E-Jurnal Matematika Vol. 11(3), Agustus 2022, pp. 203-209

DOI: https://doi.org/10.24843/MTK.2022.v11.i03.p382

ISSN: 2303-1751

FAKTOR-FAKTOR YANG MELATARBELAKANGI KEPUTUSAN BELANJA ONLINE PADA APLIKASI E-COMMERCE

Ni Kadek Dwi Arisya Afrilianti1§, Made Susilawati2, I Gusti Ayu Made Srinadi3

1Program Studi Matematika, Fakultas MIPA – Universitas Udayana [Email: [email protected]]

2Program Studi Matematika, Fakultas MIPA – Universitas Udayana [Email: [email protected]]

3Program Studi Matematika, Fakultas MIPA – Universitas Udayana [Email: [email protected]]

§Corresponding Author

ABSTRACT

The existence of the COVID-19 Pandemic since 2020 has forced the central government to impose large-scale social restrictions (PSBB) in the various region in Indonesia. This restriction aims to minimize the spread of the COVID-19 virus, but this causes results in many people losing their jobs. This study uses confirmatory factor analysis to examine the factors behind online shopping decisions at stores in e-commerce applications. The results of this study aim to determine what factors are behind the decision of buyers to shop online in ecommerce applications. The research variable consists of eight dimensions: product, price, place, promotion, customer service, convenience, security, and trust, with 33 indicators. The sample in this study was the people of Denpasar City, totaling 232 respondents who had shopped online at least three times in the last six months. The results of the factor analysis obtained that it is true that there are eight factors behind online shopping decisions at shops in e-commerce applications by people in Denpasar City. These results can be considered for online entrepreneurs to increase sales results by sellers and as a reference by buyers in determining what can be regarded as in online shopping.

Keywords: Confirmatory factor analysis, e-commerce, online shopping decision

  • 1.    PENDAHULUAN

Pandemi corona virus yang melanda seluruh dunia dari tahun 2019 juga berdampak pada kehidupan masyarakat di Indonesia. Berdasarkan data penyebaran covid-19 di Indonesia jumlah pasien positif corona mencapai 3.440.369 per tanggal 1 Agustus 2021 (Bidang Data & IT Satuan Tugas Penanganan Covid-19, 2021). Upaya yang dilakukan untuk memutuskan tali penyebaran covid-19 salah satunya adalah diberlakukannya pembatasan sosial berskala besar (PSBB) diberbagai wilayah di Indonesia. Kementrian ketenagakerjaan (kemnaker) mencatat jumlah pekerja yang terkena pemutusan hubungan kerja (PHK) dan dirumahkan akibat covid-19 mencapai 29,4 juta orang per tanggal 27 Maret 2021 (Triatmojo, 2021).

Salah satu peluang bisnis yang meningkat di masa pandemi covid-19 ini adalah bisnis online. Perkembangan internet dimanfaatkan oleh pelaku usaha online. E-commerce

merupakan kegiatan transaksi secara online. Mengutip data dari Hootsuite (Kemp, 2020), persentase pengguna internet berumur 16 sampai 64 tahun untuk kegiatan e-commerce sebesar 88%.

Di Indonesia, penelitian mengenai belanja online sudah banyak dilakukan, tetapi tempat, responden, dimensi dan metode yang digunakan berbeda hal ini dapat terjadi akibat hasil setiap penelitian dapat berbeda jika diaplikasikan pada wilayah yang berbeda, salah satunya adalah penelitian oleh Istanti (2017) mengenai keputusan belanja online pada masyarakat Kota Surabaya, hasil yang diperoleh harga, kepercayaan, kemudahan, dan e-promosi berpengaruh terhadap keputusan pembelian belanja online.

