Thesis Haditya

ANALISIS MINAT PENGGUNAN MEDIA SOSIAL TWITTER
SEBAGAI MEDIA LAYANAN KONSUMEN PADA

PERUSAHAAN PERBANKAN DI JABODETABEK
RESEARCH
Haditya setiawan
2001850642
Program Pascasarjana
PROGRAM STUDI MAGISTER MANAJEMEN SISTEM INFORMASI JENJANG S2

UNIVERSITAS BINA NUSANTARA
JAKARTA
2020
RESEARCH
Haditya setiawan
2001850642
Tesis Sebagai Salah Satu

Syarat Untuk Memperoleh
Gelar Magister
Program Studi Magister Manajemen Sistem Informasi
Pada
PROGRAM PASCASARJANA UNIVERSITAS BINA NUSANTARA
ii
RESEARCH
Haditya setiawan
2001850642
Pembimbing 1
(Dr. Drs. Nilo Legowo, M.Kom.)
iii
PERNYATAAN
STATEMENT
Dengan ini saya,
Nama : Haditya Setiawan
NIM : 2001850642
Judul tesis : Analisis minat penggunaan media sosial Twitter sebagai

media layanan konsumen pada perusahaan perbankan di
Jabodetabek
Memberikan kepada Universitas Bina Nusantara hak non-eksklusif

untuk menyimpan, memperbanyak, dan menyebarluaskan tesis karya
saya, secara keseluruhan atau hanya sebagian atau hanya ringkasannya
saja, dalam bentuk format tercetak dan atau elektronik.
Menyatakan bahwa saya, akan mempertahankan hak exclusive saya,

untuk menggunakan seluruh atau sebagian isi tesis saya, guna
pengembangan karya di masa depan, misalnya bentuk artikel, buku,
perangkat lunak, ataupun sistem informasi.
Hereby grant to my school, Bina Nusantara University , the non-

exclusive right to archive, reproduce, and distribute my thesis, in whole
or in part , whether in the form of printed and electronic formats.
I acknowledge that I retain exclusive rights of my thesis by using all or

part of it in the future work or outputs, such as article, book, software,
and information system.
Jakarta, 29 Februari 2020
Haditya Setiawan
iv
HALAMAN PERNYATAAN
STUDENTS STATEMENT
Saya, nama Haditya Setiawan, NIM 2001850642 menyatakan dengan sebenar-
benarnya bahwa tesis saya berjudul “Analisis minat penggunaan media sosial
Twitter sebagai media layanan konsumen pada perusahaan perbankan di
Jabodetabek” adalah merupakan gagasan dan hasil research saya sendiri dengan
bimbingan Dosen Pembimbing.
Saya juga menyatakan dengan sebenarnya bahwa isi tesis ini tidak merupakan
jiplakan dan bukan pula dari karya orang lain, kecuali kutipan dari literatur dan atau
hasil wawancara tertulis yang saya acu dan telah saya sebutkan di Daftar Acuan dan
Daftar Pustaka.
Demikian pernyataan ini saya buat dengan sebenarnya dan saya bersedia menerima
sanksi apabila ternyata pernyataan saya ini tidak benar.
I, Name Haditya Setiawan, Student ID 2001850642 truly acknowledge that my

thesis with title “Analisis minat penggunaan media sosial Twitter sebagai media
layanan konsumen pada perusahaan perbankan di Jabodetabek” is my concept and
project result with guidance from supervisor.
I, also truly acknowledge that content of this thesis are not copyed and not from
another people work, except my citation from literature or written interview result
and already write in reference list and bibliography list.
That’s my acknowledge were truly made and if in reality this acknowledge weren’t
true, I willing sanction.
Yang menyatakan
Haditya Setiawan
2001850642
v
KATA PENGANTAR
Pertama-tama, penulis memanjatkan puji syukur kehadirat Allah SWT

karena berkat rahmat dan hidayat-Nya sehingga penulis dapat menyelesaikan tesis
ini. Penulisan tesis ini dimaksudkan sebagai salah satu syarat untuk memperoleh
gelar Magister Manajemen Sistem Informasi pada Program Pasca Sarjana
Universitas Bina Nusantara.
Dalam penyusunan tesis, tidak terlepas pula dari segala bantuan, bimbingan
dan dukungan dari berbagai pihak. Oleh karena itu, dalam kesempatan ini penulis
ingin mengucapkan terima kasih yang sebesar-besarnya kepada :
1. Bapak Prof. Dr. H. Ir. Harjanto Prabowo, MM selaku Rektor Universitas

Bina Nusantara
2. Ibu Dr. Viany Utami Tjhin, S.Kom., M.M. selaku Ketua Jurusan
Magister Manajemen Sistem Informasi Universitas Bina Nusantara.
3. Bapak Dr. Drs. Nilo Legowo, M.Kom selaku dosen pembimbing yang
memberian arahan dan masukan yang sangat berharga dalam
penyusunan tesis ini hingga tahap akhir.
4. Semua dosen pada Jurusan Magister Manajemen Sistem Informasi
Universitas Bina Nusantara yang teah memberikan bekal ilmu dan
pengetahuan selama perkuliahan hingga akhir penulisan tesis.
5. Seluruh keluarga (Mama, Papa, Istri dan Anak) dalam memberikan
dukungan dan doa sebesar-besar nya kepada penulis.
6. Rekan-rekan mahasiswa Jurusan Magister Manajemen Sistem Informasi
Universitas Bina Nusantara.
Penulis menyadari bahwa dalam penulisan tesis ini masih memiliki banyak
kekurangan. Oleh karena itu, segala saran dan kritik yang membangun guna
memperbaiki materi maupun penulisan tesis ini, akan dengan senang hati penulis
terima. Akhir kata, semuga tesis ini dapat memberikan manfaat dan menambah
wawasan pengetahuan bagi kita semua.
Haditya Setiawan
2001850642
vi
Judul tesis : Analisis minat penggunaan media sosial Twitter sebagai media layanan
konsumen pada perusahaan perbankan di Jabodetabek
ABSTRAK
Twitter sebagai media sosial adalah media sosial yang paling berkembang di
Januari 2013, namun peningkatan jumlah Twitter belum menunjukkan perubahan
signifikan dalam 4 tahun terakhir. Berdasarkan APJII pada tahun 2018 Twitter
hanya memiliki 1,7% pengguna di Indonesia. Namun menurut penelitian
sebelumnya tentang "analisis implementasi strategi pemeliharaan hubungan (Studi
kasus: perusahaan perbankan di Indonesia)", Twitter sebagai market challanger
mampu bersaing dengan Facebook sebagai pemimpin pasar di perusahaan
perbankan di Indonesia. Dengan menggunakan metode survei yang dilakukan untuk
pengguna yang telah menggunakan Twitter sebagai layanan konsumen di
perusahaan perbankan di Indonesia, penulis berharap makalah ini dapat
mengungkap keterlibatan faktor-faktor yang mempengaruhi minat pengguna
Twitter sebagai media layanan konsumen di perusahaan perbankan.
Kata kunci: Customer Services, DeLone & McLean, Twitter, TTF, UTAUT.
ABSTRACT
Twitter as a social media us the most growth social media in January 2013,
however the increase number of Twitter has not shown significant change in the
last 4 years. Based on APJII in 2018 Twitter only has 1.7% of users in Indonesia.
But according the previous research about ”implementation relationship
maintenance strategy analysis (Study case : banking company in indonesia)”,
Twitter as the market challanger is able to compete with Facebook as a market
leader in banking company in Indonesia. By using the survey method conducted for
users who have use Twitter as a consumenr service at banking companies in
Indonesia the writter hope that this paper could expose the involvement of factors
that influence the interests of Twitter users as a consumer service media in banking
companies
Keywords: Customer Services, DeLone & McLean, Twitter, TTF, UTAUT.
vii
DAFTAR ISI
HALAMAN JUDUL LUAR..................................................................................... i

HALAMAN JUDUL DALAM ................................................................................ii
PERSETUJUAN DOSEN PEMBIMBING ......................................................... iii
PERNYATAAN ...................................................................................................... iv
HALAMAN PERNYATAAN ................................................................................. v
KATA PENGANTAR ............................................................................................ vi
ABSTRAK ..............................................................................................................vii
DAFTAR ISI ........................................................................................................ viii
DAFTAR GAMBAR ............................................................................................... x
DAFTAR TABEL ................................................................................................... xi
BAB I PENDAHULUAN ....................................................................................... 1
1.1. Latar Belakang ............................................................................................ 1

1.2. Rumusan Masalah ....................................................................................... 4
1.3. Tujuan dan Manfaat Penelitian ................................................................... 6
1.4. Ruang lingkup ............................................................................................. 7
BAB II LANDASAN TEORI ................................................................................. 9
2.1. Social media (Media sosial) ........................................................................ 9

2.2. Sosial Network (Jejaring sosial) ................................................................ 10
2.3. Micro-Blogging ......................................................................................... 10
2.4. Layanan Konsumen................................................................................... 10
2.5. Unified Theory of Acceptance and Usage of Technology (UTAUT)........ 11
2.6. DeLone & McLean ................................................................................... 13
2.7. Task-Technology Fit (TTF) ....................................................................... 15
2.8. TTF dan UTAUT ...................................................................................... 16
2.9. DeLone & McLean dan TTF .................................................................... 18
2.10. DeLone & McLean dan UTAUT............................................................... 18
2.11. Structural Equation Modelling (SEM) ...................................................... 19
BAB III METODE PENELITIAN ...................................................................... 21
3.1. Kerangka Pikir .......................................................................................... 21

3.2. Model Penelitian ....................................................................................... 22
viii
3.3. Hipotesis Penelitian................................................................................... 23
3.4. Identifikasi Variabel .................................................................................. 24
3.5. Tabel Indikator .......................................................................................... 25
3.6. Teknik Analisis Data Penelitian ................................................................ 28
3.7. Teknik Pengambilan Sampel .................................................................... 28
3.8. Sampel ....................................................................................................... 28
3.9. Data dan Sumber Data .............................................................................. 29
3.10. Teknik Pengumpulan Data ........................................................................ 30
3.11. Teknik Analisis Data ................................................................................. 30
BAB IV HASIL DAN PEMBAHASAN .............................................................. 31
4.1. Hasil Analisa Data .................................................................................... 31

4.1.1. Pengumpulan Data ...................................................................... 31
4.1.2. Identifikasi Responden ................................................................ 31
4.2. Analisis statistic deskriptif ........................................................................ 35
4.3. Uji Validitas dan Reliabilitas Instrumen ................................................... 36
4.3.1. Uji Validitas ................................................................................ 36
4.3.2. Uji Reliabilitas ............................................................................. 38
4.4. Evaluasi Model Penelitian ........................................................................ 39
4.4.1. Uji validitas konvergen ............................................................... 40
4.4.2. Uji validitas diskriminan ............................................................. 44
4.4.3. Uji model struktural (Inner model) ............................................. 47
4.5. Pengujian Hipotesis................................................................................... 51
4.6. Intrepretasi Hipotesis ................................................................................ 56
BAB V KESIMPULAN ........................................................................................ 61
5.1. Kesimpulan ............................................................................................... 61

5.2. Saran.......................................................................................................... 65
DAFTAR PUSTAKA............................................................................................. 67
ix
DAFTAR GAMBAR
Gambar 1 : Number of monthly active Twitter users worldwide from 1st quarter
2010 to 1st quarter 2019............................................................................................ 2
Gambar 2 : Presentase media sosial yang paling aktif diakses pengguna media
sosial Indonesia Januari 2018 .................................................................................... 3
Gambar 3 : Konten Internet (Media sosial) yang paling sering dikunjungi .............. 3
Gambar 4 : Model UTAUT ..................................................................................... 12
Gambar 5 : DeLone & McLean ............................................................................... 14
Gambar 6 : TTF model ............................................................................................ 15
Gambar 7 : TTF dan UTAUT .................................................................................. 17
Gambar 8 : DeLone & McLean dan TTF ................................................................ 18
Gambar 9 : DeLone & McLean dan UTAUT .......................................................... 19
Gambar 10 : Kerangka Pikir .................................................................................... 21
Gambar 11 : Model penelitian yang diusulkan ........................................................ 22
Gambar 12 : Demografi berdasarkan jenis kelamin ................................................ 32
Gambar 13 : Demografi berdasarkan umur partisipan............................................. 33
Gambar 14 : Demografi berdasarkan pendidikan .................................................... 34
Gambar 15 : Demografi berdasarkan lama menggunakan Twitter sebagai media
layanan konsumen pada perusahaan perbankan ...................................................... 35
Gambar 16 : Path Diagram ..................................................................................... 41
Gambar 17 : Path Diagram (Hasil eksekusi ke-2) .................................................. 43
Gambar 18 : Path Diagram setelah dilakukan bootstrapping ................................. 48
x
DAFTAR TABEL
Tabel 1 : Variabel dan Indikator .............................................................................. 24

Tabel 2 : Tabel Indikator ......................................................................................... 25
Tabel 3 : Tabel Pernyataan ...................................................................................... 26
Tabel 4 : Tabel proporsional sampel........................................................................ 29
Tabel 5 : Analisis statistic deskriptif ....................................................................... 35
Tabel 6 : Hasil Uji Validitas (400 responden) ......................................................... 37
Tabel 7 : Hasil perhitungan Uji Reliabilitas (400 Responden) ................................ 38
Tabel 8 : Indikator Reflektif .................................................................................... 39
Tabel 9 : Hasil perhitungan Uji Reliabilitas (400 Responden) ................................ 41
Tabel 10 : Hasil perhitungan Uji Reliabilitas eksekusi ke-2 (400 Responden) ....... 43
Tabel 11 : Nilai Cross Loading ............................................................................... 45
Tabel 12 : Tabel AVE .............................................................................................. 45
Tabel 13 : Cronbach’s Alpha ................................................................................... 46
Tabel 14 : Composite Reliability ............................................................................. 46
Tabel 15 : Koefisien Jalur dan T-Statistik ............................................................... 49
Tabel 16 : Perbandingan T-Statistik dan T-Tabel .................................................... 49
Tabel 17 : R-Square ................................................................................................. 50
Tabel 18 : Rangkuman hipotesis.............................................................................. 55
xi
xii
BAB I
PENDAHULUAN
1.1. Latar Belakang
Information and communication technology (ICT) berkembang secara pesat
dalam beberapa tahun terakhir. Seperti yang disampaikan oleh APJII, penetrasi
pengguna internet di Indonesia berdasarkan hasil survey pada 2017 lalu sebesar
54,68%. Sedangkan pada 2018, menurut APJII penetrasi pengguna internet di
Indonesia sebesar 64,8% meningkat 10,12% dari tahun sebelumnya (APJII, 2017,
2018). Penggunan terbanyak didominasi oleh komunikasi melalui layanan pesan
(chat) sebesar 24,7% dan media sosial sebesar 18,9% (APJII, 2018).
Media sosial tidak hanya digunakan secara perorangan, akan tetapi juga
sebagai media layanan konsumen pada beberapa perusahaan seperti perusahaan
perbankan. Media sosial yang beredar di Indonesia-pun beragam, seperti Facebook,
Instagram, dan Twitter. Twitter merupakan salah satu aplikasi media sosial yang
cukup populer saat ini, dengan jumlah penetrasi pengguna sebanyak 330 juta
pengguna diseluruh dunia (Statista, 2019). Hal tersebut menjadikan Twitter sebagai
salah satu media sosial dengan pertumbuhan terbanyak pada bulan Januari 2013.
Saat itu terdapat lebih dari 500 juta pengguna dan 200 juta pengguna diantaranya
merupakan pengguna aktif diseluruh dunia (Mujilahwati, 2016). Akan tetapi
peningkatan jumlah pengguna Twitter tidak menunjukan perubahan yang signifikan
dalam kurun waktu 4 tahun terakhir, bahkan cendrung mengalami penurunan pada
1
2
kuartal ke-3 dan ke-4 tahun 2018 seperti yang ditampilkan pada gambar berikut
(Statista, 2019).
Gambar 1 : Number of monthly active Twitter users worldwide from 1st quarter
2010 to 1st quarter 2019
Berdasarkan data yang didapat dari Kompas.com, Twitter sebagai sosial
media berada diposisi ke-4, 1 tingkat diatas Google+. Saat ini Google+ sendiri telah
dinonaktifkan karena alasan gagal memenuhi ekspektasi mengenai pertumbuhan
jumlah penggunanya (Google, 2019) sehingga menimbulkan pertanyaan “apakah
Twitter masih bisa bertahan?”. Sebelumnya Twitter sendiri dikenal tidak pernah
mempublikasikan jumlah penggunanya, akan tetapi berdasarkan data yang didapat
dari laporan finansial kuartal ke-3 tahun 2019 didapat jumlah pengguna aktif
twitter di Indonesia sebanyak 145 juta pengguna (Kompas, 2019).

