Untitled

SKRIPSI
Analisis Continuance Use Intention Pada Situs Jejaring Sosial LinkedIn dengan
menggunakan Expectation Confirmation Model (ECM) (Studi Kasus : UIN JAKARTA)
Oleh:
Gina Sajiah Hilman Syah
11150930000014
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2022 / 1444 H
ANALISIS CONTINUANCE USE INTENTION PADA SITUS JEJARING SOSIAL
LINKEDIN DENGAN MENGGUNAKAN EXPECTATION CONFIRMATION MODEL
(ECM) (STUDI KASUS : UIN JAKARTA)
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh:
GINA SAJIAH HILMAN SYAH
11150930000014
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2022 / 1444 H
ii
ANALISIS CONTINUANCE USE INTENTION PADA SITUS JEJARING SOSIAL
LINKEDIN DENGAN MENGGUNAKAN EXPECTATION CONFIRMATION MODEL
(ECM) (STUDI KASUS : UIN JAKARTA)
Disusun Oleh :
NIM. 11150930000014
Menyetujui,
Dosen Pembimbing I Dosen Pembimbing II
M. Qomarul Huda, Ph.D Evy Nurmiati, MMSI

NIP. 19670412 200312 1 001 NIP. 19780215 201411 2 003
Mengetahui,
Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi
Universitas Negeri Islam Syarif Hidayatullah Jakarta
A’ang Subiyakto, Ph.D

NIP. 19760219 200710 1 002
iii
PENGESAHAN UJIAN
Skripsi yang berjudul Analisis Continuance Use Intention Pada Situs Jejaring Sosial
LinkedIn dengan menggunakan Expectation Confirmation Model (ECM) (Studi Kasus :
UIN JAKARTA) oleh Gina Sajiah Hilman Syah dengan NIM 11150930000014 telah diuji
dan dinyatakan lulus dalam Sidang Munaqosah (Akhir) Fakultas Sains dan Teknologi,
Universitas Islam Negeri Syarif Hidayatullah Jakarta pada hari
Skripsi ini telah diterima sebagai salah satu syarat memperoleh gelar Sarjana Strata Satu (S1)
Program Studi Sistem Informasi.
Menyetujui,
Penguji I Penguji II
NIP. NIP.
Dosen Pembimbing I Dosen Pembimbing II
M. Qomarul Huda, Ph.D Evy Nurmiati, MMSI
NIP. 19670412 200312 1 001 NIP. 19780215 201411 2 003
Mengetahui,
iv
PERNYATAAN
Dekan Ketua
Fakultas Sains dan Teknologi
Program Studi Sistem Informasi
Ir. Nashrul Hakiem, S.Si. M.T, Ph.D

A'ang Subiyakto, Ph.D.
NIP. 19710608 200501 1 005
NIP. 19760219 200710 1 002
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR- BENAR
HASIL KARYA SANDIRI DAN BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI
ATAU KARYA ILMIAH PADA PERGURUAN TINGGI ATAU LEMBAGA
MANAPUN.
Jakarta, Agustus 2022
11150930000014
v
ABSTRAK
Gina Sajiah Hilman Syah – 11150930000014. Analisis Continuance Use Intention pada Situs
Jejaring Sosial LinkedIn dengan menggunakan Expectation-Confirmation Model (ECM) di
bawah bimbingan Qomarul Huda dan Evy Nurmiati.
LinkedIn merupakan salah satu situs jejaring sosial yang populer di kalangan usia produktif
masyarakat Indonesia. Terbukti dengan jumlah pengguna yang mencapai 660 juta pengguna
di dunia dan terus bertambah menajdikan LinkedIn sangat populer. Dengan jumlah pengguna
yang terus meningkat, memahami faktor continuance use intention sangat di perlukan, guna
keberlangsungan jangka panjang serta kesuksesan suatu aplikasi. Persaingan antar penyedia
situs jejaring sosial pun sangat kompetitif, karena mereka menawarkan layanan dan fitur yang
serupa. Hal ini memungkinkan pengguna untuk beralih dari satu situs jejaring sosial ke situs
jejaring sosial yang lain dengan mudah, karena banyak aplikasi yang dapat diunduh secara
gratis. Mempertahankan pengguna dan memfasilitasi pengguna berkelanjutan sangat penting
untuk keberhasilan suatu sistem informasi. Hal ini di karenakan biaya mendapatkan pengguna
baru sekitar lima kali lipat lebih besar dari pada mempertahankan pengguna yang lama.
Penelitian ini bertujuan untuk mengetahui faktor yang mempengaruhi continuance use
intention, yang menjadi salah satu faktor penting dalam niat penggunaan situs jejaring sosial
LinkedIn. Penelitian ini menggunakan Expectation Confirmation Model (ECM) dengan
menambahkan variabel Interpersonal Influence dan Media Influence. Populasi pada
penelitian ini adalah mahasiswa tingkat akhir UIN Syarif Hidayatullah Jakarta yang menjadi
pengguna LinkedIn. Pengambilan sampel dilakukan dengan menggunakan teknik purposive
sampling. Terdapat 127 responden dari total populasi tersebut yang digunakan sebagai
sampel untuk penelitian ini. Pengolahan data dengan menggunakan metode PLS-SEM
dengan bantuan aplikasi SmartPLS versi 3.0. Berdasarkan hasil penelitian bahwa Perceived
Usefulness, Perceived Enjoyment,Confirmation Continuance Use Intention, Satisfaction,
Interpersonal Influence dan Media Influence berpengaruh terhadap Continuance Use
Intention. Hasil dari penelitian ini diharapkan dapat menjadi salah satu acuan dan menjadi
bahan pertimbangan pengambilan keputusan bagi pengembangan aplikasi sejenis guna
mempertahankan pengguna.
Kata kunci : Continuance Use Intention, LinkedIn, Expectation Confirmation Model (ECM),
PLS-SEM, SmartPLS.
BAB I-V+ xiv Halaman + 157 Halaman + 14 Gambar + 48 Tabel + Daftar Pustakka
vi
+ Lampiran
KATA PENGANTAR
Assalamualaikum Wr. Wb.
Alhamdulillah segala puji dan syukur peneliti panjatkan kepada Allah SWT, karena
berkat rahmat dan hidayah-Nya peneliti dapat menyelesaikan skripsi ini untuk mendapatkan
gelar sarjana komputer dari Program Studi Sistrm Informasi Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta. Shalawat serta salam senantiasa
tercurahkan kepada Nabi Muhammad SAW Yang telah memberikan tuntunan dan petunjuk
kepada umat manusia menuju kehidupan dan peradaban, serta para keluarga dan sahabat yang
dicintai-Nya.
Laporan skripsi dengan judul “Analisis Continuance Use Intention Pada Situs
Jejaring Sosial LinkedIn dengan menggunakan Expectation Confirmation Model (ECM)
(Studi Kasus : UIN JAKARTA)”. Penyusunan laporan ini merupakan salah satu syarat
yang harus ditempuh dalam menyelesaikan jenjang Strata 1 (S1) pada Program Studi Sistem
Informasi, Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif Hidayatullah
Jakarta.
Selama penyusunan laporan ini, penulis mendapatkan banyak bantuan dan bimbingan
dari berbagai pihak, baik itu dari segi moral maupun material. Oleh karena itu, dengan segala
hormat dan kerendahan hati, penulis berkeinginan untuk mengucapkan terima kasih kepada:
vii
1. Bapak Ir. Nashrul Hakiem, S.Si. M.T, Ph.D selaku Dekan Fakultas Sains dan
Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.
2. Bapak A’ang Subiyakto, Ph.D selaku Ketua Program Studi Sistem Informasi
Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta
dan Bapak Nuryasin M.Kom selaku Sekretaris Program Studi Sistem Informasi,
Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.
3. Bapak Qomarul Huda, Ph.D. selaku Dosen Pembimbing I dan Ibu Evy Nurmiati,
MMSI. selaku Dosen Pembimbing II yang telah menyediakan waktunya untuk
memberikan ilmu, pengetahuan, arahan, dukungan, dan doa kepada peneliti dalam
membimbing peneliti sehingga laporan ini dapat terselesaikan.
4. Dosen-dosen Program Studi Sistem Informasi Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta yang telah memberikan ilmu
kepada mahasiswanya selama perkuliahan.
5. Bapak Asep Hilman dan Ibu Rosmawati selaku orang tua peneliti yang telah
mendidik, menyayangi, memberikan doa, semangat, dan dukungan yang terus
mengalir kepada peneliti.
6. Saudara penulis yaitu Rifky dan Adrian yang selalu siap, menyayangi, memberikan
doa, dan selalu membantu dikala peneliti butuh sesuatu.
7. Sahabat-sahabat penulis selaku teman yang telah menyemangati, memberikan
bantuan ilmu, motivasi, dukungan serta doa kepada peneliti.
8. Keluarga besar Sistem Informasi 2015 terutama kelas SI-A yang menjadi motivasi
peneliti, saling mendukung, dan terus berjuang bersama.
9. Seluruh responden yang telah bersedia meluangkan waktunya dan teman-teman
yang telah membantu dalam penyebaran kuesioner untuk penelitian skripsi ini.
Semoga Allah SWT memberikan balsan atas kebaikan teman-teman semua.
viii
10. Dan seluruh pihak-pihak yang terkait dan banyak berjasa dalam proses penyelesaian
laporan skripsi ini yang tidak dapat disebutkan satu persatu namun tidak
mengurangi rasa terima kasih sedikitpun dari peneliti.
Dengan bantuan dari semua pihak diatas, peneliti bersyukur dan berdoa kepada Allah
SWT, semoga semua bantuan yang peneliti terima dalam proses penelitian skripsi ini dapat
dijadikan sebagai amal kebajikan bagi yang memberikan serta mendapatkan balasan yang
setimpal di akhirat nantinya.
Penulis menyadari bahwa dalam penyusunan skripsi ini masih jauh dari kata sempurna,
baik dari segi bahasa, penyusunan, ataupun penulisannya. Untuk itu kiranya, pembaca dapat
memaklumi atas kekurangan dalam penyusunan laporan skripsi ini. Akhir kata, penulis
berharap semoga Laporan Praktek Kerja Lapangan ini dapat bermanfaat bagi penulis
khususnya dan bagi para pembaca pada umumnya.
Wassalamualaikum Wr. Wb.
Jakarta, Agustus 2022
Gina Sajiah Hilman Syah

11150930000014
ix
DAFTAR ISI
PENGESAHAN UJIAN..........................................................................................................iv
PERNYATAAN........................................................................................................................v
ABSTRAK...............................................................................................................................vi
KATA PENGANTAR............................................................................................................vii
DAFTAR ISI.............................................................................................................................x
DAFTAR GAMBAR..............................................................................................................xv
DAFTAR TABEL.................................................................................................................xvi
DAFTAR LAMPIRAN.......................................................................................................xviii
BAB 1 PENDAHULUAN......................................................................................................19
1.1 Latar Belakang....................................................................................................19
1.2 Identifikasi Masalah............................................................................................28
1.3 Rumusan Masalah...............................................................................................29
1.4 Tujuan Penelitian................................................................................................29
1.5 Ruang Lingkup dan Batasan Penelitian..............................................................29
1.6 Model Penelitian.................................................................................................30
1.7 Hipotesis Penelitian............................................................................................31
1.8 Metodologi Penelitian.........................................................................................32
1.9 Manfaat Penelitian..............................................................................................32
1.10 Sistematika Penulisan.........................................................................................33
BAB 2 LANDASAN TEORI.................................................................................................35
2.1 Definisi Analisis..................................................................................................35
2.2 Definisi Situs Jejaring Sosial..............................................................................35
2.3 Perkembangan LinkedIn.....................................................................................37
2.4 Expectation-Confirmation Model.......................................................................38
2.5.1 Perceived Usefulness (PU)......................................................................40
2.5.2 Perceived Enjoyment (PE)......................................................................40
2.5.3 Confirmation (C).....................................................................................41
2.5.4 Satisfaction (S)........................................................................................41
2.5.5 Continuance Use Intention (CUI)...........................................................42
2.5 Subjective Norms................................................................................................42
2.6.1 Interpersonal Influence...........................................................................43
x
2.6.2 Media Influence......................................................................................43
2.6 Metode Pengumpulan Data.................................................................................43
2.7 Skala Likert.........................................................................................................45
2.8 Variabel Penelitian..............................................................................................47
2.9 Populasi dan Sampel...........................................................................................49
2.9.1 Teknik Sampling.....................................................................................50
2.9.2 Ukuran Sampel........................................................................................52
2.10 Analisis Data.......................................................................................................53
2.11.1 Metode Kuantitatif..................................................................................54
2.11.2 Partial Least Square-Structural Equation Modelling (PLS-SEM)..........55
2.11 Hipotesis.............................................................................................................61
BAB 3 METODE PENELITIAN..........................................................................................64
3.1 Pendekatan Penelitian.........................................................................................64
3.2 Populasi dan Sampel Penelitian..........................................................................65
3.3 Metode Pengumpulan Data.................................................................................66
3.3.1 Studi Literatur.........................................................................................66
3.3.2 Survei......................................................................................................71
3.4 Metode Analisis Data..........................................................................................72
3.4.1 Model Penelitian.....................................................................................72
3.4.2 Indikator Penelitian.................................................................................72
3.5 Analisis Data dan Interpretasi Hasil...................................................................76
3.6 Kerangka Penelitian............................................................................................77
BAB 4 HASIL DAN PEMBAHASAN..................................................................................78
4.1 Pengumpulan Data..............................................................................................78
4.2 Pilot Study...........................................................................................................79
Pilot study bertujuan untuk mengetahui signifikansi tingkat reliabilitas dan validitas
atas kuesioner yang digunakan serta hasil dari hipotesis yang digunakan dalam
penelitian ini. Pilot study dilakukan dengan menggunakan 20 data kuesioner dari
responden yang memenuhi syarat penelitian ini. Secara keseluruhan, berdasarkan hasil
perhitungan dengan 20 data kuesioner tersebut, reliabilitas dan validitas dari kuesioner
dapat dikatakan baik.....................................................................................................79
Hasil pilot study yang telah dilakukan peneliti memutuskan untuk tidak melakukan
modifikasi terhadap model penelitian karena telah mencapai atau memenuhi syarat.
xi
Uji realibilitas pada penelitian ini dengan melihat composite realibility harus lebih
dari 0.700 dan uji validitas melihat dari nilai AVE lebih dari 0.500 agar data dapat
diterima (Hair et al., 2017)...........................................................................................79
79
Gambar 4.1 Nilai Composite Realibility dan AVE Pilot Study....................................79
4.3 Statistika Deskriptif............................................................................................79
4.3.1 Variabel Perceived Usefulness................................................................80
4.3.1.1 Memaksimalkan kinerja............................................................80
4.3.1.2 Menambah produktivitas..........................................................80
4.3.1.3 Meningkatkan efektivitas..........................................................81
4.3.1.4 Memberikan manfaat................................................................82
4.3.2 Variabel Perceived Enjoyment................................................................82
4.3.2.1 Memberikan kenyamanan.........................................................82
4.3.2.2 Memberikan rasa senang...........................................................83
4.3.2.3 Memberikan kenikmatan..........................................................84
4.3.2.4 Hal yang menarik......................................................................84
4.3.3 Variabel Confirmation............................................................................85
4.3.3.1 Pengalaman menggunakan sistem dibandingkan ekspektasi....85
4.3.3.2 Layanan yang disediakan sistem dibandingkan ekspektasi......86
4.3.3.3 Harapan dibandingkan ekspektasi.............................................87
4.3.3.4 Ekspektasi secara keseluruhan..................................................87
4.3.4 Variabel Satisfaction...............................................................................88
4.3.4.1 Pengalaman yang memuaskan..................................................88
4.3.4.2 Pengalaman yang menyenangkan.............................................89
4.3.4.3 Kepuasan secara keseluruhan...................................................89
xii
4.3.4.4 Performa....................................................................................90
4.3.4.5 Penyesalan.................................................................................90
4.3.5 Variabel Interpersonal Influence............................................................91
4.3.5.1 Menggunakan LinkedIn berdasarkan rekomendasi orang
terdekat......................................................................................91
4.3.5.2 Menggunakan LinkedIn setelah mengobservasi orang terdekat
93
4.3.5.3 Informasi mempengaruhi keputusan.........................................94
4.3.6 Variabel Media Influence........................................................................94
4.3.6.1 Informasi yang didapatkan di media massa..............................94
4.3.6.2 Melihat iklan di media..............................................................95
4.3.6.3 Diberikan hadiah atau promosi.................................................95
4.3.7 Variabel Continuance Use Intention.......................................................96
4.3.7.1 Berniat untuk menggunakan LinkedIn dari pada berhenti
menggunakannya......................................................................96
4.3.7.2 Berniat untuk terus menggunakan LinkedIn dibanding situs
jejaring sosial lain.....................................................................97
4.3.7.3 Berniat meningkatkan penggunaan LinkedIn dikemudian hari 98
4.4 Hasil Analisis......................................................................................................98
4.4.1 Hasil Analisis Demografis......................................................................98
4.4.1.1 Jenis Kelamin............................................................................99
4.4.1.2 Fakultas.....................................................................................99
4.4.1.3 Semester..................................................................................101
4.4.1.4 Lama Menggunakan LinkedIn................................................102
4.4.1.5 Frekuensi Penggunaan Harian LinkedIn.................................103
4.4.2 Hasil Analisis Outer Model...................................................................104
4.4.2.1 Uji Individual Item Reliability................................................105
4.4.2.2 Uji Internal Consistency Reliability........................................106
4.4.2.3 Uji Average Variance Extracted (AVE).................................107
4.4.2.4 Uji Discriminant Validity.......................................................108
4.4.3 Hasil Analisis Inner Model...................................................................110
4.4.3.1 Uji Path Coefficient (β)...........................................................110
4.4.3.2 Uji Coefficient of Determination (R2).....................................111
xiii
4.4.3.3 Uji t-test..................................................................................112
4.4.3.4 Uji Effect Size (f2)...................................................................112
4.4.3.5 Uji Predictive Relevance (Q2).................................................114
4.4.3.6 Uji Relative Impact (q2)..........................................................114
4.5 Interpretasi dan Diskusi Hasil Analisis.............................................................116
4.5.1 Interpretasi dan Diskusi Hasil Analisis Data Demografis....................116
4.5.1.1 Jenis Kelamin..........................................................................116
4.5.1.2 Fakultas...................................................................................116
4.5.1.3 Semester..................................................................................117
4.5.1.4 Lama Menggunakan LinkedIn................................................117
4.5.1.5 Frekuensi Penggunaan Harian LinkedIn................................118
4.5.2 Interpretasi dan Diskusi Hasil Outer Model.........................................118
4.5.3 Interpretasi dan Diskusi Hasil Inner Model..........................................118
4.5.3.1 H1 : Apakah variabel Confirmation (C) berpengaruh secarta
signifikan terhadap variabel Perceived Usefulness (PU)?......119
4.5.3.2 H2 : Apakah variabel Confirmation (C) berpengaruh secara
signifikan terhadap variabel Perceived Enjoyment (PE)?.......119
4.5.3.3 H3 : Apakah variabel Confirmation (C) berpengaruh secarta
signifikan terhadap variabel Satisfaction (S)?........................120
4.5.3.4 H4 : Apakah variabel Media Influence (MI) berpengaruh secarta
signifikan terhadap variabel Continuance Use Intention (CUI)?
121
4.5.3.5 H5 : Apakah variabel Interpersonal Influence (II) berpengaruh
secarta signifikan terhadap variabel Continuance Use Intention
(CUI)?.....................................................................................122
4.5.3.6 H6 : Apakah variabel Perceived Usefulness (PU) berpengaruh
secarta signifikan terhadap variabel Satisfaction (S)?............123
4.5.3.7 H7 : Apakah variabel Perceived Usefulness (PU) berpengaruh
(CUI)?.....................................................................................124
4.5.3.8 H8 : Apakah variabel Perceived Enjoyment (PE) berpengaruh
secarta signifikan terhadap variabel Satisfaction (S)?............124
4.5.3.9 H9 : Apakah variabel Perceived Enjoyment (PE) berpengaruh
xiv
(CUI)?.....................................................................................125
4.5.3.10 H10 : Apakah variabel Satisfaction (S) berpengaruh secarta
126
BAB 5 KESIMPULAN DAN SARAN................................................................................128
5.1 Kesimpulan.......................................................................................................128
5.2 Saran.................................................................................................................129
DAFTAR PUSTAKA...........................................................................................................130
LAMPIRAN – LAMPIRAN................................................................................................137
DAFTAR GAMBAR
Gambar 1. 1 Persentase pengguna di berbagai platform sosial media.....................................7

