36 BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Pengumpulan Data
Pengumpulan data dilakukan dengan menggunakan instrument penelitian berupa kuesioner yang disebarkan melalui media daring. Sebelum melakukan survei tahap akhir (field test), dilakukan pengujian kuesioner dengan survei tahap awal. Pengumpulan data pilot test dilakukan pada tanggal 22 – 27 Februari 2021 dengan rekapitulasi hasil kuesioner dapat dilihat pada lampiran 1. Sedangkan untuk pengumpulan data field test dilakukan pada tanggal 1 – 27 Maret 2021 dengan rekapitulasi hasil kuesioner dapat dilihat pada lampiran 2.
Survei tahap awal atau pilot test bertujuan untuk mengetahui seberapa besar pemahaman responden terhadap daftar pertanyaan yang diajukan pada kuesioner sebelum melakukan survei tahap akhir dengan jumlah responden yang lebih banyak. Hal tersebut dapat diketahui dengan menguji validitas dan reliabilitas kuesioner. Pengujian tersebut dilakukan dengan menggunakan bantuan software SPSS versi 20.
4.1.1 Profil Responden Pilot Test
Pada tahap awal ini diperoleh data sebanyak 42 data, namun sebanyak 12 data tidak memenuhi kriteria persyaratan responden pada penelitian ini. Data yang diolah pada tahap ini sesuai dengan jumlah responden yang telah ditentukan pada bab sebelumnya, yaitu sebanyak 30 sampel. Responden survei tahap awal ini sebanyak 76,7 % sudah bekerja di bidang ritel selama lebih dari 5 tahun dan sisanya bekerja selama 1 – 5 tahun. Rekapitulasi profil responden pilot test dapat dilihat pada tabel 4.1 berikut.
Tabel 4.1 Profil Responden Pilot Test
Kategori Frekuensi Prosentase
Usia
18 – 25 tahun 4 13,3 %
26 – 33 tahun 13 43,3 %
34 – 41 tahun 9 30 %
42 – 49 tahun 4 13,3 %
Jenis Kelamin
Perempuan 17 56,7 %
Laki-laki 13 43,3 %
Domisili
Banten 1 3,3 %
Jawa Barat 2 6,7 %
DKI Jakarta 1 3,3 %
Daerah Istimewa Yogyakarta (DIY) 1 3,3 %
Jawa Timur 6 20 %
Kalimantan Timur 12 40 %
Nusa Tenggara Barat 2 6,7 %
Maluku 6 20 %
Pegawai yang menjadi responden tahap awal penelitian ini memiliki proporsi yang hampir seimbang antara responden perempuan dan laki-laki dan sebagian besar berada pada usia produktif yaitu antara 15 sampai 64 tahun (BPS, 2021). Perlu diketahui bahwa lingkup penelitian ini merupakan industri ritel di Indonesia, oleh karena itu sangat penting untuk mengambil sampel yang dapat mewakili seluruh wilayah Indonesia. Berdasarkan perolehan data responden, persebaran wilayah responden cukup merata. Sebanyak 37 % responden berasal dari wilayah Indonesia bagian barat, 46,7 % responden berasal dari wilayah Indonesia bagian tengah, dan sisanya 20 % berasal dari wilayah Indonesia bagian timur.
4.1.2 Uji Validitas Pilot Test
Pengujian validitas pilot test dilakukan untuk menguji jawaban kuesioner responden pada tahap awal penelitian untuk mengetahui validitas atau kesalihan intrumen penelitian dan menunjukkan kekuatannya sebagai alat ukur penelitian ini.
Hasil dari uji validitas menentukan apakah kuesioner yang telah dibuat sebelumnya relevan dan dapat digunakan sebagai alat ukur pada penelitian tahap akhir (field test). Berikut merupakan rekapitulasi hasil uji validitas seluruh item pertanyaan pada penelitian ini.