3
Gambar 2 : Presentase media sosial yang paling aktif diakses pengguna media
sosial Indonesia Januari 2018
Berdasarkan data infografis yang didapatkan dari APJII pada 2018 lalu,
Twitter hanya memiliki 1,7% pengguna seperti yang ditampilkan pada gambar
berikut (APJII, 2018).
Gambar 3 : Konten Internet (Media sosial) yang paling sering dikunjungi

4
Meskipun demikian jika dilihat dari sisi penggunaan, Twitter dengan
konsep “cuitan” dianggap sebagai media yang paling efektif dalam melakukan
komplain maupun marketing (Sari, 2012; Setiawan & Setyohadi, 2017).
Berdasarkan penelitian sebelumnya mengenai Analisis Penerapan Relationship
Maintenance Strategy Melalui Penggunaan Media Sosial (Studi Pada Twitter
Perbankan di Indonesia), Twitter sebagai market challenger mampu bersaing
dengan Facebook sebagai market leader dengan market growth sampai 13%
(Naimah & Rifani, 2013) .
Layanan pelanggan sendiri merupakan faktor penting bagi suatu perusahaan
dalam meningkatkan kepuasan pelanggannya (Setiawan & Setyohadi, 2017).
Dengan memanfaatkan media sosial, perusahaan dapat melihat loyalitas maupun
komplain pelanggan (Setiawan & Setyohadi, 2017). Didalam penerapannya, tidak
hanya perusahaan dibidang IT saja yang perlu menggunakan media sosial sebagai
sarana layanan konsumen, akan tetapi perusahaan dibidang lainnya seperti
perbankan yang memerlukan konsumen/nasabah sebagai pengguna jasa bank
tersebut.
Sehingga perlu dilakukan penelitian untuk mengetahui minat penggunaan
media sosial Twitter sebagai media layanan konsumen pada perusahaan perbankan
di Jabodetabek. Penelitian ini akan menggunakan metodologi UTAUT, TTF dan
DeLone & McLean.
1.2. Rumusan Masalah
Twitter merupakan salah satu media sosial yang aktif digunakan sebagai
sarana media layanan konsumen, tidak hanya pada perusahaan berbasis IT, tetapi
5
juga perusahaan perbankan. Berdasarkan hal tersebut, rumusan masalah pada
penelitian ini diformulasikan sebagai berikut :
1. Apakah dukungan fasilitas suatu aplikasi mempengaruhi minat
penggunaan suatu aplikasi?
2. Apakah pengaruh sosial mampu mempengaruhi minat penggunaan
aplikasi?
3. Apakah kesesuaian tugas terhadap teknologi mempengaruhi minat
penggunaan aplikasi?
4. Apakah dukungan karakteristik teknologi yang digunakan dalam
menyelesaikan tugas mempengaruhi minat penggunaan aplikasi?
5. Apakah kesesuaian fungsi teknologi mempengaruhi minat penggunaan
aplikasi?
6. Apakah kemampuan sistem dalam menyediakan informasi
mempengaruhi kesesuaian fungsi suatu teknologi?
7. Apakah kemampuan sistem dalam menyediakan informasi
mempengaruhi kepuasan penggunaan suatu aplikasi?
8. Apakah kualitas informasi yang dihasilkan oleh sistem mempengaruhi
minat penggunaan aplikasi?
9. Apakah kualitas penyedia layanan mempengaruhi minat penggunaan
aplikasi?
10. Apakah kepuasan pengguna teknologi mempengaruhi minat
penggunaan aplikasi?
6
1.3. Tujuan dan Manfaat Penelitian
Tujuan dari penelitian ini adalah,
1. Untuk mengetahui dukungan fasilitas suatu aplikasi berpengaruh
terhadap minat penggunaan aplikasi tersebut
2. Untuk mengetahui pengaruh sosial berpengaruh terhadap minat
penggunaan aplikasi
3. Untuk mengetahui kesesuaian tugas terhadap teknologi berpengaruh
terhadap minat penggunaan aplikasi
4. Untuk mengetahui dukungan karakteristik teknologi yang digunakan
dalam menyelesaikan tugas berpengaruh terhadap minat penggunaan
aplikasi
5. Untuk mengetahui kesesuaian fungsi teknologi berpengaruh terhadap
minat penggunaan aplikasi
6. Untuk mengetahui kemampuan sistem dalam menyediakan informasi
berpengaruh terhadap kesesuaian fungsi suatu teknologi
7. Untuk mengetahui kemampuan sistem dalam menyediakan informasi
mempengaruhi kepuasan penggunaan suatu aplikasi
8. Untuk mengetahui kualitas informasi yang dihasilkan oleh sistem
berpengaruh terhadap minat penggunaan aplikasi
9. Untuk mengetahui kualitas penyedia layanan berpengaruh terhadap
10. Untuk mengetahui kepuasan pengguna teknologi berpengaruh terhadap
Manfaat dari penelitian ini adalah,

7
a. Bagi masyarakat
Dapat menjadi bahan referensi dalam melihat perkembangan dan
persaingan media sosial serta melihat kegunaan media sosial tertentu
sebagai sarana layanan konsumen yang efektif.
b. Bagi perusahaan yang menggunakan aplikasi
Dapat menjadi bahan masukan untuk lebih aktif dalam melayani
konsumen pada platform media sosial Twitter.
1.4. Ruang lingkup
Untuk lebih fokus maka penelitian ini hanya akan dibatasi terhadap :
1. Penelitian ini akan dilakukan terhadap pengguna aplikasi media sosial
Twitter.
2. Penelitian ini akan berfokus pada perusahaan perbankan swasta lokal,
yaitu BCA (Bank Central Asia), Bank Permata dan Bank Panin.
3. Penelitian ini akan berfokus pada ruang lingkup di Jabodetabek.
4. Menggunakan metodologi UTAUT, TTF dan DeLone & McLean.

8
BAB II
LANDASAN TEORI
Bab ini ditujukan untuk melakukan peninjauan kembali terhadap buku
maupun jurnal yang relevan terhadap penelitian, sehingga dapat membantu dalam
pembuatan suatu model konseptual untuk menilai minat penggunaan media sosial
Twitter sebagai media layanan konsumen pada perusahaan perbankan di
Jabodetabek.
2.1. Social media (Media sosial)
Media sosial adalah sebuah tren komunikasi menggunakan media website
atau layanan internet dimana konten yang dibahas dibuat oleh pengguna lainnya
yang menggunakan layanan serupa (Bright, 2014). Sedangkan sosial network
merupakan bagian dari media sosial yang penggunanya diperbolehkan untuk
mengatur pertemanan.
Beberapa media sosial dirancang secara khusus untuk memenuhi kebutuhan
tertentu (Boyd & Ellison, 2007), seperti Facebook yang diperuntukan sebagai
layanan interaksi sosial. Selain itu terdapat juga LinkedIn yang dirancang khusus
untuk kalangan professional. Selain linkedIn terdapat juga media sosial Twitter
yang berjenis Micro-blogging.
9
10
2.2. Sosial Network (Jejaring sosial)
Jejaring sosial bisa didefinisikan sebagai layanan berbasis web yang
memperbolehkan individunya untuk (Boyd & Ellison, 2007) :
1. Membuat profil untuk ditampilkan kepada publik dalam batasan sebuah
sistem.
2. Dapat menampilkan daftar pengguna lain dan hubungannya koneksi
mereka.
3. Dapat melihat dan menelusuri daftar hubungan mereka dan yang dibuat
oleh sistem.
2.3. Micro-Blogging
Micro-blogging merupakan jenis media komunikasi yang menggunakan
pesan dengan jumlah karakter pendek baik dalam bentuk teks, audio maupun video
(Jansen, Sobel, & Zhang, 2014). Twitter merupakan salah satu Micro-blog yang
paling terkenal didunia dengan pembatasan jumlah karakter sebanyak 140 karakter
(Jansen et al., 2014).
2.4. Layanan Konsumen
Layanan konsumen atau biasa disebut Customer Service (CS) / Customer
Care merupakan suatu bagian yang penting bagi suatu perusahaan, terutama yang
berbasis jasa. Layanan konsumen merupakan suatu kegiatan yang penting dalam
meningkatkan kepuasan pelanggan dan meminimalisir masalah. Layanan
konsumen mengacu pada dukungan dan servis yang diberikan perusahaan
sehubungan dengan kebutuhan konsumen terhadap produk atau jasa perusahaan

11
tersebut yang sedang digunakan selama masa tertentu atau selama penggunaan jasa
perusahaan tersebut (Faed, 2013).
2.5. Unified Theory of Acceptance and Usage of Technology
(UTAUT)
Unified theory of acceptance and usage of technology (UTAUT) diusulkan oleh
Viswanath Venkatesh, dkk pada tahun 2003 (Venkatesh, Morris, Davis, & Davis,
2003). Metode menggabungkan 8 model lainnya, yaitu
 Theory of reasoned action (TRA)
 Technology Acceptance model (TAM)
 Motivational model (MM)
 Theory of planned behavior (TPB)
 Combination of TAM and TPB (C-TAM-TPB)
 Model of PC Utilization (MPCU)
 Innovation diffusion theory (IDT)
 Sosial Cognitive Theory (SCT)

12
Gambar 4 : Model UTAUT
(Venkatesh et al., 2003)
Untuk mengidentifikasi keinginan terhadap penggunaan, dapat
diidentifikasi menggunakan empat faktor UTAUT, yaitu :
1. Performance expectancy, mampu memahami kemajuan teknologi saat
ini dan melalui penggunaan suatu aplikasi mampu mempermudah
kegiatan (Mustaqim, Kusyanti, & Aryadita, 2017).
2. Effort expectancy, penggunanya mendapatkan kemudahan di dalam
penggunaan suatu aplikasi (Mustaqim et al., 2017).
3. Social influence, penggunanya dapat mempengaruhi pengguna lain di
dalam penggunaan suatu aplikasi (Mustaqim et al., 2017).
4. Facilitating condition, infrastruktur yang tersedia di dalam suatu
aplikasi mampu mendukung kegiatan operasional (Mustaqim et al.,
2017).
13
5. Gender, jenis kelamin menentukan faktor ekspektasi kerja, ekspektasi
usaha, pengaruh usaha, pengaruh sosial dan niat perilaku (Khechine,
Pascot, & Bytha, 2014; Orji, 2010).
6. Age, memiliki pengaruh terhadap kinerja, pengaruh sosial dan niat
perilaku (Khechine et al., 2014; Orji, 2010).
7. Experience, berkaitan dengan lamanya pengguna menggunakan sistem
sehinga memberikan pengalaman dalam penggunaan (Orji, 2010).
8. Voluntariness of Use, pengaruh terhadap keinginan penggunaan suatu
sistem, dengan sukarela atau diamanatkan (Orji, 2010).
9. Behavior Intention, ukuran terhadap kemungkinan seseorang untuk
menggunakan suatu sistem / aplikasi (Orji, 2010).
10. Use Behavior, Pengukuran terhadap penerimaan sutau teknologi (Orji,
2010).
2.6. DeLone & McLean
DeLone & McLean adalah metode penelitian untuk membuktikan
kesuksesan suatu sistem informasi melalui komponen-komponen efektifitas yang
saling terhubung (DeLone & McLean, 2003).

14
Gambar 5 : DeLone & McLean
(DeLone & McLean, 2003)
DeLone & McLean menggunakan variabel sebagai berikut :
1. Information quality, mengukur output kualitas dari suatu sistem
informasi dan diukur secara subyektif (DeLone & McLean, 2003, 2016;
Saputro, Budiyanto, & Santoso, 2018).
2. System quality, performa sistem yang merujuk pada kemampuan
software maupun hardware sesuai kebutuhan pengguna (DeLone &
McLean, 2003, 2016; Saputro et al., 2018).
3. Service quality, adalah kualitas dari layanan dalam melayani pengguna
(DeLone & McLean, 2003, 2016; Saputro et al., 2018; Tam & Oliveira,
2016b).
4. Intention to use / Use, jika merujuk kepada metodologi DeLone &
McLean sebelumnya, Use / intention to use merupakan pengukuran
minat penggunaan suatu sistem (DeLone & McLean, 2003, 2016;
Mariana, 2006; Saputro et al., 2018; Wisudiawan, 2015).

