Tugas UTS LISREL

1.
Pendahuluan
Internet merupakan sarana elektronik yang dapat dipergunakan untuk berbagai
aktivitas seperti komunikasi, riset, transaksi bisnis dan lainnya. Sejak diperkenalkan
pada tahun 1969 di Amerika Serikat, internet mengalami perkembangan yang luar
biasa. Apalagi dengan diperkenalkannya teknologi World Wide Web (WWW),
semakin menambah sempurnanya teknologi tersebut (McLeod dan Schell, 2004:64).
Teknologi internet menghubungkan ribuan jaringan komputer individual dan
organisasi di seluruh dunia. Setidaknya ada enam alasan mengapa teknologi internet
begitu populer. Keenam alasan tersebut adalah internet memiliki konektivitas dan
jangkauan yang luas; dapat mengurangi biaya komunikasi; biaya transaksi yang lebih
rendah; dapat mengurangi biaya agency; interaktif, fleksibel, dan mudah; serta
memiliki kemampuan untuk mendistribusikan pengetahuan secara cepat (Laudon dan
Laudon, 2000:300).
Penggunaan internet untuk aktivitas transaksi bisnis dikenal dengan istilah
Electronic Commerce (e-commerce) (McLeod dan Schell, 2004:49). Menurut Indrajit
(2001:2), karakteristik e-commerce terdiri atas terjadinya transaksi antara dua belah
pihak; adanya pertukaran barang, jasa, atau informasi; dan internet sebagai medium
utama dalam proses transaksi. Dalam praktiknya, transaksi e-commerce dapat terjadi
antara organisasi bisnis dengan sesama organisasi bisnis (B2B) dan antara organisasi
bisnis dengan konsumen (B2C) (Laudon dan Laudon, 2000:307; Indrajit, 2001:1;
Corbitt et al., 2003; McLeod dan Schell, 2004:50).
Pengguna internet di Indonesia yang resmi tercatat berlangganan pada tahun
2003 sebanyak 739.571, yang terbagi dalam kategori personal/perseorangan sebanyak
591.045 dan korporasi sebanyak 148.526 (CIC, 2004). Jumlah tersebut belum
termasuk pengguna yang memanfaatkan jasa internet cafe, warnet, dan fasilitas
internet instan seperti Terlkomnet Instan, Mobile-8, atau StarOne. Menurut catatan
WDR research, pertumbuhan pengguna internet di Indonesia mencapai 105% per
tahun dan merupakan pertumbuhan paling tinggi di antara negara-negara di Asia
setelah China (Boerhanoeddin, 2003).
Kondisi tersebut dapat dijadikan pemicu untuk menumbuhkan e-commerce di
Indonesia. Dengan semakin banyaknya pengguna internet, diharapkan dapat
mempengaruhi perilaku masyarakat dalam melakukan pembelian barang/jasa, yaitu
dari pembelian secara konvensional ke e-commerce. Sebagaimana hasil penelitian
Liao dan Cheung (2001) bahwa pengguna internet di Singapura, semakin banyak
1
mempergunakan internet maka ia semakin senang melakukan pembelian melalui
eshop (toko maya). Fenomena ini diharapkan dapat menjadi daya tarik bagi
pengusaha, khususnya di Indonesia, untuk mulai mengembangkan inovasi bisnis
melalui e-commerce.
Pada saat ini jumlah e-shop di Indonesia sudah mencapai lebih dari dua puluh
buah. Produk yang dijual bermacam-macam, seperti buku, komputer, telepon
genggam, handicraft, dan t-shirt. Pada tahun 2000 tercatat nilai transaksi ecommerce
di Indonesia mencapai US$ 100 juta. Sedangkan nilai transaksi ecommerce di seluruh
dunia mencapai US$ 390 milyar. Hal ini berarti nilai transaksi e-commerce di
Indonesia masih sekitar 0,026% dari seluruh total nilai transaksi ecommerce dunia
(Boerhanoeddin, 2003). Jika mengacu pada hasil penelitian yang dilakukan Liao dan
Cheung (2001) di Singapura, setidaknya dengan semakin berkembangnya jumlah
pengguna internet di Indonesia, diprediksikan akan terus meningkatkan volume dan
nilai transaksi e-commerce.
Membuka transaksi bisnis melalui internet bukan berarti terhindar dari
kejahatan oleh pihak lain sebagaimana bertransaksi secara konvensional. Potensi
kejahatan berupa penipuan, pembajakan kartu kredit (carding), pentransferan dana
illegal dari rekening tertentu, dan sejenisnya sangatlah besar apabila sistem keamanan
(security) infrastruktur e-commerce masih lemah. Oleh karena itu, keamanan
infrastruktur e-commerce menjadi kajian penting dan serius bagi ahli komputer dan
informatika (Liddy dan Sturgeon, 1988; Ferraro, 1998; Udo, 2001; McLeod dan
Schell, 2004:51).
Kejahatan melalui internet (cyberfraud/internetfraud) dalam berbagai
bentuknya, baik di Indonesia maupun di belahan dunia lainnya masih menjadi
ancaman bagi keberlangsungan e-commerce. Menurut hasil riset pada tahun 2001
yang dilakukan oleh ClearCommerce.com yang berkantor di Texas, Indonesia
dinyatakan berada di urutan ke dua negara asal pelaku cyberfraud setelah Ukraina.
Hasilnya menunjukkan bahwa sekitar 20% dari total transaksi kartu kredit dari
Indonesia di Internet adalah fraud. Riset tersebut mensurvei 1.137 toko online, 6 juta
transaksi, dan 40 ribu pelanggan (Utoyo, 2003).
Di Amerika Serikat, pada tahun 2003 cyberfraud dengan modus transaksi
penyalahgunaan kartu kredit mencapai angka tertinggi, yaitu 39%. Berikutnya disusul
money order (26%), cek (11%), debit card (7%) dan bank debit (7%) (IFW, 2004).
Sedangkan total nilai kerugian uang sebesar US$ 125,6 juta dengan rincian masing-
2
masing US$ 10.000 – US$ 99.999 sebanyak 1,8%; US$ 5.000 – US$ 9.999 sebanyak
3%; US$ 1.000 – US$ 4.999 sebanyak 21,2%; US$ 100 – US$ 999 sebanyak 47,6%;
dan di bawah US$ 100 sebanyak 26,3% (IC3,2004).
Data di atas menunjukkan bahwa transaksi melalui e-commerce memiliki
potensi resiko yang cukup tinggi. Tetapi mengapa transaksi e-commerce hingga saat
ini masih berlangsung dan cenderung meningkat? Apakah manfaat yang diperoleh
lebih besar daripada risikonya? Berkaitan dengan hal ini, Corbit et al. (2003) telah
melakukan penelitian dan hasilnya adalah ternyata meningkatnya partisipasi
konsumen di dalam e-commerce berkaitan langsung dengan pengalaman
menggunakan web, orientasi pasar dan kepercayaan. Peneliti lain, Mukherjee dan
Nath (2003), menemukan bahwa komitmen konsumen dalam menggunakan
ecommerce berkaitan langsung dengan shared value (etika, keamanan, dan privacy)
dan kepercayaan. Resiko dalam e-commerce, menurut Tan dan Thoen (2000), dapat
dieliminir dengan menjalin komunikasi yang baik antara dua pihak yang bertransaksi,
di antaranya melalui penyajian informasi yang relevan. Penyajian informasi yang baik
akan menghindari terjadinya information asymmetry yang seringkali dimanfaatkan
pihak lain untuk melakukan kejahatan di internet (cybercrime). Melalui komunikasi
yang baik, konsumen merasa mendapat jaminan keamanan dalam bertransaksi
sehingga partisipasinya dalam e-commerce menjadi meningkat.
Bangunan sistem e-commerce sebaik apapun pasti masih mengandung potensi
risiko. Sebagaimana penelitian yang dilakukan oleh Pavlou dan Gefen (2002), Corbit
et al. (2003), Kim dan Tadisina (2003), Mukherjee dan Nath (2003), dan peneliti yang
lain dari sekian banyak faktor yang dapat mempengaruhi terjadinya transaksi melalui
e-commerce, faktor kepercayaan (trust) menjadi faktor kunci. Hanya pelanggan yang
memiliki kepercayaan yang akan berani melakukan transaksi melalui media internet.
Tanpa ada kepercayaan dari pelanggan, mustahil transaksi ecommerce akan terjadi.
Mayer et al. (1995) setelah melakukan review literatur dan pengembangan
teori secara komprehensif menemukan suatu rumusan bahwa kepercayaan (trust)
dibangun atas tiga dimensi, yaitu kemampuan (ability), kebaikan hati (benevolence),
dan integritas (integrity). Tiga dimensi ini menjadi dasar penting untuk membangun
kepercayaan seseorang agar dapat mempercayai suatu media, transaksi, atau
komitmen tertentu.
Indonesia sebagai negara sedang berkembang, dan baru sekitar lima tahun
terakhir mengadopsi e-commerce, tentunya memiliki beberapa perbedaan dengan
3
negara-negara maju yang telah lama mempraktikkan e-commerce. Perbedaan tersebut
setidaknya menyangkut masalah regulasi, perangkat hukum, dan perilaku konsumen.
Berkaitan dengan praktik e-commerce di Indonesia yang relatif masih baru tersebut,
fenomena yang menarik untuk diteliti adalah bagaimana hubungan antara ability,
benevorence, integrity, trust dan participation.
2. Penelitian Sebelumnya
Beberapa studi yang meneliti mengenai kepercayaan (trust) dan partisipasi di
internet dapat dikemukakan sebagai berikut:
1. Aubert dan Kelsey (2000) melakukan studi tentang ilusi dari trust dan
performa. Untuk mengukur trust, model yang digunakan adalah:
Dari penelitian ini diketahui bahwa dari empat variabel independen yang
mempengaruhi trust, variabel integrity merupakan penggerak utama (key driver) bagi
tumbuhnya trust.
2. Tung et al. (2001) melakukan studi mengenai komunitas maya dan trust. Model
penelitian yang digunakan sebagai berikut:
4
Hasil penelitian menunjukkan bahwa ketika trust ada di antara anggota komunitas
maya, maka pengalaman keterlibatan anggota yang mendalam akan mengurangi
perasaan berisiko bagi anggota dalam melakukan pembelian. Anggota akan merasa
berisiko lebih rendah dalam melakukan pembelian apabila telah memperoleh
rekomendasi dari komunitas dibandingkan apabila rekomendasi tersebut berasal dari
perorangan.
3. Walczuch et al. (2001) melakukan studi mengenai faktor-faktor psikologis yang