Para pemilik usaha online setidaknya mengetahui informasi faktor yang memengaruhi keputusan pembeli untuk melakukan pembelian melalui aplikasi ecommerce. Informasi tersebut dapat menjadi

acuan sebagai dasar peningkatan kinerja dari toko online yang dimiliki. Hal tersebut yang menjadi latarbelakang penulis melakukan penelitian tentang faktor-faktor yang melatarbelakangi keputusan pembelian online pada toko-toko online di aplikasi e-commerce. Penelitian ini menggunakan analisis faktor sebagai metode analisis karena keputusan pembelian merupakan variabel yang tidak dapat diukur secara langsung, sehingga memerlukan variabel/indikator yang lainya untuk mengamati keputusan pembelian.

Menurut Turban et al. (2015) e-commerce adalah proses perdagangan dengan menggunakan jaringan internet untuk membeli, menjual, menukarkan produk, barang atau layanan. Menurut Kotler dan Keller (2016) faktor keberhasilan e-commerce terletak pada layanan terhadap pelanggan, aplikasi ecommerce yang cepat, sederhana, dan mudah, keamanan informasi pelanggan tetap terjamin sehingga pelanggan percaya untuk melakukan transaksi.

Analisis faktor merupakan teknik statistik yang digunakan untuk membentuk faktor yang terdiri dari beberapa variabel awal yang saling berkorelasi satu dengan yang lainnya. Analisis faktor berfungsi untuk mereduksi atau meringkas beberapa variabel yang saling berkorelasi menjadi lebih sedikit variabel.

Menurut Johnson & Wichern (2007), model analisis faktor dalam notasi matriks adalah:

x(pxi) - F(pxi) = L(pχm)F(mχi) + ε(pχi)

Dengan X menyatakan variabel acak, μi menyatakan rata-rata variabel ke-i, lij menyatakan loading factor dari variabel ke-i pada faktor ke-j, Fj menyatakan faktor ke-j, dan εt = galat (error) atau spesifik faktor ke-i.

Pada penelitian ini menggunakan metode analysis faktor konfirmatori menurut Hair et al., 2019. Berikut tahapan analisis:

  • 1.    Membuat Matriks Korelasi

Matriks korelasi merupakan langkah awal dalam analisis faktor. Matriks korelasi berfungsi untuk mengetahui nilai korelasi antar variabel.

  • 2.    Uji Bartlett’s spericity

Uji Bartlett’s spericity digunakan untuk mengetahui adanya korelasi antar variabel. Nilai yang digunakan adalah p-value lebih kecil dari 0,05, ini menunjukkan terdapat korelasi yang cukup antarvariabel.

  • 3.    Uji Kaiser-Mayer Olkin (KMO)

Uji Kaiser-Mayer Olkin digunakan untuk melihat syarat kecukupan sampel data untuk dilakukan analisis faktor. Nilai KMO yang digunakan adalah lebih besar dari 0,5.

  • 4.    Nilai Measure of Sampling Adequancy

Measure of Sampling Adequancy (MSA) digunakan untuk mengetahui layak atau tidaknya variabel dianalisis dengan analisis faktor. Nilai MSA yang digunakan adalah ≥ 0,5.

  • 5.    Komunalitas

Uji komunalitas digunakan untuk mengetahui varian dari variabel, nilai komunalitas yang diambil adalah lebih dari 0,5 sedangkan nilai yang kurang dari 0,5 tidak dapat digunakan dalam analisis, hal ini dikarenakan tidak memiliki varians yang cukup untuk menjelaskan variabel tersebut (Hair et al., 2019)

  • 6.    Ekstraksi Faktor

Ekstraksi faktor merupakan metode yang digunakan untuk mereduksi data yang bertujuan untuk menghasilkan faktor baru yang memiliki korelai antar variabelnya. Metode faktor yang digunakan pada penelitian ini adalah Principal Components Analysis (PCA). 7. Menentukan Jumlah Faktor

Menentukan jumlah faktor berdasarkan besarnya nilai eigen setiap faktor yang muncul. Hanya faktor dengan nilai eigen ≥1 yang dipertahankan dalam model analisis faktor, sedangkan nilai eigen <1 dikeluarkan dari model.

