BAB IV

HASIL DAN PEMBAHASAN

4.1 Karakteristik Responden

Peneliti menggunakan data primer untuk mengetahui pengaruh Engagement
Behaviors terhadap Relationship Outcome dengan Relationship Benefits Sebagai
Mediatornya, dimana pengumpulan datanya dilakukan dengan penyebaran
kuesioner online pada responden yaitu anggota aktif komunitas Xiaomi Yi
Indonesia Community. Pada karakteristik responden ini, data responden dijelaskan
melalui pie chart. Data karakteristik responden dalam penelitian ini sangat
dibutuhkan untuk mengetahui latar belakang responden yang tergabung dalam
komunitas online Xiaomi Yi Indonesia Community. Berikut ini diuraikan
karakteristik responden berdasarkan jenis kelamin, usia, pekerjaan, dan
pendapatan.

4.1.1 Karakteristik Responden Berdasarkan Jenis Kelamin

Adapun data yang telah peneliti kumpulkan mengenai karakteristik responden
berdasarkan jenis kelamin dijelaskan melalui gambar 4.1 sebagai berikut :

Jenis Kelamin Responden

12%

Pria
88%
Wanita

Gambar 4.1
Karakteristik Responden Berdasarkan Jenis Kelamin
Sumber : Data hasil olahan peneliti (2016)

1
 Berdasarkan gambar 4.1, dari 100 orang responden dapat diketahui bahwa
responden yang berjenis kelamin pria sebanyak 88 orang atau sebesar 88% dan
responden berjenis kelamin wanita berjumlah 12 orang atau sebesar 12%.
Berdasarkan informasi tersebut, dapat diketahui bahwa sebagian besar anggota
komunitas online Xiaomi Yi Indonesia Community berjenis kelamin pria.

4.1.2 Karakteristik Responden Berdasarkan Usia

Adapun data yang telah peneliti kumpulkan mengenai karakteristik responden
berdasarkan jenis kelamin dijelaskan melalui gambar 4.2 sebagai berikut :

Usia Responden

5% 8%
32%
17 - 20 Tahun
21 - 25 Tahun
60% 26 - 30 Tahun
> 30 Tahun

Gambar 4.2
Karakteristik Responden Berdasarkan Usia
Sumber : Data hasil olahan peneliti (2016)

Berdasarkan gambar 4.2, dari 100 orang responden dapat diketahui bahwa
responden yang berusia 17–20 tahun sebanyak 32 orang atau sebesar 32%, 21–25
tahun sebanyak 60 orang atau sebesar 60%, 26-30 tahun sebanyak 5 orang atau
sebesar 5%, dan responden yang berusia > 30 tahun sebanyak 8 orang atau sebesar
8%. Berdasarkan informasi tersebut, dapat diketahui bahwa sebagian besar
anggota komunitas online Xiaomi Yi Indonesia Community berusia 21-25 tahun.

2
Hal ini menunjukkan mayoritas anak muda menggunakan kamera sportcam
Xiaomi Yi dan bergabung ke dalam komunitas.

4.1.3 Karakteristik Responden Berdasarkan Pekerjaan

Adapun data yang telah peneliti kumpulkan mengenai karakteristik responden
berdasarkan pekerjaannya dijelaskan melalui gambar 4.3 sebagai berikut :

Pekerjaan Responden

5%
14% 22%
Pelajar
Mahasiswa/i
59% Pegawai Negri/Swasta
Wirausaha

Gambar 4.3
Karakteristik Responden Berdasarkan Pekerjaan
Sumber : Data hasil olahan peneliti (2016)

Berdasarkan gambar 4.3, dari 100 orang responden dapat diketahui bahwa
responden memiliki pekerjaan sebagai pelajar sebanyak 22 orang atau sebesar
22%, mahasiswa/i sebanyak 59 orang atau sebesar 59%, pegawai negri/swasta
sebanyak 14 orang atau sebesar 14%, dan wirausaha sebanyak 5 orang atau
sebesar 5%. Berdasarkan informasi tersebut, dapat diketahui bahwa sebagian
besar anggota Xiaomi Yi Indonesia Community memiliki pekerjaan sebagai
mahasiswa/i. Faktor yang melatarbelakangi mahasiswa/i bergabung dalam Xiaomi
Yi Indonesia Community adalah banyaknya informasi mengenai kamera sportcam
Xiaomi Yi yang bisa didapatkan, terlebih lagi mahasiswa/i memiliki cukup waktu
luang untuk aktif dalam komunitas.

3
4.1.4 Karakteristik Responden Berdasarkan Pendapatan per Bulan
Adapun data yang telah peneliti kumpulkan mengenai karakteristik responden
berdasarkan pekerjaannya dijelaskan melalui gambar 4.4 sebagai berikut :

Pendapatan per Bulan Responden

14%
34%
16% Rp500.000 -Rp 1.000.000
Rp1.000.001 - Rp2.000.000

36% Rp2.000.001 - Rp3.000.000

> Rp3.000.000

Gambar 4.4
Karakteristik Responden Berdasarkan Pendapatan per Bulan
Sumber : Data hasil olahan peneliti (2016)

Berdasarkan gambar 4.4, dari 100 orang responden dapat diketahui bahwa
responden memiliki pendapatan per bulan sebesar Rp500.000 – Rp1.000.000
sebanyak 34 orang atau sebesar 34%, Rp1.000.001 – Rp2.000.000 sebanyak 36
orang atau sebesar 36%, Rp2.000.001 – Rp3.000.000 sebanyak 16 orang atau
sebesar 16%, dan > Rp3.000.000 sebanyak 14 orang atau sebesar 14%.
Berdasarkan informasi tersebut, dapat diketahui bahwa sebagian besar anggota
Xiaomi Yi Indonesia Community memiliki pendapatan per bulan sebesar
Rp1.000.001 – Rp2.000.000. Hal ini menunjukkan mayoritas anggota memiliki
pendapatan yang tidak terlalu besar yaitu Rp1.000.001 – Rp2.000.000 dan dapat
diartikan bahwa bergabung dengan komunitas tidak akan melakukan pengeluaran
yang tinggi.

4
4.2 Hasil Penelitian
4.2.1 Analisis Deskriptif
Analisis deskriptif digunakan untuk mengetahui gambaran persepsi 100 orang
responden terhadap variabel engagement behaviors, relationship benefits, dan
relationship outcome dalam komunitas online Xiaomi Yi Indonesia Community.
a. Tanggapan Responden Mengenai Variabel Engagement Behaviors (X)
Berikut tabel 4.2 merupakan hasil pengolahan data dari jawaban responden
melalui kuesioner, sehingga dapat diketahui tanggapan responden
mengenai engagement behaviors dalam komunitas online Xiaomi Yi
Indonesia Community :

Tabel 4.1
Tabel Distribusi Jawaban Responden terhadap Variabel Engagement
Behaviors

Alternatif Pilihan
Total Score
No. Pernyataan STS TS CS S SS Jumlah Kategori
Score Ideal
(1) (2) (3) (4) (5)
Saya melihat 1 0 5 57 37 100 429 500
Sangat
1. postingan
1% 0% 5% 57% 37% 100% 85,8% 100% Baik
grup.

Saya 3 2 28 48 19 100 378 500

memberikan
2. “likes” pada Baik
3% 2% 28% 48% 19% 100% 75,6% 100%
postingan
grup.

Saya menulis
0 5 22 49 24 100 392 500

postingan /
3. Baik
komentar 0% 5% 22% 49% 24% 100% 78,4% 100%
pada grup.

5
 Alternatif Pilihan
Total Score
No. Pernyataan STS TS CS S SS Jumlah Kategori
Score Ideal
(1) (2) (3) (4) (5)
Saya sering 0 1 16 56 27 100 409 500
4. mengunjungi Baik
0% 1% 16% 56% 27% 100% 81,8% 100%
laman grup.
Saya 4 5 37 37 17 100 358 500
melakukan
5. transaksi Baik
4% 5% 37% 37% 17% 100% 71,6% 100%
jual-beli di
grup.
Skor Total 1966
Rata-rata variabel Engagement Behaviors (%) 78.64%
Sumber : Data hasil olahan peneliti (2016)

Data pada tabel 4.1 diatas dapat diuraikan sebagai berikut :

1. Melihat postingan grup
Tanggapan responden mengenai melihat postingan grup mendapat persentase
sebesar 85,8% dari skor ideal. Skor tersebut masuk ke dalam kategori Sangat
Baik. Hal ini mengindikasikan bahwa responden cukup sering melihat berbagai
macam postingan yang ada pada grup Facebook Xiaomi Yi Indonesia Community.
2. Memberikan “likes” pada postingan grup
Tanggapan responden mengenai memberikan “likes” pada postingan grup
mendapat persentase sebesar 75,6% dari skor ideal. Skor tersebut masuk ke dalam
kategori Baik. Hal ini mengindikasikan bahwa responden memberikan “likes”
pada postingan yang ada pada grup Facebook Xiaomi Yi Indonesia Community.
3. Menulis postingan / komentar pada grup
Tanggapan responden mengenai menulis postingan / komentar pada grup
mendapat persentase sebesar 78,4% dari skor ideal. Skor tersebut masuk ke dalam
kategori Baik. Hal ini mengindikasikan bahwa responden menulis postingan /
komentar pada laman grup Facebook Xiaomi Yi Indonesia Community.

