Analisis Bivariat

BAB 4 Hasil Analisis dan Pembahasan

4.4 Analisis Bivariat

Data yang telah diperoleh akan dianalisis untuk mengetahui hubungan antar Variabel dengan menggunakan uji statistik. Analisis Bivariat dilakukan dengan menggunakan uji Chi Square untuk mengetahui hubungan yang signifikan antara masing-masing variabel bebas yaitu Faktor Sosiodemografi, dengan variabel terikat yaitu Karakteristik Belanja Online dan Offline.

Untuk menentukan kriteria pada karakteristik belanja online dan offline maka menggunakan skala gutman untuk mengetahui interval dari kategori tinggi dan rendah.

A. Kriteria Karakteristik Belanja Online Interval =^{𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙}

𝑅𝑎𝑛𝑔𝑒

Diketahui :

Jumlah Pilihan = 4 Jumlah Soal = 10

Skor Tertinggi = 4 x 10 = 40 x 100%

Skor Terendah = 1 x 10 = 10/40 x 100%

= 25%

Range = 100% - 25%

= 75%

Kategori = 2 (Tinggi,Rendah) Interval = Range/Kategori

73

= 75/2

= 37,5

Maka didapatkan hasil kategori karakteristik belanja online

Rendah : 25 – 62,5%

Tinggi : 62,5 – 100%

B. Kriteria Karakteristik Belanja Offline Interval =^{𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙}

𝑅𝑎𝑛𝑔𝑒

Diketahui :

Jumlah Pilihan = 4 Jumlah Soal = 7

Skor Tertinggi = 4 x 7= 28 x 100%

Skor Terendah = 1 x 7 = 7/28 x 100%

= 25%

Range = 100% - 25%

= 75%

Kategori = 2 (Tinggi,Rendah) Interval = Range/Kategori

= 75/2

= 37,5

Maka didapatkan hasil kategori karakteristik belanja offline

Rendah : 25 – 62,5%

Tinggi : 62,5 – 100%

a. Hubungan Jenis Kelamin dengan Karakteristik Belanja Online

Tabel 4.26 Hubungan Jenis Kelamin dengan Karakteristik Belanja Online

Jenis Kelamin

Karakteristik Belanja Online P-Value Rendah Tinggi Total

0,072

F % F % F %

Laki-Laki 3 3 32 32 35 35

Perempuan 15 15.0 50 50.0 65 65.0 Total 18 18.0 82 82.0 100 100.0 Sumber : Hasil Analisis, 2022

Berdasarkan Tabel 4.26 terdapat 35 responden laki-laki dimana 3 orang mempunyai karakteristik belanja online yang rendah, 32 orang mempunyai karakteristik belanja online yang tinggi. Data selanjutnya terdapat 65 responden perempuan dimana 15 orang memiliki karakteristik belanja online yang rendah, dan 50 orang memiliki karkteristik belanja online yang tinggi.

Tabel 4.27 Uji Statistik Chi Square pada Jenis Kelamin

value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 3,24 1 0,072

Likehood Ratio 3,58 1 0,059

Fisner’s Extact Test

Continuity Correction 2,33 1 0,127

Linear by Linear Association 3,21 1 0,073

N of Valid Cases 100

Sumber : Hasil Analisis, 2022

75

Hasil analisis uji statistik Chi Square didapatkan p-value 0.072 (p>0.05) maka dapat disimpulkan bahwa tidak ada hubungan yang signifikan antara jenis kelamin dengan karakteristik belanja online atau dengan kata lain jenis kelamin tidak mempengaruhi seseorang untuk melakukan belanja online yang tinggi atau sebaliknya.

b. Hubungan Jenis Kelamin dengan Karakteristik Belanja Offline Tabel 4.28 Hubungan Jenis Kelamin dengan Karakteristik Belanja Offline

Jenis Kelamin

Karakteristik Belanja Offline

P-Value Rendah Tinggi Total

F % F % F %

0,089 Laki-Laki 9 9.0 26 26.0 35 35.0

Perempuan 8 8.0 57 57.0 65 65.0 Total 17 17.0 83 83.0 100 100.0

Sumber : Hasil Analisis, 2022

Berdasarkan Tabel 4.28 terdapat 35 responden laki-laki dimana 9 orang memiliki karakteristik belanja offline yang rendah, dan 26 orang memiliki karakteristik belanja offline yang tinggi. Data selanjutnya terdapat 65 responden perempuan dimana 8 orang memiliki karakteristik belanja offline yang rendah, dan 83 orang memiliki karkteristik belanja offline yang tinggi.

Tabel 4.29 Uji Statistik Chi Square pada Jenis Kelamin

value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 2,90 1 0,089

Likehood Ratio 2,78 1 0,095

Fisner’s Extact Test

Continuity Correction 2,03 1 0,155

Linear by Linear Association 2,87 1 0,090

N of Valid Cases 100

Sumber : Hasil Analisis, 2022

Hasil analisis uji statistik Chi Square didapatkan p-value 0.089 (p>0.05) maka dapat disimpulkan bahwa tidak ada hubungan yang signifikan antara jenis kelamin dengan karakteristik belanja offline atau dengan kata lain jenis kelamin tidak mempengaruhi seseorang untuk melakukan belanja offline yang tinggi atau sebaliknya.

c. Hubungan Umur dengan Karakteristik Belanja Online

Tabel 4.30 Hubungan Umur dengan Karakteristik Belanja Online

Umur

Karakteristik Belanja Online

P- Value

Rendah Tinggi Total

F % F % F %

19-27 Tahun 4 4.0 50 50.0 54 100.0

0,003 28-59 Tahun 14 14.0 32 32.0 46 100.0

Total 18 18.0 82 82.0 100 100.0

Sumber : Hasil Analisis, 2022

Berdasarkan Tabel 4.30 terdapat 54 responden berusia 19-27 Tahun dimana 4 orang memiliki karakteristik belanja online yang rendah, 50 orang

77

memiliki karakteristik belanja online yang tinggi. Data selanjutnya terdapat 46 responden berusia 28-59 Tahun dimana 18 orang memiliki karakteristik belanja online yang sedang, dan 32 orang memiliki karkteristik belanja online yang tinggi.