  • 8.    Nilai Signifikansi Loading Faktor

Loading faktor merupakan nilai kekuatan hubungan/korelasi masing-masing variabel dengan kontruks yang dibentuk. Penetapan nilai faktor loading disesuaikan dengan jumlah sampel yang dimiliki, sehingga jumlah sampel yang dianalisis sangat berpengaruh terhadap nilai loading faktor yang digunakan.

  • 9.    Interpretasi Hasil

Interpretasi hasil dilakukan dengan menentukan faktor dan memberikan nama pada kumpulan variabel sesuai nilai loading faktor yang diperoleh untuk mewakili suatu faktor.

  • 2.    METODE PENELITIAN

Pada penelitian ini menggunakan data primer yang diperoleh melalui hasil penyebaran kuesioner. Pengambilan sampel pada penelitian ini menggunakan teknik pengambilan sampel nonrandom yakni metode purposive sampling dan teknik snowball sampling. Sampel dalam

penelitian ini adalah masyarakat Kota Denpasar, memiliki usia minimal 17 tahun, dan telah berbelanja online minimal tiga kali dalam enam bulan terakhir melalui aplikasi ecommerce. Dimensi pada penelitian ini diambil dari teori bauran pemasaran (Kotler dan Armstrong, 2008) dan faktor keberhasilan e-commerce (Kotler dan Keller, 2016). Pada penelitian ini memiliki 33 indikator dengan delapan dimensi penelitian, dan jumlah sampel yang diambil adalah 230 responden.

Adapun langkah-langkah analisis sebagai berikut:

  • 1.    Membuat kuesioner penelitian

  • 2.    Menyebarkan kuesioner dalam bentuk google form

  • 3.  Pengambilan data awal 50 responden

  • 4.  Setelah semua indikator kuesioner valid

dan kuesioner reliabel, dilanjutkan dengan pengambilan sampel hingga terpenuhi jumlah data yang harus diambil yaitu 230 responden

  • 5.  Menganalisis faktor dengan langkah-

langkah sebagai berikut:

  • a.    Membuat      matriks      korelasi

antarvariabel penelitian.

  • b.    Menghitung nilai Bartllet’s sphericity. yang cukup antarvariabel.

  • c.    Menghitung nilai Kaiser Mayer Olkin (KMO).

  • d.    Mengukur nilai Measure of Sampling Adequency (MSA).

  • e.    Melakukan proses ekstrasi atau factoring, menggunakan Principal Component Analysis (PCA), serta melihat jumlah faktor yang terbentuk setiap dimensinya.

  • f.    Interpretasi faktor

  • 3.    HASIL DAN PEMBAHASAN

    • 3.1    Uji Validitas dan Reliabilitas

Uji Validitas dan reliabilitas merupakan uji yang dilakukan untuk mengetahui kelayakan dan ketepatan kuesioner. Pada penelitian ini menggunakan 50 data sampel pertama, untuk uji validitas dilihat dari nilai korelasi Pearson dan untuk uji reliabilitas, dilihat dari nilai Cronbach’s Alpha.

Tabel 1. Output Uji Validitas dan Reliabilitas

Dimensi

Indikator

Korelasi Pearson

Cronbach’s Alpa

Produk

P1

0,855

0,927

P2

0,930

P3

0,915

P4

0,920

Harga

H1

0,808

0,810

H2

0,729

H3

0,910

H4

0,748

Tempat

T1

0,778

0,720

T2

0,800

T3

0,788

T4

0,578

Promosi

Pm1

0,657

0,843

Pm2

0,901

Pm3

0,883

Pm4

0,851

Layanan

Kepuasan

L1

0,845

0,900

L2

0,842

L3

0,887

L4

0,880

L5

0,764

Kemudahan

K1

0,868

0,893

K2

0,897

K3

0,864

K4

0,848

Keamanan

Km1

0,769

0,714

Km2

0,744

Km3

0,649

Km4

0,769

Kepercayaan

Kp1

0,806

0,806

Kp2

0,842

Kp3

0,820

Kp4

0,696

Pada Tabel 1 diperoleh nilai korelasi Pearson seluruh indikator pada seluruh dimensi memiliki nilai lebih besar dari nilai r tabel yaitu 0,279 untuk N=50, sehingga dapat dinyatakan valid. Nilai Cronbach’s Alpa untuk seluruh dimensi adalah 0,927, lebih besar dari 0,7, sehingga dapat dinyatakan reliabel.

