Deskripsi Hasil Penelitian .............................. Error! Bookmark not defined

66 Gambar 4.3

Sumber: data primer aplikasi olah data smart-pls

yaitu : convergent validity, discriminant validity, dan consistency reability (hsir ,2010)

a. Convergent vslidity Langkah awal yang dilakukan merupakan suatu pengukuran yang berfungsi untuk mengetahui sejauh mana ukuran berkolerasi secara positif dengan ukuran alternatif pada suatu konstruk yang sama. penilaian dapat dilakukan dengan No Lama penggunaan (tahun) jumlah presentase 1.1-2 15 20 % , 2.2-3 16 21,4% ,3. 3-4 17 22,6% 4. 4-5 27 36% Total 100% 42 menggunakan data hasil olah melalui loading faktornya. (Vinzi et al., 2010)

untuk melakukan penelitian pada tahap awal, pengembangan dari skala pengukuran nilai merupakan nilai yang sudah cukup memadai, sehingga dalam penelitian ini, diterapkan batas loading factor sebesar 0,50. Setelah menetapkan batas loading factor sebesar 0,50 dilakukan analisis terhadap data yang telah diolah menggunakan SmartPLS dapat dilihat sebagai berikut:

Tabel 3.4 data hasil outer loading (Measurement Model) Lokasi Harga Keputusan pembelian Pendapatan

0,895 0,929 0,828

0,820 0,925 0,808

0,862 0,835 0,875

0,876 0,884

Sumber: Data diolah SmartPLS, 2021

Berdasarkan tabel diatas dapat diketahui bahwa hasil dari beberapa indikator memenuhi syarat nilai signiikan 5% serta indikatornya memiliki nilai loading faktor di atas 0,50. Dengan demikian ,konstruk valid dan telah memenuhi syarat validitas karena loading faktornya di atas 0,50.

Tahap selanjutnya yakni melakukan penilaian terhadap convergen validity melalui nilai AVE (Average Variance extracted) .Hair (2010) mengemukakan bahwa jika suatu model mempunyai nilai AVE di atas 0,5 maka model tersebut dikategorikan mempunyai validitas konvergen (convergent validity ) yang tinggi.

Setelah eliminasi dari loading faktor yang dibawah 0,50 maka model tersebut mempunyai nilai AVE yang didapatkan nilai sebagai berikut :

Tabel 3. 5 Avarage Variance Extracted (AVE)

Variabel Average Variance Extracted (AVE)

Harga ^0,727

Lokasi ^0,784

Pendapatan ^0,784

Keputusan pembelian ^0,771

Sumber. Data diolah SmartPLS, 2021

Berdasarkan tabel di atas, nilai AVE (average variance extracted) dari setiap konstruk dalam model, disimpulkan bahwa nilai AVE (average variance extracted) berada di atas 0,5. Hasil tersebut menunjukkan bahwa data yang terdapat dalam penelitian ini telah memenuhi syarat validitas konvergen (convergent validity).

Gabungan dari penilaian dari outer loading dan uji AVE (average variance extracted) menunjukkan bahawa data dalam penelitian ini valid konvergen dan memenuhi syarat untuk dilanjutkan ke tahap berikutnya.

b. Uji Validitas Diskriman (Discriminant Validity) Uji validitas diskriminan merupakan suatu tahap yang dilakukan guna mengetahui apakah indikator yang terdapat dalam variabel penelitian yang kita lakukan memiliki nilai yang unik dan hanya terkait dengan indikator yang terdapat dalam variabelnya sendiri dan bukannya dari indikator yang terdapat dalam variabel di luar yang diharapkan atau direpresentasikan.

Untuk memastikan apakah model penelitian memiliki validitas

diskriminan (discriminant validity) yang baik, maka ada dua tahapan yang mesti dilakukan yaitu hasil cross loading dan hasil fornel larcker criterian. Adapun hasil uji cross loading dengan menggunakan smartPLS dalam penelitian ini adalah sebagai berikut.