6
4. Sering mengunjungi laman grup
Tanggapan responden mengenai sering mengunjungi laman grup mendapat
persentase sebesar 81,8% dari skor ideal. Skor tersebut masuk ke dalam kategori
Baik. Hal ini mengindikasikan bahwa responden sering mengunjungi laman grup
Facebook Xiaomi Yi Indonesia Community.
5. Melakukan transaksi jual-beli di grup
Tanggapan responden mengenai melakukan transaksi jual-beli di grup
mendapat persentase sebesar 71,6% dari skor ideal. Skor tersebut masuk ke dalam
kategori Baik. Hal ini mengindikasikan bahwa sebagian besar responden
melakukan transaksi jual-beli di grup Facebook Xiaomi Yi Indonesia Community.

Berdasarkan hasil rata-rata variabel Engagement Behaviors (X) pada tabel 4.1,
maka posisi variabel Engagement Behaviors (X) pada garis kontinum dapat
ditujukan pada gambar di bawah ini :

78,64%
20% 36% 52% 68% 84% 100%
Sangat Buruk Buruk Cukup Baik Baik Sangat Baik

Gambar 4.5
Posisi Variabel Engagement Behaviors Pada Garis Kontinum
Sumber : Data hasil olahan peneliti (2016)

Berdasarkan gambar 4.5 dapat disimpulkan bahwa variabel Engagement

Behaviors masuk dalam kategori baik. Hal ini menunjukkan bahwa interaksi yang
menunjukkan sebuah keterikatan antara konsumen dengan konsumen lainnya
sesama anggota komunitas online Xiaomi Yi Indonesia Community baik.
Sehingga responden merasa dengan hadirnya komunitas online Xiaomi Yi
Indonesia Community meningkatkan keterikatan yang terjalin antara sesama

7
pengguna maupun penggemar kamera sportcam Xiaomi Yi yang tergabung dalam
komunitas.

b. Tanggapan responden mengenai variabel Relationship Benefits (Y)

Berikut tabel 4.2 merupakan hasil pengolahan data dari jawaban responden
melalui kuesioner, sehingga dapat diketahui tanggapan responden
mengenai relationship benefits dalam komunitas online Xiaomi Yi
Indonesia Community :
Tabel 4.2
Tabel Distribusi Jawaban Responden terhadap Variabel Relationship
Benefits

Alternatif Pilihan
Total Score
No. Pernyataan STS TS CS S SS Jumlah Kategori
Score Ideal
(1) (2) (3) (4) (5)
3 1 8 57 31 100 412 500
Saya ingin
mengenal
1. anggota Baik
3% 1% 8% 57% 31% 100% 82,4% 100%
komunitas
yang lain.

2 1 7 55 35 100 420 500

Saya ingin
membantu
Sangat
2. anggota
2% 1% 7% 55% 35% 100% 84% 100% Baik
komunitas
yang lain.

0 2 13 59 26 100 409 500

Saya
membutuhkan
3. anggota Baik
0% 2% 13% 59% 26% 100% 81,8% 100%
komunitas
yang lain.

8
 Alternatif Pilihan
Total Score
No. Pernyataan STS TS CS S SS Jumlah Kategori
Score Ideal
(1) (2) (3) (4) (5)
Saya ingin 2 0 4 52 42 100 432 500
mendapat
pertolongan Sangat
4.
dari anggota 2% 0% 4% 52% 42% 100% 86,4% 100% Baik
komunitas
yang lain.

Saya ingin
memberikan
informasi 2 0 6 55 37 100 425 500
Sangat
5. kepada
Baik
anggota
komunitas
yang lain. 2% 0% 6% 55% 37% 100% 85% 100%

1 1 19 47 32 100 408 500

Saya ingin
membagikan
ide saya
6. dengan Baik
1% 1% 19% 47% 32% 100% 81,6% 100%
anggota
komunitas
yang lain.

Saya ingin 1 2 9 56 32 100 416 500

tetap
berinteraksi
7. dengan Baik
1% 2% 9% 56% 32% 100% 83,2% 100%
anggota
komunitas
yang lain.

9
 Alternatif Pilihan
Total Score
No. Pernyataan STS TS CS S SS Jumlah Kategori
Score Ideal
(1) (2) (3) (4) (5)
Saya 0 5 10 52 33 100 413 500
mengikuti
8. komunitas Baik
0% 5% 10% 52% 33% 100% 82,6% 100%
sebagai
hiburan.
Saya 1 1 10 55 33 100 418 500
membuka
9. Baik
grup untuk 1% 1% 10% 55% 33% 100% 83,6% 100%
bersantai.

Saya 2 3 14 48 33 100 407 500

mengunjungi
10. grup untuk Baik
menghabiskan 2% 3% 14% 48% 33% 100% 81,4% 100%
waktu luang.
Saya 2 2 6 39 51 100 435 500
mendapat
informasi
Sangat
11. tentang
2% 2% 6% 39% 51% 100% 87% 100% Baik
Xiaomi Yi
melalui
komunitas.
Saya 2 7 12 59 20 100 388 500
mendapat
respon yang
12. Baik
cepat dari 2% 7% 12% 59% 20% 100% 77,6% 100%
anggota
lainnya.
Skor Total 4983
Rata-rata variabel Relationship Benefits (%) 83,05%
Sumber : Data hasil olahan peneliti (2016)

10
Data pada tabel 4.2 diatas dapat diuraikan sebagai berikut :
1. Ingin mengenal anggota komunitas yang lain
Tanggapan responden mengenai ingin mengenal anggota komunitas yang lain
mendapat persentase sebesar 82,4% dari skor ideal. Skor tersebut masuk ke dalam
kategori Baik. Hal ini mengindikasikan bahwa responden memiliki keinginan
untuk mengenal anggota lainnya yang tergabung dalam grup Facebook Xiaomi Yi
Indonesia Community.
2. Ingin membantu anggota komunitas yang lain
Tanggapan responden mengenai ingin membantu anggota komunitas yang lain
mendapat persentase sebesar 84% dari skor ideal. Skor tersebut masuk ke dalam
kategori Sangat Baik. Hal ini mengindikasikan bahwa responden memiliki
keinginan yang tinggi untuk membantu sesama anggota yang tergabung dalam
grup Facebook Xiaomi Yi Indonesia Community.
3. Membutuhkan anggota komunitas yang lain
Tanggapan responden mengenai membutuhkan anggota komunitas yang lain
mendapat persentase sebesar 81,8% dari skor ideal. Skor tersebut masuk ke dalam
kategori Baik. Hal ini mengindikasikan bahwa responden membutuhkan anggota
lain yang tergabung dalam grup Facebook Xiaomi Yi Indonesia Community.
4. Ingin mendapat pertolongan dari anggota komunitas yang lain
Tanggapan responden mengenai ingin mendapat pertolongan dari anggota
komunitas yang lain mendapat persentase sebesar 86,4% dari skor ideal. Skor
tersebut masuk ke dalam kategori Sangat Baik. Hal ini mengindikasikan bahwa
keinginan responden untuk mendapatkan pertolongan / masukan dari anggota lain
yang tergabung dalam grup Facebook Xiaomi Yi Indonesia Community dalam
menyelesaikan permasalahannya sangat tinggi.
5. Ingin memberikan informasi kepada anggota komunitas yang lain
Tanggapan responden mengenai ingin memberikan informasi kepada anggota
komunitas yang lain mendapat persentase sebesar 85% dari skor ideal. Skor
tersebut masuk ke dalam kategori Sangat Baik. Hal ini mengindikasikan bahwa

11
responden ingin berbagi informasi yang dimilikinya kepada anggota lain yang
tergabung dalam grup Facebook Xiaomi Yi Indonesia Community.
6. Ingin membagikan ide saya dengan anggota komunitas yang lain
Tanggapan responden mengenai ingin membagikan ide kepada anggota
komunitas yang lain mendapat persentase sebesar 81,6% dari skor ideal. Skor
tersebut masuk ke dalam kategori Baik. Hal ini mengindikasikan bahwa
responden ingin berbagi ide yang dimilikinya kepada anggota lain yang tergabung
dalam grup Facebook Xiaomi Yi Indonesia Community baik itu mengnai kamera
sportcam Xiaomi Yi maupun mengenai komunitas.
7. Ingin tetap berinteraksi dengan anggota komunitas yang lain
Tanggapan responden mengenai ingin tetap berinteraksi dengan anggota
komunitas yang lain mendapat persentase sebesar 83,2% dari skor ideal. Skor
tersebut masuk ke dalam kategori Baik. Hal ini mengindikasikan bahwa
responden ingin tetap berinteraksi dengan sesama anggota komunitas online
Xiaomi Yi Indonesia Community.
8. Mengikuti komunitas sebagai hiburan
Tanggapan responden mengenai mengikuti komunitas sebagai hiburan
mendapat persentase sebesar 82,6% dari skor ideal. Skor tersebut masuk ke dalam
kategori Baik. Hal ini mengindikasikan bahwa sebagian besar responden
mengikuti komunitas online Xiaomi Yi Indonesia Community sebagai sarana
hiburan.
9. Membuka grup untuk bersantai
Tanggapan responden mengenai mengikuti komunitas sebagai hiburan
mendapat persentase sebesar 83,6% dari skor ideal. Skor tersebut masuk ke dalam
kategori Baik. Hal ini mengindikasikan bahwa sebagian besar responden
membuka grup komunitas online Xiaomi Yi Indonesia Community sebagai sarana
untuk bersantai.
10. Mengunjungi grup untuk menghabiskan waktu luang
Tanggapan responden mengenai mengikuti komunitas sebagai hiburan
mendapat persentase sebesar 81,4% dari skor ideal. Skor tersebut masuk ke dalam
kategori Baik. Hal ini mengindikasikan bahwa sebagian besar responden

