BAB 4

ANALISIS DATA DAN PEMBAHASAN

Dalam bab ini, akan dibahas mengenai perusahaan, gambaran umum subjek

penelitian seperti profil responden, penjelasan hasil pre-test berisi hasil uji validitas

dan reabilitas. Pre-test dilakukan dengan menggunakan software SPSS sedangkan

analisis data menggunakan metode SEM yang diolah menggunakan software

LISREL versi 8.7

4.1 Gambaran Umum Objek Penelitian Online Travel Agent Airbnb

Airbnb merupakan komunitas online marketplace yang menghubungkan

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

ditawarkan bermacam-macam. Airbnb mulanya didirikan oleh Brian Chesky dan

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

Gebbia mencari cara agar mendapatkan uang untuk hidup.

 Akhirnya mererka bekerja sebagai freelancer. Pada tahun 2008, Chesky

bersama teman sekamarnya, Joe Gebbia, mengikuti pertemuan Industrial Design di

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

mereka membeli tiga kasur untuk disewakan dan mempromosikannya lewat

website. Dan dari situlah nama Airbnb (Air Bed and Breakfast) muncul hingga

akhirnya perusahaannya mampu bernilai lebih dari 10 juta dolar (Studentpreneur,

2015). Berikut merupakan logo dari Airbnb dapat dilihat pada Gambar 4.1

Gambar 4.1 Logo Airbnb Sumber: (Underconsideration, 2014)

Bentuk Airbnb sendiri merupakan bentuk Peer-to-Peer (P2P) commerce

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

economy atau juga dikenal sebagai collaborative consumption (Oskam dan

Boswijk, 2016). Sharing economy didasarkan pada konsep berbagi sumber daya

(shared resource) di mana konsep ini memberikan kesempatan atau peluang kepada

orang-orang untuk mendapatkan keuntungan dari sesuatu yang mereka punya.

Sharing economy menggunakan kekuatan teknologi untuk menciptakan

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

atau bertukar aset (Oskam dan Boswijk, 2016).

Gambar 4.2 Tampilan Website Airbnb.com Sumber: (Airbnb, 2019)

Visi perusahaan yaitu “Kami menghubungkan orang-orang yang memiliki

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

apartemen perkotaan atau kastil pedesaan, airbnb membuatnya mudah untuk

menampilkan ruang Anda kepada jutaan penonton, dan untuk menemukan tempat

yang tepat pada suatu titik, di mana saja.”

Misi perusahaan yaitu menghubungkan orang-orang yang membutuhkan

tempat/ruang untuk tinggal dengan orang-orang yang memiliki ruang lebih untuk

menjadi tuan rumah, membuat koneksi nyata / persahabatan antara orang yang

memiliki satu pemikiran, menyediakan wisatawan dengan seorang ahli lokal,

suasana lokal, rahasia lokal dan pengetahuan lokal. Menghasilkan uang untuk host

yang menyediakan ruang dan waktu mereka

4.2.1 Fitur online travel agent airbnb

a. Pendaftaran

Pendaftaran Airbnb terbilang cukup mudah dengan hanya melakukan login

melalui facebook, gmail, atau email lain maka secara otomatis sudah langsung

terdaftar di airbnb tanpa melakukan pengisian formulir terlebih dahulu.

Gambar 4.3 Tampilan koneksi ke facebook Airbnb.com Sumber: (Airbnb, 2019)

Gambar 4.4 Tampilan beranda Airbnb.com Sumber: (Airbnb, 2019)

 b. Melakukan Pencarian Penginapan.

Untuk mempersempit pencarian, airbnb menggunakan filter atau saringan

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.

Gambar 4.5 Tampilan pencarian penginapan Airbnb.com Sumber: (Airbnb,

2019)

c. Memasukkan dalam Wishlist

Jika menemukan penginapan yang sesuai, Airbnb memiliki fitur wishlist.

Wishlist ini sangat berguna untuk membandingkan satu properti dengan lainnya.
 Gambar 4.6 Tampilan wishlist Airbnb.com Sumber: (Airbnb, 2019)

d. Melakukan Pemesanan dan Pembayaran

Setelah Tamu yakin dan bersedia membayar sesuai yang tertera, kita tinggal

klik tombol Request to Book. Airbnb akan membawa kita ke halaman

pembayaran. Pembayaran bisa dilakukan dengan kartu kredit, kartu debit atau

paypal.
 Gambar 4.7 Tampilan payment Airbnb.com Sumber: (Airbnb, 2019)

4.2 Analisis Instrumen Penelitian

Pada penelitian ini dilakukan pelaksanaan pre-test dengan menyebarkan

kuesioner kepada pengguna Online Travel Agent Airbnb SKP Homestay.

