BAB III METODOLOGI PENELITIAN
3.7 Teknik Pengolahan Data
Variabel Definisi Measurement Instrument yang pertama
mencoba kehadiran teknologi informasi yang baru
PI4: Anda suka
mencoba kehadiran teknologi baru Behavioral
Intention
Behavioral intentions yakni adanya
kemungkinan yang kuat untuk terlibat yang diperlihatkan dalam bentuk perilaku tertentu (Ryu et al., 2010).
BI1: Anda berniat untuk mendapatkan rincian lebih lanjut tentang Mobile coupon
Skala Ordinal
BI2: Anda berniat untuk mendownload Mobile coupon BI3: Anda berniat untuk
menggunakan Mobile coupon sesering mungkin dalam kehidupan pribadinya
BI4: Anda berniat untuk menggunakan Mobile coupon dalam kegiatan belanja Anda
3.7.2 Uji Validitas
Validitas adalah sejauh mana alat ukur yang digunakan dapat merepresentasikan karakteristik-karakteristik yang telah ada dalam fenomena yang diselidiki/teliti (Malhotra & Birks, 2007). Rumus uji validitas yang penulis pergunakan yakni pearson correlations yang ada di output SPSS (Statistics Package For Social Science).
Corrected Item-Total Correlation menunjukkan adanya korelasi (consistency) antara satu item dengan total keseluruhan item yang telah dipertahankan. Proses pengambil keputusannya yakni item pernyataan kuesioner itu tetap dipertahankan atau di-delete apabila memenuhi kriteria nilai 0,33 (setiap item-total correlations yang memiliki nilai di atas 0,33 dapat diartikan bahwa secara rata-rata 10% dari varians yang berada di dalam skala item kuesioner tersebut telah dihitung (Ho, 2006).
3.7.3 Uji Reliabilitas
“Reliability (Keandalan) dalam sebuah penelitian berfokus pada apakah metode penelitian dan desain yang digunakan tersebut akurat, Validitas berkaitan dengan seberapa baik pertanyaan survei mengukur apa yang mereka dimaksudkan untuk mengukur” (Dinh & Pickler, 2012).
Reliabilitas konsistensi internal (internal consistency reliability) digunakan untuk menilai keandalan dari skala yang dijumlahkan (summated scale) dimana beberapa item dijumlahkan untuk membentuk skor total (Malhotra & Birks, 2007). Dalam skala jenis ini, setiap item mengukur beberapa aspek dari konstruk
diukur dengan seluruh skala, dan item harus konsisten dalam hal apa yang mereka tunjukkan mengenai konstruk.
Penulis menggunakan uji reliabilitas internal yakni cronbach’s alpha.
Cronbach Alpha merupakan salah satu koefisien reliabilitas yang paling sering digunakan.
Tabel 3.2
Pedoman Coefficient Alpha(α)
Scales with a coefficient(α) Interpretasi 0,80 – 0,95 Very good reliability
0,70 – 0,80 Good reliability
0,60 – 0,70 Fair reliability
below 0,6 Poor reliability
Sumber: Hair, et al (2006) dalam (Zikmund & Babin, 2007)
Metode analisis datanya secara kuantitatif. Data yang diperoleh dari hasil kuesioner akan dianalisis secara kuantitatif. menyatakan bahwa “penelitian kuantitatif lebih mengutamakan pada pengumpulan dan analisis data yang berupa angka-angka, dimana lebih memfokuskan perhatiannya pada hasil penelitian yang dapat digeneralisasikan kepada target populasinya daripada memahami secara alamiah dari unsur-unsur yang dipilihanya dalam penelitian ini” (Daniel, 2012).
Secara khusus, penelitian kuantitatif telah memiliki ukuran sampel yang sudah fix untuk pengumpulan datanya.
Sebelum melakukan pengujian analisis mulitple regresi atau regresi linear berganda, penulis melakukan uji asumsi klasik.
