24 BAB IV
HASIL DAN PEMBAHASAN
Hasil dari bab keempat dan diskusi dimulai dengan menyajikan hasil analisis statistik deskriptif yang terdiri dari analisis statistik deskriptif yang berkaitan dengan identitas responden dan indikator terkait. Kemudian menyajikan hasil berupa analisis outer model dengan inner model serta pengujian hipotesis. Setelah menyajikan hasil yang didapatkan selanjutnya adalah pembahasan. peta jalan hasil dan pembahasan dapat dilihat pada gambar 4.1 :
Gambar 4.1
Peta jalan Hasil dan Pembahasan
Sumber : Dikembangkan untuk Tesis
Hasil
Uji Statistic Deskriptif
Evaluasi Outer Model
Evaluasi Inner Model
Pembahasan
25 4.1 Hasil Penelitian
Hasil penelitian yang diperoleh sudah melalui pengolahan dara dengan Smartpls terdiri dari analisis statistic deskriptif, evaluasi outer model dan inner model.
4.1.1 Statistik Deskriptif
Analisis statistic deskriptif dibagi menjadi dua bagian yaitu analisis indikator dan analisis identitas responden. Responden yang terkumpul melalui penyebaran kuesioner dengan google form adalah 180 (100%). Pada analisis indikator memberikan gambaran atau desktipsi suatu data yang dapat dilihat dari nilai minimum, maksimum, rata-rata, rerata dan standar deviasi.
4.1.1.a Analisis Identitas Responden
Terlihat dari jumlah responden yang didapatkan, diketahui bahwa responden yang terkumpul Sebagian besar memiliki rentang umur 17 tahun sampai dengan 28 tahun. Hasil ini didapatkan melalui penyebaran kuesioner kepada masyarakat yang menggunakan jasa layanan internet Indihome di Salatiga. Berikut merupakan analisis identitas responden melalui diagram pie meliputi gender dan usia.
Gambar 4.1.1 Presentasi Gender
26 Persentasi gender responden yang didapatkan dari penyebaran kuesioner melalui google form adalah 53% merupakan laki-laki. Jumlah responden perempuan sebanyak 85 responden dan responden laki-laki sebanyak 96 responden. Data yang ditunjukan pada gambar 4.1.1 bahwa responden terbanyak untuk penelitian ini merupakan laki-laki.
Gambar 4.1.2 Presentasi Usia Responden
47%
53%
Chart Title
female male
14%
77%
9%
USIA
13-18 19-28 29-50
27 Persentasi usia pada penelitian ini adalah 77% untuk usia 19 tahun sampai dengan 28 tahun , 14 persen untuk usia 13 tahun sampai dengan 18 tahun dan 9 persen untuk usia 29 tahun sampai dengan 50 tahun. Responden dalam penelitian ini dapat terlihat bahwa 140 responden dengan usia 19 sampai dengan 28 tahun, 25 responden dengan usia 13-18 tahun dan responden umur 29 tahun sampai dengan 50 tahun sebanyak 16 responden.
tstatistik 4.1.1.b Analisis Indikator
Analisis indikator memberikan deskripsi dan gambaran suatu data yang dapat dilihat dari nilai minimun dan maksimum, rata-rata, rerata dan standar deviasi.
Tabel 4.1.3 Statistik Deskriptif-Analisis Indikator Indikator N
Maksimum Minimum Standar Deviasi
Rata-
Rata Rerata Sahih Hilanh
KP1 181 0 5 1 0.838 2.519
KP2 181 0 5 1 0.816 2.442
KP3 181 0 5 1 0.801 2.425
KP4 181 0 5 1 0.943 2.613
KP5 181 0 5 1 0.753 2.442
Rerata KP 2.49
H1 181 0 5 1 0.899 2.569
H2 181 0 5 1 0.902 2.497
H3 181 0 5 1 0.811 2.470
Rerata H 2.50
P1 181 0 5 1 0.977 2.547
P2 181 0 5 1 0.924 2.624
P3 181 0 5 1 0.805 2.514
P4 181 0 5 1 0.737 2.425
28
Rerata P 2.52
KK1 181 0 5 1 0.872 2.409
KK2 181 0 5 1 0.898 2.420
KK3 181 0 5 1 0.837 2.459
Rerata KK 2.42
MB1 181 0 5 1 0.836 2.569
MB2 181 0 5 1 0.584 2.249
MB3 181 0 5 1 0.894 2.657
Rerata K 02.48
Sumber : Hasil Olah Data SmartPLS ver 4.0 (n=181)
Pada table 4.1.3 dapat dilihat bahwa dari 181 data sahih terdapat nilai maksimal lima dan minimal satu untuk masing-masing indikator dari peubah yang digunakan.