 Jumlah responden yang diambil untuk pre-test adalah sebanyak 38 orang.

Jumlah tersebut sudah sesuai dengan kaidah statistika yang menentukan jumlah

minimal responden untuk pre-test yaitu 30 responden (Solimun, 2002).

4.2.1 Uji Reliabilitas

Uji reliabilitas digunakan untuk mengetahui konsistensi alat ukur, apakah

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)

∑INDIKATOR ∑INDIKATOR CRONBACH’S

VARIABEL
AWAL AKHIR ALPHA

Kemudahan
5 butir 5 butir
Penggunaan 0,849
(KM_1 – KM_5) (KM_1 – KM_5)
(Ease of Use)

Kegunaan 3 butir 3 butir

0,782
(Usefulness) (KG_1 – KG_3) (KG_1 – KG_3)

Kebutuhan Berinteraksi 4 butir 4 butir

0,894
(Need for Interaction) (KB_1 – KB_4) (KB_1 – KB_4)

Resiko 4 butir 4 butir

0,786
(Risk) (RS_1 – RS_4) (RS_1 – RS_4)

5 butir 5 butir
Sikap terhadap SST 0,910
(SK_1 – SK_5) (SK_1 – SK_5)

Total 21 butir 21 butir

Sumber: Lampiran

Setelah melalui proses uji, semua variabel yang diujikan dalam pre-test,

yaitu Kemudahan Penggunaan (Ease of Useness), Kegunaan (Usefulnes),

Kebutuhan Berinteraksi (Need for Interaction), Resiko (Risk), dan Sikap terhadap

Self Service Technology, memiliki nilai Cronbach’s Alpha (CA) > 0,7 , sehingga

semua variabel dan indikator pada penelitian ini adalah Reliabel.

4.2.2 Uji Validitas

Uji validitas digunakan untuk mengukur valid atau tidaknya sebuah

kuesioner. Uji ini penting untuk dilakukan karena diperlukan untuk mengetahui

apakah indikator-indikator dalam suatu variabel penelitian dapat dijadikan alat ukur

bagi variabel tersebut.

 Tabel 4.2 Hasil Uji Validitas (pre-test, n=38)

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

Merasa terjamin ketepatan informasi

RS_1 0,655 VALID
dalam pemesanan kamar.
Resiko
(Risk) Merasa aman menyelesaikan
RS_2 urusan menggunakan Aplikasi 0,638 VALID
Online Travel Agent Airbnb.
 Yakin bahwa Aplikasi Online Travel
Agent Airbnb akan menyelesaikan
RS_3 0,650 VALID
urusan pemesanan hotel saya
secara tepat.
tidak akan ada bahaya dalam
RS_4 penggunaan Online Travel Agent 0,467 VALID
Airbnb.
Perasaan saat menggunakan
SK_1 0,828 VALID
Aplikasi Online Travel Agent Airbnb
Seberapa menarik dalam
SK_2 penggunakan Aplikasi Online Travel 0,911 VALID
Agent Airbnb
Sikap
Seberapa nyaman menggunakan
terhadap SK_3 0,683 VALID
Aplikasi Online Travel Agent Airbnb
SST
Seberapa suka menggunakan
SK_4 0,816 VALID
Aplikasi Online Travel Agent Airbnb
Seberapa informatif fitur-fitur yang
SK_5 ada dalam Online Travel Agent 0,844 VALID
Airbnb
Sumber: Lampiran

Dari tabel 4.2 dapat dikatakan bahwa indikator-indikator yang digunakan

untuk meneliti variabel Kemudahan Penggunaan (Ease of Useness), Kegunaan

(Usefulnes), Kebutuhan Berinteraksi (Need for Interaction), Resiko (Risk), dan

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

korelasi butir-total terkoreksi (corrected item-total correlation).