Tabel 4.2 Hasil Uji Validitas Pilot Test
Variabel Item Pertanyaan (Indikator)
Pearson
Correlation Keterangan Adopsi Teknologi Electronic Data
Interchange (EDI) EDI 1 0,868 Valid
EDI 2 0,831 Valid
EDI 3 0,813 Valid
Adopsi Teknologi Radio Frequency
Identification (RFID) RFID 1 0,824 Valid
RFID 2 0,889 Valid
RFID 3 0,926 Valid
RFID 4 0,904 Valid
Adopsi Teknologi Blockchain (BC) BC 1 0,862 Valid
BC 2 0,847 Valid
BC 3 0,902 Valid
BC 4 0,911 Valid
BC 5 0,898 Valid
Sistem Traceability (T) T 1 0,914 Valid
T 2 0,877 Valid
T 3 0,868 Valid
Kinerja Industri Ritel (K) B 1 0,852 Valid
B 2 0,752 Valid
B 3 0,775 Valid
B 4 0,821 Valid
B 5 0,664 Valid
KK 1 0,866 Valid
KK 2 0,913 Valid
KK 3 0,930 Valid
TP 1 0,936 Valid
TP 2 0,848 Valid
TP 3 0,735 Valid
TP 4 0,816 Valid
TP 5 0,882 Valid
Penentuan validitas dilakukan dengan membandingkan nilai pearson correlation dengan nilai Rtable. Penelitian ini menggunakan level signifikansi (α)
sebesar 5% untuk pengujian dua arah karena hipotesis yang digunakan belum mengetahui arah signifikan pengaruh variabelnya (positif atau negatif). Sehingga nilai Rtable yang digunakan adalah R(n-2;0,05) = R(28;0,05) = 0,361. Berdasarkan hasil uji validitas pada tabel 4.2, dapat dilihat bahwa seluruh item pertanyaan dinyatakan valid karena memiliki nilai pearson correlation melebihi nilai Rtable (0,361).
Indikator TP 1 memiliki nilai validitas tertinggi dibandingkan dengan item pertanyaan lainnya yaitu sebesar 0,936 yang menandakan item pertanyaan tersebut paling mampu menjelaskan hal yang ingin diketahui peneliti. Sedangkan untuk nilai validitas terendah dimiliki oleh indikator B 5 sebesar 0,664 yang berarti item pertanyaan tersebut memiliki kekuatan terendah dalam menjelaskan hal yang ingin diketahui peneliti. Berdasarkan hasil uji validitas yang menyatakan seluruh item pertanyaan dinyatakan valid dan sah dalam menjadi alat ukur penelitian, maka kuesioner yang telah dibuat digunakan sebagai alat ukur pada tahap penelitian selanjutnya.
4.1.3 Uji Reliabilitas Pilot Test
Dalam mengukur kestabilan dan konsistensi responden dalam menjawab item pertanyaan yang mana berkaitan dengan konstruk antar variabel dapat dilakukan dengan melakukan uji reliabilitas. Seluruh variabel akan diketahui ketepatannya dalam mengukur apa yang diukur peneliti yang mana menentukan akan digunakan atau tidaknya kuesioner tersebut sebagai intrumen penelitian pada tahap selanjutnya. Berikut merupakan rekapitulasi hasil uji reliabilitas seluruh variabel penelitian ini.
Tabel 4.3 Hasil Uji Reliabilitas Pilot Test
Variabel Cronbach’s Alpha Keterangan
Adopsi Teknologi Electronic Data Interchange
(EDI) 0,779 Reliabel
Adopsi Teknologi Radio Frequency
Identification (RFID) 0,903 Reliabel
Adopsi Teknologi Blockchain (BC) 0,929 Reliabel
Sistem Traceability (T) 0,862 Reliabel
Kinerja Industri Ritel (K) 0,962 Reliabel
Penentuan kuesioner dinyatakan reliabel atau tidak adalah dengan menganalisis nilai cronbach’s alpha setiap variabelnya. Berdasarkan hasil uji reliabilitas pada tabel 4.3 dapat dilihat bahwa seluruh variabel dinyatakan reliabel karena memiliki nilai cronbach’s alpha yang melebihi 0,700. Variabel kinerja industri ritel (K) memiliki nilai tertinggi, yaitu sebesar 0,962. Sedangkan variabel adopsi teknologi electronic data interchange (EDI) memiliki nilai cronbach’s alpha terendah yaitu 0,779. Sehingga dapat disimpulkan bahwa kuesioner yang telah dibuat dapat digunakan pada penelitian tahap selanjutnya karena memiliki konsistensi dan ketepatan dalam mengukur apa yang ingin diukur peneliti.
4.2 Pengolahan Data Field Test
Setelah kuesioner dinyatakan valid dan reliabel dalam mengukur apa yang ingin diukur peneliti, maka selanjutnya dilakukan penyebaran kuesioner tersebut dengan jumlah responden yang lebih banyak untuk penelitian tahap akhir (field test). Tahap akhir ini bertujuan untuk mengetahui adanya hubungan antar konstruk guna menjawab hipotesis yang telah dibuat sebelumnya. Hasil jawaban kuesioner field test, selanjutnya dianalisa menggunakan metode partial least square – structural equation modeling (PLS-SEM). Dalam analisa tersebut peneliti menggunakan bantuan software SmartPLS versi 3.