3.7.4 Uji Asumsi Klasik
Sebelum dilakukan analisis statistik lebih lanjut, seperti korelasi, regresi, dan sebagainya, perlu dilakukan beberapa pengujian yang disebut asumsi klasik agar kondisi estimator linear tidak bias yang terbaik (best linear unbias estimator/BLUE). Kondisi tidak bias ini dapat diuji dengan uji asumsi klasik.
Langkah-langkah dalam uji asumsi klasik (Pallant, 2011)sebagai berikut 1. Multikolinearitas
Multikolinearitas adalah adanya jalinan hubungan (intercorrelations) yang sangat tinggi diantara variabel bebas (independent variables) (Malhotra
& Birks, 2007).
Berikut ini adalah dua metode untuk mendiagnosis multikolinearitas:
a. Faktor Varians Inflasi (VIF)
Faktor Varians Inflasi (VIF) menunjukkan apakah prediktor (variabel bebas) memiliki hubungan linear yang kuat dengan prediktor lainnya (s).
Meskipun tidak ada aturan yang baku dan cepat tentang nilai VIF yang dapat menimbulkan kekhawatiran, Myers (1990) menyatakan bahwa nilai variance inflation factors (VIF) > 10 mengindikasikan terdapatnya multikolinearitas.
b. Statistik Toleransi
Tolerance merupakan sebuah indikator mengenai seberapa besar nilai variabel bebas yang spesifik tersebut tidak dapat dijelaskan oleh variabel bebas lainnya yang termuat dalam model, dan nilai tolerance dapat dihitung dengan rumus (1− �������) untuk setiap variabel. Jika hasil
nilai tolerance sangat kecil (kurang dari < 0,1) mengindikasikan bahwa terjadi multiple correlation yang sangat tinggi dengan variabel lainnya, artinya hal itu terjadi multikolinearitas.
Menard (1995) menyatakan bahwa nilai-nilai di kolom tolerance yang berada di bawah 0,1 menunjukkan masalah serius meskipun Menard (1995) menyarankan bahwa nilai-nilai di bawah 0,2 juga layak diperhatikan (Field, 2009).
2. Uji Heteroskedasitas dan Outlier
Uji Heteroskedasitas bertujuan apakah dalam model regrersi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual pengamatan yang lain tetap, disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regeresi yang baik adalah homoskedastisitas tidak terjadi heteroskedastisitas. Cara mendeteksi dengan melihat grafik scatterplot . Pada hasil grafik scatterplot akan terlihat data penelitian ini terjadi outlier atau tidak. Menurut Tabachnick dan Fidell (2007) menentukan terjadinya outliers dengan melihat hasil a standardised residual (seperti yang terlihat dalam gambar scatterplot) dimana hasil sebaran data boleh melebihi 3,3 atau tidak boleh melebihi angka –3,3, artinya data penelitian tidak menunjukkan terjadinya outlier (Pallant, 2011).
Namun, apabila ada titik-titik sebaran data yang melebihi angka –3,3 menunjukkan terjadinya outlier. Dengan perkataan lain, ada data jawaban responden yang menyimpang.
3. Normalitas Data
Uji Normalitas data dilakukan sebelum data diolah berdasarkan model- model penelitian yang diajukan. Uji normalitas data bertujuan untuk mendeteksi distribusi data dalam suatu variabel yang akan digunakan dalam penelitian. Data yang baik dan layak untuk membuktikan model-model penelitian tersebut adalah data yang memiliki distribusi normal.
Uji Normalitas data pada variabel penelitian menggunakan rumus uji Kolmogorov-Smirnov. Kolmogorov–Smirnov test dan Shapiro–Wilk test yakni: kedua rumus tersebut membandingkan angka-angka yang berada di dalam sampel dimana sekumpulan angka-angka terdistribusi normal itu sama dengan nilai mean dan standard deviation (Field, 2009).
Penentu Keputusan Data Berdistribusi Normal atau Tidak, dapat dilihat pada output SPSS di tabel Kolmogorov–Smirnov test setelah menghitung dengan SPSS:
a. Signifikansi (sig) > 0,05, maka data berdistribusi normal.
b. Signifikansi (sig) < 0,05, maka data tidak berdistribusi normal.