Gambar 1. 2 Model penelitian................................................................................................11
Gambar 2. 1 Expectation-Confirmation Model (ECM) (Bhattacherjee, 2001)......................23
Gambar 2. 2 Konstruk dalam SmartPLS 3.0 (Hussein, 2015)................................................49
Gambar 3. 1 Model penelitian yang digunakan......................................................................59
Gambar 3. 2 Kerangka Penelitian...........................................................................................64
Gambar 4. 1 Data Persentase Demografis Jenis Kelamin......................................................84
Gambar 4. 2 Data Persentase Demografis Fakultas...............................................................86
Gambar 4. 3 Data Persentase Demografis Semester..............................................................87
Gambar 4. 4 Data Persentase Demografis Lama Menggunakan LinkedIn............................88
Gambar 4. 5 Data Persentase Demografis Frekuensi Penggunaan LinkedIn (Perhari)..........89
Gambar 4. 6 Data Persentase Demografis Kepuasan Penggunaan LinkedIn.........................90
Gambar 4. 7 Data Persentase Demografis Niat Berkelanjutan Penggunaan LinkedIn..........91
Gambar 4. 8 Model Penelitian pada SmartPLS 3...................................................................92
xv
xvi
DAFTAR TABEL
Tabel 3. 1 Studi Literatur.........................................................................................................54

Tabel 3. 2 Data Kuesioner.......................................................................................................58
Tabel 3. 3 Indikator Penelitian...............................................................................................60
Tabel 3. 4 Daftar pertanyaan...................................................................................................61
Tabel 4. 1 Frekuensi Indikator Memaksimalkan Kinerja........................................................66
Tabel 4. 2 Frekuensi Indikator Menambah Produktivitas.......................................................67
Tabel 4. 3 Frekuensi Indikator Meningkatkan Efektivitas......................................................67
Tabel 4. 4 Frekuensi Indikator Memberikan Manfaat.............................................................68
Tabel 4. 5 Frekuensi Indikator Memberikan Kenyamanan.....................................................69
Tabel 4. 6 Frekuensi Indikator Memberikan Rasa Senang......................................................69
Tabel 4. 7 Frekuensi Indikator Memberikan Kenikmatan.......................................................70
Tabel 4. 8 Frekuensi Indikator Hal yang Menarik..................................................................71
Tabel 4. 9 Frekuensi Indikator Pengalaman menggunakan sistem dibandingkan ekspektasi. 71
Tabel 4. 10 Layanan yang disediakan sistem dibandingkan ekspektasi..................................72
Tabel 4. 11 Harapan dibandingkan ekspektasi........................................................................73
Tabel 4. 12 Ekspektasi secara keseluruhan.............................................................................73
Tabel 4. 13 Pengalaman yang memuaskan..............................................................................74
Tabel 4. 14 Pengalaman yang menyenangkan........................................................................75
Tabel 4. 15 Kepuasan secara keseluruhan...............................................................................75
Tabel 4. 16 Performa...............................................................................................................76
Tabel 4. 17 Penyesalan............................................................................................................77
Tabel 4. 18 Menggunakan LinkedIn berdasarkan rekomendasi orang lain.............................78
Tabel 4. 19 Menggunakan LinkedIn setelah mengobservasi orang terdekat..........................78
Tabel 4. 20 Informasi mempengaruhi keputusan....................................................................79
Tabel 4. 21 Informasi yang didapatkan di media massa.........................................................80
Tabel 4. 22 Melihat iklan di media..........................................................................................80
Tabel 4. 23 Diberikan hadiah atau promosi lain......................................................................81
Tabel 4. 24 Berniat untuk menggunakan LinkedIn dari pada berhenti menggunakannya lain
..................................................................................................................................................82
Tabel 4. 25 Berniat untuk terus menggunakan LinkedIn dibanding situs jejaring sosial lain.82
Tabel 4. 26 Berniat meningkatkan penggunaan LinkedIn dikemudian hari...........................83
xvii
Tabel 4. 27 Data Demografis Jenis Kelamin...........................................................................84
Tabel 4. 28 Data Demografis Fakultas....................................................................................85
Tabel 4. 29 Data Demografis Semester...................................................................................86
Tabel 4. 30 Data Demografis Lama Menggunaan LinkedIn...................................................87
Tabel 4. 31 Data Demografis Frekuensi..................................................................................88
Tabel 4. 32 Data Demografis Kepuasan Penggunaan LinkedIn..............................................90
Tabel 4. 33 Data Demografis Niat Berkelanjutan Penggunaan LinkedIn...............................91
Tabel 4. 34 Analisis Outer Loading........................................................................................93
Tabel 4. 35 Hasil Uji Composite Reliability............................................................................94
Tabel 4. 36 Hasil Uji Average Variance Extracted (AVE).....................................................95
Tabel 4. 37 Nilai Cross Loading.............................................................................................95
Tabel 4. 38 Analisis Nilai Cross Loading Fornell-Larcker’s.................................................97
Tabel 4. 39 Analisis Path Coefficient......................................................................................98
Tabel 4. 40 Analisis Coefficient of Determinanation..............................................................99
Tabel 4. 41 Analisis t-test........................................................................................................99
Tabel 4. 42 Analisis Effect Size............................................................................................101
Tabel 4. 43 Analisis Predictive Relevance............................................................................101
Tabel 4. 44 Analisis Relative Impact.....................................................................................103
xviii
DAFTAR LAMPIRAN
Lampiran 1. Kuesioner Penelitian........................................................................................126