Tabel 3.6 Data hasil Cross Loading

Variabel Harga Keputusan Pembelian Lokasi Pendapatan

X1.1 0,636 0,599 0,895 0,583

X1.2 0,609 0,617 0,929 0,494

X1.4 0,526 0,466 0,828 0,485

X2.1 0,820 0,427 0,542 0,572

X2.2 0,925 0,507 0,632 0,706

X2.3 0,808 0,451 0,535 0,581

Y1.1 0,601 0,533 0,530 0,862

Y1.2 0,643 0,397 0,471 0,835

Y2.3 0,395 0,875 0,556 0,388

Y2.4 0,479 0,876 0,464 0,469

Y2.5 0,542 0,884 0,639 0,573

Sumber. Data diolah SmartPLS, 2021

Berdasarkan tabel di atas, metode yang digunakan adalah dengan mengukur cross loading, dimana hasil cross loading harus menunjukkan bahwa indikator dari tiap konstruk telah mempunyai nilai yang lebih tinggi dibanding indikator pada konstruk lainnya. selanjutnya tahap berikutnya yakni dengan menguji data penelitian dengan menggunakan metode tahapan kedua yaitu fornell larcker criterion, untuk mendapatkan discrimanant validity yang baik dari suatu model penelitian maka akar dari AVE (average variance extracted) pada konstruk harus lebih tinggi dibanding korelasi kontruk dengan variabel laten lainnya. Adapun

hasil fornell larcker criterion yang diperoleh dalam penelitian ini dapat dilihat pada tabel sebagai berikut.

Tabel 3.7 Data hasil Fornell Larcker Criterion

Harga 0,853

Keputusan Pembelian 0,543 0,878

Lokasi 0,670 0,638 0,885

Pendapatan 0,731 0,551 0,591 0,849

Sumber. Data diolah SmartPLS, 2021

Berdasarkan tabel di atas, dapat kita nilai bahwa seluruh variabel memiliki nilai yang lebih tinggi ketika menjelaskan variabel itu sendiri dibandingkan dengan variabel lainnya pada kolom yang sama. Ketika diamati pada tabel di atas, harga memiliki nilai 0,853 yang lebih tinggi dibandingkan variabel lain yang berada pada kolom yang sama. Seperti halnya dengan keputusan pembelian memiliki nilai sebesar 0,878 yang nilainya lebih tinggi dibandingkan lokasi yang terdapat pada kolom yang sama dengan keputsusan pembelian . Tabel di atas, dapat memberikan kesimpulan bahwa model data yang diuji di dalam penelitian ini telah memenuhi syarat dan kriteria yang menunjukkan bahwa konstruk pada model tersebut mempunyai discriminant validity.

c. Composite Realibilty Menurut Hair (2014) Nilai CR (Composite Realibilty) secara spesifik yang dapat atau bisa diterima pada penelitian adalah berkisar antara 0,60 hingga 0,70. Suatu konstruk dapat dikatakan

memiliki realibilitas yang tinggi jika nilainya 0,70. Adapun tabel nilai composite realibility adalah sebagai berikut.

Tabel 3.8 Data hasil Chronbach Alpha dan Composite Reliability

Variabel Cronbach's Alpha Composite Reliability

Harga 0,810 0,888

Keputusan Pembelian 0,853 0,910

Lokasi 0,862 0,916

Pendapatan 0,613 0,838

Sumber. Data diolah SmartPLS, 2021

Berdasarkan tabel di atas, dapat ditarik kesimpulan bahwa semua konstruk reliabel, baik composite reliability maupun cronbach’s alpha mempunyai nilai di atas 0,60. Hal ini mengindikasikan bahwa semua variabel pada model penelitian ini memiliki internal consistency reliability. Berdasarkan beberapa tabel sebelumnya, maka dapat disimpulkan bahwa penelitian ini mempunyai convergent validity yang baik, dicrimanant validity yang baik, dan internal consistensy realibility yang baik. Berikut ini adalah tabel yang memperlihatkan ringkasan validitas dan realibilitas.

Tabel 3.9 Ringkasan Data Hasil Outer Model (Measurement Model)

Sumber. Data diolah SmartPLS, 2021

1. Pengujian Model Struktural (Inner Model)

Pengujian data penelitian dengan menggunakanModel Struktural (Inner Model) dilakukan untuk mengetahui hubungan antara konstruk, nilai signifikansi dan R-square dan model penelitian. Model ini akan dievaluasi dengan menggunakan R-square untuk konstruk de penden Uji T dan signifikansi dari koefisien parameter jalur struktural. Pengunaan proses penilaian model penelitian dengan metode PLS, diawali dengan melihat R- square untuk setiap variabel laten dependen. Berikut tabel yang merupakan hasil estimasi R-square dengan menerapkan metode PLS.

