3.3.2 Sumber Data
Sumber data yang dipakai dalam penelitian ini berasal dari konsumen yang berbelanja online sebagai responden dalam penelitian ini.
3.4 Metode Pengumpulan Data
Metode yang digunakan untuk mengumpulkan data dalam penelitian ini dibagi menjadi dua, yaitu:
1. Metode Kuesioner
Metode kuesioner adalah membuat daftar pernyataan yang kemudian dibagikan kepada responden yang bersangkutan.
2. Metode Wawancara
Metode wawancara adalah melakukan tanya jawab untuk memperoleh informasi dari pihak yang bersangkutan. Metode ini memerlukan waktu
yang cukup lama untuk mengumpulkan data, dimana metode ini harus memikirkan waktu pelaksanaannya.
3.5 Teknik Analisis Data
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah model persamaan struktural Struktural Equation Modeling SEM berbasis
varian atau komponen yaitu PLS Partial Least Square untuk memverifikasi hubungan antara variabel. Alasan menggunakan model SEM berbasiskan
komponen atau vaarian PLS adalah sebagai berikut:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
1. PLS dapat digunakan untuk mengkonfirmasi teori, tetapi dapat juga
digunakan untuk menjelaskan ada atau tidaknya hubungan antar variabel laten, bahkan dengan PLS dapat menggunakan model persamaan
struktural untuk menguji teori atau pengembangan teori untuk tujuan prediksi.
2. PLS merupakan metode analisis yang powerfull oleh karena tidak
didasarkan banyak asumsi. 3.
Penggunaan data dengan PLS, tidak harus berdistribusi normal multivariate
indikator dengan skala katagori samapai ratio dapat digunakan pada model yang sama.
4. Penggunaan sampel pada PLS, tidaklah harus besar melainkan bisa
minimal 30 sampel. 5.
PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator refleksif dan indikator formatif.
6. PLS jauh lebih efisien perhitungan algoritma, sehingga mampu
mengestimasi model yang besar dan komplek dengan ratusan variabel laten dan ribuan indikator.
Sedangkan alasan – alasan menggunakan SmartPLS versi 2.0 sebagai tools dari
SEM berbasiskan kompenen atau varian PLS menurut Ghozali 2006 adalah sebagai berikut:
1. Kemudahan dalam menginstal program.
2. Tampilan model editor dapat disusun secara rapi, dimana dapat digunakan
untuk menciptakan, merubah, dan menghitung model.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3. Kemudahan dalam bekerja lebih dari satu model pada sesi yang sama.
4. Tampilan output lebih tersusun rapi dalam sintaks html.
Adapun langkah – langkah yang perlu dilakukan dalam menggunakan model
persamaan struktural PLS menurut Ghozali 2008: 22 adalah sebagai berikut:
1 Model Spesifikasi dengan PLS
Menurut Ghozali 2008:22, model analisis jalur semua variable laten dalam PLS terdiri dari tiga set hubungan, yaitu: 1 inner model yang
menspesifikasi hubungan antar variabel laten struktural model, 2 outer model yang menspesifikasi hubungan antar variabel laten dengan indikator atau variabel
menives-nya meansurement model, dan 3 weight relation dimana nilai kasus dari variabel laten dapat diestimasi. Penjelasan dari masing
– masing hubungan tersebut adalah sebagai berikut:
A. Inner Model
Inner model yang menspesifikasi hubungan antar variabel laten
structural model. Inner model menggambarkan hubungan antar variabel laten berdasarkan pada subtantive theory. Model
persamaannya = �
+ � +Γ
�
+ . PLS didesain untuk model recursive, maka hubungan antar variabel laten sering disebut casual chain
system dari variabel laten dapat dispesifikasikan sebagai berikut
= ∑
i
� +∑
i γ
jb
iξ
b
+
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Outer Model
Outer model yang menspesifikasi hubungan antara variabel laten
dengan variabel indikatornya measurement model. Outer model mendefinisikan bagaimana setiap blok indikator berhubungan dengan
variabel latennya. Blok dengan indikator reflektif dapat ditulis persamaan
=Λ �+ dan =Λ + . Sedangkan Blok dengan indikator formatif dapat ditulis persamaan
�= Π
ξ
x+δ
ξ
dan =Π
η
y+δ
η.