mempengaruhi kepercayaan konsumen dalam e-retailing (belanja secara
elektronik). Model yang dibangun adalah:
5
Hasil studi ini menunjukkan bahwa faktor personality-based factors dan attitude
bukan merupakan faktor signifikan yang mempengaruhi kepercayaan pada e-
retailing. Jadi dari lima faktor yang diteliti, yang mempunyai pengaruh signifikan
hanya tiga faktor, yaitu perception-based factor, knowledge-based factor dan
experience-based factor. Secara umum, dari tiga faktor yang signifikan tersebut,
faktor perception-based factor mempunyai pengaruh yang paling besar.
4. Ridings et al. (2002) meneliti mengenai penyebab dan pengaruh

kepercayaan(trust) pada komunitas maya. Model penelitian yang digunakan
adalah:
Hasil dari penelitian ini menjelaskan bahwa kepercayaan (trust) merupakan prediktor
yang signifikan pada keinginan anggota komunitas maya untuk saling berbagi dan
saling memperoleh informasi. Perhatian, keterbukaan, dan watak yang baik dapat
membangun kepercayaan. Kepercayaan merupakan aspek terpenting dalam comunitas
maya. Kepercayaan di antara para anggota komunitas maya akan semakin besar
apabila mereka saling mengetahui secara personal.
5. Gefen (2002) melakukan penelitian mengenai kaitan antara trust dengan

loyalitas pelanggan e-commerce. Model yang dikonstruksikan sebagai berikut:
6
Hasil dari penelitian ini menunjukkan bahwa loyalitas konsumen tergantung pada
kemampuan vendor dalam mengelola kepercayaan konsumen melalui kualitas
pelayanan. Kualitaspelayanan melalui peningkatan kepercayaan mempunyai
kontribusi yang besar di dalam membentuk loyalitas konsumen.
6. Mukherjee dan Nath (2003) meneliti mengenai model kepercayaan (trust)

pada online banking. Model yang dikembangkan adalah:
Hasil yang diperoleh dari penelitian ini menunjukkan bahwa shared value dan
communication memiliki pengaruh positif yang signifikan terhadap trust. Sedangkan
opportunistic behavior memiliki pengaruh negatif terhadap trust. Shared value, di
samping memiliki pengaruh signifikan terhadap trust, juga memiliki pengaruh
signifikan baik secara langsung maupun tidak langsung terhadap commitment. Selain
itu, commitment juga dipengaruhi secara signifikan oleh trust.
7
7. Corbitt et al. (2003) melakukan penelitian mengenai trust dan e-commerce
dari persepsi konsumen. Model penelitian yang dikembangkan sebagai
berikut:
Hasil dari penelitian menunjukkan bahwa trust sebagai faktor penting dalam e
commerce dipengaruhi oleh tiga sumber, yaitu reputasi e-commerce secara umum,
konsumen, dan website ecommerce. Pengalaman yang cukup banyak dalam
mempergunakan internet, akan menumbuhkan trust pada konsumen. Trust ini
selanjutnya akan mempunyai dampak yang besar bagi konsumen untuk ikut
berpartisipasi melakukan pembelian secara online.
8. Kim et al. (2003a) meneliti mengenai faktor-faktor kepercayaan pelanggan

dalam transaksi e-commerce. Model yang diajukan sebagai berikut:
8
Hasil dari studi ini menunjukkan bahwa kepercayaan pelanggan secara kuat
mempengaruhi intensi pembelian melalui internet.
9. Ratnasingham dan Kumar (2004) meneliti mengenai kepercayaan mitra

dagang kaitannya dengan partisipasi dalam e-commerce. Model yang dibangun
adalah:
Hasil yang diperoleh adalah kepercayaan mitra dagang meningkatkan partisipasi

dalam e-commerce.
Adapun perbedaan penelitian ini dengan penelitian sebelumnya dapat
dijelaskan sebagai berikut:
9
1. Perbedaan dengan penelitian Aubert dan Kelsey (2000)
Pertama, penelitian Aubert dan Kelsey (2000) bertujuan untuk mengukur trust
di antara kelompok dan pengaruhnya terhadap perbedaan performa yang
dimiliki antar kelompok tersebut, sedangkan pada penelitian ini bertujuan
melihat bagaimana trust mempengaruhi partisipasi pelanggan e-commerce.
Ke dua, penelitian Aubert dan Kelsey (2002) menggunakan empat variabel
yang mempengaruhi trust, yaitu ability, benevolence, integrity dan propensity
to trust, sedangkan dalam penelitian ini menggunakan tiga variabel yang
mempengaruhi trust, sebagaimana yang dikembangkan oleh Mayer et
al.(1995), yaitu ability, benevolence, dan integrity.
2. Perbedaan dengan penelitian Tung et al. (2001)
Pertama, penelitian Tung et al. (2001) bertujuan untuk melihat partisipasi
anggota komunitas maya dalam e-commerce ditinjau dari pengaruh langsung
pemahaman risiko dalam e-commerce (perceived risks in electronic
commerce) dan pemahaman keuntungan dalam komunitas maya (perceived
benefits in virtual community), sedangkan dalam penelitian ini bertujuan
melihat pengaruh langsung kepercayaan terhadap partisipasi dalam
ecommerce.
Ke dua, variabel trust dalam penelitian Tung et al. (2001) dikaitkan langsung
pada variabel pemahaman terhadap risiko dalam e-commerce, sedangkan
dalam penelitian ini variabel trust dikaitkan langsung pada variabel partisipasi
dalam e-commerce.
3. Perbedaan dengan penelitian Walczuch et al. (2001)
Pertama, penelitian Walczuch et al. (2001) sebatas menguji faktor-faktor yang
berpengaruh terhadap kepercayaan dalam e-commerce, sedangkan penelitian
ini di samping menguji faktor-faktor yang berpengaruh terhadap kepercayaan
dalam e commerce, juga menguji pengaruh kepercayaan tersebut terhadap
partisipasi dalam e commerce.
Ke dua, dalam penelitian Walczuch et al. (2001) variabel yang diuji sebagai
faktor yang mempengaruhi kepercayaan adalah faktor psikologis yang terdiri
dari perception-based factors, knowledge-based factors, attitude,
personalitybased factors dan experience-based factors, sedangkan dalam
penelitian ini variabel yang diuji sebagai faktor yang berpengaruh terhadap
kepercayaan adalah ability, benevolence, dan integrity.
10
4. Perbedaan dengan penelitian Ridings et al. (2002)
Pertama, penelitian Ridings et al. (2002) bertujuan mengukur kepercayaan
diantara anggota komunitas maya dalam pengaruhnya terhadap keinginan
untuk saling memberi dan menerima informasi, sedangkan dalam penelitian
ini bertujuan untuk mengukur pengaruh kepercayaan terhadap partisipasi
dalam e-commerce.
Ke dua, penelitian Ridings et al. (2002) menempatkan ability, benevolence,
dan integrity di dalam variabel trust, sedangkan dalam penelitian ini ability,
benevolence, dan integrity ditempatkan sebagai variabel yang mempengaruhi
trust.
Ke tiga, penelitian Ridings et al. (2002) mengkonstruksikan bahwa trust
dipengaruhi oleh variabel perceived responsiveness, others’ confiding
personal info dan disposition to trust, sedangkan dalam penelitian ini
mengkonstruksikan bahwa trust dipengaruhi oleh variabel ability,
benevolence, dan integrity.
5. Perbedaan dengan penelitian Gefen (2002)
Pertama, penelitian Gefen (2002) menfokuskan pada pengukuran kepercayaan
konsumen ditinjau dari variabel-variabel kualitas pelayanan (service quality)
yang terdiri dari variabel tangible, empathy, reliablity, responsiveness, dan
assurance, sedangkan penelitian ini mengukur kepercayaan dari variabel
ability, benevolence, dan integrity.
Ke dua, penelitian Gefen (2002) mengukur pengaruh langsung maupun tidak
langsung variabel kepercayaan terhadap loyalitas konsumen, sedangkan
penelitian ini mengukur pengaruh langsung variabel kepercayaan terhadap
partisipasi pelanggan e-commerce.
6. Perbedaan dengan penelitian Mukherjee dan Nath (2003)
Pertama, penelitian Mukherjee dan Nath (2003) meneliti pengaruh
kepercayaan terhadap komitmen pelanggan pada online banking sedangkan
penelitian ini meneliti pengaruh kepercayaan terhadap partisipasi pelanggan
pada e-commerce.
Ke dua, konstruksi model penelitian Mukherjee dan Nath (2003) bahwa
variabel trust dipengaruhi oleh shared value, communication dan
opportunistic behavior, sedangkan konstruksi model dalam penelitian ini
bahwa variabel trust dipengaruhi oleh ability, benevolence, dan integrity.
11
7. Perbedaan dengan penelitian Corbitt et al. (2003)
Penelitian Corbitt et al. (2003) mengukur partisipasi pelanggan dalam e
commerce ditinjau dari pengaruh langsung pemahaman pelanggan terhadap
kepercayaan (perceived trust), pengalaman penggunaan internet (user’s web
experience), dan pemahaman terhadap orientasi pasar (perceived market
orientation), sedangkan penelitian ini mengukur partisipasi pelanggan dalam
e-commerce ditinjau hanya dari pengaruh langsung kepercayaan pelanggan.
8. Perbedaan dengan penelitian Kim et al. (2003a)
Penelitian Kim et al. (2003a) meneliti pengaruh trust terhadap intensi dalam
pembelian melalui e-commerce, sedangkan penelitian ini meneliti pengaruh
trust terhadap partisipasi pelanggan dalam e-commerce, yang mana
intensi/keberlanjutan pembelian merupakan salah satu indikator yang
dipergunakan untuk melihat partisipasi.
9. Perbedaan dengan penelitian Ratnasingham dan Kumar (2004)
Penelitian Ratnasingham dan Kumar (2004) meneliti partisipasi dalam e
commerce yang dipengaruhi secara langsung oleh variabel keuntungan e-
commerce yang dirasakan (perceived benefits of e-commerce) dan risiko e-
commerce yang dirasakan (perceived risks of e-commerce), sedangkan
penelitian ini meneliti partisipasi dalam e-commerce yang dipengaruhi
langsung oleh variabel kepercayaan (trust).
3. Model Penelitian
Berdasarkan landasan teori yang telah dipaparkan, maka konsep penelitian ini
dapat digambarkan sebagai berikut:
12
Model di atas dapat dikonversikan ke dalam persamaan, yakni sebagai berikut :
1. Measurement Model (Model Pengukuran)
a. Measurement Model Y:
( y)
Y1 = λ11 η1 + ε 1
Y2 = λ(21y )η1 + ε 2
Y3 = λ(31y )η1 + ε 3
Y4 = λ(42y )η 2 + ε 4
Y5 = λ(5y2)η 2 + ε 5
Y6 = λ(6y2)η 2 + ε 6
atau dalam bentuk matriks :
Y = Λ yη + ε
( y)
Y1  λ11 0  δ 1 
Y   ( y )  δ 
 2  λ21 0   2
Y3  λ(31y ) 0  ξ1  δ 3 
 =   +  
Y4   0 λ(42y )  ξ 2  δ 4 
Y5   0 λ(52y )  δ 5 
   ( y)
  