Lampiran 2. Data Responden...............................................................................................132
xix
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Perkembangan situs jejaring sosial saat ini sangat pesat. Situs jejaring sosial telah
menjadi bagian integral dari kehidupan dan rutinitas sehari – hari masyarakat. Tercatat
saat ini jumlah pengguna aktif situs jejaring sosial mencapai 4,65 miliar atau 58,7% dari
total populasi didunia, sedangkan pengguna di Indonesia mencapai 191,4 juta pengguna
naik 12,6% dari tahun sebelumnya (We Are Social, 2022). Penerimaan teknologi
informasi merupakan salah satu faktor yang mempengaruhi keberhasilan implementasi
teknologi informasi. Berdasarkan data jumlah pengguna yang kian bertambah,
menjadikan situs jejaring sosial sangat populer di seluruh dunia termasuk Indonesia.
Setelah keberhasilan pada tahap penerimaan, perlu dikaji lebih lanjut mengenai faktor
Continuance Use Intention (CUI) pada pengguna agar terus menggunakan situs jejaring
sosial.
Continuance Use Intention (CUI) dapat didefinisikan sebagai minat atau
keinginan dari seorang individu untuk terus menggunakan sebuah sistem (Davis F. D.,
1989). Minat untuk terus berpartisipasi atau ikut mengambil peran dalam sebuah sistem
tertentu (Bhattacherjee, 2001). Kondisi ketika pengguna sistem informasi merasa puas
terhadap sistem informasi yang digunakan sehingga membuatnya berniat untuk
menggunakan sistem informasi tersebut secara berkelanjutan dimasa mendatang
(Kordina, Putra, & Herlambang, 2019). Pelanggan membentuk pendapat setelah pertama
kali menggunakan sistem dan kemudian merasakan kegunaan sistem. Kegunaan yang
dirasakan mengarahkan pelanggan pada kepuasan akan kualitas layanan sistem yang
menyebabkan pelanggan berminat melanjutkan penggunaan sistem (Davis F. D., 1985).
20
Memahami Continuance Use Intention (CUI) adalah hal yang penting untuk
diteliti dan dipahami bagi manajemen perusahaan karena terbukti membutuhkan biaya
yang cukup jauh lebih rendah dibandingkan dengan mendapatkan pelanggan baru (Wu,
Tsai, Chen, & Wu, 2006). Selain itu mengingat situs jejaring sosial berbeda dengan
sistem informasi lain seperti sistem informasi akademik, sistem informasi penggajian
yang bersifat terikat, situs jejaring sosial bersifat bebas. Hal tersebut menjadikan suatu
tantangan untuk menemukan solusi dalam mempertahankan pengguna situs jejaring
sosial. Situs jejaring sosial membebaskan pengguna dalam mengatur jejaring sosial
mereka serta menikmati aktivitas jejaring sosial mereka secara bebas (Boyd & Ellison,
2008). Kebebasan inilah yang memungkinkan pengguna untuk berhenti menggunakan
suatu situs jejaring sosial daripada sistem informasi yang terikat.
Layanan jejaring sosial yang populer di Indonesia cukup banyak seperti
Instagram, TikTok, Facebook, SnackVideo, dan lainnya. Banyaknya jumlah situs jejaring
sosial menyebabkan persaingan antar penyedia layanan jejaring sosial sangat ketat. Untuk
mempertahankan penggunanya serta meningkatkan penggunaan jejaring sosial,
manajemen perusahaan dinilai perlu merancang sebuah strategi dan inovasi yang efektif
untuk mempertahankan loyalitas pengguna. Dalam rangka mencapai target tersebut
manajemen perusahaan harus memahami faktor – faktor apa saja yang mempengaruhi
Continuance Use Intention (CUI) atau niat keberlanjutan pengguna untuk terus
menggunakan layanan jejaring sosial sosial tersebut.
Pemahaman Continuance Use Intention (CUI) merupakan tahapan penting pada
penerapan suatu sistem karena hal ini bersangkutan terhadap keberlangsungan suatu
penggunaan sistem untuk keberhasilan suatu perusahaan (Chiu, Hsu, Sun, Lin, & Sun,
2005). Dalam upaya mempertahankan dan menambah jumlah pengguna manajemen
perusahaan perlu membuat metode yang lebih baik. Mempertahankan dan memfasilitasi
21
pengguna berkelanjutan sangat penting untuk keberhasilan sistem informasi pada suatu
perusahaan (Zhou & Li, 2014). Continuance Use Intention (CUI) merupakan gambaran
sejauh mana pengguna akan memutuskan untuk menggunakan suatu sistem informasi dan
mengacu pada niat individu untuk terus berpartisipasi dalam kegiatan setelah sebelumnya
mengadopsinya (Chen I. Y., 2015).
Terbukti dari fakta bahwa memperoleh pengguna baru mungkin menghabiskan
biaya lima kali lebih banyak daripada mempertahankan pengguna yang sudah ada, karena
bagi perusahaan untuk mendapatkan pengguna baru melalui beberapa proses yang
membutuhkan biaya seperti biaya mencari pelanggan baru, menyiapkan akun baru, dan
mulai mengenalkan sistem informasi ke pengguna (Parthasarathy & Bhattacherjee, 1998).
Sebagai contoh peningkatan 5% dalam retensi pengguna pada perusahaan asuransi
biasanya dapat menghemat 18% dalam biaya operasional (Crego & Schiffrin, 1995).
Fakta tersebut mengingatkan bahwa pentingnya relevansi dan ketepatan waktu bagi
manajemen perusahaan dalam mempelajari niat keberlanjutan pengguna situs jejaring
sosial tersebut (Bhattacherjee, 2001). Banyaknya kompetitor yang menawarkan layanan
serupa menjadi pertimbangan bagi para pengusaha untuk masuk dalam persaingan yang
sangat ketat. Strategi pemasaran dan inovasi yang tepat digunakan untuk bisa meraih
pasar yang dituju sehingga profit penjualan selalu meningkat (Nawawi, 2021). Kondisi ini
merupakan sebuah kendala dimana pengguna mudah untuk beralih menggunakan situs
jejaring sosial lain, karena banyaknya fitur yang lebih unggul. Niat keberlanjutan
pengguna dapat menjadi solusi efektif bagi manajemen perusahaan.
Walaupun jumlah pengguna situs jejaring sosial meningkat pesat, beberapa situs
jejaring sosial tidak dapat mempertahankan eksistensinya, karena tidak dapat
mempertahankan penggunanya dan tergeser oleh situs jejaring sosial lain. Beberapa
contoh situs jejaring sosial yang tergeser adalah Path, Friendster, MySpace, dan
22
Google+. Situs jejaring sosial tersebut tergeser semenjak adanya kemunculan facebook.
Path tergeser pada 2018 setelah adanya inovasi untuk memisahkan aplikasi perpesanan
pribadinya menjadi Path Talk yang berorientasi bisnis tidak berhasil, selain itu adanya
kompetisi yang ketat antar penyedia layanan jejaring sosial menjadikan Path tidak dapat
bertahan dalam industri. Berdasarkan fakta bahwa tergesernya situs jejaring sosial media
dikarenakan kehilangan pengguna dengan kompetitor yang memberikan layanan yang
lebih unggul dan fitur yang lebih menarik bagi pengguna. Oleh karena itu, memahami
faktor-faktor Continuance Use Intention (CUI) sangat diperlukan.
Penelitian ini menggunakan model untuk menganalisis faktor Continuance Use
Intention (CUI) dengan mengembangkan Expectation-Confirmation Model (ECM) oleh
(Bhattacherjee, 2001). Model tersebut banyak digunakan untuk menjelaskan perilaku
pengguna pada sistem informasi. ECM adalah model yang digunakan untuk melakukan
analisis keberlanjutan adopsi suatu sistem informasi seorang individu, model ECM
sering digunakan untuk mengeksplor perilaku konsumen pada sebuah penelitian
(Bhattacherjee, 2001). ECM dimodifikasi dan dikembangkan melalui berbagai penelitian
perilaku berkelanjutan pada aplikasi seluler seperti situs jejaring sosial, layanan data
seluler, perdagangan dan pembayaran seluler (Aslam, Ham, & Farhat, 2019). Menurut
model ECM, setelah konsumen memutuskan untuk melakukan penerimaan suatu situs
jejaring sosial diikuti dengan penggunaannya, mereka menilai persepsi kinerja layanan.
Setelah kinerja yang dirasakan melebihi harapan awal, itu akan membentuk kepuasan
dan mengarah pada pembentukan niat berkelanjutan untuk menggunakan layanan. Jika
kinerja yang dirasakan kurang dari harapan awal, hal itu menyebabkan ketidakpuasan
dan penghentian penggunaan (Sreelakshmi & Prathap, 2020).
Continuance Use Intention (CUI) dalam model ECM dipengaruhi oleh empat
faktor yaitu, kepuasan pengguna dengan target suatu sistem informasi (satisfaction),
23
konfirmasi harapan pengguna (confirmation), harapan pasca-adopsi (perceived
usefulness) dan kenyamanan (perceived enjoyment). ECM berfokus pada ekspektasi
pasca-adopsi daripada ekspektasi pra-adopsi karena ekspektasi pasca-adopsi memiliki
efek yang lebih menonjol pada keberlanjutan penggunaan suatu sistem. Harapan pasca-
adopsi diwakili oleh kegunaan yang dirasakan (perceived usefulness) yang dinilai dari
prediksi yang kuat dan konsistensi penggunaan sistem informasi (Kim B. , 2011).
Sejumlah penelitian yang berkaitan dengan keberlanjutan sistem informasi telah
menyarankan bahwa harapan pasca-adopsi sebuah sistem diwakili oleh perceived
usefulness dan perceived enjoyment, karena pengguna termotivasi secara intrinsik dan
ekstrinsik. Menurut teori motivasi sistem informasi motivasi ekstrinsik dapat ditangkap
oleh perceived usefulness sedangkan perceived enjoyment adalah intrinsik. (Davis,
Bagozzi, & Warshaw , 1992). (Van der Heijden, 2004) menganggap bahwa perceived
enjoyment merupakan pendorong utama dalam continuance use intention, karena pada
saat pengguna merasa nyaman pada suatu sistem informasi mereka cenderung akan
menggunakannya lagi.
Dsamping itu, ECM menyatakan bahwa faktor kepuasan pengguna (Satisfaction)
juga merupakan faktor penting dalam membentuk niat keberlanjutan pengguna (Kim B. ,
2010). Kepuasan terkait dengan niat kelanjutan menggunakan aplikasi ketika pengguna
merasakan ada manfaat dalam menggunakan aplikasi tersebut (Susanto, Chang, & Ha,
2016). Kepuasan pengguna (satisfaction) mengacu pada evaluasi keseluruhan dari sistem
informasi yang menggambarkan respon emosi pengguna mengenai target sistem
informasi (Lam, Shankar, & Erramilli, 2004). Bukti empiris tentang niat keberlanjutan
sistem informasi mendukung bahwa kepuasan pengguna (satisfaction) merupakan faktor
utama dari niat keberlanjutan penggunaan suatu sistem informasi (Thong, Hong, & Tam,
2006).
24
Beberapa penelitian sebelumnya yang menggunakan model ini menyatakan bahwa
ekspektasi pengguna sebelum mengadopsi sebuah sistem informasi dan konfirmasi pada
ekspektasi pengguna setelah menggunakan memiliki dampak yang besar pada kepuasan
pengguna (satisfaction), dimana kepuasan pengguna sangat berpengaruh pada niat
keberlanjutan pengguna pada sebuah sistem informasi (Wicaksono, 2016). Selain itu,
teori penerimaan dan penggunaan teknologi terpadu mengakui norma subjektif
(subjective norms) yang dibentuk dari interpersonal influence dan media influence
sebagai faktor kunci dalam menganalisa niat keberlanjutan penggunaan sebuah sistem
informasi (Venkatesh, Morris, & Davis , 2003). ECM adalah model kuat yang
memprediksi faktor kunci dari kelangsungan sistem informasi, tetapi dampak dari norma
sosial yang dirasakan pada kelangsungan sistem informasi akan sangat sulit untuk
diselidiki. Dengan demikian, model teoritis yang mengintegrasikan norma sosial dan
ECM dikembangkan disini dalam upaya untuk memahami faktor faktor kunci dari niat
keberlanjutan penggunaan situs jejaring sosial (Kim B. , 2010). Secara khusus situs
jejaring sosial umumnya digunakan dalam konteks sosial, penyertaan norma subjektif,
seperti pengaruh interpersonal dan media tampaknya sangat diperlukan. Norma subjektif
mengacu pada persepsi individu tentang pendapat orang-orang untuk melakukan atau
tidak melakukan sesuatu. Beberapa penelitian telah menggambarkan norma subjektif
dibentuk oleh pengaruh interpersonal dan media. Dalam lingkungan penggunaan sistem
informasi, norma subjektif memainkan peran penting dalam membentuk niat
keberlanjutan pengguna suatu sistem informasi (Kim B. , 2011).
25
Gambar 1. 1 Persentase pengguna di berbagai platform sosial media
LinkedIn merupakan situs jejaring sosial professional populer, dibuktikan pada
gambar di atas, LinkedIn menduduki peringkat ke sebelas dalam kategori platform media
sosial yang banyak digunakan di indonesia dalam survei yang dilakukan We Are Social
(Riyanto, 2022). Menurut (Skeels & Grudin, 2009) pengguna LinkedIn terbagi menjadi 3
kelompok yaitu, mahasiswa dengan rentang usia kurang dari 25 tahun, pekerja muda usia
26-35 tahun, dan pekerja yang lebih tua dengan usia 36 dan di atasnya. Kelompok kedua
menganggap LinkedIn paling berguna karena banyak menenmukan benefit didalamnya.
26
Pengguna LinkedIn semakin hari semakin bertambah, hal ini ditandai dengan
posisi Jakarta dan sekitarnya yang menempati peringkat ke-4 sebagai wilayah yang
paling terhubung di LinkedIn (Nurrahman , 2017). Pertambahan jumlah pengguna yang
semakin meningkat pada LinkedIn dengan berbagai kebutuhan, tentunya diawali dengan
berbagai niat penggunanya. Berbagai macam niat awal pengguna LinkedIn seperti untuk
bertukar pengetahuan, mencari kontak terpercaya dan memanfaatkan peluang dengan
jaringan professional yang lebih luas. Perbedaan LinkedIn dengan situs jejaring sosial
lain seperti Facebook adalah Facebook lebih fokus pada sosialisasi sedangkan LinkedIn
lebih berfokus pada menciptakan hubungan bisnis yang professional. Selain itu sebagai
contoh dibandingkan dengan timeline Facebook, profil LinkedIn terlihat lebih bersih dan
lebih faktual, dengan hanya satu gambar formal dan teks sebagian besar disusun dalam
bentuk daftar. Situs ini secara eksplisit melarang segala bentuk ekspresi diri atau
keterikatan emosional, karena sinyal ini dapat merusak citra profesional seseorang
(Dijck, 2013).
LinkedIn hadir sebagai situs jejaring sosial yang dikenal professional dalam
mencari pekerjaan dan membangun koneksi bisnis para penggunanya. Berbeda dengan
situs jejaring sosial pencari kerja pada umumnya, LinkedIn memberikan fitur kolom
keahlian dan minat, sehingga para pengguna lain yang memiliki keahlian dan minat yang
serupa dapat terhubung secara otomatis. Dengan begitu, segala informasi mengenai
pekerjaan yang berkaitan dengan keahlian pengguna akan saling terhubung. Tentu hal ini
bukan hanya memudahkan para pencari kerja, namun juga memudahkan para pencari
karyawan untuk melihat dan memilih calon karyawan sesuai dengan kualifikasi yang
diinginkan. Walaupun LinkedIn menjadi situs jejaring sosial professional yang unggul
manajemen perusahaan juga harus tetap memperbaharui fitur-fitur yang diinginkan oleh
27
penggunanya karena jika manajemen perusahaan gagal untuk berinovasi maka LinkedIn
akan mengalami penurunan jumlah pengguna (Chandra F. S., 2017).
Jumlah pengguna LinkedIn lebih dari 660 juta di 200 negara (Davis, Wolff, Forret, &
Sullivan, 2020), sedangkan di Asia Tenggara, Indonesia menjadi negara pendorong
pertumbuhan terbesar dengan jumlah penggunanya mencapai 8 juta dan terus bertambah.
LinkedIn diluncurkan pada 5 Mei 2003 yang merupakan aplikasi mobile yang dapat
diunduh secara bebas pada semua platform (Agazzi, 2020).
Berdasarkan gambar 1.2 di bawah ini jumlah pengguna yang mengunduh aplikasi
LinkedIn dibandingkan aplikasi sejenis lebih unggul yaitu sekitar 1 juta pengguna,
diikuti dengan Kalibrr sebanyak 500 ribu pengguna dan Glints sebanyak 100 ribu
pengguna pada platform Google Play Store.
Jumlah Pengguna Pada Platform Google Play

Store
1200000
1000000
1000000
800000
600000
500000
400000
200000
100000
0
LinkedIn Glints Kalibrr
Gambar 1.2 Jumlah Pengguna Pada Platform Google Play Store
Sedangkan pada gambar 1.3 di bawah ini, berdasarkan data pada website
LinkedIn pengguna dari kalangan mahasiswa Universitas Islam Negeri Syarif
Hidayatullah Jakarta sekitar 22.460 pengguna. Tentunya jumlah yang cukup rendah jika
28
dibandingkan dengan jumlah penguna LinkedIn pada perguruan tinggi negeri provinsi
DKI Jakarta lainnya yaitu Universitas Indonesia dengan 221.058 pengguna dan
Universitas Negeri Jakarta dengan 30.054 pengguna.
Perbandingan Jumlah Pengguna LinkedIn