15
5. User satisfaction, merupakan respon pengguna terhadap kepuasan suatu
sistem informasi (Mariana, 2006; Saputro et al., 2018).
6. Net Benefits, mengukur benefit yang diperoleh organisasi dengan
menggunakan suatu sistem informasi (Mariana, 2006).
2.7. Task-Technology Fit (TTF)
Task-Technology Fit (TTF) adalah metode penelitian untuk membuktikan
kesesuaian teknologi terhadap tugas yang mempengaruhi penggunaan dan
berdampak terhadap kinerja individu (Goodhue, 1995). TTF memiliki variabel
Task characteristics, Technology characteristics, Task technology fit, Individual
Performance dan Utilization (Lin, 2012).
Gambar 6 : TTF model
(Goodhue, 1995)
Untuk mengidentifikasi kesesuaian penggunaan teknologi terhadap
keinginan penggunaan, dapat diidentifikasi menggunakan 3 variabel TTF, yaitu :
1. Task characteristics, kegiatan yang dilakukan penggunanya dalam
merubah input menjadi output (Putut Pamilih Widagdo, 2015).

16
2. Technology characteristics, alat bantu yang digunakan penggunanya
dalam menyelesaikan kegiatannya (Putut Pamilih Widagdo, 2015).
3. Task technology fit, adalah kesesuaian fungsi dari suatu teknologi
terhadap kebutuhan penggunanya (Putut Pamilih Widagdo, 2015).
4. Individual performance, adalah benefit dari penggunaan teknologi
terhadap suatu pekerjaan (Tam & Oliveira, 2016a).
5. Utilization, adalah kegunaan suatu teknologi didalam suatu pekerjaan
(Goodhue, 1995; Tam & Oliveira, 2016a).
2.8. TTF dan UTAUT
Hubungan TTF dan UTAUT dijelaskan oleh Zhou di dalam penelitiannya
(Zhou, Lu, & Wang, 2010). Penghubung TTF dengan UTAUT dapat melalui task
technology fit ke Performance expectancy, yaitu task technology fit secara
signifikan mempengaruhi Performance expectancy penggunanya. Selain itu dapat
dihubungkan juga melalui technology characteristics ke Effort expectancy, yaitu
technology characteristics secara signifikan mempengaruhi Effort expectancy.

17
TTF
Task
characteristics
Task technology fit
Technology
characteristics
Performance
expectancy
Effort expectancy
Intention
Social influence
Facilitating
conditions
UTAUT
Gambar 7 : TTF dan UTAUT
(Kupfer, Ableitner, Schöb, & Tiefenbeck, 2016; Zhou et al., 2010)
Adoption merupakan original flow di dalam UTAUT1 yang kemudian
diadaptasikan ke Usage (Kupfer et al., 2016), sehingga flow Adoption sama dengan
Intention.
18
2.9. DeLone & McLean dan TTF
Hubungan DeLone & McLean dengan TTF dijelaskan oleh Tam dan
Oliveira di dalam penelitiannya (Tam & Oliveira, 2016b) dapat dihubungkan
melalui System quality, Information quality, service quality yang terhubung dengan
Task technology fit.
Gambar 8 : DeLone & McLean dan TTF
(Tam & Oliveira, 2016b)
2.10. DeLone & McLean dan UTAUT
Hubungan DeLone & McLean dengan UTAUT dijelaskan oleh Mardiana et
al di dalam penelitiannya (Mardiana, Tjakraatmadja, & Aprianingsih, 2015)
terhubung melalui intention to use / Use.

19
Gambar 9 : DeLone & McLean dan UTAUT
(Mardiana et al., 2015)
Penelitian yang dilakukan oleh Mardiana et al sendiri merupakan
penggabungan TAM, DeLone & McLean Success Model dan UTAUT untuk
memvalidasi model konseptual untuk memprediksi niat. Di dalam penelitian ini
hanya akan mengambil hubungan DeLone & McLean dengan UTAUT sebagai
referensi di dalam membangun metodologi.
2.11. Structural Equation Modelling (SEM)
SEM adalah sebuah teknik yang digunakan untuk menganalisa model
terstruktur. SEM merupakan sebuah teknik analisis multivariate yang
dikembangkan guna menutupi keterbatasan yang dimiliki oleh model-model
analisis. Pertama SEM akan memvalidasi model pengukuran, kemudian menilai
pentingnya hubungan dalam model terstruktur (Shi, 2014).

20
BAB III
METODE PENELITIAN
Bab ini akan menjelaskan mengenai kerangka berpikir, model penelitian,
hipotesis, sample, metode pengumpulan data, teknik pengambilan sample, serta
analisis data.
3.1. Kerangka Pikir
Berikut ini merupakan kerangka pikir pada penelitian ini.
Permasalahan
Perumusan model
Studi literatur Studi lapangan
penelitian
Perancangan Pengumpulan
Metode Penelitian
Kuisioner Sample Data
Pengujian
Validitas dan
Relibilitas
Analisis Data
Dengan SEM
Kesimpulan dan
Saran
Gambar 10 : Kerangka Pikir
21
22
Metode penelitian ini menggunakan survei yang dilakukan kepada
pengguna yang sudah pernah menggunakan Twitter sebagai media layanan
konsumen pada perusahaan perbankan di Jabodetabek.
3.2. Model Penelitian
Berdasarkan landasan teori pada bab II dan literatur lain yang sudah pernah
digunakan sebelumnya, maka model penelitian yang diusulkan adalah :
UTAUT
Facilitating
conditions
H1
Intention to Use
H2
Social influence
TTF H5
Task
Characteristics
H3
Task Technology
Fit
H4 H10
Technology
Characteristics
H6
DeLone & McLean
System Quality
H7
Information
H8 User Satisfaction
Quality
H9
Service Quality
Gambar 11 : Model penelitian yang diusulkan

23
Dengan menggunakan skema tersebut, diharapkan penulis bisa
mendapatkan informasi mengenai minat penggunaan Twitter sebagai media
layanan konsumen pada perusahaan perbankan di Jabodetabek.
3.3. Hipotesis Penelitian
Dari model yang telah dibuat, maka hipotesis penelitian ini adalah :
H1. Variabel facilitating conditions mempengaruhi variabel Intention to
use.
H2. Variabel social influence mempengaruhi variabel Intention to use.
H3. Variabel task characteristics mempengaruhi variabel Task
technology fit.
H4. Variabel technology characteristics mempengaruhi variabel Task
technology fit.
H5. Variabel task technology fit mempengaruhi variabel Intention to use.
H6. Variabel system quality mempengaruhi variabel Task technology fit.
H7. Variabel system quality mempengaruhi variabel User satisfaction.
H8. Variabel information quality mempengaruhi variabel User
satisfaction.
H9. Variabel service quality mempengaruhi variabel User satisfaction.
H10. Variabel user satisfaction mempengaruhi variabel Intention to use.

24
3.4. Identifikasi Variabel
Di dalam penelitian ini perlu dilihat kegunaan aplikasi Twitter di dalam
kegiatannya sebagai media layanan konsumen, maka variabel-variabel yang akan
digunakan adalah sebagai berikut :
Tabel 1 : Variabel dan Indikator
VARIABEL SUMBER DEFINISI INDIKATOR

1. Facilitating (Lee & Wan, Dukungan fasilitas Perceived behavioural
conditions 2010; yang dapat control.
Oentario, mempengaruhi
Harianto, & pemanfaatan sistem. Facilitating conditions.
Irawati, 2017; Compatibility.
Tan, 2013)
2. Social (Lee & Wan, Pengaruh sosial Subjective norm.
influence 2010; Tan, berdampak pada Sosial factors.
2013; penggunaan suatu Image.
Venkatesh et sistem.
al., 2003)
3. Task (Iversen & Tingkat kesesuaian Knowledge.
characteristics Eierman, suatu tugas terhadap Planning.
2018) teknologi yang ada. Work.
4. Technology (Childa Teknologi yang User friendly.
characteristics Maulina, digunakan Innovative.
Endang Siti penggunanya dalam Keragaman teknologi.
Astuti, 2015) menyelesaikan
tugas.
5. Task (Bere, 2018; Kesesuaian fungsi Flexibility access.
technology fit Putut Pamilih dari suatu teknologi Teknologi sesuai
Widagdo, terhadap kebutuhan dengan kebutuhan.
2015) penggunanya. Realtime feedback.
6. System quality (M Nasiru Kemampuan sistem Ease of learning.
Yakubu, 2018; dalam menyediakan
Response time.
Nurjaya, 2017; informasi sesuai
Keamanan sistem.
Yu & Qian, dengan kebutuhan
2018) penggunanya.
7. Information Kualitas output Comprehension.
quality berupa informasi Accuracy.
yang dihasilkan oleh
sistem yang Ease of access.
digunakan
8. Service quality (Kurniabudi & Untuk Tangibility.
25
VARIABEL SUMBER DEFINISI INDIKATOR

Assegaf, 2018; mengidentifikasi Responsive.
M Nasiru tingkat kualitas
Yakubu, 2018; layanan penyedia
Nugroho, teknologi dalam
Utami, & membantu Assurance.
Luthfi, 2017) menyelesaikan
permasalahan.
9. User (Kurniabudi & Untuk Kepuasan.
satisfaction Assegaf, 2018; mengidentifikasi Effectiveness.
Lestari & tingkat kepuasan Usefullness.
Waryanto, pengguna terhadap
2013; M penggunaan
Nasiru teknologi dalam
Yakubu, 2018) menyelesaikan
pekerjaan
10. Intention to (Kupfer et al., Minat penggunaan Ingin menggunakan.
use 2016; Lee & aplikasi. Mudah digunakan.
Wan, 2010) Masih tetap
menggunakan.
3.5. Tabel Indikator
Tabel 2 : Tabel Indikator
VARIABEL KODE PERNYATAAN

1. Facilitating FCD1 Pengguna Twitter mudah terbiasa dalam hal
conditions komunikasi dengan Customer Care / Customer
Service (CS).
FCD2 Kebutuhan komunikasi dengan CS terfasilitasi
dengan baik.
FCD3 Fitur didalam aplikasi Twitter sesuai dengan
kebutuhan pengguna dalam berkomunikasi dengan
CS.
2. Social SOC1 Pendapat orang terdekat mempengaruhi penggunaan
influence suatu aplikasi.
SOC2 Penggunaan suatu aplikasi secara berkelompok
mempengaruhi minat pengguna yang lainnya.
SOC3 Dengan menggunakan Twitter sebagai media layanan
konsumen mampu meningkatkan citra suatu
perusahaan.
3. Task TAC1 Data terdahulu yang ada di akun Twitter CS mudah
characteristics diakses.
TAC2 Upaya yang diperlukan untuk berkomunikasi dengan
CS sangat minim.
TAC3 Twitter mampu digunakan sebagai media layanan
konsumen.
26
VARIABEL KODE PERNYATAAN

4. Technology TEC1 Twitter nyaman digunakan oleh penggunanya.
characteristics
TEC2 Cepat berinovasi sesuai dengan kebutuhan
penggunanya.
TEC3 Memiliki beragam teknologi seperti mobile web dan
mobile apps.
5. Task TTF1 Dapat digunakan dimanapun dan kapanpun
technology fit menggunakan web maupun mobile apps.
TFF2 Twitter tepat guna sebagai media komunikasi
layanan konsumen.
TFF3 Melalui Twitter konsumen mampu mendapatkan
respon lebih cepat terkait layanan konsumen.
6. System quality SSQ1 Aplikasi Twitter mudah dipelajari.
SSQ2 Sistem aplikasi memiliki response time yang baik
dan tidak terasa lambat.
SSQ3 Sistem aplikasi Twitter memiliki keamanan yang
tinggi.
7. Information INQ1 Informasi yang disampaikan melalui Twitter mudah
quality dipahami.
INQ2 Informasi yang disampaikan melalui Twitter
tepat/akurat.
INQ3 Mudah mendapatkan informasi melalui Twitter.
8. Service quality SVQ1 Layanan CS yang diberikan melalui Twitter dapat
dirasakan konsumen.
SVQ2 Melalui Twitter, CS lebih tanggap terhadap keluhan
konsumennya.
SVQ3 Layanan yang diberikan oleh Twitter terjamin
(Downtime sangat minim terjadi).
9. User USS1 Puas dalam menggunakan Twitter sebagai media
satisfaction komunikasi layanan konsumen.
USS2 Twitter dirasakan sangat efektif sebagai media
komunikasi layanan konsumen.
USS3 Twitter dirasakan sangat berguna sebagai media
10. Intention to ITU1 Tertarik untuk menggunakan Twitter sebagai media
use komunikasi layanan konsumen.
ITU2 Twitter mudah digunakan sebagai media komunikasi
layanan konsumen.
ITU3 Masih akan tetap aktif menggunakan Twitter sebagai
media komunikasi layanan konsumen.
Tabel 3 : Tabel Pernyataan
KODE PERNYATAAN
FCD1 Pengguna Twitter mudah terbiasa dalam hal komunikasi dengan
Customer Care / Customer Service (CS).
FCD2 Kebutuhan komunikasi dengan CS terfasilitasi dengan baik.
27
KODE PERNYATAAN
FCD3 Fitur didalam aplikasi Twitter sesuai dengan kebutuhan pengguna
dalam berkomunikasi dengan CS.
SOC1 Pendapat orang terdekat mempengaruhi penggunaan suatu aplikasi.
SOC2 Penggunaan suatu aplikasi secara berkelompok mempengaruhi minat
pengguna yang lainnya.
SOC3 Dengan menggunakan Twitter sebagai media layanan konsumen
mampu meningkatkan citra suatu perusahaan.
TAC1 Data terdahulu yang ada di akun Twitter CS mudah diakses.
TAC2 Upaya yang diperlukan untuk berkomunikasi dengan CS sangat
minim.
TAC3 Twitter mampu digunakan sebagai media layanan konsumen.
TEC1 Twitter nyaman digunakan oleh penggunanya.
TEC2 Cepat berinovasi sesuai dengan kebutuhan penggunanya.
TEC3 Memiliki beragam teknologi seperti mobile web dan mobile apps.
TTF1 Dapat digunakan dimanapun dan kapanpun menggunakan web
maupun mobile apps.
TFF2 Twitter tepat guna sebagai media komunikasi layanan konsumen.
TFF3 Melalui Twitter konsumen mampu mendapatkan respon lebih cepat
terkait layanan konsumen.
SSQ1 Aplikasi Twitter mudah dipelajari.
SSQ2 Sistem aplikasi memiliki response time yang baik dan tidak terasa
lambat.
SSQ3 Sistem aplikasi Twitter memiliki keamanan yang tinggi.
INQ1 Informasi yang disampaikan melalui Twitter mudah dipahami.
INQ2 Informasi yang disampaikan melalui Twitter tepat/akurat.
INQ3 Mudah mendapatkan informasi melalui Twitter.
SVQ1 Layanan CS yang diberikan melalui Twitter dapat dirasakan
konsumen.
SVQ2 Melalui Twitter, CS lebih tanggap terhadap keluhan konsumennya.
SVQ3 Layanan yang diberikan oleh Twitter terjamin (Downtime sangat
minim terjadi).
USS1 Puas dalam menggunakan Twitter sebagai media komunikasi layanan
konsumen.
USS2 Twitter dirasakan sangat efektif sebagai media komunikasi layanan
konsumen.
USS3 Twitter dirasakan sangat berguna sebagai media komunikasi layanan
konsumen.
ITU1 Tertarik untuk menggunakan Twitter sebagai media komunikasi
layanan konsumen.
ITU2 Twitter mudah digunakan sebagai media komunikasi layanan
konsumen.
ITU3 Masih akan tetap aktif menggunakan Twitter sebagai media
28
3.6. Teknik Analisis Data Penelitian
Penelitian ini menggunakan SEM dengan alasan mendasar yaitu :
a. SEM mempunyai kemampuan untuk mengestimasi hubungan antar
variable yang bersifat multiple-relationship (Sarwono, 2010).
b. SEM mempunyau kemampuan untk menggambarkan pola hubungan
antara konstruk laten dan variable manifest / indicator (Sarwono, 2010).
3.7. Teknik Pengambilan Sampel
Teknik Sampling merupakan teknik pengambilan sampel yang digunakan
untuk menentukan sampel yang akan digunakan dalam penelitian (Haristine, 2017).
Sampel akan diambil dari pengguna Twitter yang ada di Jabodetabek.
3.8. Sampel
Berdasarkan data yang diperoleh dari APJII pada 2018 lalu, pengguna yang
memilih Twitter sebagai media sosial yang paling banyak dikunjungi adalah
sebesar 1,7% (APJII, 2018). Sementara itu jumlah pengguna internet di Indonesia
adalah sebesar 171,17 juta, sedangkan di Jakarta dan Banten masing-masing
sebesar 4,8% yaitu 8,216 juta untuk masing-masing dari kedua provinsi tersebut
jika ditotal maka pengguna di kedua provinsi tersebut adalah sebesar 9.6% atau
setara dengan 16.432 juta pengguna (APJII, 2018).
Berdasarkan data tersebut maka pengambilan sampel dari populasi
sebanyak 16,4 juta orang Inputer dilakukan menggunakan metode convenience
sampling, dengan menggunakan tingkat kesalahan sebesar 5% dari daftar

