLOSE
Default model 0,132 0,126 0,137 0
Independence model 0,221 0,216 0,225 0
Sumber : output AMOS 22 (2016)
Nilai RMSEA menunjukkan goodness of fit yang dapat diharapkan apabila model diestimasi dalam populasi. Nilai RMSEA ≤ 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan suatu close fit dari model tersebut berdasarkan
degree of freedom (df).
Interpretasi analisis : RMSEA (Root Mean Square Error of Approximation), dengan pedoman nilai RMSEA dibawah 0,08 menunjukkan model yang baik. Terlihat pada output AMOS diatas, bahwa nilai RMSEA di atas nilai 0,08 maka dapat disimpulkan bahwa model tidak fit dengan data.
Tabel 5.10. AIC
Model AIC BCC BIC CAIC
Default model 2002,241 2003,777 2185,152 2223,152 Saturated model 306 312,182 1042,457 1195,457
Sumber : output AMOS 22 (2016)
Interpretasi analisis: Model yang baik adalah model dengan nilai AIC (Aikake Information Criterion), BCC, BIC dan CAIC yang lebih kecil dari nilai yang ada di Saturated Model dan Independence Model.
Berdasarkan tabel AIC di atas, dapat dilihat bahwa, nilai AIC, BCC, BIC dan CAIC bukan yang paling kecil dibandingkan dengan nilai pada Saturated Model dan Independence Model. Dengan demikian dapat disimpulkan bahwa model tidak fit dengan data.
Tabel 5.11. ECVI
Model ECVI LO 90 HI 90 MECVI
Default model 2,203 2,05 2,363 2,204
Saturated model 0,337 0,337 0,337 0,343
Independence model 6,803 6,524 7,088 6,803
ECVI (Expected Cross-Validation Index), dengan proses perbandingan yang sama dengan AIC, yaitu dibandingkan antara ECVI pada Default Model dengan Saturated Model atau Independence Model.
Interpretasi analisis: Model yang baik adalah model dengan nilai ECVI yang lebih kecil dari nilai yang ada di Saturated Model dan Independence Model. Berdasarkan tabel ECVI di atas, dapat dilihat bahwa, nilai ECVI bukan yang paling kecil dibandingkan dengan nilai pada Saturated Model dan Independence Model. Dengan demikian dapat disimpulkan bahwa model tidak fit dengan data
Tabel 5.12. HOETLER
Model HOELTER HOELTER
.05 .01
Default model 67 73
Independence model 25 27
Sumber : output AMOS 22 (2016)
Hoetler adalah alat uji yang lebih memerhatikan kecukupan ukuran sample daripada model fit. Interpretasi analisis : Model yang baik adalah model dengan nilai Hoetler dibawah cut off 200. Dapat dilihat bahwa nilai Hoetler baik pada tingkat signifikansi 0.05 dan 0.01 berada di bawah angka 200. Dengan demikian dapat disimpulkan bahwa model sudah fit dengan data.
Berdasarkan analisis model fit dengan beberapa pengujian di atas, didapat summary analysis sebagai berikut:
Tabel 5.13 Tabel Uji Kesesuaian Model
Uji Kesesuaian Model Kesimpulan Chi Square & P Value Model tidak fit dengan data
CMIN Model fit dengan data
RMR, GFI Model fit dengan data
Baseline Comparisons Model fit dengan data Parsimony-Adjusted Measures Model fit dengan data
RMSEA Model tidak fit dengan data
AIC Model tidak fit dengan data
ECVI Model tidak fit dengan data
HOELTER Model fit dengan data
Sumber : output AMOS 22 (2016)
Sebanyak 5 uji kesesuaian model menyatakan model fit dengan data dibandingkan dengan 4 uji kesesuaian model lainnya yang menyatakan model tidak fit dengan data. Dengan demikian, model dapat diinterpretasikan lebih lanjut untuk menjawab hipotesis penelitian.
Hasil analisis korelasi dengan menggunakan bantuan software IBM SPSS 22 adalah sebagai berikut :
Tabel 5.14. Tabel Analisis Korelasi
Keterangan: Output AMOS 22 (2016)
Hampir semua variabel pada dimensi Pemasaran Digital dan Perilaku Konsumen Secara Online menunjukkan hubungan yang signifikan dengan dimensi Kesadaran Konsumen dan Keputusan Pembelian Konsumen di E-commerce Website.
