RESEARCH
Haditya setiawan
2001850642
Program Pascasarjana
JAKARTA
2020
ANALISIS MINAT PENGGUNAN MEDIA SOSIAL TWITTER
SEBAGAI MEDIA LAYANAN KONSUMEN PADA
PERUSAHAAN PERBANKAN DI JABODETABEK
RESEARCH
Haditya setiawan
2001850642
Pada
ii
ANALISIS MINAT PENGGUNAN MEDIA SOSIAL TWITTER
SEBAGAI MEDIA LAYANAN KONSUMEN PADA
PERUSAHAAN PERBANKAN DI JABODETABEK
RESEARCH
Haditya setiawan
2001850642
Pembimbing 1
iii
PERNYATAAN
STATEMENT
NIM : 2001850642
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.
Yang menyatakan
Haditya Setiawan
2001850642
v
KATA PENGANTAR
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 :
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.
Jakarta, 29 Februari 2020
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
vii
DAFTAR ISI
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
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
xi
xii
BAB I
PENDAHULUAN
dalam beberapa tahun terakhir. Seperti yang disampaikan oleh APJII, penetrasi
pengguna internet di Indonesia berdasarkan hasil survey pada 2017 lalu sebesar
Indonesia sebesar 64,8% meningkat 10,12% dari tahun sebelumnya (APJII, 2017,
(chat) sebesar 24,7% dan media sosial sebesar 18,9% (APJII, 2018).
Media sosial tidak hanya digunakan secara perorangan, akan tetapi juga
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
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
media berada diposisi ke-4, 1 tingkat diatas Google+. Saat ini Google+ sendiri telah
Twitter masih bisa bertahan?”. Sebelumnya Twitter sendiri dikenal tidak pernah
dari laporan finansial kuartal ke-3 tahun 2019 didapat jumlah pengguna aktif
Gambar 2 : Presentase media sosial yang paling aktif diakses pengguna media
Berdasarkan data infografis yang didapatkan dari APJII pada 2018 lalu,
Twitter hanya memiliki 1,7% pengguna seperti yang ditampilkan pada gambar
konsep “cuitan” dianggap sebagai media yang paling efektif dalam melakukan
dengan Facebook sebagai market leader dengan market growth sampai 13%
hanya perusahaan dibidang IT saja yang perlu menggunakan media sosial sebagai
tersebut.
media sosial Twitter sebagai media layanan konsumen pada perusahaan perbankan
Twitter merupakan salah satu media sosial yang aktif digunakan sebagai
sarana media layanan konsumen, tidak hanya pada perusahaan berbasis IT, tetapi
5
aplikasi?
penggunaan aplikasi?
aplikasi?
aplikasi?
penggunaan aplikasi?
6
penggunaan aplikasi
aplikasi
a. Bagi masyarakat
Untuk lebih fokus maka penelitian ini hanya akan dibatasi terhadap :
Twitter.
yaitu BCA (Bank Central Asia), Bank Permata dan Bank Panin.
LANDASAN TEORI
maupun jurnal yang relevan terhadap penelitian, sehingga dapat membantu dalam
pembuatan suatu model konseptual untuk menilai minat penggunaan media sosial
Jabodetabek.
atau layanan internet dimana konten yang dibahas dibuat oleh pengguna lainnya
mengatur pertemanan.
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
9
10
sistem.
mereka.
3. Dapat melihat dan menelusuri daftar hubungan mereka dan yang dibuat
oleh sistem.
2.3. Micro-Blogging
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
Care merupakan suatu bagian yang penting bagi suatu perusahaan, terutama yang
berbasis jasa. Layanan konsumen merupakan suatu kegiatan yang penting dalam
tersebut yang sedang digunakan selama masa tertentu atau selama penggunaan jasa
(UTAUT)
Viswanath Venkatesh, dkk pada tahun 2003 (Venkatesh, Morris, Davis, & Davis,
2017).
13
2010).
informasi dan diukur secara subyektif (DeLone & McLean, 2003, 2016;
(DeLone & McLean, 2003, 2016; Saputro et al., 2018; Tam & Oliveira,
2016b).