Peubah kualitas pelayanan (KP) memiliki 5 indikator (KP1-KP5) yang nilai rata-rata dibawah 3 untuk KP1 sampai dengan KP5 yang memiliki arti bahwa rata-rata responden menjawab setuju dan sangat setuju.
Peubah harga (H) memiliki 3 indikator (H1-H3) yang memiliki rata-rata dibawah 3, artinya rata-rata responden menjawab pertanyaan dibawah 3 aatau setuju dan sangat setuju untuk pertanyaan yang tertuju pada H1, H2, dan H3. Sama halnya dengan peubah promosi (P) yang memiliki 4 indikator (P1-P4) mendapatkan nilai rata- rata dibawah 3 yang memiliki arti bahwa rata-rata responden menjawab dibawah 3 untuk pertanyaan yang tertuju pada P1, P2, P3 dan P4.
Peubah karakteristik konsumen (KK) memiliki 3 indikator (KK1-KK3) mendapatkan nilai rata-rata dibawah 3 yang memiliki arti bahwa rata-rata responden menjawab dibawah 3 untuk pertanyaan yang tertuju pada KK1, KK2 dan KK3. Pada peubah minat beli (MB) terdapat 3 indikator (MB1-MB3) dengan nilai rata-rata dibawah tiga untuk MB1 sampai dengan MB3 yang memiliki arti bahwa responden menjawab rata-rata dibawah 3 untuk pertanyaan tertuju pada MB1, MB2 dan MB3.
29 4.1.2 Evaluasi Outer Model
Analisis outer ini digunakan untuk memastikan bahwa pengukuran yang digunakan layak untuk dijadikan pengukuran (sahih dan handal). Hal ini dapat dilihat melalui :
4.1.2.a Hasil Pengujian Kesahihan
Pengujian kesahihan dapat dievaluasi dengan melihat Avarage Variance Extracted (AVE) dan outer loading. Outer loading merupakan tabel yang berisi loading factor untuk melihat besar korelasi antara indikator dengan peubah laten.
Ukuran refleksif individual dikatan tinggi jika berkolerasi lebih dari 0.70 dengan konstruksi yang diinginkan (Ghozali, 2005). Berdasarkan gambar 4.2, semua indikator nilai loading yang dihasilkan lebih dari 0.70, maka dinilai sahih dan dapat mewakili setiap konstruk. Indikator pada kualitas pelayanan yang dinilai sahih adalah KP2 dan KP4, sedangkan indikator untuk harga yang dinilai sahih adalah H1, H2, dan H3.
Indikator untuk promosi yang dinilai sahih adalah P1, P3 dan P4. Pada karakteristik konsumen, indikator yang dikatakan sahih yaitu KK1, KK2 dan KK3 sedangkan pada indikator minat beli yang dinilai sahih adalah MB1, MB2 dan MB3. Terdapat beberapa indikator yang dieliminasi karena tidak memenuhi syarat (0.7) seperti KP 5.
30 Diagram Jalur Hasil SmartPLS ver 4.0 (N=181)
Nilai Average Variance Extracted (AVE) akan menunjukan kesahihan dari masih-masing kontruksi yang diuji. Nilai yang diharapkan adalah > 0,5 untuk masing- masing kontruksi. Hasil penelitian ini menunjukan bahwa nilai AVE yang dihasilkan yaitu :
Tabel 4.2 Average Variance Extracted (AVE)
PEUBAH Average Variance Extracted (AVE) Kualitas pelayanan 0.62
Harga 0.86
Promosi 0.65
Karakteristik konsumen 0.76
Minat beli 0.73
31 Sumber: Hasil Pengelolahan SmartPLS 4.0 (n=181)
Hasil dari tabel AVE diatas menunjukan nilai AVE yang dihasilkan pada penelitian ini
>0.7 yang berarti konstruk atau peubah yang digunakan pada penelitian ini sahih.
