1

BAB 1 PENDAHULUAN

I.1 Latar Belakang

Penjualan barang dan jasa secara langsung (direct selling) melalui

internet dinamakan dengan istilah ‘electronic commerce’ (e-commerce). E-

commerce adalah pendekatan bisnis baru, baik secara elektronik maupun

dengan menggunakan jaringan atau internet. Dengan cara ini, proses jual

beli atau pertukaran produk, jasa dan informasi dilakukan melalui komputer

dan internet (Turban, King, dan Lee, 2006). Laudon dan Traver (2014)

mendefinisikan e- commerce sebagai penggunaan Internet, Web, dan

aplikasi mobile untuk melakukan transaksi komersial. Transaksi komersial

ini harus melibatkan pertukaran nilai (misal, uang) karena tanpa ada

pertukaran nilai, menurut Laudon dan Traver (2014), tidak ada perdagangan

(commerce). E-commerce menurut O'Brien dan Marakas (2010) adalah

pembelian, penjualan, pemasaran, dan informasi melalui berbagai jaringan

komputer. E-commerce mengubah bentuk persaingan, kecepatan tindakan,

dan perampingan interaksi, produk, dan pembayaran dari pelanggan ke

perusahaan dan dari perusahaan ke pemasok. Sedangkan menurut Sutabri

(dalam Sidharta dan Suzanto, 2015) e-commerce adalah penyebaran,

pembelian, penjualan, pemasaran barang dan jasa melalui sistem elektronik

seperti internet atau televisi, www, atau jaringan komputer lainnya.

E-commerce berguna dalam mengurangi biaya administrasi dan waktu

siklus proses bisnis, dan meningkatkan hubungan dengan kedua mitra bisnis
 2

dan pelanggan (Pradana, 2015). Pradana (2015) menjelaskan bahwa E-

commerce adalah strategi komersial baru yqng mengarah kepada peningkatan

kualitas produk, layanan, dan perbaikan di tingkat penyediaan.

Proses yang ada dalam e-commerce adalah presentasi elektronis

(pembuatan situs web) untuk produk dan layanan, pemesanan secara langsung

dan tersedianya tagihan, otomatisasi akun pelanggan secara aman (baik

nomor rekening maupun nomor kartu redit) dan pembayaran yang dilakukan

secara langsung (online) dan penanganan transaksi (Irmawati, 2011). Dalam

proses e-commerce, perusahaan membutuhkan beberapa komponen utama

agar operasi dan manajemen aktivitas e- commerce berjalan dengan baik.

Adapun komponen-komponen tersebut adalah pengendalian akses dan

keamanan, pembuatan profil dan personalisasi, manajemen pencarian,

manajemen isi dan katalog, manajemen arus kerja, pemberitahuan kegiatan,

kerjasama dan perdagangan, serta proses pembayaran eletronik (Irmawati,

2011).

Indonesia merupakan pasar dengan pertumbuhan e-commerce yang

pesat dari tahun ke tahun. Data eMarketer (Data and Research on Digital for

Business Professionals) menunjukkan bahwa transaksi e-commerce Indonesia

mencapai Rp 25,1 triliun pada 2014 dan naik menjadi Rp 69,8 triliun pada

2016, dengan kurs rupiah Rp 13.200 per dolar Amerika. Demikian pula pada

2018, nilai perdagangan digital Indonesia terus naik menjadi Rp 144,1 triliun.

Berikut ini penulis tampilkan Gambar grafik 1.1 yang menunjukan transaksi

e-commerce di Indonesia mulai dari tahun 2014 s/d 2018.

 3

Berdasarkan data dari Consumer News and Business Channel Indonesia

168000000
(CNBC Indoensia), terdapat lima e-commerce terbesar yang menduduki pasar di

Indonesia berdasarkan jumlah pengunjungnya per kuartal IV-2018. Situs Tokopedia

116000000
menjadi e-commerce yang paling banyak dikunjungi dengan 168 juta pengunjung,

posisi kedua ditempati oleh Bukalapak dengan 116 juta pengunjung, kemudian

Shopee dengan 67 juta pengunjung, Lazada dengan 58 juta pengunjung dan yang

ke-5 ada Blibli dengan 43 juta pengunjung. Gambar 1.2 menampilkan jumlah

pengunjung Tokopedia, Bukalapak, Shopee, Lazada dan Blibli per kuartal IV 2018.

PER KUARTAL IV 2018

67000000

58000000

43000000

T O K O P E D I AB U K A L A P A K SHOPE LAZAD BLIBL

E A I
Gambar 1.2 Pengunjung lima e-commerce terbesar di
Indonesia (Haris, 2018)

Jumlah pengunjung e-commerce di Indonesia dapat dikelompokkan

berdasarkan wilayah dan usianya. Hal tersebut diketahui berdasarkan hasil riset

Snapcart mengenai perilaku belanja e-commerce di Indonesia, yang menunjukkan

bahwa penduduk Pulau Jawa dan Sumatera Utara merupakan pembelanja online
 4

paling dominan. Menurut data geografi, pembelanja e-commerce tertinggi di

Indonesia berasal dari DKI Jakarta (22%), Jawa Barat (21%), Jawa Timur (14%),

Jawa Tengah (9%), Banten (8%), dan Sumatera Utara (6%). Dalam riset tersebut

juga terlihat bahwa berdasarkan usia, 50% pembelanja merupakan Generasi

Milenial (berusia antara 25-34 tahun), disusul Generasi Z (15-24 tahun) sebanyak

31%, Generasi X (35-44 tahun) sebanyak 16%, dan 2% sisanya merupakan

Generasi Baby Boomers (usia 45 tahun keatas). Berikut ini penulis tampilkan

Gambar 1.3 yang menunjukkan tentang perilaku belanja e-commerce di Indonesia

berdasarkan jenis generasinya.

60%

50%

40%

30%

20%

Gambar 1.3 Perilaku Belanja e-

10% commerce di Indonesia (Yudi,
2018)
0%
Generasi Milenial Generasi Z Generasi X Generasi Baby Boomers

Peningkatan yang sangat pesat dalam tren online shopping tentu erat

kaitannya dengan perilaku konsumen. Perilaku konsumen dalam e-commerce

 5

dipengaruhi oleh kepuasan dalam melakukan transaksi secara online. Perilaku

konsumen ini menjadi indikator dalam menyukai suatu online shop dan indikator

terhadap keinginan untuk kembali melakukan online shopping (Saragih dan

Ramdhani, 2012). Selain itu, kepuasan konsumen dalam melakukan transaksi

online juga berpengaruh terhadap kepercayaan konsumen, yang pada gilirannya

akan memengaruhi sikap konsumen dalam melakukan pembelian ulang

(intention to use) (Elvandri, 2011).

Kesuksesan penggunaan sistem informasi adalah seberapa jauh kontribusi

dari produk yang dihasilkan oleh sistem informasi bagi organisasi (Masnoni dan

Lyna, 2009). Sedangkan menurut DeLone dan McLean, kesuksesan sistem

informasi diukur dari enam faktor, yaitu system quality,

information quality, use, user satisfaction, individual impact,

dan organizational impact (DeLone & McLean, 1992). Model

ini tidak mengukur keenam dimensi pengukuran kesuksesan

secara independen atau terpisah, melainkan secara keseluruhan.

DeLone dan McLean kemudian memperbarui modelnya dan

menyebutnya sebagai model kesuksesan sistem informasi

DeLone dan McLean yang diperbarui (DeLone & McLean,

2003). Model yang diperbarui ini terdiri atas variabel

information quality, system quality, service quality, intention to

use/use, user satisfaction dan net benefits. Berikut ini penulis

lampirkan Gambar 1.4 model kesuksesan sistem informasi

DeLone dan McLean yang diperbarui (DeLone & McLean,

 6

2003):

Gambar 1.4 IS Success Model (DeLone & McLean, 2003)

Selain pengukuran berdasarkan kesuksesan, sebuah sistem informasi juga

harus diukur seberapa besar penerimaannya oleh pengguna. Model TAM, yang

diperkenalkan pertama kali oleh Davis, merupakan salah satu model yang

dibangun untuk menganalisis dan memahami faktor-faktor yang memengaruhi

diterimanya

penggunaan teknologi komputer (Davis, 1985). TAM menjelaskan hubungan

sebab akibat antara keyakinan (manfaat suatu sistem informasi dan kemudahan

penggunaannya) dan perilaku, tujuan/keperluan, dan penggunaan aktual dari

pengguna suatu sistem informasi. Model ini menempatkan penggunaan (usage)

sebagai variabel dependen, serta perceived usefulness dan ease of use sebagai

variabel independen. Perceived usefulness dan perceived ease of use merupakan

variabel utama TAM. Beberapa peneliti menunjukkan adanya hubungan dan

pengaruh positif antara usefulness dan ease of use (Adams, Nelson, dan Todd,
 7

1992; Igbaria, Guimaraes, dan Davis, 1995; Mao dan Palvia, 2006). End user

satisfaction sangat dipengaruhi oleh beberapa faktor, antara lain perceived

usefulness dan ease of use (Mahmood, Burn, Gemoets, dan Jacquez, 2000).