250,000
221,058
200,000
150,000
100,000
50,000 30,054
22,460
0
UIN Jakarta Universitas Indonesia Universitas Negeri Jakarta
Gambar 1.3 Perbandingan Jumlah Pengguna LinkedIn
Dari latar belakang yang telah diuraikan, peneliti ingin menganalisis pengguna
situs jejaring sosial LinkedIn di kalangan mahasiswa Universitas Islam Negeri Syarif
Hidayatullah Jakarta. Sehingga peneliti mengambil judul “Analisis Continuance Use
Intention Pada Situs Jejaring Sosial LinkedIn dengan menggunakan Expectation
Confirmation Model (ECM) (Studi Kasus : UIN JAKARTA)”.
1.2 Identifikasi Masalah
Berdasarkan latar belakang yang telah dipaparkan oleh penulis, maka dapat
diidentifikasi permasalahan yaitu sebagai berikut :
a. Pentingnya memahami Continuance Use Intention (CUI) untuk meningkatkan
pengguna
b. Banyaknya kompetitor yang memungkinkan pengguna beralih ke situs jejaring sosial
lain
29
c. Tantangan untuk mempertahankan pengguna situs jejaring sosial diantara persaingan
yang ketat antar penyedia situs jejaring sosial
d. Rendahnya jumlah pengguna LinkedIn di Universitas Islam Negeri Syarif
Hidayatullah Jakarta
1.3 Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan di atas, perumusan masalah yang
akan dijadikan pembahasan pada penelitian ini adalah:
“Faktor – faktor apa saja yang mempengaruhi Continuance Use Intention (CUI) atau niat
keberlanjutan pengguna pada situs jejaring seosial LinkedIn di kalangan mahasiswa
Universitas Islam Negeri Syarif Hidayatullah Jakarta ?”
1.4 Tujuan Penelitian
Tujuan pada penelitian ini yaitu menganalisis niat keberlanjutan pengguna
dengan menggabungkan variabel interpersonal influence dan media influence ke dalam
ECM agar dapat mengetahui faktor-faktor atau alasan apa saja yang mempengaruhi
penggunaan situs jejaring sosial LinkedIn secara terus menerus sehingga bisa dijadikan
sebagai acuan bagi pengembang situs jejaring sosial lainnya.
1.5 Ruang Lingkup dan Batasan Penelitian
Pembatasan suatu masalah digunakan untuk menghindari adanya penyimpangan
maupun pelebaran pokok masalah agar penelitian tersebut lebih terarah dan memudahkan
dalam pembahasan sehingga tujuan penelitian akan tercapai. Beberapa batasan masalah
dalam penelitian ini adalah sebagai berikut:
a. Responden penelitian adalah mahasiswa semester akhir yaitu semester 8, 10,
12 dan 14 di Universitas Islam Negeri Syarif Hidayatullah Jakarta yang
menggunakan situs jejaring sosial LinkedIn
30
b. Model yang digunakan pada penelitian ini adalah Expectation Confirmation
Model (ECM) dengan variabel satisfaction (S), perceived usefulness (PU),
perceived enjoyment (PE) confirmation (C), continuance use intention (CUI),
dan variabel tambahan yaitu interpersonal influence (II), dan media influence
(MI)
c. Penelitian ini menggunakan metode kuantitatif dengan teknik Purposive
Sampling untuk penyebaran kuesioner.
d. Penelitian ini menggunakan 5 point skala likert untuk menyusun pengukuran
terhadap situs jejaring sosial LinkedIn
e. Pengumpulan data dilakukan dengan cara survei dengan penyebaran secara
tidak langsung melalui fitur Google Forms
f. Peneliti menggunakan pendekatan PLS-SEM dengan bantuan aplikasi
SmartPLS versi 3.0
1.6 Model Penelitian
Model dari penelitian ini terdapat pada gambar 1.2 yang merupakan model yang
diteliti oleh (Bhattacherjee, 2001) dan dikembangkan oleh (Min & Shenghua, 2007), yaitu
model Expectation Confirmation Model (ECM) yang memiliki 5 variabel yaitu
Satisfaction (S), Perceived Usefulness (PU), Perceived Enjoyment (PE), Confirmation
(C), Continuance Use Intention (CUI). Selanjutnya peneliti memodifikasi dengan
menambah 2 variabel yaitu Interpersonal Influence (II), dan Media Influence (MI) yang
di adopsi dari (Kim B. , 2011).
31
Gambar 1. 2 Model penelitian (Kim B. , 2011)
1.7 Hipotesis Penelitian
Berdasarkan beberapa faktor yang terdapat pada model yang digunakan
sebagaimana dapat dilihat pada gambar 1.2, maka terdapat 10 faktor yang dapat
diasumsikan dapat saling memperngaruhi diantaranya :
H1. Apakah variabel Confirmation (C) berpengaruh secarta signifikan terhadap
variabel Perceived Usefulness (PU)?
variabel Perceived Enjoyment (PE)?
variabel Satisfaction (S)?
H4. Apakah variabel Media Influence (MI) berpengaruh secarta signifikan
terhadap variabel Continuance Use Intention (CUI)?
H5. Apakah variabel Interpersonal Influence (II) berpengaruh secarta signifikan
32
H6. Apakah variabel Perceived Usefulness (PU) berpengaruh secarta signifikan
terhadap variabel Satisfaction (S)?
H7. Apakah variabel Perceived Usefulness (PU) berpengaruh secarta signifikan
H8. Apakah variabel Perceived Enjoyment (PE) berpengaruh secarta signifikan
terhadap variabel Satisfaction (S)?
H9. Apakah variabel Perceived Enjoyment (PE) berpengaruh secarta signifikan
H10. Apakah variabel Satisfaction (S) berpengaruh secarta signifikan terhadap
variabel Continuance Use Intention (CUI)?
1.8 Metodologi Penelitian
Penelitian ini menggunakan metode kuantitatif (Sugiyono, 2013). Metode
pengumpulan data dilakukan melalui survei dengan menyebarkan kuesioner. Kuesioner
dirancang dalam bentuk pertanyaan terbuka berdasarkan variabel serta indikator pada
model ECM. Model Expectation Confirmation Model (ECM) dijadikan model penelitian
untuk menjadi sumber rumusan beberapa hipotesis. Hipotesis-hipotesis ini kemudian akan
diuji dengan data-data yang dikumpulkan dari kuesioner yang didapatkan dari responden.
Selain itu, peneliti juga melakukan studi literatur untuk memperkuat hipotesis yang dibuat
dengan teori-teori yang ada maupun dari penelitian terdahulu.
Responden pada penelitian ini adalah pengguna aplikasi LinkedIn yang
berstatus sebagai mahasiswa aktif semester akhir yaitu semester 8, 10, 12 dan 14 di
Universitas Islam Negeri Syarif Hidayatullah Jakarta. Teknik pengambilan sampel yang
dilakukan pada penelitian ini adalah teknik purposive sampling (Taheerdoost, 2016)
dimana yang dapat mengisi kuesioner penelitian ini adalah mahasiswa yang sudah
menjadi pengguna aplikasi LinkedIn. Selanjutnya, kuesioner disebarkan kepada
33
responden secara tidak langsung, penyebaran secara tidak langsung dilakukan dengan
menyebarkan link melalui media sosial seperti Whatsapp dan Instagram dengan bantuan
Google Forms untuk pengisiannya. Kemudian, semua hasil kuesioner ini akan
diklasifikasikan dengan menggunakan perangkat lunak pengolah angka Microsoft Excel
2019. Proses analisis data dilakukan menggunakan pendekatan PLS-SEM dengan bantuan
aplikasi SmartPLS versi 3.0 (Ringle, Silva, & Bido, 2014). Hasil dari analisis data ini
kemudian diinterpretasikan menjadi sebuah kesimpulan yang dibuat sesuai dengan
pertanyaan penelitian yang telah dibahas sesuai dengan batasan penelitian yang ada.
1.9 Manfaat Penelitian
Melalui penelitian ini diharapkan dapat diperoleh manfaat sebagai berikut:
1. Bagi Peneliti
a. Untuk memenuhi salah satu syarat kelulusan strata satu (S1), Sistem Informasi
Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta
b. Untuk menerapkan dan mengembangkan ilmu-ilmu yang telah diperoleh
selama masa perkuliahan
c. Memahami langkah-langkah dalam melakukan analisis niat keberlanjutan
penggunaan situs jejaring sosial LinkedIn menggunakan expectation
confirmation model (ECM)
d. Dapat menambah wawasan pengetahuan utnuk peneliti tentang niat
keberlanjutan penggunaan suatu situs jejaring sosial.
2. Bagi Universitas
a. Mengetahui kemampuan mahasiswa dalamn menerapkan ilmu-ilmu yang telah
diperoleh selama perkuliahan untuk diterapkan dan diimplementasikan dengan
praktek di lapangan
34
b. Memberikan gambaran kepada mahasiswa untuk menyiapkan diri dalam dunia
kerja yang sebenarnya
c. Sebagai referensi dalam pengembangan ilmu maupun penelitian pada program
studi sistem informasi di UIN Jakarta khususnya dalam tema analisis niat
keberlanjutan penggunaan suatu sistem informasi
1.10 Sistematika Penulisan
Laporan dari penelitian ini terdiri dari 5 (lima) bab. Berikut gambaran umum
pokok pembahasan yang akan dibahas dalam setiap bab tersebut :
BAB I PENDAHULUAN
Pada bab ini akan diuraikan latar belakang, perumusan masalah,
batasan masalah, manfaat penelitian, metodologi penelitian, dan
sistematika penulisan.
BAB II LANDASAN TEORI
Pada bab ini akan diuraikan teori-teori relevan terkait analisis niat
keberlanjutan penggunaan situs jejaring sosial LinkedIn, menjabarkan
seluruh teori pendukung dalam penelitian ini.
BAB III METODOLOGI PENELITIAN
Pada bab ini akan diuraikan mengenai metodologi maupun model yang
digunakan dalam penelitian ini.
BAB IV HASIL DAN PEMBAHASAN
Pada bab ini akan diuraikan hasil yang diperoleh dari analisis niat
keberlanjutan penggunaan situs jejaring sosial LinkedIn.
BAB V PENUTUP
35
Pada bab ini akan diuraikan kesimpulan dari uraian yang telah
dituangkan pada bab sebelumnya serta saran yang dapat digunakan
sebagai dasar developer untuk melakukan pengembangan selanjutnya.
36
BAB 2
LANDASAN TEORI
2.1 Definisi Analisis
Analisis adalah studi tenatang sistem yang telah ada untuk tujuan merancang
sistem baru atau memperbaharui sistem yang sudah ada (McLeod, 2007). Sedangkan
(Gaol, 2008) berpendapat, analisis adalah proses pengembangan sistem informasi
yang lengkap dengan tujuan untuk mengidentifikasi dan mengevaluasi masalah,
peluang, hambatan yang dihadapi dan kebutuhan yang diharapkan sehingga dapat
disarankan perbaikan untuk kedepannya.
Menurut (Laudon & Laudon, 2012), analisis sistem terdiri dari
mengidentifikasi masalah, mengidentifikasi penyebabnya, mengidentifikasi solusi dan
mengidentifikasi kebutuhan informasi yang diperlukan oleh sistem.
Berdasarkan definisi di atas dapat kita simpulkan bahwa analisis adalah
pemeriksaan terhadap suatu sistem untuk mengetahui masalah dari sistem tersebut
sehingga dapat diberikan perbaikan yang dibutuhkan sistem tersebut.
2.2 Definisi Situs Jejaring Sosial
Situs jejaring sosial yang dalam bahasa Inggris disebut social network sites
merupakan sebuah web berbasis pelayanan yang memungkinkan penggunanya untuk
membuat profil, melihat daftar pengguna yang tersedia, serta mengundang atau
menerima teman untuk bergabung dalam situs tersebut. Tampilan dasar situs jejaring
sosial ini menampilkan halaman profil pengguna, yang didalamnya terdiri dari
identitas diri dan foto pengguna (Dirgayuza , 2009).
Situs jejaring sosial merupakan sebuah layanan berbasis internet yang
memungkinkan seseorang untuk (1) membuat profil publik maupun semi-publik, (2)
membuat daftar pengguna lain yang memiliki koneksi dengan dirinya, dan (3) melihat
37
dan membagikan daftar koneksi (daftar pertemanan) tersebut dengan orang lain yang
terdaftar di jejaring sosial tersebut. (Boyd & Ellison, 2008). Dalam bahasa inggris
situs jejaring sosial disebut social networking sites, kata networking menekankan
inisiasi hubungan yaitu membuat teman baru dengan orang yang belum dikenal (Boyd
& Ellison, 2008).
Kemunculan situs jejaring sosial diawali dari adanya inisiatif untuk
menghubungkan orang-orang dari seluruh belahan dunia (Watkins, 2009). Situs
jejaring sosial pertama kali adalah Sixdegrees.com mulai muncul pada tahun 1997.
Pada tahun 1999 dan 2000 muncul situs sosial Lunarstrom, Live jurnal, Cyworld yang
berfungsi memperluas informasi secara searah. Pada tahun 2001 muncul Ryze.com
yang berperan untuk memperbesar jaringan bisnis. Kemudian pada tahun 2002
muncul Friendster yang paling diminati oleh kalangan remaja untuk berkenalan
dengan pengguna lainnya. Di tahun 2004 Facebook muncul sebagai situs jejaring
sosial yang dikenal hingga sekarang yang merupakan salah satu situs jejaring sosial
yang banyak digunakan. Kemudian di susul oleh LinkedIn di tahun 2003 dan twitter
ditahun 2006 lalu, instagram di tahun 2010 (Juditha, 2011).
Keberadaan situs jejaring sosial ini memudahkan kita untuk berinteraksi
secara mudah dengan orang-orang dari seluruh penjuru dunia dengan biaya yang lebih
murah dibandingkan menggunakan telepon (Aleman & Wartman, 2009). Selain itu,
dengan adanya situs jejaring sosial, penyebaran informasi dapat berlangsung secara
cepat (Lin & Atkin, 2002).
38
2.3 Perkembangan LinkedIn
LinkedIn adalah jejaring sosial yang berbeda dari jenis jejaring sosial lainnya.
LinkedIn adalah jejaring sosial yang menghubungkan antar profesional, LinkedIn
memberikan wadah untuk menunjukkan kemampuan atau keahlian seseorang. Selain
itu, LinkedIn memiliki fungsi menghubungkan antara pencari kerja dan pencari
karyawan. LinkedIn menduduki posisi ketiga jejaring sosial yang paling banyak
digunakan di seluruh dunia setelah Facebook dan Twitter yang merupakan jejaring
sosial terdahulu muncul di dunia komunikasi. Keunikan dari jejaring sosial LinkedIn
ini adalah pengguna dapat terhubung dengan profesional lainnya yang memiliki
keahlian yang sama. Saat pengguna mempromosikan keahlian dengan mencantumkan
keahliannya pada fitur Skills & Specialties dan jika terdapat pengguna lainnya yang
memiliki keahlian sama maka secara otomatis keduanya akan saling tahu dan
terhubung. Sehingga informasi seperti lowongan pekerjaan, artikel, iklan, dan fitur
lainnya akan saling terhubung satu sama lainnya. (Chandra F. S., 2017).
LinkedIn adalah jejaring sosial profesional yang didirikan pada desember
2002 dan telah diluncurkan pada tanggal 5 Mei 2003, Linkedin adalah sebuah bisnis
layanan jaringan sosial dimana keuntungan penggunaannya bagi para professional
yaitu membangun networking dan menciptakan brand di lingkungannya baik secara
personal maupun group (Martono , Maulani, & Pujianingsih, 2017).
Linkedin bisa dijadikan fokus untuk mendapat jaringan profesional dan
pengembangan karir. Tidak seperti kebanyakan jejaring sosial lainnya, Linkedin telah
dirancang untuk membantu dalam membuat koneksi bisnis, berbagi pengalaman dan
mencari pekerjaan (Andri, 2017). Dengan lebih dari 650 juta pengguna yang tersebar
di seluruh dunia, Linkedin adalah saluran terpenting untuk mendistribusikan informasi
39
terkait bisnis dan alat pilihan bagi eksekutif pemasaran dan manajemen untuk
menemukan konten berkualitas yang relevan (Wang & Li, 2019).
2.4 Expectation-Confirmation Model
Expectation-Confirmation Model (ECM) merupakan model yang
dikembangkan oleh Bhattacherjee pada penelitiannya yang berjudul
Understanding Information Systems Continuance: An Expectation-Confirmation
Model (Nematollahi et al, 2017). ECM berasal dari Expectation Disconfirmation
Theory (EDT) yang dikembangkan oleh (Oliver, 1980) EDT berpendapat bahwa
harapan dan kinerja yang dirasakan pelanggan dapat mengarah pada kepuasan
pasca pembelian dan dengan demikian memengaruhi niat pelanggan untuk
melakukan pembelian ulang (Hsu & Lin, 2015).
Bhattacherjee mengusulkan ECM sebagai model untuk memprediksi IT
continuance berdasarkan kesesuaian antara keputusan individu untuk melanjutkan
penggunaan mereka terhadap sebuah IT dan keputusan pelanggan untuk
melakukan pembelian berulang (Lee, 2010). Kemiripan antara keduanya
dikarenakan kedua keputusan tersebut mengikuti keputusan awal, dipengaruhi
oleh penggunaan awal, dan berpotensi mengubah keputusan awal tersebut
(Bhattacherjee, 2001, Hsu & Lin, 2015)
Dalam mengadaptasi EDT pada kasus yang secara spesifik membicarakan
continuance use dari produk dan layanan IT, Bhattacherjee mengusulkan beberapa
ekstensi dan modifikasi pada model asli EDT. Salah satu usulan modifikasi
tersebut adalah mengganti ekspektasi yang digunakan pada EDT menjadi
perceived usefulness. Perubahan ini dikarenakan ekspektasi pada EDT hanya
berfokus pada ekspektasi pra-konsumsi, sementara ekspektasi pasca konsumsi,
menurut Bhattacherjee, dapat berubah seiring dengan waktu (Chen, Wang, &
40
Chen, 2017) Oleh karenanya, pada ECM, eksptektasi direpresentasikan oleh
perceived usefulness. Digunakannya perceived usefulness sebagai pengganti
ekspektasi adalah karena variabel ini merupakan satu-satunya variabel yang secara
konsisten mempengaruhi niat pengguna di seluruh tahap temporal penggunaan
teknologi informasi (Bhattacherjee, 2001). Selain perceived usefulness, indikator
lain seperti perceived enjoyment, confirmation, satisfaction, dan continuance intention
membentuk model IT continuance yang dibentuk oleh Bhattacherjee dan
dikembangkan oleh (Min & Shenghua, 2007) ini. Hubungan antar variabel
tersebut dapat dilihat pada Gambar 2.1 di bawah ini.
Gambar 2. 1 Expectation-Confirmation Model (ECM) (Min & Shenghua, 2007)
Berdasarkan Gambar 2.1 di atas, perceived usefulness mempengaruhi
satisfaction bersama dengan confirmation. Hal ini dikarenakan ekspektasi atau
perceived usefulness merupakan dasar pengguna mengevaluasi suatu teknologi
informasi dan menentukan respons atau kepuasan evaluatif mereka. Evaluasi ini
kemudian memberikan sebuah konfirmasi bagi pengguna apakah teknologi
informasi yang digunakan sesuai dengan ekspektasi mereka atau tidak (Lai, Chen,
& Chang, 2016).
41
Konfirmasi atas kesesuaian produk atau jasa dengan ekspektasi yang dimiliki
pengguna akan memicu kepuasan di dalam diri pengguna, yang mana menjelaskan
hubungan variabel confirmation dengan satisfaction yang ada pada ECM. Rasa puas
ini kemudian dapat memicu niat pengguna untuk menggunakan produk atau jasa yang
sama di kemudian hari (Lai, Chen, & Chang, 2016).
2.5.1 Perceived Usefulness (PU)
Perceived usefulness adalah persepsi pengguna tentang manfaat
yang dapat diharapkan dari penggunaan suatu teknologi informasi (Hsu &
Lin, 2015). Menurut (Davis F. D., 1989) perceived usefulness mengacu
pada sejauh mana pengguna menanggap bahwa menggunakan Sistem
Informasi akan meningkatkan kinerja mereka. Perceived usefulness adalah
persepsi subjektif pengguna tentang manfaat yang diharapkan dari
pengguna IS dan bukan penilaian objektif. Jika penggunaan IS berguna,
pengguna cenderung terus menggunakannya. Dalam Expectation
Confirmation Model (Bhattacherjee, 2001) mengemukakan bahwa
Perceived usefulness dapat diterapkan dalam konteks kelanjutan IS, dan
hubungan antaranya dapat didukung oleh bukti empiris. Semakin tinggi
besar pengguna merasakan manfaat suatu layanan, semakin tinggi
kepuasan pengguna.
2.5.2 Perceived Enjoyment (PE)
Perceived Enjoyment dapat diartikan sebagai perasaan yang
menggambarkan sejauh mana aktivitas penggunaan suatu sistem dapat
memberikan kesenangan dan kenyamanan dalam dirinya sendiri pada saat
berinteraksi dengan teknologi informasi (Avornyo, Fang, Odai, Vondee, &
Nartey, 2019). Perceived Enjoyment dianggap sebagai motivasi intrinsik
42
sebagai faktor penting dalam penggunaan suatu sistem, motivasi intrinsik yang
menegaskan proses penggunaan dan mencerminkan kesenangan dan
kenyamanan terkait dengan penggunaan sistem tersebut (Davis, Bagozzi, &
Warshaw , 1992). Penelitian (Jusuf, Utami, Hidayanto, & Shihab, 2017)
menghasilkan bahwa perceived enjoyment memiliki efek yang signifikan
terhadap continuance use intention.
2.5.3 Confirmation (C)
Berdasarkan teori disonansi kognitif (Festinger, 1962),
(Bhattacherjee, 2001) menjelaskan bahwa confirmation dapat
mempromosikan manfaaat yang dirasakan oleh pengguna. Banyak
penelitian telah memverifikasi secara empiris bahwa confirmation
merupakan prediktor signifikan dari perceived usefulness atau manfaat
yang dirasakan dalam konteks penggungaan Sistem Informasi (Lin, Wu, &
Tsai, 2005). Pada penelitian sebelumnya dalam penggunaan Sistem
Informasi telah memverifikasi hubungan positif antara confirmation
dengan perceived usefulness dan satisfaction (Bhattacherjee, 2001).
2.5.4 Satisfaction (S)
Satisfaction adalah evaluasi dari pengalaman uji coba awal
pengguna dengan layanan. Evaluasi ini dapat berupa perasaan positif atau
kepuasan, ketidak pedulian, dan perasaan negatif atau ketidak puasan (Hsu
& Lin, 2015). Satisfaction telah menjadi topik penelitian inti dalam Sistem
informasi. Menurut Expectation-Disconfirmation Theory, kepuasan
mencerminkan keadaan psikologis pengguna yang dihasilkan dari
penilaian kognitif diskonfirmasi (Bhattacherjee, 2001). Pada penelitian
(Sheldon, Abad, & Hinsch, 2011) menunjukkan bahwa satisfaction
43
berhubungan positif terhadap Continuance Use Intention pada penggunaan
Facebook .
2.5.5 Continuance Use Intention (CUI)
Continuance use intention adalah tingkat di mana pengguna
bermaksud untuk terus menggunakan suatu teknologi informasi (Hsu &
Lin, 2015). Continuance Use Intention (CUI) merupakan kelanjutan dari
perilaku penerimaan ( Bhattacherjee, 2001). Pelanggan membentuk
pendapat setelah pertama kali menggunakan sistem dan kemudian
merasakan kegunaan sistem. Niat kelanjutan dapat ditentukan sebagai
proses untuk terus mempertahankan bisnis dan menggunakan kembali
produk atau jasa dari suatu organisasi (Abbas & Hamdy, 2015).
2.5 Subjective Norms
Menurut (Prabandari & Sholihah, 2014), subjective norms adalah suatu
perilaku yang memiliki tujuan untuk membuat atau tidak membuat keputusan
mengenai perilaku baru yang ditentukan berdasarkan tingkat tekanan sosial kepada
seorang individu. Sehingga seseorang akan menunjukkan perilaku yang dapat
diterima oleh orang-orang atau lingkungan yang berada di sekitar individu tersebut.
Seorang individu akan menghindari dirinya menunjukkan suatu perilaku jika
lingkungan disekitarnya tidak mendukung perilaku tersebut.
Berdasarkan pengertian di atas dapat disimpulkan bahwa subjective norms yaitu
pengaruh atau tekanan pihak yang memberikan acuan terhadap individu untuk
menampilkan suatu perilaku tertentu. Penelitian (Bhattacherjee, 2000) dan (Hsu &
Chiu, 2004) sepakat bahwa subjective norms dibentuk oleh interpersonal influence
dan media influence. Ketika pengguna percaya bahwa menggunakan situs jejaring
44
sosial adalah ide yang baik, maka itu dapat meningkatkan niat untuk terus
menggunakannya (Kim B. , 2011).
2.6.1 Interpersonal Influence
Pengaruh interpersonal dapat didefinisikan pada sejauh mana orang
lain yang relevan dari jaringan sosial mempengaruhi perilaku satu sama lain
(Kim B. , 2011). Pengaruh interpersonal misalnya pengaruh oleh teman,
keluarga dan orang lain yang dianggap penting oleh pengguna (Brown &
Venkatesh, 2005). Pengguna sistem juga dipengaruhi dari mulut ke mulut oleh
teman, kolega dan orang lain yang relevan di jejaring sosial mereka (Kim &
Han, 2009).
2.6.2 Media Influence
Menurut (Jogiyanto, Analisis dan Desain Sistem Informasi :
Pendekatan Terstruktur Teori dan Praktek Aplikasi Bisnis, 2008), media
influence adalah pengaruh dari pihak luar organisasi seperti televisi, koran,
dan internet. Banyak perusahaan penyedia situs jejaring sosial yang telah
memanfaatkan pengaruh media ini dengan melakukan pemasaran dan promosi
melalui media massa seperti televisi, surat kabar, dan internet dengan modal
yang banyak dan upaya yang signifikan untuk menarik pengguna baru dan
mempertahankan pengguna yang ada (Brown & Venkatesh, 2005).
2.6 Metode Pengumpulan Data
Menurut (Setiawan, 2016) pengumpulan data yaitu cara yang dapat dilakukan
oleh peneliti untuk memperoleh informasi yang dibutuhkan dalam rangka
mencapai tujuan dalam suatu penelitian. Peneliti melakukan beberapa cara dalam
melakukan pengumpulan data, yaitu :
45
1. Studi pustaka
Studi pustaka adalah mengumpulkan data dan informasi dengan cara
membaca dan mempelajari buku-buku, referensi serta situs-situs penyedia
layanan yang berkaitan dengan judul (Nazir, 2005). Sedangkan menurut
Jogiyanto menjelaskan bahwa studi pustaka adalah cara penelitian yang
dilakukan dengan membaca dan mempelajari buku-buku pustaka, dan
website tertentu yang dijadikan pendukung dalam penelitian yang
dilakukan (Jogiyanto, 2005).
2. Kuesioner
Kuesioner menurut Kamus Besar Bahasa Infonesia (KBBI) adalah alat
riset atau survei yang terdiri atas serangkaian pertanyaan tertulis, bertujuan
untuk mendapatkan tanggapan dari kelompok orang terpilih melalui
wawancara pribadi melalui pos. Sumber lain menyebutkan bahwa kuesioner
merupakan daftar pertanyaan tertulis yang harus dijawab untuk responden
yang terkadang telah disertai pilihan jawaban untuk responden.
Kuesioner merupakan sejumlah pertanyaan atau pernyataan yang harus
dijawab oleh responden (Guritno, Sudaryono, & Rahardja, 2011).
Pengumpulan data dengan kuesioner berbeda dengan wawancara, karena tidak
ada yang menjelaskan secara langsung kepada responden tentang pertanyaan
yang diajukan, sehingga pertanyaan ataupun pertanyaan yang tertulis pada
kuesioner harus jelas dan mudah dimengerti (Widi, 2010).
Berdasarkan prosedurnya, kuesioner dapat dikelompokkan menjadi dua
yaitu kuesioner langsung dan tidak langsung (Raharjo & Gudnanto, 2011).
46
a. Kuesioner langsung yaitu kuesioner yang langsung diberikan kepada
responden dan tidak menggunakan perantara dalam memperoleh
jawaban.
b. Kuesioner tidak langsung yaitu kuesioner yang diterima oleh
responden menggunakan perantara.
Sementara berdasarkan bentuk pertanyaannya dapat dikelompokkan
menjadi dua yaitu kuesioner terbuka dan tertutup (Rahardjo & Gudnanto,
2011).
a) Kuesioner terbuka (open-ended question) merupakan kuesioner dengan
pertanyaan yang memberikan keleluasan kepada responden untuk
menjawab pertanyaan yang ada sehingga jawaban yang diperoleh akan
bervariasi.
b) Kuesioner tertutup (close-ended question) merupakan kuesioner
dengan pertanyaan yang telah memiliki beberapa macam pilihan
jawaban dan kemudian responden memilih jawaban yang telah
disediakan.
Menurut (Siswanto V. A., 2012) secara umum pertanyaan kuesioner dapat
dibagi menjadi beberspa bagian, yaitu sebagai berikut:
a) Pertanyaan tentang fakta
Merupakan pertanyaan yang bertujuan untuk mengetahui kondisi
responden seperti umur, jenis kelamin, pekerjaan dan sebagainya.
b) Pertanyaan tentang pendapat
47
Merupakan pertanyaan yang bertujuan untuk melihat persentase
setuju/tidak setuju dari responden dan melihat sikap responden dengan
bantuam skor.
2.7 Skala Likert
Skala Likert merupakan salah satu alat pengukuran yang menghasilkan data
kuantitatif. Skala Likert digunakan untuk mengukur sikap, pendapat, dan persepsi
suatu individu atau kelompok terkait fenomena sosial (Sugiyono, 2015).
Dengan menggunakan skala likert, variable yang akan diukur dijabarkan
menjadi indikator variabel. Selanjutnya, indikator tersebut pertanyaan ataupun
pernyataan. Jawaban dari setiap item instrumen yang digunakan mempunyai tingkatan
dari sangat positif hingga sangat negatif yang biasanya dalam bentuk kata-kata. Untuk
keperluan analisis kuantitatif, jawaban tersebut memiliki skor tersendiri. Pemberian
skor tersebut biasanya bertingkat dengan skor 5 untuk yang jawaban paling positif dan
skor 1 untuk jawaban yang paling negatif (Sugiyono, 2015).
Berikut adalah contoh dari penggunaan skala likert beserta nilainya
1. Sangat Setuju diberi nilai 5
2. Setuju diberi nilai 4
3. Netral diberi bobot 3
4. Tidak Setuju diberi nilai 2
5. Sangat Tidak Setuju diberi bobot 1
Menurut Black & Champion dalam (Soehartono, 2011), skala likert memiliki
beberapa kelebihan dan kelemahan, yaitu:

Tabel 2.1 Skala Likert
Kelebihan Kelemahan
48
Mudah dibuat dan ditafsirkan Tidak ada arti yang konsisten yang dapat
diberikan pada data mentah yang berasal dari
pengukurannya
Bentuk yang paling umum Diasumsikan bahwa setiap butir dalam skala
mempunyai bobot yang sama sehubungan
dengan butir yang lain. Asumsi ini mungkin
tidak benar
Bersifat luwes Orang yang mempunyai nilai yang sama
mungkin memiliki ciri yang berbeda
Mengukur pada tingkat skala Validitas skala ini masih dipertanyakan
ordinal
2.8 Variabel Penelitian
Menurut (Sugiyono, 2015) variabel adalah segala sesuatu yang berbentuk apa
saja yang ditetapkan oleh peneliti untuk mempelajari sehingga diperoleh informasi
tentang hasil tersebut, kemudian ditarik kesimpulannya. Variabel penelitian
mencermikan karakteristik populasi yang ingin ditelaah. Penelitian kuantitatif
umumnya menggunakan asumsi dan batasan pada faktor tertentu yang diamati dalam
bentuk variabel penelitian.
Menurut (Sangadji & Sopiah, 2010) variabel penelitian dapat diklasifikasikan
berdasarkan beberapa pendekatan, diantaranya sebagai baerikut:
1. Fungsi Variabel
Tipe-tipe variabel dapat diklasifikasikan berdasarkan fungsi variabel dalam
hubungan antara variabel, yaitu:
a. Variabel Independen dan Variabel Dependen
49
Variabel independen adalah tipe variabel yang menjelaskan atau
mempengaruuhi variabel lain. Variabel dependen adalah tipe variabel
yang dijelaskan atau dipengaruhi oleh variabel independen. Variabel
independen dan variabel dependen merupakan kategori variabel
penelitian yang paling sering digunakan dalam penelitian karena
mempunyai kemampuan aplikasi yang luas.
b. Variabel Moderating
Variabel Moderating merupakan tipe variabel yang mempunyai
pengaruh terhadap sifat atau arah hubungan antara variabel independen
dengan variabel dependen kemungkinan positif atau negative dalam
hal ini tergantung pada variabel moderating.
c. Variabel Intervening
Variabel intervening adalah variabel yang mempengaruhi hubungan
antara variabel independen dengan variabel dependen menjadi
hubungan tidak langsung. Variabel intervening merupakan variabel
yang terletak antara variabel independen dengan variabel dependen,
sehingga variabel independen tidak langsung menjelaskan atau
mempengaruhi variabel dependen.
2. Skala Nilai Variabel
Variabel umumnya diukur dengan skala dalam kisaran nilai tertentu.
Berdasarkan skala nilainya, variabel penelitian diklasifikasikan menjadi dua,
yaitu:
a. Variabel Kontinu
Variabel kontinu adalah tipe variabel penelitian yang memiliki
kumpulan nilai teratur dalam kisaran tertentu. Nilai dalam variabel
50
kontinu setidaknya menggambarkan peringkat atau jarak berdasakan
skala pengukuran tertentu.
b. Variabel Kategoris
Variabel kategoris adalah tipe variabel penelitian yang memiliki nilai
berdasarkan kategori tertentu atau lebih dikenal dengan sebutan skala
nominal. Skala nilai pada variabel ini hanya merupakan label untuk
mengidentifikasi kategori atau kelompok variabel yang bersangkutan.
3. Perlakuan terhadap variabel
Karakteristik penelitian eksperimen adalah adanya manipulasi terhadap
variabel tertentu. Manipulasi terhadap hal ini berarti memberikan perlakukan
berbeda kepada kelompok yang berbeda. Klasifikasi variabel berdasarkan
perlakuan penelitian terhadap variabel penelitian bermanfaat perlakuan
peneliti bermanfaat untuk mengetahui perbedaan antara variabel-variabek
yang tidak dimanipulasi
2.9 Populasi dan Sampel
Populasi adalah semua bagian atau anggota dari objek yang akan diamati.
Populasi dapat berupa orang, benda, objek, peristiwa, ataupun yang menjadi objek
survei. Oleh karena itu, populasi ditentukan oleh topik atau tujuan survei (Eriyanto,
2007). Populasi bukan hanya sekedar jumlah yang ada pada objek yang diamati,
namun juga meliputi seluruh karakteristik atau sifat yang dimiliki oleh suatu objek
tersebut (Sugiyono, 2015).
Berdasarkan sifatnya, populasi dapat dibedakan menjadi dua yaitu populasi
yang bersifat homogen yaitu populasi yang memiliki unsur pembentuk berdasarkan
kesamaan sifat. Sementara populasi yang bersifat heterogen yaitu populasi yang
51
unsur pembentuk berdasarkan sifat atau keadaan yang beragam sehingga dibutuhkan
batasan baik secara kualitatif maupun kuantitatif (Sukandarrumidi, 2012).
Dengan demikian dapat disimpulkan bahwa populasi adalah kumpulan dari
objek dalam penelitian yang memiliki kesamaan karakteristik tertentu dan dapat
menjadi sumber data.
Sedangkan sampel adalah bagian dari jumlah dan karakteristik yang dimiliki
oleh populasi. Sampel yang baik adalah sampel yang representatif atau benar-benar
mewakili populasinya. Sampel yang tidak representatif dapat memungkinkan terjadi
kesalahan dalam pengambilan kesimpulan terkait populasi tersebut (Sugiyono,
2015).
Dengan demikian, sampel adalah bagian dari populasi yang diambil untuk
menjadi sumber data dalam penelitian dimana sampel tersebut dapat
menggambarkan keadaan populasinya.
2.9.1 Teknik Sampling
Pada dasarnya tidak ada teknik pengambilan sampel yang paling
sempurna untuk digunakan dalam menganalisis gejala atau fenomena yang
terjadi (Nursiyono, 2015). Teknik pengambilan sampel (sampling) menurut
(Sugiyono, 2012) dikelompokkan menjadi dua, yaitu :
1) Probability Sampling
Probability sampling adalah teknik pengambilan sampel yang
memberikan peluang yang sama bagi seluruh anggota populasi untuk
dapat menjadi anggota sampel (Sugiyono, 2012). Atau dapat diartikan
sebagai teknik pengambilan sampel dengan menggunakan kaidah-kaidah
52
peluang (Nursiyono, 2015). Teknik ini menurut (Sugiyono, 2012) terdiri
dari beberapa, yaitu :
1. Simple Random Sampling
Pengambilan anggota sampel dari populasi dilakukan dengan cara
acak tanpa memperhatikan strata yang ada pada populasi tersebut.
Teknik ini merupakan teknik yang paling mudah dan dapat
digunakan pada populasi yang memiliki karakteristik relatif
homogen.
2. Proportional Stratified Random Sampling
Teknik ini dapat dilakukan ketika populasi memiliki anggota yang
tidak homogen dan memiliki strata secara proposional.
3. Disproportionate Stratified Random Sampling
Teknik ini dilakukan jika populasi memiliki strata namun kurang
proposional.
4. Cluster Sampling
Teknik ini digunakan ketika menentukan sampel pada obyek yang
memiliki data atau sumber yang luas. Teknik ini sering dilakukan
dengan dua tahap, yaitu menentukan daerah sampel dan
menentukan orang-orang yang ada pada daerah tersebut secara
sampling.
2) NonProbability Sampling
Nonprobability sampling adalah teknik pengambilan sampel yang
tidak memberi peluang/kesempatan sama bagi setiap unsur atau anggota
populasi untuk dipilih menjadi sampel.
a. Sampling Sistematis
53
Sampling sistematis adalah teknik pengambilan sampel berdasarkan
urutan dari anggota populasi yang telah diberi nomor urut.
b. Sampling Kuota
Sampling kuota adalah teknik untuk menentukan sampel dari
populasi yang mempunyai ciri-ciri tertentu sampai jumlah (kuota)
yang diinginkan.
c. Sampling Insidental
Sampling insidental adalah teknik penentuan sampel berdasarkan
kebetulan, yaitu siapa saja yang kebetulan/insidental bertemu dengan
peneliti dapat digunakan sebagai sampel, bila dipandang orang yang
kebetulan ditemui itu cocok sebagai sumber data.
d. Sampling Purposive
Sampling purposive adalah teknik penentuan sampel dengan kriteria-
kriteria tertentu dalam suatu populasi yang memiliki hubungan
dominan sehingga dapat digunakan untuk mencapai tujuan penelitian.
e. Sampling Jenuh
Sampling jenuh adalah teknik penentuan sampel bila semua anggota
populasi digunakan sebagai sampel. Hal ini sering dilakukan bila
jumlah populasi relatif kecil atau penelitian yang ingin membuat
generalisasi dengan kesalahan yang sangat kecil.
f. Snowball Sampling
Snowball sampling adalah teknik penentuan sampel yang mula-mula
jumlahnya kecil, kemudian membesar. Dalam penentuan sampel,
pertama-tama dipilih satu atau dua orang, tetapi karena dengan dua
orang ini belum merasa lengkap terhadap data yang diberikan, maka
54
peneliti mencari orang lain yang dipandang lebih tahu dan dapat
melengkapi data yang diberikan oleh dua orang sebelumnya
2.9.2 Ukuran Sampel
Menurut Roscoe dalam (Sugiyono, 2012) penentuan jumlah sampel adalah
sebagai berikut:
1. Ukuran sampel yang layak dalam penelitian adalah antara 30 sampai
dengan 500.
2. Bila sampel dibagi dalam kategori (misalnya: pria-wanita, pegawai
negeri-swasta dan lain-lain) maka jumlah anggota smapel setiap
kategori minimal 30.
3. Bila dalam penelitian akan melakukan analisis dengan multivariate
(korelasi atau regresi ganda misalnya), maka jumlah anggota sampel
minimal 10 kali dari jumlah variabel yang diteliti. Misalnya variabel
penelitiannya ada 5 (independen + dependen), maka jumlah anggota
sampel = 10 x 5 = 50.
4. Untuk penelitian eksperimen yang sederhana, yang menggunakan
kelompok eksperimen dan kelompok kontrol, maka jumlah angota
sampel masing-masing antara 10 s/d 20.
Selain beberapa teknik penentuan ukuran sampel di atas, Barclay et al dalam
(Memon, et al., 2020) mengemukakan sebuah pedoman ukuran sampel yang sudah
diterima luas pada literatur PLS-SEM yaitu The 10 times rule yang menyatakan
bahwa ukuran sampel yang digunakan oleh sebuah penelitian harus :
1. Sepuluh kali jumlah terbesar dari indikator formatif yang digunakan untuk
mengukur suatu kosntruksi
55
2. Sepuluh kali jumlah jalur strukturan terbesar yang diarahkan pada konstruksi
tertentu dalam model struktural
2.10 Analisis Data
Pada penelitian kuantitatif, analisis data merupakan kegiatan setelah data dari
seluruh responden atau sumber data lain terkumpul (Sugiyono, 2015). Kegiatan
dalam analisis data mengelompokkan data berdasarkan variabel dan jenis responden,
mentabulasi data berdasarkan variabel dari seluruh responden, menyajikan data tiap
variabel yang diteliti, serta melakukan perhitungan untuk menjawab rumusan
maslah, dan melakukan perhitungan untuk hipotesis yang dilakukan. Dalam
penelitian ini, peneliti menggunakan metode analisis menggunakan metode
kuantitafi dengan PLS-SEM menggunakan tools SmartPLS versi 3.0.
2.11.1 Metode Kuantitatif
Menurut (Sugiyono, 2015) metode kuantitatif merupakan metode
penelitian yang berkarakteristik sistematis, terencana dan terstruktur dengan
jelas dari tahap perencanaan hingga tahap pembuatan desain penelitiannya.
Menurut (Sarwono, 2013), terdapat beberapa tahapan dalam melakukan
penelitian kuantitatif, yaitu :
a. Mengidentifikasi dan merumuskan masalah yang akan diteliti
b. Membuat hipotesis yang akan diuji
c. Melakukan kajian teori yang relevan
d. Mengidentifikasi dan memberi nama variabel
e. Membuat definisi operasional
f. Memanipulasi dan mengontrol variabel (ini hanya untuk penelitian
eksperimental)
56
g. Menyusun desain penelitian
h. Mengidentifikasi dan menyusun alat observasi dan pengukuran
i. Membuat kuesioner (jika dibutuhkan data primer)
j. Melakukan analisis statistik
k. Menulis laporan hasil penelitian
Terdapat beberapa keterbatasan dalam melakukan penelitian
kuantitatif (Idris, 2009), yaitu sebagai berikut :
a. Lama dalam proses perencanaan
b. Sulit memperdalam data
c. Kelemahan angket/skala/tes
2.11.2 Partial Least Square-Structural Equation Modelling (PLS-SEM)
Partial Least Square (PLS) adalah suatu teknik statistik multivariat
yang bisa untuk menangani banyak variabel respon serta variabel
eksplanatori sekaligus. Analisis ini merupakan alternatif yang baik untuk
metode analisis regresi berganda dan regresi komponen utama, karena
metode ini bersifat lebih robust atau kebal. Robust artinya parameter model
tidak banyak berubah ketika sampel baru diambil dari total populasi (Geladi
& Kowalski, 1986).
Partial Least Square suatu teknik prediktif yang bisa menangani
banyak variabel independen, bahkan sekalipun terjadi multikolinieritas
diantara variabel-variabel tersebut (Ramzan & Khan, 2010)
PLS pertama kali dikembangkan oleh Heman O. A. Wold dalam
bidang ekonometrik pada tahun 1960-an (Latan, 2012). Menurut Wold, PLS
adalah metode analisis yang powerful sebab tidak didasarkan pada banyak
57
asumsi atau syarat, seperti uji normalitas dan multikolinearitas. Metode
tersebut mempunyai keunggulan tersendiri antara lain: data tidaklah harus
berdistribusi normal multivariate. Bahkan indikator dengan skala data
kategori, ordinal, interval sampai rasio dapat digunakan. Keunggulan lainnya
adalah ukuran sampel yang tidak harus besar.
PLS-SEM merupakan satu dari berbagai metode yang digunakan untuk
menganalisis dan dinilai cukup kuat karena digunakan pada setiap jenis skala
data (data interval, data nominal, dan rasio) serta syarat asumsi yang
fleksibel (Yamin & Kurniawan, 2011). PLS bertujuan untuk membantu
peneliti dalam mendapatkan nilai variabel laten untuk tujuan prediksi dan
dapat juga digunakan untuk mengkonfirmasi teori (Ghozali & Latan, 2015).
Menurut (Yamin & Kurniawan, 2011) terdapat beberapa alasan mengapa
saat ini PLS-SEM populer digunakan oleh para peneliti dan praktisi, yaitu
sebagai berikut:
1. Algoritma PLS tidak terbatas hanya untuk hubungan antara indikator
dengan konstruk latennya yang bersifat relektif saja tetapi algoritma
PLS juga dapat dipakai untuk hubungan yang bersifat formatif.
2. PLS dapat digunakan untuk menaksir model path dengan sample size
yang kecil.
3. PLS-SEM dapat digunakan untuk model yang sangat kompleks
(terdiri atas banyak variabel laten dan manifes) tanpa mengalami
masalah dalam estimasi data.
4. PLS dapat digunakan ketika distribusi data sangat miring (skew).
58
Jika SEM yang berbasis kovarian mengharuskan ukuran sampel yang
besar yang dapat mencakup ratusan bahkan ribuan observasi, maka PLS
SEM cukup dengan menggunakan ukuran sampel yang kecil. Ukuran sampel
kecil dengan persyaratan minimal adalah 10 kali dari besarnya indikator
formatif terbanyak yang digunakan untuk mengukur 1 variabel laten atau 10
kali dari jumlah jalur struktural terbanyak yang ditunjukan ke variabel laten
tertentu dalam model struktural. Penelitian yang dilakukan oleh (Chin &
Newsted, 1999)membuktikan hanya dengan menggunakan 20 data mereka
dapat menggunakan PLS SEM yang benar.
Selain itu PLS-SEM dapat dipandang sebagai gabungan regresi dan
analisis faktor. PLS-SEM tetap dapat menghasilkan estimasi meskipun untuk
ukuran sampel kecil (Sholihin & Ratmono, 2013). PLS meliputi dua tahap
yaitu evaluasi outer model atau pengukuran model dan evaluasi terhadap
inner model atau struktural model (Yamin & Kurniawan, 2011; Hair J. F.,
2012; Afthanorhan, 2013; Wong, 2013; Ringle, Silva, & Bido, 2014):
a. Evaluasi Model Pengukuran (Outer Model)
Evaluasi terhadap pengukuran model meliputi pemeriksaan individual
item reliability, internal consistency atau construct reability, average
variance extraced, dan dicriminant validity. Ketiga pengukuran
pertama dikelompokkan dalam convergent validity. Convergent
validity mengukur besarnya korelasi antara konstrak dengan variabel
laten.
Dalam uji convergent validity dari pemeriksaan individual item
reliability, dapat dilihat dari nilai standarized loading factor.
59
Standarized loading factor menggambarkan besarnya korelasi antara
setiap item pengukuran (indikator) dengan konstruknya. Nilai loading
factor di atas 0,7 dapat dikatakan ideal, artinya bahwa indikator
tersebut dikatakan valid sebagai indikator yang mengukur konstruk jika
angkanya antara 0,5 – 0,6 dikatakan cukup (Ghozali, 2015).
Selanjutnya melihat interval consistency reliability dari nilai composite
reliability. Composite reliability lebih baik dalam mengukur intenal
consistency dibandingkan cronbach’s alpha dalam model SEM
dikarenakan composite reliability tidak mengasumsikan kesamaan boot
dari setiap indikator. Cronbach’s alpha cenderung menaksir lebih
rendah construct reliability dibandingkan composite reliability. Nilai
batas 0,7 ke atas berarti dapat diterima dan di atas 0,8 dan 0,9 berarti
sangat memuaskan.
Ukuran lain dari convergent validity adalah nilai average variance
extracted (AVE). Nilai ini menggambarkan besaran varian atau
keragaman variabel manifes yang dapat dikandung oleh konstruk laten.
Nilai AVE minimal 0,5 menunjukkan ukuran convergent validity yang
baik. Artinya, variabel laten dapat menjelaskan rata-rata lebih dari
setengah variance dari indikator-indikatornya.
Discriminant validity dievaluasi melalui cross loading, kemudian
membandingkan nilai AVE dengan kuadrat nilai korelasi antar
konstruk. Ukuran cross loading adalah membandingkan korelasi
indikator dengan konstruknya dan konstruk blok lainnya. Bila korelasi
antara indikator dengan konstruknya lebih tinggi dari korelasi dengan
60
konstuk blok lainnya, hal ini menunjukkan konstruk tersebut
memprediksi ukuran pada blok mereka dengan lebih baik dari blok
lainnya. Ukuran discriminant validity lainnya adalah bahwa nilai akar
AVE harus lebih tinggi daripada korelasi antara konstruk dengan
konstruk lainnya atau nilai AVE lebih tinggi dari kuadrat korelasi antar
konstruk.
b. Evaluasi Model Struktural (Inner model)
Ada beberapa tahap untuk mengevaluasi strukturak model, yaitu:
1. Uji Path Coefficient ( β )
Uji path coefficient dilakukan dengan melihat signifikansi
hubungan antar konstruk. Hal ini dapat dilihat dari koefisien
jalur (path coefficient) yang menggambarkan kekuatan
hubungan antara konstruk. Path coeffisient diuji dengan nilai
ambang batas 0,1 untuk menyatakan bahwa jalur (path) yang
dimaksud mempunyai pengaruh di dalam model.
2. Uji Cofficient of Determinant (R2)
Mengevaluasi coefficient of determinant (R2) untuk
menjelaskan varian dari tiap target endogeneous variable
dengan standar pengukuran sekitar 0,67 sebagai kuat, sekitar
0,33 moderat, dan 0,19 atau di bawahnya menunjukkan tingkat
varian lemah.
3. Uji T-Test
Melihat nilai t-test dengan metode bootstrapping menggunakan
