25 Juli Bab 4
25 Juli Bab 4
Dalam bab ini, akan dibahas mengenai perusahaan, gambaran umum subjek
penelitian seperti profil responden, penjelasan hasil pre-test berisi hasil uji validitas
antara pihak yang ingin menyewa sebuah tempat untuk akomodasi dengan pihak
yang ingin menyewakan tempat tinggalnya baik berupa rumah, apartemen, maupun
kamar pribadi. Terbentuk di tahun 2008 tepatnya di San Francisco, California, saat
ini sudah ada 200 juta lebih traveler yang menggunakan lebih dari satu juta tempat
di 65 ribu kota dan 191 negara (Airbnb, 2008). Airbnb dapat menghubungkan
orang-orang untuk merasakan pengalaman yang unik dan berbeda dalam berwisata.
Pengguna situs Airbnb juga dapat memilih ingin menyewa tempatnya untuk berapa
lama mulai dari per malam, per minggu, bahkan per bulan dengan harga yang
Joe Gebbia pada tahun 2008. Diawali oleh Chesky yang memang mempunyai hobi
dan minat dalam desain akhirnya memutuskan untuk masuk ke dalam Rhode Island
School of Design. Setelah lulus kuliah, dia bersama teman sekamarnya yaitu Joe
San Francisco. Tetapi ketika mereka ingin mengikuti pertemuan tersebut, semua
hotel di San Francisco sudah penuh. Tidak ada hotel low budget yang kosong.
Akhirnya mereka berpikir untuk membuat bisnis dari pengalaman itu. Awalnya
website. Dan dari situlah nama Airbnb (Air Bed and Breakfast) muncul hingga
2015). Berikut merupakan logo dari Airbnb dapat dilihat pada Gambar 4.1
dimana Airbnb menawarkan berbagai pilihan tempat untuk akomodasi dari para
host yang sudah bergabung dengan Airbnb dengan menarik pelanggan dari saluran
online ke toko fisik. Konsep Airbnb sendiri dikenal sebagai konsep sharing
(shared resource) di mana konsep ini memberikan kesempatan atau peluang kepada
kepercayaan antar user dan memungkinkan adanya koneksi diantara user yang
terlibat. Konsepnya berubah dari konsep “Ini milik saya,” menjadi “Apa yang
menjadi milik saya adalah milik anda juga”. Sedangkan tipe dari collaborative
consumption yang dipakai oleh Airbnb menurut Bostman dan Rogers (2010) adalah
tipe collaborative lifestyle dimana kolaboratif ini muncul dari kebutuhan atau
kegemaran masing-masing individu yang sama untuk bergabung dan saling berbagi
ruang luang dengan mereka yang mencari tempat tinggal. Tamu dapat membangun
hubungan nyata dengan host mereka, mendapatkan akses ke ruang yang berbeda,
dan membenamkan diri mereka dalam budaya tujuan mereka. Apakah itu
menampilkan ruang Anda kepada jutaan penonton, dan untuk menemukan tempat
tempat/ruang untuk tinggal dengan orang-orang yang memiliki ruang lebih untuk
menjadi tuan rumah, membuat koneksi nyata / persahabatan antara orang yang
suasana lokal, rahasia lokal dan pengetahuan lokal. Menghasilkan uang untuk host
a. Pendaftaran
melalui facebook, gmail, atau email lain maka secara otomatis sudah langsung
yang tersedia. Contohnya adalah kisaran harga sehingga tamu dapat membatasi
jumlah listing dengan harga sesuai keinginan.contoh anggaran per malam 1 juta,
gerakkan kursor kisaran harga sampai 1,5 juta. Selain itu tamu bisa memilih tipe
kamar: apakah seluruh apartemen, kamar pribadi (seperti kamar kos) atau kamar
bersama.
2019)
Wishlist ini sangat berguna untuk membandingkan satu properti dengan lainnya.
Gambar 4.6 Tampilan wishlist Airbnb.com Sumber: (Airbnb, 2019)
Setelah Tamu yakin dan bersedia membayar sesuai yang tertera, kita tinggal
pembayaran. Pembayaran bisa dilakukan dengan kartu kredit, kartu debit atau
paypal.