Gambar 1.5 adalah menunjukkan model penerimaan teknologi (Davis, 1985):

Gambar 1. 5 Technology Acceptance Model (Davis, 1985)

Berdasarkan penjelasan sebelumnya, maka penulis ingin melakukan

sebuah penelitian dengan judul “Analisis Perbandingan Keberhasilan dan

Penerimaan Lima E-commerce di Indonesia Menggunakan Model DeLone &

McLean yang Dikembangkan”. Dalam penelitian ini, penulis menggunakan

simple random

sampling untuk pengambilan sampel sedangkan untuk menentukan jumlah

minimum sampel penulis menggunakan teknik Slovin. Selain itu, dalam

pemodelannya penulis menggabungkan dua buah model, yaitu model kesuksesan

sistem informasi DeLone dan McLean (DeLone & McLean, 2003) dan model

TAM (Davis, Bargozzi, dan Warsaw, 1989). Namun tidak semua variabel akan

digabungkan. Pada model TAM, penulis hanya akan mengambil dua variabel,

yaitu perceived usefulness dan perceived ease of use yang merupakan variable

utama TAM. Hal ini diungkapkan oleh beberapa penulis yang mengungkapkan
 8

bahwa adanya hubungan dan pengaruh positif antara usefulness dan ease of use

(Groho, Winarno, dan Permanasari, 2014).

I.2 Rumusan Masalah

Berdasarkan uraian sebelumnya, maka penulis merumuskan beberapa

pertanyaan, yaitu:

1. Apa saja faktor-faktor yang memengaruhi kesuksesan dan penerimaan lima

e-commerce di Indonesia menggunakan model DeLone & McLean yang

dikembangkan (2003)?

2. Bagaimana tingkat kesuksesan dan penerimaan pengguna atas lima e-

commerce di Indonesia dengan model DeLone & McLean yang

dikembangkan (2003)?

I.3 Ruang Lingkup dan Batasan Penelitian

Adapun ruang lingkup dan batasan dalam penelitian ini adalah sebagai

berikut.

1. Penelitian ini dilakukan terhadap lima e-commerce di Indonesia, yaitu

Tokopedia, Bukalapak, Shopee, Lazada dan Blibli.

2. Secara teori, penelitian ini menggunakan model kesuksesan sistem

informasi DeLone & McLean (2003). Model ini terdiri atas variabel

information quality, system quality, service quality, intention to use/use,

user satisfaction dan net benefits. Namun, model ini di-extend dengan

variabel perceived ease of use dan perceived usefulness milik Davis (1989).

3. Secara metodologi, penelitian ini menggunakan metode kuantitatif dengan

teknik pengumpulan data survei (kuesioner) kepada end user (pengguna

 9

akhir), yaitu meliputi pengguna Tokopedia, Bukalapak, Shopee, Lazada dan

Blibli. Teknik pengambilan sampel menggunakan teknik random sampling,

sedangkan analisis datanya menggunakan PLS-SEM dengan SmartPLS 3.0

I.4 Tujuan Penelitian

Sebagaimana telah diuraikan pada sub-bab sebelumnya,

penelitian ini dilakukan dengan tujuan:

1. Mengetahui faktor-faktor yang memengaruhi kesuksesan

dan penerimaan lima e-commerce di Indonesia

menggunakan model DeLone & McLean yang

dikembangkan (2003).

2. Mendapatkan tingkat kesuksesan dan penerimaan lima e-

commerce di Indonesia dengan model DeLone &

McLean yang dikembangkan (2003).

I.5 Manfaat Penelitian

Penelitian ini mampu memberi kontribusi dan manfaat sebagai berikut:

1. Manfaat secara teoritis

Penelitian ini dapat sebagai referensi penelitian kuantitatif

kesuksesan dan penerimaan lima e-commerce di

Indonesia.

2. Manfaat praktis

a. Bagi pihak perusahaan e-commerce

Dengan adanya penelitian ini dapat menjadi bahan evaluasi

 10

dalam mengembangkan sistem yang baik dan efektif

untuk pengguna e- commerce.

b. Bagi kampus

Dengan adanya penelitian ini dapat menjadi rujukan ataupun referensi penelitian

sejenis untuk pengembangan penelitian.

c. Bagi penulis

Penelitian ini sebagai sarana untuk menambah pengetahuan dan wawasan dalam

penerapan teori-teori yang diperoleh di bangku perkuliahan dengan

keadaan sebenarnya yang terjadi di lapangan.

d. Bagi pembaca Penelitian ini dapat memberikan informasi tentang keberhasilan

dan penerimaan lima e-commerce di Indonesia.
 11

BAB 2 TINJAUAN PUSTAKA

2.1 Definisi Sistem Informasi

Sistem informasi menurut Valaich dan Schneider (2012) adalah

kombinasi/gabungan dari hardware, software, dan telecommunication

networks yang digunakan untuk mengumpulkan, menciptakan, dan

mendistribusikan data- data berguna dalam suatu organisasi. Ada tiga

elemen dasar dalam setiap sistem informasi (2012), yaitu: (1) data, yakni

material kasar berupa angka dan/atau huruf yang tak memiliki makna

apapun; (2) informasi, yakni data yang telah diolah atau diberikan konteks

tertentu seperti label atau garis; dan (3) pengetahuan (knowledge), yakni

kemampuan untuk memahami informasi yang merupakan tubuh dari

prosedur pengaturan tertentu.

Menurut Laudon (2012), sistem informasi adalah komponen-

komponen yang saling berkaitan yang bekerja bersama-sama untuk

mengumpulkan, mengolah, menyimpan, dan menampilkan informasi untuk

mendukung pengambilan keputusan, koordinasi, pengaturan, analisa, dan

visualisasi pada sebuah organisasi. Sedangkan menurut Whitten, Bentley,

dan Ditman (2009) sistem informasi adalah pengaturan orang, data, proses,

dan informasi yang saling berinteraksi untuk mengumpulkan, memproses,

menyimpan, dan menyediakan output informasi yang diperlukan untuk

mendukung sebuah intansi atau organisasi.

 12

2.2 Model Keberhasilan Sistem Informasi DeLone dan McLean

Dalam melakukan pendekatan terhadap sistem informasi, salah satu

model pengukuran keberhasilan suatu sistem informasi dibuat oleh William H.

DeLone dan Ephraim R. McLean dalam penelitian mereka berjudul

Information System Success: The Quest for the Dependent Variable pada tahun

1992. DeLone dan McLean merasa bahwa pandangan Peter Keen tentang misi

sistem informasi yang menitikberatkan pada evaluasi atas “efektivitas” dan

“keberhasilan” sangat krusial (DeLone & McLean, 2016).

Beberapa belas tahun sebelum publikasi DeLone dan McLean tersebut,

Keen telah mengidentifikasi lima pertanyaan pada pertemuan pertama

Konferensi Internasional Sistem Informasi (ICIS) tahun 1980, yakni: (1) apa

saja disiplin ilmu MIS (Management of Information System)?; (2) apa saja

variabel dependennya?;

(3) bagaimana MIS membangun suatu tradisi kumulatif?;

(4) Apa hubungan antara riset MIS dengan teknologi komputer dan dengan

praktek MIS?; dan (5) di mana periset MIS dapat mempublikasi temuan

mereka? (DeLone & McLean, 1992). Pertanyaan kedua inilah, yaitu

mengenai variabel dependen dalam riset MIS yang menjadi fokus sentral

DeLone dan McLean dalam mengembangkan model keberhasilan sistem

informasi mereka. Variabel dependen inilah yang ingin diukur oleh DeLone

dan McLean dalam suatu sistem informasi agar risetnya tidak terlalu

spekulatif (DeLone & McLean, 1992).

 13

DeLone dan McLean kemudian membangun suatu model keberhasilan

sistem informasi yang bersandar pada teori komunikasi Shannon dan Weaver

tahun 1949 dan riset Mason tahun 1978 yang mengembangkan riset

Shannon dan Weaver.

Dalam riset yang dilakukan oleh DeLone dan McLean 1992

mereka mengelompokkan keberhasilan sistem informasi menjadi tiga

bagian, yakni pada level teknikal, level semantik, dan level efektivitas. Pada

level teknikal, keberhasilan suatu sistem dinilai dari keakurasian dan

keefisiensiannya dalam menghasilkan suatu informasi. Pada level semantik,

keberhasilan suatu sistem dinilai dari kemampuannya untuk menyampaikan

maksud yang dituju dari penyampainya. Sedangkan pada level efektivitas

keberhasilan suatu sistem dinilai dari sejauh mana dampak yang

ditimbulkannya terhadap si penerima output. Kemudian mengembangkan

model Shannon & Weaver dengan mengganti “efektivitas” (effectiveness)

menjadi “pengaruh” (influence) dan mendefinisikan tingkat pengaruh

informasi menjadi “suatu serangkaian peristiwa hierarkis yang muncul atas

pengaruh dari penggunaan sistem informasi tersebut” (DeLone &

McLean, 1992). Jadi, Mason mengartikan keberhasilan suatu sistem

informasi dalam bentuk pengaruh yang dihasilkan sistem tersebut pada setiap

level penerima informasinya. Berikut ini penulis lampirkan Gambar 2.1

model Shannon dan

Waever dan model mason:

 14

Gambar 2. 1 Model Shannon dan Waever dan model Mason (1992)

Dari dua pengembangan atas model Mason ini, DeLone dan McLean

menemukan enam dimensi keberhasilan sistem informasi (atau disebut D&M

Model) yang terdiri dari Sistem Quality (Kualitas Sistem), Information Quality

(Kualitas Informasi), Use (Kegunaan), User Satisfaction (Kepuasan Pengguna),

Individual Impact (Dampak Individual), dan Organizational Impact (Dampak

Organisasional) (DeLone & McLean, 1992). Hasil penelitian dari DeLone dan

McLean menunjukkan bahwa, di antara enam kategori yang membangun

keberhasilan sistem informasi ini, terdapat suatu keterkaitan yang akan

menentukan berhasil atau tidaknya penerapan suatu sistem informasi. Berikut ini

penulis lampirkan Gambar 2.2 model keberhasilan sistem informasi DeLone &

McLean (DeLone & McLean, 1992):

 15

Gambar 2. 2 Model Keberhasilan SI (DeLone & McLean, 1992)

Publikasi D&M Model ini kemudian membuat periset lain

mengeksplorasi, memodifikasi, dan mengkritisi lebih jauh,

seperti misalnya model Seddon (Seddon, 1997). Seddon

mengkritik penggunaan “Use” dalam D&M Model karena

dianggap ambigu (DeLone & McLean, 2016). DeLone &

McLean merespons kritik ini dengan menambahkan variabel

“Intention to Use” (Niat Penggunaan) yang harus didahului oleh

“Use” dalam artian proses, dan pengalaman positif dalam “Use”

akan berdampak besar pada “User Satisfaction” dalam artian

kausal (DeLone & McLean, 2016). Periset lain menyarankan

ditambahkannya variabel “Service Quality” dalam D&M Model.