12
mengunjungi grup komunitas online Xiaomi Yi Indonesia Community untuk
menghabiskan waktu luang.
11. Mendapat informasi mengenai Xiaomi Yi melalui komunitas
Tanggapan responden mengenai mengikuti komunitas sebagai hiburan
mendapat persentase sebesar 87% dari skor ideal. Skor tersebut masuk ke dalam
kategori Sangat Baik. Hal ini mengindikasikan bahwa sebagian besar responden
mendapatkan informasi tentang kamera sportcam Xiaomi Yi melalui komunitas
online Xiaomi Yi Indonesia Community.
12. Mendapat respon yang cepat dari anggota yang lainnya
Tanggapan responden mengenai mengikuti komunitas sebagai hiburan
mendapat persentase sebesar 77,6% dari skor ideal. Skor tersebut masuk ke dalam
kategori Baik. Hal ini mengindikasikan bahwa sebagian besar responden merasa
mendapatkan respon yang cepat dari sesama anggota komunitas online Xiaomi Yi
Indonesia Community.

Berdasarkan hasil rata-rata variabel Relatinship Benefits (Y) pada tabel 4.2,
maka posisi variabel Relatinship Benefits (Y) pada garis kontinum dapat ditujukan
pada gambar di bawah ini :

83,05%
20% 36% 52% 68% 84% 100%
Sangat Buruk Buruk Cukup Baik Baik Sangat Baik
Gambar 4.6
Posisi Variabel Relationship Benefits Pada Garis Kontinum
Sumber : Data hasil olahan peneliti (2016)

Berdasarkan gambar 4.6 dapat disimpulkan bahwa variabel Relationship

Benefits masuk dalam kategori baik. Hal ini menunjukkan bahwa keuntungan
yang didapat selama bergabung dalam komunitas online Xiaomi Yi Indonesia

13
 Community baik. Sehingga responden merasa dengan bergabung dalam komunitas
online Xiaomi Yi Indonesia Community akan mendapatkan berbagai macam
keuntungan, baik itu keuntungan sosial, ekonomi, maupun keuntungan hiburan.

c. Tanggapan responden mengenai variabel Relationship Outcome (Z)

Berikut tabel 4.3 merupakan hasil pengolahan data dari jawaban responden
melalui kuesioner, sehingga dapat diketahui tanggapan responden
mengenai relationship outcome dalam komunitas online Xiaomi Yi
Indonesia Community :
Tabel 4.3
Tabel Distribusi Jawaban Responden terhadap Variabel Relationship
Outcome

Alternatif Pilihan
Total Score
No. Pernyataan STS TS CS S SS Jumlah Kategori
Score Ideal
(1) (2) (3) (4) (5)
Saya merasa 3 1 3 53 40 100 426 500
puas
bergabung
Sangat
1. dengan
3% 1% 3% 53% 40% 100% 85,2% 100% Baik
Xiaomi Yi
Indonesia
Community.
Saya
1 1 3 52 43 100 435 500
membuat
keputusan
yang tepat
untuk Sangat
2.
bergabung Baik
1% 1% 3% 52% 43% 100% 87% 100%
dengan
Xiaomi Yi
Indonesia
Community.

14
 Alternatif Pilihan
Total Score
No. Pernyataan STS TS CS S SS Jumlah Kategori
Score Ideal
(1) (2) (3) (4) (5)
2 0 2 32 64 100 456 500
Saya puas
akan
keputusan
Sangat
3. menggunaka
2% 0% 2% 32% 64% 100% 91,2% 100% Baik
n kamera
sportcam
Xiaomi Yi.

1 1 4 30 64 100 455 500

Saya puas
menjadi
pengguna Sangat
4.
kamera 1% 1% 4% 30% 64% 100% 91% 100% Baik
sportcam
Xiaomi Yi.

1 2 1 36 60 100 452 500

Saya memilih
kamera
sportcam
Sangat
5. Xiaomi Yi
1% 2% 1% 36% 60% 100% 90,4% 100% Baik
sebagai
pilihan
utama.

15
 Alternatif Pilihan
Total Score
No. Pernyataan STS TS CS S SS Jumlah Kategori
Score Ideal
(1) (2) (3) (4) (5)
Saya 0 0 6 51 43 100 437 500
mengatakan
hal positif
tentang
Sangat
6. kamera
0% 0% 6% 51% 43% 100% 87,4% 100% Baik
sportcam
Xiaomi Yi
kepada orang
lain.
Saya 1 1 1 42 55 100 449 500
merekomend
asikan
sportcam Sangat
7.
Xiaomi Yi 1% 1% 1% 42% 55% 100% 89,8% 100% Baik
kepada
teman-teman
saya.
Skor Total 3110
Rata-rata variabel Relationship Outcome (%) 88.86%
Sumber : Data hasil olahan peneliti (2016)

Data pada tabel 4.3 diatas dapat diuraikan sebagai berikut :

1. Merasa puas bergabung dengan Xiaomi Yi Indonesia Community
Tanggapan responden mengenai puas bergabung dengan Xiaomi Yi Indonesia
Community mendapat persentase sebesar 85,2% dari skor ideal. Skor tersebut
masuk ke dalam kategori Sangat Baik. Hal ini mengindikasikan bahwa sebagian
besar responden merasa puas bergabung dengan komunitas online Xiaomi Yi
Indonesia Community.

16
2. Membuat keputusan yang tepat untuk bergabung dengan Xiaomi Yi
Indonesia Community
Tanggapan responden mengenai membuat keputsan yang tepat untuk
bergabung dengan Xiaomi Yi Indonesia Community mendapat persentase sebesar
87% dari skor ideal. Skor tersebut masuk ke dalam kategori Sangat Baik. Hal ini
mengindikasikan bahwa sebagian besar responden merasa membuat keputusan
yang tepat untuk bergabung dengan komunitas online Xiaomi Yi Indonesia
Community.
3. Puas akan keputusan menggunakan kamera sportcam Xiaomi Yi
Tanggapan responden mengenai puas akan keputusan menggunakan kamera
sportcam Xiaomi Yi 91,2% dari skor ideal. Skor tersebut masuk ke dalam
kategori Sangat Baik. Hal ini mengindikasikan bahwa sebagian besar responden
merasa puas akan keputusan menggunakan kamera sportcam Xiaomi Yi.
4. Puas menjadi pengguna kamera sportcam Xiaomi Yi
Tanggapan responden mengenai puas menjadi pengguna kamera sportcam
Xiaomi Yi mendapat persentase sebesar 91% dari skor ideal. Skor tersebut masuk
ke dalam kategori Sangat Baik. Hal ini mengindikasikan bahwa sebagian besar
responden merasa puas menjadi pengguna kamera sportcam Xiaomi Yi.
5. Memilih kamera sportcam Xiaomi Yi sebagai pilihan utama
Tanggapan responden mengenai mengenai memilih kamera sportcam Xiaomi
Yi sebagai pilihan utama mendapat persentase sebesar 90,4% dari skor ideal. Skor
tersebut masuk ke dalam kategori Sangat Baik. Hal ini mengindikasikan bahwa
sebagian besar responden memilih kamera sportcam Xiaomi Yi sebagai pilihan
utama.
6. Mengatakan hal positif tentang kamera sportcam Xiaomi Yi kepada
orang lain
Tanggapan responden mengenai mengatakan hal positif tentang kamera
sportcam Xiaomi Yi kepada orang lain mendapat persentase sebesar 87,4% dari
skor ideal. Skor tersebut masuk ke dalam kategori Sangat Baik. Hal ini
mengindikasikan bahwa sebagian besar responden mengatakan hal-hal positif
mengenai kamera sportcam Xiaomi Yi kepada orang lain.

17
7. Merekomendasikan kamera sportcam Xiaomi Yi kepada teman-teman
saya
Tanggapan responden mengenai merekomendasikan kamera sportcam Xiaomi
Yi kepada teman-temannya mendapat persentase sebesar 89,8% dari skor ideal.
Skor tersebut masuk ke dalam kategori Sangat Baik. Hal ini mengindikasikan
bahwa sebagian besar responden merekomendasikan kamera sportcam Xiaomi Yi
sebagai kepada teman-temannya.