4.3 Profil Responden

Setelah hasil pre-test didapatkan, kuesioner disebarkan kepada pengguna

Online Travel Agent Airbnb SKP Homestay. Sampel diambil secara acak dan
ditargetkan lebih dari jumlah minimum responden yang ditentukan dari lima kali

jumlah indikator yangdigunakan yaitu minimum 105 responden. Dalam penelitian

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

Airbnb. Profil karakteristik responden dijabarkan pada tabel 4.3.

Tabel 4.3 Profil Karkteristik Responden (n=38)

NO INDIKATOR FREKUENSI PERSENTASE

Jenis Kelamin
1 Wanita 39 20.3%
Pria 153 79.7%
Usia
Kurang dari 17 Tahun 5 2.6%
17 - 25 Tahun 11 5.7%
2
26 - 35 Tahun 134 69.8%
36 - 45 Tahun 17 8.9%
Lebih dari 45 Tahun 25 13.0%
Pengeluaran per bulan
Di bawah 3 Juta 7 3.6%
Rp 3.000.001,00 – Rp 5.000.000,00 28 14.6%
3
Rp 5.000.001,00 – Rp 10.000.000,00 9 4.7%
Rp 10.000.001,00 – Rp 20.000.000,00 138 71.9%
Di atas 20 Juta 10 5.2%
Pendidikan Terakhir
SMP 1 0.5%
4 SMA 23 12.0%
SARJANA 124 64.6%
DIPLOMA 21 10.9%
 PASCASARJANA 23 12.0%
Pernah menggunakan Online Travel Agent untuk memesan kamar
5 Ya 192 100.0%
Tidak 0 0.0%
Seberapa sering menggunakan aplikasi Online Travel Agent untuk memesan
kamar dalam 1 tahun
1-2 kali 50 26.0%
6
3-5 kali 96 50.0%
6-10 kali 38 19.8%
lebih dari 10 kali 8 4.2%
Pernah menggunakan Online Travel Agent Airbnb untuk memesan kamar
7 Ya 192 100.0%
Tidak 0 0.0%
Dari sumber mana Anda mengetahui Online Travel Agent Airbnb
Iklan di Social Media 112 58.3%
8 Majalah / koran 2 1.0%
Televisi 1 0.5%
Teman / kerabat 77 40.1%
Aplikasi Online Travel Agent yang sering digunakan selain Airbnb
Traveloka 112 58.3%
Agoda 7 3.6%
9 Booking.com 19 9.9%
tiket.com 40 20.8%
Travelio 8 4.2%
Lainnya 6 3.1%
Sumber: Lampiran

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

jenis kelamin wanita sebanyak 39 orang (20,3%). Mayoritas pengguna Online

Travel Agent Airbnb berusia 26 - 35 tahun (69,8%), dengan mayoritas memiliki

pengeluaran per bulan Rp 10.000.001,00 – Rp 20.000.000,00 yaitu sebanyak 138

orang (71,9%), serta mayoritas memiliki pendidikan terakhir S1 (Sarjana) sebanyak

124 Orang (64,6%). Mayoritas responden menggunakan aplikasi Online Travel

Agent untuk memesan kamar dalam satu tahun, sebanyak 3-5 kali (50%), dan
semua responden pernah menggunakan Online Travel Agent Airbnb untuk

memesan kamar. Mayoritas responden mengetahui Online Travel Agent Airbnb

melalui iklan di Social Media yaitu sebanyak 112 orang (58,3 %) dan aplikasi

Online Travel Agent yang mayoritas responden sering gunakan selain Airbnb

adalah Traveloka, sebanyak 112 (58,3%).

4.4 Analisis Data Empiris

Dalam melakukan analisis SEM, kriteria yang harus terpenuhi adalah

jumlah sampel. Jumlah sampel yang dianjurkan adalah lima kali jumlah indikator

(Sekaran, 2003). Indikator dalam penelitian berjumlah 21, sedangkan jumlah

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

LISREL 8.8 for Windows.

4.4.1 Analisis Asumsi SEM

Uji asumsi SEM mencakup uji normalitas dan uji multikolinearitas. Uji

normalitas berguna untuk memastikan apakah data yang digunakan berdistribusi

normal atau tidak dan uji multikolinearitas berguna untuk memastikan apakah

variabel-variabel eksogen memiliki korelasi sempurna atau tidak.

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

Tabel 4.4 Skewness & Kurtosis

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.