Tabel 3.10 Nilai R-Square

variabel

R Square

Keputusan Pembelian 0,456

Pendapatan 0,553

Sumber. Data diolah SmartPLS, 2021

Tabel di atas menunjukkan nilai R-Square untuk variabel nilai R-Square untuk variabel keputusan pembelian diperoleh nilai sebesar 0,456. Hasil ini menunjukkan bahwa 45,6% variabel keputusan pembelian dapat dipengaruhi oleh pendapatan, sedangkan 54,4% dipengaruhi oleh variabel lain diluar yang diteliti. Sementara itu, pendapatan diperoleh nilai sebesar 0,553. Hasil ini menunjukkan bahwa 55,3%

variabel pendapatan dapat dipengaruhi oleh variabel keputusan pembelian, lokasi dan harga, sedangkan 44,7% dipengaruhi oleh variabel lain diluar yang diteliti.

Gambar 4.4 Model Struktural

Sumber. Data diolah SmartPLS, 2021

2. Pengujian hipotesis

Indikator yang digunakan dalam pengujian hipotesis adalah nilai yang terdapat pada output path coefficients dengan menggunakan smartPLS dengan metode bootstrapping terhadap data penelitian. Berikut tabel output estimasi untuk pengujian model struktural.

Tabel 3.11 Data Hasil Pengujian Hipotesis

P-Value HIPOTESIS

Harga -> Keputusan Pembelian 0,698

DITOLAK 0,000 DITERIMA

0,000 DITERIMA 0,177 DI TOLAK

Pendapatan -> Keputusan Pembelian 0,153 DITOLAK

Lokasi -> Keputusan Pembelian Lokasi -> Pendapatan

PATH Original Sample (O) T-Value

0,068 0,608 Harga -> Pendapatan

0,456 0,183 0,232

0,388 4,755 3,982 1,351 1,431

Sumber. Data diolah SmartPLS, 2021

Berdasarkan tabel di atas, dapat disimpulkan hipotesis sebagai berikut :

a. Pengujian Hipotesis H1 (Diduga harga tidak berpengaruh secara signifikan terhadap keputusan pembelian).Berdasarkan tabel di atas, dapat dilihat bahwa p-value sebesar 0,069 dan t-statistik atau T-value sebesar 0,388. Karena p- value <0,5, Maka H1 ditolak , jadi harga tidak berpengaruh terhadap keputusan pembelian.

b. Pengujian Hipotesis H2 (Diduga harga berpengaruh secara signifikan terhadap pendapatan).Berdasarkan tabel di atas, dapat dilihat bahwa p-value sebesar 0,000 dan t-statistik atau T-value sebesar 4,755. Karena p-value >0,05, maka H2 diterima. Jadi harga berpengaruh signifikan terhadap pendapatan.

c. Pengujian Hipotesis H3 (Diduga lokasi berpengaruh secara signifikan ter hadap keputusan pembelian). Berdasarkan tabel di atas, dapat dilihat bahwa p- value sebesar 0,000 dan t-statistik atau T-value sebesar 3,982 . Karena p-value

>0,05, maka H3 diterima Jadi lokasi berpengaruh signifikan terhadap keputusan pembelian.

d. Pengujian Hipotesis H4 (Diduga lokasi tidak berpengaruh secara signifikan terhadap pendapatan ). Berdasarkan tabel di atas, dapat dilihat bahwa p-value sebesar 0,177 dan t-statistik atau T-value sebesar 1,351. Karena p-value

>0,05, maka H4 ditolak. Jadi lokasi tidak berpengaruh terhadap pendapatan . e. Pengujian Hipotesis H5 (Diduga pendapatan tidak berpengaruh secara

signifikan terhadap keputusan pembelian). Berdasarkan tabel di atas, dapat dilihat bahwa p-value sebesar 0,153 dan t-statistik atau T-value sebesar 1,431 Karena

p-value >0,05, maka H5 ditolak. Jadi pendapatan tidak berpengaruh terhadap keputusan pembelian.