Hubungan antar variabel yang menunjukkan angka korelasi rendah (hubungan yang lemah) antara lain :
1. X2.1 (Pengetahuan Internet) dengan Y1 (Brand Unaware) dengan angka korelasi 0,066. Dengan demikian dapat disimpulkan bahwa pengetahuan internet
Y1 Y2 Y3 Y4 Z1 Z2 Z3
Unaware of Brand
Brand
Recoqnition Brand Recall Top of mind
Consumer value Trust Pengalaman membeli X1.1 Website 0.108 0.417 0.122 0.436 0.574 0.456 0.355 X1.2 SEO 0.165 0.528 0.206 0.333 0.487 0.422 0.369 X1.3 Online PR 0.191 0.381 0.147 0.275 0.439 0.374 0.411 X1.4 Social network 0.316 0.242 0.169 0.243 0.371 0.324 0.33 X1.5 E-mail marketing 0.159 0.236 0.128 0.265 0.335 0.34 0.25 X1.6 CRM 0.131 0.384 0.239 0.349 0.449 0.629 0.445 X2.1 Pengetahuan internet 0.066 0.17 .043 .016 .046 0.119 .050 X2.2 Pengalaman belanja 0.109 0.433 0.193 0.39 0.676 0.495 0.46 X2.3 Pengalaman hiburan 0.143 0.312 0.207 0.231 0.441 0.317 0.305 X2.4 Penggunaan website 0.135 0.503 0.283 0.356 0.633 0.547 0.429
Variabel Y (Kesadaran Konsumen) Z (Keputusan Pembelian di Website)
Dimensi X1 Pemasaran Digital X2 Perilaku Online Konsumen
konsumen memiliki hubungan dengan pengaruh yang tidak signifikan terhadap ketidakwaspadaan konsumen terhadap e-commerce website Campina.
2. X2.1 (Pengetahuan Internet) dengan Y3 (Brand Recognition) dengan angka korelasi 0,043. Dengan demikian dapat disimpulkan bahwa pengetahuan internet konsumen memiliki hubungan dengan pengaruh yang tidak signifiikan terhadap pengenalan konsumen terhadap e-commerce website Campina.
3. X2.1 (Pengetahuan Internet) dengan Y4 (Top of Mind), dengan angka korelasi 0,016. Dengan demikian dapat disimpulkan bahwa pengetahuan internet konsumen memiliki hubungan dengan pengaruh yang tidak signifiikan terhadap
top of mind konsumen terhadap e-commerce website Campina.
4. X2.1 (Pengetahuan Internet) dengan Z1 (Perceived Value) dengan angka korelasi 0,046. Dengan demikian dapat disimpulkan bahwa pengetahuan internet konsumen memiliki hubungan dengan pengaruh yang tidak signifiikan terhadap penciptaan value e-commerce website Campina ke konsumen.
5. X2.1 (Pengetahuan Internet) dengan Z3 (Previous Buying) dengan angka korelasi 0,050. Dengan demikian dapat disimpulkan bahwa pengetahuan internet konsumen memiliki hubungan dengan pengaruh yang tidak signifiikan terhadap pengelaman pembelian sebelumnya di e-commerce website Campina.
Sedangkan hubungan antar variabel yang menunjukkan angka korelasi tinggi (sangat berpengaruh) diantaranya adalah hubungan antara :
1. X1.1 (Website) dengan Z1 (Perceived Value) dengan angka korelasi 0,574. Dengan demikian, dapat disimpulkan bahwa kegiatan pemasaran digital di
e-commerce website dinilai dapat memberikan nilai tambah kepada konsumen.
2. X1.2 (SEO) dengan Y2 (Brand Recall), dengan angka korelasi 0,528. Hal ini mengindikasikan bahwa kegiatan optimasi kata kunci (SEO) berpengaruh kuat terhadap proses pengingatan kembali merek Campina oleh konsumen.