Berdasarkan hasil rata-rata variabel Relatinship Outcome (Z) pada tabel 4.3,
maka posisi variabel Relatinship Outcome (Z) pada garis kontinum dapat
ditujukan pada gambar di bawah ini :

88,86%
20% 36% 52% 68% 84% 100%
Sangat Buruk Buruk Cukup Baik Baik Sangat Baik

Gambar 4.7
Posisi Variabel Relationship Outcome Pada Garis Kontinum
Sumber : Data hasil olahan peneliti (2016)

Berdasarkan gambar 4.7 dapat disimpulkan bahwa variabel Relationship

Outcome masuk dalam kategori sangat baik. Hal ini menunjukkan bahwa hasil
yang didapat oleh anggota selama bergabung dalam komunitas online Xiaomi Yi
Indonesia Community sangat baik. Sehingga berdasarkan data yang diperoleh,
tingkat kepuasan serta tingkat loyalitas anggota komunitas online Xiaomi Yi
Indonesia Community menunjukkan angka yang tinggi.

18
4.3 Uji Asumsi Klasik
Berdasarkan kerangka penelitian, dalam uji asumsi klasik ini terdapat 2 sub
struktur. Sub struktur yang pertama adalah variabel X ke variabel Y. Sementara
sub struktur yg kedua adalah variabel XY ke variabel Z.

4.3.1 Uji Normalitas (Sub-Struktur 1)

Sujarweni (2015:52) menyatakan bahwa uji normalitas bertujuan untuk
mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian.
Data yang baik dan layak digunakan dalam penelitian adalah data yang memiliki
distribusi normal.
Priyatno (2011:277) menyatakan bahwa uji normalitas pada model regresi
digunakan untuk menguji kenormalan distribusi nilai residual. Berdasarkan data
yang diperoleh melalui kuesioner dapat dilakukan uji normalitas untuk
mengetahui apakah data yang diperoleh berdistribusi normal atau tidak normal.
Hasil pengolahan data melalui program SPSS 20 adalah sebagai berikut:

Gambar 4.8
Grafik Normal Probability Plot (Sub-Struktur 1)
Sumber : Output SPSS

19
 Pada gambar 4.8 diatas, ditunjukkan oleh grafik normal probability plot yang
menjelaskan bahwa data pada variabel yang digunakan dinyatakan berdistribusi
normal. Hal ini dibuktikan dengan adanya titik-titik data yang menyebar di sekitar
garis diagonal, serta penyebaran titik-titik data searah mengikuti garis diagonal.
Jika penyebaran garis diagonal mengikuti arah garis diagonal maka model regresi
memunhi asumsi normalitas.
Untuk lebih memastikan data terdistribusi normal atau tidak terdistribusi
normal, perlu dilakukan uji One-Sample Kolmogrov-Smirnov Test. Hasil uji One-
Sample Kolmogrov-Smirnov Test dapat dilihat pada tabel 4.4 dibawah ini:

Tabel 4.4
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual

N 100
Mean 0E-7
Normal Parametersa,b
Std. Deviation .33793704
Absolute .068
Most Extreme Differences Positive .047
Negative -.068
Kolmogorov-Smirnov Z .680
Asymp. Sig. (2-tailed) .745

a. Test distribution is Normal.

b. Calculated from data.

Sumber : Output SPSS

Berdasarkan tabel 4.4 diatas, uji Normalitas dengan menggunakan metode

Kolmogorov-Smirnov memberi syarat bahwa kurva dikatakan normal apabila
nilai Asymp. Sig. berada di atas batas maximum error, yaitu 0,05. Adapun dalam
analisis regresi, yang diuji kenormalan adalah residual atau variabel gangguan
yang bersifat stokastik acak, maka data di atas dapat digunakan karena variabel
residu berdistribusi normal. Pada tabel diatas, dapat diketahui bahwa keseluruhan

20
data berdistribusi normal karena memiliki nilai sig 0,745 diatas nilai batas
maximum error, yaitu 0,05.

4.3.2 Uji Multikolinearitas (Sub-Struktur 1)

Sujarweni (2015:185) menyatakan bahwa uji multikolinieritas diperlukan
untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan
antar variabel independen dalam suatu model.
Multikolinieritas merupakan sesuatu dimana beberapa atau semua variabel
bebas berkorelasi tinggi. Untuk mendeteksi ada tidaknya multikolinearitas adalah
dengan menggunakan Variance Inflation Factors (VIF). Dengan bantuan
software SPSS 20 diperoleh hasil sebagai berikut :

Tabel 4.5
Uji Multikolinearitas
Coefficientsa

Model Unstandardized Standardized t Sig. Collinearity

Coefficients Coefficients Statistics

B Std. Error Beta Tolerance VIF

(Constant) 1.399 .295 4.740 .000

1 Engagement
.700 .075 .688 9.388 .000 1.000 1.000
Behaviors

a. Dependent Variable: Relationship Benefits

Sumber : Output SPSS

Dari output di atas dapat dilihat bahwa nilai VIF < 10, sehingga dapat
disimpulkan bahwa tidak terdapat multikolinearitas dalam data.

4.3.3 Uji Heteroskedastisitas (Sub-Struktur 1)

Sujarweni (2015:186) menyatakan bahwa heteroskedastisitas menguji
terjainya perbedaan varience residual suatu periode pengamatan ke periode
pengamatan yang lain.

21
 Priyatno (2011:296) menyatakan bahwa uji heterokesdastisitas bertujuan
untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari
residual pada satu pengamatan ke pengamatan yang lain. Salah satu cara menguji
adanya heterokesdastisitas dengan melalui metode scatterplot, dengan mengamati
pola titik-titiknya. Jika titik-titik pada scatterplot menyebar di atas dan di bawah
angka 0 pada sumbu Y dan tidak membentuk pola tertentu, maka dapat dikatakan
bahwa tidak terjadi heterokesdastisitas.
Dengan bantuan software SPSS 20 diperoleh hasil sebagai berikut dapat
dilihat pada gambar 4.9 :

Gambar 4.9
Grafik Scatterplot (Sub-Struktur 1)
Sumber: Output SPSS

Berdasarkan gambar 4.9 diatas, terlihat titik-titik menyebar baik diatas

maupun dibawah angka 0, hal ini dapat disimpulkan bahwa tidak terjadi
heterokesdastisitas pada model regresi, sehingga model regresi layak untuk
digunakan dalam melakukan pengujian.

22
4.3.4 Uji Normalitas (Sub-Struktur 2)
Sujarweni (2015:52) menyatakan bahwa uji normalitas bertujuan untuk
mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian.
Data yang baik dan layak digunakan dalam penelitian adalah data yang memiliki
distribusi normal.
Priyatno (2011:277) menyatakan bahwa uji normalitas pada model regresi
digunakan untuk menguji kenormalan distribusi nilai residual. Berdasarkan data
yang diperoleh melalui kuesioner dapat dilakukan uji normalitas untuk
mengetahui apakah data yang diperoleh berdistribusi normal atau tidak normal.
Dengan bantuan software SPSS 20 diperoleh hasil sebagai berikut :

Gambar 4.10
Grafik Normal Probability Plot (Sub-Struktur 2)
Sumber : Output SPSS

Pada gambar 4.10 diatas, ditunjukkan oleh grafik normal probability plot yang
menjelaskan bahwa data pada variabel yang digunakan dinyatakan berdistribusi
normal. Hal ini dibuktikan dengan adanya titik-titik data yang menyebar di sekitar
garis diagonal, serta penyebaran titik-titik data searah mengikuti garis diagonal.

23
Jika penyebaran garis diagonal mengikuti arah garis diagonal maka model regresi
memunhi asumsi normalitas.
Untuk lebih memastikan data terdistribusi normal atau tidak terdistribusi
normal, perlu dilakukan uji One-Sample Kolmogrov-Smirnov Test. Hasil uji One-
Sample Kolmogrov-Smirnov Test dapat dilihat pada tabel 4.6 dibawah ini:

Tabel 4.6
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual

N 100
Mean 0E-7
Normal Parametersa,b
Std. Deviation .43032401
Absolute .134
Most Extreme Differences Positive .113
Negative -.134
Kolmogorov-Smirnov Z 1.345
Asymp. Sig. (2-tailed) .054

a. Test distribution is Normal.

b. Calculated from data.

Sumber : Output SPSS

Berdasarkan tabel 4.5 diatas, uji Normalitas dengan menggunakan metode

Kolmogorov-Smirnov memberi syarat bahwa kurva dikatakan normal apabila
nilai Asymp. Sig. berada di atas batas maximum error, yaitu 0,05. Adapun dalam
analisis regresi, yang diuji kenormalan adalah residual atau variabel gangguan
yang bersifat stokastik acak, maka data di atas dapat digunakan karena variabel
residu berdistribusi normal. Pada tabel diatas, dapat diketahui bahwa keseluruhan
data berdistribusi normal karena memiliki nilai sig 0,054 diatas nilai batas
maximum error, yaitu 0,05.