Tabel 4.31 Uji Statistik Chi-Square Umur

value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 8,92 1 0,003

Likehood Ratio 9,23 1 0,002

Fisner’s Extact Test

Continuity Correction 7,43 1 0,006

Linear by Linear Association 8,83 1 0,003

N of Valid Cases 100

Sumber : Hasil Analisis, 2022

Hasil analisis uji statistik Chi Square didapatkan p-value 0.003 (p<0.05) maka dapat disimpulkan bahwa ada hubungan yang signifikan antara umur dengan karakteristik belanja online atau dengan kata lain umur mempengaruhi seseorang untuk melakukan belanja online yang tinggi atau sebaliknya.

d. Hubungan Umur dengan Karakteristik Belanja Offline

Tabel 4.32 Hubungan Umur dengan Karakteristik Belanja Offline

Umur

Karakteristik Belanja Offline

Rendah Tinggi Total P-

Value

F % F % F %

19-27 Tahun 8 8.0 46 46.0 54 100.0

0,398 28-59 Tahun 9 9.0 37 37.0 46 100.0

Total 17 17.0 83 83.0 100 100.0 Sumber : Hasil Analisis, 2022

Berdasarkan Tabel 4.32 terdapat 54 responden berusia 19-27 Tahun dimana 8 orang memiliki karakteristik belanja offline yang rendah dan 46 orang memiliki karakteristik belanja offline yang tinggi. Data selanjutnya terdapat 46 responden berusia 28-59 Tahun dimana 17 orang memiliki karakteristik belanja offline yang rendah, dan 83 orang memiliki karkteristik belanja offline yang tinggi.

Tabel 4.33 Uji Statistik Chi-Square pada Umur

value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square ,40 1 0,529

Likehood Ratio ,40 1 0,529

Fisner’s Extact Test

Continuity Correction ,13 1 0,716

Linear by Linear Association ,39 1 0,531

N of Valid Cases 100

Sumber : Hasil Analisis, 2022

Hasil analisis uji statistik Chi Square didapatkan p-value 0.529 (p>0.05) maka dapat disimpulkan bahwa tidak ada hubungan yang signifikan antara umur dengan karakteristik belanja offline atau dengan kata lain umur tidak mempengaruhi seseorang untuk melakukan belanja offline yang tinggi atau sebaliknya.

e. Hubungan Pekerjaan dengan Karakteristik Belanja Online Tabel 4.34 Hubungan Pekerjaan dengan Karakteristik Belanja Online

Pekerjaan

Karakteristik Belanja Online P-Value Renda

h Tinggi Total

F % F % F %

Tidak Bekerja 0 0.0 12 12.0 12 100.0

0,003 Ibu Rumah

Tangga

5 5.0 14 14.0 19 100.0

PNS 3 3.0 2 2.0 5 100.0

Wiraswasta 4 4.0 22 22.0 26 100.0 Mahasiswa 4 4.0 32 32.0 36 100.0

79

Pekerjaan

F % F % F % P-Value

Renda

h Tinggi Total

Buruh 1 1.0 0 0.0 1 100.0 0,003

Polri/Satpam 1 1.0 0 0.0 1 100.0

Total 2 2.0 10 10.0 10

0

100.0 Sumber : Hasil Analisis, 2022

Berdasarkan Tabel 4.34 pekerjaan yang memiliki karakteristik belanja online yang tinggi adalah mahasiswa yaitu sebesar 32%.

Tabel 4.35 Uji Statistik Chi-Square pada pekerjaan

value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 19,89 6 0,003

Likehood Ratio 18,21 6 0,006

N of Valid Cases 100

Sumber : Hasil Analisis, 2022

Hasil analisis uji statistik Chi Square didapatkan p-value 0.003 (p<0.05) maka dapat disimpulkan bahwa ada hubungan yang signifikan antara pekerjaan dengan karakteristik belanja online atau dengan kata lain pekerjaan mempengaruhi pekerjaan seseorang untuk melakukan belanja online yang tinggi atau sebaliknya.

f. Hubungan Pekerjaan dengan Karakteristik Belanja Offline

Tabel 4.36 Hubungan Pekerjaan dengan Karakteristik Belanja Offline

Pekerjaan

Karakteristik Belanja Offline

Total P-Value

Rendah Tinggi

Buruh 0 1 1

0,476

Ibu Rumah Tangga 2 17 19

Mahasiswa 4 32 36

Pekerjaan

Karakteristik Belanja Offline

Total Rendah Tinggi

PNS 2 3 5

Polri/Satpam 0 1 1

Tidak Bekerja 2 10 12

Wiraswasta 7 19 26

Total 17 83 100

Sumber : Hasil Analisis, 2022

Berdasarkan Tabel 4.36 menunjukkan bahwa pekerjaan yang memiliki karakteristik belanja offline yang tinggi adalah ibu rumah tangga.

Tabel 4.37 Uji Statistik Chi-Square pada pekerjaan

value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 5,55 6 0,476

Likehood Ratio 5,44 6 0,489

N of Valid Cases 100

Sumber : Hasil Analisis, 2022

Hasil analisis uji statistik Chi Square didapatkan p-value 0.476 (p>0.05) maka dapat disimpulkan bahwa tidak ada hubungan yang signifikan antara pekerjaan dengan karakteristik belanja offline atau dengan kata lain pekerjaan tidak mempengaruhi pekerjaan seseorang untuk melakukan belanja offline yang tinggi atau sebaliknya.