Berdasarkan perkembangan-perkembangan sistem

informasi dan kritik serta masukan tersebut, DeLone dan

McLean pada tahun 2003 memperbarui modelnya dengan

memperluas dan menyebutnya sebagai Model Kesuksesan

Sistem Informasi D&M diperbarui (The Reformulated D&M IS

Success Model). Berikut ini penulis lampirkan Gambar 2.3

model kesuksesan sistem informasi DeLone dan McLean yang

diperbarui (DeLone & McLean, 2003):

 16

Gambar 2.3 IS Succes Model (DeLone &

McLean, 2003)

Seperti yang penulis sebutkan sebelumnya, D&M Model

mengalami beberapa perubahan dan penambahan, yaitu:

1. Kualitas pelayanan (Sevice quality), pelayanan yang

diberikan oleh pengembang sistem informasi.

2. Penambahan minat memakai (Intention to use) sebagai

alternatif dari pemakaian (Use).

3. Penggabungan antara dampak individual (Individual Impact)

dan dampak organisasional (Organizational Impact) menjadi

satu yaitu manfaat bersih (Net benefit).

 17

BAB 3 METODOLOGI PENELITIAN

3.1 Pendekatan Penelitian

Penelitian ini secara umum menggunakan pendekatan kuantitatif untuk

mengetahui bagaimana kesuksesan dan penerimaan lima e-commerce di

Indonesia dan faktor-faktor apa saja yang memengaruhi kesuksesan dan

penerimaan pengguna atas lima e-commerce yang ada di Indonesia. Salah

satu bentuk pendekatan kuantitatif pada penelitian ini adalah pengumpulan

data yang dilakukan melalui survei dengan menggunakan kuesioner dan

analisis data yang dilakukan secara statistik dengan menggunakan aplikasi

pengolah data statistik SmartPLS 3.0.

3.2 Pengembangan Model dan Hipotesis Penelitian

Dalam pengembangan model keberhasilan sistem informasi, penulis

menggunakan model keberhasilan sistem informasi DeLone dan McLean

(D&M Model) yang di-extend dengan TAM (Technology Acceptance

Model). Seperti telah penulis jelaskan sebelumnya, jika D&M model lebih

berfokus pada kualitas sistem, TAM lebih berfokus pada kegunaan yang

dirasakan pengguna. Dalam beberapa penelitian yang juga menggunakan

gabungan dari dua model tersebut, salah satunya penelitian yang dilakukan

Groho, Winarno, dan Permanasari (2014), penulis melihat bahwa terdapat

korelasi positif antara kualitas sistem dengan apa yang

 18

dipersepsikan/dirasakan oleh pengguna sistem tersebut. Groho, Winarno,

dan Permanasari (2014) menyatakan kualitias informasi dalam suatu sistem

informasi memengaruhi persepsi kegunaan dan persepsi kemudahan. Groho,

Winarno, dan Permanasari (2014) mengambil lima variabel model D&M,

yakni kualitas sistem, kualitas informasi, kualitas layanan, kepuasan

pengguna, dan manfaat bersih; dan dua variabel TAM, yakni persepsi

kegunaan dan persepsi kemudahan. Berikut ini adalah pengembangan model

yang dilakukan Groho, Winarno, dan Permanasari (2014) yang ditunjukkan

dalam Gambar 3.1.

Gambar 3.1 Model Pengembang Groho, Winarno, dan Permanasari (2014)

Mengadopsi pengembangan model tersebut, penulis melihat beberapa

kesamaan dan ketidaksamaan dalam penelitian yang penulis lakukan. Dalam

D&M model yang diperbarui, kepuasan pengguna dan penggunaan saling

memengaruhi untuk memberi dampak pada manfaat bersih. Sementara

dalam pengembangan model Groho, Winarno, dan Permanasari (2014)

kepuasan pengguna adalah dampak langsung dari dua variabel TAM, yakni

persepsi kegunaan dan persepsi kemudahan. Menurut hipotesis yang dibuat

 19

Groho, Winarno, dan Permanasari (2014), dua hipotesis (H8 dan H9)

diterima karena keduanya dirasa berpengaruh positif dan signifikan terhadap

kepuasan
 19

korelasi positif antara persepsi kegunaan dan persepsi kemudahan dengan

kepuasan pengguna (end-user satisfaction).

Dengan mengadopsi penelitian-penelitian sebelumnya tersebut, penulis

mengembangkan integrasi D&M model dan TAM seperti dijabarkan berikut ini.

Persepsi kegunaan dan persepsi kemudahan berpengaruh positif terhadap

kepuasan pengguna. Berbeda dengan pengembangan model Groho, Winarno, dan

Permanasari (2014), penulis melihat hubungan langsung antara persepsi kegunaan

dan persepsi kemudahan dengan manfaat bersih. Namun, sama seperti

pengembangan model Groho, Winarno, dan Permanasari (2014), kepuasan

pengguna menurut penulis tidak memengaruhi dua variabel TAM (bersifat satu

arah).

Jadi, dalam pengembangan model dan hipotesis yang diajukan di sini,

penulis mengganti variabel use dalam D&M model dengan dua variabel TAM,

persepsi kegunaan dan persepsi kemudahan seperti pengembangan model Groho,

Winarno, dan Permanasari (2014) namun tidak mengganti lima variabel dalam

D&M model yang diperbarui. Oleh karena itu, penulis memiliki 15 hipotesis

seperti ditunjukkan pada Gambar 3.2.

3.2.1 Pengembangan Hipotesis Penelitian

Pada Model D&M, kualitas sistem, kualitas informasi, dan kualitas layanan

merupakan tiga dimensi pertama di mana ketiganya menunjukkan produk yang

dihasilkan oleh suatu sistem informasi. Dua dimensi selanjutnya adalah intensi

penggunaan dan kepuasan pengguna yang merupakan dampak/konsekuensi dari

dimensi pertama.
 20
20

Gambar 3.2 Pengembangan Model Penelitian

Dimensi terakhir, yakni Net Benefit (manfaat bersih) merupakan dampak

(impact) dari keberadaan dan pemakaian sistem informasi terhadap kualitas

kinerja pengguna baik secara individual maupun organisasi termasuk di dalamnya

produktivitas, peningkatan pengetahuan dan pengurangan lama waktu pencarian

informasi (Jogiyanto, 2007). Dalam beberapa penelitian, seperti Ojo (2017),

Wahyuni (2011), dan Wisudiawan (2015) masing-masing hanya memiliki 9

hipotesis, 9 hipotesis, dan 5 hipotesis. Penulis, mengikuti model D&M yang

diperbarui ditambah TAM sehingga penulis memiliki total 15 hipotesis sebagai

berikut.

Dalam variabel Information Quality (IQ) penulis memberikan indikator-

indikator berupa Completeness (IQ1), Accuracy (IQ2), Relevance (IQ3), dan

 21

Consistency (IQ4) yang diadopsi dari penelitian Laksono (2017). Penulis

berhipotesis bahwa:

H1 : Information Quality (IQ) berpengaruh secara signifikan terhadap

Perceived Ease of Use (PEOU)

H2 : Information Quality (IQ) berpengaruh secara signifikan terhadap

Perceived Usefulness (PU)

H3 : Information Quality (IQ) berpengaruh secara signifikan terhadap

User Satisfaction (US)

Dalam variabel Perceived Ease of Use (PEOU), penulis memberikan

indikator-indikator berupa Easy to learn (PEOU1), Controllable (PEOU2), Clear

& Understandable (PEOU3), dan Easy to use (PEOU4) yang diadopsi dari

penelitian Laksono (2017), penulis berhipotesis bahwa:

H4 : Perceived Ease of Use (PEOU) berpengaruh secara signifikan terhadap

Net Benefits (NB)

H5 : Perceived Ease of Use (PEOU) berpengaruh secara signifikan terhadap

Perceived Usefulness (PU)

H6 : Perceived Ease of Use (PEOU) berpengaruh secara signifikan terhadap

User Satisfaction (US)

Dalam variabel Perceived Usefulness (PU), penulis memberikan indikator-

indikator berupa Work more quickly (PU1), Improve job performance (PU2),

Increase productivity (PU3), dan Make job easier (PU4) yang diadopsi dari

penelitian Laksono (2017), penulis berhipotesis bahwa:

 22

H7 : Perceived Usefulness (PU) berpengaruh secara signifikan terhadap

Net Benefits (NB)

H8 : Perceived Usefulness (PU) berpengaruh secara signifikan terhadap

User Satisfaction (US)

Dalam variabel System Quality (SQ), penulis memberikan indikator-

indikator berupa Reliability (SQ1), Functionability (SQ2), Maintainability (SQ3),

dan Response time (SQ4). Berdasarkan penelitian Laksono (2017), penulis

berhipotesis bahwa:

H9 : System Quality (SQ) berpengaruh secara signifikan terhadap

Perceived Ease of Use (PEOU)

H10 : System Quality (SQ) berpengaruh secara signifikan terhadap

Perceived Usefulness (PU)

H11 : System Quality (SQ) berpengaruh secara signifikan terhadap

User Satisfaction (US)

Dalam variabel Service Quality (SVQ) penulis memberikan indikator-

indikator berupa Interpersonal quality (SVQ1), Responsiveness (SVQ2),

Assurance (SVQ3), dan Emphaty (SVQ4) yang diadopsi dari penelitian Subiyakto

et al. (2015), Hamid & Ikbal (2017), Groho, Winarno, dan Permanasari (2014),

DeLone & McLean, (2003). Penulis berhipotesis bahwa:

H12 : Service Quality (SVQ) berpengaruh secara signifikan terhadap Perceived

Ease of Use (PEOU)

H13 : Service Quality (SVQ) berpengaruh secara signifikan terhadap

Perceived Usefulness (PU)

 23

H14 : Service Quality (SVQ) berpengaruh secara signifikan terhadap User

Satisfaction (US)

Dalam variabel User Satisfaction (US), penulis memberikan indikator-

indikator berupa Efficiency (US1), Effectiveness (US2), Flexibility (US3), dan

Overall Satisfaction (US4) yang diadopsi dari penelitian Hamid & Ikbal (2017),

penulis berhipotesis bahwa:

H15 : User Satisfaction (US) berpengaruh secara signifikan terhadap Net

Benefits (NB)

Dalam variabel Net Benefits (NB), penulis memberikan indikator-indikator

berupa Speed of acomplishing task (NB1), Decrease error rate (NB2), Work

effect (NB3), dan Usefulness in work (NB4) yang diadopsi dari penelitian Davis

(1989). Berikut ini penelitian lampirkan Tabel 3.1 kode, indikator dan referensi

yang digunakan dalam penelitian ini.

Tabel 3.1 Kode, Indikator dan Referensi Penelitian

Kode Indikator Referensi

SQ1 Reliability Subiyakto et al. (2015); DeLone & McLean (2003)
SQ2 Functionability
SQ3 Maintainability
SQ4 Response time
IQ1 Completeness Subiyakto et al. (2015); DeLone & McLean (2003)
IQ2 Accuracy
IQ3 Relevance
IQ4 Consistency
SVQ1 Interpersonal quality Subiyakto et al. (2015); DeLone & McLean (2003)
SVQ2 Responsiveness
SVQ3 Assurance
SVQ4 Emphaty
PEOU1 Easy to learn Davis (1989)
PEOU2 Controllable
PEOU3 Clear & Understandable
PEOU4 Easy to use
PU1 Work more quickly Davis (1989)
 24

PU2 Improve job performance

PU3 Increase productivity
PU4 Make job easier
US1 Efficiency Subiyakto et al. (2016)
US2 Effectiveness
US3 Flexibility
US4 Overall Satisfaction
NB1 Speed of accomplishing task Davis (1989)
NB2 Decrease error rate
NB3 Work effect
NB4 Usefulness in work

3.3 Populasi dan Sampel Penelitian

Populasi yang digunakan dalam penelitian ini adalah Warga Negara

Indonesia berusia minimal 15 tahun yang menggunakan satu dari lima situs e-

commerce, yakni Tokopedia, Bukalapak, Shopee, Lazada, dan Blibli. Penulis

mengambil lima situs e-commerce tersebut karena merupakan lima situs e-

commerce terbanyak yang dikunjungi di Indonesia per Quartal IV tahun 2018.

Situs Tokopedia menjadi e-commerce yang paling banyak dikunjungi dengan 168

juta pengunjung, posisi kedua ditempati oleh Bukalapak dengan 116 juta

pengunjung, kemudian Shopee dengan 67 juta pengunjung, Lazada dengan 58 juta

pengunjung dan yang ke-5 Blibli dengan 43 juta pengunjung (sumber:

cnbcindonesia.com).

Rentang usia yang penulis ambil merujuk pada riset yang memperlihatkan

bahwa berdasarkan usia, 50% pembelanja merupakan Generasi Milenial (berusia

antara 25-34 tahun), disusul Generasi Z (15-24 tahun) sebanyak 31%, Generasi X

(35-44 tahun) sebanyak 16%, dan 2% sisanya merupakan Generasi Baby Boomers

(usia 45 tahun ke atas).

Sampel pada penelitian ini berjumlah 514 sampel. Jumlah sampel tersebut

melebihi dari jumlah minimum sampel yang telah dihitung menggunakan rumus
 25

Slovin dengan nilai batas toleransi adalah 5%, karena semakin kecil nilai

ketidaktelitiannya maka akan semakin tinggi keakuratannya. Adapun perhitungan

sampel dengan menggunakan rumus Slovin yaitu:

𝑁
𝑛= 452.000.000
452.000.000 452.000.000 = = 399,99 = 𝟒𝟎𝟎
1 + 𝑁𝑒 2 = 1 + 452.000.000 𝑥 0,0025 = 1 +
1.130.001
1.130.000

Untuk jumlah responden, penulis mengambil total responden sebanyak 500 orang

dengan minimal 100 responden di masing-masing situs e-commerce tersebut.

Penulis menggunakan Teknik random sampling dan penghitungannya

menggunakan rumus Slovin dengan batas toleransi 5%.

3.4 Instrumen Penelitian

Instrumen penelitian yang penulis gunakan berbentuk kuesioner yang terdiri

dari dua bagian, yakni lembar pengantar penelitian dan lembar pertanyaan.

Lembar pengantar penelitian berisi maksud penulis dalam melakukan penelitian.

Lembar pertanyaan berisi 35 pertanyaan berkenaan dengan profil responden dan

penggunaan e-commerce.

Dalam penelitian ini, penulis menggunakan lima poin skala likert seperti

yang dijelaskan pada sub bab 2.7. Skala likert tersebut tersedia dalam lima

alternatif jawaban, yaitu “sangat tidak setuju” dengan nilai 1 (satu), “tidak setuju”

dengan nilai 2 (dua), “tidak tahu” dengan nilai 3 (tiga), “setuju” dengan nilai 4

(empat), dan “sangat setuju” dengan nilai 5 (lima). Tabel 3.2 menjelaskan

mengenai variabel dan indikator yang digunakan dalam penelitian ini.

 26

Tabel 3.2 Variabel, Indikator dan Pernyataan Penelitian

VARIABEL INDIKATOR PERNYATAAN

System Quality Reliability (Keandalan): dapat e-commerce dapat dipercaya
dipercaya

Functionability (Fungsi): sistem e-commerce berfungsi dengan

berjalan sebagaimana mestinya. baik

Maintainability (Keterawatan): e-commerce melakukan update

sistem diperlihara dengan baik. sistem secara berkala

Response time (Waktu respon): e-commerce merespon dengan

sistem merespon perintah baik perintah yang diberikan
dengan cepat dan berjalan
dalam kondisi normal ataupun
khusus.
Information Quality Completeness (Kelengkapan): e-commerce memberikan
segala sesuatu yang dibutuhkan informasi secara lengkap
tersedia. (misalkan promo, stock, dll)

Accuracy (Ketepatan): suatu e-commerce memberikan

keadaan atau hal yang informasi secara tepat sesuai
sesuai (keadaan, sifat) tepat. dengan ketertarikan

Relevance (Relevansi): sesuatu e-commerce memberikan

yang berhubungan antara satu informasi yang berkaitan
hal dengan hal lainnya. dengan kebutuhan saya

Consistency (Konsistensi): e-commerce secara konsisten

ketetapan dan kemantapan memberikan informasi
dalam bertindak secara bertahap (misalkan promo, stock, dll)

Service Quality Interpersonal quality (Kualitas e-commerce meningkatkan

Interpersonal): kinerja interpersonal saya

Responsiveness (Responsif): e-commerce bereaksi cepat

cepat dalam menanggapi suatu seuai dengan perintah
hal

Assurance (Jaminan): e-commerce memberikan rasa

tanggungan yang diberikan aman dan terpercaya dalam
untuk memberikan rasa aman layanan transaksi
dan terpercaya

Emphaty (Empati): sebuah e-commerce mampu

kondisi yang menjadikan mengadopsi apa yang
seseorang merasa iba dan ingin diinginkan oleh pengguna
menbantu
(misalkan promo, hadiah, dll)
 27

Perceived Usefulness Work more quickly Menggunakan e-commerce

(Mempercepat pekerjaan): mempercepat kegiatan
penggunaan sistem mampu berbelanja
mempersingkat waktu pekerjaan.

Improve job performance Menggunakan e-commerce

(Meningkatkan kinerja): meningkatkan kinerja berbelanja
penggunaan sistem mampu
meningkatkan kinerja individu
dalam melakukan kegiatan.

Increase productivity Menggunakan e-commerce

(Meningkatkan produktivitas): memungkinkan saya
penggunaan sistem mampu menyelesaikan lebih banyak
menambah tingkat produktifitas kegiatan berbelanja
individu.

Make job easier (Mempermudah Menggunakan e-commerce

pekerjaan): penggunaan sistem mempermudah kegiatan
mampu mempermudah berbelanja
pekerjaan.

Perceived Ease of Use Easy to learn (Mudah Penggunaan e-commerce mudah

dipelajari): pengguna mampu untuk dipelajari
mempelajari sistem dengan
mudah.
Controllable (Dapat dikontrol): Penggunaan e-commerce mudah
pengguna mampu untuk dikendalikan
mengendalikan sistem untuk
digunakan dan diarahkan.