  • 3.2    Uji Bartlett’s sphericity

Uji Bartlett’s spericity digunakan untuk mengetahui adanya korelasi antar variabel. Hipotesis untuk uji ini adalah:

H0: Tidak terdapat korelasi antar variabel

H1: Terdapat korelasi antar variabel

Tabel 2. Hasil Output Uji Bartlett’s spericity

Dimensi

Bartlett’s Test of Sphericity

Approx. ChiSquare

p-value

Produk

541,32

0,000

Harga

290,40

0,000

Tempat

253,79

0,000

Promosi

539,66

0,000

Layanan Konsumen

654,73

0,000

Kemudahan

573,21

0,000

Keamanan

219,50

0,000

Kepercayaan

283,81

0,000

Hasil dari Tabel 2 menunjukan nilai Bartlett’s spericity untuk setiap dimensi memiliki nilai p-value kurang dari 0,05 maka keputusannya adalah tolak H0, terima H1. Sehingga uji Bartlett’s spericity pada penelitian ini, terdapat korelasi yang cukup antar variabel.

  • 3.3    Uji Kaiser Mayer Olkin (KMO)

Uji Kaiser-Mayer Olkin digunakan untuk melihat syarat kecukupan sampel data untuk dilakukan analisis faktor.

Tabel 3. Hasil Output Uji KMO

Dimensi

Nilai KMO

Produk

0,816

Harga

0,798

Tempat

0,776

Promosi

0,812

Layanan

Konsumen

0,853

Kemudahan

0,830

Keamanan

0,750

Kepercayaan

0,757

Hasil dari Tabel 3 menunjukan nilai KMO untuk setiap dimensi lebih besar dari 0,5, maka dianggap cukup untuk dilakukan analisis faktor. Sehingga uji KMO pada penelitian ini, sudah memenuhi syarat untuk kecukupan sampel.

  • 3.4    Uji Measure of Sampling Adequency

Uji Measure of Sampling Adequancy (MSA) digunakan untuk mengetahui layak atau tidaknya variabel dianalisis dengan analisis faktor.

Tabel 4. Hasil Output Uji MSA

Dimensi

Indikator

Nilai MSA

Produk

P1

0,825

P2

0,822

P3

0,806

P4

0,810

Harga

H1

0,824

H2

0,777

H3

0,803

H4

0,796

Tempat

T1

0,748

T2

0,764

T3

0,791

T4

0,819

Promosi

Pm1

0,851

Pm2

0,800

Pm3

0,793

Pm4

0,815

Layanan Konsumen

L1

0,851

L2

0,813

L3

0,866

L4

0,871

L5

0,877

Kemudahan

K1

0,793

K2

0,853

K3

0,845

K4

0,836

Keamanan

Km1

0,797

Km2

0,715

Km3

0,757

Km4

0,748

Kepercayaan

Kp1

0,795

Kp2

0,749

Kp3

0,727

Kp4

0,773

Hasil dari Tabel 4 menunjukan nilai MSA untuk setiap indikator pada setiap dimensi lebih besar dari 0,5 maka untuk seluruh indikator pada dimensi dianggap layak dianalisis dengan analisis faktor.

  • 3.5    Komunalitas

Hasil dari Tabel 5 nilai communalities untuk setiap indikator pada setiap dimensi memiliki nilai lebih besar dari 0,5 kecuali indikator Kp1 yang memiliki nilai communalitiels lebih kecil dari 0,5, maka untuk indikator tersebut dikeluarkan dari analisis, karena tidak memiliki varians yang cukup.