4.2.1 Profil Responden Field Test
Pada tahap akhir penelitian ini dikumpulkan data sebanyak 167 sampel untuk dianalisa lebih lanjut. Terdapat 27 data yang tidak memenuhi kriteria persyaratan responden dan dikeluarkan dari sampel, sehingga analisa pada field test menggunakan sebanyak 140 sampel data. Proses penyebaran dan pengumpulan data kuesioner berlangsung selama kurang lebih satu bulan. Melalui hasil screening diketahui sebanyak 64,3 % responden tahap akhir ini sudah bekerja di bidang ritel selama lebih dari 5 tahun dan sisanya 35,7 % bekerja selama 1 – 5 tahun. Selain itu, juga diketahui seluruh responden memastikan bahwa sudah pernah menggunakan alat teknologi untuk sistem traceability. Berikut terlampir rekapitulasi profil responden field test pada tabel 4.4.
Tabel 4.4 Profil Responden Field Test
Kategori Frekuensi Prosentase
Usia
18 – 25 tahun 34 24,3 %
26 – 33 tahun 48 34,3 %
34 – 41 tahun 44 31,4 %
42 – 49 tahun 14 10 %
Jenis Kelamin
Perempuan 77 55 %
Laki-laki 63 45 %
Domisili
Sumatera Utara 3 2,1 %
Jambi 2 1,4 %
Banten 3 2,1 %
Jawa Barat 8 5,7 %
DKI Jakarta 4 2,9 %
Jawa Tengah 2 1,4 %
Daerah Istimewa Yogyakarta (DIY) 4 2,9 %
Jawa Timur 31 22,1 %
Kalimantan Timur 18 12,9 %
Kalimantan Selatan 2 1,4 %
Kalimantan Utara 4 2,9 %
Bali 5 3,6 %
Sulawesi Utara 4 2,9 %
Gorontalo 6 4,3 %
Sulawesi Selatan 7 5 %
Nusa Tenggara Barat 7 5 %
Maluku 14 10 %
Maluku Utara 6 4,3 %
Papua 3 2,1 %
Papua Barat 7 5 %
Seperti halnya rekapitulasi responden pada tahap awal, responden field test juga merupakan responden yang berada pada usia produktif dan memiliki proporsi yang seimbang antara responden perempuan dan laki-laki. Persebaran wilayah responden pada tahap akhir ini juga masih dapat mewakili tiga bagian wilayah Indonesia. Pada bagian wilayah Indonesia bagian barat diperoleh responden sebanyak 40,7 %, Indonesia bagian tengah sebanyak 37,9 %, dan untuk bagian timur Indonesia diperoleh responden sebanyak 21,4 %.
4.2.2 Statistik Deskriptif
Perhitungan statistik deskriptif berguna untuk mendeskripsikan setiap data indikator variabel melalui distribusi frekuensi, nilai mean, nilai minimum dan maksimum, serta nilai standar deviasi. Statistik deskriptif diperoleh berdasarkan
rekapitulasi data dari skala likert responden yang memiliki interval 1 sampai dengan 5 yang mewakili jawaban tidak penting hingga sangat penting. Tabel berikut merupakan rekapitulasi statistik deskriptif untuk masing-masing indikator variabel.
Tabel 4.5 Statistik Deskriptif Kuesioner Field Test
Variabel Indikator N Min Max St. Dev Mean Adopsi Teknologi
Electronic Data Interchange (EDI)
EDI 1 140 2 5 0,738 4,407 4,407
EDI 2 140 2 5 0,672 4,457
EDI 3 140 2 5 0,778 4,357
Adopsi Teknologi Radio Frequency Identification (RFID)
RFID 1 140 1 5 0,712 4,443 4,434
RFID 2 140 2 5 0,729 4,414
RFID 3 140 1 5 0,760 4,429
RFID 4 140 2 5 0,682 4,450
Adopsi Teknologi
Blockchain (BC) BC 1 140 1 5 0,801 4,186 4,476
BC 2 140 2 5 0,687 4,600
BC 3 140 2 5 0,616 4,629
BC 4 140 1 5 0,732 4,436
BC 5 140 2 5 0,617 4,529
Sistem Traceability (T) T 1 140 2 5 0,705 4,507 4,469
T 2 140 2 5 0,684 4,514
T 3 140 2 5 0,735 4,386
Kinerja Industri Ritel (K) B 1 140 1 5 0,846 4,300 4,593
B 2 140 1 5 0,896 4,343
B 3 140 1 5 0,763 4,464
B 4 140 1 5 0,637 4,636
B 5 140 3 5 0,540 4,714
KK 1 140 2 5 0,605 4,671
KK 2 140 3 5 0,452 4,800
KK 3 140 2 5 0,506 4,786
TP 1 140 2 5 0,619 4,664
TP 2 140 1 5 0,700 4,643
TP 3 140 2 5 0,735 4,471
TP 4 140 2 5 0,635 4,579
TP 5 140 2 5 0,624 4,643
Rekapitulasi statistik deskriptif diatas menunjukkan kecenderungan responden dalam menilai setiap variabel melalui rata-rata indikator. Seluruh indikator pertanyaan dijawab dengan nilai tertinggi skala likert 5 (mewakili jawaban sangat penting), sedangkan untuk jawaban terendah yang diperoleh sebagian besar adalah skala likert 2 (kurang penting). Dari segi variabilitas sampel data yang diperoleh memiliki rentang standar deviasi yang cukup besar yaitu antara 0,452 hingga 0,896. Dari rekapitulasi tersebut dapat diketahui bahwa 140 respon yang diberikan responden sebagian besar termasuk dalam kategori sangat penting karena sebagian besar memiliki nilai mean yang lebih tinggi dari 4,21 (Restuputri, Masudin, & Sari, 2020). Hanya indikator BC 1 (4,186) saja yang memiliki nilai mean kategori cukup penting karena berada pada rentang 3,41 hingga 4,21 (Restuputri et al., 2020). Terlepas dari hal tersebut, variabel kinerja industri ritel (K) memiliki nilai mean paling tinggi dibanding variabel lainnya yaitu sebesar 4,593.
