Metode Pengumpulan Data

4. Pengaruh Sales Promotion Terhadap Impulse Buying Dengan Self Control

3.5 Metode Pengumpulan Data

Teknik pengumpulan data yang digunakan pada penelitian ini adalah dengan menggunakan angket atau kuesioner. Menurut Makbul (2021), metode pengumpulan data adalah teknik atau cara-cara yang dapat

48 Sakinah Pokhrel, ‘No TitleΕΛΕΝΗ’, Αγαη, 15.1 (2024), pp. 37–48.

49 Trisna Rukhmana, ‘Jurnal Edu Research Indonesian Institute For Corporate Learning And Studies (IICLS) Page 25’, Jurnal Edu Research : Indonesian Institute For Corporate Learning And Studies (IICLS), 2.2 (2021), pp. 28–33.

50 Rukhmana.

51 Rukhmana.

digunakan oleh peneliti untuk mengumpulkan data.⁵² Data yang digunakan pads penelitian akan dipakai untuk menguji hipotesis atau menjawab pertanyaan pada rumusan maalah yang kemudian digunakan sebagai dasar dalam pengambilan keputusan. Penelitian ini menggunakan metode pengumpulan data sebagai berikut:

3.5.1 Kuesioner

Kuesioner adalah cara atau teknik mengumpulkan data yang dilakukan dengan cara berkomunikasi dengan sumber data primer atau responden.⁵³ Kuesioner dapat berupa pertanyaan atau pernytaan tertutup atau terbuka.

Kuesioner dapat diberikan secara langsung kepada responden atau dikirim melalui pos dan internet.

3.5.2 Dokumentasi

Dokumentasi merupakan bentuk kegiatan dalam menyediakan beberapa dokumen dengan menggunakan bukti yang akurat sesuai dengan pencatatan dari berbagai sumber. Dokumentasi juga memiliki arti sebagai upaya dalam mencatat dan mengelompokan suatu informasi dalam bentuk tulisan, gambar, dan video.⁵⁴ 3.6 Analisis Data

Analisis data merupakan proses sistematis dalam mengelola data yang telah diperoleh dari hasil kuesioner, catatan, dan dokumentasi.⁵⁵ Dalam analisis data terdapat proses mengkategorikan data, menjabarkan data kedalam unit unit-unit, lalu menarik kesimpulan.

Pada saat mengelola data akan diperoleh gambar dan hasil. Analisis data yang digunakan dalam penelitian ini adalah sebagai berikut:

52 Nurul L Mauliddiyah, ‘No 主観的健康感を中心とした在宅高齢者における 健康関連指標に

関する共分散構造分析Title’, 2021, p. 6.

53 Rezha Nur Amalia, Ragil Setia Dianingati, and Eva Annisaa’, ‘Pengaruh Jumlah Responden Terhadap Hasil Uji Validitas Dan Reliabilitas Kuesioner Pengetahuan Dan Perilaku Swamedikasi’, Generics: Journal of Research in Pharmacy, 2.1 (2022), pp. 9–15, doi:10.14710/genres.v2i1.12271.

54 Amalia, Dianingati, and Annisaa’.

55 Risdiana Chandra Dhewy, ‘Pelatihan Analisis Data Kuantitatif Untuk Penulisan Karya Ilmiah Mahasiswa’, J-ABDI: Jurnal Pengabdian Kepada Masyarakat, 2.3 (2022), pp. 4575–78, doi:10.53625/jabdi.v2i3.3224.

3.6.1 Analisis Tabulasi Sederhana

Presentase data yang diperoleh menggunakan analisis tabulasi sederhana sebagai berikut:

p=F i

x100 %

∑ F_i

Keterangan:

P = presentase responden yang memilih kategori tertentu Fi = jumlah rsponden yang memiliki kategori tertentu

∑ 𝑓i = banyaknya jumlah responden 3.6.2 Skala Pengukuran

Dalam penelitian ini skala pengukuran yang digunakan oleh peneliti adalah skala Likert. Menurut Siregar dalam jurnal Muryal (2023), skala likert adalah skala yang digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang tentang objek atau fenomena tertentu.⁵⁶ Berdasarkan penelitian ini, pengukuran indikator atau pernyataan pada kuesioner menggunakan skala diferensial semantik, yang merupakan skala untuk mengukur sikap yang berisikan karakteristik bipolar yang tersusun dalam satu garis kotinom dimana jawaban yang sangat positif berada diposisi paling kanan dan jawaban negatif berada diposisi paling kiri atau sebaliknya.