D. Pembahasan Hasil Penelitian

Berdasarkan hasil analisis data serta berbagai pengujian yang telah dilakukan dengan menggunakan metode smartPLS, langkah selanjutnya akan dilakukan pembahasan dari hasil olah data dalam penelitian sehingga dapat memberikan gambaran yang lebih jelas mengenai pengaruh atau hubungan antar variabel, baik hubungan langsung maupun secara tidak langsung yang dimediasi oleh variabel

moderasi yang terdapat dalam penelitian ini. Adapun variabel-variabel dalam penelitian ini adalah lokasi sebagai X1 (independen), harga sebagai X2 (independen), pendapatan sebagai Y1 (moderasi) dan keputusan pembelian sebagai Y2 (independen).

1. Hubungan harga terhadap keputusan pembelian

Hasil penelitian yang diperoleh dalam pengaruh lokasi dan harga terhadap keputusan pembelian rumah baru dengan pendapatan sebagai variabel moderasi menunjukkan tidak adanya pengaruh harga terhadap keputusan pembelian. Hal ini menjelaskan bahwa para pengguna peumahan baru yang ada di Kota takalar memilih perumahan baru tidak serta merta berdasarkan harga yang ditawarkan melainkan memilih faktor kebutuhan akan tempat tinggal dikarenakan masyarakat telah mengetahui bahwa kebanyakan lahan yang ada di kabupaten takalar lebih dominan di jadikan lahan persawahan sehingga apabila ada suatau perumahan yang di tawarkan keluarga muda cenderung mengambil keputusan berdasarkan fungsinya.Perkembangan strategi pemasaran dan bauran pemasaran cukup berpengaruh terhadap keputusan pembelian konsumen karena dalam mengambil keputusan seorang konsumen senantiasa dihadapkan dalam berbagai pilihan dalam melakukan keputusan, Kotler (2012) dalam (Anwar & Satrio, 2015) mengemukakan Model Of Buyer Behaviour adalah Keputusan untuk membeli yang diambil oleh pembeli sebenarnya merupakan kumpulan dari sejumlah keputusan.

didalam mengambil keputusan terdapat beberapa faktor yang memiliki

pengaruh terhadap keputusan pembelian selain kualitas produk terdapa faktor lain diantaranya, harga, promosi, layanan purna jual dan ketersediaan produk.

Pembelian perumahan di Kota takalar tidak didasari harga yang dimiliki oleh beberapa perumahan yang di tawarkan tetapi terdapat faktor lain yang menyebabkan pengambilan keputusan pembelian semisal solusi dari masalah kebutuhan akan tempat tinggal hanyalah di perumahan.

2. Hubungan harga terhadap pendapatan

Hasil penelitian yang diperoleh bahwa harga berpengaruh signifikan terhadap pendapatan. Hal ini menjelaskan bahwa para pemilik rumah baru pada suatu perumahan yang ada di Kota takalar dipengaruhi oleh pendapatan , yang akan berpangaruh terhadap keputusan pembelian rumah baru pada suatu perumahan. Hal ini sejalan dengan penelitian yang dilakukan oleh Dyana Putri Nugraheni mengemukakan minat beli dipengaruhi langsung oleh citra merek, persepsi harga, dan kualitas produk. Minat beli adalah kecenderungan untuk merasa tertarik atau terdorong untuk melakukan kegiatan mendapatkan dan memiliki barang dan jasa(Petra, 2020. hubungan harga dan pendapatan harus mampu dimanfaatkan dalam menarik minat konsumen dalam mengambil keputusan untuk membeli rumah baru pada suatu perumahan demi keberlangsungang hidup perusahaan perbaikan serta pengikatan kualitas menjadi langkah efektif untuk meningkatkan keptusan pembelian konsumen.

3. Hubungan lokasi terhadap keputusan pembelian

Hasil penelitian yang diperoleh dalam pengaruh lokasi terhadap keputusan pembelian menunjukkan bahwa lokasi berpengaruh signifikan terhadap keputusan pembelian. Hal ini menjelaskan bahwa para pemilik perumahan yang ada di Kota takalar memilih membeli rumah baru yang akan di tempati berdasarkan lokasi yang ditawarkan dari perusaahan.