4.2.3 Hasil Analisis Partial Least Square – Structural Equation Modeling (PLS-SEM)
Penelitian ini menggunakan analisis model struktural untuk mengetahui apakah seluruh faktor (indikator/variabel manifes dan variabel/variabel laten) saling terkait dan mempengaruhi kinerja industri ritel. Metode analisis PLS-SEM dipilih karena metode ini direkomendasikan untuk mengetahui hubungan variabel dan mengidentifikasi faktor pendorong utama pada konstruk (Joseph F Hair et al., 2019). Analisis PLS-SEM akan menghasilkan gambaran diagram jalur dan nilai konstruk antar faktor. Hasil penggambaran model awal pada penelitian ini dapat dilihat pada gambar 4.1 berikut.
Hubungan hipotesis penelitian ini digambarkan dengan panah yang menghubungkan antara satu variabel laten dengan variabel laten lainnya (lingkaran biru). Setiap variabel laten memiliki pengukur yang disebut dengan variabel manifest (kotak kuning). Nilai numerik yang terdapat pada gambar menunjukkan nilai factor loading (terletak pada panah dari variabel laten ke variabel manifes), R2 (terletak pada variabel laten), dan nilai koefisien jalur (terletak pada panah antar variabel laten). Seperti yang telah dijelaskan pada metodologi penelitian, metode PLS-SEM melakukan dua evaluasi model yaitu evaluasi outer model dan inner model. Outer model merupakan hubungan antar variabel laten dan variabel manifes yang disebut dengan evaluasi model pengukuran, sedangkan inner model merupakan jalur antara variabel laten atau lebih dikenal dengan evaluasi model struktural (Joseph F Hair, Anderson, Babin, & Black, 2010; Tenenhaus, Vinzi, Chatelin, & Lauro, 2005).
1. Evaluasi Model Pengukuran
Evaluasi model pengukuran dilakukan dengan mengevaluasi validitas dan reliabilitas model. Validitas model dievaluasi berdasarkan validitas konvergen dan diskriminan. Pada validitas konvergen, analisis dilakukan dengan melihat
Gambar 4.1 Jalur Model Awal
parameter loading factor (outer loading) dan average variance extracted (AVE) dan validitas diskriminan menggunakan parameter nilai cross-loading dan kriteria fornell-larcker. Hasil rekapitulasi validitas konvergen tertera pada tabel 4.6 hingga 4.9. Sedangkan untuk reliabilitas model menggunakan parameter composite reliability dan cronbach’s alpha yang hasilnya dapat dilihat pada tabel 4.10.