4.1.2.b Hasil uji Kehandalan
Pengujian kehandalan responden menggunakan uji statistic alfa Cronbach dan Composite Reliability
Tabel 4.3 Hasil Alfa Cronbach dan Composite Reliability
Peubah Alfa Cronbach
Composite Reliability
kualitas pelayanan 0.80 0.82
Harga 0.92 0.92
promosi 0.82 0.83
karakteristik
konsumen 0.83 0.84
Minat beli 0.82 0.84
Sumber : Hasil Pengolahan SmartPLS 4.0 (n=181)
Suatu konstruk atau peubah dikatakan handal jika memberikan nilai alfa Cronbach lebih besar dari 0.6 dan nilai Composite reliability lebih dari atau sama dengan 0.70. Tabel 4.3 menunjukan hasil Alfa Cronbach dan Composite Reliability dari instrument penelitian yang digunakan memiliki nilai lebih besar dari 0.6 untuk alfa Cronbach dan lebih besar dari 0.7 untuk Composite Reliability, sehingga instrument yang digunakan dinilai handal.
32 4.1.2.c Uji discriminant validity
Pengujian discriminant validity dapat dinilai berdasarkan cross loading harus menunjukan nilai indicator yang lebih tinggi dari setiap konstruk dibandingkan dengan indicator pada konstruk lainnya.
Tabel 4.4 Hasil Uji discriminant validity
Pada hasil table 4.7 bahwa discriminant validity sudah tepat karena tiap konstruk indikator menunjukan nilai yang lebih tinggi dari setiap konstruk indikator lainnya.
4.1.3 Evaluasi dengan inner model (Model Struktural)
Pengujian inner model atau model struktural dilakukan untuk mengetahui hubungan antara konstruk, nilai signifikan dan R-Square. Nilai R-Square yang digunakan untuk mengukur tingkat keragaman perubahan peubah independent dan peubah terikat. Metode pengujian terhadap model struktural yang dilakukan dengan melihat nilai R-Square merupakan uji goodness of fit. Jika R-Square semakin mendekati satu maka semakin besar keragaman dalam peubah bebas.
33 Table 4.5 Nilai R Square
Peubah R-Square
Harga 0.36
Minat Beli Promosi
0.72 0.70 Sumber : Hasil SmartPLS ver4.0 (n=181)
Berdasarkan data yang telah diolah, nilai R-Square dari peubah harga adalah 0.36 atau 36% artinya keragaman perubahan peubah harga yang dapat dijelaskan oleh karakteristik konsumen, dan kualitas pelayanan , sisanya sebesar 64% dapat dijelaskan oleh peubah lain diluar model. Nilai R-Square dari peubah prilaku minat beli adalah 0.72, artinya keragaman perubahan peubah perilaku minat beli dapat dijelaskan oleh karakteristik konsumen dan kualitas pelayanan sebesar 0.72 atau 72% dan sisanya 28%
dijelaskan oleh peubah lain diluar model. Sedangkan nilai R-Square dari peubah promosi sebesar 0.70 atau 70%, yang artinya keragaman peubah promosi yang dapat dijelaskan oleh kualitas layanan dan karakteristik konsumen sebesasr 70% dan sisanya 30% dapat dijelaskan oleh peubah diluar model.
Selain itu terdapat pls predict yang dapat menggambarkan kekuatan prediksi model untuk melihat rendah, medium, atau tinggi sebuah prediksi dengan cara membandingan RMSE (Root mean square error) dan MAE (Mean Absolut Eror).
Tabel 4.6 Pls Predict
Q²predi ct
PLS- SEM_RMS E
PLS- SEM_MA E
LM_RMS E
LM_MA E
H1 0.285 0.762 0.602 0.628 0.455
H2 0.333 0.740 0.542 0.639 0.408
34
H3 0.272 0.695 0.526 0.564 0.383
MB1 0.603 0.529 0.399 0.507 0.349
MB2 0.307 0.488 0.329 0.488 0.314
MB3 0.424 0.681 0.529 0.662 0.469
P1 0.318 0.808 0.649 0.705 0.457
P2 0.170 0.845 0.685 0.711 0.512
P3 0.183 0.730 0.578 0.543 0.380
P4 0.142 0.685 0.515 0.593 0.428
Sumber : hasil SmartPLS ver 4.0 (n=150)
Nilai RMSE dan MAE lebih rendah menunjukan model mempunyai predictive power lebih baik, sedangkan apabila besar atau sama, indikator PLS Sem mempunyai nilai RMSE DAN MAE lebih rendah dibandingkan model regresi linier (LM) menunjukan model PLS SEM mempunyai medium predictive power.
4.1.4 Pengujian Hipotesis
Dalam SmartPLS pengujian setiap hipotesis dilakukan dengan metode bootstrap terhadap sampel. Hal ini dilakukan untuk meminimalkan masalah ketidaknormalan data penelitian. Hipotesis didukung jika nilai t-statistic lebih besar dibandingkan dengan t-tabel dengan tingkat keyakinan 95 persen (Harjito, Y., Achyani, F., 2015). Nilai ttabel untuk uji hipotesis two tailed pada penelitian ini adalah 1.96.