B. Weight Relation
Weight relation dalam menilai kasus dari variabel laten dapat
diestimasi. Inner model dan outer model memberikan spesifikasi yang diikuti dalam algoritma PLS. Nilai kasus untuk setiap variabel laten
diestimasi dalam PLS yaitu �
�
= ∑
i � �
dan =
2 Evaluasi Model
PLS tidak mengasumsikan distribusi tertentu untuk estimasi parameter, maka teknik parametik untuk menguji signifikansi parameter tidak diperlukan
Chin, 1998. Evaluasi model PLS berdasarkan pada pengukuran prediksi yang mempunyai sifat non parametik. Model pengukuran atau outer model dengan
indikator reflektif dievaluasi dengan validitas konvergen dan validitas diskriminan dari indikatornya dan composive reliability atau blok indikator.
Model struktural atau inner model dievaluasi dengan melihat persentase variance
yang dijelaskan yaitu dengan melihat nilai R-square untuk
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
konstruk laten dependen dengan menggunakan ukuran stone-Geisser Q Square test Stone, 1974: Geisser, 1975 dalam Ghozali 2008: 24-25 dan juga melihat
besarnya koefisien jalur strukturalnya. Stabilitas dari estimasi ini dievaluasi dengan menggunakan uji t-statistik yang diperoleh dari prosedur bootstraping.
3 Model Pengukuran dengan Outer Model Validitas konvergen
dari model pengukuran dengan reflektif indikator
dinilai berdasarkan korelasi antar skor item atau skor komponen dengan skor konstruk yang dihitung dari PLS. Ukuran reflektif individual dikatakan tinggi
jika berkorelasi lebih dari 0,7 dengan konstruk yang ingin diukur. Validitas diskriminan
dari model pengukuran dengan reflektif indikator
dinilai berdasarkan cross loading pengukuran dengan konstruk. Jika
korelasi konstruk dengan item pengukuran lebih besar dari pada ukuran konstruk lainnya, maka hal ini menunjukkan bahwa konstruk laten memprediksi ukuran
pada blok mereka lebih baik dari pada ukuran pada blok lainnya.
Metode lain
untuk menilai
validitas diskriminan
adalah membandingkan nilai akar average extracted AVE setiap konstruk dengan
korelasi antar konstruk dengan konstruk lainnya dalam model. Jika nilai akar AVE setiap konstruk lebih besar dari pada nilai korelasi antara konstruk dengan
konstrukm lainnya dalam model, maka dikatakan memiliki nilai validitas diskriminan yang baik Fornel dan Larcker, 1981 dalam Ghozali 2008:25.
Direkomendasikan bahwa nilai AVE 0,5.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Composite reliability blok indikator yang mengukur suatu konstruk
dapat dievaluasi dengan dua macam pengukuran, yaitu internal consistency yang dikembangkan oleh Werts, Lim dan Jokerskog 1974 dan Cronbach Alpha
dengan menggunakan output yang dihasilkan PLS, maka composite reliability dapat dihitung dengan rumus sebagai berikut:
pc = ∑λ
i 2
pc ∑λ
i 2
+ ∑
i
var ɛ
i
4 Model Pengukuran dengan Inner Model Model struktural
dievaluasi dengan menggunakan R-square untuk
konstruk dependen, Stone-Qeisser Q-square test untuk predictive relevance dan
uji t serta signifikansi dari koefisien parameter jalur struktural. Dalam menilai model
dengan PLS dimulai dengan melihat R-square untuk setiap variabel laten dependen. Interpretasinya sama dengan interpretasi pada regresi. Perubahan nilai
R-square dapat digunakan untuk menilai pengaruh variable laten independen tertentu terhadap variabel dependen apakah memilikipengaruh yang substantive.
Pengaruh besarnya f
2
dapat dihitung dengan menggunakan rumus sebagai berikut:
f
2
= R
2 included
- R
2 exclude
1 – R
2 include
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Dimana R
2
included dan R
2
excluded adalah R-square dari variabel laten dependen ketika prediktor variabel laten digunakan atau dikeluarkan di dalam
persamaan struktural. Nilai f
2
sama dengan 0,02; 0,15 dan 0,35 dapat diartikan bahwa rediktor variabel laten memiliki pengaruh kecil; menengah; dan besar pada
tingkat struktural. Disamping melihat R-square, model PLS juga dievaluasi dengan melihat Q-square predictive relevan untuk model konstruk. Q-square
mengukur seberapa baik nilai observasi yang dihasilkan oleh model dan juga estimasi parameternya. Nilai Q-square lebih besar 0 nol menunjukkan bahwa
model memiliki nilai prediktif relevance.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
43
BAB IV ANALISIS DAN PEMBAHASAN