24
4.3.5 Uji Multikolinearitas (Sub-Struktur 2)
Sujarweni (2015:185) menyatakan bahwa uji multikolinieritas diperlukan
untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan
antar variabel independen dalam suatu model.
Multikolinieritas merupakan sesuatu dimana beberapa atau semua variabel
bebas berkorelasi tinggi. Untuk mendeteksi ada tidaknya multikolinearitas adalah
dengan menggunakan Variance Inflation Factors (VIF). Dengan bantuan
software SPSS 20 diperoleh hasil sebagai berikut :

Tabel 4.7
Uji Multikolinearitas
Coefficientsa

Model Unstandardized Standardized t Sig. Collinearity

Coefficients Coefficients Statistics

B Std. Error Beta Tolerance VIF

(Constant) 1.743 .419 4.161 .000

Engagement
.131 .132 .115 .995 .322 .527 1.899
1 Behaviors

Relationship
.526 .129 .472 4.070 .000 .527 1.899
Benefits

a. Dependent Variable: Relationship Outcome

Sumber : Output SPSS

Dari output di atas dapat dilihat bahwa nilai VIF < 10, sehingga dapat
disimpulkan bahwa tidak terdapat multikolinearitas dalam data.

4.3.6 Uji Heteroskedastisitas (Sub-Struktur 2)

Sujarweni (2015:186) menyatakan bahwa heteroskedastisitas menguji
terjainya perbedaan varience residual suatu periode pengamatan ke periode
pengamatan yang lain.
Priyatno (2011:296) menyatakan bahwa uji heterokesdastisitas bertujuan
untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari
residual pada satu pengamatan ke pengamatan yang lain. Salah satu cara menguji

25
adanya heterokesdastisitas dengan melalui metode scatterplot, dengan mengamati
pola titik-titiknya. Jika titik-titik pada scatterplot menyebar di atas dan di bawah
angka 0 pada sumbu Y dan tidak membentuk pola tertentu, maka dapat dikatakan
bahwa tidak terjadi heterokesdastisitas.
Dengan bantuan software SPSS 20 diperoleh hasil sebagai berikut dapat
dilihat pada gambar 4.11 :

Gambar 4.11
Grafik Scatterplot (Sub-Struktur 2)
Sumber: Output SPSS

Berdasarkan gambar 4.11 diatas, terlihat titik-titik menyebar baik diatas

maupun dibawah angka 0, hal ini dapat disimpulkan bahwa tidak terjadi
heterokesdastisitas pada model regresi, sehingga model regresi layak untuk
digunakan dalam melakukan pengujian.

26
4.4 Analisis Jalur (Path Analysis)
Riduwan dan Kuncoro (2014:2) menyatakan bahwa model path analysis
digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk
mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel
bebas (eksogen) terhadap variabel terikat (endogen).

4.4.1 Merumuskan Hipotesis dan Persamaan Struktural

Hipotesis :
1. Engagement Behaviors berpengaruh terhadap Relationship Benefits
2. Engagement Behaviors, dan Relationship Benefits berpengaruh terhadap
Relationship Outcome
Persamaan Struktur :
Y = 𝜌𝑦𝑥 𝑥 + 𝜌𝑦 𝜀 1 (Persamaan Sub-Struktur 1)
Z = 𝜌𝑧𝑥 𝑥 + 𝜌𝑧𝑦 𝑦 + 𝜌𝑦 𝜀2 (Persamaan Sub-Struktur 2)

4.4.2 Menghitung koefisien jalur yang didasarkan pada koefisien regresi

1. Membuat model struktur

Relationship Benefits

(Y)

Engagement Relationship Outcome

Behaviors
(Z)
(X)
Gambar 4.12
Model Struktur

27
 2. Membuat diagram jalur
𝜀1

Relationship Benefits

(Y)

𝜌𝑦𝑥 𝜌𝑧𝑦 𝜀2

Engagement 𝜌𝑧𝑥 Relationship Outcome

Behaviors
(Z)
(X)
Gambar 4.13
Diagram Jalur

3. Menghitung koefisien korelasi

Tabel 4.8
Analisis Korelasi
Correlations

Engagement Relationship Relationship

Behaviors Benefits Outcome

Pearson Correlation 1 .661** .416**

Engagement
Sig. (2-tailed) .000 .000
Behaviors
N 100 100 100
Pearson Correlation .661** 1 .536**
Relationship
Sig. (2-tailed) .000 .000
Benefits
N 100 100 100
Pearson Correlation .416** .536** 1
Relationship
Sig. (2-tailed) .000 .000
Outcome
N 100 100 100

**. Correlation is significant at the 0.01 level (2-tailed).

Sumber : Output SPSS

Riduwan dikutip oleh Sarjono dan Julianita (2011) menyatakan bahwa untuk
menafsirkan korelasi digunakan kriteria sebagai berikut:

28
a. 0 – 0,25 : Korelasi sangat lemah (dianggap tidak berkorelasi)
b. > 0,25 – 0,50 : Korelasi cukup
c. 0,50 – 0,75 : Korelasi kuat
d. > 0,75 – 1 : Korelasi sangat kuat

Berdasarkan tabel 4.8 diatas, analisis korelasi dapat dinterpretasikan sebagai

berikut :
a. Korelasi yang terjadi antara variabel engagement behaviors (X) dengan
variabel relationship benefits (Y) sebesar 0,661. Artinya adalah terdapat
korelasi yang kuat. Sementara itu, angka probabilitas sebesar 0,00 yang
dimana 0,00 < 0,05 maka kedua variabel tersebut memiliki hubungan yang
signifikan.
b. Korelasi yang terjadi antara variabel engagement behaviors (X) dengan
variabel relationship outcome (Z) sebesar 0,416. Artinya adalah terdapat
korelasi yang cukup. Sementara itu, angka probabilitas sebesar 0,00 yang
dimana 0,00 < 0,05 maka kedua variabel tersebut memiliki hubungan yang
signifikan.
c. Korelasi yang terjadi antara variabel relationship benefits (Y) dengan
variabel relationship outcome (Z) sebesar 0,536. Artinya adalah terdapat
korelasi yang kuat. Sementara itu, angka probabilitas sebesar 0,00 yang
dimana 0,00 < 0,05 maka kedua variabel tersebut memiliki hubungan yang
signifikan.

29
4.4.3 Menghitung Koefisien Jalur
A. Uji Sub-Struktur 1
𝜀1 𝜌𝑦

Relationship Benefits
𝜌𝑦𝑥
(Y)

Engagement
Behaviors

(X)
Gambar 4.14
Model Sub-Struktur 1 : Pengaruh X terhadap Y

Untuk melihat variabel Engagement Behaviors (X) terhadap variabel

Relationship Benefits (Y) digunakan persamaan Y = 𝜌𝑦𝑥 𝑥 + 𝜌𝑦 𝜀 1 .
1. Menghitung koefisien jalur secara simultan (keseluruhan)
Penghitungan koefisien jalur secara simultan (keseluruhan) pada sub-
struktur 1 dapat dilihat pada tabel Anova 4.9 yang didapat dari hasil output
SPSS 20.
Tabel 4.9
Anova Sub-Struktur 1
ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 11.329 1 11.329 76.175 .000b

1 Residual 14.575 98 .149

Total 25.905 99

a. Dependent Variable: Relationship Benefits

b. Predictors: (Constant), Engagement Behaviors

Sumber : Output SPSS

Pada tabel Anova tersebut, dapat diperoleh nilai uji keseluruhan dan uji F
pada sub-struktur 1 yaitu nilai F sebesar 76,175 dengan nilai probabilitas

30
 (sig) = 0,000. Nilai sig. = 0,000 < nilai α = 0,05. Maka, dapat disimpulkan
bahwa H0 ditolak dan Ha diterima yang artinya adalah Engagement
Behaviors (X) berpengaruh terhadap Relationship Benefits (Y).

2. Pengujian secara individual

Langkah selanjutnya adalah dengan melakukan pengujian secara
individual pada sub-struktur 1. Pengujian secara individual dapat dilihat
pada tabel Coefficients 4.10 yang didapat dari output SPSS 20.
Tabel 4.10
Coefficients Sub-Struktur 1
Coefficientsa

Model Unstandardized Standardized t Sig.

Coefficients Coefficients

B Std. Error Beta

(Constant) 1.257 .254 4.951 .000

1 Engagement
.650 .074 .661 8.728 .000
Behaviors

a. Dependent Variable: Relationship Benefits

Sumber : Output SPSS

Dalam tabel Coefficients tersebut diperoleh besarnya nilai pengaruh

variabel Engagement Behaviors (X) yang dapat dilihat dari nilai Beta
dalam kolom Standardized Coefficients sebesar 0,661. Sementara itu, uji
individual dan uji t pada variabel Engagement Behaviors (X) memiliki
nilai t sebesar 8,728 dengan nilai probabilitas (sig) = 0,000. Nilai sig =
0,000 < nilai α = 0,05. Maka dari itu, dapat ditarik kesimpulan bahwa H0
ditolak dan Ha diterima yang artinya bahwa Engagement Behaviors (X)
berpengaruh terhadap Relationship Benefits (Y).