81

g. Hubungan Pendapatan dengan Karakteristik Belanja Online

Tabel 4.38 Hubungan Pendapatan dengan Karakteristik Belanja Online

Pendapatan

Karakteristik Belanja

Online Total P-Value Rendah Tinggi

Rp 500.000 s.d Rp 1.000.000 4 32 36

0,510

Rp 1.000.000 s.d Rp 2.000.000 6 18 24

Rp 2.000.000 s.d Rp 3.000.000 4 19 23

>Rp 3.000.000 4 13 17

Total 18 88 100

Sumber : Hasil Analisis, 2022

Berdasarkan Tabel 4.38 pendapatan yang memiliki karakteristik belanja online tingi adalah Rp 500.000 sampai dengan Rp 1.000.000

Tabel 4.39 Hasil Statistik Uji Chi-Square pada Pendapatan

value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 2,31 3 0,510

Likehood Ratio 2,37 3 0,500

N of Valid Cases 100

Sumber : Hasil Analisis, 2022

Hasil analisis uji statistik Chi Square didapatkan p-value 0.510(p>0.05) maka dapat disimpulkan bahwa tidak ada hubungan yang signifikan antara pendapatan dengan karakteristik belanja online atau dengan kata lain pendapatan

tidak mempengaruhi seseorang untuk melakukan belanja online yang tinggi atau sebaliknya.

h. Hubungan Pendapatan dengan Karakteristik Belanja Offline

Tabel 4.40 Hubungan Pendapatan dengan Karakteristik belanja Offline

Pendapatan

Karakteristik Belanja

Offline Total P-Value Rendah Tinggi

Rp 500.000 s.d Rp 1.000.000 4 32 36

0,147

Rp 1.000.000 s.d Rp 2.000.000 2 22 24

Rp 2.000.000 s.d Rp 3.000.000 6 17 23

>Rp 3.000.000 5 12 17

Total 17 83 100

Sumber : Hasil Analisis, 2022

Berdasarkan Tabel 4.40 menunjukkan bahwa pendapatan yang memiliki karakteristik belanja offline yang tinggi adalah pendapatan 500 ribu sampai satu juta rupiah.

Tabel 4.41 Hasil Uji Statistik Chi-Square pada pendapatan

value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 5,36 3 0,147

Likehood Ratio 5,29 3 0,152

N of Valid Cases 100

Hasil Analisis, 2022

Hasil analisis uji statistik Chi Square didapatkan p-value 0.147 (p>0.05) maka dapat disimpulkan bahwa tidak ada hubungan yang signifikan antara

83

pendapatan dengan karakteristik belanja offline atau dengan kata lain pendapatan tidak mempengaruhi seseorang untuk melakukan belanja offline yang tinggi atau sebaliknya.

i. Hubungan Kepemilikan Kendaraan Terhadap Karakteristik Belanja Online Tabel 4.42 Hubungan Kepemilikan Kendaraan dengan Karakteristik Belanja Online

Kepemilikan Kendaraan

Karakteristik Belanja

Online Total P-Value Rendah Tinggi

Tidak Memiliki Kendaraan 7 12 19

0,09

Mobil 4 7 11

Motor 7 63 70

Total 18 82 100

Sumber : Hasil Analisis, 2022

Tabel 4.43 Hasil Uji Statistik Chi-Square pada Kepemilikan Kendaraan value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 10,12 2 0,09

Likehood Ratio 9,37 2 0,09

Linear by Linear Association 8,97 1 0,03

N of Valid Cases 100

Sumber : Hasil Analisis, 2022

Hasil analisis uji statistik Chi Square didapatkan p-value 0.09 (p>0.05) maka dapat disimpulkan bahwa tidak ada hubungan yang signifikan antara kepemilikan kendaraan dengan karakteristik belanja online atau dengan kata lain

kepemilikan kendaraan tidak mempengaruhi seseorang untuk melakukan belanja online yang tinggi atau sebaliknya.

j. Hubungan Kepemilikan Kendaraan dengan Karakteristik Belanja Offline Tabel 4.44 Hubungan Kepemilikan Kendaran dengan Karakteristik Belanja Offline

Kepemilikan Kendaraan

Karakteristik Belanja

Offline Total P-Value Rendah Tinggi

Tidak Memiliki Kendaraan 0 19 19

0,076

Mobil 3 8 11

Motor 14 56 70

Total 17 83 100

Sumber : Hasil Analisis, 2022

Dapat dilihat pada Tabel 4.44 terdapat 19 responden yang tidak memiliki kendaraan dimana 19 orang tersebut memiliki karakteristik belanja offline yang tinggi. Data selanjutnya terdapat 11 responden yang memiliki kendaraan mobil dimana 3 orang memiliki karakteristik belanja offline yang rendah, dan 8 orang memiliki karakteristik belanja online yang tinggi. Data berikutnya terdapat 70 orang responden yang memiliki kendaraan motor dimana 14 orang memiliki karakteristik belanja offline yang rendah dan 56 orang memiliki karakteristik belanja offline yang tinggi.

85

Tabel 4.45 Hasil Uji Statistik Chi-Square pada Kepemilikan Kendaraan value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 5,16 2 0,076

Likehood Ratio 8,23 2 0,016

Linear by Linear Association 3,16 1 0,075

N of Valid Cases 100

Sumber : Hasil Analisis, 2022

Hasil analisis uji statistik Chi Square didapatkan p-value 0.076 (p>0.05) maka dapat disimpulkan bahwa tidak ada hubungan yang signifikan antara kepemilikan kendaraan dengan karakteristik belanja offline atau dengan kata lain kepemilikan kendaraan tidak mempengaruhi seseorang untuk melakukan belanja offline yang tinggi atau sebaliknya.

k. Hubungan Frekuensi Penggunaan Internet untuk Membuka Situs/Platform Belanja Online dengan Karakteristik Belanja Online

Tabel 4.46 Hubungan Frekuensi Penggunaan Internet dengan Karakteristik Belanja Online

Frekuensi Penggunaan Internet

Karakteristik Belanja

Online Total P-Value Rendah Tinggi

Tidak Pernah 2 1 3

0,033

1 kali dalam seminggu 8 23 31

2-3 kali dalam seminggu 5 23 28

Setiap hari 3 35 38

Total 18 82 100

Sumber : Hasil Analisis, 2022

Dapat dilihat pada Tabel 4.46 responden yang menggunakan internet untuk membuka situs belanja online cenderung memiliki karakteristik belanja online yang tinggi.