Lokasi yang strategis akan menjadi jalan pembuka yang menentukan kesuksesan sebuah usaha maupun tempat untuk dtinggali. dimana semakin baiknya lokasi yang di tempati semakin baik pulaberbagai kegiatan yang akan di lakukan .dapat disimpulkan bahwa lokasi memberikan pengaruh terhadap keputusan pembelian rumah baru di Kota takalar .

4. Hubungan lokasi terhadap pendapatan

desentralisasi.pengmabilan keputusan itu sangat penting juga merupakan kegiatan politik yang paling kompleks dalam organisasi .(Jacklin et al., 2019) bukan hanya keputusan yang berkaitan dengan pelaksaan program, penempatan, dan penganggaran,merupakan titik-titik kritis terhadap mantapnya suatu kebijakasanaan.

(Puspa et al., 2017)

tentang hal ini misalnya ditegaskan oleh summer bahwa strategi adalah suatau jaringan kebijaksaan yang luas, komprehensif dan holistik yang menggambarkan tentang produk barang dan jasa yang akan di tawarkan ke masyarkat.keputusan juga mempunyai beberapa tingkatan seperti kadar yang berbeda-beda. Ada keputusan yang tidak mempunyai makna berarti, sebaliknya ada yang mempunyai makna global yang luar biasa . ada yang keputusan yang sangat sederhana ada pula keputusan yang sangat kompleks. (Prof.dr.j.salusu, 1996).

5. Hubungan pendapatan terhadap keputusan pembelian

Hasil penelitian yang diperoleh dalam pengaruh lokasi dan harga terhadap keputusan pembelian melalui pendapatan menunjukkan tidak adanya pengaruh harga terhadap keputusan pembelian. Hal ini menjelaskan bahwa para pemilik rumah yang ada di Kota takalar dalam memilih rumah tidak menjadikan pendapatan sebagai penyebab utama pengambilan keputusan pembelian.melainkan karna rumah ada sebuah kebutuhan utama yang harus terlaksana.

82 ANALISIS

Pada persamaan (1) terlihat bahwa Y2 menjadi penguat pada variabel X2 . Tetapi Y1 harus variabel bebas pada model tersebut variabel moderasi ini sering disebut variabel contingency.

Bila dilakukan pengujian hipotesis terhadap koefisien model maka akan terjadi beberapa alternative yang diperlihatkan oleh tabel berikut dibawah ini.

NO Hasil Uji Jenis Moderasi

1 a2 not significant a3 significant

Moderasi Murni (Pure Moderator) 2 a2 significant

a3 significant

Moderasi Semu (Quasi Moderator).

Quasi moderasi merupakan variabel yang

memoderasi hubungan antara variabel independen dengan variabel dependen yang sekaligus menjadi variabel independen

3 a2 significant a3 not significant

Prediktor Moderasi (Predictor Moderasi Variabel).

Artinya variabel moderasi ini hanya berperanan sebagai variabel prediktor (independen) dalam model hubungan yang dibentuk

4 a2 not significant a3 not significant Moderasi Potensial (Homologiser Moderator).

Artinya variabel tersebut potensial menjadi variabel moderasi.

Uji koefisien korelasi

Menurut Kuncoro (2013:246) Uji koefisien korelasi digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat. Nilai koefisien determinasi / R2 berada pada rentang angka nol (0) dan satu (1). Jika nilai koefisien determinasi yang mendekati angka nol (0) berarti kemampuan model dalam menerangkan variabel terikat sangat terbatas. Sebaliknya apabila nilai koefisien determinasi variabel mendekati satu (1) berarti kemampuan variabel bebas dalam menimbulkan keberadaan variabel terikat semakin kuat pada penelitian ini nilai koefisiennya adalah 0,743 berarti korelasi memiliki keeratan sangat kuat.

84 BAB V

Dalam dokumen Pengaruh Lokasi dan Harga terhadap Keputusan Pembelian Rumah Baru dengan Pendapatan sebagai Variabel Moderasi (Studi Kasus Keluarga Muda di Kota Takalar) (Halaman 77-95)