Y6   0 λ62  δ 6 
13
b. Measurement Model X:
(X)
X 1 = λ11 ξ1 + δ 1
X 2 = λ(21x ) ξ1 + δ 2
X 3 = λ(31x ) ξ1 + δ 3
X 4 = λ(41x ) ξ1 + δ 4
X 5 = λ(52x ) ξ 2 + δ 5
X 6 = λ(62x ) ξ 2 + δ 6
X 7 = λ(72x ) ξ 2 + δ 7
X 8 = λ(83x ) ξ 3 + δ 8
X 9 = λ(93x ) ξ 3 + δ 8
( x)
X 10 = λ103 ξ3 + δ 8
X = Λ xξ + δ
( x)
 X 1  λ11 0 0   δ1 
 X  λ( x ) 0 0 
 δ 
 2   21  2
 ( x) 
 X 3  λ31 0 0 δ3 
   ( x)   
 X 4  λ 41 0 0  δ4
ξ1   
 X5   ( x)  
0 λ52 0 ξ   δ 5 
X  =  ( x)  2 + 
δ
 6   0 λ62 0  ξ 3   6 
 X 7   0 λ(72x ) 0  δ 7 
   ( x)
  
 X 8   0 0 λ83  δ 8 
X 9   ( )  δ 9 
0 0 λ93 
x
   ( x)
 
 X 10   0 0 λ103  δ 10 
2. Structural Equation Model (Model Persamaan Struktural)
η 1 = γ 11 ξ 1 + γ 12 ξ 2 + γ 13 ξ 3 + ζ 1
η 2 = β 21η 1 + γ 21 ξ 1 + γ 22 ξ 2 + γ 23 ξ 3 + ζ 2
       
  11  12  13   1 
 1   0 0  1        1 
          21  22  33   2   
 2  21 0   2   0 0 0    3   2 

Dengan asumsi :
1)  tidak berkorelasi dengan 
2)  tidak berkorelasi dengan 
3)  tidak berkorelasi dengan 
4)  ,  , dan  saling bebas
14
Secara lebih detail, definisi operasional penelitian di atas diuraikan sebagai berikut:
• Variabel Eksogen Ability.

Ability didefinisikan sebagai persepsi pelanggan tentang kemampuan penjual
melalui media e-commerce dalam menyediakan barang, memberikan rasa aman dan
nyaman dalam transaksi. Indikator yang digunakan untuk mengukur variabel ini
adalah:
o Kompetensi (X1): Persepsi pelanggan bahwa vendor e-commerce mempunyai
kemampuan dalam menyediakan barang yang berkualitas bagi pelanggan.
o Pengalaman (X2): Persepsi pelanggan bahwa vendor e-commerce mempunyai
pengalaman sehingga mampu mengirim barang tepat pada waktunya.
o Pengetahuan Luas (X3): Persepsi pelanggan bahwa vendor ecommerce
memiliki pengetahuan yang baik dalam mengamankan transaksi.
15
o Pengesahan Institusional (X4): Persepsi pelanggan bahwa vendor ecommerce
telah diakui keberadaannya oleh pihak-pihak lain, seperti supplier, distributor,
jasa pengiriman, dan sebagainya.
• Variabel Eksogen Benevolence

Benevolence didefinisikan sebagai persepsi pelanggan terhadap keinginan baik
penjual melalui media e-commerce dalam memberikan kepuasan transaksi. Indikator
yang digunakan untuk mengukur variabel ini adalah:
o Perhatian (X5): Persepsi pelanggan bahwa vendor e-commerce memiliki
perhatian untuk memberikan pelayanan terbaik bagi pelanggannya.
o Kemauan Berbagi (X6): Persepsi pelanggan bahwa vendor ecommerce
memiliki kemauan untuk memberikan keuntungan bagi pelanggannya.
o Dapat Diharapkan (X7): Persepsi pelanggan bahwa vendor ecommerce
memiliki itikad baik untuk memberikan kepuasan kepada pelanggannya.
• Variabel Eksogen Integrity .

Integrity didefiniskan sebagai persepsi pelanggan mengenai komitmen penjual
melalui media e-commerce dalam menjaga nilai-nilai untuk memberikan pelayanan
terbaik kepada pelanggan. Indikator yang digunakan untuk mengukur variabel ini
adalah:
o Pemenuhan (X8): Persepsi pelanggan bahwa vendor e-commerce akan
memenuhi apa yang diharapkan pelanggannya.
o Keterusterangan (X9): Persepsi pelanggan bahwa vendor e-commerce tidak
akan menyembunyikan informasi yang penting bagi pelanggannya.
o Kehandalan (X10): Persepsi pelanggan bahwa vendor e-commerce selalu
menjaga reputasinya.
• Variabel Endogen Trust

Trust didefinisikan sebagai kepercayaan pelanggan yang timbul karena
pelanggan merasa puas dan nyaman atas pemenuhan tanggung jawab penjual pada
transaksi melalui media e-commerce. Indikator yang digunakan untuk mengukur
variabel ini adalah:
o Kenyamanan (Y1): Persepsi pelanggan bahwa vendor e-commerce
memberikan kenyamanan dalam bertransaksi.
16
o Kepuasan (Y2): Persepsi pelanggan bahwa vendor e-commerce memberikan
kepuasan dalam bertransaksi.
o Tanggung Jawab (Y3): Persepsi pelanggan bahwa vendor e-commerce
memenuhi tanggung jawabnya terhadap pelanggan.
• Variabel Endogen Participation

Participation didefinisikan sebagai intensitas pelanggan dalam melakukan
transaksi melalui media e-commerce. Indikator yang digunakan untuk mengukur
variabel ini adalah:
o Keberlanjutan (Y4): Persepsi pelanggan bahwa pelanggan akan terus
bertransaksi (intention to purchase) melalui media e-commerce.
o Frekuensi (Y5): Persepsi pelanggan bahwa pelanggan akan meningkatkan
frekuensi bertransaksi melalui media e-commerce.
o Rekomendasi (Y6): Persepsi pelanggan bahwa pelanggan akan
merekomendasikan kepada pihak lain agar bertransaksi melalui media e-
commerce.
4. Populasi dan Sampel

Populasi dalam penelitian ini adalah seluruh pengguna internet di Indonesia
yang telah melakukan transaksi e-commerce melalui media internet. Sejauh ini belum
ada data akurat yang dapat menyebutkan jumlah pengguna e-commerce di Indonesia.
Oleh karena itu, besarnya populasi dalam penelitian ini tidak diketahui, sehingga
teknik pengambilan sampel yang digunakan masuk dalam kategori non-probability
sampling (Sekaran, 1992:235; Black dan Champion, 2001:233; Cooper dan Schindler,
2003:198). Sesuai dengan karakteristik sampel tertentu yang dibutuhkan, yaitu
pengguna e-commerce di Indonesia yang telah melakukan transaksi melalui e
commerce dalam lima bulan terakhir, maka teknik pengambilan sampel non
probabilitas yang dipilih adalah teknik judgemental (purposive). Teknik ini dipilih
untuk memastikan bahwa hanya sampel yang memiliki unsur tertentu yang telah
ditetapkan oleh peneliti yang akan diambil sebagai sampel (Black dan Champion,
2001:264).
Melalui perhitungan Power Analysis pada software STATISTICA 7.0, diperoleh

ukuran sampel minimum berdasarkan nilai df dan RMSEA. Perhitungan ukuran
sampel tersebut menggunakan iterasi yang dirumuskan sebagai berikut:
17
ˆ
N
RMSEA2  d
ˆ  max  c  d 
c  2 NF   0 ,    0    2 NF0
Dimana:
d = degrees of freedom.
RMSEA = Root Mean Square Error of Approximation.
Tabel 4.1 Output Perhitungan Sampel STATISTICA 7.0
Berdasarkan hasil output diatas, maka sampel minimum yang harus diambil
sebesar 135. Dalam penelitian ini, sampel yang diambil sebanyak 152 responden.
5. Penyusunan Kuisioner Penelitian