(Goodhue, 1995)
(Zhou, Lu, & Wang, 2010). Penghubung TTF dengan UTAUT dapat melalui task
TTF
Task
characteristics
Technology
characteristics
Performance
expectancy
Effort expectancy
Intention
Social influence
Facilitating
conditions
UTAUT
diadaptasikan ke Usage (Kupfer et al., 2016), sehingga flow Adoption sama dengan
Intention.
18
Hubungan DeLone & McLean dengan TTF dijelaskan oleh Tam dan
melalui System quality, Information quality, service quality yang terhubung dengan
penggabungan TAM, DeLone & McLean Success Model dan UTAUT untuk
hanya akan mengambil hubungan DeLone & McLean dengan UTAUT sebagai
METODE PENELITIAN
analisis data.
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
21
22
Berdasarkan landasan teori pada bab II dan literatur lain yang sudah pernah
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
Dari model yang telah dibuat, maka hipotesis penelitian ini adalah :
use.
technology fit.
technology fit.
satisfaction.
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
komunikasi layanan konsumen.
28
untuk menentukan sampel yang akan digunakan dalam penelitian (Haristine, 2017).
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
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
signifikansi 95% adalah sebanyak 400 orang dengan perhitungan sebagai berikut:
Jenis data dalam penelitian ini menggunakan data primer, yaitu data yang
akan didapatkan melalui kuesioner yang akan ditargetkan kepada pengguna aplikasi
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
sampel.
Data untuk penelitian ini akan dikumpulkan melalui kuesioner yang akan
dibagikan menggunakan alat bantu survey online dan kuesioner akan disebarkan ke
(4) Setuju
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
Pada bab ini akan dibahas mengenai hasil penelitian tentang minat
online maupun offline di Jabodetabek kepada pengguna media sosial Twitter yang
Jabodetabek.
data demografi responden yang terdiri dari jenis kelamin, usia, lama menggunakan
aplikasi Twitter sebagai media layanan konsumen pada perusahaan perbankan dan
jenjang pendidikan.
31
32
tahun, 26-30 tahun, 31-35 tahun, 36-40 tahun, 41-45 tahun 46-50 tahun
memiliki rentang usia 46-50 tahun, dan 1.25% responden pada rentang
usi > 50 tahun. Pada demografi tampak pengguna media sosial Twitter
berikut.
Jabodetabek.
tahun, 1-2 tahun, 3-4 tahun dan > 4 tahun. Didalam penyebaran
berikut.
35
frekuensi dari responden yang menjawab pilihan 1 sampai 5 maka didapatkan hasil
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
sampai dengan 5. Nilai mean untuk setiap indicator juga bisa dilihat pada tabel
diatas.
Uji validitas digunakan untuk mengukur valid atau tidaknya kuesioner yang
dibuat. Data yang akan diuji adalah data yang diperoleh dari kuesioner yang
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.
variabel penelitian.
n = 400 responden
df = n – 2 = 398
r Table = 0.0983
Dari hasil pengujian yang ditampilkan pada gambar, dapat diketahui bahwa
semua indikator memiliki nilai r Hitung terhadap nilai r Tabel (0.0983) sehingga
masing.
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
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
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
Factor Analysis (CFA) jika loading factor lebih besar dari 0.30 jika menggunakan
Berdasarkan gambar path diagram diatas, maka nilai loading factor adalah
sebagai berikut.
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
indikator dengan nilai dibawah 0.70, maka nilai loading factor adalah sebagai
berikut.
Dari hasil estimasi ulang diatas, semua indikator memiliki nilai loading
factor lebih besar dari 0.70 yang menunjukan bahwa semua indikator telah
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
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
dengan menggunakan Average Variance Extracted (AVE) > 0.5 agar dinyatakan
Uji reliabilitas dilihat dari nilai Cronbach’s alpha dan composite reliability,
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.
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.
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
memiliki hubungan yang signifikan jika nilai P Value < 0.05 dan T
positif.