29
pengambilan sampel yang dianggap mewakili. Jumlah sampel dihitung dengan
menggunakan rumus Slovin, sebagai berikut :
Dengan menggunakan metode tersebut maka jumlah sampel dengan taraf
signifikansi 95% adalah sebanyak 400 orang dengan perhitungan sebagai berikut:
3.9. Data dan Sumber Data
Jenis data dalam penelitian ini menggunakan data primer, yaitu data yang
akan didapatkan melalui kuesioner yang akan ditargetkan kepada pengguna aplikasi
Twitter sebagai media layanan konsumen pada 3 perusahaan perbankan di
Jabodetabek. Yaitu BCA sebanyak 19 juta nasabah (PT Bank Central Asia Tbk,
2018), Bank Permata sebanyak 1,78 juta nasabah (Nurcaya, 2019) dan Bank Panin
sebanyak 1,2 juta nasabah (Prasetyo, 2018). Sehingga didapat jumlah partisipan
pada BCA sebanyak 346 partisipan, Bank Permata sebanyak 32 partisipan dan
Bank Panin sebanyak 22 partisipan. Berikut ini merupakan tabel proporsional
sampel.
Tabel 4 : Tabel proporsional sampel
Bank Jumlah populasi Persentase Jumlah sampel

BCA 19 juta 86,44% 346
Bank Permata 1,78 juta 5,46% 32
Bank Panin 1,2 juta 8,10% 22
Total Sampel 400
30
3.10. Teknik Pengumpulan Data
Data untuk penelitian ini akan dikumpulkan melalui kuesioner yang akan
dibagikan menggunakan alat bantu survey online dan kuesioner akan disebarkan ke
pengguna Twitter di wilayah Jabodetabek.
Skala pengukuran yang digunakan pada kuesioner adalah likert 1-5
(Santoso, 2013), yaitu :
(1) Sangat Tidak Setuju
(2) Tidak Setuju
(3) Netral atau Biasa
(4) Setuju
(5) Sangat Setuju.
3.11. Teknik Analisis Data
Setelah kuesioner disebar dan mendapatkan respon dari responden, maka
akan dilakukan tes validitas dan reliabilitas dari pertanyaan yang diajukan di dalam
kuesioner. Analisis data yang digunakan di dalam penelitian ini adalah analisis
kuantitatif.
BAB IV
HASIL DAN PEMBAHASAN
4.1. Hasil Analisa Data
Pada bab ini akan dibahas mengenai hasil penelitian tentang minat
penggunaan media sosial Twitter sebagai media layanan konsumen pada
perusahaan perbankan di Jabodetabek.
4.1.1. Pengumpulan Data
Pengumpulan data dilakukan melalui kuesioner yang disebarkan secara
online maupun offline di Jabodetabek kepada pengguna media sosial Twitter yang
menggunakannya sebagai media layanan konsumen pada perusahaan perbankan di
Jabodetabek.
4.1.2. Identifikasi Responden
Responden dalam penelitian ini merupakan perorangan yang berada di
wilayah Jabodetabek, dan berdasarkan kuesioner yang terkumpul akan diperoleh
data demografi responden yang terdiri dari jenis kelamin, usia, lama menggunakan
aplikasi Twitter sebagai media layanan konsumen pada perusahaan perbankan dan
jenjang pendidikan.
1. Demografi berdasarkan jenis kelamin
31
32
Berdasarkan jenis kelamin, demografi dibagi menjadi dua : Laki-laki
dan Perempuan. Didalam penyebaran kuesioner, didapatkan hasil
responden sebanyak 44,25% responden adalah Pria dan 55,75%
responden adalah Wanita. Sehingga dapat disimpulkan kebanyakan
pengguna media sosial Twitter yang menggunakannya sebagai media
layanan konsumen pada perusahaan perbankan di Jabodetabek lebih
didominasi oleh Wanita. Demografi kelompok berdasarkan jenis
kelamin dapat dilihat pada gambar berikut.
Gambar 12 : Demografi berdasarkan jenis kelamin
2. Demografi berdasarkan usia
Berdasarkan usia, demografi dibagi menjadi delapan : < 21 tahun, 21-25
tahun, 26-30 tahun, 31-35 tahun, 36-40 tahun, 41-45 tahun 46-50 tahun
dan > 50 tahun. Didalam penyebaran kuesioner, didapatkan hasil
responden sebanyak 5,75% responden memiliki rentang usia < 21 tahun,
31,75% responden memiliki rentang usia 21-25 tahun, 41% responden
memiliki rentang usia 26-30 tahun, 12,25% responden memiliki rentang

33
usia 31-35 tahun, 2% responden memiliki rentang usia 36-40 tahun,
3,75% responden memiliki rentang usia 41-45 tahun, 2,25% responden
memiliki rentang usia 46-50 tahun, dan 1.25% responden pada rentang
usi > 50 tahun. Pada demografi tampak pengguna media sosial Twitter
yang menggunakannya sebagai media layanan konsumen pada
perusahaan perbankan di Jabodetabek lebih didominasi anak muda pada
rentang usia 21 hingga 30 tahun. Hal tersebut ditunjukan dengan jumlah
persentase responden pada rentang usia tersebut sebanyak 71,75%.
Demografi kelompok berdasarkan usia dapat dilihat pada gambar
berikut.
Gambar 13 : Demografi berdasarkan umur partisipan
3. Demografi berdasarkan jenjang pendidikan
Berdasarkan jenjang pendidikan, demografi dibagi menjadi tiga :
SMA/Sederajat, Diploma I/II/III dan Sarjana (S1/S2/S3). Didalam
penyebaran kuesioner didapatkan hasil responden sebanyak 77,5%
berada dijenjang pendidikan Sarjana, 14,25% berada dijenjang
pendidikan SMA/Sederajat dan 8,25% berada dijenjang Diploma

34
I/II/III. Demografi kelompok berdasarkan jenjang pendidikan dapat
dilihat pada gambar berikut.
Gambar 14 : Demografi berdasarkan pendidikan
4. Demografi berdasarkan lama menggunakan media sosial Twitter
sebagai media layanan konsumen pada perusahaan perbankan di
Jabodetabek.
Berdasarkan lama penggunaan, demografi dibagi menjadi empat : < 1
tahun, 1-2 tahun, 3-4 tahun dan > 4 tahun. Didalam penyebaran
kuesioner didapatkan hasil responden sebanyak 21% menyatakan sudah
menggunakan < 1 tahun, 11% menyatakan sudah menggunakan selama
1-2 tahun, 11,75% menyatakan sudah menggunakan selama 3-4 tahun
dan 56,25% menyatakan sudah menggunakan selama > 4 tahun.
Demografi kelompok berdasarkan lama penggunaan media sosial
Twitter sebagai media layanan konsumen dapat dilihat pada gambar
berikut.
35
Gambar 15 : Demografi berdasarkan lama menggunakan Twitter sebagai
media layanan konsumen pada perusahaan perbankan
4.2. Analisis statistic deskriptif
Berdasarkan hasil kuesioner yang dikumpulkan, dilakukan analisa terhadap
frekuensi dari responden yang menjawab pilihan 1 sampai 5 maka didapatkan hasil
seperti yang ditampilkan di tabel berikut.
Tabel 5 : Analisis statistic deskriptif
JAWABAN (%)
VARIABEL KODE MEAN
1 2 3 4 5
1. Facilitating FCD1 13.50% 48% 33% 4.50% 1% 2.32
conditions FCD2 15.50% 47.50% 32.30% 4.30% 0.50% 2.27
FCD3 15.50% 47.50% 32.30% 4.30% 0.50% 2.38
2. Social SOC1 24.30% 45.30% 27.30% 2.30% 1% 2.11
influence SOC2 27.50% 50.70% 18.50% 2.50% 0.80% 1.98
SOC3 19.80% 46.50% 3% 3.30% 0.50% 2.18
3. Task TAC1 9.80% 41.50% 38% 9.80% 1% 2.51
characteristics TAC2 8.80% 36% 43.50% 11.30% 0.50% 2.59
TAC3 18.80% 54.30% 23.50% 3.30% 0.30% 2.12
4. Technology TEC1 19.50% 51.50% 26.30% 2.80% 0% 2.12
characteristics TEC2 11.30% 44% 33% 7.20% 4.50% 2.50
TEC3 26% 54.80% 18.30% 1% 0% 1.94
5. Task TTF1 28.50% 56.30% 13.80% 1.50% 0% 1.88
36
JAWABAN (%)
VARIABEL KODE MEAN
1 2 3 4 5
technology fit TFF2 14.50% 51.70% 30.80% 2.80% 0.30% 2.23
TFF3 18% 49% 3% 2.50% 0.50% 2.19
6. System quality SSQ1 19% 55.30% 21.80% 3.80% 0.30% 2.11
SSQ2 20.50% 49.50% 28.50% 1.50% 0% 2.11
SSQ3 15.50% 36.50% 42.30% 5% 0.80% 2.39
7. Information INQ1 15.50% 47.50% 32.30% 4.30% 0.50% 2.21
quality INQ2 9.80% 37.80% 47.50% 4.50% 0.50% 2.48
INQ3 18.30% 54.30% 26.30% 1.30% 0% 2.11
8. Service quality SVQ1 12% 51% 35.80% 0.80% 0.50% 2.27
SVQ2 16.80% 42.50% 37.50% 2.50% 0.80% 2.28
SVQ3 2% 41.80% 35.80% 2.30% 0.30% 2.21
9. User USS1 13.30% 48.80% 33.50% 4% 0.50% 2.30
satisfaction USS2 12% 47.50% 36.30% 3.80% 0.50% 2.33
USS3 13% 50.20% 33.80% 2.80% 0.30% 2.27
10. Intention ITU1 15.30% 48.30% 30.30% 5% 1.30% 2.29
to use ITU2 16.30% 49.80% 3% 3.30% 0.80% 2.23
ITU3 14.50% 46.30% 33% 4.50% 1.80% 2.33
Distribusi jawaban responden untuk setiap pertanyaan berada dikisaran 1
sampai dengan 5. Nilai mean untuk setiap indicator juga bisa dilihat pada tabel
diatas.
4.3. Uji Validitas dan Reliabilitas Instrumen
4.3.1. Uji Validitas
Uji validitas digunakan untuk mengukur valid atau tidaknya kuesioner yang
dibuat. Data yang akan diuji adalah data yang diperoleh dari kuesioner yang
disebar baik secara online maupun offline. Pengujian validitas kuesioner
menggunakan aplikasi SPSS untuk membantu perhitungan. Uji validitas dilakukan
dengan membandingkan nilai r Hitung dengan r Tabel. Dengan melakukan
pengukuran dari 400 responden. Nilai r Tabel sebesar 0.0983 setiap pernyataan
37
dianggap valid jika memiliki nilai r Hitung sama dengan atau lebih besar dari
0.0983.
Berikut adalah tabel perhitungan koefisien validitas untuk masing-masing
variabel penelitian.
n = 400 responden
df = n – 2 = 398
r Table = 0.0983
Tabel 6 : Hasil Uji Validitas (400 responden)
VARIABEL INDIKATOR r Hitung r Tabel Kesimpulan

1. Facilitating FCD1 0.572 0.0983 Valid
conditions FCD2 0.613 0.0983 Valid
FCD3 0.673 0.0983 Valid
2. Social SOC1 0.485 0.0983 Valid
influence SOC2 0.460 0.0983 Valid
SOC3 0.615 0.0983 Valid
3. Task TAC1 0.626 0.0983 Valid
characteristics TAC2 0.472 0.0983 Valid
TAC3 0.702 0.0983 Valid
4. Technology TEC1 0.700 0.0983 Valid
characteristics TEC2 0.435 0.0983 Valid
TEC3 0.581 0.0983 Valid
5. Task TTF1 0.576 0.0983 Valid
technology fit TFF2 0.769 0.0983 Valid
TFF3 0.711 0.0983 Valid
6. System quality SSQ1 0.632 0.0983 Valid
SSQ2 0.691 0.0983 Valid
SSQ3 0.531 0.0983 Valid
7. Information INQ1 0.691 0.0983 Valid
quality INQ2 0.668 0.0983 Valid
INQ3 0.676 0.0983 Valid
8. Service quality SVQ1 0.728 0.0983 Valid
SVQ2 0.682 0.0983 Valid
SVQ3 0.612 0.0983 Valid
9. User USS1 0.839 0.0983 Valid
satisfaction USS2 0.806 0.0983 Valid
USS3 0.831 0.0983 Valid
38
VARIABEL INDIKATOR r Hitung r Tabel Kesimpulan