Kuesioner dikirimkan ke beberapa mailing-list (kelompok diskusi di Internet).
Pengukuran variabel dilakukan dengan menggunakan skala Likert. Prosedur
pengukuran sebagai berikut:
• Responden diminta untuk menjawab pertanyaan-pertanyaan umum yang akan
dipergunakan sebagai dasar apakah responden masuk dalam kriteria atau tidak.
• Responden diminta untuk menyatakan setuju atau tidak setuju terhadap
pernyataan yang diajukan peneliti atas dasar persepsi masing-masing
responden. Jawaban terdiri dari lima pilihan, yakni: Sangat Setuju (SS), Setuju
(S), Tidak Berpendapat (TB), Tidak Setuju (TS), dan Sangat Tidak Setuju
(STS).
• Pemberian nilai (scoring). Untuk jawaban Sangat Setuju (SS) diberikan nilai
5, dan seterusnya menurun sampai pada jawaban Sangat Tidak Setuju (STS)
yang diberikan nilai 1.
18
Tabel 5.1 Bobot Nilai Jawaban Responden
Dalam penelitian ini data diasumsikan sebagai data interval.
6. Uji Validitas
Uji validitas merupakan pengujian yang dilakukan untuk menunjukkan sejauh
mana suatu alat pengukur itu dapat mengukur apa yang ingin diukur. Suatu kuisioner
dapat dikatakan mempunyai validitas yang tinggi apabila kuisioner tersebut
memberikan hasil ukur yang sesuai dengan maksud dilakukannya pengukuran
tersebut.
Tipe validitas yang digunakan dalam SEM adalah validitas konstruk (Construct
Validity) yaitu validitas yang menunjukkan sejauhmana tes mengungkap suatu trait
atau konstruk teoritik yang hendak diukurnya (Allen and Yen, 1979).
Cara pengujiannya dengan melihat standardized loading parameter (  j ) yang

s
menghubungkan indikator dengan konstruknya. Apakah masing-masing sudah
signifikan (  j >0.5). Semakin tinggi validitas suatu variabel maka pengujian tersebut
s
semakin mengenai sasaran. Dimana:  s   

 jj  2
ij  

 var  xi  
ij
6.1. Analisis Validitas Konstruk Model Ability

Berdasarkan pengolahan data yang telah dilakukan dengan menggunakan
LISREL 8.50, diperoleh:
Tabel 6.1.1 Hasil Analisis Validitas Konstruk Ability
Indikator Keterangan Indikator Std.Loading t-value Keterangan
X1 Kompetensi 0.51 5.16 Valid
X2 Pengalaman 0.61 5.67 Valid
X3 Pengetahuan Luas 0.7 6.39 Valid
X4 Pengesahan Instutisional 0.23 2.35 Tidak Valid
Karena nilai Std.Loading (  j ) indikator X4 < 0.5, maka indikator X4 tidak
s
valid dalam mengukur konstruk Ability. Maka variabel X4 dihilangkan dari model
19
(hal ini masih sesuai dengan penelitian sebelumnya seperti Ridings et. al., 2002 dan
kenyataan lapangan dimana kemampuan vendor e-commerce tidak dilihat dari
pengesahan Institusional), sehingga diperoleh:
Tabel 6.1.2 Hasil Analisis Validitas Konstruk Ability Setelah Revisi
X1 Kompetensi 0.53 5.35 Valid
X2 Pengalaman 0.68 6.18 Valid
X3 Pengetahuan Luas 0.61 5.81 Valid
Dari tabel di atas dapat dilihat nilai  j mendekati 1 dan t-value lebih besar dari 1.96,
s
sehingga dapat dikatakan ketiga item ini merupakan indikator-indikator yang valid
dan signifikan untuk konstruk Ability.
6.2. Analisis Validitas Konstruk Model Benevolence

Tabel 6.2.1 Hasil Analisis Validitas Konstruk Benevolence
X5 Perhatian 0.87 13.41 Valid
X6 Kemauan Berbagi 0.9 14.1 Valid
X7 Dapat Diharapkan 0.95 15.45 Valid
s
dan signifikan untuk konstruk Benevolence.
6.3. Analisis Validitas Konstruk Model Integrity

Tabel 6.3.1 Hasil Analisis Validitas Konstruk Integrity
X8 Pemenuhan 0.59 6.1 Valid
X9 Keterusterangan 0.6 6.15 Valid
X10 Kehandalan 0.71 6.89 Valid
s
dan signifikan untuk konstruk Integrity.
20
6.4. Analisis Validitas Konstruk Model Trust
Tabel 6.4.1 Hasil Analisis Validitas Konstruk Trust
Y1 Kenyamanan 0.78 8.81 Valid
Y2 Kepuasan 0.82 9.3 Valid
Y3 Tanggung Jawab 0.52 6.18 Valid
s
dan signifikan untuk konstruk Trust.
6.5. Analisis Validitas Konstruk Model Participation
Tabel 6.5.1 Hasil Analisis Validitas Konstruk Participation
Y4 Keberlanjutan 0.71 8.91 Valid
Y5 Frekuensi 0.76 9.6 Valid
Y6 Promosi Pelanggan 0.81 10.26 Valid
s
dan signifikan untuk konstruk Participation.
7. Uji Reliabilitas
Reliabilitas menunjukkan sejauh mana alat ukur dapat dipercaya atau dapat
diandalkan (konsistensi suatu alat pengukuran di dalam mengukur gejala yang sama).
Menurut Hair (1995), pengujian reliabilitas kuisioner salah satunya dilakukan
dengan cara:
• Construct reliability
Nilai construct reliability yang tinggi menunjukkan bahwa indikator benar-benar
mampu mewakili variabel latennya.
  
2
i
Construct reliability 
     
2
i i
Dimana, i = std. loading

 i = error pengukuran indikator
Suatu kuisioner dinilai reliabel jika construct reliability >0.70. Namun demikian, alat
ukur ini dapat menjadi bias dalam beberapa kondisi tertentu (Ferdinand, 2000:171)
21
sehingga nilai di bawah 0,70 pun bisa diijinkan, terutama untuk penelitian
eksploratori (Hair et al., 1998:612). Menurut Sekaran (1992:287) jika nilai
Cronbach’s alpha lebih kecil dari 0,60 dikategorikan poor; dalam rentang 0,70 (0,60
sampai 0,80) dikategorikan dapat diterima
Hasil perhitungannya sebagai berikut:
Construct
Jumlah Reliabilit
Konstruk Indikator y Keterangan
Ability 3 0.638 Reliabel
Benevolence 3 0.934 Reliabel
Integrity 3 0.67 Reliabel
Trust 3 0.76 Reliabel
Participation 3 0.804 Reliabel
Dari tabel di atas dapat dilihat nilai construct reliability tiap konstruk di atas 0.60,
sehingga dapat dikatakan kelima kontruk ini merupakan variabel laten yang reliabel
dan kuisioner yang digunakan dalam penelitian ini sudah cukup handal dan konsisten
sebagai alat memberikan informasi.
Berdasarkan hasil uji validitas, variabel X4 harus dihilangkan karena tidak
valid sehingga model persamaannya menjadi:
Model di atas dapat dikonversikan ke dalam persamaan, yakni sebagai berikut :

1. Measurement Model (Model Pengukuran)
22
a. Measurement Model Y:
( y)
Y1 = λ11 η1 + ε 1
Y2 = λ(21y )η1 + ε 2
Y3 = λ(31y )η1 + ε 3
Y4 = λ(42y )η 2 + ε 4
Y5 = λ(5y2)η 2 + ε 5
Y6 = λ(6y2)η 2 + ε 6

Y = Λ yη + ε
( y)
Y1  λ11 0  δ 1 
Y   ( y )  δ 
 2  λ21 0   2
Y3  λ(31y ) 
0  1  δ 3 
ξ
 =   +  
Y4   0 λ(42y )  ξ 2  δ 4 
Y5   0 λ(52y )  δ 5 
     
Y6   0 λ(62y )  δ 6 
b. Measurement Model X:
(X)
X 1 = λ11 ξ1 + δ 1
X 2 = λ(21x ) ξ1 + δ 2
X 3 = λ(31x ) ξ1 + δ 3
X 5 = λ(52x ) ξ 2 + δ 5
X 6 = λ(62x ) ξ 2 + δ 6
X 7 = λ(72x ) ξ 2 + δ 7
X 8 = λ(83x ) ξ 3 + δ 8
X 9 = λ(93x ) ξ 3 + δ 8
( x)
X 10 = λ103 ξ3 + δ8

X   x  
23
( x)
 X 1  λ11 0 0   δ1 
 X   ( x)  δ 
 2  λ21 0 0 
 2
 X 3  λ(31x ) 0 0  δ3 
   
0  ξ1   δ 5 
 X5   0 λ(52x )
 X6  =  0 λ(62x ) 0  ξ 2  +  δ 6 
X     
 7   0 λ(72x ) 0  ξ 3  δ 7 
X 8   0 0 λ(83x )  δ 8 
   ( x)
  
X 9   0 0 λ93  δ 9 
 X 10   0 0 λ103 ( x)  δ 10 

2. Structural Equation Model (Model Persamaan Struktural)
η1 = γ 11 ξ1 + γ 12 ξ 2 + γ 13 ξ 3 + ζ 1
η 2 = β 21η1 + γ 21 ξ1 + γ 22 ξ 2 + γ 23 ξ 3 + ζ 2
       
γ γ12 γ13 ξ1 
η1   0 0η1   11   ζ1 
η  = β   γ 21
+ γ 22 γ 33 
ξ2  + ζ 
 2   21 0
η2   0  2
 0 0  ξ3 
 
Dengan asumsi :
5)  tidak berkorelasi dengan 
6)  tidak berkorelasi dengan 
7)  tidak berkorelasi dengan 
8)  ,  , dan  saling bebas
8. Identifikasi Model
Parameter Specifications
LAMBDA-Y
TRUST PARTICIP
-------- --------
Y1 0 0
Y2 1 0
Y3 2 0
Y4 0 0
Y5 0 3
Y6 0 4
24
LAMBDA-X
ABILITY BENEVOLE INTEGRIT

-------- -------- --------
X1 5 0 0
X2 6 0 0
X3 7 0 0
X5 0 8 0
X6 0 9 0
X7 0 10 0
X8 0 0 11
X9 0 0 12
X10 0 0 13
BETA
TRUST PARTICIP
-------- --------
TRUST 0 0
PARTICIP 14 0
GAMMA

-------- -------- --------
TRUST 15 16 17
PARTICIP 18 19 20
PSI
Note: This matrix is diagonal.
TRUST PARTICIP
-------- --------
21 22
THETA-EPS
Y1 Y2 Y3 Y4 Y5 Y6
-------- -------- -------- -------- -------- --------
23 24 25 26 27 28
THETA-DELTA
X1 X2 X3 X5 X6 X7
-------- -------- -------- -------- -------- --------
29 30 31 32 33 34
THETA-DELTA
X8 X9 X10
-------- -------- --------
35 36 37
Parameter spesifikasi menunjukkan jumlah parameter yang ditaksir dalam structural
modelnya. Dari output yang telah direvisi di atas dapat dilihat bahwa jumlah
parameter yang ditaksir sebanyak 37. Dimana:
25
 ( p )( p + 1) 
df =   − t , dengan t adalah jumlah persamaan yang ditaksir dan p adalah
 2 
jumlah varaibel indikator.
Sehingga :
 15(15 + 1) 
df =   − 37
 2 
= 120 − 37
= 83
Yang menunjukkan bahwa modelnya just-identified.
9. Teknik Estimasi Model