Berdasarkan hasil pengelolahan data dengan bootstrapping diperoleh hasil sebagai berikut:
35 4.1.4.a Pengaruh Peubah Moderasi
Hasil pengujian pada tabel 4.7 dengan moderasi dalam hipotesis lima dan enam memiliki nilai tstatistik < 1.96 dan P Value menunjukan nilai > 0.05, hal ini memiliki arti bahwa hipotesis empat, lima dan enam tidak signifikan. Pada nilai original sampel hipotesis lima menunjukan nilai negatif. Melalui hasil penelitian dari hipotesis lima dan enam dapat dilihat bahwa, hipotesis enam tidak dapat diterima atau tidak signifikan. Pada hipotesis empat, lima dan enam yang tidak signifikan. Menunjukan bahwa karakteristik konsumen tidak berpengaruh signifikan dalam memperkuat pengaruh kualitas pelayanan, promosi dan harga terhadap minat beli.
Tabel 4.7 Pengaruh Peubah Moderasi Original
sample (O)
Sample mean (M)
Standard deviation (STDEV)
T statistics (|O/STDEV|)
P values Karakteristik konsumen x
kualitas pelayanan -> Minat
beli -0.052 -0.066 0.051 1.013 0.311
Karakteristik konsumen x
Harga -> Minat beli 0.133 0.148 0.097 1.375 0.169 Karakteristik konsumen x
Promosi -> Minat beli -0.153 -0.152 0.097 1.583 0.0113
Sumber : Hasil SmartPLS ver 4.0 4.1.4.b Pengaruh Langsung
Pengaruh langsung pada penelitian ini terdapat pada hipotesis satu, dua dan hipotesis yang ketiga, yaitu pengaruh antara kualitas pelayanan terhadap minat beli dan pengaruh harga kualitas pelayanan dengan minat beli, faktor harga terhadap minat beli, dan faktor promosi terhadap minat beli. Hasil pengujian untuk model structural
36 pertama menunjukan nilai tstatistik untuk hipotesis satu >1.96, dan P Value menunjukan
<0.05 dengan nilai original sample positif, maka hal ini menunjukan bahwa hipotesis satu dapat diterima secara signifikan, pada hipotesis dua menunjukan nilai tstatistik >1.96 dan P Value menunjukan <0.05 dengan nilai orginal sample positif, maka hal ini menunjukan bahwa hipotesis dua dapat diterima secara signifikan, sedangkan pada hipotesis ketika menunjukan nilai tstatistik <1.96 dan P Value menunjukan nilai >0.05 dengan nilai original sample positif, dari hipotesis ketiga dapat dikatakan bahwa hipotesis ketiga ditokal. Dari ketiga hipotesis dapat dilihat bahwa pengaruh harga dan kualitas pelayanan memiliki kemungkinan terbesar mempangaruhi minat beli. Selain itu promosi tidak berpengaruh signifikan terhadap minat beli.
Tabel 4.8 Pengaruh Langsung
Original sample (O)
Sampl e mean (M)
Standar d deviatio n (STDE V)
T statistics (|O/STDE V|)
P value s Harga -> Karakteristik konsumen 0.254 0.253 0.114 2.239 0.025 Harga -> Minat beli 0.256 0.240 0.122 2.109 0.035 Karakteristik konsumen -> Minat beli 0.346 0.342 0.105 3.294 0.001 Promosi -> Karakteristik konsumen 0.438 0.442 0.106 4.127 0.000 Promosi -> Minat beli 0.093 0.107 0.133 0.700 0.484 kualitas pelayanan -> Karakteristik
konsumen 0.147 0.147 0.074 1.983 0.047
37 kualitas pelayanan -> Minat beli 0.297 0.302 0.086 3.449 0.001 Sumber : Hasil SmartPLS ver 4.0 (n= 181)
Pengaruh antara kualitas layanan terhadap minat beli diterima dengan nilai tstatistik 3.449 dan P Value 0.001 dengan arah positif. Pada pengaruh antara harga dan minat beli terbukti diterima dengan nilai tstatistik 2.109 dan P Value 0.035 dengan arah positif. Pada hipotesis tiga walaupun memiliki arah yang positif belum cukup untuk membuktikan bahwa hipotesis diterima secara signifikan. Jika melihat pada hipotesis satu dan dua yang diterima secara signifikan, maka terlihat bahwa tstatistik pertama merupakan yang terbesar yaitu 3.449. Hal ini dapat diartikan bahwa kualitas pelayanan merupakan peubah yang memiliki dampak paling besar terhadap minat beli.