Tabel 4.6 Rekapitulasi Validitas Konvergen Awal
Variabel Indikator Outer Loading AVE Keterangan Adopsi Teknologi Electronic
Data Interchange (EDI) EDI 1 0,881 0,734 Valid
EDI 2 0,868 Valid
EDI 3 0,819 Valid
Adopsi Teknologi Radio Frequency Identification (RFID)
RFID 1 0,837 0,617 Valid
RFID 2 0,859 Valid
RFID 3 0,804 Valid
RFID 4 0,618 Valid
Adopsi Teknologi Blockchain
(BC) BC 1 0,799 0,614 Valid
BC 2 0,753 Valid
BC 3 0,768 Valid
BC 4 0,805 Valid
BC 5 0,793 Valid
Sistem Traceability (T) T 1 0,860 0,731 Valid
T 2 0,875 Valid
T 3 0,830 Valid
Kinerja Industri Ritel (K) B 1 0,574 0,464 Tidak Valid
B 2 0,585 Tidak Valid
B 3 0,704 Valid
B 4 0,718 Valid
B 5 0,660 Valid
KK 1 0,642 Valid
KK 2 0,663 Valid
KK 3 0,710 Valid
TP 1 0,721 Valid
TP 2 0,702 Valid
TP 3 0,656 Valid
TP 4 0,711 Valid
TP 5 0,778 Valid
Indikator dengan outer loading kurang dari 0,6 dianggap tidak valid dan perlu dikeluarkan dari model (Ghozali, 2008). Namun, penghapusan otomatis indikator dengan nilai outer loading lemah harus memperhatikan pengaruh penghilangan item tersebut terhadap nilai AVE dan composite reliability (Hair Jr et al., 2016; Hulland, 1999). Pada tabel 4.6, dapat dilihat bahwa terdapat dua indikator pada variabel kinerja industri ritel (K) yang tidak valid yaitu B 1 (0,574) dan B 2 (0,585). Selanjutnya dilakukan pertimbangan dengan melihat nilai AVE variabel K (0,464) yang ternyata masih belum memenuhi kriteria penerimaan karena kurang dari 0,5. Berdasarkan pertimbangan tersebut maka indikator yang tidak valid perlu dikeluarkan dari model. Berikut merupakan hasil validitas konvergen setelah diperbaiki.
Tabel 4.7 Rekapitulasi Validitas Konvergen Akhir
Variabel Indikator Outer Loading AVE Keterangan Adopsi Teknologi Electronic
Data Interchange (EDI) EDI 1 0,881 0,734 Valid
EDI 2 0,868 Valid
EDI 3 0,819 Valid
Adopsi Teknologi Radio Frequency Identification (RFID)
RFID 1 0,837 0,617 Valid
RFID 2 0,859 Valid
RFID 3 0,804 Valid
RFID 4 0,618 Valid
Adopsi Teknologi Blockchain
(BC) BC 1 0,799 0,614 Valid
BC 2 0,753 Valid
BC 3 0,768 Valid
BC 4 0,805 Valid
BC 5 0,793 Valid
Sistem Traceability (T) T 1 0,860 0,731 Valid
T 2 0,875 Valid
T 3 0,830 Valid
Kinerja Industri Ritel (K) B 3 0,657 0,502 Valid
B 4 0,733 Valid
B 5 0,664 Valid
KK 1 0,671 Valid
KK 2 0,697 Valid
KK 3 0,736 Valid
TP 1 0,734 Valid
TP 2 0,737 Valid
TP 3 0,649 Valid
TP 4 0,706 Valid
TP 5 0,794 Valid
Setelah indikator yang tidak valid dikeluarkan, menyebabkan peningkatan nilai outer loading pada beberapa indikator dan dapat dipastikan seluruh indikator telah memiliki outer loading lebih dari 0,6 dan valid. Indikator EDI 1 memiliki nilai outer loading tertinggi diantara indikator lainnya yaitu sebesar 0,881 yang menandakan indikator tersebut paling mampu menjelaskan hal yang ingin diketahui peneliti. Sedangkan outer loading terendah dimiliki oleh indikator RFID 4 (0,618) namun masih dapat menjelaskan hal yang ingin diteliti.
Perbaikan yang dilakukan juga menyebabkan peningkatan nilai AVE pada variabel kinerja industri ritel (K) yang awalnya bernilai 0,464 menjadi 0,502.
Sehingga seluruh variabel telah memenuhi kriteria penerimaan parameter AVE dan dapat dikatakan memiliki validitas konvergen yang baik. Selanjutnya dilakukan analisis validitas dikriminan untuk memastikan kevalidan dari konstruk model.