Clear & Understandable (Jelas Penggunaan e-commerce jelas

& dapat dipahami): interaksi dan mudah dipahami
individu dengan sistem jelas dan
mudah dimengerti.

Easy to use (Mudah digunakan): Secara umum, e-commerce

pengguna dapat dengan mudah mudah untuk digunakan
untuk menggunakan sistem.

User Satisfaction Efficiency (Efisiensi): Penggunaan e-commerce

kemampuan menjalankan tugas meningkatkan efisiensi dalam
dengan baik dan tepat (dengan berbelanja
tidak membuang waktu, tenaga,
biaya).

Effectiveness (Efektivitas): suatu Penggunaan e-commerce

ukuran yang menyatakan meningkatkan efektivitas dalam
seberapa jauh target berbelanja
(kuantitas,kualitas dan waktu)
 28

telah tercapai. Dimana makin

besar presentase target yang
dicapai, makin tinggi
efektifitasnya.

Flexibility (Fleksibel): Penggunaan e-

penyesuaian diri secara mudah commerce fleksibel
dan cepat. dalam kegiatan
berbelanja saya
Overall Satisfaction (Kepuasan Secara umum, saya merasa puas
keseluruhan): pengguna menggunakan e-commerce
mendapatkan pengalaman
menggunakan sistem sesuai
ekspektasi dari awal hingga
akhir.

Net Benefits Speed of acomplishing task Menggunakan e-commerce

(Kecepatan pekerjaan yang memberikan kecepatan dalam
dicapai): kecepatan suatu sistem kegiatan berbelanja sesuai
dalam melakukan sebuah dengan yang diinginkan
pekerjaan sesuai dengan perintah
yang dierikan.

Decrease error rate Penggunaan e-commerce

(Menurunkan Tingkat Kesalahan): mengurangi kesalahan dalam
kegiatan berbelanja
sistem mengurangi kesalahan
dalam kegiatan berbelanja.

Work effect (efek pekerjaan): Penggunaan e-commerce

sistem memberikan dampak memberikan dampak yang baik
possotif bagi penggunanya dalam berbelanja

Usefulness in work (Kegunaan Penggunaan e-commerce

dalam bekerja): berguna dalam kegiatan
berbelanja

3.5 Pengumpulan dan Pemrosesan Data

Proses pengumpulan data ini dilakukan secara online dan offline dengan

mengajukan kuesioner kepada responden melalui teknik random sampling.

Penyebaran secara offline dilakukan di wilayah Jabodetabek, sedangkan

penyebaran secara online dilakukan melalui tautan yang menuju pada google form
 29

yang telah penulis sediakan. Penyebaran kuesioner baik online maupun offline

dilakukan mulai tanggal 20 Juli 2019 sampai tanggal 17 Agustus 2019 untuk

mencapai target minimal 500 responden. Jumlah kuesioner yang terkumpul

diklasifikasikan menggunakan perangkat lunak pengolah angka MS. Excel 2016.

Berdasarkan pengumpulan data yang telah dilakukan, peneliti berhasil

mendapatkan kurang lebih 521 responden. Sebanyak 7 di antaranya tidak valid

karena terjadi penginputan ganda pada google form, sehingga kuesioner yang

dinyatakan valid berjumlah 514 kuesioner.

3.6 Analisis Data dan Interpretasi Hasilnya

Berdasarkan pada analisis data dibagi menjadi dua bagian, yaitu analisis

demografis dan analisis statistik. Penulis melakukan analisis data demografis

dengan menggunakan perangkat melakukan analisis data demografis dengan

menggunakan perangkat lunak pengolah olah angka Ms. Excel 2016. Data

responden dikelompokkan berdasarkan jenis kelamin, pendidikan, status

pekerjaan, usia, e-commerce yang digunakan, serta tingkat keberhasilan dan

penerimaan pengguna. Kedua, penulis melakukan analisis statistik menggunakan

SmartPLS versi 3.0. Mengacu pada sejumlah penelitian terdahulu, penulis

melakukan analisis dengan dua tahap, yaitu analisis measurement model dan

structural model. Measurement model dilakukan untuk menguji realibilitas dan

validitas outer model melalui tahapan pengujiam individual item reliability,

internal consistency reliability, convergent validity, dan discriminant validity.

Sedangkan pengujian structural model dilakukan untuk menguji path coefficient

(β), coefficient of
 30

determination (R2), t-test menggunakan metode bootstrapping, effect size (𝑓2),

predictive relevance (𝑄2), dan relative impact (𝑞2).

3.7 Prosedur Penelitian

Adapun tahap dalam penelitian ini terdiri atas delapan bagian, yakni

mencakup kajian pustaka, pengembangan model, pengumpulan data, analisis

data, interpretasi, dan pembuatan laporan. Berikut ini penulis lampirkan

Gambar 3.3 prosedur penelitian.

Gambar 3.3 Prosedur Penelitian

 30

BAB 4 HASIL ANALISIS DAN INTERPRETASI

4.1 Hasil Analisis

4.1.1 Hasil Analisis Demografis

Hasil analisis jawaban dari responden terhadap pertanyaan dan

pernyataan yang berkaitan dengan profil responden dan penggunaan e-

commerce menghasilkan analisis demografis. Peneliti berhasil

mengumpulkan data responden dalam empat minggu (20 Juli 20018 –

17 Agustus 2018), sebanyak 514 data valid. Informasi demografis yang

dihasilkan meliputi jenis kelamin, pendidikan terakhir, status pekerjaan,

usia, serta tingkat keberhasilan dan penerimaan penggunaan e-

commerce di Indonesia.

1. Jenis Kelamin

Data pengguna e-commerce kelima e-commerce yang dihimpun

memperlihatkan bahwa dari 514 responden pada penelitian ini,

dapat kita lihat bahwa untuk pengguna wanita terbanyak dimiliki

oleh e-commerce Shopee. Sedangkan untuk pengguna laki-laki

terbanyak dimiliki oleh e- commerce Tokopedia. Berikut ini

penulis lampirkan Gambar 4.1 jenis kelamin responden pengguna

e-commerce.

90 83
80
68
70 61 64
60 55
47
50 41
36 38
40
30 21
20
10
0
TOKOPEDIABUKALAPAKSHOPEELAZADABLIBLI
Laki-lakiPerempuan

30

Gambar 4.1 Jenis Kelamin Responden

Pengguna E-commerce

Berdasarkan pada Gambar 4.1 diketahui bahwa hasil demografis

responden untuk jenis kelamin mendapatkan hasil yang berbeda-

beda untuk tiap e- commerce. Pada e-commerce Tokopedia

responden didominasi oleh laki-laki, yaitu sebanyak 60% dan 40%

untuk perempuan. Hasil berbeda didapat oleh e-commerce

Bukalapak, yaitu 46% untuk laki-laki dan 54% untuk pengguna

perempuan. Hasil yang cukup signifikan didapat oleh e-commerce

Shopee dimana pengguna laki-laki hanya sebesar 20% dan 80%

untuk pengguna perempuan. Selanjutnya Lazada mendapatkan

presentase 35% untuk laki-laki dan 65% untuk pengguna

perempuan. Sedangkan Blibli mendapatkan presentase 37% untuk

laki-laki dan 63% untuk perempuan. Berdasarkan data tersebut,

secara keseluruhan responden perempuan pengguna e-commerce

lebih banyak daripada responden pengguna e-commerce laki-laki.

Hal ini mungkin saja terjadi disebabkan penyebaran kuesioner

online menggunakan google form yang lebih banyak diisi oleh

teman-teman penulis yang berjenis kelamin perempuan. Selain itu

mungkin saja kebiasaan berbelanja yang

dimiliki oleh kebanyakan perempuan menjadi penyebab perempuan

 30

lebih banyak menggunakan e-commerce dibandingkan laki-laki.

2. Pendidikan Terakhir

Data pengguna e-commerce kelima e-commerce yang dihimpun

memperlihatkan bahwa dari 514 responden pada penelitian ini,

dapat kita lihat bahwa untuk pengguna dengan pendidikan terakhir

SLTP/A terbanyak dimiliki oleh e-commerce Blibli, untuk

pengguna dengan pendidikan terakhir Diploma terbanyak dimiliki

oleh e-commerce Shopee, selanjutnya pengguna dengan pendidikan

terakhir S1 terbanyak dimiliki oleh e-commerce Tokopedia dan

untuk pengguna dengan pendidikan terakhir S2 terbanyak dimiliki

oleh e-commerce Blibli. Berikut ini penulis lampirkan Gambar 4.2

pendidikan terakhir responden pengguna e-commerce:

100

80 90

60
65 62
40 484848
43 39
34
20
2 1 4 2 121 1 2 093
0
TOKOPEDIA BUKALAPAK SHOPEE LAZADA
BLIBLI

SLTP/A DIPLOMA S1 S2

Gambar 4.2 Pendidikan Terakhir Responden

Pengguna E-commerce

Berdasarkan pada Gambar 4.2 diketahui bahwa hasil demografis

 30

untuk pendidikan terakhir mendapatkan hasil yang beragam. Hal ini

tentunya sesuai dengan segmentasi pasar dari setiap e-commerce

ataupun faktor yang lainnya. Berdasarkan data responden yang

berhasil dihimpun untuk e-commerce Tokopedia mendapatkan

presentase SLTP/A: 33%, S1:64%, S2:1%, dan Diploma:2%. Hasil

presentase yang didapat untuk e-commerce Bukalapak yaitu,

SLTP/A:47%, S1:47%, S2:2%, Diploma:4%. Selanjutnya hasil

presentase yang didapat oleh Shopee yaitu: SLTP/A:46%, S1:41%,

S2:1%, Diploma:12%. Hasil presentase yang didapat oleh Lazada

yaitu: SLTP/A:37%, S1:60%, S2:2%, Diploma:1%. Sedangkan hasil

presentase yang didapat Blibli yaitu: SLTP/A:88%, S1:9%, S2:3%,

Diploma:0%. Berdasarkan data di atas, hasil presentase didominasi

oleh pengguna yang berlatar belakang pendidikan terakhir SLTP/A.