4.1.4.c Pengaruh Tidak Langsung
Pada table 4.9 memperlihatkan bahwa pengaruh tidak langsung dengan adanya variabel karakteristik konsumen sebagai variabel mediasi. Pengaruh promosi terhadap minat beli dengan karakteristik konsumen sebagai variabel moderasi dimana P Value menunjuka angka 0.011 dan tstatistik 2.540 menjelaskan pengaruh yang terjadi postif dan signifikan. Sedangkan pada kualitas pelayanan terhadap minat beli dan harga terhadap minat beli dengan variabel karakteristik konsumen sebagai variabel moderasi, memiliki hasil yang tidak signifikan karena angka P Value yang di dapatkan lebih rendah dari 1.96 dan tstatistik di atas 0.05, hal ini menjelaskan berarti variabel karakteristik konsumen tidak memoderasi antara harga dengan minat beli dan kualitas pelayanan dengan minat beli.
38 Table 4.9 Pengaruh tidak langsung
Original sample (O)
Sample mean (M)
Standard deviation (STDEV)
T statistics (|O/STDEV|)
P values
Promosi ->
Karakteristik
konsumen -> Minat
beli 0.152 0.151 0.060 2.540 0.011
kualitas pelayanan ->
Karakteristik
konsumen -> Minat
beli 0.051 0.049 0.029 1.782 0.075
Harga -> Karakteristik konsumen -> Minat
beli 0.088 0.087 0.050 1.744 0.081
Sumber : hasil SmartPLS ver 4.0 (n=150) 4.1.4.d Pengaruh Total
Pengaruh total yaitu jumlah dari pengaruh langsung dan pengaruh tidak langsung. Pada hasil analisis yang terdapat pada table 4.10 dapat dilihat bahwa pengaruh langsung dan tidak langsung antara harga dengan minat beli sebesar 0.344.
Begitu pula dengan pengaruh promosi terhadap minat beli yang menunjukan nilai sebesar 0.245. Sedangkan pada pengaruh kualitas pelayanan terhadap nilai beli untuk pengaruh langsung dan tidak langsungnya memiliki nilai total sebesar 0.348.
39 Table 4.10 Pengaruh total
Original sample (O)
Harga -> Minat beli 0.344
Promosi -> Minat beli 0.245
kualitas pelayanan -> Minat beli 0.348 Sumber : hasil SmartPLS ver 4.0 (n=150)
40 Table 4.11 TStatistik Indikator SmartPLS ver 4.0 (n=181)
Sumber : hasil SmartPLS ver 4.0 (n=150)
Pada tabel 4.11 terlihat bahwa indikator pada peubah harga yang me miliki
tstatistik terbesar (92.452) adalah H3 yaitu manfaat yang didapatkan sesuai dengan biaya
yang dikeluarkan. Apabila perusahaan ingin meningkatkan pembelian yang diperlu diperhatikan adalah tetap memberikan yang sesuai kepada pelanggan terutama dalam segi harga.
4.2 Pembahasan
Pada penelitian ini terdapat indikator yang tidak bisa digunakan yaitu KP5, karena setelah melakukan pengujian, indikator tersebut tidak cukup untuk mewakili peubah yang terkait. Hasil pengujian langsung memperoleh bukti empiris bahwa hipotesis pertama memiliki pengaruh yang signifikan dimana nilai p-value 0.001 ≤ 0.05. Hasil yang didapat menandakan kualitas pelayanan memiliki pengaruh langsung dengan arah positif terhadap minat beli. Untuk menghadapi persaingan dunia bisnis pada jasa layana internet yang semakin tinggi, setiap perusahaan harus melakukan pengembangan SDM serta memperbaiki kualitas pelayanan dari waktu ke waktu sehingga dapat memberikan keunggulan layanan dibandingkan perusahaan lainnya (Agus, 2018). Hal ini sesuai dengan makin maraknya penggunaan jasa layanan internet
41 karena adanya aktifitas WFO dan kelas daring, sehingga membuat pelayanan yang diberikan oleh setiap jasa layanan internet harus semakin baik, agar masyarakat memiliki ketertarikan untuk menggunakan layanan yang telah disediakan.