Gambar 4.7 Tampilan payment Airbnb.com Sumber: (Airbnb, 2019)
Jumlah tersebut sudah sesuai dengan kaidah statistika yang menentukan jumlah
alat pengukur yang digunakan dapat diandalkan dan tetap konsisten jika
pengukuran tersebut diulang (Priyatno, 2009). Uji reliabilitas yang akan digunakan
dalam penelitian ini menggunakan metode Cronbach’s Alpha. Metode ini sangat
cocok digunakan pada skor berbentuk skala seperti Skala Likert 1-6 yang digunakan
pada penelitian ini. Reliabilitas kurang dari 0,6 adalah kurang baik, sedangkan 0,7
dapat diterima dan lebih dari 0,8 adalah baik. Jika nilai-nilai Cronbach’s Alpha
<0,6, maka instrumen penelitian tidak reliabel. Tabel 4.1 menampilkan hasil uji
reliabilitas yang diolah menggunakan software SPSS versi 24. Pada tabel 4.1
dirinci jumlah butir pertanyaan yang sebelum dan setelah dilakukan proses uji
reliabilitas atas dasar nilai Cronbach’s Alpha. Butir pertanyaan yang tidak
memenuhi syarat Cronbach’s Alpha tidak akan diikusertakan lagi pada kuesioner
data empiris.
Tabel 4.1 Hasil Cronbach’s Alpha (pre-test, n=38)
Kemudahan
5 butir 5 butir
Penggunaan 0,849
(KM_1 – KM_5) (KM_1 – KM_5)
(Ease of Use)
5 butir 5 butir
Sikap terhadap SST 0,910
(SK_1 – SK_5) (SK_1 – SK_5)
Sumber: Lampiran
Setelah melalui proses uji, semua variabel yang diujikan dalam pre-test,
Kebutuhan Berinteraksi (Need for Interaction), Resiko (Risk), dan Sikap terhadap
Self Service Technology, memiliki nilai Cronbach’s Alpha (CA) > 0,7 , sehingga
kuesioner. Uji ini penting untuk dilakukan karena diperlukan untuk mengetahui
apakah indikator-indikator dalam suatu variabel penelitian dapat dijadikan alat ukur
CORRECTED
KOD
VARIABEL INDIKATOR ITEM TOTAL KET
E
CORRELATION
Mudah mempelajari secara
KM_1 keseluruhan dalam penggunaan 0,763 VALID
Online Travel Agent Airbnb.
Mudah dalam melakukan pemilihan
KM_2 0,705 VALID
kamar
Mudah dalam melakukan
Kemudahan KM_3 0,686 VALID
pembayaran
(Ease of
Use) Mudah dalam melakukan
KM_4 penjadwalan ulang dan pembatalan 0,638 VALID
pesanan
Tampilan aplikasi Airbnb user
friendly sehingga memudahkan
KM_5 0,539 VALID
dalam melakukan pemesanan
kamar sampai dengan pembayaran
Bermanfaat untuk menyelesaikan
KG_1 0,534 VALID
urusan dalam pemesanan kamar
Kegunaan
Lebih cepat dalam menyelesaikan
(Usefulness KG_2 0,669 VALID
pemesanan kamar
)
Memudahkan dalam proses
KG_3 0,695 VALID
penyelesaian pemesanan kamar
Lebih senang melakukan reservasi
KB_1 online tanpa berinteraksi dengan 0,791 VALID
staff reservasi hotel / apartemen
Perhatian secara personal dari staf
KB_2 Resepsionis dan Reservasi Hotel / 0,848 VALID
Apartemen adalah tidak penting
Kebutuhan
Berinteraksi Menurut saya fitur fitur yang ada di
(Need for dalam airbnb dapat menggantikan
KB_3 0,773 VALID
Interaction) peran staff yang ada di sebuah
hotel / apartemen
Lebih suka melakukan pembayaran
via transfer / kartu kredit melalui
KB_4 internet dibanding melakukan 0,676 VALID
pembayaran melalui counter hotel /
apartemen
Sikap terhadap Self Service Technology, dinyatakan valid apabila setiap butir
pertanyaan memiliki koefisien korelasi (r) dari butir tersebut dengan total skor dari
butir-butir lainnya memiliki nilai lebih dari 0,3 (Sudarmanto, 2002). Korelasi antara
suatu butir dengan total skor selain butir yang bersangkutan ini disebut juga sebagai
Online Travel Agent Airbnb SKP Homestay. Sampel diambil secara acak dan
ditargetkan lebih dari jumlah minimum responden yang ditentukan dari lima kali
ini dijelaskan secara singkat mengenai profil responden berdasarkan jenis kelamin,
usia, pekerjaan, latar belakang pendidikan, pendapatan per bulan, pengeluaran per