3. X1.6 (Online CRM) dengan Z2 (Consumer’s Trust), dengan angka korelasi 0,629. Kuatnya hubungan antar variabel ini menunjukkan bahwa kegiatan Campina dalam mengelola hubungan dengan para konsumennya (CRM) secara online berpengaruh kuat terhadap penciptaan kepercayaan konsumen terhadap merek Campina.
4. X2.2 (Pengalaman Belanja) dengan Z1 (Perceived Value), dengan angka korelasi 0,676 (tertinggi) menunjukkan bahwa kepuasan dalam berbelanja yang diberikan oleh e-commerce website memberikan nilai tambah untuk konsumen.
5. X2.4 (Penggunaan Website) dengan Z1 (Perceived Value), dengan angka korelasi 0,633 menunjukkan bahwa kenyamanan yang didapat dari pengalaman konsumen dalam menggunakan atau mengakses e-commerce website Campina dapat memberikan value kepada konsumen.
6. X2.4 (Penggunaan Website) dengan Z2 (Consumers Trust), dengan angka korelasi sebesar 0,547 menunjukkan bahwa kenyamanan yang didapat dari pengalaman konsumen dalam menggunakan atau mengakses e-commerce website Campina
mampu memberikan dan meningkatkan kepercayaan konsumen terhadap merek Campina.
Dari data tersebut, maka dapat diketahui semakin besar angka korelasi koefisien maka akan semakin kuat pengaruh antar variabel. Begitupun sebaliknya, semakin kecil angka korelasi koefisien maka akan semakin kecil pula kuat pengaruh antar variabel.
5.4. Pembahasan Hasil Penelitian
5.4.1. Pengaruh Kegiatan Pemasaran Digital terhadap Kesadaran Konsumen atas E-commerce Website Campina Delivery
Dalam meningkatkan kesadaran konsumen akan layanan pesan antar produk Campina lewat online channel, yaitu e-commercewebsite, Campina perlu melakukan serangkaian kegiatan pemasaran digital untuk mengkomunikasikan produk, layanan pesan antar, dan sistem pemesanan via online yang dipunyai. Kegiatan pemasaran digital yang dimaksud adalah : pengelolaan website, optimasi mesin pencari (SEO), hubungan masyarakat secara online (online PR), jejaring sosial (social networks),
e-mail pemasaran, dan pengelolaan hubungan konsumen (CRM).
Hasil Analisa : Hipotesis H1 diterima, yaitu pemasaran digital berpengaruh tehadap peningkatan kesadaran konsumen terhadap e-commerce website Campina Ice Cream.
5.4.2. Pengaruh Perilaku Online Konsumen terhadap Kesadaran Konsumen atas E-commerce Website Campina Delivery
Perilaku konsumen secara online yang dimaksud dalam penelitian ini adalah interaksi dinamis antara konsumen digital dalam aktivitasnya secara online, misalnya antara pengaruh dan kognitif, perilaku, dan kejadian disekitar kita dimana manusia melakukan aspek pertukaran dalam hidup mereka. Dengan semakin baiknya internet
literacy konsumen, maka diyakini berpengaruh terhadap peningkatan consumer awareness akan e-commercewebsite yang dikelola oleh PT. Campina Ice Cream
Industry ini.
Hasil Analisa: Hipotesis H0 diterima dan Hipotesis H2 tidak diterima/ditolak, dengan demikian dapat disimpulkan bahwa perilaku konsumen secara online tidak berpengaruh terhadap peningkatan kesadaran konsumen terhadap e-commerce website Campina Ice Cream.
Dengan tidak diterimanya hipotesis H2 diatas, maka peneliti berkesimpulan bahwa perilaku konsumen yang semakin mengarah ke gaya hidup online, yang salah satunya semakin tidak terpisahkannya konsumen dengan perangkat smartphone atau gadget, dewasa ini bukan faktor yang membawa pengaruh langsung terhadap peningkatan konsumen, melainkan hanya menjadi faktor pendukung yang mempermudah pengenalan dan edukasi tentang belanja online produk es krim dan ice cream cake Campina lewat e-commerce website Campina.
Langkah selanjutnya adalah meningkatkan kegiatan komunikasi periklanan lewat media digital bergerak (mobile device) yang kini menjadi hal yang sangat personel untuk konsumen. Bukan saja dengan beriklan di media digital, Campina juga harus meningkatkan kualitas dan daya tarik konten yang disebar lewat media digital-nya, seperti akun media sosial, halaman artikel/blog di website, dan sebagainya ditengah persaingan produsen es krim, baik yang bersifat home made, lokal, maupun yang berskala nasional dalam waktu dekat.