uji two-tailed dengan tingkat signifikasi 5% untuk menguji
61
hipotesis-hipotesis penelitian. Hipotesis penelitian akan
diterima jika memiliki t-test lebih besar dari 1,96.
4. Uji Effect Size (f2)
Pengujian f2 (effect size) untuk memprediksi pengaruh variabel
tertentu terhadap variabel lainnya dalam struktur model dengan
nilai ambang batas sekitar 0,02 untuk pengaruh kecil, 0,015
untuk menengah, dan 0,35 untuk pengaruh besar. f 2 dihitung
dengan menggunakan rumus sebaga berikut.
2 R 2 include−R2 exclude
f =
1−R 2 include
Keterangan:
R2included = nilai R2 yang diperoleh ketika konstruk eksogen
dimasukkan ke model.
R2exclude= nilai R2 yang diperoleh ketika konstruk eksogen
dieluarkan dari model.
5. Predictive Relevance (Q2)
Menguji Q2 (predictive relevance) dengan metode blindfolding
untuk memberikan bukti bahwa variabel tertentu yang
digunakan dalam model mempunyai keterkaitan (predictive
relevance) dengan variabel lainnya dalam model dengan
ambang batas pengukuran di atas nol.
6. Relative Impact (q2)
Pengujian q2 (relative impact) masih dengan metode
blindfolding untuk mengukur relatif pengaruh sebuah
62
keterkaitan prediktif sebuah variabel tertentu dengan variabel
lainnya dengan nilai ambang batas sekitar 0,02 untuk pengaruh
kecil, 0,15 untuk pengaruh menengah/sedang, dan 0,35 untuk
pengaruh besar. Rumus yang digunakan untuk perhitungan q2
adalah sebagai berikut.
Q2 include−Q 2 exclude
1−Q 2 include
Keterangan:
Q2included = nilai Q2 yang diperoleh ketika konstruk eksogen
dimasukkan ke model.
Q2exclude= nilai Q2 yang diperoleh ketika konstruk eksogen
dikeluarkan dari model.
Pada PLS-SEM juga diatur mengenai penentuan sampel untuk
penelitian, yaitu 10 kali dari jumlah maksimum anak panah (jalur) yang
mengarah pada variabel laten (10 time rule of thumb) menurut (Hair, Hult,
Ringle , & Sarstedt, 2016 dalam Sholihin & Ratmono, 2013).
2.11 Hipotesis
Hipotesis adalah jawaban yang bersifat sementara terhadap
permasalahan dalam sebuah penelitian, sampai dibuktikan melalui data yang
dikumpulkan (Siswanto V. A., 2012). Menurut Kerlinger dalam (Sangadji &
Sopiah, 2010) hipotesis merupakan pernyataan dugaan (conjectural) tentang
hubungan antara dua variabel atau lebih. Sedangkan menurut Buckley et al
dalam (Sangadji & Sopiah, 2010) hipotesis adalah suatu pernyataan sederhana
mengenai harapan peneliti akan hubungan antara variabel-variabel dalam
63
suatu masalah untuk diuji dalam penelitian. (Sangadji & Sopiah, 2010)
menyimpulkan bahwa hipotesis adalah :
1. Jawaban sementara (tentatif) terhadap masalah yang diajukan
2. Telah memiliki kebenaran, tetapi baru merupakan kebenaran taraf teoritis
atau kebenaran logis (logical validity, deductive validity)
3. Membutuhkan pembuktian atau pengujian (empirical validity, statistical
validity).
Menurut tingkat ekplanasi hipotesis yang akan diuji, maka rumusan hipotesis
dapat dikelompokkan menjadi tiga macam, yaitu (Sangadji & Sopiah, 2010):
1. Hipotesis Deskriptif
Hipotesis deskriptif adalah dugaan tentang nilai suatu variabel mandiri, tidak
membuat perbandingan atau hubungan.
2. Hipotesis Komparatif
Hipotesis kompratatif adalah pertanyaan yang menunjukkan dugaan nilai
dalam suatu variabel atau lebih pada sampel yang berbeda.
3. Hipotesis Gabungan (Asosiatif)
Hipotesis asosiatif adalah suatu pertanyaan yang menunjukkan dugaan
tentang hubungan antara dua variabel atau lebih.
2.1 SmartPLS
SmartPLS merupakan salah satu software open source atau gratis yang dapat
digunakan untuk melakukan analisis menggunakan PLS-SEM. SmartPLS
dikembangkan oleh University of Hamburg, Jerman (Ghozali & Latan, 2015).
Dalam SmartPLS terdapat beberapa istilah (Hussein, 2015), yaitu:
1. Konstruk Eksogen
64
Konstruk eksogen adalah variabel indepen yang tidak diprekdisi oleh
variabel-variabel lain yang terdapat dalam model. Ini merupakan
variabel yang mempengaruhi variabel yang mempengaruhi variabel
endogen.
2. Konstruk Endogen
Konstruk endogen adalah variabel dependen yang merupakan faktor-
faktor yang diprediksi oleh satu atau beberapa konstruk. Konstruk
endogen dapat memprediksi satu atau beberapa konstruk endogen
lainnya, namun hanya dapat berhubungan kausal dengan konstruk
endogen.
3. Laten Variable
Variabel laten adalah variabel yang tidak dapat diamati dan diukur
secara langsung, nilai kuantitatifnya tidak dapat diketahui secara
langsung.
4. Observed Variable
Variabel ini sering disebut variabel manifest. Variabel ini adalah
variabel yang besaran kuantitatifnya dapat diketahui secara langsung,
misalnya dari skor respon subyek terhadap instrumen pengukuran.
65
Gambar 2. 2 Konstruk dalam SmartPLS 3.0 (Hussein, 2015)
BAB 3
METODE PENELITIAN
3.1 Pendekatan Penelitian
Penelitian niat keberlanjutan peggunaan situs jejaring sosial LinkedIn ini
dilakukan dengan menerapkan pendekatan kuantitatif dan menggunakan strategi
penelitian yang berurutan sesuai dengan tujuan dari penelitian ini yaitu untuk
menganalisis faktor-faktor yang mempengaruhi niat keberlanjutan penggunaan situs
jejaring sosial LinkedIn dan untuk menguji beberapa hipotesis terkait dengan faktor-
faktor yang berpengaruh pada niat keberlanjutan penggunaan situs jejaring sosial
LinkedIn pada lingkungan mahasiswa Universitas Islam Negeri Syarif Hidayatullah
Jakarta, menggunakan Expectation Confirmation Model (ECM) dengan
66
menambahkan 1 variabel yaitu Subjective Norms (Kim B. , 2011). Peneliti
menggunakan pendekatan kuantitatif sehingga diperlukan metode pengumpulan data
dan analisis data untuk menyelesaikan penelitian ini.
Pengumpulan data yang dilakukan pada penelitian ini adalah melalui survei
dengan menggunakan kuesioner. Sedangkan untuk analisis data dilakukan secara
statistik dengan menggunakan aplikasi pengolah statistik. Perangkat lunak yang
digunakan dalam penelitian ini adalah Ms. Word 2019 untuk penulisan laporan, Ms.
Excel 2019 untuk pengolahan data demografis, SmartPLS 3 untuk mengolah data dari
responden yang dikumpulkan melalui kuesioner.
Jika penelitian berupa perpanjangan dari teori yang ada, maka disarankan
untuk menggunakan PLS-SEM (Hair, Ringle, & Sarstedt, 2011). Peneliti
menggunakan metode analisis data yaitu PLS-SEM sesuai pernyataan tersebut.
3.2 Populasi dan Sampel Penelitian
Populasi yang diambil pada penelitian ini adalah seluruh mahasiswa di
lingkungan Universitas Islam Negeri Syarif Hidayatullah Jakarta yang menggunakan
situs jejaring sosial LinkedIn. Berdasarkan data yang diakses di Pangkalan Data
Pendidikan Tinggi Kementerian Pendidikan, Kebudayaan, Riset dan Teknologi,
jumlah mahasiswa Universitas Islam Negeri Syarif Hidayatullah Jakarta yang aktif
mencapai 41.280 mahasiswa pada tahun 2021. Pengambilan sampel yang dilakukan
peneliti dengan menggunakan Teknik Purposive Sampling. Teknik ini digunakan
untuk menyaring bagian dari suatu populasi, dengan tolak ukur yang ditentukan yaitu
mahasiswa yang menggunakan situs jejaring sosial LinkedIn. Dimana penyebaran
kuesioner dilakukan secara tidak langsung kepada responden (Taheerdoost, 2016).
67
Peneliti menggunakan beberapa rujukan pada teori penelitian sebelumnya
guna mendukung pengambilan sampel penelitian. Salah satu teorinya yaitu dalam
(Hair, Anderson, Tatham , & Black, 1998), besarnya sampel bila terlalu besar akan
menyulitkan untuk mendapatkan model yang cocok, dan disarankan ukuran sampel
yang sesuai antara 100-200 responden agar dapat digunakan estimasi interpretasi
dengan SEM. Selain itu (Ghozali I. , 2008) besarnya ukuran sampel memiliki peran
penting dalam interpretasi hasil SEM, ukuran sampel memberikan dasar untuk
mengestimasi sampling error. Menurut (Wijaya, 2009) asumsi dasar yang harus
dipenuhi dalam analisis SEM adalah jumlah sampel yang memenuhi kaidah analisis.
Analisis SEM membutuhkan sampel paling sedikit 5 kali jumlah variabel indikator
yang digunakan yang berkisar antara 100-200 sampel.
Peneliti menggunakan, The 10 times rule yang dikembangkan oleh Barclay et
al dalam (Memon, et al., 2020) dalam menentukan ukuran minimum sampel yang
sesuai dengan metode PLS-SEM. Aturan ini menyatakan bahwa ukuran minimum
sampel yang digunakan dalam sebuah penelitian harus sama dengan atau lebih dari
sepuluh kali jumlah maksimum anak panah (path) yang mengenai variabel laten.
Terdapat 10 anak panah yang mengenai variabel laten pada model yang digunakan
dalam penelitian ini. Sehingga ukuran minimum sampel yang digunakan pada
penelitian ini adalah 100 atau lebih dari 100.
3.3 Metode Pengumpulan Data
3.3.1 Studi Literatur
Pada tahap ini, studi literatur dilakukan peneliti untuk mengumpulkan
data dan informasi yang berkaitan dengan judul penelitian. Kemudian data dan
informasi yang sudah dikumpulkan dijadikan sebagai data pendukung dan
pembanding dalam penelitian yang sedang dilakukan. Sehingga dapat
68
mengetahui kelebihan dan kekurangan dari penelitian-penelitian tersebut.
Pengumpulan data dengan studi literatur dilakukan dengan membaca dan
mempelajari berbagai sumber informasi seperti buku, tesis, jurnal, artikel
maupun website. Berikut adalah beberapa penelitian sejenis yang dijadikan
peneliti sebagai referensi dalam penelitian ini.
69
Tabel 3. 1 Studi Literatur
No Penelitian Model Tujuan Penelitian Variabel Hasil Penelitian
1 An empirical ECM & TPB Untuk memprediksi niat  Continuance Intention Penelitian ini memberikan bukti bahwa
investigation of mobile berkelanjutan pengguna terhadap  User Satisfaction model terintegrasi memiliki kekuatan
data service MDS berdasarkan model ECM &  Perceived Usefulness penjelasan yang lebih baik dari niat
continuance : TPB.  Perceived Enjoyment berkelanjutan pengguna MDS
Incorporating the  Perceived Fee dibandingkan hanya menggunakan salah
theory of planned  Confirmation satu model.
behavior into the  Social Norm
expectation-  Interpersonal
confirmation model Influence
(Byoungsoo Kim,  External Sources
2010) Influence
 Perceived Behavioral
Control
2 Understanding ECM Untuk menganalisa niat  Continuance Intention Hasil penelitian ini mendukung gagasan
Antecedents of berkelanjutan pengguna SNS  User Satisfaction bahwa pengaruh interpersonal
Continuance Intention dengan memasukkan norma  Perceived Usedulness memainkan peran penting dalam
in Social-Networking subjektif kedalam model ECM.  Perceived Enjoyment pengambilan keputusan niat
Services (Byoungsoo  Confirmation berkelanjutan pengguna SNS.
Kim, Ph.D, 2011)  Interpersonal
Influence
 Media Influence
3 Exploring the TAM, TPB, Untuk mengetahui faktor-faktor  Perceived Usefulness Penelitian ini, menemukan bahwa selain
continuance intention EDM & yang mempengaruhi niat  Perceived Ease of use dari 2 komponen TAM (perceived
of social networking Flow Theory berkelanjutan pengguna social  Disconfirmation usefulnes dan ease of usel), faktor lainnya
websites : an empirical networking websites.  Satisfaction seperti flow experience, subjective norms
research (Chia-Lin  Subjective Norms dan perceived behavioral control juga
Hsu, Chih-Ching Yu  Perceived Behavioral penting dalam mendukung niat
& Cou-Chen Wu, Control berkelanjutan bagi pengguna social
2013)  Flow networking websites.
 Attitude
70
 Continuance Intention
4 Understanding IS Untuk mengetahui peran  Perceived Usefulness Hasil penelitian menunjukkan bahwa
Continuance Use in Continuance enjoyment dan subjective norms  Perceived Enjoyment enjoyment dan subjective norms
Social Networking Model dalam niat berkelanjutan  Confirmation memiliki peran yang signifikan terhadap
Services (Cheolho pengguna social networking  Continuance Intention kepuasan dan niat berkelanjutan
Yoon & Erik Rolland, services  Subjective Norms pengguna SNS.
2015)  Satisfaction
 Continuance Use
5 Continuance of ECM Penelitian ini bertujuan untuk  Continuance Intention Penelitian ini menunjukkan bahwa niat
Professional Social mengetahui niat berkelanjutan  Perceived Usefulness berkelanjutan pada profesional SNS
Networking Sites : A dengan menambahkan variabel  Usefulness ditentukan oleh satisfaction, diikuti
Decomposed usability pada professional SNS Confirmation dengan perceived usefulness.
Expectation- seperti linkedin  Usability
Confirmation Confirmation
Approach (A.K.M  Perceived Usability
Najmu Islam & Matti  Satisfaction
Mäntymäki, 2012)
6 Determinants of TAM, TPB, Untuk menguji pengaruh  Perceived Usefulness Hasil dari penelitian ini menunjukkan
Continuance Intention IDT,ECT & perceived usefulness, perceived  Perceived Ease of Use bahwa perceived usefulness, perceived
to Use Social UTAUT ease of use, trust, enjoyment, dan  Enjoyment ease of use, trust, enjoyment, dan
Networking Sites subjective norms pada kepuasan  Trust subjective norms berpengaruh kuat dan
SNS’S : Studying the dan niat berkelanjutan pengguna  Subjective Norms positif terhadap kepuasan dan niat
Case of Facebook facebook di kerajaan Hashemite  Satisfaction berkelanjutan pengguna facebook,
(Abdallah Q Bataineh, Yordania  Continuance Intention dengan hasil faktor terkuatnya yaitu
Ghaith M Al-Abdallah subjective norms.
& Abdelhameed M
Alkharabsheh, 2015)
7 A Study of Social Model of Untuk mendeskripsikan  Communication Hasil penelitian menunjukkan bahwa
Technology Use in Social penggunaan teknologi sosial di  Collaboration sebagian besar responden didominasi
State Islamic technology UIN Syarif Hidayatullah Jakarta  Sharing Resources oleh level junior user dengan usia di
University (UIN) use  Usefulness bawah 40 tahun, selain itu teknologi
Syarif Hidayatullah  Frequency of Access utama yang digunakan responden adalah
71
Jakarta (Muhammad facebook, teknologi sosial kedua yang
Qomarul Huda, Nur populer digunakan adalah twitter. Yang
Aeni Hidayah & menunjukkan bahwa sebagian besar
Syopiansyah Jaya responden menggunakan teknologi sosial
Putra, 2016) untuk mendukung kegiatan sehari-hari.
8 User Trust in Social UTAUT Untuk mengetahui faktor-faktor  Effort Expectancy Hasil dari penelitian ini menunjukkan
Networking Services : apa saja yang mempengaruhi  Trust bahwa kepercayaan pengguna facebook
A Comparison of kepercayaan pengguna SNS  Privacy Concerns dan linkedin dapat dibuat berdasarkan
Facebook and dengan membandingkan  Social Influence privacy concern dan perceived risk yang
LinkedIn (Shuchih facebook dan Linkedin  Continuance Intention dikombinasikan dengan effort
Ernest Chang, Anne  Perceived Risk expectancy, social influence, trust dan
Yenching Liu & Wei continuance intention. Privacy concern
Cheng Shen, 2017) memiliki pengaruh lebih besar terhadap
trust pengguna linkedin dari pada trust
pengguna facebook. Tetapi social
influence untuk niat keberlanjutan
pengguna facebook lebih besar dari pada
linkedin.
9 An expectation- ECM Untuk menyelidiki dampak  Confirmation Hasil penelitian menunjukkan bahwa
confirmation model of perceived usability, perceived  Perceived Enjoyment perceived service quality, perceived
continuance intention security, perceived service  Continuance Intention usability, perceived service quality dan
to use mobile instant quality, dan confirmation pada  Perceived Service confirmation berpengaruh kuat terhadap
messaging (Apollos niat keberlanjutan pengguna Quality kepuasan dan niat berkelanjutan
Patricks Oghuma, mobile instant messaging (MIM)  Satisfaction pengguna MIM, sedangkan perceived
Christian Fernando di Korea Selatan  Perceived Security security tidak berpengaruh kuat terhadap
Libaque-Saenz, Siew  User Interface kepuasan dan niat berkelanjutan
Fan Wong &  Perceived Usefulness pengguna MIM
Younghoon Chang,
2015)
10 Understanding ECT Untuk mengetahui faktor apa  Continuance Intention Hasil penelitian menunjukkan bahwa niat
Information Systems saja yang mempengaruhi niat  Satisfaction berkelanjutan pengguna sistem informasi
Continuance : An berkelanjutan pengguna sistem  Perceived Usefulness dipengaruhi oleh faktor satisfaction dan
72
Expectation- informasi setelah adanya  Confirmation perceived usefulness.
Confirmation Model penerimaan
(Anol Bhattacherjee,
2001)
11 Continuance adoption HBM & Penelitian ini bertujuan untuk  Perceived Penelitian ini menunjukkan bahwa pada
of mobile-based ECM mengusulkan kerangka Susceptibility HBM, perceived severity, perceived
payments in covid-19 terintegrasi layanan pembayaran  Perceived Severity susceptibility dan self efficacy secara
context : an integrated berbasis mobile dan niat  Confirmation signifikan mempengaruhi konfirmasi
framework of health berkelanjutan penggunanya  Perceived Usefulness layanan pembayaran berbasis mobile.
belief model and dengan mengintegrasikan health  Satisfaction Sedangkan niat berkelanjutan secara
expectation- belief model (HBM) dan  Continuance Intention signifikan dipengaruhi oleh perceived
confirmation model expectation-confirmation model  Self Efficacy usefulness dan perceived satisfaction.
(Sreelakshmi C C & (ECM)
Sangeetha K Prathap,
2020)
73
3.3.2 Survei
Survei berfungsi untuk membantu proses penelitian dengan
menggunakan instrument penelitian yang berupa kuesioner. Proses penyebaran
kuesioner oleh peneliti dilakukan secara tidak langsung secara online dengan
memanfaatkan media sosial seperti WhatsApp dan Instagram kepada
pengguna situs jejaring sosial LinkedIn dikalangan mahasiswa semester akhir
Universitas Islam Negeri Syarif Hidayatullah Jakarta. Penyebaran dilakukan
mulai tanggal 1 Agustus sampai dengan 10 Agustus 2022.
Data yang telah terkumpul selama proses penelitian berlangsung akan
diproses dan diklasifikasikan menggunakan bantuan perangkat lunak pengolah
angka yaitu Ms. Excel 2019. Berdasarkan hasil dari pengumpulan data,
peneliti berhasil memperoleh 127 data dan diperoleh seluruh data yang
terkumpul valid untuk digunakan. Kuesioner yang didapatkan dari penyebaran
tidak langsung melalui WhatsApp sebanyak 82 data dan melalui Instagram 45
data dengan bantuan Google Forms.
Tabel 3. 2 Data Kuesioner