bulan, pernah atau tidak melihat iklan Online Travel Agent Airbnb sebelumnya dan
jika pernah, lewat media apa para pelanggan tersebut melihat dan mengetahui
Online Travel Agent Airbnb. Penyebaran kuesioner dilakukan selama 2 minggu dan
dari 192 data yang diterima, dan semuanya sesuai dengan responden yang ingin
diteliti dalam penelitian ini, yaitu penelitian untuk pelanggan Online Travel Agent
Profil responden yang diuraikan pada tabel 4.3 memberi informasi yang
lebih mendalam tentang responden penelitian ini. Responden paling banyak adalah
berjenis kelamin pria sebanyak 153 orang (79,7%), sedangkan responden dengan
Agent untuk memesan kamar dalam satu tahun, sebanyak 3-5 kali (50%), dan
semua responden pernah menggunakan Online Travel Agent Airbnb untuk
melalui iklan di Social Media yaitu sebanyak 112 orang (58,3 %) dan aplikasi
Online Travel Agent yang mayoritas responden sering gunakan selain Airbnb
jumlah sampel. Jumlah sampel yang dianjurkan adalah lima kali jumlah indikator
sampel 192 orang, dimana jumlah minimal sampel adalah 5 dikali total jumlah
indikator dengan jumlah minimal sampel adalah 105 orang, maka jumlah sampel
minimal sudah terpenuhi. Hanya kuesioner yang terisi lengkap dan benar saja yang
dilanjutkan untuk diolah. Data responden tersebut diolah dengan alat bantu software
Uji asumsi SEM mencakup uji normalitas dan uji multikolinearitas. Uji
normal atau tidak dan uji multikolinearitas berguna untuk memastikan apakah
A. Uji Normalitas
Dalam upaya untuk mengetahui distribusi data pada suatu variabel matrik
tunggal yang menghasilkan distribusi normal, dilakukan uji normalitas (Hair et
al.,2010; Ghozali & Fuad, 2008). Apabila asumsi normalitas tidak dipenuhi dan
terdapat penyimpangan normalitas besar, maka seluruh hasil uji statistik adalah
tidak valid karena perhitungan t dan lain sebagainya, dihitung dengan asumsi data
normal. Data yang memiliki normalitas yang baik adalah data yang nilai Z
skewnessnya tidak lebih dari 2 dan nilai Z kurtosisnya tidak lebih dari 7
KURTOSI
KODE INDIKATOR SKEWNESS P-VALUE
S
Kemudahan (Ease of Use)
Mudah mempelajari secara keseluruhan
KM_1 dalam penggunaan Online Travel Agent 0.054 -1.432 0.358
Airbnb.
untuk skewness dan kurtosis seluruhnya > 0.05 serta nilai Z skewnessnya tidak lebih
dari 2 dan nilai Z kurtosisnya tidak lebih dari 7. Dengan demikian asumsi normalitas
B. Uji Multikolinieritas
Salah satu uji asumsi klasik yang perlu dilakukan adalah uji
adanya korelasi sempurna atau besar di antara variabel independen. Nilai korelasi
antara variabel independen yang tidak diperbolehkan adalah sebesar 0.9 atau lebih.
Korelasi diantara variabel independen < 0.9 dengan demikian tidak terdapat
Independent Variable) < 0,9. Oleh karena itu data empiris yang digunakan
untuk mengetahui apakah setiap indikator memiliki konsistensi yang tinggi dalam
KODE λ θ (∑ λ)2 ∑θ P
Kemudahan (Ease of Use)
KM_1 0.83 0.32
15.920 1.790 0.899
KM_2 0.81 0.34
KM_3 0.88 0.23
KM_4 0.81 0.34
KM_5 0.66 0.56
Kegunaan (Usefulness)
KG_1 0.82 0.33
KG_2 0.93 0.14 6.656 0.780 0.895
KG_3 0.83 0.31
Kebutuhan Berinteraksi (Need for Interaction)
KB_1 0.85 0.29
KB_2 0.81 0.35
10.433 1.390 0.882
KB_3 0.82 0.32
KB_4 0.75 0.43
Resiko (Risk)
RS_1 0.74 0.45
RS_2 0.81 0.34
9.425 1.620 0.853
RS_3 0.82 0.32
RS_4 0.70 0.51
Sikap terhadap SST
SK_1 0.78 0.39
SK_2 0.87 0.25
SK_3 0.63 0.60 15.840 1.800 0.898
SK_4 0.87 0.25
SK_5 0.83 0.31
Sumber: Hasil Penelitian
memiliki tingkat reliabilitas yang baik karena memiliki nilai ≥ 0.60. Reliabilitas
gabungan tertinggi adalah pada variabel Kemudahan (KM) yaitu sebesar 0.898.