Tabel 4.8 Validitas Diskriminan berdasarkan Cross-Loading
Variabel EDI Variabel RFID Variabel BC Variabel T Variabel K
EDI1 0,881 0,639 0,476 0,566 0,473
EDI2 0,868 0,636 0,539 0,602 0,409
EDI3 0,819 0,624 0,445 0,532 0,458
RFID1 0,692 0,837 0,615 0,676 0,536
RFID2 0,631 0,859 0,659 0,66 0,458
RFID3 0,611 0,804 0,578 0,597 0,515
RFID4 0,314 0,618 0,479 0,400 0,461
BC1 0,409 0,614 0,799 0,663 0,417
BC2 0,312 0,453 0,753 0,519 0,563
BC3 0,451 0,598 0,768 0,542 0,535
BC4 0,457 0,601 0,805 0,510 0,520
BC5 0,580 0,637 0,793 0,669 0,549
T1 0,560 0,634 0,706 0,860 0,569
T2 0,604 0,725 0,615 0,875 0,575
T3 0,534 0,583 0,605 0,830 0,611
B 3 0,352 0,474 0,610 0,510 0,657
B 4 0,306 0,419 0,469 0,462 0,733
B 5 0,421 0,490 0,453 0,473 0,664
KK 1 0,289 0,324 0,380 0,371 0,671
KK 2 0,408 0,461 0,483 0,515 0,697
KK 3 0,337 0,477 0,433 0,442 0,736
TP 1 0,419 0,447 0,420 0,443 0,734
TP 2 0,352 0,379 0,398 0,447 0,737
TP 3 0,412 0,416 0,422 0,528 0,649
TP 4 0,308 0,395 0,414 0,424 0,706
TP 5 0,407 0,508 0,554 0,621 0,794
Ketentuan penerimaan parameter cross-loading adalah ketika nilai korelasi antara indikator pada variabel yang sama lebih tinggi daripada indikator tersebut dengan variabel lainnya. Berdasarkan rekapitulasi nilai cross-loading pada tabel 4.8 diatas, dapat dilihat bahwa seluruh indikator telah memenuhi ketentuan penerimaan parameter cross-loading. Sebagai contoh, nilai korelasi indikator EDI 1 dengan variabel EDI adalah 0,881 yang mana lebih besar daripada korelasi EDI 1 – variabel RFID (0,639), korelasi EDI 1 – variabel BC (0,476), korelasi EDI 1 – variabel T (0,566), dan korelasi EDI 1 – variabel K (0,473). Hal tersebut telah dipastikan juga sama terjadi pada korelasi indikator lainnya. Sehingga dapat dinyatakan bahwa korelasi antara indikator dengan variabel dalam model telah valid. Selanjutnya dilakukan analisis parameter fornell-larcker untuk melihat korelasi antar variabel.
Tabel 4.9 Validitas Diskriminan berdasarkan Fornell-Larcker
Variabel BC
Variabel EDI
Variabel K
Variabel RFID
Variabel T Variabel BC 0,784
Variabel EDI 0,570 0,857
Variabel K 0,655 0,520 0,708
Variabel RFID 0,746 0,739 0,622 0,785
Variabel T 0,751 0,662 0,684 0,758 0,855
Penerimaan parameter fornell-larcker adalah ketika nilai korelasi antara variabel dengan variabel yang sama lebih besar dari nilai korelasi antara variabel
tersebut dengan variabel lainnya. Dengan kata lain, nilai diagonal pada masing- masing variabel harus lebih dari nilai-nilai lainnya yang sejajar. Seperti yang dapat dilihat pada tabel 4.9, nilai yang berwarna abu-abu sudah lebih besar dari nilai lainnya yang sejajar. Misalnya, pada baris kedua yaitu variabel EDI memiliki nilai korelasi antar variabel yang sama adalah 0,857 yang mana lebih besar dari nilai korelasi variabel EDI – BC (0,570), korelasi variabel K – EDI (0,520), korelasi variabel RFID – EDI (0,739), dan korelasi variabel T – EDI (0,662). Hal tersebut sudah dipastikan terjadi pada korelasi variabel lainnya dan dapat disimpulkan bahwa korelasi antar variabel dalam model adalah valid. Sehingga validitas diskriminan model sudah sepenuhnya memenuhi persyaratan dan dinyatakan valid.
Tabel 4.10 Reliabilitas Field Test
Variabel Cronbach's Alpha Composite Reliability Keterangan
BC 0,844 0,888 Reliabel
EDI 0,818 0,892 Reliabel
K 0,900 0,917 Reliabel
RFID 0,791 0,864 Reliabel
T 0,816 0,891 Reliabel
Kriteria parameter cronbach’s alpha dalam sebuah konstruk adalah harus melebihi nilai 0,7 dinyatakan reliabel. Berdasarkan rekapitulasi pada tabel 4.10 dapat dilihat bahwa nilai cronbach’s alpha seluruh variabel berada diatas 0,791 sehingga dapat dinyatakan reliabel. Variabel kinerja industri ritel (K) memiliki nilai cronbach’s alpha tertinggi yaitu sebesar 0,900 yang menunjukkan adanya konsistensi internal dan korelasi antar variabel indikator yang sangat baik.
Sedangkan untuk nilai terendah dimiliki variabel adopsi teknologi RFID yaitu 0,791 namun nilai tersebut masih termasuk nilai cronbach’s alpha dengan konsistensi dan korelasi yang baik.
Composite reliability digunakan sebagai parameter pendukung dari segi keterkaitan dari outer loading. Pada tabel 4.10 dapat dilihat bahwa nilai composite reliability yang diperoleh berkisar antara 0,864 (variabel RFID) hingga tertinggi adalah 0,917 (variabel K). Hal tersebut menyatakan bahwa reliabilitas yang dimiliki adalah sangat baik dan kuat karena nilai composite reliability berada pada rentang
0,7 – 0,9 (Nunnally, 1994). Maka dapat disimpulkan bahwa seluruh variabel sangat reliabel dan keterkaitannya sangat kuat.