Maximum Likelihood akan menghasilkan estimasi parameter yang valid,
efisien dan reliabel apabila data yang digunakan berdistribusi normal multivariat,
dengan besaran sampel antara 100-200.
Fungsi estimasinya adalah:
( )
FML = log ∑ + tr S ∑ −1 − log S − ( p + q)
Dimana:
S = Matriks var-kov sampel
p = Banyaknya indikator dari variabel endogen
q = Banyaknya indikator dari variabel eksogen
Asumsi normalitas multivariat
Pengujian multinormal akan dilakukan dengan menggunakan uji Gamma plot,
2
yaitu dengan membuat plot Di (jarak Mahalanobis) dan q(i) (chi kuadrat).
Langkah Perhitungan Uji Gamma Plot adalah sebagai berikut:
Memasukkan data
• Kemudian menghitung Jarak Mahala Nobis dengan rumus :
Di 2    i   ' S 1   i  
 Kemudian dicari nilai q(i) (Chi square nya) melalui nilai-nilai persentil yang ke
(i  0.5)
dengan rumus :
n
(i  0.5)
P ( D  q(i ) ) 
n
dimana D adalah nilai  2
26
Lalu bentuk grafik Gamma plot antara Chisquare dengan nilai
mahalanobisnya. Sehingga dapat dilihat bahwa sebaran titik-titik apakah membentuk
pola lurus atau tidak. Jika membentuk garis lurus maka dapat dikatakan data
memenuhi asumsi norrmal.
a. Uji Multinormal Untuk Konstruk Ability

Scatterplot of C24 vs C22
0.006
0.005
0.004
Chisquare
0.003
0.002
0.001
0.000
0 2 4 6 8 10 12
Mahalanobis_ Ability
Dari grafik Gamma plot diatas dapat dilihat bahwa sebaran titik-titik diatas
membentuk pola yang hampir linier, Sehingga dari gambar diatas dapat disimpulkan
bahwa asumsi Multinormal terpenuhi.
b. Uji Multinormal Untuk Konstruk Benevolence

0.05
0.04
0.03
chisquare
0.02
0.01
0.00
0 5 10 15 20 25
Mahalanobis_ benevolence
27
c. Uji Multinormal Untuk Konstruk Integrity
0.08
0.07
0.06
0.05
chisquare
0.04
0.03
0.02
0.01
0.00
0 5 10 15 20 25 30 35
Mahalanobis_ inegrity
d. Uji Multinormal Untuk Konstruk Trust

0.12
0.10
0.08
chisquare
0.06
0.04
0.02
0.00
0 10 20 30 40 50
Mahalanobis_ trust
e. Uji Multinormal Untuk Konstruk Participation

0.025
0.020
0.015
chisquare
0.010
0.005
0.000
2 4 6 8 10 12 14 16
Mahalanobis_ participation
28
10. Uji Pengepasan Model

Kesesuaian model dilihat dari tiga kondisi:
• Absolute Fit Measures (cocok secara absolute)
Langkah-langkah pengujian Chi-square χ 2 : ( )

1. Hipotesis Pengujian
H 0 : Σ = Σ( θ )
H 1 : Σ ≠ Σ( θ )
2. Statistik Uji
χ 2 = ( n − 1) xF θˆ ()
3. Kriteria Uji
 ( p )( p + 1) 
Toalk H0 jika χ hitung > χ tabel , dengan df =  −t
2 2
 2 
4. Kesimpulan
Jika H0 diterima maka model diterima (fit), jika H0 ditolak maka model
ditolak (tidak fit).
Tabel 10.1
Absolute fit index beserta interpretasinya
Absolute fit index Interpretasi
χ 2 = ( n − 1) xF θˆ () Model fit jika χ hitung < χ tabel
2 2
GFI = 1 −
( s − σˆ ) ' W −1 ( s − σˆ ) Nilai > 0.9 menunjukkan good fit
s 'W −1 s
p+q i Nilai < 0.05 menunjukkan model baik
2 ∑∑ ( sij − σˆ )
i =1 j =1
RMR =
( p + q )( p + q + 1)
Tabel 10.2
Output LISREL 8.50
Absolute Fit Index Interpretasi
Chi-square χ 2 ( ) 85.04 χ hitung
2
( 85.04) < χ tabel
2
(105.267 ) ,
maka model fit.
Degrees of freedom 83
p-value 0.4172
7
Goodness-of fit index (GFI) 0.93 Nilai GFI > 0.9, menunjukkan
modelnya fit
Root mean square residual 0.034 Nilai RMR < 0.05, menunjukkan
29
(RMR) modelnya baik
• Incremental Fit Measures (relatif lebih baik terhadap model-model

lain)
Tabel 10.3
Incremental fit index beserta interpretasinya
Incremental fit index Interpretasi
Adjusted Goodness of Fit Index Nilai > 0.9 menunjukkan good
AGFI = 1 −
( p + q )( p + q + 1) (1 − GFI ) fit
2 xdf
Normed Fit Index (NFI) Nilai > 0.9 menunjukkan good
χ null − χ proposed
2 2 fit
NFI =
χ null
2
Non-Normed Fit Index (NNFI)/ Nilai > 0.9 menunjukkan good

Tucker Lewis Index (TLI) fit
TLI =
(χ 2
null ) (
df − χ proposed
2
df )
(χ 2
null )
df − 1
• Adjusted Goodness of Fit Index (AGFI) = 0.90
Nilai AGFI ≥ 0.9, menunjukkan modelnya cukup fit

• Normed Fit Index (NFI) = 0.91
Nilai NFI > 0.9, menunjukkan modelnya fit

• Non-Normed Fit Index (NNFI) = 0.99
Nilai TLI > 0.9, menunjukkan modelnya fit
• Parsimonious Fit Measures (relatif lebih sederhana terhadap model-

model alternatif)
Normed chi-square χ 2 (NC) ( )
χ 2 85.04
NC = = = 1.025
df 83
Untuk NC jika nilainya kurang dari 1 menunjukkan modelnya tidak fit,
lebih dari 5 menunjukkan bahwa model perlu modifikasi. Dari hasil di atas
model tidak perlu modifikasi.
30
11. Uji Parsial
• H01 : Kemampuan (ability) vendor tidak mempunyai pengaruh terhadap

kepercayaan (trust) pelanggan e-commerce di Indonesia.
H11 : Kemampuan (ability) vendor mempunyai pengaruh terhadap
• H02 : Kebaikan hati (benevolence) vendor tidak mempunyai pengaruh terhadap
H12 : Kebaikan hati (benevolence) vendor mempunyai pengaruh terhadap
• H03 : Integritas (integrity) vendor tidak mempunyai pengaruh terhadap
H13 : Integritas (integrity) vendor mempunyai pengaruh terhadap
• H04 : Kepercayaan (trust) tidak mempunyai pengaruh terhadap tingkat
partisipasi pelanggan e-commerce di Indonesia.
H14 : Kepercayaan (trust) mempunyai pengaruh terhadap tingkat partisipasi
pelanggan e-commerce di Indonesia.
• H05 : Kemampuan (ability) vendor tidak mempunyai pengaruh terhadap tingkat
partisipasi pelanggan ecommerce di Indonesia.
H15 : Kemampuan (ability) vendor mempunyai pengaruh terhadap tingkat
partisipasi pelanggan ecommerce di Indonesia.
• H06 : Kebaikan hati (benevolence) vendor tidak mempunyai pengaruh terhadap
tingkat partisipasi pelanggan e-commerce di Indonesia.
H16 : Kebaikan hati (benevolence) vendor mempunyai pengaruh terhadap
tingkat partisipasi pelanggan e-commerce di Indonesia.
• H07 : Integritas (integrity) vendor tidak mempunyai pengaruh terhadap tingkat
H17 : Integritas (integrity) vendor mempunyai pengaruh terhadap tingkat
α = 5%
31
Gambar 11.1
Diagram jalur dan t-values
Gambar 11.2
Diagram jalur dan Standardized Values
Kriteria uji: Tolak Ho jika t hitung > t tabel atau –t hitung < -t tabel, terima dalam
hal lainnya.
Kesimpulan:
• Karena t1 hitung = 0.33 < t tabel = 2.28, maka H0 diterima. Dengan derajat
kepercayaan 95% dapat disimpulkan bahwa Kemampuan (ability) vendor tidak
mempunyai pengaruh terhadap kepercayaan (trust) pelanggan e-commerce di
Indonesia.
• Karena t2 hitung = 2.33 > t tabel = 2.28, maka H0 ditolak. Dengan derajat
kepercayaan 95% dapat disimpulkan bahwa Kebaikan hati (benevolence) vendor
Indonesia. Dimana pengaruhnya bernilai positif (dilihat dari nilai standardized
yang positif).
kepercayaan 95% dapat disimpulkan bahwa Integritas (integrity) vendor
32
Indonesia.. Dimana pengaruhnya bernilai positif (dilihat dari nilai standardized
yang positif).
kepercayaan 95% dapat disimpulkan bahwa Kepercayaan (trust) mempunyai
pengaruh terhadap tingkat partisipasi pelanggan e-commerce di Indonesia. Dimana
pengaruhnya bernilai positif (dilihat dari nilai standardized yang positif).
kepercayaan 95% dapat disimpulkan bahwa Kemampuan (ability) vendor tidak
mempunyai pengaruh terhadap tingkat partisipasi pelanggan ecommerce di
Indonesia.
kepercayaan 95% dapat disimpulkan bahwa Kebaikan hati (benevolence) vendor
tidak mempunyai pengaruh terhadap tingkat partisipasi pelanggan e-commerce di
Indonesia.
kepercayaan 95% dapat disimpulkan bahwa Integritas (integrity) vendor
mempunyai pengaruh terhadap tingkat partisipasi pelanggan e-commerce di
Indonesia. Dimana pengaruhnya bernilai positif (dilihat dari nilai standardized
yang positif).
12. Analisis Direct Effect, Indirect Effect, dan Total Effect