Tabel 4.47 Hasil Uji Statistik Chi-Square terhadap Frekuensi Penggunaan Internet value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 8,72 3 0,033

Likehood Ratio 7,79 3 0,051

Linear by Linear Association 6,98 1 0,008

N of Valid Cases 100

Sumber : Hasil Analisis, 2022

Hasil analisis uji statistik Chi Square didapatkan p-value 0.033 (p<0.05) maka dapat disimpulkan bahwa ada hubungan yang signifikan antara frekuensi penggunaan internet dengan karakteristik belanja online atau dengan kata lain frekuensi penggunaan internet mempengaruhi seseorang untuk melakukan belanja online yang tinggi atau sebaliknya.

l. Hubungan Frekuensi Penggunaan Internet untuk Membuka Situs/Platform belanja Online dengan Karakteristik Belanja Offline

Tabel 4.48 Hubungan Frekuensi Penggunaan Internet dengan Karakteristik Belanja Offline

Frekuensi Penggunaan Internet

Karakteristik Belanja

Online Total P-Value Rendah Tinggi

Tidak Pernah 1 2 3 0,033

87

Frekuensi Penggunaan Internet

Karakteristik Belanja

Online Total

Rendah Tinggi

1 kali dalam seminggu 3 28 31

2-3 kali dalam seminggu 6 22 28

Setiap hari 7 31 38

Total 18 82 100

Sumber : Hasil Analisis, 2022

Dapat dilihat pada Tabel 4.48 terdapat 3 responden yang tidak pernah menggunakan internet untuk membuka situs belanja online. Data selanjutnya terdapat 31 responden yang memiliki frekuensi 1 kali dalam seminggu menggunakan internet untuk membuka situs belanja online dimana 3 orang memiliki karakteristik belanja offline yang rendah dan 28 orang memiliki karakteristik belanja offline yang tinggi. Data selanjutnya terdapat 28 responden yang yang memiliki frekuensi 2 sampai 3 kali dalam seminggu menggunakan internet untuk membuka situs/platform belanja online dimana 6 orang memiliki karakteristik belanja offline yang rendah, 22 orang memiliki karakteristik belanja offline yang tinggi. Data selanjutnya terdapat 38 responden yang memiliki frekuensi setiap hari menggunakan internet untuk membuka situs/platform belanja online dimana 7 orang memiliki karakteristik belanja yang rendah dan 31 orang memiliki karakteristik belanja offline yang tinggi.

Tabel 4.49 Hasil Uji Statistik Chi-Square pada Frekuensi Penggunaan Internet value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 2,19 3 0,534

Likehood Ratio 2,24 3 0,524

Linear by Linear Association 0,29 1 0,590

N of Valid Cases 100

Sumber : Hasil Analisis, 2022

Hasil analisis uji statistik Chi Square didapatkan p-value 0.534 (p>0.05) maka dapat disimpulkan bahwa tidak ada hubungan yang signifikan antara frekuensi penggunaan internet dengan karakteristik belanja offline atau dengan kata lain frekuensi penggunaan internet tidak mempengaruhi seseorang untuk melakukan belanja offline yang tinggi atau sebaliknya.

BAB V PENUTUP 5.1 Kesimpulan

Berdasarkan analisis dan pembahasan yang telah dijelaskan pada bab sebelumnya, maka dapat ditarik kesimpulan:

1. Secara umum, berdasarkan hasil survei umur, umur 19-27 tahun cenderung sering melakukan belanja online ataupun offline. Responden dengan jenis kelamin perempuan adalah yang paling banyak melakukan kegiatan belanja online maupun belanja konvensional.

2. Adanya hubungan yang signifikan antara umur terhadap karakteristik belanja online, pekerjaan dengan karakteristik belanja online, dimana pekerjaan yang disebutkan adalah mahasiswa. Selain itu juga ada hubungan yang signifikan antara frekuensi penggunaan internet terhadap karakteristik belanja online.

3. Berdasarkan hasil analisis data, faktor sosiodemografi cenderung mempengaruhi karakteristik belanja online maupun offline. Faktor yang sangat berpengaruh diantaranya umur, pekerjaan, dan frekuensi penggunaan internet.

5.2 Saran

1. Untuk penelitian selanjutnya diperlukan penambahan objek yang akan diteliti untuk mendapatkan hubungan yang signifikan.

2. Untuk penelitian selanjutnya diperlukan penambahan variabel pilihan jawaban agar mendapatkan hasil yang maksimal

DAFTAR PUSTAKA

Darumba, V. A. (2020). Studi Pengaruh Aktivitas Belanja Online Terhadap Perilaku Perjalanan Belanja (Doctoral dissertation, Universitas Hasanuddin).

Hendra, Y. N. R., Wirza, E., & Irawan, M. Z. (2015). Pengaruh Belanja Online Terhadap Perilaku Perjalanan Belanja. Jurnal Transportasi Vol. 15 No. 1,

15(1), 31–40.

https://journal.unpar.ac.id/index.php/journaltransportasi/article/view/1848 Joewono, T. B., Larasati, N. P., & Rizki, M. (2020). Pengaruh Lingkungan Tempat

Tinggal Terhadap Perjalanan Berbelanja di Kota Bandung. Jurnal Transportasi, 20(2), 77–86.

Mulyantini, M. M. S., & Indriasih, M. M. D. (2021). Cerdas Memahami dan Mengelola Keuangan Bagi Masyarakat di Era Informasi Digital.

Rizki, M., Maulana, A., Prasetyanto, D., & Widianto, B. W. (2021). Intensi Aktivitas dan Perjalanan Masyarakat Pada Masa Adaptasi Kebiasaan Baru Berdasarkan Survei di Masa Pandemi Covid-19. Jurnal Transportasi, 21(1), 45–54. https://doi.org/10.26593/JTRANS.V21I1.4828.45-54

RizkRizki, M., Prasetyanto, D., & Maulana, A. (2021). Kesehatan Mental dan Perubahan Aktivitas-Perjalanan Saat Pandemi COVID-19 di Indonesia.

https://doi.org/10.26760/jrh.v5i2.125-135

Salim, J., & Putranto, L. S. (2020). Analisis Pengaruh Layanan Belanja Online Terhadap Perjalanan Berbasis Rumah Dan Tempat Aktivitas Dengan Metode Sem. JMTS: Jurnal Mitra Teknik Sipil, 3(4), 1017.

https://doi.org/10.24912/jmts.v3i4.8420

Wurangian, D. E. dan J. S. (2015). Analisis Pola Konsumsi Mahasiswa Fakultas Ekonomi & Bisnis Universitas Sam Ratulangi yang Kost di Kota Manado.

Jurnal Berkala Ilmiah Efisiensi, Vol 15(No 2), 74–87.

https://ejournal.unsrat.ac.id/index.php/jbie/article/view/7658 Notoatmodjo, S. (2010). Promosi Kesehatan.