5.4.3. Pengaruh Kesadaran Konsumen terhadap Keputusan Pembelian Konsumen via E-commerce Website Campina Delivery
Dengan semakin aware atau sadarnya konsumen akan keberadaan
e-commercewebsite, keberadaan produk es krim dan ice cream cake, juga tentunya
layanan pesan antar Campina Delivery ini lewat serangkaian kegiatan pemasaran digital, diharapkan traffic dan jumlah member website akan meningkat seiring dengan peningkatan penjualan dan juga kontribusi online channel ini terhadap penjualan
channel home delivery dan juga tentunya kontribusi terhadap penjualan Campina
secara umum.
Hasil Analisa : Hipotesis H0 diterima sedangkan Hipotesis H3 tidak diterima/ditolak. Dengan demikian dapat disimpulkan bahwa peningkatan kesadaran konsumen terhadap e-commerce website Campina tidak berpengaruh secara langsung terhadap keputusan pembelian di e-commerce website Campina.
Meskipun kegiatan pemasaran digital yang dilakukan oleh Campina berpengaruh terhadap peningkatan kesadaran konsumen akan e-commerce website Campina, namun tidak halnya dengan kesadaran konsumen tersebut yang tidak serta merta berpengaruh terhadap keputusan pembelian konsumen di e-commerce website Campina. Sehingga dalam meningkatkan kemungkinan pengunjung e-commerce website berbelanja es krim dan ice cream cake, Campina masih perlu melakukan beberapa hal, diantaranya :
1. Membuat pelanggan betah berlama-lama mengunjungi e-commerce website Campina, antara lain dengan memberikan pengalaman hiburan lewat user
interface yang lebih menarik, sehingga pada akhirnya bisa memberikan user experience yang bisa membuat pelanggan tertarik untuk membeli, dan melakukan
pengulangan pembelian.
2. Ice cream cake sebagai salah satu tulang punggung dari Campina Delivery,
sebagian besar dibeli oleh konsumen karena ada peristiwa tertentu untuk dirayakan. Oleh karena itu, Campina perlu melakukan pengelolaan konsumen yang baik, agar pelanggan tetap ingat dengan Campina Delivery saat ada peristiwa yang dirayakan.
3. Program promosi penjualan masih menjadi salah satu daya tarik untuk pelanggan dalam membeli produk es krim dan ice cream cake Campina, karena itu di hari-hari khusus dalam satu tahun hendaknya Campina melakukan perencanaan promosi turun harga atau yang bersifat added value (bundling promotion, cash
4. Mendorong pelanggan yang sudah pernah berbelanja es krim via online channel (sudah diverifikasi sebagai member website dan benar-benar pernah membeli) untuk meninggalkan review dan testimoni sebagai informasi untuk calon pelanggan lain yang belum pernah mencoba berbelanja, lewat pemberian gimmick khusus, untuk review dan testimoni yang diberikan, positif mapun negatif.
5.4.4. Pengaruh Digital Marketing dan Perilaku Online Konsumen terhadap Keputusan Pembelian Konsumen via E-commerce Website Campina Delivery
Setelah meneliti ada tidaknya hubungan atau pengaruh antara kegiatan pemasaran digital dan perilaku konsumen secara online secara parsial terhadap peningkatan kesadaran konsumen terhadap e-commerce website Campina, maka kini kedua variabel bebas tersebut secara bersama-sama (simultan) diteliti ada tidaknya hubungan atau pengaruhnya terhadap keputusan pembelian konsumen melalui e-commercewebsite Campina Ice Cream.
Hasil Analisa : Hipotesis H4 diterima dan Hipotesis H0 ditolak. Dengan demikian dapat disimpulkan bahwa pemasaran digital dan perilaku konsumen secara online secara simultan berpengaruh terhadap keputusan pembelian di e-commerce website Campina.
Persamaan Jalur: Keputusan Pembelian = 0.36 Pemasaran Digital + 0.55 Perilaku Online Konsumen.