Dalam penelitian ini terdapat 7 skala yang dimulai dari STS (Sangat Tidak Setuju) hingga SS (Sangat Setuju). Penelitian skala likert diantaranya adalah sebagai berikut:

1. Sangat Tidak Setuju (STS) 2. Tidak Setuju (TS)

3. Netral (N) 4. Setuju (S)

56 Mendapatkan Kualitas and Pelayanan Kepuasan, ‘Penerapan Metode Servqual Pada Skala Likert Untuk Mendapatkan Kualitas Pelayanan Kepuasan Pelanggan’, Jurnal Sistem Informasi Universitas Suryadarma, 10.1 (2014), doi:10.35968/jsi.v10i1.990.

5. Sangat Setuju (SS)

3.6.3 Analisis Statistik Inferensial

Berdasar pada masalah yang dikaji, penelitit menggunakan anaalisis statistic inferensial yang bertujuan untuk menganalisis s ampel yang hasilnya akan diberlakukan secara umum pada populasi di atas. Alat uji yang digunakan adalah SEM (Structure Equation Modeling), yang merupakan salah satu jenis analisis multivariat yang belakangan ini diterapkan dalam ilmu sosial khususnya pemasaran. Analisis Multivariat adalah serangkaian kerja statistika yang bertujuan mengolah beberapa variable terhadap objek yang diteliti secara Bersama. Jenis SEM yang digunakan ialah PLS atau y ang biasa disebut SEMPLS, dengan kelebihan sebagai berikut:

1. Dapat menjabarkan ada atau tidak adanya hubungan antar variabel

2. Ukuran sampel yang digunakan tidak harus besar 3. Data tidak harus berdistribusi normal multivariat

4. Model yang dibentuk oleh indikator reflektif dan formative dapat dianalisa dengan metode analisa ini.

Analisis PLS dilakukan dalam tiga tahap, yaitu:

1. Analisa Outer Model (Model Pengukuran) 2. Analisa Inner Model (Model Struktural) 3. Pengujian Hipotesis

3.6.4 Analisis Statistik Menggunakan MRA

Moderated Regression Analysis (MRA) atau uji interaksi adalah aplikasi khusus regresi berganda linear yang persamaan regresinya memiliki unsur interaksi (perkalian dua atau lebih variabel independen) dengan rumus sebagai berikut:

Y = a + b1X1 + b2X2 + b3X1X2 + e

Variabel perkalian antara X1 dan X2 disebut juga variabel moderat karena menggambarkan pengaruh moderating variabel X2 terhadap hubungan X1 dan Y.

sedangkan variabel X1 dan X2 merupakan pengaruh langsung dari variabel X1 dan X2 terhadap Y.

X1 dan X2 dianggap sebagai variabel moderat karena:

Y = a + b1X2 + b2X2 + b3X1X2 + e dY/dx1 = b1 +b3x2

Persamaan tersebut memiliki arti bahwa dY/dX1 merupakan fungsi dari X3 atau variabel X2 memoderasi hubungan antara X1 dan Y.

Hipotesis yang akan diuji:

Semakin tinggi X1 dan X2 maka akan berpengaruh terhadap semakin tingginya Y.

Untuk menguji apakah B merupakan variabel moderating, maka persamaan regresi dapat ditulis sebagai berikut:

Y = a + b1X1 = b2X2 + b3X1X2 + e Ketentuan:

Jika variabel X2 merupakan variabel moderating, maka koefisien b3 harus signifikan pada tingkat signifikasi yang ditentukan.

Regresi dengan MRA pada umumnya menimbulkan masalah karena akan terjadi multikolonieritas yang tinggi antara variabel independen, misalnya antara variabel X1 dan variabel moderat (X1X2).

Hal ini disebabkan pada variabel moderat terdapat unsur X1 dan X2.

Hubungan multikolonieritas lebih dari 80% menimbulkan masalah regresi.