Sarwono, S. W. (1999). Psikologi sosial: Individu dan teori-teori psikologi sosial.

Kusuma, D. F., & Septarini, B. G. (2013). Pengaruh orientasi belanja terhadap intensi pembelian produk pakaian secara online pada pengguna online shop.

Jurnal Psikologi Industri dan Organisasi, 2(1), 3-4.

Turban, E., King, D., Lee, J., & Viehland, D. (2004). Electronic Commerce: a managerial perspective 2004. Pearson Education.

LAMPIRAN A

(UJI STATISTIK PADA TIAP-TIAP VARIABEL)

CORRELATION

/VARIABLES = X1 X2 X3 X4 X5 X6 X7 TOTAL /PRINT = TWOTAIL NOSIG.

Correlations

X1 X2 X3 X4 X5 X6 X7 TOTAL

X1 Pearson Correlation 1,000 -,⁠016 -,⁠038 -,⁠034 ,⁠054 -,⁠085 ,⁠016 ,⁠293^a

Sig. (2-tailed) ,⁠876 ,⁠707 ,⁠733 ,⁠594 ,⁠401 ,⁠877 ,⁠003

N 100 100 100 100 100 100 100 100

X2 Pearson Correlation -,⁠016 1,000 ,⁠229^a ,⁠163 ,⁠268^a ,⁠104 ,⁠086 ,⁠547^a

Sig. (2-tailed) ,⁠876 ,⁠022 ,⁠106 ,⁠007 ,⁠304 ,⁠395 ,⁠000

N 100 100 100 100 100 100 100 100

X3 Pearson Correlation -,⁠038 ,⁠229^a 1,000 ,⁠437^a ,⁠108 ,⁠034 ,⁠408^a ,⁠559^a

Sig. (2-tailed) ,⁠707 ,⁠022 ,⁠000 ,⁠283 ,⁠738 ,⁠000 ,⁠000

N 100 100 100 100 100 100 100 100

X4 Pearson Correlation -,⁠034 ,⁠163 ,⁠437^a 1,000 ,⁠142 ,⁠152 ,⁠492^a ,⁠632^a

Sig. (2-tailed) ,⁠733 ,⁠106 ,⁠000 ,⁠158 ,⁠131 ,⁠000 ,⁠000

N 100 100 100 100 100 100 100 100

X5 Pearson Correlation ,⁠054 ,⁠268^a ,⁠108 ,⁠142 1,000 ,⁠123 ,⁠393^a ,⁠577^a

Sig. (2-tailed) ,⁠594 ,⁠007 ,⁠283 ,⁠158 ,⁠223 ,⁠000 ,⁠000

N 100 100 100 100 100 100 100 100

X6 Pearson Correlation -,⁠085 ,⁠104 ,⁠034 ,⁠152 ,⁠123 1,000 ,⁠038 ,⁠361^a

Sig. (2-tailed) ,⁠401 ,⁠304 ,⁠738 ,⁠131 ,⁠223 ,⁠706 ,⁠000

N 100 100 100 100 100 100 100 100

X7 Pearson Correlation ,⁠016 ,⁠086 ,⁠408^a ,⁠492^a ,⁠393^a ,⁠038 1,000 ,⁠644^a

Sig. (2-tailed) ,⁠877 ,⁠395 ,⁠000 ,⁠000 ,⁠000 ,⁠706 ,⁠000

N 100 100 100 100 100 100 100 100

TOTAL Pearson Correlation ,⁠293^a ,⁠547^a ,⁠559^a ,⁠632^a ,⁠577^a ,⁠361^a ,⁠644^a 1,000 Sig. (2-tailed) ,⁠003 ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠000

N 100 100 100 100 100 100 100 100

a. Significant at .05 level

/PRINT = TWOTAIL NOSIG.

Correlations

x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 TOTAL

x1 Pearson Correlation 1,000 ,⁠291^a ,⁠444^a ,⁠403^a ,⁠307^a ,⁠391^a ,⁠309^a ,⁠079 -,⁠203^a ,⁠078 ,⁠551^a

Sig. (2-tailed) ,⁠003 ,⁠000 ,⁠000 ,⁠002 ,⁠000 ,⁠002 ,⁠437 ,⁠042 ,⁠442 ,⁠000

N 100 100 100 100 100 100 100 100 100 100 100

x2 Pearson Correlation ,⁠291^a 1,000 ,⁠313^a ,⁠233^a ,⁠314^a ,⁠488^a ,⁠480^a ,⁠088 -,⁠121 ,⁠023 ,⁠605^a

Sig. (2-tailed) ,⁠003 ,⁠002 ,⁠019 ,⁠001 ,⁠000 ,⁠000 ,⁠384 ,⁠230 ,⁠822 ,⁠000

N 100 100 100 100 100 100 100 100 100 100 100

x3 Pearson Correlation ,⁠444^a ,⁠313^a 1,000 ,⁠524^a ,⁠426^a ,⁠436^a ,⁠458^a -,⁠042 -,⁠070 ,⁠031 ,⁠627^a

Sig. (2-tailed) ,⁠000 ,⁠002 ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠675 ,⁠488 ,⁠763 ,⁠000

N 100 100 100 100 100 100 100 100 100 100 100

x4 Pearson Correlation ,⁠403^a ,⁠233^a ,⁠524^a 1,000 ,⁠431^a ,⁠443^a ,⁠429^a ,⁠062 -,⁠159 -,⁠045 ,⁠613^a

Sig. (2-tailed) ,⁠000 ,⁠019 ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠543 ,⁠114 ,⁠655 ,⁠000

N 100 100 100 100 100 100 100 100 100 100 100

x5 Pearson Correlation ,⁠307^a ,⁠314^a ,⁠426^a ,⁠431^a 1,000 ,⁠436^a ,⁠498^a -,⁠091 -,⁠086 -,⁠061 ,⁠584^a

Sig. (2-tailed) ,⁠002 ,⁠001 ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠367 ,⁠396 ,⁠547 ,⁠000

N 100 100 100 100 100 100 100 100 100 100 100

x6 Pearson Correlation ,⁠391^a ,⁠488^a ,⁠436^a ,⁠443^a ,⁠436^a 1,000 ,⁠576^a -,⁠075 -,⁠199^a -,⁠162 ,⁠630^a