dilakukan pengamatan terhadap hasil. Hasil analisis CFA dapat digunakan untuk
melihat validitas model pengukuran, uji kecocokan keseluruhan model dan analisis
ketika menguji validitas harus lebih besar dari 0,5, sedangkan untuk mengukur
Sumber: Lampiran
Setelah menguji validitas setiap indikator, dapat diamati pula fit atau
dikategorikan fit jika memenuhi paling sedikit satu kriteria dari masing-masing
measure). Berdasarkan empat kriteria yang digunakan (RMSEA, ECVI, PGFI, dan
AGFI)
Gambar 4.18 Bagan Model Struktural berdasarkan nilai Standardized
Solution
Gambar 4.19 Bagan Model Struktural berdasarkan nilai t value
Tabel 4.7 Ringkasan Hasil Analisis Factor Loading (n=192)
Faktor
KODE RMSEA ECVI PGFI AGFI Kesimpulan
Loading
Kegunaan (Usefulness)
KG_1 0.82
KG_2 0.93 0.000 0.08<0.1 0.20 0.98 Fit
KG_3 0.83
Resiko (Risk)
RS_1 0.74
RS_2 0.81
0.007 0.15<0.16 0.20 0.95 Fit
RS_3 0.82
RS_4 0.70
benar dan fit dengan data yang ada. Hasil pengolahan data dengan LISREL 8.8
memberikan informasi yang dibutuhkan untuk menentukan fit atau tidaknya suatu
model.
Tabel 4.8 Indeks Kesesuaian Model Struktural Equation Model (Good of Fit)
Fit
Hasil
Measur Good Fit Acceptable Fit Kesimpulan
Penelitian
e
0.05 ≤ RMSEA ≤
RMSEA 0 ≤ RMSEA ≤ 0.05 0.002 Good Fit
0.08
0.05 ≤ SRMR ≤
SRMR 0 ≤ SRMR ≤ 0.05 0.08 Acceptable Fit
0.10
0.90 ≤ NFI ≤
NFI 0.95 ≤ NFI ≤ 1.00a 0.93 Acceptable Fit
0.95
0.95 ≤ CFI ≤
CFI 0.97 ≤ CFI ≤ 1.00 0.98 Good Fit
0.97
0.90 ≤ GFI ≤
GFI 0.95 ≤ GFI ≤ 1.00 0.92 Acceptable Fit
0.95
0.90 ≤ GFI ≤ 1.00 0.85≤ GFI ≤ 0.90
AGFI 0.90 Good Fit
Close to GFI Close to GFI
196.96<411.1
AIC Smaller than AIC for comparison model Good Fit
7
254.02<428.2
CAIC Smaller than CAIC for comparison model Good Fit
0
ECVI Smaller than ECVI for comparison model 2.62<4.16 Good Fit
Model SEM diterima, karena indeks kesesuaian memenuhi syarat dari kriteria GOF
(Goodness of Fit).
Tabel 4.9 Analisis Hasil Uji Struktural
Hipotesi Stand.