Hal ini mungkin saja terjadi dikarenakan penyebaran kuesioner

online yang kebanyakan diisi oleh mahasiswa yang sedang menjalani

pendidikan S1. Hal ini menunjukkan bahwa responden memiliki

jenjang pendidikan yang cukup tinggi sehingga layak untuk

dijadikan sampel dalam penelitian ini.

1. Usia

Data pengguna kelima e-commerce yang dihimpun

memperlihatkan bahwa dari 514 responden pada penelitian ini,

responden yang memiliki usia 15 – 24 tahun terbanyak dimiliki

 30

oleh e-commerce Shope, untuk usia 25 – 34 tahun terbanyak

dimiliki e-commerce Tokopedia, untuk usia 35 – 44 terbanyak

dimiliki oleh e-commerce Blibli, dan untuk usia > 45 tahun

terbanyak sama-sama dimiliki oleh e-commerce Bukalapak dan

Shopee. Berikut ini penulis lampirkan Gambar 4.3 usia

responden pengguna e-commerce:

Gambar 4.3 Usia Responden Pengguna E-commerce

Berdasarkan Gambar 4.3 diketahui bahwa hasil demografis untuk usia pengguna

e-commerce berbeda-beda. Berdasarkan data yang didapatkan dari responden

berbagai usia, berikut ini presentase untuk e-commerce Tokopedia yaitu: 15 – 24

tahun: 72%, 25 – 34 tahun: 27%, 35 – 44 tahun: 1%, dan > 45 tahun: 0%. Hasil

presentase yang didapat untuk e-commerce Bukalapak yaitu, 15 – 24 tahun: 81%,

25 – 34 tahun: 16%, 35 – 44 tahun: 2%, > 45 tahun:1%. Selanjutnya hasil

presentase untuk e-commerce Shopee yaitu: 15 – 24 tahun: 81%, 25 – 34 tahun:

17%, 35 – 44 tahun:1%, > 45 tahun:1%. Hasil presentase yang didapat Lazada

yaitu: 15 – 24 tahun: 73%, 25 – 34 tahun: 25%, 35 – 44 tahun: 2%, > 45 tahun:

 30

0%. Selanjutnya presentase yang didapat oleh e- commerce Blibli yaitu: 15 – 24

tahun: 78%, 25 – 34 tahun: 19%, 35 – 44 tahun: 3%, > 45 tahun: 0%.

Berdasarkan data yang diringkas di atas, dapat kita simpulkan bahwa mayoritas

pengguna e-commerce berada di kisaran 15 – 24 tahun atau Generasi Z. Hal ini

mungkin saja terjadi disebabkan penyebaran kuesioner yang dilakukan di

lingkungan Generasi Z atau pengguna yang beurmur berkisar 15 – 24 tahun.

2. Tingkat Keberhasilan Lima E-commerce

Data pengguna kelima e-commerce yang dihimpun

memperlihatkan bahwa dari 514 responden pada penelitian ini,

responden yang mengatakan “Berhasil” terbanyak dimiliki

oleh e-commerce Shopee dan responden terbanyak yang

mengatakan “Sangat Berhasil” dimiliki oleh e-commerce

Tokopedia. Berikut ini penulis lampirkan Gambar 4.4 tingkat

keberhasilan e- commerce menurut penggunanya:

80
70
60 66 68
61 63
50
40 48
30
32
20
25 26 24 24
10 18
63 38 19 5 12 12
0
TOKOPEDIA BUKALAPAK SHOPEE LAZADA
BLIBLI

Kurang Berhasil Tidak Tahu Berhasil

Sangat Berhasil

Gambar 4.4 Tingkat Keberhasilan E-commerce Menurut

 30

Penggunanya

Berdasarkan Gambar 4.4, setiap e-commerce mendapatkan

hasil yang berbeda-beda. Berikut ini hasil presentase tingkat

keberhasilan penggunaan e-commerce Tokopedia yaitu,

Berhasil: 60%, Sangat Berhasil: 31%, Kurang

 37

Berhasil: 6%, Tidak Tahu: 3%. Hasil yang didapatkan e-commerce Bukalapak

yaitu, Berhasil: 65%, Sangat Berhasil: 24%, Kurang Berhasil: 3%, Tidak Tahu:

8%. Selanjutnya hasil presentase untuk e-commerce Shopee yaitu, Berhasil: 65%,

Sangat Berhasil: 25%, Kurang Berhasil: 1%, Tidak Tahu: 9%. Hasil presentase

yang didapatkan oleh e-commerce Lazada yaitu, Berhasil: 61%, Sangat Berhasil:

23%, Kurang Berhasil: 5%, Tidak Tahu: 11%. Yang terakhir adalah hasil

presentase yang didapatkan oleh e-commerce Blibli yaitu, Berhasil: 47%, Sangat

Berhasil: 23%, Kurang Berhasil: 12%, Tidak Tahu: 18%. Berdasarkan data

Gambar 4.4, dapat kita simpulkan bahwa mayoritas responden menjawab

“Berhasil” dan “Sangat Berhasil”. Itu menandakan bahwa pengguna dapat

menggunakan e-commerce dengan baik. Keberhasilan ini tentunya juga didukung

oleh data sebelumnya yang menampilkan pendidikan terakhir dan usia pengguna

e-commerce itu sendiri. Namun berdasarkan hasil perbandingan dari kelima e-

commerce tersebut, e- commerce Shopee adalah yang paling dianggap “Berhasil”

dan “Sangat Berhasil”.

3. Tingkat Penerimaan Lima E-commerce

Data pengguna kelima e-commerce yang dihimpun memperlihatkan bahwa dari

514 responden pada penelitian ini, responden terbanyak yang menganggap

“Diterima” dimiliki oleh e-commerce Lazada dan responden terbanyak yang

menganggap “Sangat Diterima” sama-sama dimiliki oleh e- commerce Tokopedia

 37

dan Shopee. Berikut ini penulis lampirkan Gambar 4.5 tingkat penerimaan e-

commerce menurut penggunanya:

70
60
62
50 57 57 55
40 44 44
43
30 37
30 31
20
20
10 14
1 11 14 11 1
0
TOKOPEDIABUKALAPAKSHOPEELAZADABLIBLI

Kurang DiterimaTidak TahuDiterimaSangat Diterima

Gambar 4.5 Tingkat Penerimaan E-commerce Menurut Penggunanya

Berdasarkan Gambar 4.5, semua e-ccommerce mendapatkan hasil responden yang

berbeda-beda. Berikut ini penulis tampilkan hasil responden untuk e- commerce

Tokopedia Diterima: 56%, Sangat Diterima: 43%, Kurang Diterima: 0%, Tidak

Tahu: 1%. Hasil yang didapat e-commerce Bukalapak yaitu, Diterima: 56%,

Sangat Diterima: 42%, Kurang Diterima: 1%, Tidak Tahu: 1%. Selanjutnya hasil

responden yang didapat untuk e-commerce Shopee yaitu, Diterima: 53%, Sangat

Diterima: 42%, Kurang Diterima: 1%, Tidak Tahu: 4%. Hasil presentase yang

didapat untuk e-commerce Lazada yaitu, Diterima: 60%, Sangat Diterima: 29%,

Kurang Diterima: 10%, Tidak Tahu: 1%. Yang terakhir adalah hasil yang didapat

untuk e-commerce Blibli yaitu, Diterima: 30%, Sangat Diterima: 36%, Kurang

Diterima: 20%, Tidak Tahu: 14%. Berdasarkan data diatas dapat kita simpulkan

bahwa mayoritas responden menjawab “Diterima” dan “Sangat Diterima”.

Tentunya hal ini didukung oleh data sebelumnya terkait usia pengguna dan
 37

pendidikan terakhir pengguna. Berdasarkan perbandingan dari kelima e-

commerce tersebut, e- commerce Bukalapak adalah yang paling banyak mendapat

respon “Diterima” dan “Sangat Diterima”.

4.1.2 Hasil Analisis Pengukuran Model (Outer Model)

Pada tahap ini, peneliti melakukan analisis pengukuran model yang

terdiri dari empat tahap pengujian yaitu individual item reliability, internal

consistency reliability, convergent validity, dan discriminant validity.

Berikut penjelasan hasil analisis model dalam empat tahap yang akan

dijelaskan per e-commerce:

4.2.2.1 Outer Model Tokopedia

1. Uji individual item reliability

Standardized loading factor menggambarkan besarnya korelasi antar setiap

item pengukuran (OL) dengan konstruknya, melihat nilai outer loading.

Nilai outer loading di atas 0,7 dapat dikatakan baik yang berarti indikator

tersebut valid dalam mengukur konstruknya. Untuk lebih jelasnya nilai

outer loading Tokopedia penulis lampirkan dalam Tabel 4.1.