Sig. (2-tailed) ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠456 ,⁠047 ,⁠108 ,⁠000

N 100 100 100 100 100 100 100 100 100 100 100

x7 Pearson Correlation ,⁠309^a ,⁠480^a ,⁠458^a ,⁠429^a ,⁠498^a ,⁠576^a 1,000 ,⁠073 -,⁠095 -,⁠065 ,⁠704^a

Sig. (2-tailed) ,⁠002 ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠468 ,⁠347 ,⁠523 ,⁠000

N 100 100 100 100 100 100 100 100 100 100 100

x8 Pearson Correlation ,⁠079 ,⁠088 -,⁠042 ,⁠062 -,⁠091 -,⁠075 ,⁠073 1,000 ,⁠327^a ,⁠484^a ,⁠399^a

Sig. (2-tailed) ,⁠437 ,⁠384 ,⁠675 ,⁠543 ,⁠367 ,⁠456 ,⁠468 ,⁠001 ,⁠000 ,⁠000

N 100 100 100 100 100 100 100 100 100 100 100

x9 Pearson Correlation -,⁠203^a -,⁠121 -,⁠070 -,⁠159 -,⁠086 -,⁠199^a -,⁠095 ,⁠327^a 1,000 ,⁠519^a ,⁠189

Sig. (2-tailed) ,⁠042 ,⁠230 ,⁠488 ,⁠114 ,⁠396 ,⁠047 ,⁠347 ,⁠001 ,⁠000 ,⁠060

N 100 100 100 100 100 100 100 100 100 100 100

x10 Pearson Correlation ,⁠078 ,⁠023 ,⁠031 -,⁠045 -,⁠061 -,⁠162 -,⁠065 ,⁠484^a ,⁠519^a 1,000 ,⁠362^a

Sig. (2-tailed) ,⁠442 ,⁠822 ,⁠763 ,⁠655 ,⁠547 ,⁠108 ,⁠523 ,⁠000 ,⁠000 ,⁠000

N 100 100 100 100 100 100 100 100 100 100 100

TOTAL Pearson Correlation ,⁠551^a ,⁠605^a ,⁠627^a ,⁠613^a ,⁠584^a ,⁠630^a ,⁠704^a ,⁠399^a ,⁠189 ,⁠362^a 1,000 Sig. (2-tailed) ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠000 ,⁠060 ,⁠000

N 100 100 100 100 100 100 100 100 100 100 100

a. Significant at .05 level

RELIABILITY

/VARIABLES= x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 TOTAL /MODEL=ALPHA.

Scale: ANY

Case Processing Summary

Cases N Percent

Valid 100 99,0%

Excluded 1 1,0%

Total 101 100,0%

Reliability Statistics Cronbach's Alpha N of Items

,⁠72 11

/MODEL=ALPHA.

Scale: ANY

Case Processing Summary

Cases N Percent

Valid 100 99,0%

Excluded 1 1,0%

Total 101 100,0%

Reliability Statistics Cronbach's Alpha N of Items

,⁠70 8

CROSSTABS

/TABLES= jeniskelamin BY KarakteristikBelanjaOnline

/FORMAT=AVALUE TABLES PIVOT /STATISTICS=CHISQ

/CELLS=COUNT ROW COLUMN TOTAL.

Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Jenis Kelamin × KarakteristikBelanjaOnline 100 100,0% 0 ,⁠0% 100 100,0%

Jenis Kelamin × KarakteristikBelanjaOnline KarakteristikBelanjaOnline

Total Rendah Tinggi

Jenis Kelamin Laki-Laki Count 3 32 35

Row % 8,6% 91,4% 100,0%

Column % 16,7% 39,0% 35,0%

Total % 3,0% 32,0% 35,0%

Perempuan Count 15 50 65

Row % 23,1% 76,9% 100,0%

Column % 83,3% 61,0% 65,0%

Total % 15,0% 50,0% 65,0%

Total Count 18 82 100

Row % 18,0% 82,0% 100,0%

Column % 100,0% 100,0% 100,0%

Total % 18,0% 82,0% 100,0%

Chi-Square Tests

Value df Asymptotic Sig. (2-tailed) Exact Sig. (2-tailed) Exact Sig. (1-tailed)

Pearson Chi-Square 3,24 1 ,⁠072

Likelihood Ratio 3,58 1 ,⁠059

Fisher's Exact Test ,⁠102 ,⁠059

Continuity Correction 2,33 1 ,⁠127

Linear-by-Linear Association 3,21 1 ,⁠073

N of Valid Cases 100

CROSSTABS

/TABLES= jeniskelamin BY KarakteristikBelanjaOffline

/FORMAT=AVALUE TABLES PIVOT /STATISTICS=CHISQ

/CELLS=COUNT ROW COLUMN TOTAL.

Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Jenis Kelamin × KarakteristikBelanjaOffline 100 100,0% 0 ,⁠0% 100 100,0%

Jenis Kelamin × KarakteristikBelanjaOffline KarakteristikBelanjaOffline

Total Rendah Tinggi

Jenis Kelamin Laki-Laki Count 9 26 35

Row % 25,7% 74,3% 100,0%

Column % 52,9% 31,3% 35,0%

Total % 9,0% 26,0% 35,0%

Column % 47,1% 68,7% 65,0%

Total % 8,0% 57,0% 65,0%

Total Count 17 83 100

Row % 17,0% 83,0% 100,0%

Column % 100,0% 100,0% 100,0%

Total % 17,0% 83,0% 100,0%

Chi-Square Tests

Value df Asymptotic Sig. (2-tailed) Exact Sig. (2-tailed) Exact Sig. (1-tailed)

Pearson Chi-Square 2,90 1 ,⁠089

Likelihood Ratio 2,78 1 ,⁠095

Fisher's Exact Test ,⁠101 ,⁠079

Continuity Correction 2,03 1 ,⁠155

Linear-by-Linear Association 2,87 1 ,⁠090

N of Valid Cases 100

CROSSTABS

/TABLES= umur BY KarakteristikBelanjaOnline /FORMAT=AVALUE TABLES PIVOT

/STATISTICS=CHISQ

/CELLS=COUNT ROW COLUMN TOTAL.

Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

umur × KarakteristikBelanjaOnline 100 100,0% 0 ,⁠0% 100 100,0%

umur × KarakteristikBelanjaOnline KarakteristikBelanjaOnline

Total Rendah Tinggi

umur 19-27 Tahun Count 4 50 54

Row % 7,4% 92,6% 100,0%

Column % 22,2% 61,0% 54,0%

Total % 4,0% 50,0% 54,0%

28-59 Tahun Count 14 32 46

Row % 30,4% 69,6% 100,0%

Column % 77,8% 39,0% 46,0%

Total % 14,0% 32,0% 46,0%

Total Count 18 82 100

Row % 18,0% 82,0% 100,0%

Column % 100,0% 100,0% 100,0%

Total % 18,0% 82,0% 100,0%

Chi-Square Tests

Value df Asymptotic Sig. (2-tailed) Exact Sig. (2-tailed) Exact Sig. (1-tailed)

Pearson Chi-Square 8,92 1 ,⁠003

Likelihood Ratio 9,23 1 ,⁠002

Fisher's Exact Test ,⁠004 ,⁠003

Continuity Correction 7,43 1 ,⁠006

Linear-by-Linear Association 8,83 1 ,⁠003

N of Valid Cases 100

CROSSTABS

/TABLES= umur BY KarakteristikBelanjaOffline /FORMAT=AVALUE TABLES PIVOT

/STATISTICS=CHISQ

/CELLS=COUNT ROW COLUMN TOTAL.

Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

umur × KarakteristikBelanjaOffline 100 100,0% 0 ,⁠0% 100 100,0%

umur × KarakteristikBelanjaOffline KarakteristikBelanjaOffline

Total Rendah Tinggi

umur 19-27 Tahun Count 8 46 54

Row % 14,8% 85,2% 100,0%

Column % 47,1% 55,4% 54,0%

Total % 8,0% 46,0% 54,0%

28-59 Tahun Count 9 37 46

Row % 19,6% 80,4% 100,0%

Column % 52,9% 44,6% 46,0%

Total % 9,0% 37,0% 46,0%

Total Count 17 83 100

Row % 17,0% 83,0% 100,0%

Column % 100,0% 100,0% 100,0%

Total % 17,0% 83,0% 100,0%

Chi-Square Tests

Value df Asymptotic Sig. (2-tailed) Exact Sig. (2-tailed) Exact Sig. (1-tailed)

Pearson Chi-Square ,⁠40 1 ,⁠529

Likelihood Ratio ,⁠40 1 ,⁠529

Fisher's Exact Test ,⁠599 ,⁠357

Continuity Correction ,⁠13 1 ,⁠716

Linear-by-Linear Association ,⁠39 1 ,⁠531

N of Valid Cases 100

CROSSTABS

/TABLES= pekerjaan BY KarakteristikBelanjaOnline

/FORMAT=AVALUE TABLES PIVOT /STATISTICS=CHISQ

/CELLS=COUNT ROW COLUMN TOTAL.

Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

pekerjaan × KarakteristikBelanjaOnline 100 100,0% 0 ,⁠0% 100 100,0%

pekerjaan × KarakteristikBelanjaOnline KarakteristikBelanjaOnline

Total Rendah Tinggi

pekerjaan Buruh Count 1 0 1

Row % 100,0% ,⁠0% 100,0%

Column % 5,6% ,⁠0% 1,0%

Total % 1,0% ,⁠0% 1,0%

Ibu Rumah Tangga Count 5 14 19

Total % 5,0% 14,0% 19,0%

Mahasiswa Count 4 32 36

Row % 11,1% 88,9% 100,0%

Column % 22,2% 39,0% 36,0%

Total % 4,0% 32,0% 36,0%

PNS Count 3 2 5

Row % 60,0% 40,0% 100,0%

Column % 16,7% 2,4% 5,0%

Total % 3,0% 2,0% 5,0%

Polri/Satpam Count 1 0 1

Row % 100,0% ,⁠0% 100,0%

Column % 5,6% ,⁠0% 1,0%

Total % 1,0% ,⁠0% 1,0%

Tidak Bekerja Count 0 12 12

Row % ,⁠0% 100,0% 100,0%

Column % ,⁠0% 14,6% 12,0%

Total % ,⁠0% 12,0% 12,0%

Wiraswasta Count 4 22 26

Row % 15,4% 84,6% 100,0%

Column % 22,2% 26,8% 26,0%

Total % 4,0% 22,0% 26,0%

Total Count 18 82 100

Row % 18,0% 82,0% 100,0%

Column % 100,0% 100,0% 100,0%

Total % 18,0% 82,0% 100,0%

Chi-Square Tests

Value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 19,89 6 ,⁠003

Likelihood Ratio 18,21 6 ,⁠006

N of Valid Cases 100

CROSSTABS

/TABLES= pekerjaan BY KarakteristikBelanjaOffline

/FORMAT=AVALUE TABLES PIVOT /STATISTICS=CHISQ

/CELLS=COUNT ROW COLUMN TOTAL.

Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

pekerjaan × KarakteristikBelanjaOffline 100 100,0% 0 ,⁠0% 100 100,0%

pekerjaan × KarakteristikBelanjaOffline KarakteristikBelanjaOffline

Total Rendah Tinggi

pekerjaan Buruh Count 0 1 1

Row % ,⁠0% 100,0% 100,0%

Column % ,⁠0% 1,2% 1,0%

Total % ,⁠0% 1,0% 1,0%

Ibu Rumah Tangga Count 2 17 19

Row % 10,5% 89,5% 100,0%

Column % 11,8% 20,5% 19,0%

Total % 2,0% 17,0% 19,0%

Mahasiswa Count 4 32 36

Row % 11,1% 88,9% 100,0%

Column % 23,5% 38,6% 36,0%

KarakteristikBelanjaOffline

Total Rendah Tinggi

Total % 4,0% 32,0% 36,0%

PNS Count 2 3 5

Row % 40,0% 60,0% 100,0%

Column % 11,8% 3,6% 5,0%

Total % 2,0% 3,0% 5,0%

Polri/Satpam Count 0 1 1

Row % ,⁠0% 100,0% 100,0%

Column % ,⁠0% 1,2% 1,0%

Total % ,⁠0% 1,0% 1,0%

Tidak Bekerja Count 2 10 12

Row % 16,7% 83,3% 100,0%

Column % 11,8% 12,0% 12,0%

Total % 2,0% 10,0% 12,0%

Wiraswasta Count 7 19 26

Row % 26,9% 73,1% 100,0%

Column % 41,2% 22,9% 26,0%

Total % 7,0% 19,0% 26,0%

Total Count 17 83 100

Row % 17,0% 83,0% 100,0%

Column % 100,0% 100,0% 100,0%

Total % 17,0% 83,0% 100,0%

Chi-Square Tests

Value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 5,55 6 ,⁠476

Likelihood Ratio 5,44 6 ,⁠489

N of Valid Cases 100

CROSSTABS

/TABLES= pendapatan BY KarakteristikBelanjaOnline

/FORMAT=AVALUE TABLES PIVOT /STATISTICS=CHISQ

/CELLS=COUNT ROW COLUMN TOTAL.

Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

pendapatan × KarakteristikBelanjaOnline 100 100,0% 0 ,⁠0% 100 100,0%

pendapatan × KarakteristikBelanjaOnline

KarakteristikBelanjaOnline

Total Rendah Tinggi

pendapatan >Rp 3.000.000 Count 4 13 17

Row % 23,5% 76,5% 100,0%

Column % 22,2% 15,9% 17,0%

Total % 4,0% 13,0% 17,0%

Rp 1.000.000 s.d Rp 2.000.000 Count 6 18 24

Row % 25,0% 75,0% 100,0%

Column % 33,3% 22,0% 24,0%

Total % 6,0% 18,0% 24,0%

Rp 2.000.000 s.d Rp 3.000.000 Count 4 19 23

Row % 17,4% 82,6% 100,0%

Column % 22,2% 23,2% 23,0%

Total % 4,0% 19,0% 23,0%

Rp 500.000 s.d Rp 1.000.000 Count 4 32 36

Row % 11,1% 88,9% 100,0%

Column % 22,2% 39,0% 36,0%

Total % 4,0% 32,0% 36,0%

Column % 100,0% 100,0% 100,0%

Total % 18,0% 82,0% 100,0%

Chi-Square Tests

Value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 2,31 3 ,⁠510

Likelihood Ratio 2,37 3 ,⁠500

N of Valid Cases 100

CROSSTABS

/TABLES= pendapatan BY KarakteristikBelanjaOffline

/FORMAT=AVALUE TABLES PIVOT /STATISTICS=CHISQ

/CELLS=COUNT ROW COLUMN TOTAL.

Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

pendapatan × KarakteristikBelanjaOffline 100 100,0% 0 ,⁠0% 100 100,0%

pendapatan × KarakteristikBelanjaOffline

KarakteristikBelanjaOffline

Total Rendah Tinggi

pendapatan >Rp 3.000.000 Count 5 12 17

Row % 29,4% 70,6% 100,0%

Column % 29,4% 14,5% 17,0%

Total % 5,0% 12,0% 17,0%

Rp 1.000.000 s.d Rp 2.000.000 Count 2 22 24

Row % 8,3% 91,7% 100,0%

Column % 11,8% 26,5% 24,0%

Total % 2,0% 22,0% 24,0%

Rp 2.000.000 s.d Rp 3.000.000 Count 6 17 23

Row % 26,1% 73,9% 100,0%

Column % 35,3% 20,5% 23,0%

Total % 6,0% 17,0% 23,0%

Rp 500.000 s.d Rp 1.000.000 Count 4 32 36

Row % 11,1% 88,9% 100,0%

Column % 23,5% 38,6% 36,0%

Total % 4,0% 32,0% 36,0%

Total Count 17 83 100

Row % 17,0% 83,0% 100,0%

Column % 100,0% 100,0% 100,0%

Total % 17,0% 83,0% 100,0%

Chi-Square Tests

Value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 5,36 3 ,⁠147

Likelihood Ratio 5,29 3 ,⁠152

N of Valid Cases 100

CROSSTABS

/TABLES= KepemilikanKendaraan BY KarakteristikBelanjaOnline

/FORMAT=AVALUE TABLES PIVOT /STATISTICS=CHISQ

/CELLS=COUNT ROW COLUMN TOTAL.

Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Kepemilikan Kendaraan × KarakteristikBelanjaOnline 100 99,0% 1 1,0% 101 100,0%

Kepemilikan Kendaraan × KarakteristikBelanjaOnline

KarakteristikBelanjaOnline

Total Rendah Tinggi

Kepemilikan Kendaraan Tidak Memiliki Kendaraan Count 7 12 19

Row % 36,8% 63,2% 100,0%

Column % 38,9% 14,6% 19,0%

Total % 7,0% 12,0% 19,0%

Mobil Count 4 7 11

Row % 36,4% 63,6% 100,0%

Column % 22,2% 8,5% 11,0%

Total % 4,0% 7,0% 11,0%

Motor Count 7 63 70

Row % 10,0% 90,0% 100,0%

Column % 38,9% 76,8% 70,0%

Total % 7,0% 63,0% 70,0%

Total Count 18 82 100

Row % 18,0% 82,0% 100,0%

Column % 100,0% 100,0% 100,0%

Total % 18,0% 82,0% 100,0%

Chi-Square Tests

Value df Asymptotic Sig. (2-tailed)

Pearson Chi-Square 10,12 2 ,⁠006

Likelihood Ratio 9,34 2 ,⁠009

Linear-by-Linear Association 8,97 1 ,⁠003

N of Valid Cases 100

CROSSTABS

/TABLES= KepemilikanKendaraan BY KarakteristikBelanjaOffline

/FORMAT=AVALUE TABLES PIVOT /STATISTICS=CHISQ

/CELLS=COUNT ROW COLUMN TOTAL.

Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Kepemilikan Kendaraan × KarakteristikBelanjaOffline 100 99,0% 1 1,0% 101 100,0%

Kepemilikan Kendaraan × KarakteristikBelanjaOffline

KarakteristikBelanjaOffline

Total Rendah Tinggi

Kepemilikan Kendaraan Tidak Memiliki Kendaraan Count 0 19 19

Row % ,⁠0% 100,0% 100,0%