2. Evaluasi Model Struktural
Evaluasi model struktural atau inner model dilakukan setelah seluruh variabel manifest dinyatakan valid dan reliabel. Evaluasi ini bertujuan untuk mengevaluasi pengaruh konstruk antar variabel laten yang ada pada model penelitian. Gambaran model konstruk akhir yang telah valid dan reliabel dapat dilihat pada gambar 4.2. Evaluasi model struktural dilakukan dengan menganalisis parameter koefisien determinasi atau R-square, path coefficient, dan predictive relevance (Q2).
Parameter koefisien determinasi (R2) menjelaskan proporsi varian dari variabel laten yang dijelaskan oleh variabel laten lainnya. Parameter ini bernilai dengan kisaran angka 0 hingga 1 dengan nilai mendekati 1 menunjukkan tingkat akurasi prediksi yang tinggi dan sebaliknya. Parameter R-square bernilai 0,19 tergolong lemah, nilai 0,33 tergolong sedang, dan nilai 0,67 tergolong kuat (Ghozali, 2008). Nilai koefisien determinasi dapat dilihat pada gambar 4.2 tepatnya pada nilai numerik pada ikon variabel T (0,672) dan variabel K (0,467). Hal ini menunjukkan bahwa variabel traceability (T) memiliki akurasi prediksi yang kuat,
Gambar 4.2 Jalur Model Akhir
sedangkan untuk variabel kinerja industri ritel (K) memiliki akurasi prediksi yang sedang. Selain mengevaluasi parameter R-square, kriteria untuk akurasi prediksi juga dapat diperiksa dengan menggunakan nilai Stone-Geisser’s (Q2) yang mewakili kriteria evaluasi parameter predictive relevance. Hal tersebut dapat diperoleh dengan menggunakan teknik blindfolding dan hasilnya tertera pada tabel 4.11 berikut ini.
Tabel 4.11 Nilai Predictive Relevance
Variabel Endogen Stone-Geisser’s (Q2)
Sistem Traceability (T) 0,476
Kinerja Industri Ritel (K) 0,206
Penilaian predictive relevance adalah apabila nilai Q2 yang diperoleh melebihi nol maka observasi yang dilakukan dikatakan baik. Berdasarkan hasil yang diperoleh pada tabel 4.11 dapat diketahui bahwa penelitian ini memiliki observasi yang baik dan model yang dibangun memiliki kekuatan atas prediksi di luar sampel hingga batas tertentu. Variabel sistem traceability (T) memiliki nilai Q2 sebesar 0,476 yang mana menunjukkan bahwa variabel tersebut memiliki observasi yang kuat, sedangkan untuk variabel kinerja industri ritel (K) bernilai 0,206 yang menunjukkan observasi yang dilakukan adalah sedang atau moderat.
Selanjutnya merupakan analisis path coeffisien atau koefisien jalur yang menjelaskan pengaruh variabel laten tertentu terhadap variabel laten lainnya.
Tabel 4.12 Rekapitulasi Path Coefficient
Variabel Sistem
Traceability (T)
Kinerja Industri Ritel (K)
Sistem Traceability (T) 0,684
Adopsi Teknologi Electronic Data Interchange
(EDI) 0,209
Adopsi Teknologi Radio Frequency Identification
(RFID) 0,298
Adopsi Teknologi Blockchain (BC) 0,410
Nilai parameter path coefficient berkisar antara -1 hingga +1 dengan nilai mendekati +1 menunjukkan hubungan yang kuat dan sebaliknya. Penjelasan lebih lanjut dikatakan bahwa nilai kurang dari 0,15 dinyatakan lemah, nilai 0,15 hingga 0,45 dinyatakan sedang, dan jika lebih dari 0,45 maka dinyatakan kuat. Berdasarkan rekapitulasi nilai path coefficient pada tabel 4.12 dapat diketahui bahwa seluruh variabel memiliki pengaruh yang positif lainnya karena bernilai positif (> 0). Selain
itu, juga dapat diketahui variabel adopsi teknologi EDI (0,209), RFID (0,298), dan blockchain (0,410) memiliki hubungan yang sedang atau cukup terkait dengan variabel sistem traceability (T). Sedangkan hubungan variabel sistem traceability (T) dengan variabel kinerja industri ritel (K) memiliki hubungan yang kuat (0,684).