Setelah dilakukan bootstrapping, berikut tabel uji regresi koefisien jalur dan
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
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
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
signifikan terhadap Task-Technolgy Fit (TTF) karena nilai T-Statistik lebih besar
Tabel 17 : R-Square
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
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
characteristics sebesar 78.5% dan juga dipengaruhi 21.5% oleh variabel lainnya
yang perlu diteliti lebih lanjut. Berdasarkan tabel output path coefficients, maka
Tetapi, karena variabel social influence yang ada didalam intention to use
tidak memenuhi persyaratan, maka persamaan regresi berganda pada model ini
sebagai berikut.
Berikut penjelasan hasil uji hipotesis yang akan dilengkapi dengan tabel
dibawah ini.
Intention to use
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
penggunaan Twitter sebagai media layanan konsumen. Hasil ini sesuai dengan
use
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 >
technology fit
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
pada minat penggunaan Twitter sebagai media layanan konsumen. Hasil ini
sesuai dengan penelitian yang dilakukan oleh Tam & Oliveira (2016a) bahwa
technology fit
53
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
konsumen. Hasil ini sesuai dengan penelitian yang dilakukan oleh Tam &
technology fit.
use
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
Twitter sebagai media layanan konsumen. Hasil ini sesuai dengan penelitian
yang dilakukan oleh Tam & Oliveira (2016a) dan Zhou (2010) bahwa task
fit
terhadap task technology fit memiliki nilai koefiisen jalur sebesar 0.222 dengan
T-statistik sebesar 4.767. Karena nilai T-statistik > T-table (1.966) dan P-
Values < 0.05 maka H6 dapat diterima. H6 menunjukan bahwa system quality
54
Twitter sebagai media layanan konsumen. Hasil ini sesuai dengan penelitian
yang dilakukan oleh Tam & Oliveira (2016a) bahwa system quality
terhadap user satisfaction memiliki nilai koefiisen jalur sebesar 0.169 dengan
T-statistik sebesar 2.852. Karena nilai T-statistik > T-table (1.966) dan P-
Values < 0.05 maka H7 dapat diterima. H7 menunjukan bahwa system quality
Twitter sebagai media layanan konsumen. Hasil ini sesuai dengan penelitian
yang dilakukan oleh Tam & Oliveira (2016a) bahwa system quality
satisfaction
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
penggunaan Twitter sebagai media layanan konsumen. Hasil ini sesuai dengan
penelitian yang dilakukan oleh Tam & Oliveira (2016a) bahwa information
terhadap user satisfaction memiliki nilai koefiisen jalur sebesar 0.420 dengan
T-statistik sebesar 6.057. Karena nilai T-statistik > T-table (1.966) dan P-
Values < 0.05 maka H9 dapat diterima. H9 menunjukan bahwa service quality
Twitter sebagai media layanan konsumen. Hasil ini sesuai dengan penelitian
yang dilakukan oleh Tam & Oliveira (2016a) bahwa service quality
use
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
penggunaan Twitter sebagai media layanan konsumen. Hasil ini sesuai dengan
penelitian yang dilakukan oleh Tam & Oliveira (2016a) bahwa user satisfaction
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
signifikansi terhadap Intention to use
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
7.287 0.000 Diterima
signifikansi terhadap Task technology fit
H5 : Task technology fit berpengaruh
3.893 0.000 Diterima
signifikansi terhadap Intention to use
H6 : System quality berpengaruh signifikansi
4.767 0.000 Diterima
terhadap Task technology fit
H7 : System quality berpengaruh signifikansi
2.852 0.005 Diterima
terhadap User satisfaction
H8 : Information quality berpengaruh
5.403 0.000 Diterima
signifikansi terhadap User satisfaction
H9 : Service quality berpengaruh signifikansi
6.057 0.000 Diterima
terhadap user satisfaction
H10 : User satisfaction berpengaruh
13.462 0.000 Diterima
signifikansi terhadap Intention to use
hipotesis ini bisa diartikan bahwa penggunaan Twitter dalam hal ini
perbankan.
hipotesis ini bisa diartikan bahwa Twitter sesuai dengan karakteristik tugas
kedepannya.
bahwa kualitas layanan sistem Twitter dirasa sangat cocok untuk digunakan
penggunanya.
hipotesis ini bisa diartikan bahwa kualitas informasi yang didapat dengan
hipotesis ini bisa diartikan bahwa kualitas layanan Twitter sebagai media
konsumennya.