10. Intention to ITU1 0.809 0.0983 Valid
use ITU2 0.800 0.0983 Valid
ITU3 0.730 0.0983 Valid
Dari hasil pengujian yang ditampilkan pada gambar, dapat diketahui bahwa
semua indikator memiliki nilai r Hitung terhadap nilai r Tabel (0.0983) sehingga
setiap pertanyaan tersebut dianggap valid dalam pengukuran variabelnya masing-
masing.
4.3.2. Uji Reliabilitas
Uji reliabiltas diperlukan untuk mengukur konsistensi dalam pada setiap
pernyataan yang disusun dalam sebuah kuesioner. Pengujian reliabilitas
menggunakan nilai cronbach’s alpha. Indikator yang reliable adalah indikator yang
bisa diproses ketahap berikutnya, yaitu indikator dengan nilai minimal 0.70. Maka
dilakukan pengecekan cronbach’s Alpha dengan nilai >= 0.70 untuk memastikan
reliabilitas indikator tersebut.
Tabel 7 : Hasil perhitungan Uji Reliabilitas (400 Responden)
Variable Indikator Cronbach’s Alpha Kesimpulan

1. Facilitating FCD1 0.959 Sangat Reliable
conditions FCD2 0.959 Sangat Reliable
FCD3 0.958 Sangat Reliable
2. Social SOC1 0.960 Sangat Reliable
influence SOC2 0.960 Sangat Reliable
SOC3 0.959 Sangat Reliable
3. Task TAC1 0.959 Sangat Reliable
characteristics TAC2 0.960 Sangat Reliable
TAC3 0.958 Sangat Reliable
4. Technology TEC1 0.958 Sangat Reliable
characteristics TEC2 0.961 Sangat Reliable
TEC3 0.959 Sangat Reliable
39
Variable Indikator Cronbach’s Alpha Kesimpulan

5. Task TTF1 0.959 Sangat Reliable
technology fit TFF2 0.958 Sangat Reliable
TFF3 0.958 Sangat Reliable
6. System quality SSQ1 0.959 Sangat Reliable
SSQ2 0.958 Sangat Reliable
SSQ3 0.959 Sangat Reliable
7. Information INQ1 0.958 Sangat Reliable
quality INQ2 0.958 Sangat Reliable
INQ3 0.958 Sangat Reliable
8. Service quality SVQ1 0.958 Sangat Reliable
SVQ2 0.958 Sangat Reliable
SVQ3 0.959 Sangat Reliable
9. User USS1 0.957 Sangat Reliable
satisfaction USS2 0.957 Sangat Reliable
USS3 0.957 Sangat Reliable
10. Intention to ITU1 0.957 Sangat Reliable
use ITU2 0.957 Sangat Reliable
ITU3 0.958 Sangat Reliable
Berdasarkan hasil uji realibilitas tersebut, setiap variable memiliki nilai
koefisien reliabiltas diatas nilai koefisien cronbach’s alpha, sehingga dapat
disimpulkan pertanyaan yang dibentuk sangat reliable.
4.4. Evaluasi Model Penelitian
Model penelitian ini terdiri dari 10 indikator yang masing-masing variable
latennya. Berikut tabel indikator reflektif dari penelitian ini.
Tabel 8 : Indikator Reflektif
Jumlah Indikator
Variable Notasi Indikator Reflektif
Facilitating
3 FCD1, FCD2, FCD3
conditions
Social influence 3 SOC1, SOC2, SOC3
Task
3 TAC1, TAC2, TAC3
characteristics
Technology 3 TEC1, TEC2, TEC3
40
Jumlah Indikator
Variable Notasi Indikator Reflektif
characteristics
Task technology fit 3 TTF1, TFF2, TFF3
System quality 3 SSQ1, SSQ2, SSQ3
Information quality 3 INQ1, INQ2, INQ3
Service quality 3 SVQ1, SVQ2, SVQ3
User satisfaction 3 USS1, USS2, USS3
Intention to use 3 ITU1, ITU2, ITU3
4.4.1. Uji validitas konvergen
Tahapan berikutnya adalah mengolah dan melakukan analisa data
menggunakan alat bantu SmartPLS versi 3.2.6 untuk menghasilkan diagram (Path
Diagram). Validitas konvergen akan diuji pada level indikator dan variable laten-
nya. Uji validitas konvergen dilakukan dengan melakukan evaluasi nilai dari
loading factor. Menurut Iskandar, keriteria valid dalam analisis Confirmatory
Factor Analysis (CFA) jika loading factor lebih besar dari 0.30 jika menggunakan
400 populasi sampel (Iskandar, 2017).

41
Gambar 16 : Path Diagram
Berdasarkan gambar path diagram diatas, maka nilai loading factor adalah
sebagai berikut.
Tabel 9 : Hasil perhitungan Uji Reliabilitas (400 Responden)
Variable Indikator Loading Factor Kesimpulan

1. Facilitating FCD1 0.840 Valid
conditions FCD2 0.859 Valid
FCD3 0.871 Valid
2. Social SOC1 0.786 Valid
influence SOC2 0.797 Valid
SOC3 0.828 Valid
3. Task TAC1 0.775 Valid
42

characteristics TAC2 0.672 Tidak valid
TAC3 0.778 Valid
4. Technology TEC1 0.872 Valid
characteristics TEC2 0.672 Tidak valid
TEC3 0.778 Valid
5. Task TTF1 0.762 Valid
technology fit TFF2 0.873 Valid
TFF3 0.834 Valid
6. System quality SSQ1 0.766 Valid
SSQ2 0.873 Valid
SSQ3 0.722 Valid
7. Information INQ1 0.873 Valid
quality INQ2 0.848 Valid
INQ3 0.830 Valid
8. Service quality SVQ1 0.832 Valid
SVQ2 0.884 Valid
SVQ3 0.772 Valid
9. User USS1 0.923 Valid
satisfaction USS2 0.942 Valid
USS3 0.937 Valid
10. Intention to ITU1 0.918 Valid
use ITU2 0.921 Valid
ITU3 0.861 Valid
Berdasarkan tabel diatas, 2 dari 30 indikator yang diuji memiliki nilai
koefisien dibawah 0.70 yang merupakan batas minimum untuk sebuah indikator
bisa dikatakan valid (Araujo, Christiananta, Ellitan, & Otok, 2013). Sehingga 2
indikator tersebut dianggap tidak valid dan perlu dikeluarkan untuk bisa
melanjutkan tahapan berikutnya. Setelah 2 indikator tersebut dihilangkan, maka
akan dilakukan eksekusi ulang dengan hanya menggunakan 28 indikator yang
memiliki nilai diatas 0.70 dan berikut adalah hasilnya.

43
Gambar 17 : Path Diagram (Hasil eksekusi ke-2)
Berdasarkan hasil eksekusi ulang path diagram dengan menghilangkan 2
indikator dengan nilai dibawah 0.70, maka nilai loading factor adalah sebagai
berikut.
Tabel 10 : Hasil perhitungan Uji Reliabilitas eksekusi ke-2 (400 Responden)

1. Facilitating FCD1 0.840 Valid
conditions FCD2 0.859 Valid
FCD3 0.871 Valid
2. Social SOC1 0.786 Valid
influence SOC2 0.797 Valid
44

SOC3 0.828 Valid
3. Task TAC1 0.798 Valid
characteristics TAC3 0.861 Valid
4. Technology TEC1 0.856 Valid
characteristics TEC3 0.856 Valid
5. Task TTF1 0.763 Valid
technology fit TFF2 0.872 Valid
TFF3 0.833 Valid
6. System quality SSQ1 0.766 Valid
SSQ2 0.873 Valid
SSQ3 0.722 Valid
7. Information INQ1 0.873 Valid
quality INQ2 0.848 Valid
INQ3 0.830 Valid
8. Service quality SVQ1 0.832 Valid
SVQ2 0.884 Valid
SVQ3 0.772 Valid
9. User USS1 0.923 Valid
satisfaction USS2 0.942 Valid
USS3 0.937 Valid
10. Intention to ITU1 0.918 Valid
use ITU2 0.921 Valid
ITU3 0.861 Valid
Dari hasil estimasi ulang diatas, semua indikator memiliki nilai loading
factor lebih besar dari 0.70 yang menunjukan bahwa semua indikator telah
memenuhi syarat validitas konvergen.
4.4.2. Uji validitas diskriminan
Uji validitas dikriminan dinilai berdasarkan cross loading pengukuran
dengan konstruk. Setiap loading diharapkan memiliki nilai lebih tinggi untuk setiap
variabel laten yang diukur dibandingkan dengan indikator untuk laten variabel
lainnya. Tabel berisi hasil dari discriminant validity yang ditunjukkan dari nilai
cross loading masing-masing sebagai berikut.

45
Tabel 11 : Nilai Cross Loading
VARIABEL
FCD SOC TAC TEC TTF SSQ INQ SVQ USS ITU
FCD1 0.840 0.322 0.479 0.427 0.503 0.426 0.481 0.488 0.477 0.529
FCD2 0.859 0.413 0.525 0.437 0.554 0.436 0.450 0.568 0.541 0.544
FCD3 0.871 0.453 0.625 0.491 0.585 0.498 0.477 0.569 0.602 0.574
SOC1 0.356 0.786 0.391 0.396 0.396 0.354 0.375 0.420 0.434 0.404
SOC2 0.290 0.797 0.395 0.335 0.380 0.335 0.383 0.363 0.408 0.360
SOC3 0.441 0.828 0.525 0.444 0.576 0.503 0.496 0.500 0.551 0.571
TAC1 0.522 0.463 0.798 0.452 0.542 0.495 0.504 0.534 0.561 0.559
TAC3 0.535 0.464 0.861 0.599 0.642 0.570 0.608 0.570 0.650 0.612
TEC1 0.467 0.479 0.642 0.856 0.643 0.622 0.582 0.514 0.618 0.608
TEC3 0.437 0.370 0.451 0.856 0.643 0.537 0.407 0.508 0.475 0.515
TTF1 0.395 0.415 0.450 0.671 0.763 0.529 0.443 0.498 0.444 0.482
TFF2 0.601 0.528 0.698 0.638 0.872 0.588 0.628 0.580 0.715 0.713
TFF3 0.568 0.485 0.598 0.560 0.833 0.604 0.508 0.659 0.659 0.633
SSQ1 0.385 0.431 0.519 0.568 0.574 0.766 0.611 0.475 0.552 0.597
SSQ2 0.497 0.455 0.568 0.580 0.612 0.873 0.593 0.633 0.583 0.580
SSQ3 0.366 0.312 0.426 0.443 0.448 0.722 0.504 0.547 0.485 0.419
INQ1 0.469 0.446 0.594 0.513 0.529 0.669 0.873 0.568 0.616 0.599
INQ2 0.487 0.407 0.550 0.425 0.534 0.603 0.848 0.613 0.611 0.576
INQ3 0.441 0.502 0.573 0.535 0.584 0.573 0.830 0.554 0.603 0.564
SVQ1 0.569 0.474 0.619 0.509 0.620 0.603 0.659 0.832 0.645 0.638
SVQ2 0.558 0.454 0.550 0.489 0.602 0.567 0.543 0.884 0.646 0.602
SVQ3 0.442 0.427 0.482 0.491 0.529 0.572 0.486 0.772 0.571 0.534
USS1 0.643 0.530 0.691 0.620 0.713 0.638 0.684 0.727 0.923 0.806
USS2 0.561 0.555 0.668 0.562 0.674 0.642 0.663 0.669 0.942 0.797
USS3 0.566 0.572 0.692 0.607 0.702 0.643 0.663 0.700 0.937 0.833
ITU1 0.590 0.571 0.660 0.597 0.708 0.615 0.612 0.652 0.836 0.918
ITU2 0.588 0.494 0.664 0.585 0.682 0.643 0.657 0.654 0.814 0.921
ITU3 0.554 0.484 0.578 0.593 0.627 0.579 0.571 0.623 0.690 0.861
Pada bagian yang diblok, menunjukan bahwa nilai korelasi variabel dengan
indikatornya memiliki nilai lebih tinggi dibanding dengan nilai korelasi dengan
variabel yang lainnya sehingga seluruh indikator dinyatakan valid.
Menurut Liu (2010), pada level variabel validitas diskriminan dinilai
dengan menggunakan Average Variance Extracted (AVE) > 0.5 agar dinyatakan
valid. Berikut ini adalah tabel AVE.
Tabel 12 : Tabel AVE

46
Variabel AVE Kesimpulan
Facilitating conditions 0.734 Valid

Social influence 0.646 Valid
Task characteristics 0.690 Valid
Technology
0.733 Valid
characteristics
Task technology fit 0.679 Valid
System quality 0.624 Valid
Information quality 0.723 Valid
Service quality 0.690 Valid
User satisfaction 0.873 Valid
Intention to use 0.811 Valid
Uji reliabilitas dilihat dari nilai Cronbach’s alpha dan composite reliability,
dimana keduanya dinyatakan reliable apabila nilai konstruk > 0.70.
Akan tetapi menurut Sharma (2016), nilai koefisien alpha memiliki kisaran
dengan keterangan Excelent (α > 0.9), Good (0.9 > α > 0.8), Acceptable (0.8 > α >
0.7), Questionable (0.7 > α > 0.6), Poor (0.6 > α > 0.5) dan Unacceptable (0.5 > α).
Sehingga nilai Cronbach’s alpha > 0.5 masih dapat diterima dengan kondisi Poor
sesuai dengan kisaran nilai alpha tersebut. Berikut adalah tabel Cronbach’s alpha.
Tabel 13 : Cronbach’s Alpha
Variabel Cronbach’s Alpha Kesimpulan

Facilitating conditions 0.819 Good
Social influence 0.736 Acceptable
Task characteristics 0.553 Poor
Technology
0.635 Questionable
characteristics
Task technology fit 0.764 Acceptable
System quality 0.696 Questionable
Information quality 0.808 Good
Service quality 0.774 Acceptable
User satisfaction 0.927 Excellent
Intention to use 0.883 Good
Tabel 14 : Composite Reliability

47
Variabel Composite Reliability Kesimpulan

Facilitating conditions 0.892 Reliabel
Social influence 0.845 Reliabel
Task characteristics 0.816 Reliabel
Technology
0.846 Reliabel
characteristics
Task technology fit 0.864 Reliabel
System quality 0.832 Reliabel
Information quality 0.887 Reliabel
Service quality 0.869 Reliabel
User satisfaction 0.954 Reliabel
Intention to use 0.928 Reliabel
Pada tabel Cronbach’s alpha diatas, yang di blok merupakan nilai yang
berada dibawah 0.7 akan tetapi > 0.5 dan masih termasuk layak diterima.
Sementara nilai pada tabel Composite reliability menunjukan nilai >0.7 sehingga
dianggap reliabel.
4.4.3. Uji model struktural (Inner model)
Evaluasi model structural dilakukan untuk meilhat tingkat signifikansi dari
hubungan antar variabel dependen dan independen, evaluasi model strukturan bisa
dilakuakn setelah evaluasi model pengukuran menunjukkan hasil yang baik. Model
struktural dievaluasi dengan menggunakan R-Square (R2) dan juga analisa terhadap
nilai signifikansi dari path coefficient.
Untuk melihat tingkat hubungan antar variabel dilakukan analisa regresi
dengan menggunakan aplikasi SmartPLS. Menurut Araujo et al (2013) proses
perhitungan analisa dilakukan menggunakan kondisi berikut :