Analisis ini digunakan untuk melihat kekuatan pengaruh antar konstruk, baik
pengaruh langsung, pengaruh tidak langsung, maupun pengaruh totalnya. Menurut
Ferdinand (2000:139) pengaruh langsung (direct effect) merupakan koefisien dari
semua garis dengan anak panah satu ujung. Sedangkan pengaruh tidak langsung
(indirect effect) adalah pengaruh yang muncul melalui sebuah variabel antara dan
pengaruh total (total effect) adalah pengaruh dari berbagai hubungan.
Pengaruh langsung dari model penelitian ini sebagaimana disajikan dalam
Tabel 12.1
Tabel 12.1 Standardized Direct Effects Estimates
Integrity Benevolence Ability Trust
Trust 0.52 0.2 0.03
Participation 0.28 0.04 0.05 0.56
Dalam penelitian ini terdapat tiga variabel yang memiliki pengaruh langsung terhadap
variabel trust dan terdapat empat variabel yang memiliki pengaruh langsung terhadap
33
variabel participation. Hasil pengukuran menunjukkan bahwa variabel yang memiliki
pengaruh langsung terbesar terhadap variabel trust adalah variabel integrity, yaitu
sebesar 0,52 dan variabel yang memiliki pengaruh langsung terbesar terhadap variabel
participation adalah variabel trust, yaitu sebesar 0,56.
Pengaruh tidak langsung dari model penelitian ini sebagaimana disajikan
dalam Tabel 12.2
Tabel 12.2 Standardized Indirect Effects Estimates
Trust
Participation 0.2912 = 0.52*0.56 0.112 = 0.2*0.56 0.0168 = 0.03*0.56
Terdapat tiga variabel yang memiliki pengaruh tidak langsung terhadap variabel
participation. Dari perhitungan diatas, variabel yang memiliki pengaruh tidak
langsung terbesar terhadap variabel participation adalah variabel integrity, yaitu
sebesar 0,2912.
Oleh karena adanya pengaruh langsung dan pengaruh tidak langsung antar
variabel dalam model penelitian ini, maka perlu diukur pengaruh totalnya. Hasil
pengukuran pengaruh total antar variabel sebagaimana ditunjukkan pada tabel 12.3.
Tabel 12.3 Standardized Total Effects Estimates
Trust 0.52 0.2 0.03
Participation 0.5712 = 0.28+0.2912 0.152 = 0.04+0.112 0.0668 = 0.05+0.0168 0.56
Berdasarkan hasil pengukuran tersebut diketahui bahwa variabel yang

memiliki pengaruh total terbesar terhadap variabel trust adalah variabel integrity,
yaitu sebesar 0,52 dan variabel yang memiliki pengaruh total terbesar terhadap
variabel participation adalah variabel trust, yaitu sebesar 0,5712.
34
LAMPIRAN 3
Analisis Faktor Konfirmatori Untuk Menguji Validitas Dan Reliabilitas

1. Ability
• Sebelum Revisi
Gambar
The following lines were read from file D:\bahan kuliah\Pasca\ANGKATAN 2\CAWU II\Structural Equation
Models\tgs_edmira_sem\RELIABILITAS_ABILITY.SPL:
OBSERVED VARIABLES X1-X4

COVARIANCE MATRIX FROM FILE ABILITY.COV
SAMPLE SIZE 152
LATENT VARIABLES 'ABILITY'
RELATIONSHIPS
X1-X4 = 'ABILITY'
PATH DIAGRAM
LISREL OUTPUT RS SC ND=2
END OF PROBLEM
Completely Standardized Solution
LAMBDA-X
ABILITY
--------
X1 0.51
X2 0.61
X3 0.70
X4 0.23
THETA-DELTA
X1 X2 X3 X4
-------- -------- -------- --------
0.74 0.63 0.52 0.95
• Setelah Revisi
41
Gambar
DATE: 1/ 1/2009
TIME: 13:52
L I S R E L 8.50
BY
Karl G. Jöreskog & Dag Sörbom
This program is published exclusively by

Scientific Software International, Inc.
7383 N. Lincoln Avenue, Suite 100
Lincolnwood, IL 60712, U.S.A.
Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
Copyright by Scientific Software International, Inc., 1981-2001
Use of this program is subject to the terms specified in the
Universal Copyright Convention.
Website: www.ssicentral.com
Models\tgs_edmira_sem\RELIABILITAS_ABILITY.SPL:

COVARIANCE MATRIX FROM FILE ABILITY.COV
SAMPLE SIZE 152
LATENT VARIABLES 'ABILITY'
RELATIONSHIPS
X1-X3 = 'ABILITY'
PATH DIAGRAM
END OF PROBLEM
LAMBDA-X
ABILITY
--------
X1 0.53
X2 0.68
X3 0.61
THETA-DELTA
X1 X2 X3
-------- -------- --------
0.71 0.54 0.63
42
2. Benevolence
Gambar
DATE: 1/ 1/2009
TIME: 14:05
L I S R E L 8.50
BY

Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
Models\tgs_edmira_sem\RELIABILITAS_BENEVOLENCE.SPL:

COVARIANCE MATRIX FROM FILE BENEVOLENCE.COV
SAMPLE SIZE 152
LATENT VARIABLES 'BENEVOLENCE'
RELATIONSHIPS
X5-X7 = 'BENEVOLENCE'
PATH DIAGRAM
END OF PROBLEM
LAMBDA-X
BENEVOLE
--------
X5 0.87
X6 0.90
X7 0.95
THETA-DELTA
X5 X6 X7
-------- -------- --------
0.24 0.19 0.09
43
3. Integrity
Gambar
DATE: 1/ 1/2009
TIME: 14:13
L I S R E L 8.50
BY

Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
Models\tgs_edmira_sem\RELIABILITAS_INTEGRITY.SPL:

COVARIANCE MATRIX FROM FILE INTEGRITY.COV
SAMPLE SIZE 152
LATENT VARIABLES 'INTEGRITY'
RELATIONSHIPS
X8-X10 = 'INTEGRITY'
PATH DIAGRAM
END OF PROBLEM
LAMBDA-X
INTEGRIT
--------
X8 0.59
X9 0.60
X10 0.71
THETA-DELTA
X8 X9 X10
-------- -------- --------
0.65 0.64 0.49
44
4. Trust
Gambar
DATE: 1/ 1/2009
TIME: 14:18
L I S R E L 8.50
BY

Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
Models\tgs_edmira_sem\RELIABILITAS_TRUST.SPL:
OBSERVED VARIABLES Y1-Y3

COVARIANCE MATRIX FROM FILE TRUST.COV
SAMPLE SIZE 152
LATENT VARIABLES TRUST
RELATIONSHIPS
Y1-Y3 = TRUST
PATH DIAGRAM
END OF PROBLEM
LAMBDA-X
TRUST
--------
Y1 0.78
Y2 0.83
Y3 0.52
THETA-DELTA
Y1 Y2 Y3
-------- -------- --------
0.39 0.31 0.73
45
5. Participation
Gambar
DATE: 1/ 1/2009
TIME: 14:25
L I S R E L 8.50
BY

Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
Models\tgs_edmira_sem\RELIABILITAS_PARTICIPATION.LS8:
OBSERVED VARIABLES Y4-Y6

COVARIANCE MATRIX FROM FILE PARTICIPATION.COV
SAMPLE SIZE 152
LATENT VARIABLES 'PARTICIPATION'
RELATIONSHIPS
Y4-Y6 = 'PARTICIPATION'
PATH DIAGRAM
END OF PROBLEM
LAMBDA-X
PARTICIP
--------
Y4 0.71
Y5 0.76
Y6 0.81
THETA-DELTA
Y4 Y5 Y6
-------- -------- --------
0.50 0.42 0.35
46
LAMPIRAN 4
Model Penuh
Gambar
Diagram jalur dan Standardized Solution
DATE: 1/ 1/2009
TIME: 13:05
L I S R E L 8.50
BY

Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140
Models\tgs_edmira_sem\SYNTAX_UTS.SPL:
OBSERVED VARIABLES X1-X10 Y1-Y6

COVARIANCE MATRIX FROM FILE INTERNET.COV
SAMPLE SIZE 152
LATENT VARIABLES TRUST 'PARTICIPATION' 'ABILITY' 'BENEVOLENCE' 'INTEGRITY'
RELATIONSHIPS
X1-X3 = 'ABILITY'
X5-X7 = 'BENEVOLENCE'
X8-X10 = 'INTEGRITY'
Y1-Y3 = TRUST
Y4-Y6 = 'PARTICIPATION'
'PARTICIPATION' = TRUST 'ABILITY' 'BENEVOLENCE' 'INTEGRITY'
TRUST = 'ABILITY' 'BENEVOLENCE' 'INTEGRITY'
SET THE COVARIANCES OF 'ABILITY'-'INTEGRITY' TO 0
PATH DIAGRAM
END OF PROBLEM
47
Covariance Matrix
Y1 Y2 Y3 Y4 Y5 Y6
-------- -------- -------- -------- -------- --------
Y1 0.46
Y2 0.27 0.39
Y3 0.16 0.16 0.33
Y4 0.16 0.17 0.19 0.38
Y5 0.15 0.15 0.11 0.18 0.30
Y6 0.14 0.15 0.12 0.19 0.18 0.29
X1 0.01 -0.03 0.02 -0.01 -0.03 -0.02
X2 -0.01 0.03 -0.03 0.01 0.03 0.04
X3 0.03 0.02 0.00 0.02 0.00 0.02
X5 0.10 0.16 0.08 0.11 0.09 0.13
X6 0.12 0.13 0.06 0.09 0.06 0.09
X7 0.13 0.12 0.07 0.10 0.08 0.09
X8 0.11 0.08 0.04 0.08 0.09 0.05
X9 0.18 0.14 0.11 0.12 0.14 0.16
X10 0.09 0.09 0.05 0.09 0.08 0.08
Covariance Matrix
X1 X2 X3 X5 X6 X7
-------- -------- -------- -------- -------- --------
X1 0.57
X2 0.19 0.48
X3 0.14 0.16 0.32
X5 0.05 -0.06 -0.02 0.89
X6 0.06 -0.03 -0.02 0.70 0.90
X7 0.10 -0.01 -0.01 0.70 0.72 0.79
X8 -0.04 0.00 -0.01 0.07 0.08 0.08
X9 -0.02 0.01 0.00 0.07 0.08 0.08
X10 0.01 0.02 0.01 0.09 0.09 0.10
Covariance Matrix
X8 X9 X10
-------- -------- --------
X8 0.41
X9 0.17 0.53
X10 0.13 0.15 0.24
Parameter Specifications
LAMBDA-Y
TRUST PARTICIP
-------- --------
Y1 0 0
Y2 1 0
Y3 2 0
Y4 0 0
Y5 0 3
Y6 0 4
LAMBDA-X