BAB V
KESIMPULAN
5.1. Kesimpulan
metodologi UTAUT yang dikombinasikan dengan TTF dan DeLone & McLean
yang telah diolah berdasarkan hasil analisa dan pengujian hipotesis, dapat diambil
layanan konsumen dengan nilai T-statistik 1.167 yang berarti signifikan (T-
61
62
yang berarti signifikan (T-statistik > T-tabel 1,966). Variabel system quality
hipotesis ini bisa diartikan bahwa kualitas layanan sistem Twitter dirasa
perbankan.
yang berarti signifikan (T-statistik > T-tabel 1,966). Variabel system quality
yang berarti signifikan (T-statistik > T-tabel 1,966). Variabel service quality
hipotesis ini bisa diartikan bahwa pengguna Twitter sebagai media layanan
5.2. Saran
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
lainnya.
perusahaan perbankan.
66
DAFTAR PUSTAKA
APJII. (2018). Penetrasi & profil perilaku pengguna internet indonesia. Iinfografis
Hasil Survey.
Araujo, E. De, Christiananta, B., Ellitan, L., & Otok, B. W. (2013). Confirmatory
487–495.
Boyd, D. M., & Ellison, N. B. (2007). Social network sites: Definition, history, and
https://doi.org/10.1111/j.1083-6101.2007.00393
Bright, J. (2014). The use of social media for research and analysis : a feasibility
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
https://doi.org/10.1561/2900000005
https://doi.org/10.1074/jbc.M110.194316
https://support.google.com/plus/answer/9217723?hl=en&ref_topic=9259565
https://doi.org/10.31227/osf.io/nbhxq
Jansen, B. J., Sobel, K., & Zhang, M. (2014). The Commercial Impact of Social
Branding, (May).
Learning and Learning Objects UTAUT Model for Blended Learning: The
http://www.ijello.org/Volume10/IJELLOv10p033-052Khechine0876.pdf
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
https://doi.org/10.25126/jtiik.201856907
Lee, C., & Wan, G. (2010). Including subjective norm and technology trust in the
https://doi.org/10.1145/1899639.1899642
Lestari, D., & Waryanto, N. H. (2013). Indikator User Satisfaction Dalam Layanan.
978–979.
https://doi.org/10.1016/j.ijhcs.2012.01.006
Liu, H. Y., & Hung, W. T. (2010). Online store trustworthiness and customer
https://doi.org/10.1016/j.procs.2015.12.150
2016(Sentika), 18–19.
71
Mustaqim, R., Kusyanti, A., & Aryadita, H. (2017). Analisis Faktor-Faktor yang
Nugroho, N., Utami, E., & Luthfi, E. T. (2017). Analisis perbandingan kualitas
Nurcaya, I. A. H. (2019). Jumlah Rekening Bank Permata Naik 1,25 Juta Akun.
https://finansial.bisnis.com/read/20190424/90/914925/jumlah-rekening-bank-
permata-naik-125-juta-akun
Oentario, Y., Harianto, A., & Irawati, J. (2017). Pengaruh Usefulness, Ease of Use,
26–31. https://doi.org/10.9744/pemasaran.11.1.26-31
68–79.
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.
https://doi.org/10.1016/j.cub.2010.05.029.Clock
Santoso, S. (2013). Kupas Tuntas Riset Eksperimen dengan Excel 2007 dan
Saputro, P. H., Budiyanto, D., & Santoso, J. (2018). Model Delone and Mclean
http://ejournal.ukrida.ac.id/ojs/index.php/IMB/article/download/576/563
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
https://doi.org/10.1016/j.chb.2016.03.016
https://doi.org/10.1177/2158244013503837
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User
Yu, P., & Qian, S. (2018). Developing a theoretical model and questionnaire survey
Zhou, T., Lu, Y., & Wang, B. (2010). Integrating TTF and UTAUT to explain
767. https://doi.org/10.1016/j.chb.2010.01.013