KM_2 Mudah dalam melakukan pemilihan kamar 0.983 -0.463 0.554

KM_3 Mudah dalam melakukan pembayaran 1.763 -3.440 0.001

Mudah dalam melakukan penjadwalan ulang
KM_4 1.268 -0.862 0.309
dan pembatalan pesanan
Tampilan aplikasi Airbnb user friendly
sehingga memudahkan dalam melakukan
KM_5 -0.307 0.565 0.813
pemesanan kamar sampai dengan
pembayaran
Kegunaan (Usefulness)
Bermanfaat untuk menyelesaikan urusan
KG_1 0.334 -10.813 0.000
dalam pemesanan kamar
Lebih cepat dalam menyelesaikan pemesanan
KG_2 -1.006 -3.606 0.001
kamar
Memudahkan dalam proses penyelesaian
KG_3 -0.926 -6.728 0.000
pemesanan kamar
Kebutuhan Berinteraksi (Need for Interaction)
Lebih senang melakukan reservasi online
KB_1 tanpa berinteraksi dengan staff reservasi hotel -0.738 -6.323 0.000
/ apartemen
Perhatian secara personal dari staf
KB_2 Resepsionis dan Reservasi Hotel / Apartemen 0.694 -5.899 0.000
adalah tidak penting
Menurut saya fitur fitur yang ada di dalam
KB_3 airbnb dapat menggantikan peran staff yang 0.340 -6.037 0.000
ada di sebuah hotel / apartemen
 Lebih suka melakukan pembayaran via
transfer / kartu kredit melalui internet
KB_4 -0.304 -2.331 0.063
dibanding melakukan pembayaran melalui
counter hotel / apartemen
Resiko (Risk)
Merasa terjamin ketepatan informasi dalam
RS_1 -1.091 -2.574 0.020
pemesanan kamar.
Merasa aman menyelesaikan urusan
RS_2 menggunakan Aplikasi Online Travel Agent -1.354 -2.759 0.009
Airbnb.
Yakin bahwa Aplikasi Online Travel Agent
RS_3 Airbnb akan menyelesaikan urusan -1.189 -5.850 0.000
pemesanan hotel saya secara tepat.
tidak akan ada bahaya dalam penggunaan
RS_4 -1.218 -2.007 0.063
Online Travel Agent Airbnb.
Sikap terhadap SST
Perasaan saat menggunakan Aplikasi Online
SK_1 0.508 -5.491 0.000
Travel Agent Airbnb
Seberapa menarik dalam penggunakan
SK_2 0.119 -2.126 0.104
Aplikasi Online Travel Agent Airbnb
Seberapa nyaman menggunakan Aplikasi
SK_3 0.654 -0.466 0.724
Online Travel Agent Airbnb
Seberapa suka menggunakan Aplikasi Online
SK_4 -0.672 -4.285 0.000
Travel Agent Airbnb
Seberapa informatif fitur-fitur yang ada dalam
SK_5 -0.388 -1.877 0.159
Online Travel Agent Airbnb
Sumber: Lampiran

Berdasarkan hasil uji normalitas, data berdistirbusi normal di mana p-value

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

data SEM terpenuhi.

B. Uji Multikolinieritas

Salah satu uji asumsi klasik yang perlu dilakukan adalah uji

multikolinearitas. Asumsi multikolinearitas berguna untuk memastikan tidak

adanya korelasi sempurna atau besar di antara variabel independen. Nilai korelasi

antara variabel independen yang tidak diperbolehkan adalah sebesar 0.9 atau lebih.

Tabel 4.5 Covariance Matrix of Latent Variables

 Kebutuhan
Kemudahan Kegunaan
Berinteraksi Resiko
(Ease of (Usefulness
(Need for (Risk)
Use) )
Interaction)
Kemudahan
1.000
(Ease of Use)
Kegunaan
0.104 1.000
(Usefulness)
Kebutuhan
Berinteraksi 0.387 0.029 1.000
(Need for Interaction)
Resiko
0.366 0.017 0.728 1.000
(Risk)
Sumber: Lampiran

Korelasi diantara variabel independen < 0.9 dengan demikian tidak terdapat

persoalan multikolinearitas, dimana korelasi diantara variabel bebas (Correlation

Independent Variable) < 0,9. Oleh karena itu data empiris yang digunakan

memenuhi asumsi multikolinearitas dan normalitas, maka dapat dilakukan tahapan

analisis SEM berikutnya.