Contoh:

Pengaruh X1 dan X2 terhadap Y dengan X3 sebagai variabel moderating memiliki hipotesis:

1. X1 berpengaruh langsung terhadap Y 2. X2 berpengaruh langsung terhadap Y

3. X1 berpengaruh terhadap Y dimoderasi oleh X3

4. X2 berpengaruh terhadap Y dimoderasi oleh X3

Model matematis hubungan antar variabel adalah sebagai berikut:

Y = a1 + b1X1 + b4X3 + b5X1X3 + e1 Y = a2 + b2X2 + b3X3 + b6X2X3 + e2

Jika variabeel X3 merupakan variabel moderating, maka koefisien b5 dan b6 harus signifikan pada  (tingkat signifikasi yang ditentukan).

Langkah analisis:

Misalnya dari hasil suatu penelitian dengan 102 responden dengan variabel yang digunakan adalah variabel independen X1 dengan indikator-indikator: X1.1, X1.2, X1.3, X1.4, X1.5, X1.6; variabel independen X2 dengan indikator-indikator: X2.1, X2.2, X2.3, X2.4, X2.5, X2.6; variabel independen X3 dengan indikator-indikator: X3.1, X3.2, X3.3, X3.4, X3.5, X3.6, X3.7; dan variabel Y dengan indikator- indikator: Y1, Y2, Y3, Y4, Y5, Y6, Y7, Y8, Y9. Input data menggunakan SPSS disimpan dalam file PEN-DATA. Ditentukan  = 5%.

3.6.5 Persamaan Regresi

Persamaan model penelitian ini yaitu sebagai berikut:

Z = a0 X1+a1X2+e Y = b₀ X1+b1X2+b2Z+e Keterangan:

Y = Impulse Buying Z = Self Control

a₀ / a₁ = Koefisien Regresi b₀ / b1 / b2 = Koefisien Regresi X1 = Fear Of Missing Out (FOMO) X2 = Sales Promotion

e = Error Of Term

3.6.6 Analisa Outer Model

Model pengukuran atau outer model digunakan untuk menilai validitas dan reliabilitas sebuah model. Pengujian ini melibatkan evaluasi setiap indikator dalam kaitannya dengan variabel lain dan berfingsi sebagai alat untuk menguji validitas data. Evaluasi model pemgukuran dilakukan dengan pendekatan MTMM (Multi Trait-Multi Method) yang mencakup pengujian validitas konvergen dan diskriminan sebagai berikut:

A. Validitas konvergen

Validitas konvergen merupakan ukuran untuk menilai sejauh mana indikator secara akurat mencerminkan konstruk yang diukur.⁵⁷ Hal ini melibatkan evaluasi korelasi antara penilaian kompomem dan skor konstruk. Proses ini dapat dilakukan dengan menilai koefisien loading atau outer loading yang dinormalkan, yang menunjukan seberapa kuat setiap indikator terkait dengan konstruknya. Uji validitas dilakukan untuk menilai sejauh mana kuesioner dapat diandalkan dan valid dalam mengukur variabel yang diinginkan.⁵⁸ Kuesioner dianggap valid apabila dapat mengukur konstruk yang dimaksud secara tepat.⁵⁹

Dalam model pengukuran, validitas konvergen dapat dinilai melalui korelasi antara skor indikator dan skor variabelnya. Outer loading dianggap tinggi jika korelasinya lebi besar dari 0,7. Indikator dianggap valid jika nilai Average Variance Extracted (AVE) lebih besar dari 0,5 atau jika semua outer loading dimensi variabel memiliki nilai lebih dari 0,5. Dengan begitu, pengukuran tersebut memenuhi kriteria validitas konvergen.

B. Validitas diskriminan

Validitas diskriminan merupakan ukuran yang menunjukan sejauh mana suatu konstruk benar-benar berbeda dari konstruk lainnya dalam model penelitian. Validitas diiskriminan bertujuan untuk memastikan bahwa

57 Analisis Validitas Konstruk, ‘Konvergen , Dan Diskriminan Dari Instrument WellBeing’, 2023.

58 Nilda Miftahul Janna and Herianto, ‘Artikel Statistik Yang Benar’, Jurnal Darul Dakwah Wal- Irsyad (DDI), 18210047, 2021, pp. 1–12.

59 Konstruk.

konstruk yang diukur tidak memiliki kesamaan yang berlebihan dengan kontrak lain.