Equation t-value t-tabel Keterangan Keterangan
s Estimate
Kemudahan
berpengaruh
Hipotesis positif dan
H1 KM 🡪SK 0.13 2.5 1.97
diterima signifikan
terhadap Sikap
terhadap SST
Hipotesis Kegunaan
mempengaruhi
H2 KG 🡪SK 0.22 2.4 1.97 diterima Sikap terhadap
SST
Kebutuhan
berinteraksi
Hipotesis berpengaruh
H3 KB 🡪SK -0.35 3.3 1.97 diterima positif dan
signifikan
terhadap Sikap
terhadap SST
Resiko
Hipotesis berpengaruh
negatif dan
H4 RS 🡪 SK -0.23 3.7 1.97 diterima signifikan
terhadap Sikap
terhadap SST
Kemudahan
berpengaruh
positif dan
signifikan
Hipotesis terhadap
H5 KM 🡪SK 🡪 KP 0.14 2.1 1.97 diterima Keputusan
menggunakan
OTA Airbnb
dengan Sikap
terhadap SST
sebagai mediasi
Kegunaan
berpengaruh
positif dan
signifikan
Hipotesis terhadap
H5 KG 🡪SK 🡪 KP 0.15 2.4 1.97 diterima Keputusan
menggunakan
OTA Airbnb
dengan Sikap
terhadap SST
sebagai mediasi
Hipotesis Kebutuhan
H5 KB 🡪SK 🡪 KP -0.17 3.2 1.97 diterima berinteraksi
berpengaruh
negatif dan
signifikan
terhadap
Keputusan
menggunakan
OTA Airbnb
dengan Sikap
terhadap SST
sebagai mediasi
Resiko
berpengaruh
negatif dan
signifikan
Hipotesis terhadap
RS 🡪 SK 🡪
H5 -0.22 3.3 1.97 diterima Keputusan
KP
menggunakan
OTA Airbnb
dengan Sikap
terhadap SST
sebagai mediasi
4.5 Pembahasan
Dari hasil pengolahan data yang ada, diperoleh hasil untuk hipotesis yang
terhadap Sikap terhadap SST. Hal ini ditunjukkan dengan koefisien pengaruh
sebesar 0.13 dan t-value (2.5) > t tabel (1.97). Maka dari itu hipotesis pertama (H1)
diterima.
dan signifikan terhadap Sikap terhadap SST (SK) dengan koefisien pengaruh
sebesar 0.22 dan t-value (2.41) > t tabel (1.97). Dengan demikian hipotesis kedua
(H2) diterima.
berpengaruh negatif dan signifikan terhadap Sikap terhadap SST (SK) dengan
koefisien pengaruh sebesar -0.35 dan t-value (2.43) > t tabel (1.97). Maka dari itu
daan signifikan terhadap Sikap terhadap SST (SK) dengan koefisien pengaruh s
ebesar -0.23 dan t-value (2.27) > t tabel (1.97). Dengan demikian hipotesis keempat
(H4) diterima.
Menggunakan Online Travel Agent , dimana hal itu ditunjukkan dengan nilai t-
value lebih besar daripada t-tabel, yaitu 3.3 > 1.97. dan estimasi -0.22.
(R² = 0.40). Adapun Sikap terhadap (SST) berpengaruh positif dan signifikan
pengaruh sebesar 0.69 dan t-value (2.1) > t tabel (1.97), dengan kontribusinya
untuk menggunakan Online Travel Agent dengan sebelumnya dimediasi oleh Sikap
Terhadap SST.
AirBnb. Melalui penelitian ini, Online Travel Agent Airbnb perlu mempertahankan
aplikasi harus selalu dilakukan peningkatan dan maintenance agar lebih user
terhadap sikap terhadap SST. Penggunaan aplikasi online Airbnb sangat bermanfaat
dalam hal urusan menyelesaikan pemesanan kamar yang terasa lebih cepat.
Semakin besar kegunaan atau manfaat dari aplikasi Airbnb, maka semakin besar
pula sikap pengguna terhadap SST. Oleh karena itu, Airbnb perlu lebih memberikan
negatif terhadap sikap terhadap SST. Penggunaan aplikasi online Airbnb, membuat
pengguna merasa tidak nyaman karena tidak bisa berinteraksi dengan staff hotel.
Mereka menginginkan perhatian secara personal dari staff hotel dan merasa bahwa
fitur di aplikasi Online Travel Agent Airbnb tidak mampu menggantikan itu.
atau apartemen agar pengguna langsung dapat berinteraksi dengan staff hotel atau
pengguna merasa tidak nyaman terhadap resiko yang akan dihadapi, salah satuya
Oleh karena itu, Airbnb perlu untuk selalu memperbaiki tingkat keamanan
dari aplikasinya dan selalu memberikan informasi kepada para pelanggan bahwa
aplikasi aman dan hampir tidak ada resiko yang dihadapi. Selain itu, Airbnb perlu
Dari hasil penelitian, yang dapat mempengaruhi Sikap Terhadap SST dan
staf hotel atau apartemen, maka akan menurunkan pengguna aplikasi karena sikap
Oleh karena itu, Airbnb perlu menambahkan fitur di aplikasinya yang dapat
maka akan menurunkan pengguna aplikasi karena sikap pelanggan Airbnb terhadap
Self Service Technology semakin bertambah negatif. Oleh karena itu, Airbnb perlu