2. Uji internal consistency reliability

Pengujian ini dilakukan dengan melihat nilai composite reliabality (CR)

dengan ambang batas di atas 0,7. Berdasarkan data yang diolah

menggunakan SmartPLS 3.0 menunjukan seluruh nilai CR dari semua

variabel sudah memenuhi syarat dan valid untuk digunakan dalam model

penelitian ini,
 40

Untuk lebih jelasnya nilai composite reliability Tokopedia penulis

lampirkan dalam tabel 4.1.

3. Uji Convergent Validity

Selanjutnyua penulis melakukan pengujian convergent validity dengan

melihat nilai average variance extracted (AVE), di mana nilai AVE

menggambarkan besaran atau keragaman variabel manifes (indikator) yang

dapat dikandung oleh variabel laten (konstruk). Nilai AVE yang baik dalam

menunjukkan convergent validity adalah minimal 0,5. Artinya, variabel

laten dapat menjelaskan rata-rata lebih dari setengah varian dari

indikatornya, hasil perhitungan oleh SmartPLS 3.0 menunjukan nilai AVE

dari semua variabel sudah memenuhi syarat dan valid untuk digunakan

dalam model penelitian ini. Untuk lebih jelasnya nilai AVE Tokopedia

penulis lampirkan dalam tabel 4.1.

4. Uji discriminant validity

Pengujian ini dapat dilakukan melalui dua cara yaitu dengan memeriksa

cross loading dan cross loading Fornell-Lacker’s, pertama melakukan

perbandingan korelasi indikator dengan konstruknya dan konstruk blok

lainnya. Bila korelasi antar indikator dengan konstruknya lebih tinggi dari

korelasi dengan konstruk blok lainnya, maka konstruk tersebut memprediksi

ukuran pada blok mereka lebih baik dari blok lainnya. Selanjutnya dengan

memeriksa cross loading Fornell-Lacker’s yaitu dengan

 40

membandingkannya dengan nilai akar AVE, di mana nilai akar AVE harus

lebih tinggi daripada korelasi antara konstruk dengan konstruk lainnya.

Hasil dari perhitungan menunjukkan bahwa nilai cross loading indikator

yang diberi blok kuning pada setiap variabel memiliki nilai lebih tinggi dari

korelasi dengan konstruk blok lainnya, untuk lebih jelasnya nilai cross

loading dan cross loading Fornell-Lacker’s Tokopedia penulis lampirkan

dalam tabel 4.1.

Tabel 4.1 Hasil Analisis Pengukuran Model Tokopedia

CL AKAR
Var Ind OL AVE CR
IQ NB PEOU PU SQ SVQ US AVE
IQ1 0,761 0,761 0,577 0,508 0,446 0,569 0,522 0,506
IQ2 0,856 0,856 0,597 0,628 0,401 0,608 0,570 0,509
IQ 0,667 0,889 0,817
IQ3 0,841 0,841 0,575 0,556 0,405 0,610 0,630 0,418
IQ4 0,806 0,806 0,611 0,548 0,448 0,614 0,695 0,566
NB1 0,829 0,614 0,829 0,646 0,700 0,472 0,603 0,673
NB2 0,733 0,591 0,733 0,378 0,520 0,577 0,573 0,451
NB 0,592 0,852 0,769
NB3 0,798 0,548 0,798 0,439 0,449 0,524 0,501 0,398
NB4 0,710 0,462 0,710 0,481 0,449 0,553 0,498 0,535
PEOU1 0,902 0,576 0,503 0,902 0,457 0,549 0,477 0,536
PEOU2 0,829 0,558 0,649 0,829 0,576 0,530 0,554 0,554
PEOU 0,754 0,925 0,868
PEOU3 0,901 0,649 0,583 0,901 0,494 0,557 0,478 0,572
PEOU4 0,839 0,600 0,515 0,839 0,504 0,502 0,436 0,569
PU1 0,791 0,429 0,535 0,534 0,791 0,389 0,474 0,469
PU2 0,879 0,387 0,610 0,445 0,879 0,482 0,553 0,541
PU 0,731 0,916 0,855
PU3 0,900 0,506 0,679 0,462 0,900 0,526 0,591 0,591
PU4 0,847 0,457 0,592 0,575 0,847 0,447 0,507 0,599
SQ1 0,750 0,440 0,443 0,370 0,346 0,750 0,560 0,341
SQ2 0,779 0,487 0,442 0,408 0,403 0,779 0,629 0,342
SQ 0,629 0,871 0,793
SQ3 0,780 0,624 0,603 0,527 0,489 0,780 0,551 0,458
SQ4 0,860 0,721 0,625 0,600 0,457 0,860 0,678 0,546
SVQ1 0,773 0,605 0,602 0,388 0,564 0,569 0,773 0,464
SVQ2 0,809 0,557 0,574 0,396 0,536 0,605 0,809 0,383
SVQ 0,637 0,875 0,798
SVQ3 0,820 0,620 0,578 0,531 0,438 0,636 0,820 0,517
SVQ4 0,790 0,580 0,518 0,472 0,455 0,623 0,790 0,504
US1 0,874 0,527 0,583 0,521 0,575 0,458 0,510 0,874
US2 0,892 0,551 0,623 0,579 0,595 0,544 0,576 0,892
 40

US US3 0,846 0,471 0,573 0,561 0,483 0,393 0,445 0,846 0,742 0,920 0,862
US4 0,834 0,568 0,595 0,556 0,568 0,479 0,490 0,834

Secara singkat, hasil analisis pengukuran model di atas menunjukkan

bahwa model yang peneliti ajukan sudah memenuhi karakteristik yang baik

secara statistik sehingga dapat disimpulkan bahwa model tersebut

memenuhi syarat untuk dilanjutkan ke tahap pengujian struktur model (Hair

et al., 2012; Afthanorhan, 2013). Dirujuk Tabel 4.1 yang menunjukan hasil

analisis pengukuran model secara keseluruhan pada penelitian e-commerce

Tokopedia.

4.2.2.2 Outer Model Bukalapak

1. Uji Individual Item Reliability

Standardized loading factor menggambarkan besarnya korelasi antar setiap

item pengukuran (indikator) dengan konstruknya, melihat nilai outer

loading. Nilai outer loading di atas 0,7 dapat dikatakan baik yang berarti

indikator tersebut valid dalam mengukur konstruknya. Merujuk pada standar

nilai outer loading, setelah melalui pengujian pada SmartPLS 3.0 terdapat 1

indikator yang memiliki nilai outer loading di bawah 0,7 yaitu, SQ3.

Sehingga indikator tersebut harus dihapus, untuk lebih jelasnya nilai outer

loading Bukalapak penulis lampirkan dalam Tabel 4.2.

2. Uji Internal Consistency Reliability

Pengujian ini dilakukan dengan melihat nilai composite reliabality (CR)

dengan ambang batas di atas 0,7. Berdasarkan data yang diolah

 40

menggunakan SmartPLS 3.0 menunjukan seluruh nilai CR dari semua

variabel sudah memenuhi syarat dan valid untuk digunakan dalam model

penelitian ini, untuk lebih jelasnya nilai CR Bukalapak penulis lampirkan

dalam Tabel 4.2.

3. Uji Convergent Validity

Selanjutnyua penulis melakukan pengujian convergent validity dengan

melihat nilai average variance extracted (AVE), di mana nilai AVE

menggambarkan besaran atau keragaman variabel manifes (indikator) yang

dapat dikandung oleh variabel laten (konstruk). Nilai AVE yang baik dalam

menunjukkan convergent validity adalah minimal 0,5. Artinya, variabel

laten dapat menjelaskan rata-rata lebih dari setengah varian dari

indikatornya, hasil perhitungan oleh SmartPLS 3.0 menunjukan nilai AVE

dari semua variabel sudah memenuhi syarat dan valid untuk digunakan

dalam model penelitian ini. Untuk lebih jelasnya nilai AVE Bukalapak

penulis lampirkan dalam Tabel 4.2.

4. Uji Discriminant Validity

Pengujian ini dapat dilakukan melalui dua cara yaitu dengan memeriksa

nilai cross loading dan cross loading Fornell-Lacker’s, pertama melakukan

perbandingan korelasi indikator dengan konstruknya dan konstruk blok

lainnya. Bila korelasi antar indikator dengan konstruknya lebih tinggi dari

korelasi dengan konstruk blok lainnya, maka konstruk tersebut memprediksi

ukuran pada blok mereka lebih baik dari blok lainnya. Selanjutnya dengan

memeriksa cross loading Fornell-Lacker’s yaitu dengan

 40

membandingkannya dengan nilai akar AVE, di mana nilai akar AVE harus

lebih tinggi daripada korelasi antara konstruk dengan konstruk lainnya.

Hasil dari perhitungan menunjukkan bahwa nilai cross loading indikator

yang diberi blok kuning pada setiap variabel memiliki nilai lebih tinggi dari

korelasi dengan konstruk blok lainnya, untuk lebih jelasnya nilai cross

loading dan cross loading Fornell-Lacker’s Bukalapak penulis lampirkan

dalam Tabel 4.2.