4.4.2 Uji Reliabilitas Gabungan (Composite Reliability)

Uji reliabilitas gabungan merupakan pengukuran statistik yang berguna

untuk mengetahui apakah setiap indikator memiliki konsistensi yang tinggi dalam

mengukur konstruk latennya (Ghozali, 2008).

Tabel 4.6 Reliabilitas Gabungan

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

Berdasarkan hasil penghitungan reliabilitas gabungan, seluruh variabel

memiliki tingkat reliabilitas yang baik karena memiliki nilai ≥ 0.60. Reliabilitas

gabungan tertinggi adalah pada variabel Kemudahan (KM) yaitu sebesar 0.898.

4.4.3 Uji Validitas dengan Analisis Faktor Konfirmatori (CFA)

CFA dilakukan dengan prosedur SEM yang ada, setelah melakukan

spesifikasi model, pengumpulan data melalui kuesioner, memasukan data ke

LISREL, dan menggambarkan diagram jalur lalu kemudian mendapatkan hasil

analisis, kemudian dilakukan pengamatan terhadap hasil analisis, kemudian

dilakukan pengamatan terhadap hasil. Hasil analisis CFA dapat digunakan untuk

melihat validitas model pengukuran, uji kecocokan keseluruhan model dan analisis

reliabilitas model-model variabel penelitian. Nilai t dalam standardized loading

ketika menguji validitas harus lebih besar dari 0,5, sedangkan untuk mengukur

model yang fit, digunakan kriteria Good of Fit (GOF).

Gambar 4.8 CFA Kemudahan

Gambar 4.9 CFA Kemudahan (t-value)

Sumber: Lampiran

Gambar 4.10 CFA Kegunaan

 Gambar 4.11 CFA Kegunaan (t-value)

Gambar 4.12 CFA Kebutuhan Berinteraksi

Gambar 4.13 CFA Kebutuhan Berinteraksi (t-value)

Gambar 4.14 CFA Risiko

 Gambar 4.15 CFA Risiko (t-value)

Gambar 4.16 CFA Sikap terhadap SST

 Gambar 4.17 CFA Sikap terhadap SST (t-value)

Setelah menguji validitas setiap indikator, dapat diamati pula fit atau

tidaknya model pengukuran. Model variabel-variabel penelitian dapat

dikategorikan fit jika memenuhi paling sedikit satu kriteria dari masing-masing

kategori pengukuran (absolute fit measure, incremental measure, dan pasimony

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

Kemudahan (Ease of Use)

KM_1 0.83
KM_2 0.81
KM_3 0.88 0.001 0.16<0.24 0.32 0.85 Fit
KM_4 0.81
KM_5 0.66

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

Kebutuhan Berinteraksi (Need for Interaction)

KB_1 0.85
KB_2 0.81
0.04 0.09<0.1 0.19 0.87 Fit
KB_3 0.82
KB_4 0.75

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

Sikap terhadap SST

SK_1 0.78
SK_2 0.87
SK_3 0.63 0.005 0.17<0.24 0.33 0.95 Fit
SK_4 0.87
SK_5 0.83

4.4.4 Analisis Struktural

 Salah satu tujuan SEM adalah menguji apakah model struktural masuk akal,

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

diajukan. Dari 5 hipotesis yang diajukan, 5 hipotesis tersebut diterima. Hipotesis

pertama menyatakan bahwa Kemudahan (KM) berpengaruh positif dan signifikan

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.

Hipotesis kedua menyatakan bahwa Kegunaan (KG) berpengaruh positif

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.

Hipotesis ketiga menyatakan bahwa Kebutuhan Berinteraksi (KB)

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

hipotesis ketiga (H3) diterima.

Hipotesis keempat menyatakan bahwa Resiko (RS) berpengaruh negatif

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.

Hipotesis kelima menyatakan bahwa Sikap Terhadap SST sebagai mediasi

Kemudahan, Kegunaan, Kebutuhan Berinteraksi, dan Resiko memberikan

pengaruh terhadap Keputusan Menggunakan OTA Airbnb. Resiko dengan mediasi

Sikap Terhadap SST berpengaruh negatif dan signifikan terhadap Keputusan

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.