Pada hipotesis yang kedua secara empiris memiliki pengaruh signifikan dengan koefisien positif dimana nilai p-value sebesar 0,035 ≤ 0.05, artinya harga memiliki pengaruh langsung dengan arah positif yang signifikan terhadap minat beli. Hal ini sesuai dengan yang ditemukan (Wijaya, 2017) apabila harga yang diberikan sesuai dan terjangkau dengan harapan konsumen, maka minat beli konsumen juga akan meningkat. Hal ini menunjukan bahwa harga juga merupakan faktor penentu dalam minat beli pelanggan, oleh karena itu harga yang relatif dapat bersaing dengan kompetitor akan menarik minat beli pelanggan.
Hipotesis ketiga dalam penelitian ini memiliki arah yang cenderung negatif, dimana nilai p-value 0.484 ≥ 0.05 yaitu faktor promosi tidak berpengaruh signifikan terhadap minat beli pelanggan. Hasil dari hipotesis tiga tidak sesuai dengan yang ditemukan (Prastiwi et al., 2018) yang menyatakan adanya hubungan yang signifikan antara faktor promosi terhadap minat beli. Hal ini bisa saja terjadi karena masih banyaknya kekurangan yang dilakukan perusahaan dalam memberikan promosi kepada pelanggan. Oleh karena itu ada baiknya Indihome lebih gencar lagi memberikan promosi, dalam bentuk potongan harga, iklan dan pemberian hadiah. Promosi sendiri merupakan indikator yang seharusnya berpengaruh paling dominan terhadap minat beli, karena promosi merupakan gambaran dan informasi mengenai produk (Romdhani, 2016).
Pada penelitian dengan peubah moderasi didalam hipotesis empat, menyatakan promosi tidak berpengaruh terhadap minat beli dengan adanya karakteristik konsumen sebagai variabel mediasi dilhat dari nilai p-value 0.113 ≥ 0.05, sama halnya dengan penelitian (Putri & Utomo, 2017) menemukan karakteristik sebagai moderasi tidak memberikan pengaruh yang signifikan terhadap minat beli. Dari hasil di atas dapat
42 diartikan bahwa pekerjaan atau penghasilan tidak mempengaruhi minat beli, dalam hal ini pembeli lebih dominan menggunakan jasa layanan internet karena promosi yang diberikan Indihome sangat menarik, seperti memberikan promo gratis pemasangan untuk pengguna pertama.
Hipotesis kelima pada penelitian ini juga menemukan bahwa harga tidak berpengaruh signifikan terhadap minat beli dengan adanya karakteristik konsumen sebagai pemoderasi dilihat dari nilai p-value 0.169 ≥ 0.05, hal ini berbeda dengan penelitian (Lumbantoruan, 2012) yang menemukan adanya hubungan signifikan terhadap minat beli dengan karakteristik sebagai variabel moderasi. Seperti halnya pada hipotesis ketiga karakteristik seperti pekerjaan dan penghasilan tidak mempengaruhi minat beli, pembeli lebih dominan menggunakan jasa layanan internet Indihome karena harga yang ditawarkan sangat terjangkau.
Sedangkan pada hipotesis enam pada penelitian ini menemukan bahwa minat beli tidak dapat dipengaruhi oleh promosi dengan adanya karakteristik sebagai variabel moderasi dilihat dari p-value 0.113 ≥ 0.005. Sama dengan yang ditemukan (Pertiwi et al., 2015) bahwa variabel karakteristik konsumen tidak siginifikan dalam memoderasi minat beli. Dari hipotesis empat, lima dan enam menunjukan bahwa karakteristik konsumen sebagai moderasi terbukti belum dapat memperkuat pengaruh harga, promosi, dan kualitas layanan terhadap minat beli. Minat beli sendiri merupakan keinginan untuk memiliki sebuah produk, minat beli akan timbul apabila seseorang sudah terpengaruh terhadap mutu dan kualitas dari suatu produk, dapat dikatakan minat beli akan muncul karena ketertarikan terhadap produk yang diiringi dengan kemampuan untuk membeli produk diinginkan (Prastiwi et al., 2018). Berdasarkan urian diatas minat beli sangat dipengaruhi oleh harga dan kualitas pelayanan yang diberikan perusahaan, dalam penelitian ini faktor promosi dan karakteristik konsumen belum memberikan pengaruh terhadap minat beli pelanggan atau secara tidak langsung pendapatan dan layanan internet yang sudah terkenal tidak mempengaruhi minat beli seseorang untuk menggunakan jasa layanan internet Indihome.