Tabel 4.2 Hasil Analisis Pengukuran Model Bukalapak

CL AKAR
Ind OL AVE CR
IQ NB PEOU PU SQ SVQ US AVE
IQ1 0,861 0,861 0,555 0,556 0,506 0,533 0,621 0,524
IQ2 0,849 0,849 0,533 0,582 0,458 0,443 0,548 0,540
0,671 0,891 0,819
IQ3 0,751 0,751 0,349 0,464 0,338 0,376 0,458 0,345
IQ4 0,811 0,811 0,555 0,487 0,352 0,407 0,595 0,463
NB1 0,834 0,562 0,834 0,667 0,674 0,501 0,657 0,676
NB2 0,818 0,465 0,818 0,531 0,530 0,602 0,618 0,551
0,654 0,883 0,809
NB3 0,779 0,490 0,779 0,444 0,587 0,481 0,573 0,434
NB4 0,801 0,465 0,801 0,599 0,651 0,569 0,577 0,607
PEOU1 0,869 0,507 0,580 0,869 0,488 0,444 0,543 0,648
PEOU2 0,861 0,564 0,634 0,861 0,543 0,476 0,569 0,683
0,761 0,927 0,873
PEOU3 0,925 0,662 0,688 0,925 0,562 0,558 0,625 0,684
PEOU4 0,832 0,493 0,541 0,832 0,522 0,525 0,555 0,612
PU1 0,742 0,359 0,492 0,385 0,742 0,305 0,488 0,408
PU2 0,846 0,435 0,643 0,499 0,846 0,446 0,568 0,589
0,641 0,877 0,801
PU3 0,805 0,347 0,618 0,421 0,805 0,471 0,469 0,517
PU4 0,806 0,482 0,661 0,605 0,806 0,466 0,607 0,645
SQ1 0,807 0,415 0,500 0,400 0,385 0,807 0,501 0,346
SQ2 0,899 0,438 0,583 0,479 0,497 0,899 0,569 0,500
0,705 0,877 0,840
SQ3*
SQ4 0,809 0,501 0,578 0,548 0,450 0,809 0,667 0,534
SVQ1 0,702 0,492 0,660 0,458 0,585 0,590 0,702 0,475
SVQ2 0,823 0,449 0,577 0,507 0,528 0,582 0,823 0,519
0,554 0,832 0,744
SVQ3 0,704 0,518 0,476 0,475 0,370 0,545 0,704 0,517
SVQ4 0,741 0,573 0,514 0,516 0,499 0,359 0,741 0,480
US1 0,852 0,414 0,535 0,614 0,577 0,465 0,511 0,852
US2 0,905 0,545 0,691 0,656 0,663 0,469 0,637 0,905
 40

US3 0,843 0,491 0,546 0,618 0,505 0,433 0,467 0,843 0,736 0,917 0,858
US4 0,829 0,528 0,648 0,690 0,593 0,546 0,654 0,829

Secara singkat, hasil analisis pengukuran model menunjukkan bahwa model

yang peneliti ajukan sudah memenuhi karakteristik yang baik secara

statistic sehingga dapat disimpulkan bahwa model tersebut memenuhi syarat
untuk dilanjutkan ke tahap pengujian struktur model (Hair et al., 2012;
Afthanorhan, 2013).
 40

BAB 5 PENUTUP

5.1 Kesimpulan

Berdasarkan hasil temuan dari penelitian yang telah dilakukan,

kesimpulan dari penelitian ini adalah sebagai berikut:

1. Faktor Perceived Ease of Use (PEOU) berpengaruh secara signifikan

terhadap Net Benefits (NB) adalah satu-satunya hipotesis yang dapat

diterima untuk kelima e-commerce berdasarkan pengujian t-test, sehingga

Perceived Ease of Use (PEOU) menjadi faktor yang memengaruhi

keberhasilan dan penerimaan kelima e-commerce.

2. Berdasarkan perhitungan R2, nilai rata-rata tingkat keberhasilan dan

penerimaan kelima e-commerce untuk indikator Perceived Ease of Use

(PEOU) dan Net Benefits (NB) adalah 0,629 atau setara dengan Medium

Strenght.

3. Dihapuskannya beberapa indikator, yaitu NB2 & NB3 untuk e-commerce

Lazada, PU3 & SQ1 untuk e-commerce blilbi, SQ3 untuk e-commerce

Bukalapak dan SQ3 & SVQ1 untuk e-commerce Shopee dalam penelitian

ini. Peneliti beranggapan bahwa hal ini terjadi karena penggunaan item

pertanyaan atau indikator yang kurang tepat dalam kuesioner dan juga

karena sebagian besar kuesioner diperoleh secara online. Mungkin saja hal

ini menyebabkan penafsiran yang bias bagi responden, sebab tidak ada
 40

pendampingan secara langsung.

4. Hipotesis pengaruh IQ terhadap US, pengaruh SQ terhadap PU, pengaruh

SQ terhadap US, pengaruh SVQ terhadap PEOU dan pengaruh SVQ

terhadap US adalah hipotesis yang ditolak di kelima e-commerce.

5. Hipotesis pengaruh PEOU terhadap NB dan pengaruh PU terhadap NB

merupakan sebuah hipotesis baru yang berdasarkan asumsi dari

pengembangan model Groho, Winarno, dan Permanasari (2014) dan

Laksono (2017).

Berdasarkan hasil penelitian yang telah dilakukan, penelitian ini telah

memberikan kontribusi berupa:

a) Secara metodologi, penelitian ini berperan dalam mendorong penggunaan

metode kuantitatif pada riset atau penelitian dibidang sistem informasi UIN

Syarif Hidayatullah Jakarta.

b) Secara praktis, penelitian ini dapat menjadi bahan pertimbangan untuk

pengembang e-commerce dalam memperbaharui sistem ataupun melakukan

innovasi pelayanan guna menarik perhatian pengguna

Selain itu, penelitian ini memiliki keterbatasan yang berpengaruh

kepada hasil penelitian, dimana penelitian ini menjadi kurang optimal.

Berikut merupakan keterbatasan pada penelitian ini:

a) Penelitian ini menggunakan pendekatan kuantitatif, dimana menghasilkan

temuan berupa angka statistik yang selanjutnya dijabarkan dalam bentuk

kata-kata. Penjelasan tersebut merupakan asumsi atau pendapat penulis

terhadap apa yang terjadi.

 40

b) Penelitian ini hanya menggunakan dua variabel dari model TAM (Davis,

1985) yaitu Perceived Usufulness dan Perceived Ease of Use yang

digabungkan ke dalam Model Kesuksesan Sistem Informasi DeLone &

McLean diperbarui.

c) Teknik sampling dalam penelitian ini menggunakan teknik random

sampling dan menggunakan rumus Slovin untuk menentukan minimal

sampel yang digunakan, sehingga memerlukan banyak responden dan waktu

yang digunakan untuk menghimpun data. Hasil yang didapat juga kurang

mewakili populasi dikarenakan adanya kelompok yang lebih dominan

dibandingkan dengan kelompok lain.

5.2 Saran

Berdasarkan penelitian yang telah dilakukan, peneliti memberikan

saran bagi para peneliti selanjutnya, khususnya yang tertarik pada kajian

sejenis diharapkan dapat mempertimbangkan, meninjau kembali, dan

memperbaiki hal-hal sebagai berikut:

 Penelitian ini dapat dikembangkan dengan melakukan penelitian sejenis

dengan metode kualitatif.

 Meninjau kembali indikator-indikator yang digunakan, dapat berupa

penambahan ataupun pemilihan indikator yang lebih tepat agar penelitian

lebih akurat dan mendalam. Misalkan penggunaan indikator pada Perceived

Usefulness dan Perceived Ease of Use yang menggunakan 4 indikator dari 8

indikator yang tersedia.

 51

 Melakukan pengolahan data dengan menggunakan tools perhitungan

statistik yang berbeda, misalnya SPSS dan AMOS.

 Membandingkan hasil penguuran dengan menggunakan metode pengukuran

yang berbeda seperti End User Computing Satisfaction (EUCS) dan Service

Quality (SERVQUAL).
 51

DAFTAR PUSTAKA

Abdillah, W., & Jogiyanto. (2015). Partial Least Square (PLS) : Alternatif

Structural Equation Modeling (SEM) Dalam Penelitian Bisnis. Yogyakarta:

Penerbit Andi.

Chuttur, M. Y. (2009). Overview of the Technology Acceptance Model: Originis,

Developments, and Future Directions. Sprouts: Working Papers and

Information Systems, 9 (37). Indiana University.

Davis, F.D. (1985). A Technology acceptance model for empirically testing new-

end user information systems: Theory and Result. Disertasi. Massachusetss

Institute of Technology (MIT).

Davis, F.D., Richard P. Bagozzi, dan Paul R. Warshaw. (1989). Perceived

Usefulness, Perceived Ease of Use, and User Acceptance of Information

Technology”. MIS Quarterly. Vol. 13, No. 5, 319-339.

Djaali, A. (2008). Skala Likert. Yogyakarta: Andi Offset.

Elvandari, S. D. (2011). Penerimaan Sistem Online Berdasarkan Unifield Theory of

Acceptance and Usage of Technology. Jurnal Integra, 1(1) 72-91.

Gillmore dkk. (2002). Teen Sexual Behavior: Applicability of the Theory of

Reasoned Action. Journal of Marriage and Family, (64), 885-897.

Groho, Winarno, dan Permanasari (2014) Evaluasi Kesuksesan Implementasi

Aplikasi Pengelolaan Tugas Belajar di BPK

Guritno, S., Sudaryono, dan Untung, R. (2011). Theory and Application of IT

Research: Metodologi Penelitian Teknologi Informasi (1st ed.). Yogyakarta:

 51

Andi.

Teknologi Informasi Terapan, Vol. II (1), 55-59.

Yudi, Muhammad. (2018). “Generasi Milenial Masih Pembelanja Online Terbesar

di Indonesia”. marketeers.com/generasi-milenial-masih-pembelanja-

online-terbesar-di-indonesia/ (Diakses pada 4 Agustus 2019).

Yuliana, Kenti (2016). Model Kesuksesan Sistem Informasi DeLone dan McLean

untuk Evaluasi Sistem Informasi POS pada PT. POS Indoensia (PERSERO)

Divisi Regional VI Semarang. Banjarmasin: INFOKAM.