31
3. Menghitung koefisien jalur
Langkah terakhir adalah menghitung koefisien jalur sub-struktur 1.
Penghitungan koefisien jalur sub-struktur 1 dapat dilihat pada tabel Model
Summary 4.11 yang didapat dari output SPSS 20.
Tabel 4.11
Model Summary Sub-Struktur 1
Model Summaryb

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 .661a .437 .432 .38565

a. Predictors: (Constant), Engagement Behaviors

b. Dependent Variable: Relationship Benefits
Sumber : Output SPSS

Berdasarkan tabel Model Summary tersebut, dapat diketahui besarnya nilai

R square adalah 0,437 atau dengan perhitungan rumus Koefisien
Determinan yaitu:
KDSub-Struktur 1 = R2 x 100% = (0,661)2 x 100%
= 0,437 x 100%
= 43,7%
Artinya adalah besarnya pengaruh variabel Engagement Behaviors (X)
terhadap Relationship Benefits (Y). Sedangkan sisanya dapat dihitung
menggunakan:
𝜌𝑦 𝜀 1 = √1 − 𝑅 𝑠𝑞𝑢𝑎𝑟𝑒
= √1 − 0,437 = 0,563 atau 56,3%
Hasil 0,563 atau 56,3% diatas memiliki arti bahwa besarnya faktor lain
dalam model di luar variabel Relationship Benefits. Dengan kata lain,
variabelitas tingkat Relationship Benefits yang dapat diterangkan dengan
menggunakan variabel Engagement Behaviors adalah sebesar 0,437 atau
43,7%, sedangkan pengaruh sebesar 0,563 atau 56,3% disebabkan oleh
variabel-variabel lain diluar penelitian ini.

32
 Dengan demikian diagram jalur Sub-Struktur 1 dapat dilihat dari gambar
4.13 dibawah ini :
𝜀1 = 0,563

Relationship Benefits
𝜌𝑦𝑥 = 0,661 (Y)

Engagement
Behaviors

(X)

Gambar 4.15
Hubungan Kausal Sub-Struktur 1
Sumber : Hasil Pengolahan Data

Berdasarkan pengujian tersebut, maka diperoleh persamaan Sub-Struktur 1

sebagai berikut:
Y = 𝜌𝑦𝑥 + 𝜌𝑦 𝜀 1
Y = 0,661 X + 0,563 𝜀 1

B. Uji Sub-Struktur 2

Relationship
Benefits 𝜀2
𝜌𝑧
(Y)
𝜌𝑧𝑦

Engagement Relationship
Behaviors 𝜌𝑧𝑥 Outcome

(X) (Z)
Gambar 4.16
Model Sub-Struktur 2 : Pengaruh X, dan Y terhadap Z

33
 Untuk melihat variabel Engagement Behaviors (X) terhadap variabel
Relationship Benefits (Y) digunakan persamaan Z = 𝜌𝑧𝑥 𝑋 + 𝜌𝑧𝑦 𝑌 + 𝜌𝑧 𝜀 2.
1. Menghitung koefisien jalur secara simultan (keseluruhan)
Penghitungan koefisien jalur secara simultan (keseluruhan) pada sub-
struktur 2 dapat dilihat pada tabel Anova 4.12 yang didapat dari hasil
output SPSS 20.
Tabel 4.12
Anova Sub-Struktur 2
ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 9.659 2 4.829 20.240 .000b

1 Residual 23.144 97 .239

Total 32.803 99

a. Dependent Variable: Relationship Outcome

b. Predictors: (Constant), Relationship Benefits, Engagement Behaviors
Sumber : Output SPSS

Pada tabel Anova tersebut, dapat diperoleh nilai uji keseluruhan dan uji F
pada sub-struktur 2 yaitu nilai F sebsar 20,240 dengan nilai probabilitas
(sig) = 0,000. Nilai sig. = 0,000 < nilai α = 0,05. Maka dapat disimpulkan
bahwa H0 ditolak dan Ha diterima yang artinya adalah Engagement
Behaviors (X) dan Relationship Benefits (Y) berpengaruh terhadap
Relationship Outcome (Z).

2. Pengujian secara individual

Langkah selanjutnya adalah dengan melakukan pengujian secara
individual pada sub-struktur 1. Pengujian secara individual dapat dilihat
pada tabel Coefficients 4.13 yang didapat dari output SPSS 20.

34
 Tabel 4.13
Coefficients Sub-Struktur 2
Coefficientsa

Model Unstandardized Standardized t Sig.

Coefficients Coefficients

B Std. Error Beta

(Constant) 1.281 .360 3.563 .001

Engagement
.121 .126 .109 .959 .340
1 Behaviors
Relationship
.523 .128 .464 4.084 .000
Benefits

a. Dependent Variable: Relationship Outcome

Sumber : Output SPSS

a. Hubungan antara variabel Engagement Behaviors dengan

Relationship Outcome
Hipotesis yang akan diuji :
Ho : Engagement Behaviors (X) tidak berpengaruh signifikan secara
parsial terhadap Relationship Outcome (Z).
Ha : Engagement Behaviors (X) berpengaruh signifikan secara parsial
terhadap Relationship Outcome (Z).
Hipotesis Statistik :
Ho : 𝜌𝑧𝑥 = 0
Tidak terdapat pengaruh secara parsial antara Engagement
Behaviors (X) terhadap Relationship Outcome (Z).
Ha : 𝜌𝑧𝑥 ≠ 0
Terdapat pengaruh secara parsial antara Engagement Behaviors
(X) terhadap Relationship Outcome (Z).
Dasar Pengambilan Keputusan :
1) thitung < ttabel, maka H0 diterima dan Ha ditolak
thitung > ttabel, maka H0 ditolak dan Ha diterima

35
 2) Sig ≥ 0.05, maka H0 diterima dan Ha ditolak, artinya tidak
signifkan.
Sig ≤ 0.05, maka Ho ditolak dan Ha diterima, artinya signifkan.
Dalam tabel Coefficient tersebut, terlihat nilai besarnya pengaruh
variabel Engagement Behaviors (X) yang dapat diketahui dari nilai
Beta dalam kolom Standardized Coefficients sebesar 0,109. Uji
individual dan uji t pada variabel Engagement Behaviors (X) memiliki
nilai t sebesar 0,959 dengan nilai probabilitas (sig) = 0,340. Nilai sig =
0,340 > nilai α = 0,05. Maka dari itu, dapat ditarik kesimpulan bahwa
H0 diterima dan Ha ditolak yang artinya bahwa Engagement Behaviors
(X) tidak berpengaruh signifikan terhadap Relationship Outcome (Z).
b. Hubungan antara variabel Relationship Benefits dengan
Relationship Outcome
Hipotesis yang akan diuji :
Ho : Relationship Benefits (Y) tidak berpengaruh signifikan secara
parsial terhadap Relationship Outcome (Z).
Ha : Relationship Benefits (Y) berpengaruh signifikan secara parsial
terhadap Relationship Outcome (Z).
Hipotesis Statistik :
Ho : 𝜌𝑧𝑦 = 0
Tidak terdapat pengaruh secara parsial antara Relationship
Benefits (Y) terhadap Relationship Outcome (Z).
Ha : 𝜌𝑧𝑦 ≠ 0
Terdapat pengaruh secara parsial antara Relationship Benefits (Y)
terhadap Relationship Outcome (Z).
Dasar Pengambilan Keputusan :
1) thitung < ttabel, maka H0 diterima dan Ha ditolak
thitung > ttabel, maka H0 ditolak dan Ha diterima
2) Sig ≥ 0.05, maka H0 diterima dan Ha ditolak, artinya tidak
signifkan.
Sig ≤ 0.05, maka Ho ditolak dan Ha diterima, artinya signifkan.

36
 Dalam tabel Coefficient tersebut juga terlihat nilai besarnya pengaruh
variabel Relationship Benefits (Y) yang dapat diketahui dari nilai Beta
dalam kolom Standardized Coefficients sebesar 0,464. Uji individual
dan uji t pada variabel Relationship Benefits (Y) memiliki nilai t
sebesar 4,084 dengan nilai probabilitas (sig) = 0,000. Nilai sig = 0,000
< nilai α = 0,05. Maka dari itu dapat ditarik kesimpulan bahwa H0
ditolak dan Ha diterima yang artinya bahwa Relationship Benefits (Y)
berpengaruh terhadap Relationship Outcome (Z).

3. Menghitung koefisien jalur

Langkah terakhir adalah menghitung koefisien jalur sub-struktur 2.
Penghitungan koefisien jalur sub-struktur 2 dapat dilihat pada tabel Model
Summary 4.14 yang didapat dari output SPSS 20.