-------- -------- --------
X1 5 0 0
X2 6 0 0
X3 7 0 0
X5 0 8 0
X6 0 9 0
X7 0 10 0
X8 0 0 11
X9 0 0 12
X10 0 0 13
BETA
TRUST PARTICIP
-------- --------
TRUST 0 0
PARTICIP 14 0
48
GAMMA

-------- -------- --------
TRUST 15 16 17
PARTICIP 18 19 20
PSI
TRUST PARTICIP
-------- --------
21 22
THETA-EPS
Y1 Y2 Y3 Y4 Y5 Y6
-------- -------- -------- -------- -------- --------
23 24 25 26 27 28
THETA-DELTA
X1 X2 X3 X5 X6 X7
-------- -------- -------- -------- -------- --------
29 30 31 32 33 34
THETA-DELTA
X8 X9 X10
-------- -------- --------
35 36 37
Number of Iterations = 26
LISREL Estimates (Maximum Likelihood)
LAMBDA-Y
TRUST PARTICIP
-------- --------
Y1 0.51 --
Y2 0.50 --
(0.06)
8.32
Y3 0.32 --
(0.05)
6.19
Y4 -- 0.44
Y5 -- 0.41
(0.05)
8.05
Y6 -- 0.42
(0.05)
8.27
LAMBDA-X

-------- -------- --------
X1 0.40 -- --
(0.07)
5.29
X2 0.47 -- --
(0.08)
6.21
X3 0.35 -- --
(0.06)
49
5.81
X5 -- 0.82 --
(0.06)
13.43
X6 -- 0.85 --
(0.06)
14.11
X7 -- 0.85 --
(0.05)
15.44
X8 -- -- 0.35
(0.06)
6.03
X9 -- -- 0.50
(0.07)
7.63
X10 -- -- 0.32
(0.04)
7.30
BETA
TRUST PARTICIP
-------- --------
TRUST -- --
PARTICIP 0.56 --
(0.13)
4.40
GAMMA

-------- -------- --------
TRUST 0.03 0.20 0.52
(0.10) (0.09) (0.11)
0.33 2.33 4.77
PARTICIP 0.05 0.04 0.28

(0.09) (0.08) (0.12)
0.57 0.56 2.40
Covariance Matrix of ETA and KSI
TRUST PARTICIP ABILITY BENEVOLE INTEGRIT

-------- -------- -------- -------- --------
TRUST 1.00
PARTICIP 0.72 1.00
ABILITY 0.03 0.07 1.00
BENEVOLE 0.20 0.16 -- 1.00
INTEGRIT 0.52 0.57 -- -- 1.00
PHI

-------- -------- --------
1.00 1.00 1.00
PSI
TRUST PARTICIP
-------- --------
50
0.68 0.43
(0.16) (0.12)
4.31 3.73
Squared Multiple Correlations for Structural Equations
TRUST PARTICIP
-------- --------
0.32 0.57
Squared Multiple Correlations for Reduced Form
TRUST PARTICIP
-------- --------
0.32 0.36
Reduced Form
-------- -------- --------
TRUST 0.03 0.20 0.52
(0.10) (0.09) (0.11)
0.33 2.33 4.77
PARTICIP 0.07 0.16 0.57

(0.10) (0.08) (0.11)
0.70 1.84 5.17
THETA-EPS
Y1 Y2 Y3 Y4 Y5 Y6
-------- -------- -------- -------- -------- --------
0.19 0.13 0.23 0.18 0.12 0.11
(0.03) (0.03) (0.03) (0.03) (0.02) (0.02)
5.81 4.65 7.83 6.68 6.23 5.64
Squared Multiple Correlations for Y - Variables
Y1 Y2 Y3 Y4 Y5 Y6
-------- -------- -------- -------- -------- --------
0.58 0.67 0.31 0.52 0.57 0.62
THETA-DELTA
X1 X2 X3 X5 X6 X7
-------- -------- -------- -------- -------- --------
0.41 0.25 0.20 0.21 0.17 0.07
(0.06) (0.06) (0.04) (0.03) (0.03) (0.02)
6.71 4.06 5.39 6.74 5.88 3.33
THETA-DELTA
X8 X9 X10
-------- -------- --------
0.29 0.28 0.14
(0.04) (0.05) (0.02)
7.18 5.43 5.90
Squared Multiple Correlations for X - Variables
X1 X2 X3 X5 X6 X7
-------- -------- -------- -------- -------- --------
0.28 0.47 0.37 0.77 0.81 0.91
Squared Multiple Correlations for X - Variables
X8 X9 X10
-------- -------- --------
0.30 0.47 0.43
Goodness of Fit Statistics
Degrees of Freedom = 83
Minimum Fit Function Chi-Square = 91.80 (P = 0.24)
Normal Theory Weighted Least Squares Chi-Square = 85.04 (P = 0.42)
51
Estimated Non-centrality Parameter (NCP) = 2.04
90 Percent Confidence Interval for NCP = (0.0 ; 28.04)
Minimum Fit Function Value = 0.61

Population Discrepancy Function Value (F0) = 0.014
90 Percent Confidence Interval for F0 = (0.0 ; 0.19)
Root Mean Square Error of Approximation (RMSEA) = 0.013
90 Percent Confidence Interval for RMSEA = (0.0 ; 0.047)
P-Value for Test of Close Fit (RMSEA < 0.05) = 0.97
Expected Cross-Validation Index (ECVI) = 1.05

90 Percent Confidence Interval for ECVI = (1.04 ; 1.23)
ECVI for Saturated Model = 1.59
ECVI for Independence Model = 6.67
Chi-Square for Independence Model with 105 Degrees of Freedom = 977.67

Independence AIC = 1007.67
Model AIC = 159.04
Saturated AIC = 240.00
Independence CAIC = 1068.02
Model CAIC = 307.93
Saturated CAIC = 722.87
Normed Fit Index (NFI) = 0.91

Non-Normed Fit Index (NNFI) = 0.99
Parsimony Normed Fit Index (PNFI) = 0.72
Comparative Fit Index (CFI) = 0.99
Incremental Fit Index (IFI) = 0.99
Relative Fit Index (RFI) = 0.88
Critical N (CN) = 191.61
Root Mean Square Residual (RMR) = 0.034

Standardized RMR = 0.068
Goodness of Fit Index (GFI) = 0.93
Adjusted Goodness of Fit Index (AGFI) = 0.90
Parsimony Goodness of Fit Index (PGFI) = 0.64
Fitted Covariance Matrix
Y1 Y2 Y3 Y4 Y5 Y6
-------- -------- -------- -------- -------- --------
Y1 0.45
Y2 0.26 0.38
Y3 0.16 0.16 0.33
Y4 0.16 0.16 0.10 0.37
Y5 0.15 0.15 0.09 0.18 0.29
Y6 0.15 0.15 0.10 0.19 0.17 0.29
X1 0.01 0.01 0.00 0.01 0.01 0.01
X2 0.01 0.01 0.01 0.01 0.01 0.01
X3 0.01 0.01 0.00 0.01 0.01 0.01
X5 0.09 0.08 0.05 0.06 0.05 0.05
X6 0.09 0.09 0.06 0.06 0.05 0.06
X7 0.09 0.09 0.05 0.06 0.05 0.06
X8 0.09 0.09 0.06 0.09 0.08 0.08
X9 0.13 0.13 0.08 0.13 0.12 0.12
X10 0.09 0.09 0.05 0.08 0.08 0.08
X1 X2 X3 X5 X6 X7
-------- -------- -------- -------- -------- --------
X1 0.57
X2 0.19 0.48
X3 0.14 0.16 0.32
X5 -- -- -- 0.89
X6 -- -- -- 0.70 0.90
X7 -- -- -- 0.70 0.72 0.79
X8 -- -- -- -- -- --
X9 -- -- -- -- -- --
X10 -- -- -- -- -- --
52
X8 X9 X10
-------- -------- --------
X8 0.41
X9 0.17 0.53
X10 0.11 0.16 0.24
Fitted Residuals
Y1 Y2 Y3 Y4 Y5 Y6
-------- -------- -------- -------- -------- --------
Y1 0.01
Y2 0.02 0.01
Y3 0.00 0.00 0.00
Y4 0.00 0.01 0.08 0.01
Y5 0.00 0.00 0.01 0.00 0.01
Y6 -0.01 0.00 0.03 0.00 0.01 0.01
X1 0.00 -0.03 0.02 -0.02 -0.04 -0.03
X2 -0.02 0.02 -0.04 0.00 0.02 0.02
X3 0.03 0.01 0.00 0.01 -0.01 0.01
X5 0.01 0.07 0.03 0.05 0.03 0.07
X6 0.03 0.04 0.00 0.04 0.00 0.03
X7 0.05 0.04 0.02 0.05 0.02 0.04
X8 0.02 -0.01 -0.02 -0.01 0.01 -0.03
X9 0.04 0.01 0.02 0.00 0.02 0.04
X10 0.01 0.01 -0.01 0.01 0.00 0.00
Fitted Residuals
X1 X2 X3 X5 X6 X7
-------- -------- -------- -------- -------- --------
X1 0.00
X2 0.00 0.00
X3 0.00 0.00 0.00
X5 0.05 -0.06 -0.02 0.00
X6 0.06 -0.03 -0.02 0.00 0.00
X7 0.10 -0.01 -0.01 0.00 0.00 0.00
X8 -0.04 0.00 -0.01 0.07 0.08 0.08
X9 -0.02 0.01 0.00 0.07 0.08 0.08
X10 0.01 0.02 0.01 0.09 0.09 0.10
Fitted Residuals
X8 X9 X10
-------- -------- --------
X8 0.00
X9 -0.01 0.00
X10 0.02 -0.01 0.00
Summary Statistics for Fitted Residuals
Smallest Fitted Residual = -0.06