48
a. Hubungan antara variabel dependen dan independen dinyatakan
memiliki hubungan yang signifikan jika nilai P Value < 0.05 dan T
Statistic > 1.966.
b. Hubungan antara variabel dependen dan independen dinyatakan
memiliki hubungan positif jika memiliki nilai original sampel (O)
positif.
c. Angka tersebut berlaku juga untuk mengukur hubungan antara variable
dependen dan independen yang di moderasi oleh variable moderator.
Berikut gambar yang menunjukkan path diagram dari model yang
dijalankan pada Smart PLS setelah bootstrapping.
Gambar 18 : Path Diagram setelah dilakukan bootstrapping

49
Setelah dilakukan bootstrapping, berikut tabel uji regresi koefisien jalur dan
T-Statistik yang dihasilkan.
Tabel 15 : Koefisien Jalur dan T-Statistik
Standard
Relasi Antar Original Sample T Statistics
Deviation P Values
Variabel Sample (O) Mean (M) (|O/STDEV|)
(STDEV)
FCD → ITU 0.098 0.100 0.034 2.878 0.004
SOC → ITU 0.042 0.043 0.036 1.167 0.244
TAC → TTF 0.320 0.316 0.052 6.143 0.000
TEC → TTF 0.397 0.400 0.054 7.287 0.000
TTF → ITU 0.174 0.176 0.045 3.893 0.000
SSQ → TTF 0.222 0.223 0.047 4.767 0.000
SSQ → USS 0.169 0.164 0.059 2.852 0.005
INQ → USS 0.310 0.312 0.057 5.403 0.000
SVQ → USS 0.420 0.421 0.069 6.057 0.000
USS → ITU 0.653 0.650 0.049 13.462 0.000
Tabel 16 : Perbandingan T-Statistik dan T-Tabel
Relasi Antar
Hipotesis T Statistics T Tabel Kesimpulan
Variabel
H1 FCD → ITU 2.878 >1.966 Diterima
H2 SOC → ITU 1.167 >1.966 Ditolak
H3 TAC → TTF 6.143 >1.966 Diterima
H4 TEC → TTF 7.287 >1.966 Diterima
H5 TTF → ITU 3.893 >1.966 Diterima
H6 SSQ → TTF 4.767 >1.966 Diterima
H7 SSQ → USS 2.852 >1.966 Diterima
H8 INQ → USS 5.403 >1.966 Diterima
H9 SVQ → USS 6.057 >1.966 Diterima
H10 USS → ITU 13.462 >1.966 Diterima
Berdasarkan tabel path coefficient, facilitating conditions (FCD), Task-
Technolgy Fit (TTF), user satisfaction (USS) berpengaruh signifikan terhadap
intention to use (ITU) karena nilai T-Statistik lebih besar dari 1.966 dan nilai P-
Value lebih kecil dari 0.05. Sementara social influence (SOC) tidak berpengaruh
terhadap intention to use (ITU) karena tidak memenuhi syarat nilai T-Statistik lebih
50
besar dari 1.966 dan nilai P Values lebih kecil dari 0.05. Selain itu, information
quality (INQ), system quality (SSQ) dan service quality (SVQ) berpengaruh
signifikan terhadap user satisfaction (USS) karena nilai T-Statistik lebih besar dari
1.966 dan nilai P-Value lebih kecil dari 0.05. Dan system quality (SSQ), task
characteristics (TAC) dan technology characteristics (TEC) berpengaruh
signifikan terhadap Task-Technolgy Fit (TTF) karena nilai T-Statistik lebih besar
dari 1.966 dan nilai P-Value lebih kecil dari 0.05.
Nilai R-Square (R2) dari variabel dependen digunakan untuk menilai
kekuatan untuk menjelaskan model yang digunakan dalam penelitian (explanatory
power). Seperti yang ditunjukan pada tabel R-Square berikut ini.
Tabel 17 : R-Square
Variabel R-Square (R2)
Task technology fit 0.681

User satisfaction 0.653
Intention to use 0.785
Hasil dari R-Square menunjukkan bahwa Task-technology fit memiliki nilai
R-Square sebesar 68.1%, user satisfaction memiliki nilai R-Square sebesar 65.3%
dan intention to use memiliki nilai R-Square sebesar 78.5%. Task-technology fit
dipengaruhi oleh System quality, task characteristics dan technology
characteristics sebesar 68.1% dan juga dipengaruhi 31.9% oleh variabel lainnya
yang perlu diteliti lebih lanjut. user satisfaction dipengaruhi oleh Information
quality, system quality dan service quality sebesar 65.3% dan juga dipengaruhi
34.7% oleh variabel lainnya yang perlu diteliti lebih lanjut. intention to use
dipengaruhi oleh System quality, task characteristics dan technology

51
characteristics sebesar 78.5% dan juga dipengaruhi 21.5% oleh variabel lainnya
yang perlu diteliti lebih lanjut. Berdasarkan tabel output path coefficients, maka
persamaan regresi berganda pada model ini adalah sebagai berikut.
ITU = 0.098 FCD + 0.042 SOC + 0.174 TTF + 0.653 USS

USS = 0.310 INQ + 0.169 SSQ + 0.420 SVQ
TTF = 0.222 SSQ + 0.320 TAC + 0.397 TEC
Tetapi, karena variabel social influence yang ada didalam intention to use
tidak memenuhi persyaratan, maka persamaan regresi berganda pada model ini
harus mengeluarkan variabel-variabel yang ditolak tersebut, sehingga menjadi
sebagai berikut.
ITU = 0.098 FCD + 0.174 TTF + 0.653 USS

USS = 0.310 INQ + 0.169 SSQ + 0.420 SVQ
TTF = 0.222 SSQ + 0.320 TAC + 0.397 TEC
4.5. Pengujian Hipotesis
Berikut penjelasan hasil uji hipotesis yang akan dilengkapi dengan tabel
dibawah ini.
1. H1 : Facilitating conditions berpengaruh signifikansi terhadap
Intention to use
Berdasarkan table diatas, diketahui bahwa hubungan antara facilitating
conditions terhadap intention to use memiliki nilai koefiisen jalur sebesar 0.098
dengan T-statistik sebesar 2.878. Karena nilai T-statistik > T-table (1.966) dan
P-Values < 0.05 maka H1 dapat diterima. Hl menunjukan bahwa facilitating

52
conditions berpengaruh signifikan terhadap intention to use pada minat
penggunaan Twitter sebagai media layanan konsumen. Hasil ini sesuai dengan
penelitian yang dilakukan oleh Orji (2010) bahwa facilitating conditions
berpengaruh terhadap Intention to use.
2. H2 : Social influence berpengaruh signifikansi terhadap Intention to
use
Berdasarkan table diatas, diketahui bahwa hubungan antara social influence
terhadap intention to use memiliki nilai koefiisen jalur sebesar 0.042 dengan T-
statistik sebesar 1.167. Karena nilai T-statistik < T-table (1.966) dan P-Values >
0.05 maka H2 ditolak. H2 menunjukan bahwa social influence tidak
berpengaruh signifikan terhadap intention to use pada minat penggunaan
Twitter sebagai media layanan konsumen.
3. H3 : Task characteristics berpengaruh signifikansi terhadap Task
technology fit
Berdasarkan table diatas, diketahui bahwa hubungan antara task
characteristics terhadap task technology fit memiliki nilai koefiisen jalur
sebesar 0.320 dengan T-statistik sebesar 6.143. Karena nilai T-statistik > T-
table (1.966) dan P-Values < 0.05 maka H3 dapat diterima. H3 menunjukan
bahwa task characteristics berpengaruh signifikan terhadap task technology fit
pada minat penggunaan Twitter sebagai media layanan konsumen. Hasil ini
sesuai dengan penelitian yang dilakukan oleh Tam & Oliveira (2016a) bahwa
task characteristics berpengaruh terhadap Task technology fit.
4. H4 : Technology characteristics berpengaruh signifikansi terhadap Task
technology fit
53
Berdasarkan table diatas, diketahui bahwa hubungan antara technology
characteristics terhadap task technology fit memiliki nilai koefiisen jalur
sebesar 0.397 dengan T-statistik sebesar 7.287. Karena nilai T-statistik > T-
table (1.966) dan P-Values < 0.05 maka H4 dapat diterima. H4 menunjukan
bahwa technology characteristics berpengaruh signifikan terhadap task
technology fit pada minat penggunaan Twitter sebagai media layanan
konsumen. Hasil ini sesuai dengan penelitian yang dilakukan oleh Tam &
Oliveira (2016a) bahwa technology characteristics berpengaruh terhadap Task
technology fit.
5. H5 : Task technology fit berpengaruh signifikansi terhadap Intention to
use
Berdasarkan table diatas, diketahui bahwa hubungan antara task technology
fit terhadap intention to use memiliki nilai koefiisen jalur sebesar 0.174 dengan
T-statistik sebesar 3.893. Karena nilai T-statistik > T-table (1.966) dan P-
Values < 0.05 maka H5 dapat diterima. H5 menunjukan bahwa task technology
fit berpengaruh signifikan terhadap intention to use pada minat penggunaan
Twitter sebagai media layanan konsumen. Hasil ini sesuai dengan penelitian
yang dilakukan oleh Tam & Oliveira (2016a) dan Zhou (2010) bahwa task
technology fit berpengaruh terhadap Intention to use.
6. H6 : System quality berpengaruh signifikansi terhadap Task technology
fit
Berdasarkan table diatas, diketahui bahwa hubungan antara system quality
terhadap task technology fit memiliki nilai koefiisen jalur sebesar 0.222 dengan
Values < 0.05 maka H6 dapat diterima. H6 menunjukan bahwa system quality
54
berpengaruh signifikan terhadap task technology fit pada minat penggunaan
yang dilakukan oleh Tam & Oliveira (2016a) bahwa system quality
berpengaruh terhadap Task technology fit.
7. H7 : System quality berpengaruh signifikansi terhadap User satisfaction
Berdasarkan table diatas, diketahui bahwa hubungan antara system quality
terhadap user satisfaction memiliki nilai koefiisen jalur sebesar 0.169 dengan
Values < 0.05 maka H7 dapat diterima. H7 menunjukan bahwa system quality
berpengaruh signifikan terhadap user satisfaction pada minat penggunaan
yang dilakukan oleh Tam & Oliveira (2016a) bahwa system quality
berpengaruh terhadap User satisfaction.
8. H8 : Information quality berpengaruh signifikansi terhadap User
satisfaction
Berdasarkan table diatas, diketahui bahwa hubungan antara information
quality terhadap user satisfaction memiliki nilai koefiisen jalur sebesar 0.310
dengan T-statistik sebesar 5.403. Karena nilai T-statistik > T-table (1.966) dan
P-Values < 0.05 maka H8 dapat diterima. H8 menunjukan bahwa information
quality berpengaruh signifikan terhadap user satisfaction pada minat
penelitian yang dilakukan oleh Tam & Oliveira (2016a) bahwa information
quality berpengaruh terhadap User satisfaction.
9. H9 : Service quality berpengaruh signifikansi terhadap user satisfaction

55
Berdasarkan table diatas, diketahui bahwa hubungan antara service quality
terhadap user satisfaction memiliki nilai koefiisen jalur sebesar 0.420 dengan
Values < 0.05 maka H9 dapat diterima. H9 menunjukan bahwa service quality
berpengaruh signifikan terhadap user satisfaction pada minat penggunaan
yang dilakukan oleh Tam & Oliveira (2016a) bahwa service quality
berpengaruh terhadap User satisfaction.
10. H10 : User satisfaction berpengaruh signifikansi terhadap Intention to
use
Berdasarkan table diatas, diketahui bahwa hubungan antara user
satisfaction terhadap intention to use memiliki nilai koefiisen jalur sebesar
0.653 dengan T-statistik sebesar 13.462. Karena nilai T-statistik > T-table
(1.966) dan P-Values < 0.05 maka H10 dapat diterima. H10 menunjukan bahwa
user satisfaction berpengaruh signifikan terhadap intention to use pada minat
penelitian yang dilakukan oleh Tam & Oliveira (2016a) bahwa user satisfaction
berpengaruh terhadap Intention to use.
Tabel berikut menunjukan rangkuman dari hasil uji hipotesis.
Tabel 18 : Rangkuman hipotesis
Nilai T- P-
Hipotesis Statistik > T- Values < Kesimpulan
Tabel (1.966) 0.05
H1 : Facilitating conditions berpengaruh
2.878 0.004 Diterima
signifikansi terhadap Intention to use
H2 : Social influence berpengaruh
1.167 0.244 Ditolak
H3 : Task characteristics berpengaruh 6.143 0.000 Diterima
56
Nilai T- P-
Hipotesis Statistik > T- Values < Kesimpulan
Tabel (1.966) 0.05
signifikansi terhadap Task technology fit
H4 : Technology characteristics berpengaruh
signifikansi terhadap Task technology fit
H5 : Task technology fit berpengaruh
H6 : System quality berpengaruh signifikansi
terhadap Task technology fit
H7 : System quality berpengaruh signifikansi
terhadap User satisfaction
H8 : Information quality berpengaruh
signifikansi terhadap User satisfaction
H9 : Service quality berpengaruh signifikansi
terhadap user satisfaction
H10 : User satisfaction berpengaruh
13.462 0.000 Diterima
4.6. Intrepretasi Hipotesis
1. H1 : Facilitating conditions berpengaruh signifikansi terhadap intention to
use pada penggunaan Twitter sebagai media layanan konsumen.
Hasil penelitian menunjukan bahwa facilitating conditions berpengaruh
signifikan terhadap intention to use pada minat penggunaan Twitter sebagai
media layanan konsumen. Variabel facilitating conditions mengukur
tentang persepsi pengguna terhadap fasilitas yang disediakan dalam hal
penggunaan Twitter sebagai media layanan konsumen. Dengan diterimanya
hipotesis ini bisa diartikan bahwa penggunaan Twitter dalam hal ini
terfasilitasi dalam melakukan kegiatan layanan konsumen pada perusahaan
perbankan.
2. H2 : Social influence berpengaruh signifikansi terhadap intention to use
pada penggunaan Twitter sebagai media layanan konsumen.
Hasil penelitian menunjukan bahwa social influence tidak berpengaruh
signifikan terhadap intention to use pada penggunaan Twitter sebagai media