Tabel 5. Hasil Output Communalities

Dimensi

Indikator

Nilai Communalities

Produk

P1

0,724

P2

0,761

P3

0,787

P4

0,757

Harga

H1

0,577

H2

0,688

H3

0,637

H4

0,648

Tempat

T1

0,665

T2

0,652

T3

0,595

T4

0,527

Promosi

Pm1

0,619

Pm2

0,817

Pm3

0,758

Pm4

0,797

Layanan

Konsumen

L1

0,698

L2

0,766

L3

0,762

L4

0,590

L5

0,658

Kemudahan

K1

0,831

K2

0,775

K3

0,736

K4

0,737

Keamanan

Km1

0,532

Km2

0,667

Km3

0,544

Km4

0,584

Kepercayaan

Kp1

0,497

Kp2

0,686

Kp3

0,672

Kp4

0,633

  • 3.6    Ekstraksi Faktor dan Penentuan

Jumlah Faktor

Penelitian ini menggunakan metode Principal component Analysis (PCA) untuk mencari nilai eigen pada setiap indikator dalam dimensi tersebut. Jumlah faktor ditentukan dari nilai eigen, dimana nilai eigen lebih besar dari satu dianggap signifikan untuk menjadi faktor.

Hasil yang diperoleh dari Tabel 6 menunjukkan terdapat satu faktor pada setiap dimensi dengan nilai eigen lebih besar dari satu. Hal ini dapat disimpulkan bahwa benar terdapat delapan faktor yang terbentuk. Dalam analisis konfirmatori langkah rotasi faktor tidak dilaksanakan karena telah diperolehnya satu faktor pada setiap dimensi.

Tabel 6. Hasil Output Nilai Eigen

Dimensi

Component

Total

Produk

1

3,029

2

0,432

3

0,297

4

0,242

Harga

1

2,551

2

0,566

3

0,458

4

0,425

Tempat

1

2,439

2

0,621

3

0,525

4

0,415

Promosi

1

2,991

2

0510

3

0,266

4

0,233

Layanan

Konsumen

1

3,472

2

0,609

3

0,373

4

0,318

5

0,227

Kemudahan

1

3,079

2

0,402

3

0,298

4

0,222

Keamanan

1

2,328

2

0,661

3

0,586

4

0,425

Kepercayaan

1

2,118

2

0,499

3

0,383

  • 3.7    Loading Faktor

Sesuai dengan penetapan nilai faktor jumlah sampel maka nilai loading faktor yang digunakan pada penelitian ini adalah 0,40.

Hasil dari Tabel 7 menunjukkan nilai loading faktor untuk setiap indikator pada setiap dimensi lebih besar dari 0,4. Sehingga dapat disimpulkan bahwa seluruh indikator memiliki kekuatan hubungan dengan faktor yang terbentuk.

Tabel 7. Hasil Output Nilai Loading

Dimensi

Indikator

Nilai Loading

Produk

P1

0,851

P2

0,873

P3

0,887

P4

0,870

Harga

H1

0,760

H2

0,830

H3

0,798

H4

0,805

Tempat

T1

0,815

T2

0,807

T3

0,771

T4

0,726

Promosi

Pm1

0,787

Pm2

0,904

Pm3

0,871

Pm4

0,893

Layanan Konsumen

L1

0,835

L2

0,875

L3

0,873

L4

0,768

L5

0,811

Kemudahan

K1

0,912

K2

0,880

K3

0,858

K4

0,858

Keamanan

Km1

0,730

Km2

0,817

Km3

0,737

Km4

0,764

Kepercayaan

Kp1

0,825

Kp2

0,868

Kp3

0,827

  • 4.    SIMPULAN DAN SARAN

    • 4.1    Simpulan

Hasil penelitian mengenai faktor-faktor yang melatarbelakangi keputusan belanja online pada aplikasi e-commerce menggunakan analisis faktor konfirmatori diperoleh bahwa faktor keputusan belanja online memiliki delapan faktor, yaitu faktor produk, faktor harga, faktor tempat, faktor promosi, faktor

layanan konsumen, faktor kemudahan, faktor keamanan dan faktor kepercayaan. Sehingga memang benar bahwa delapan faktor tersebut merupakan faktor yang melatar belakangi keputusan belanja online pada aplikasi ecommerce dalam penelitian ini pada masyarakat Kota Denpasar.