Tabel 4.14
Model Summary Sub-Struktur 2
Model Summaryb

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 .543a .294 .280 .48847

a. Predictors: (Constant), Relationship Benefits, Engagement

Behaviors
b. Dependent Variable: Relationship Outcome

Sumber : Output SPSS

Berdasarkan tabel 4.14 tersebut, dapat diketahui besarnya nilai R square

pada tabel Model Summary sebesar 0,294 atau dengan perhitungan rumus
Koefisien Determinan yaitu:
KDSub-Struktur 2 = R2 x 100% = (0,543)2 x 100%
= 0,294 x 100%
= 29,4%

37
 Artinya adalah besarnya pengaruh variabel Engagement Behaviors (X) dan
Relationship Benefits (Y) terhdap Relationship Outcome (Z). Sedangkan
sisanya dapat dihitung menggunakan:
𝜌𝑧 𝜀2 = √1 − 𝑅 𝑠𝑞𝑢𝑎𝑟𝑒
= √1 − 0,294 = 0,706 atau 70,6%
Hasil 0,706 diatas memiliki arti bahwa besarnya faktor lain dalam model
di luar variabel Relationship Outcome. Dengan kata lain, variabelitas
tingkat Relationship Outcome yang dapat diterangkan dengan
menggunakan variabel Engagement Behaviors dan variabel Relationship
Benefits adalah sebesar 0,294 atau 29,4%, sedangkan pengaruh sebesar
0,706 atau 70,6% disebabkan oleh variabel-variabel lain diluar penelitian
ini.

Dengan demikian diagram jalur Sub-Struktur 2 dapat dilihat dari gambar

4.15 dibawah ini :

Relationship 𝜀2 = 0,706
Benefits

(Y) 𝜌𝑧𝑦 = 0,464

Engagement Relationship
Behaviors 𝜌𝑧𝑥 = 0,109 Outcome

(X) (Z)
Gambar 4.17
Hubungan Kausal Sub-Struktur 2
Sumber : Hasil Pengolahan Data
Dari hasil pengujian tersebut, diperoleh persamaan Sub-Struktur 2 sebagai
berikut:
Z = 𝜌𝑧𝑥 𝑋 + 𝜌𝑧𝑦 𝑌 + 𝜌𝑧 𝜀 2
Z = 0,109 X + 0,464 Y + 0,706 𝜀 2

38
 C. Diagram Hubungan antar Variabel
Berdasarkan hasil dari koefisien jalur pada Sub-Struktur I dan Sub-
Struktur II, maka dapat digambarkan secara keseluruhan yang
menggambarkan hubungan kausal antar variabel X dan Y terhadap Z
sebagai berikut:
𝜀1 = 0,563

Relationship
𝜀2 = 0,706
Benefits

(Y)
𝜌𝑦𝑥 = 0,661 𝜌𝑧𝑦 = 0,464

Engagement Relationship
Behaviors 𝜌𝑧𝑥 = 0,109 Outcome

(X) (Z)

Gambar 4.18
Hubungan Kausal Sub-Struktur 1 dan Sub-Struktur 2
Sumber : Hasil Pengolahan Data

Hasil dari koefisien jalur pada Sub-Struktur 1 dan Sub-Struktur 2 adalah

sebagai berikut :
Persamaan Sub-Struktur 1 : Y = 𝜌𝑦𝑥 𝑋 + 𝜌𝑦 𝜀 1
Y = 0,661 X + 0,563 𝜀 1
Persamaan Sub-Struktur 1 : Z = 𝜌𝑧𝑥 𝑋 + 𝜌𝑧𝑦 𝑌 + 𝜌𝑧 𝜀 2
Z = 0,109 X + 0,464 Y + 0,706 𝜀 2
Dari gambar 4.18 diatas, dapat ditarik kesimpulan bahwa pengaruh langsung
dan pengaruh tidak langsung terjadi antar variabel adalah sebagai berikut:
a. Pengaruh langsung X terhadap Y = 𝜌𝑦𝑥 𝑋 . 𝜌𝑦𝑥 𝑋
= 0,661 x 0,661
= 0,437 atau 43,7% (Signifikan)

39
b. Pengaruh langsung X terhadap Z = 𝜌𝑧𝑥 𝑋 . 𝜌𝑧𝑥 𝑋
= 0,109 x 0,109
= 0,012 atau 1,2% (Tidak Signifikan)

c. Pengaruh langsung Y terhadap Z = 𝜌𝑧𝑦 𝑌 . 𝜌𝑧𝑦 𝑌

= 0,464 x 0,464
= 0,215 atau 21,5% (Signifikan)
d. Pengaruh tidak langsung X terhadap Z
melalui Y = 𝜌𝑦𝑥 𝑋 . 𝜌𝑧𝑦 𝑌
= 0,661 x 0,464
= 0,307 atau 30,7% (Signifikan)

D. Merangkum koefisien jalur

Berikut Tabel 4.15 merupakan rangkuman koefisien jalur
Tabel 4.15
Pengaruh Langsung dan Tidak Langsung
Pengaruh
Koefisien Tidak
Variabel Langsung Keterangan
Jalur Langsung Total
(%)
(%)
X terhadap Y 0,661 43,7 - 43,7 Signifikan
X terhadap Z 0,109 1,2 - 1,2 Tidak Signifikan
Y terhadap Z 0,464 21,5 - 21,5 Signifikan
X terhadap Z
0,307 - 30,7 30,7 Signifikan
melalui Y
Sumber : Hasil Pengolahan Data

Hasil keseluruhan pengaruh antar variabel dijelaskan sebagai berikut :

a. Pengaruh langsung antara variabel Engagement Behaviors (X)
terhadap variabel Relationship Benefits (Y) sebesar (0,661)2 = 0,437 =

40
 43,7%. Sisanya sebesar 56,3% dipengaruhi variabel lain diluar
penelitian ini.
b. Pengaruh langsung antara variabel Engagement Behaviors (X)
terhadap variabel Relationship Outcome (Z) sebesar (0,109)2 = 0,012 =
1,2%. Sisanya sebesar 98,8% dipengaruhi variabel lain diluar
penelitian ini.
c. Pengaruh langsung antara variabel Relationship Benefits (Y) terhadap
variabel Relationship Outcome (Z) sebesar (0,464)2 = 0,215 = 21,5%.
Sisanya sebesar 78,5% dipengaruhi variabel lain diluar penelitian ini.
d. Pengaruh tidak langsung antara variabel Engagement Behaviors (X)
terhadap variabel Relationship Outcome (Z) melalui variabel
Relationship Benefits (Y) sebesar 0,661 x 0,464 = 0,307 = 30,7%.
Sisanya sebesar 69,3% dipengaruhi variabel lain diluar penelitian ini.

4.5 Pembahasan
Analisis dilakukan setelah menyebarkan kuesioner yang terdiri dari 24 item
pernyataan kepada 100 anggota komunitas online Xiaomi Yi Indonesia
Community. Hasil kuesioner yang telah terkumpul kemudian diolah
menggunakan aplikasi software IBM (SPSS) Statistic versi 20 for Windows. Hasil
analisis kausal secara simultan maupun parsial memiliki tujuan untuk menguji
apakah terdapat pengaruh antar variabel dependen, variabel mediator, dan variabel
independen. Berikut akan dijelaskan secara lebih rinci :
a. Rumusan Masalah 1
Pembahasan mengenai variabel Engagement Behaviors (X) didasarkan
pada teori Engagement Behaviors yang dikeluarkan oleh Brodie et., al
(2011) dikutip oleh Gummerus et., al (2012) yaitu Engagement Behaviors
adalah pengalaman interaktif konsumen dengan brand, dimana tergantung
pada konteks dan meningkatkan nilai berpengalaman konsumen.
Terdapat dua indikator dalam variabel ini yaitu community engagement
behaviors dan transaction engagement. Kedua indikator ini terdiri dari
lima perilaku, yaitu melihat postingan grup; memberikan “likes” pada

41
 postingan grup; menulis postingan / komentar pada grup; sering
mengunjungi laman grup; dan melakukan transaksi jual-beli di grup.
Pernyataan “Saya melakukan transaksi jual-beli di grup” merupakan
pernyataan dengan nilai yang terendah, yaitu sebesar 71,6%. Hal ini dapat
menunjukkan tidak semua anggota melakukan transaksi jual-beli di
komunitas. Dapat diketahui bahwa laman jual-beli pada komunitas tidak
dimanfaatkan sepenuhnya oleh para anggota.

b. Rumusan Masalah 2
Pembahasan mengenai variabel Relationship Benefits (Y) didasarkan
pada teori Relationship Benefits yang dikeluarkan oleh Gummerus et., al
(2012) yaitu dari sudut pandang konsumen, perilaku keterikatan dengan
komunitas dapat disebabkan karena kebutuhan akan suatu kepuasan dan
mendapatkan manfaat dari perilaku itu sendiri. Dengan kata lain
merupakan keuntungan yang didapat selama berada dalam hubungan.
Terdapat tiga indikator dalam variabel ini yaitu social benefits,
entertainment benefits, dan economic benefits. Ketiga indikator ini terdiri
dari dua belas perilaku, yaitu ingin mengenal anggota komunitas yang lain;
ingin membantu anggota komunitas yang lain; membutuhkan anggota
komunitas yang lain; ingin mendapat pertolongan dari anggota komunitas
yang lain; ingin memberikan informasi kepada anggota komunitas yang
lain; ingin membagikan ide saya dengan anggota komunitas yang lain;
ingin tetap berinteraksi dengan anggota komunitas yang lain; mengikuti
komunitas sebagai hiburan; membuka grup untuk bersantai; mengunjungi
grup untuk menghabiskan waktu luang; mendapat informasi tentang
Xiaomi Yi melalui komunitas; dan mendapat respon yang cepat dari
anggota lainnya.
Pernyataan “Saya mendapat respon yang cepat dari anggota yang
lainnya” merupakan pernyataan dengan nilai yang terendah, yaitu sebesar
77,6%. Hal ini dapat menunjukkan tidak semua postingan dalam grup akan
mendapat respon yang cepat. Dapat diketahui bahwa tidak semua anggota