Kontribusi keempat variabel terhadap Sikap terhadap SST mencapai 40%

(R² = 0.40). Adapun Sikap terhadap (SST) berpengaruh positif dan signifikan

terhadap Keputusan Menggunakan Online Travel Agent (KP) dengan koefisien

pengaruh sebesar 0.69 dan t-value (2.1) > t tabel (1.97), dengan kontribusinya

mencapai 56%. (R² = 0.56).

Dengan hasil di atas, maka dapat diartikan Kemudahan, Kegunaan,

Kebutuhan Berinteraksi, dan Resiko membuat pelanggan mengambil keputusan

untuk menggunakan Online Travel Agent dengan sebelumnya dimediasi oleh Sikap

Terhadap SST.

4.6 Implikasi Manajerial

4.6.1 Pengaruh Kemudahan terhadai Sikap terhadap SST

 Kemudahan mempengaruhi Sikap Terhadap SST pada online travel agent

AirBnb. Melalui penelitian ini, Online Travel Agent Airbnb perlu mempertahankan

dan meningkatkan aplikasinya agar lebh mudah digunakan. Kemudahan dalam

menggunakan aplikasi, berdampak positif terhadap sikap pengguna, sehingga

aplikasi harus selalu dilakukan peningkatan dan maintenance agar lebih user

friendly, dan lebih mudah dalam melakukan pemilihan kamar, melakukan

pembayaran, penjadwalan ulang, dan pembatalan pesanan.

4.6.2 Pengaruh Kegunaan terhadap Sikap terhadap SST

Menurut hasil penelitian, Kegunaan memberikan pengaruh positif

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

informasi kepada pelanggan terhadap penggunaan aplikasi tersebut.

4.6.3 Pengaruh Kebutuhan Berinteraksi terhadap Sikap terhadap SST.

Menurut hasil penelitian, Kebutuhan Berinteraksi memberikan pengaruh

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.

Beberapa pelanggan lebih memilih berinteraksi langsung dengan staff

reservasi, hingga langsung melakukan pembayaran melalui counter hotel atau

apartemen dibandingkan dengan via transfer atau kartu kredit.

 Oleh karena itu, Airbnb perlu menambahkan fitur chat dengan staff hotel

atau apartemen agar pengguna langsung dapat berinteraksi dengan staff hotel atau

apartemen melalui aplikasi.

4.6.4 Pengaruh Resiko terhadap Sikap terhadap SST.

Menurut hasil penelitian, Resiko memberikan pengaruh negatif terhadap

sikap terhadap SST. Penggunaan aplikasi online Airbnb, membuat pengguna

pengguna merasa tidak nyaman terhadap resiko yang akan dihadapi, salah satuya

berupa tingkat keamanan aplikasi.

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

meyakinkan pelanggan bahwa data pribadi akan selalu aman walaupun

menggunakan aplikasi Online Travel Airbnb.

4.6.5 Pengaruh Kemudahan, Kegunaan, Kebutuhan Berinteraksi, dan Resiko

dengan Sikap terhadap SST terhadap Keputusan Menggunakan Aplikasi

Online Travel Agent Airbnb.

Dari hasil penelitian, yang dapat mempengaruhi Sikap Terhadap SST dan

akhirnya mempengaruhi Keputusan Menggunakan Aplikasi Online Travel Agent

Airbnb adalah Kemudahan, Kegunaan, Kebutuhan Berinteraksi, dan Resiko.

 Semakin mudah dan semakin dirasakannya manfaat atau kegunaan aplikasi

Airbnb, maka akan meningkatkan pengguna aplikasi karena sikap pelanggan

Airbnb terhadap Self Service Technology semakin bertambah positif.

Selain itu, semakin tingginya kebutuhan berinteraksi secara langsung teerhadap

staf hotel atau apartemen, maka akan menurunkan pengguna aplikasi karena sikap

pelanggan Airbnb terhadap Self Service Technology semakin bertambah negatif.

Oleh karena itu, Airbnb perlu menambahkan fitur di aplikasinya yang dapat

mengurangi kebutuhan berinteraksi secara langsung.

Semakin tingginya ketidakpercayaan pelanggan terhadap resiko keamanan,

maka akan menurunkan pengguna aplikasi karena sikap pelanggan Airbnb terhadap

Self Service Technology semakin bertambah negatif. Oleh karena itu, Airbnb perlu

terus melakukan update keamanan aplikasinya sehingga pelanggan akan lebih

percaya terhadap aplikasi Online Travel Agent Airbnb.