3. Pengujian Hipotesis
Pengujian hipotesis bertujuan untuk megetahui tingkat signifikansi variabel eksogen (variabel traceability dan kinerja industri ritel) terhadap variabel endogen (variabel adopsi teknologi EDI, RFID, dan blockchain). Pengujian dilakukan dengan teknik bootstrapping dan memiliki ketentuan penerimaan apabila nilai Tstatistik ≥ Ttabel atau Pvalue ≤ level signifikansi (α). Tingkat signifikansi yang digunakan pada penelitian ini adalah 5% dengan menggunakan uji dua arah (two- tailed), sehingga nilai Ttabel yang digunakan adalah 1,96 (Joe F Hair et al., 2011).
Berikut merupakan hasil pengujian hipotesis berdasarkan jalur antara variabel eksogen dan endogen.
Tabel 4.13 Pengujian Hipotesis
Hipotesis Deskripsi Hubungan Tstatistik Pvalue Keterangan H1 Sistem traceability (T) berpengaruh
signifikan terhadap kinerja industri ritel (K).
12,256 0,000 Signifikan
H2 Adopsi teknologi Electronic Data Interchange (EDI) berpengaruh signifikan terhadap sistem traceability (T)
2,354 0,019 Signifikan
H3 Adopsi teknologi Radio frequency indentification (RFID) berpengaruh signifikan terhadap sistem traceability (T).
3,022 0,003 Signifikan
H4 Adopsi teknologi Blockchain (BC) berpengaruh signifikan terhadap sistem traceability (T).
4,803 0,000 Signifikan
Evaluasi melalui teknik bootstrapping diatas berpengaruh pada penerimaan hipotesis dalam penelitian ini. Berikut adalah penjelasan hasil temuan diatas:
H1: Sistem traceability (T) berpengaruh signifikan terhadap kinerja industri ritel (K)
Berdasarkan perhitungan nilai statistik pada tabel 4.13, dapat diketahui bahwa hubungan variabel T dengan variabel K memperoleh nilai Tstatistik sebesar 12,256 dan nilai Pvalue sebesar 0,000. Hasil tersebut telah melampaui kriteria
penerimaan parameter Tstatistik ≥ Ttabel (1,96) dan Pvalue ≤ level signifikansi (0,05).
Hal ini membuktikan bahwa sistem traceability berpengaruh positif dan signifikan terhadap kinerja industri ritel. Hipotesis ini memperoleh nilai signifikansi terbesar diantara hipotesis lainnya.
H2: Adopsi teknologi Electronic Data Interchange (EDI) berpengaruh signifikan terhadap sistem traceability (T).
Berdasarkan perhitungan statistik diatas, hubungan variabel EDI dengan variabel T memperoleh nilai Tstatistik sebesar 2,354 dan nilai Pvalue sebesar 0,019.
Perolehan nilai tersebut telah memenuhi kriteria penerimaan parameter Tstatistik ≥ Ttabel (1,96) dan Pvalue ≤ level signifikansi (0,05). Hal ini membuktikan bahwa adopsi teknologi electronic data interchange berpengaruh positif dan signifikan terhadap sistem traceability. Namun perlu diperhatikan bahwa nilai Tstatistik hipotesis ini merupakan yang terendah diantara hipotesis lainnya. Hal ini menunjukkan bahwa teknologi EDI memiliki pengaruh signifikansi yang paling rendah dibandingkan teknologi lainnya pada sistem traceability produk food cold.
H3: Adopsi teknologi Radio Frequency Identification (RFID) berpengaruh signifikan terhadap sistem traceability (T).
Berdasarkan perhitungan statistik pada tabel 4.13, dapat diketahui bahwa hubungan variabel RFID dengan variabel T memperoleh nilai Tstatistik sebesar 3,022 dan nilai Pvalue sebesar 0,003. Perolehan nilai tersebut telah memenuhi kriteria penerimaan parameter Tstatistik ≥ Ttabel (1,96) dan Pvalue ≤ level signifikansi (0,05).
Hal ini membuktikan bahwa adopsi teknologi radio frequency identification berpengaruh positif dan signifikan terhadap sistem traceability.
H4: Adopsi teknologi Blockchain (BC) berpengaruh signifikan terhadap sistem traceability (T).
Berdasarkan perhitungan statistik pada tabel 4.13, dapat diketahui bahwa hubungan variabel BC dengan variabel T memperoleh nilai Tstatistik sebesar 4,803 dan nilai Pvalue sebesar 0,000. Perolehan kedua nilai tersebut telah memenuhi kriteria penerimaan parameter Tstatistik ≥ Ttabel (1,96) dan Pvalue ≤ level signifikansi
(0,05). Hal ini membuktikan bahwa adopsi teknologi radio frequency identification berpengaruh positif dan signifikan terhadap sistem traceability. Perlu diketahui juga bahwa tingkat signifikansi variabel adopsi teknologi blockchain merupakan yang tertinggi diantara adopsi teknologi lainnya terhadap variabel sistem traceability.