C. Composite Reliability

Uji reliabilitas bertujuan untuk mengukur seberapa konsisten alat ukur dalam mengukur suatu konsep atau seberapa konsisten responden memberikan jawaban dalam kuesioner atau instrument penelitian. Hal ini penting untuk mengevaluasi keandalan, akurasi, dan ketepatan pengukuran konstruk yang sedang diteliti. Dalam PLS-SEM, evaluasi reliabilitas konstruk dengan menggunakan indikator reflektif dapat dilakukan melalui dua pendekatan, yaitu dengan menilai Cronbach Alpha dan Composite Reliability. Sebuah konstruk dianggap bisa diandalkan apabila nilai Cronbach Alpha dab Composite Reliability melebihi 0,70.

3.6.7 Analisa Inner Model

Analisa inner model atau model structural bertujuan untuk memprediksi hubungan kausal antara variabel-variabel yang diteliti dalam sebuah model.

Pengkajian inner model dapat dilakukan dengan mempertimbangkan beberapa indikator, yakni:

1. Koefisien Determinasi (R2)

R-square dipakai untuk mengevaluasi efektivitas model structural dan untuk memahami kontribusi variabel dalam meramalkan keandaian model tersebut. Pengujian ini menggunakan nilai R-square sebagai indikator kesesuaian konstruksi model. Perubahan nilai R-square memberikan Gambaran seberapa signifikan variabel laten eksogen mempengaruhi variabel laten endogen, dengan tingkat kekuatan model dapat diinterpretasikan berdasarkan nilai R-square. Contohnya, nilai 0,67 menunjukan kekuatan yang signifikan, 0,33 menunjukan kekuatan moderat, dan 0,19 menggambarkan kekuatan yang relative lemah.⁶⁰

2. Predictive Relevance (Q2)

60 Rosalyn Gracya, ‘Analisis Penggunaan Aktual Sistem Informasi Manajemen Barang Milik Daerah Dengan Pendekatan Technology Acceptance Model Di Pemerintah Daerah Kabupaten Kepulauan Yapen’, Journal of Social and Economics Research, 5.1 (2023), pp. 078–090,

doi:10.54783/jser.v5i1.72.

Kualitas kesesuaian model diukur melalui evaluasi nilai predictive relevance Q-square, yang menilai sejauh mana hasil obeservasi yang dihasilkan oleh model sejalan dengan estimasi parameter model tersebut.

Kualitas kesesuaian model dapat dinilai berdasarkan nilai Q-square. Jika Q- square > 0, hal ini menunjukan bahwa model memiliki predictive relevance yang kuat, sedangkan jika Q-square < 0, menunjukan bahwa hasil observasi tidak memadai. Nilai Q-square > 0 menandakan bahwa nilai predictive relevance yang baik, sementara nilai Q-square ≤ 0 menunjukan kurangnya predictive relevance.⁶¹

3. F-square

Uji F-square dilakukan untuk mengevaluasi dampak variabel dependen pada variabel independent, tanpa memandang kuatnya pengaruh tersebut. Klasifikasi pengaruh berdasarkan F-square dapat menggambarkan pengaruh rendah, sedang, ataupun tinggi. Nilai F-square antara 0,02 hingga kurang dari 0,15 dikategorikan sebagai pengaruh kecil (small effect). Nilai antara 0,15 hingga kurang dari 0,35 dikategorikan sebagai pengaruh sedang (medium effect), sedangkan nilai 0,35 atau lebih dikategorikan sebagai pengaruh besar (large effect).⁶²

4. Uji Hipotesis

Uji hipotesis dilakukan melalui uji t-test, sebuah metode parametrik.

Uji t-statistik digunakan untuk mengukur seberapa besar pengaruh Tunggal dari variabel independent dalam menjelaskan variabel dependen.⁶³ Pengujian ini mengacu pada tingkat signifikansi 0,05 ((α = 5%). Keputusan mengenai penerimaan atau penolakan hipotesis didasarkan pada kriteria berikut:

1. Jika nilai signifikasi > 0,05, maka hipotesis nol (H0) diterima dan hipotesis alternatif (H1) ditolak. Hal ini mengidentifikasikan bahwa secara parsial, variabel independent tidak memiliki pengaruh yang signifikan terhadap variabel dependen.

61 Rosalyn Gracya.

62 Rosalyn Gracya.

63 Rosalyn Gracya.