57
layanan konsumen. Variabel social influence mengukur persepsi tentang
pengaruh sosial dalam hal penggunaan Twitter sebagai media layanan
konsumen. Sehingga dapat artikan bahwa pengaruh sosial tidak
berpengaruh terhadap minat penggunaan Twitter sebagai media layanan
konsumen pada perusahaan perbankan.
3. H3 : Task characteristics berpengaruh signifikansi terhadap task technology
fit pada penggunaan Twitter sebagai media layanan konsumen.
Hasil penelitian menunjukan bahwa task characteristics berpengaruh
signifikan terhadap task technology fit pada penggunaan Twitter sebagai
media layanan konsumen. Variabel task characteristics mengukur tentang
persepsi kesesuaian karakteristik tugas aplikasi Twitter dalam hal media
layanan konsumen pada perusahaan perbankan. Dengan diterimanya
hipotesis ini bisa diartikan bahwa Twitter sesuai dengan karakteristik tugas
aplikasi sebagai media layanan konsumen pada perusahaan perbankan.
4. H4 : Technology characteristics berpengaruh signifikansi terhadap task
technology fit pada penggunaan Twitter sebagai media layanan konsumen.
Hasil penelitian menunjukan bahwa technology characteristics berpengaruh
signifikan terhadap task technology fit pada penggunaan Twitter sebagai
media layanan konsumen. Variabel technology characteristics mengukur
tentang persepsi karakteristik teknologi Twitter sebagai media layanan
konsumen pada perusahaan perbankan. Dengan diterimanya hipotesis ini
maka bisa diartikan bahwa Twitter memiliki karakteristik teknologi yang
dibutuhkan sebagai media layanan konsumen pada perusahaan perbankan.
5. H5 : Task technology fit berpengaruh signifikansi terhadap intention to use

58
Hasil penelitian menunjukan bahwa task technology fit berpengaruh
layanan konsumen. Variabel task technology fit mengukur tentang persepsi
kesesuaian kegunaan dan teknologi aplikasi Twitter sebagai media layanan
konsumen pada perusahaan perbankan. Dengan diterimanya hipotesis ini
bisa diartikan bahwa Twitter memiliki kesesuaian kegunaan dan teknologi
yang dirasa mumpuni sebagai media layanan konsumen pada perusahaan
perbankan, sehingga memunculkan minat penggunaan Twitter lebih lanjut
kedepannya.
6. H6 : System quality berpengaruh signifikansi terhadap task technology fit
Hasil penelitian menunjukan bahwa system quality berpengaruh signifikan
terhadap task technology fit pada penggunaan Twitter sebagai media
layanan konsumen. Variabel system quality mengukur tentang persepsi
kualitas sistem aplikasi Twitter dalam hal penggunaan Twitter sebagai
media layanan konsumen. Dengan diterimanya hipotesis ini bisa diartikan
bahwa kualitas layanan sistem Twitter dirasa sangat cocok untuk digunakan
sebagai layanan konsumen pada perusahaan perbankan.
7. H7 : System quality berpengaruh signifikansi terhadap user satisfaction
Hasil penelitian menunjukan bahwa system quality berpengaruh signifikan
terhadap user satisfaction pada penggunaan Twitter sebagai media layanan
konsumen. Variabel system quality mengukur tentang persepsi kualitas
sistem aplikasi Twitter dalam hal penggunaan sebagai media layanan

59
konsumen pada perusahaan perbankan sangat memuaskan dimata
penggunanya.
8. H8 : Information quality berpengaruh signifikansi terhadap user satisfaction
Hasil penelitian menunjukan bahwa information quality berpengaruh
signifikan terhadap user satisfaction pada penggunaan Twitter sebagai
media layanan konsumen. Variabel information quality mengukur tentang
persepsi pengguna terhadap kualitas informasi yang diberikan dalam hal
hipotesis ini bisa diartikan bahwa kualitas informasi yang didapat dengan
menggunakan Twitter sebagai media layanan konsumen pada perusahaan
perbankan dirasa sangat baik.
9. H9 : Service quality berpengaruh signifikansi terhadap user satisfaction
Hasil penelitian menunjukan bahwa service quality berpengaruh signifikan
terhadap user satisfaction pada penggunaan Twitter sebagai media layanan
konsumen. Variabel service quality mengukur tentang persepsi kepuasan
kualitas layanan yang diberikan Twitter kepada penggunanya sebagai media
hipotesis ini bisa diartikan bahwa kualitas layanan Twitter sebagai media
layanan konsumen pada perusahaan perbankan sangat memuaskan.
10. H10 : User satisfaction berpengaruh signifikansi terhadap intention to use
Hasil penelitian menunjukan bahwa user satisfaction berpengaruh

60
layanan konsumen. Variabel user satisfaction mengukur tentang persepsi
kepuasan pengguna Twitter sebagai media layanan konsumen pada
perusahaan perbankan. Dengan diterimanya hipotesis ini bisa diartikan
bahwa pengguna Twitter sebagai media layanan konsumen pada perusahaan
perbankan akan terus menggunakan Twitter sebagai media layanan
konsumennya.
BAB V
KESIMPULAN
5.1. Kesimpulan
Berdasarkan hasil penelitian mengenai minat penggunaan Twitter sebagai
media layanan konsumen pada perusahaan perbankan dengan menggunakan
metodologi UTAUT yang dikombinasikan dengan TTF dan DeLone & McLean
yang telah diolah berdasarkan hasil analisa dan pengujian hipotesis, dapat diambil
kesimpulan sebagai berikut :
1. Hasil penelitian menunjukan bahwa facilitating conditions memberikan
pengaruh yang signifikan terhadap intention to use pada penggunaan
Twitter sebagai media layanan konsumen dengan nilai T-statistik 2.878
yang berarti signifikan (T-statistik > T-tabel 1,966). Variabel facilitating
conditions mengukur tentang persepsi pengguna terhadap fasilitas yang
disediakan dalam hal penggunaan Twitter sebagai media layanan
konsumen. Dengan diterimanya hipotesis ini bisa diartikan bahwa
penggunaan Twitter dalam hal ini terfasilitasi dalam melakukan kegiatan
layanan konsumen pada perusahaan perbankan.
2. Hasil penelitian menunjukan bahwa social influence tidak memberikan
pengaruh terhadap intention to use pada penggunaan Twitter sebagai media
layanan konsumen dengan nilai T-statistik 1.167 yang berarti signifikan (T-
statistik < T-tabel 1,966). Variabel social influence mengukur persepsi
61
62
tentang pengaruh sosial dalam hal penggunaan Twitter sebagai media
layanan konsumen. Sehingga dapat artikan bahwa pengaruh sosial tidak
berpengaruh terhadap minat penggunaan Twitter sebagai media layanan
konsumen pada perusahaan perbankan.
3. Hasil penelitian menunjukan bahwa task characteristics memberikan
pengaruh yang signifikan terhadap task technology fit pada penggunaan
yang berarti signifikan (T-statistik > T-tabel 1,966). Variabel task
characteristics mengukur tentang persepsi kesesuaian karakteristik tugas
aplikasi Twitter dalam hal media layanan konsumen pada perusahaan
perbankan. Dengan diterimanya hipotesis ini bisa diartikan bahwa Twitter
sesuai dengan karakteristik tugas aplikasi sebagai media layanan konsumen
pada perusahaan perbankan.
4. Hasil penelitian menunjukan bahwa technology characteristics memberikan
pengaruh yang signifikan terhadap task technology fit pada penggunaan
yang berarti signifikan (T-statistik > T-tabel 1,966). Variabel technology
characteristics mengukur tentang persepsi karakteristik teknologi Twitter
sebagai media layanan konsumen pada perusahaan perbankan. Dengan
diterimanya hipotesis ini maka bisa diartikan bahwa Twitter memiliki
karakteristik teknologi yang dibutuhkan sebagai media layanan konsumen
pada perusahaan perbankan.
5. Hasil penelitian menunjukan bahwa task technology fit memberikan
pengaruh yang signifikan terhadap intention to use pada penggunaan

63
yang berarti signifikan (T-statistik > T-tabel 1,966). Variabel task
technology fit mengukur tentang persepsi kesesuaian kegunaan dan
teknologi aplikasi Twitter sebagai media layanan konsumen pada
bahwa Twitter memiliki kesesuaian kegunaan dan teknologi yang dirasa
mumpuni sebagai media layanan konsumen pada perusahaan perbankan,
sehingga memunculkan minat penggunaan Twitter lebih lanjut kedepannya.
6. Hasil penelitian menunjukan bahwa system quality berpengaruh
memberikan pengaruh yang terhadap task technology fit pada penggunaan
yang berarti signifikan (T-statistik > T-tabel 1,966). Variabel system quality
mengukur tentang persepsi kualitas sistem aplikasi Twitter dalam hal
hipotesis ini bisa diartikan bahwa kualitas layanan sistem Twitter dirasa
sangat cocok untuk digunakan sebagai layanan konsumen pada perusahaan
perbankan.
7. Hasil penelitian menunjukan bahwa system quality berpengaruh
memberikan pengaruh yang terhadap user satisfaction pada penggunaan
yang berarti signifikan (T-statistik > T-tabel 1,966). Variabel system quality
mengukur tentang persepsi kualitas sistem aplikasi Twitter dalam hal
penggunaan sebagai media layanan konsumen pada perusahaan perbankan
sangat memuaskan dimata penggunanya.
8. Hasil penelitian menunjukan bahwa information quality memberikan
pengaruh yang signifikan terhadap user satisfaction pada penggunaan

64
yang berarti signifikan (T-statistik > T-tabel 1,966). Variabel information
quality mengukur tentang persepsi pengguna terhadap kualitas informasi
yang diberikan dalam hal penggunaan Twitter sebagai media layanan
konsumen. Dengan diterimanya hipotesis ini bisa diartikan bahwa kualitas
informasi yang didapat dengan menggunakan Twitter sebagai media
layanan konsumen pada perusahaan perbankan dirasa sangat baik.
9. Hasil penelitian menunjukan bahwa service quality berpengaruh
memberikan pengaruh yang terhadap user satisfaction pada penggunaan
yang berarti signifikan (T-statistik > T-tabel 1,966). Variabel service quality
mengukur tentang persepsi kepuasan kualitas layanan yang diberikan
Twitter kepada penggunanya sebagai media layanan konsumen pada
bahwa kualitas layanan Twitter sebagai media layanan konsumen pada
perusahaan perbankan sangat memuaskan.
10. Hasil penelitian menunjukan bahwa user satisfaction memberikan pengaruh
yang signifikan terhadap intention to use pada penggunaan Twitter sebagai
media layanan konsumen dengan nilai T-statistik 13.462 yang berarti
signifikan (T-statistik > T-tabel 1,966). Variabel user satisfaction
mengukur tentang persepsi kepuasan pengguna Twitter sebagai media
hipotesis ini bisa diartikan bahwa pengguna Twitter sebagai media layanan
konsumen pada perusahaan perbankan akan terus menggunakan Twitter
sebagai media layanan konsumennya.

65
5.2. Saran
Berdasarkan hasil penelitian mengenai minat penggunaan Twitter sebagai
media layanan konsumen pada perusahaan perbankan dengan menggunakan
metodologi UTAUT yang dikombinasikan dengan TTF dan DeLone & McLean
yang telah diolah berdasarkan hasil analisa dan pengujian hipotesis, maka berikut
adalah beberapa saran yang bisa meningkatkan penggunaan Twitter sebagai media
layanan konsumen pada perusahaan perbankan :
1. Service quality sangat mempengaruhi user satisfaction, sehingga perlu
menjadi fokus perusahaan yang menggunakan Twitter sebagai media
layanan komunikasi konsumen dalam hal ini khususnya perusahaan
perbankan. Sementara itu user satisfaction pun turut mempengaruhi
intention to use pengguna dalam menggunakan Twitter sebagai media
layanan konsumen khususnya pada perusahaan perbankan.
2. Untuk peneliti berikutnya diberikan saran sebagai berikut :
 Dapat melakukan penelitian serupa pada platform media sosial
lainnya.
 Dapat melakukan penelitian serupa pada bidang diluar
perusahaan perbankan.
66
DAFTAR PUSTAKA
APJII. (2017). Penetrasi dan perilaku pengguna internet Indonesia. Iinfografis
Hasil Survey. Retrieved from https://apjii.or.id/survei2017
APJII. (2018). Penetrasi & profil perilaku pengguna internet indonesia. Iinfografis
Hasil Survey.
Araujo, E. De, Christiananta, B., Ellitan, L., & Otok, B. W. (2013). Confirmatory
factor analysis on strategic leadership, corporate culture, good corporate
governance and company performance. Social Sciences and Humanities, 4(4),
487–495.
Bere, A. (2018). Information Systems Education Applying an Extended Task-
Technology Fit for Establishing Determinants of Mobile Learning : An Instant
Messaging Initiative Applying an Extended Task-Technology Fit for
Establishing Determinants of Mobile Learning : An Instan. Journal of
Information Systems Education, 29(4), 239–252.
Boyd, D. M., & Ellison, N. B. (2007). Social network sites: Definition, history, and
scholarship. Journal of Computer-Mediated Communication, 13(1), 210–230.
https://doi.org/10.1111/j.1083-6101.2007.00393
Bright, J. (2014). The use of social media for research and analysis : a feasibility
study (p. 62). Great Britain: Corporate Document Services.
Childa Maulina, Endang Siti Astuti, K. (2015). Pengaruh Karakteristik Tugas,
Teknologi Informasi Dan Individu Terhadap Task-technology Fit (Ttf),
Utilisasi Dan Kinerja. Jurnal Ilmu Sosial Dan Ilmu Politik, 4(1), 108–119.
67
68
DeLone, W. H., & McLean, E. R. (2003). The DeLone and McLean Model of
Information System Success. Journal of Management Information Systems,
19(4), 9–30. https://doi.org/10.1080/07421222.2003.11045748
DeLone, W. H., & McLean, E. R. (2016). Information Systems Success
Measurement. Foundations and Trends® in Information Systems (Vol. 2).
https://doi.org/10.1561/2900000005
Faed, A. (2013). An intelligent customer complaint management system with
application to the transport and logistics industry. (Illustrated, Ed.). Springer
Science & Business Media.
Goodhue, D. L. (1995). Task-Technology Fit. MIS Quarterly, 19(2), 213–236.
https://doi.org/10.1074/jbc.M110.194316
Google. (2019). Frequently asked questions about the Google+ shutdown.
Retrieved December 1, 2019, from
https://support.google.com/plus/answer/9217723?hl=en&ref_topic=9259565
Haristine, F. (2017). Rangkuman Buku Metode Penelitian Kuantitatif & Kualitatif.
Penelitian, 1–13. https://doi.org/10.1021/ol7029646
Iskandar, A. (2017). Teknik Analisis Validitas Konstruk dan Reliabilitas instrument
Test dan Non Test Dengan Software LISREL. INA-Rxiv.
https://doi.org/10.31227/osf.io/nbhxq
Iversen, J. H., & Eierman, M. A. (2018). The Impact of Experience and
Technology Change on Task-Technology Fit of a Collaborative Technology,
7(3), 56–75. https://doi.org/10.5539/jel.v7n3p56

69
Jansen, B. J., Sobel, K., & Zhang, M. (2014). The Commercial Impact of Social
Mediating Technologies : Micro-blogging as The Commercial Impact of
Social Mediating Technologies : Micro-blogging as Online Word-of-Mouth
Branding, (May).
Khechine, H., Pascot, D., & Bytha, A. (2014). Interdisciplinary Journal of E-
Learning and Learning Objects UTAUT Model for Blended Learning: The
Role of Gender and Age in the Intention to Use Webinars. Interdisciplinary
Journal of E-Learning and Learning Objects, 10, 33–52. Retrieved from
http://www.ijello.org/Volume10/IJELLOv10p033-052Khechine0876.pdf
Kompas. (2019). Pengguna Aktif Harian Twitter Indonesia Diklaim Terbanyak.
Retrieved December 12, 2019, from
https://tekno.kompas.com/read/2019/10/30/16062477/pengguna-aktif-harian-
twitter-indonesia-diklaim-terbanyak
Kupfer, A., Ableitner, L., Schöb, S., & Tiefenbeck, V. (2016). Technology
Adoption vs. Continuous Usage Intention: Do Decision Criteria Change when
Using a Technology? Proceedings of the Twenty-Second Americas Conference
on Information Systems, 2, 1–10.
Kurniabudi, K., & Assegaf, S. (2018). Persepsi Kesesuaian dan Kepuasan
Penggunaan Media Sosial pada Perkuliahan: Pengujian Model. Jurnal
Teknologi Informasi Dan Ilmu Komputer, 5(6), 659.
https://doi.org/10.25126/jtiik.201856907
Lee, C., & Wan, G. (2010). Including subjective norm and technology trust in the
technology acceptance model. ACM SIGMIS Database, 41(4), 40.