Metode Penyebaran Jumlah
Penyebaran melalui WhatsApp 82
Penyebaran melalui Instagram 45
Total 127
74
3.4 Metode Analisis Data
3.4.1 Model Penelitian
Model dari penelitian ini terdapat pada gambar 3.1 yang merupakan
model (Bhattacherjee, 2001) yang telah dikembangkan oleh (Min &
Shenghua, 2007) , yaitu model Expectation Confirmation Model (ECM) yang
memiliki memiliki 5 variabel yaitu Satisfaction (S), Perceived Usefulness
(PU), Perceived Enjoyment (PE), Confirmation (C), Continuance Use
Intention (CUI). Selanjutnya peneliti memodifikasi dengan menambah 2
variabel yaitu Interpersonal Influence (II), dan Media Influence (MI) yang
diadopsi dari (Kim B. , 2011)
Gambar 3. 1 Model penelitian yang digunakan (Kim, B., 2011)
3.4.2 Indikator Penelitian
Penelitian ini menggunakan indikator berupa kuesioner yang terbagi
menjadi dua bagian. Pada bagian pertama dengan menggunakan lembar surat
75
pengantar dari peneliti sebagai permohonan pengisian kuesioner. Pada bagian
kedua sebanyak 26 pertanyaan telah dibuat berdasarkan model ECM.
Kemudian pertanyaan-pertanyaan tersebut disesuaikan dengan variabel-
variabel yang terdapat dalam model ECM. Tabel 3.3 merupakan penjabaran
dari indikator setiap variabel yang terdapat pada model penelitian ini,
dilengkapi dengan referensi.
Tabel 3. 3 Indikator Penelitian