42
 dapat melihat postingan grup dengan cepat. Hal ini terjadi karena para
anggota tidak seluruh waktunya aktif dalam komunitas. Banyak kegiatan-
kegiatan lain yang dilakukan para anggota sehingga tidak dapat
memberikan respon pada setiap postingan dengan cepat.

c. Rumusan Masalah 3
Pembahasan mengenai variabel Relationship Outcome (Z) didasarkan
pada teori Relationship Outcome yang dikeluarkan oleh Brodie et., al
(2011) dikutip oleh Gummerus et., al (2012) mengatakan, “Customer
engagement is believed to be directly and positively related to a number of
brand relationship outcomes, such as satisfaction, trust, affective
commitment, and loyalty”, yaitu keterikatan konsumen diyakini secara
langsung dan positif akan menimbulkan hasil seperti kepuasan,
kepercayaan, komitmen, dan loyalitas. Dengan kata lain merupakan hasil
yang didapat ketika berada dalam suatu hubungan.
Terdapat dua indikator dalam variabel ini yaitu satisfaction dan
loyalty. Kedua indikator ini terdiri dari tujuh perilaku, yaitu merasa puas
bergabung dengan Xiaomi Yi Indonesia Community; membuat keputusan
yang tepat untuk bergabung dengan Xiaomi Yi Indonesia Community;
puas akan keputusan menggunakan kamera sportcam Xiaomi Yi; puas
menjadi pengguna kamera sportcam Xiaomi Yi; memilih kamera sportcam
Xiaomi Yi sebagai pilihan utama; mengatakan hal positif tentang kamera
sportcam Xiaomi Yi kepada orang lain; dan merekomendasikan sportcam
Xiaomi Yi kepada teman-teman.
Pernyataan “Saya merasa puas bergabung dengan Xiaomi Yi Indonesia
Community” merupakan pernyataan dengan nilai yang terendah, yaitu
sebesar 85,2%. Hal ini dapat mengnunjukkan tidak semua anggota merasa
puas bergabung dengan komunitas. Hal ini kemungkinan disebabkan
karena ekspektasi dari anggota ketika bergabung dengan komunitas kurang
sesuai dengan realita.

43
d. Rumusan Masalah 4
Salah satu tujuan dari penelitian ini adalah untuk mengetahui seberapa
besar pengaruh Engagement Behaviors (X) terhadap Relationship Benefits
(Y) pada komunitas online Xiaomi Yi Indonesia Community. Pada Sub-
Struktur 1, nilai pengaruh variabel Engagement Behaviors (X) sebesar
(0,661)2 = 0,437 = 43,7% dan sisanya sebesar 56,3% dipengaruhi oleh
variabel lain diluar penelitian ini. Pada uji individual dan uji t, variabel
Engagemnet Behaviors (X) memiliki nilai t sebesar 8,728 dengan nilai
probabilitas (sig) = 0,000. Nilai sig = 0,000 < nilai α = 0,05. Maka dari itu
dapat ditarik kesimpulan bahwa H0 ditolak dan Ha diterima yang artinya
bahwa Engagement Behaviors (X) berpengaruh terhadap Relationship
Benefits (Y).
Hal ini menunjukkan bahwa keterikatan antara anggota komunitas
yang berupa interaksi memiliki dampak yang kuat terhadap keuntungan-
keuntungan yang dapat diperoleh dari interaksi itu sendiri. Hasil ini serupa
dengan penelitian yang dilakukan oleh Gummerus et., al (2012) yang
menyatakan bahwa Engagement Behaviors berpengaruh terhadap
Relationship Benefits.

e. Rumusan Masalah 5
Salah satu tujuan dari penelitian ini adalah untuk mengetahui seberapa
besar pengaruh Engagement Behaviors (X) terhadap Relationship
Outcome (Z) pada komunitas online Xiaomi Yi Indonesia Community.
Pada Sub-Struktur 2, nilai pengaruh variabel Engagement Behaviorss (X)
sebesar (0,109)2 = 0,330 = 33,0% dan sisanya sebesar 67,0% dipengaruhi
oleh variabel lain diluar penelitian ini. Pada uji individual dan uji t,
variabel Engagement Behaviors (X) memiliki nilai t sebesar 0,959 dengan
nilai probabilitas (sig) = 0,340. Nilai sig = 0,340 > nilai α = 0,05. Maka
dari itu dapat ditarik kesimpulan bahwa H0 diterima dan Ha ditolak yang
artinya bahwa Engagement Behaviors (X) tidak berpengaruh signifikan
terhadap Relationship Outcome (Z).

44
 Dalam penelitian ini, variabel Engagement Behaviors (X) tidak
berpengaruh signifikan terhadap Relationship Outcome (Z) dikarenakan
anggota Xiaomi Yi Indonesia Community lebih merasa puas dan loyal
terhadap produk kamera sportcam Xiaomi Yi daripada komunitas itu
sendiri. Dengan kata lain, tingkat kepuasan dan loyal terhadap produk
kamera sportcam Xiaomi Yi lebih tinggi dibandingkan dengan tingkat
kepuasan dan loyal terhadap komunitas. Hasil ini serupa dengan penelitian
yang dilakukan oleh Gummerus et., al (2012) yang menyatakan bahwa
Engagement Behaviors tidak memiliki pengaruh langsung terhadap
Relationship Outcome.

f. Rumusan Masalah 6
Salah satu tujuan dari penelitian ini adalah untuk mengetahui seberapa
besar pengaruh Relationship Benefits (Y) terhadap Relationship Outcome
(Z) pada komunitas online Xiaomi Yi Indonesia Community. Pada Sub-
Struktur 2, nilai pengaruh variabel Relationship Benefits (Y) sebesar
(0,543)2 = 0,294 = 29,4% dan sisanya sebesar 70,6% dipengaruhi oleh
variabel lain diluar penelitian ini. Pada uji individual dan uji t, variabel
Relationship Benefits (Y) memiliki nilai t sebesar 4,084 dengan nilai
probabilitas (sig) = 0,000. Nilai sig = 0,000 < nilai α = 0,05. Maka dari itu
dapat ditarik kesimpulan bahwa H0 ditolak dan Ha diterima yang artinya
bahwa Relationship Benefits (Y) berpengaruh terhadap Relationship
Outcome (Z).
Hal ini menunjukkan bahwa keuntungan yang didapat anggota selama
berada didalam komunitas akan mempengaruhi hasil yang didapat seperti
kepuasan dan loyalitas. Hasil ini serupa dengan penelitian yang dilakukan
oleh Gummerus et., al (2012) yang menyatakan bahwa Relationship
Benefits berpengaruh terhadap Relationship Outcome.

45
g. Rumusan Masalah 7
Tujuan dari penelitian ini adalah untuk mengetahui seberapa besar
pengaruh Engagement Behaviors (X) terhadap Relationship Outcome (Z)
dengan Relationship Benefits (Z) sebagai mediatornya. Untuk nilai
pengaruhnya sebesar 0,661 x 0,464 = 0,307 = 30,7% dan sisanya sebesar
69,3% dipengaruhi oleh variabel lain diluar penelitian ini. Pengaruh secara
langsung Engagement Behaviors (X) terhadap Relationship Outcome (Z)
sebesar 1,2%. Pengaruh ini lebih kecil dibandingkan dengan pengaruh
secara tidak langsung melalui Relationship Benefits (Y) yaitu sebesar
30,7%.
Hasil dari penelitian ini yang menyatakan bahwa pengaruh tidak
langsung yang terjadi yaitu Engagement Behaviors (X) terhadap
Relationship Outcome (Z) melalui Relationship Benefits (Y) memiliki nilai
yang lebih besar dibandingkan pengaruh langsung antara Engagement
Behaviors (X) terhadap Relationship Outcome (Z). Hal ini disebabkan
karena anggota komunitas tidak akan merasa puas dan loyal hanya dengan
menjadi anggota komunitas, mereka akan puas dan loyal jika mendapat
keuntungan di komunitas tersebut.
Berdasarkan hasil tersebut, dapat ditarik kesimpulan bahwa
Relationship Benefits (Y) memiliki peran yang cukup besar dalam
meningkatkan Relationship Outcome (Z) anggota komunitas online
Xiaomi Yi Indonesia Community. Hasil ini serupa dengan penelitian yang
dilakukan oleh Gummerus et., al (2012) yang menyatakan bahwa
Engagement Behaviors memiliki pengaruh terhadap Relationship Outcome
dengan Relationship Benefits sebagai mediatornya atau jalur yang dilalui.

46