Median Fitted Residual = 0.01
Largest Fitted Residual = 0.10
Stemleaf Plot
- 6|5
- 5|
- 4|0
- 3|9532
- 2|974221
- 1|9644211
- 0|99987433222111000000000000
0|1112223344555556667789999
1|0013344566778
2|003445558
3|02445568
4|1366
5|25
6|46
7|122799
8|358
9|29
10|5
Standardized Residuals
53
Y1 Y2 Y3 Y4 Y5 Y6
-------- -------- -------- -------- -------- --------
Y1 2.54
Y2 3.30 2.54
Y3 -0.26 -0.45 2.54
Y4 -0.10 0.95 4.40 2.44
Y5 -0.07 0.26 0.81 0.10 2.44
Y6 -0.93 -0.02 1.61 0.74 1.86 2.44
X1 0.10 -1.04 0.61 -0.73 -1.35 -0.96
X2 -0.68 0.71 -1.41 -0.04 0.77 1.04
X3 1.10 0.66 0.02 0.31 -0.36 0.72
X5 0.28 2.41 0.82 1.57 1.13 2.52
X6 0.93 1.50 0.13 1.04 0.06 1.22
X7 1.51 1.45 0.49 1.50 0.97 1.50
X8 0.62 -0.63 -0.66 -0.47 0.33 -1.70
X9 1.76 0.69 0.96 -0.10 1.32 2.24
X10 0.48 0.49 -0.45 0.55 0.23 0.18
X1 X2 X3 X5 X6 X7
-------- -------- -------- -------- -------- --------
X1 --
X2 0.42 --
X3 0.94 -1.64 --
X5 0.91 -1.22 -0.47 --
X6 1.10 -0.54 -0.51 -0.42 --
X7 1.93 -0.29 -0.27 -0.53 1.12 --
X8 -0.90 -0.07 -0.29 1.34 1.55 1.69
X9 -0.49 0.26 0.14 1.30 1.49 1.49
X10 0.32 0.85 0.28 2.42 2.30 2.77
X8 X9 X10
-------- -------- --------
X8 --
X9 -0.72 --
X10 2.05 -1.39 --
Summary Statistics for Standardized Residuals
Smallest Standardized Residual = -1.70

Median Standardized Residual = 0.45
Largest Standardized Residual = 4.40
Stemleaf Plot
- 1|76
- 1|444200
- 0|99777765555555
- 0|44433331111000000000000
0|111112233333334
0|5556667777788889999
1|000011112333
1|55555556667899
2|02344444
2|55558
3|3
3|
4|4
Largest Positive Standardized Residuals
Residual for Y2 and Y1 3.30
Residual for Y4 and Y3 4.40
Residual for X10 and X7 2.77
Qplot of Standardized Residuals

3.5..........................................................................
54
. ..
. ..
. . .
. . .
. . .
. . .
. . x
. . .
. . x.
. . x .
. . x .
. . x .
. . x* .
. . x .
N . . xxx .
o . . xxxxx .
r . . *x .
m . . xx .
a . . xx* .
l . . *xx .
. . *x .
Q . . x* .
u . . x*x .
a . . x* .
n . . xx .
t . . x*x .
i . . x*x .
l . . x .
e . . x* .
s . . *x .
. . *x .
. . x* .
. . x .
. . x .
. . x .
. . x .
. . .
. . x .
. . .
. . .
. . .
. . .
.. .
-3.5..........................................................................
-3.5 3.5
Standardized Solution
LAMBDA-Y
TRUST PARTICIP
-------- --------
Y1 0.51 --
Y2 0.50 --
Y3 0.32 --
Y4 -- 0.44
Y5 -- 0.41
Y6 -- 0.42
LAMBDA-X

-------- -------- --------
X1 0.40 -- --
X2 0.47 -- --
X3 0.35 -- --
X5 -- 0.82 --
X6 -- 0.85 --
X7 -- 0.85 --
X8 -- -- 0.35
X9 -- -- 0.50
X10 -- -- 0.32
BETA
TRUST PARTICIP
-------- --------
TRUST -- --
PARTICIP 0.56 --
GAMMA
55
-------- -------- --------
TRUST 0.03 0.20 0.52
PARTICIP 0.05 0.04 0.28
Correlation Matrix of ETA and KSI

-------- -------- -------- -------- --------
TRUST 1.00
PARTICIP 0.72 1.00
ABILITY 0.03 0.07 1.00
BENEVOLE 0.20 0.16 -- 1.00
INTEGRIT 0.52 0.57 -- -- 1.00
PSI
TRUST PARTICIP
-------- --------
0.68 0.43
Regression Matrix ETA on KSI (Standardized)

-------- -------- --------
TRUST 0.03 0.20 0.52
PARTICIP 0.07 0.16 0.57
LAMBDA-Y
TRUST PARTICIP
-------- --------
Y1 0.76 --
Y2 0.82 --
Y3 0.55 --
Y4 -- 0.72
Y5 -- 0.75
Y6 -- 0.79
LAMBDA-X

-------- -------- --------
X1 0.53 -- --
X2 0.69 -- --
X3 0.61 -- --
X5 -- 0.88 --
X6 -- 0.90 --
X7 -- 0.95 --
X8 -- -- 0.55
X9 -- -- 0.69
X10 -- -- 0.66
BETA
TRUST PARTICIP
-------- --------
TRUST -- --
PARTICIP 0.56 --
GAMMA

-------- -------- --------
TRUST 0.03 0.20 0.52
PARTICIP 0.05 0.04 0.28
Correlation Matrix of ETA and KSI
56
-------- -------- -------- -------- --------
TRUST 1.00
PARTICIP 0.72 1.00
ABILITY 0.03 0.07 1.00
BENEVOLE 0.20 0.16 -- 1.00
INTEGRIT 0.52 0.57 -- -- 1.00
PSI
TRUST PARTICIP
-------- --------
0.68 0.43
THETA-EPS
Y1 Y2 Y3 Y4 Y5 Y6
-------- -------- -------- -------- -------- --------
0.42 0.33 0.69 0.48 0.43 0.38
THETA-DELTA
X1 X2 X3 X5 X6 X7
-------- -------- -------- -------- -------- --------
0.72 0.53 0.63 0.23 0.19 0.09
THETA-DELTA
X8 X9 X10
-------- -------- --------
0.70 0.53 0.57
Regression Matrix ETA on KSI (Standardized)

-------- -------- --------
TRUST 0.03 0.20 0.52
PARTICIP 0.07 0.16 0.57
Time used: 0.063 Seconds
57

Tugas UTS LISREL

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Tugas UTS LISREL

Diunggah oleh

Hak Cipta:

Format Tersedia

1.

3. Walczuch et al. (2001) melakukan studi mengenai faktor-faktor psikologis yang

4. Ridings et al. (2002) meneliti mengenai penyebab dan pengaruh

5. Gefen (2002) melakukan penelitian mengenai kaitan antara trust dengan

6. Mukherjee dan Nath (2003) meneliti mengenai model kepercayaan (trust)

8. Kim et al. (2003a) meneliti mengenai faktor-faktor kepercayaan pelanggan

9. Ratnasingham dan Kumar (2004) meneliti mengenai kepercayaan mitra

Hasil yang diperoleh adalah kepercayaan mitra dagang meningkatkan partisipasi

• Variabel Eksogen Ability.

• Variabel Eksogen Benevolence

• Variabel Eksogen Integrity .

• Variabel Endogen Trust

• Variabel Endogen Participation

4. Populasi dan Sampel

Melalui perhitungan Power Analysis pada software STATISTICA 7.0, diperoleh

RMSEA = Root Mean Square Error of Approximation.

Tabel 4.1 Output Perhitungan Sampel STATISTICA 7.0

5. Penyusunan Kuisioner Penelitian

Dalam penelitian ini data diasumsikan sebagai data interval.

Cara pengujiannya dengan melihat standardized loading parameter (  j ) yang

menghubungkan indikator dengan konstruknya. Apakah masing-masing sudah

semakin mengenai sasaran. Dimana:  s   

6.1. Analisis Validitas Konstruk Model Ability

dan signifikan untuk konstruk Ability.

6.2. Analisis Validitas Konstruk Model Benevolence

dan signifikan untuk konstruk Benevolence.

6.3. Analisis Validitas Konstruk Model Integrity

dan signifikan untuk konstruk Integrity.

Dimana, i = std. loading

Model di atas dapat dikonversikan ke dalam persamaan, yakni sebagai berikut :

atau dalam bentuk matriks :

atau dalam bentuk matriks :

ABILITY BENEVOLE INTEGRIT

ABILITY BENEVOLE INTEGRIT

9. Teknik Estimasi Model

Di 2    i   ' S 1   i  

a. Uji Multinormal Untuk Konstruk Ability

b. Uji Multinormal Untuk Konstruk Benevolence

d. Uji Multinormal Untuk Konstruk Trust

e. Uji Multinormal Untuk Konstruk Participation

10. Uji Pengepasan Model

Langkah-langkah pengujian Chi-square χ 2 : ( )

• Incremental Fit Measures (relatif lebih baik terhadap model-model

Non-Normed Fit Index (NNFI)/ Nilai > 0.9 menunjukkan good

• Adjusted Goodness of Fit Index (AGFI) = 0.90

Nilai AGFI ≥ 0.9, menunjukkan modelnya cukup fit

Nilai NFI > 0.9, menunjukkan modelnya fit

Nilai TLI > 0.9, menunjukkan modelnya fit

• Parsimonious Fit Measures (relatif lebih sederhana terhadap model-

• H01 : Kemampuan (ability) vendor tidak mempunyai pengaruh terhadap

12. Analisis Direct Effect, Indirect Effect, dan Total Effect

Berdasarkan hasil pengukuran tersebut diketahui bahwa variabel yang

Analisis Faktor Konfirmatori Untuk Menguji Validitas Dan Reliabilitas

OBSERVED VARIABLES X1-X4

Karl G. Jöreskog & Dag Sörbom

This program is published exclusively by

OBSERVED VARIABLES X1-X4

Completely Standardized Solution

Karl G. Jöreskog & Dag Sörbom

This program is published exclusively by

OBSERVED VARIABLES X5-X7

Completely Standardized Solution

Karl G. Jöreskog & Dag Sörbom