70
https://doi.org/10.1145/1899639.1899642
Lestari, D., & Waryanto, N. H. (2013). Indikator User Satisfaction Dalam Layanan.
Seminar Nasional Matematika Dan Pendidikan Matematika, (November),
978–979.
Lin, W. S. (2012). Perceived fit and satisfaction on web learning performance: IS
continuance intention and task-technology fit perspectives. International
Journal of Human Computer Studies, 70(7), 498–507.
https://doi.org/10.1016/j.ijhcs.2012.01.006
Liu, H. Y., & Hung, W. T. (2010). Online store trustworthiness and customer
loyalty : Moderating the effect of the customer ’ s perception of the virtual
environment. African Journal of Business Management, 4(14), 2915–2920.
M Nasiru Yakubu, S. I. D. (2018). Assessing eLearning systems success in Nigeria:
An application of the DeLone and McLean information systems success
model. Journal of Information Technology Education, 17, 183–203.
Mardiana, S., Tjakraatmadja, J. H., & Aprianingsih, A. (2015). Validating the
Conceptual Model for Predicting Intention to Use as Part of Information
System Success Model: The Case of an Indonesian Government Agency.
Procedia Computer Science, 72, 353–360.
https://doi.org/10.1016/j.procs.2015.12.150
Mariana, N. (2006). Pengukur-Pengukur Kesuksesan Sistem Informasi Eksekutif.
Jurnal Teknologi Informasi DINAMIK, XI(1), 30–37.
Mujilahwati, S. (2016). Pre-Processing Text Mining Pada Data Twitter. SENTIKA,
2016(Sentika), 18–19.
71
Mustaqim, R., Kusyanti, A., & Aryadita, H. (2017). Analisis Faktor-Faktor yang
Memengaruhi Niat Penggunaan E-Commerce XYZ Menggunakan Model
UTAUT (Unified Theory Acceptance and Use Of Technology). Jurnal
Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(7), 2584–2593.
Retrieved from http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/1653
Naimah, R. J., & Rifani, A. (2013). Analisis Penerapan Relationship Maintenance
Strategy Melalui Penggunaan Media Sosial ( Studi Pada Twitter Perbankan di
Indonesia ). Jurnal Wawasan Manajemen, 1(2), 153–166.
Nugroho, N., Utami, E., & Luthfi, E. T. (2017). Analisis perbandingan kualitas
pelayanan Penerimaan Mahasiswa Baru (PMB) online menggunakan model
kesuksesan sistem informasi DeLone dan McLean (D&M)(Studi kasus: PMB
UKDW dan PMB STMIK AMIKOM Yogyakarta). Jurnal Teknologi
Informasi Respati, 8(24), 45–66.
Nurcaya, I. A. H. (2019). Jumlah Rekening Bank Permata Naik 1,25 Juta Akun.
Retrieved January 15, 2020, from
https://finansial.bisnis.com/read/20190424/90/914925/jumlah-rekening-bank-
permata-naik-125-juta-akun
Nurjaya, D. (2017). Penharuh Kualitas Sistem, Informasi Dan pelayanan terhadap
manfaat bersih dengan menggunakan model DELONE AND MCLEAN.
Jurnal Akuntansi, 45–47.
Oentario, Y., Harianto, A., & Irawati, J. (2017). Pengaruh Usefulness, Ease of Use,
Risk Terhadap Intentionto Buy Onlinepatisserie Melalui Consumer Attitude
Berbasis Media Sosial Di Surabaya. Jurnal Manajemen Pemasaran, 11(1),

72
26–31. https://doi.org/10.9744/pemasaran.11.1.26-31
Orji, R. O. (2010). Impact of gender and nationality on acceptance of a digital
Library: An empirical validation of nationality based UTAUT using SEM.
Journal of Emerging Trends in Computing and Information Sciences, 1(2),
68–79.
Prasetyo, W. B. (2018). Panin Bank Targetkan Dana Tabungan Naik 15%.
Retrieved January 15, 2020, from
https://www.beritasatu.com/ekonomi/482357/panin-bank-targetkan-dana-
tabungan-naik-15
PT Bank Central Asia Tbk. (2018). Laporan Tahunan 2018 PT Bank Central Asia
Tbk.
Putut Pamilih Widagdo, T. D. S. (2015). Pengaruh Kesesuaian Teknologi Pada
Tugas (Task Technology Fit ) Terhadap Kinerja Individu Dalam
Menggunakan Teknologi Informasi (Studi Kasus : Universitas Mulawarman).
Prosiding Seminar Nasional Manajemen Teknologi XXIII, (August), 1–12.
https://doi.org/10.1016/j.cub.2010.05.029.Clock
Santoso, S. (2013). Kupas Tuntas Riset Eksperimen dengan Excel 2007 dan
Minitab 15. Elex Media Komputindo.
Saputro, P. H., Budiyanto, D., & Santoso, J. (2018). Model Delone and Mclean
Untuk Mengukur Kesuksesan E-Government Kota Pekalongan. Scientific
Journal of Informatics, 2(1), 1–8. https://doi.org/10.15294/sji.v2i1.4523
Sari, V. mustika. (2012). Pengaruh Electronic Word of Mouth (eWOM) Di Social
Media Twitter Terhadap Minat Beli Konsumen. Universitas Indonesia.

73
Sarwono, J. (2010). Pengertian dasar structural equation modeling (SEM). Ilmiah
Manajemen Bisnis, 10(3), 1–18. Retrieved from
http://ejournal.ukrida.ac.id/ojs/index.php/IMB/article/download/576/563
Setiawan, R. A., & Setyohadi, D. B. (2017). Analisis Komunikasi Sosial Media
Twitter sebagai Saluran Layanan Pelanggan Provider Internet dan Seluler di
Indonesia. Journal of Information Systems Engineering and Business
Intelligence, 3(April). https://doi.org/10.20473/jisebi.3.1.16-25
Sharma, B. (2016). A focus on reliability in developmental research through
Cronbach ’ s Alpha among medical , dental and paramedical professionals A
focus on reliability in developmental research through Cronbach ’ s Alpha
among medical , dental and paramedical professiona. Asian Pac. J. Health
Sci., 3(4), 271–278. https://doi.org/10.21276/apjhs.2016.3.4
Shi, S. (2014). HKBU Institutional Repository antecedents and outcomes
Investigating Trust and Commitment on Brand Pages in Social Networking
Sites : The Antecedents and Outcomes Doctor of Philosophy.
Statista. (2019). Number of monthly active Twitter users worldwide from 1st
quarter 2010 to 1st quarter 2019 (in millions). Retrieved December 12, 2019,
from https://www.statista.com/statistics/282087/number-of-monthly-active-
twitter-users/
Tam, C., & Oliveira, T. (2016a). Performance impact of mobile banking: using the
task-technology fit (TTF) approach. International Journal of Bank Marketing,
34(4), 434–457. https://doi.org/10.1108/IJBM-11-2014-0169
Tam, C., & Oliveira, T. (2016b). Understanding the impact of m-banking on

74
individual performance: DeLone & McLean and TTF perspective. Computers
in Human Behavior, 61(May 2018), 233–244.
https://doi.org/10.1016/j.chb.2016.03.016
Tan, P. J. B. (2013). Applying the UTAUT to Understand Factors Affecting the
Use of English E-Learning Websites in Taiwan. SAGE Open, 1–12.
https://doi.org/10.1177/2158244013503837
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User
Acceptance of Information Technology: Toward a Unified View. MIS
Quarterly, 27(3), 425–478.
Wisudiawan, G. A. A. (2015). Analisis Faktor Kesuksesan Sistem Informasi
Menggunakan Model Delone and McLean. Jurnal Ilmiah Teknologi Informasi
Terapan ISSN : 2407 - 3911, 2(1), 55–59.
Yu, P., & Qian, S. (2018). Developing a theoretical model and questionnaire survey
instrument to measure the success of electronic health records in residential
aged care. Journal PONE, 13(1), 1–18.
Zhou, T., Lu, Y., & Wang, B. (2010). Integrating TTF and UTAUT to explain
mobile banking user adoption. Computers in Human Behavior, 26(4), 760–
767. https://doi.org/10.1016/j.chb.2010.01.013

Thesis Haditya

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Thesis Haditya

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISIS MINAT PENGGUNAN MEDIA SOSIAL TWITTER

SEBAGAI MEDIA LAYANAN KONSUMEN PADA

PROGRAM STUDI MAGISTER MANAJEMEN SISTEM INFORMASI JENJANG S2

Tesis Sebagai Salah Satu

Program Studi Magister Manajemen Sistem Informasi

PROGRAM PASCASARJANA UNIVERSITAS BINA NUSANTARA

(Dr. Drs. Nilo Legowo, M.Kom.)

Dengan ini saya,

Nama : Haditya Setiawan

Judul tesis : Analisis minat penggunaan media sosial Twitter sebagai

Memberikan kepada Universitas Bina Nusantara hak non-eksklusif

Menyatakan bahwa saya, akan mempertahankan hak exclusive saya,

Hereby grant to my school, Bina Nusantara University , the non-

I acknowledge that I retain exclusive rights of my thesis by using all or

Jakarta, 29 Februari 2020

I, Name Haditya Setiawan, Student ID 2001850642 truly acknowledge that my

Jakarta, 29 Februari 2020

Pertama-tama, penulis memanjatkan puji syukur kehadirat Allah SWT

1. Bapak Prof. Dr. H. Ir. Harjanto Prabowo, MM selaku Rektor Universitas

Keywords: Customer Services, DeLone & McLean, Twitter, TTF, UTAUT.

HALAMAN JUDUL LUAR..................................................................................... i

1.1. Latar Belakang ............................................................................................ 1

BAB II LANDASAN TEORI ................................................................................. 9

2.1. Social media (Media sosial) ........................................................................ 9

BAB III METODE PENELITIAN ...................................................................... 21

3.1. Kerangka Pikir .......................................................................................... 21

BAB IV HASIL DAN PEMBAHASAN .............................................................. 31

4.1. Hasil Analisa Data .................................................................................... 31

BAB V KESIMPULAN ........................................................................................ 61

5.1. Kesimpulan ............................................................................................... 61

Tabel 1 : Variabel dan Indikator .............................................................................. 24

1.1. Latar Belakang

Information and communication technology (ICT) berkembang secara pesat

54,68%. Sedangkan pada 2018, menurut APJII penetrasi pengguna internet di

2018). Penggunan terbanyak didominasi oleh komunikasi melalui layanan pesan

sebagai media layanan konsumen pada beberapa perusahaan seperti perusahaan

perbankan. Media sosial yang beredar di Indonesia-pun beragam, seperti Facebook,

merupakan pengguna aktif diseluruh dunia (Mujilahwati, 2016). Akan tetapi

peningkatan jumlah pengguna Twitter tidak menunjukan perubahan yang signifikan

2010 to 1st quarter 2019

Berdasarkan data yang didapat dari Kompas.com, Twitter sebagai sosial

dinonaktifkan karena alasan gagal memenuhi ekspektasi mengenai pertumbuhan

jumlah penggunanya (Google, 2019) sehingga menimbulkan pertanyaan “apakah

mempublikasikan jumlah penggunanya, akan tetapi berdasarkan data yang didapat

twitter di Indonesia sebanyak 145 juta pengguna (Kompas, 2019).

sosial Indonesia Januari 2018

berikut (APJII, 2018).

Gambar 3 : Konten Internet (Media sosial) yang paling sering dikunjungi

Meskipun demikian jika dilihat dari sisi penggunaan, Twitter dengan

komplain maupun marketing (Sari, 2012; Setiawan & Setyohadi, 2017).

Berdasarkan penelitian sebelumnya mengenai Analisis Penerapan Relationship

Maintenance Strategy Melalui Penggunaan Media Sosial (Studi Pada Twitter

Perbankan di Indonesia), Twitter sebagai market challenger mampu bersaing

(Naimah & Rifani, 2013) .

Layanan pelanggan sendiri merupakan faktor penting bagi suatu perusahaan

dalam meningkatkan kepuasan pelanggannya (Setiawan & Setyohadi, 2017).

Dengan memanfaatkan media sosial, perusahaan dapat melihat loyalitas maupun

komplain pelanggan (Setiawan & Setyohadi, 2017). Didalam penerapannya, tidak

sarana layanan konsumen, akan tetapi perusahaan dibidang lainnya seperti

perbankan yang memerlukan konsumen/nasabah sebagai pengguna jasa bank

Sehingga perlu dilakukan penelitian untuk mengetahui minat penggunaan

di Jabodetabek. Penelitian ini akan menggunakan metodologi UTAUT, TTF dan

DeLone & McLean.

1.2. Rumusan Masalah