  • 4.2    Saran

Kepada pemilik toko diharapkan untuk meningkatkan promosi, kualitas pelayanan, keamanan, dan kepercayaan guna menarik minat pembeli untuk berbelanja di toko online yang dimiliki. Produk, harga dan informasi toko diharapkan untuk dicantumkan pada halaman di aplikasi e-commerce yang digunakan karena pembeli cenderung tertarik melihat produk pada tampilan awal toko online yang diinginkan.

Kepada pemilik toko offline yang belum beralih ke penjualan online dapat menjadi pertimbangan untuk memulai dalam berjualan online. Hal ini dikarenakan jaman mulai maju dan elektronik semakin canggih, sehingga penjualan online dapat menjangkau pasar yang lebih luas. Berjualan online sekarang ini sudah dimudahkan oleh adanya aplikasi penunjang yaitu aplikasi   e-commerce,   kemudahan

penggunaan aplikasi e-commerce ini membuat para pembeli lebih senang untu berbelanja online, dikarenakan tidak adanya batasan waktu dan tempat dalam penggunaanya.

Selanjutnya, untuk penelitian selanjutnya dapat meneliti mengenai latarbelakang keputusan belanja online pada masing-masing aplikasi e-commerce yang tersedia, kiranya hasil yang diperoleh dapat menjadi pertimbangan    dalam    memilih    atau

menggunakan aplikasi e-commerce tersebut.

DAFTAR PUSTAKA

Bidang Data & IT Satuan Tugas Penanganan Covid-19. 2021. Analisis Data Covid-19 Indonesia Update per 01 Agustus 2021. https://covid19.go.id/p/berita/analisis-data-covid-19-indonesia-update-1-agustus-2021. 1 Agustus 2021

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. 2019. Multivariate Data Analysis. United States:   Cengage

Learning.

Istanti, F. 2017. "Pengaruh Harga, Kepercayaan, Kemudahan Berbelanja Dan E-Promosi     Terhadap     Keputusan

Pembelian Belanja Online di Kota Surabaya". Jurnal Bisnis Teknologi, 4(1), 14-22.

Johson, R. A., & Wichiern, D.W. 2007. Applied Multivariate Statistical Analysis. Pearson Education.

Kemp, Simon. 2020. Digital 2020: Indonesia. https://datareportal.com/reports/digital-2020-indonesia?rq=indonesia.         26

November 2020.

Kotler, P., & Amstrong, G. 2008. Prinsip-

prinsip Pemasaran, Edisi 12. Penerbit Erlangga.

Kotler, P., & Keller, K.L. 2016. Marketing Management, 15th edition. Pearson Education.

Turban, E., King, D., Lee, J. K., Liang, T. P. & Turban, D. C. 2015. Electronic Commerce A Managerial and Social Perspective. Springer Cham.

Triatmojo, Danang. 2021. Kemnaker: 29,4 Juta Pekerja Terdampak Pandemi Covid-19, di-PHK      Hingga      Dirumahkan.

https://www.tribunnews.com/bisnis/2021/ 03/27/kemnaker-294-juta-pekerja-terdampak-pandemi-covid-19-di-phk-hingga-dirumahkan. 1 Agustus 2021.

Wicaksono, A. 2020. Transaksi e-Commerce Capai Rp180,74 T per September 2020. https://www.cnnindonesia.com/ekonomi/2 0201215150353-78-582406/transaksi-e-commerce-capai-rp18074-t-per-september-2020. 20 Desember 2020.

209