Indikator
Variabel Referensi
Kode Nama Indikator
PU1 Memaksimalkan Kinerja
Perceived PU2 Menambah Produktivitas
(Davis,1989;Kim,2010;Kim,2011)
Usefulness PU3 Meningkatkan Efektivitas
PU4 Memberikan Manfaat
PE1 Memberikan Kenyamanan
Perceived PE2 Memberikan rasa senang
(Davis, Bargozzi, & Warshaw,1992)
Enjoyment PE3 Memberikan Kenikmatan
PE4 Hal yang Menarik
Pengalaman menggunakan
C1 sistem dibandingkan
ekspektasi
Layanan yang disediakan
Confirmation C2 sistem dibandingkan (Bhattacherjee,2001;Kim,2010;Kim,2011)
ekspektasi
Harapan dibandingkan
C3
ekspektasi
C4 Ekspektasi secara keseluruhan
S1 Pengalaman yang memuaskan

Pengalaman yang
S2
Satisfaction menyenangkan (Bhattacherjee,2001;Kim,2010;Kim,2011)
S3 Kepuasan secara keseluruhan
S4 Performa
S5 Penyesalan
Interpersonal Menggunakan LinkedIn (Venkatesh&Brown,2005)
Influence II1 berdasarkan rekomendasi
orang terdekat
II2 Menggunakan LinkedIn
setelah mengobservasi orang
terdekat
76
Informasi mempengaruhi
113
keputusan
Informasi yang didapatkan di
IM1
Media media massa
(Venkatesh&Brown,2005)
Influence IM2 Melihat iklan di media
IM3 Diberikan hadiah atau promosi
Berniat untuk menggunakan
CUI1 LinkedIn dari pada berhenti
menggunakannya
Berniat untuk terus
Continuance menggunakan LinkedIn
CUI2 (Bhattacherjee,2001;Kim,2010;Kim,2011)
Use Intention dibanding situs jejaring sosial
lain
Berniat meningkatkan
CUI3 penggunaan LinkedIn
dikemudian hari
Berdasarkan indikator penelitian pada tabel 3.3 akan dibuat sebanyak
25 pertanyaan pengujian yang telah disesuaikan dengan indikator variabel
yang ada di model ECM. Daftar pertanyaan dapat dilihat pada tabel 3.4,
selengkapnya format kuesioner dapat dilihat di bagian lampiran.
Tabel 3. 4 Daftar pertanyaan
Variabel Kode Pertanyaan
Menggunakan LinkedIn memungkinkan saya lebih cepat dalam

PU1
berinteraksi dengan profesional
Menggunakan LinkedIn memudahkan saya dalam berinteraksi dengan
PU2
Perceived profesional
Usefulness Menggunakan LinkedIn dapat meningkatkan efektivitas saya dalam
PU3
LinkedIn memberikan manfaat kepada saya dalam berinteraksi dengan
PU4
profesional
PE1 Saya merasa nyaman menggunakan LinkedIn
PE2 Saya merasa senang menggunakan LinkedIn
Perceived
PE3 Saya menikmati semua fitur LinkedIn
Enjoyment
PE4 Saya menemukan bahwa menggunakan LinkedIn hal yang menarik
Menggunakan LinkedIn memberikan saya pengalaman yang lebih baik

Confirmation C1
dari ekspektasi saya
77
Menggunakan LinkedIn memberikan saya kualitas layanan yang lebih
C2
baik dari ekspektasi saya
C3 Harapan saya terpenuhi dari menggunakan LinkedIn
C4 Secara keseluruhan ekspektasi saya pada LinkedIn sesuai dengan realita
S1 LinkedIn memberikan pengalaman yang sangat memuaskan
S2 LinkedIn memberikan pengalaman yang sangat menyenangkan
Satisfaction S3 Secara keseluruhan saya sangat puas dalam menggunakan LinkedIn
S4 Performa LinkedIn sudah memenuhi ekspektasi saya

Saya merasa saya telah melakukan hal yang benar dengan menggunakan
S5
LinkedIn
II1 Saya menggunakan LinkedIn atas rekomendasi keluarga atau teman saya
Interpersonal Saya menggunakan LinkedIn setelah mengamati keluarga atau teman saya
II2
Influence menggunakan LinkedIn
Berdasarkan informasi orang terdekat menggunakan LinkedIn adalah
II3
keputusan atau ide yang bagus
IM1 Saya menggunakan LinkedIn karena melihat berita di televisi atau internet
Media
Influence IM2 Saya menggunakan LinkedIn karena iklan di sosial media
IM3 Saya menggunakan LinkedIn karena hadiah yang ditawarkan
Saya berniat untuk terus menggunakan LinkedIn dibanding berhenti
CUI1
menggunakannya
Continuance
Saya berniat untuk terus menggunakan LinkedIn dibanding situs jejaring
Use Intention CUI2
sosial lain
CUI3 Saya akan sering menggunakan LinkedIn di kemudian hari
Pada penelitian ini, peneliti menggunakan skala likert pada kuesioner yang
berarti skala penilaiannya menggunakan lima pilihan jawaban yang terdiri dari sangat
tidak setuju bernilai 1, tidak setuju bernilai 2, netral (tidak tahu) bernilai 3, setuju
memiliki nilai 4 dan sangat setuju dengan bobot nilai 5.
3.5 Analisis Data dan Interpretasi Hasil
Pada tahap analisis interpretasi hasil dibagi menjadi dua tahapan yaitu analisis
demografis dan analisis statistik inferensial. Pada tahap pertama, peneliti melakukan
78
analisis dengan mengolah data demografis dengan menggunakan program pengolah
angka yaitu Ms. Excel 2019. Kemudian data responden dikelompokkan berdasarkan
pertanyaan karakteristik responden serta pertanyaan umum kuesioner.
Selanjutnya tahap kedua yaitu melakukan analisis statistik inferensial dengan
pendekatan PLS-SEM dengan menggunakan tools SmartPLS versi 3.0 (Hair J. F.,
2012). Peneliti melakukan analisis dengan 2 tahap, yaitu analisis measurement model
(outer model) dan structural model (inner model). Measurement model (outer model
dilakukan dengan tujuan untuk menguji realibilitas dan validitas outer model melalui
indikator reability, internal consistency reliability, convergent validity, dan
discriminant validity. Sedangkan pengujian structural model (inner model) dilakukan
bertujuan untuk menguji path coefficient, coefficient of determination, t-test melalui
metode bootstrapping, effect size, predictive relevance,dan relative impact dengan
menggunakan metode pengujian blind folding (Hair J. F., 2012).
Setelah interpretasi hasil dari penelitian telahdijabarkan dengan
menggambarkan hasil dari analisis demografis responden dengan kondisi lapangan
yang berjalan dan memaparkan hasil dari analisis measurement model (outer model)
dan structural model (inner model) yang telah dilakukan peneliti secara statistik-
kuantitatif dengan membandingkan serta mempertimbangkan sejumlah literatur yang
terkait dengan penelitian ini. Kemudian, hasil dari measurement model (outer model)
dan structural model (inner model) tersebut, peneliti memberikan rekomendasi dari
analisis Continuance use intention atau niat keberlanjutan penggunaan situs jejaring
sosial LinkedIn di lingkungan mahasiswa Universitas Islam Negeri Syarif
Hidayatullah Jakarta.
3.6 Kerangka Penelitian
79
Gambar 3. 2 Kerangka Penelitian
80
BAB 4
HASIL DAN PEMBAHASAN
4.1 Pengumpulan Data
Pada penelitian ini, proses pengumpulan data dilakukan dengan cara
menyebarkan kuesioner secara tidak langsung kepada responden. Penyebaran secara
tidak langsung dilakukan melalui media sosial Whatsapp dan Instagram. Peneliti
memanfaatkan fitur Google forms sebagai media pengisian kuesioner. Penyebaran
kuesioner ini dilakukan dalam kurun waktu sepuluh hari terhitung dimulai pada
tanggal 1 Agustus sampai dengan 10 Agustus untuk mencapai jumlah target sampel
yang diinginkan.
Data yang telah terkumpul selama proses penelitian berlangsung akan diproses
dan diklasifikasikan menggunakan perangkat lunak pengolah angka yaitu Ms. Excel
2019. Berdasarkan hasil dari pengumpulan data, peneliti berhasil memperoleh 127
data dan diperoleh seluruh data yang terkumpul valid untuk digunakan. Kuesioner
yang didapatkan dari penyebaran secara tidak langsung yaitu sebanyak 127 data
melalui bantuan Google Forms.
4.2 Pilot Study
Pilot study bertujuan untuk mengetahui signifikansi tingkat reliabilitas dan
validitas atas kuesioner yang digunakan serta hasil dari hipotesis yang digunakan
dalam penelitian ini. Pilot study dilakukan dengan menggunakan 20 data kuesioner
dari responden yang memenuhi syarat penelitian ini. Secara keseluruhan, berdasarkan
hasil perhitungan dengan 20 data kuesioner tersebut, reliabilitas dan validitas dari
kuesioner dapat dikatakan baik.
Hasil pilot study yang telah dilakukan peneliti memutuskan untuk tidak
melakukan modifikasi terhadap model penelitian karena telah mencapai atau
81
memenuhi syarat. Uji realibilitas pada penelitian ini dengan melihat composite
realibility harus lebih dari 0.700 dan uji validitas melihat dari nilai AVE lebih dari
0.500 agar data dapat diterima (Hair et al., 2017)
Gambar 4.1 Nilai Composite Realibility dan AVE Pilot Study
4.3 Statistika Deskriptif
Statistika deskriptif dilakukan oleh peneliti untuk menganalisis data dengan
mengetahui gambaran data penelitian secara umum. Analisis data secara deskriptif ini
dilakukan dengan cara memaparkan secara rinci frekuensi jawaban responden
terhadap masing-masing indikator dalam kuesioner. Berikut ini merupakan analisis
deskriptif untuk masing-masing variabel yang digunakan dalam penelitian ini :
4.3.1 Variabel Perceived Usefulness
Variabel perceived usefulness digunakan untuk mengukur manfaat
yang diharapkan oleh pengguna dalam meningkatkan kinerja pengguna
dalam penggunaan LinkedIn. Variabel ini terdiri dari beberapa indikator,
yaitu ;
4.3.1.1 Memaksimalkan kinerja
Memaksimalkan kinerja yang dimaksud adalah
pengguna bisa lebih memaksimalkan penggunaan teknologi
informasi melalui penggunaan LinkedIn dalam berinteraksi dan
82
membangun koneksi dengan profesional. Berdasarkan hasil
pengukuran, terdapat 5 responden (4%) memilih Sangat Tidak
Setuju, 20 responden (16%) memilih Tidak Setuju, 27
responden (21%) memilih Tidak Tahu, 47 responden (37%)
memilih Setuju, dan 28 responden (22%) memilih Sangat
Setuju.
Tabel 4. 1 Frekuensi Indikator Memaksimalkan Kinerja

PU1
Frekuensi %
Sangat Tidak Setuju 5 4%
Tidak Setuju 20 16%
Tidak Tahu 27 21%
Setuju 47 37%
Sangat Setuju 28 22%
4.3.1.2 Menambah produktivitas
Menambah produktivitas yang dimaksud adalah
pengguna bisa lebih produktif dengan memanfaatkan fitur
LinkedIn yang memberikan kemudahan dalam berinteraksi
dengan profesional. Berdasarkan hasil pengukuran terdapat 3
responden (2%) memilih Sangat Tidak Setuju, 20 responden
(16%) memilih Tidak Setuju, 25 responden (20%) memilih
Tidak Tahu, 52 responden (41%) memilih Setuju, dan 27
responden (21%) memilih Sangat Setuju.
Tabel 4. 2 Frekuensi Indikator Menambah Produktivitas

PU2
Frekuensi %
Tidak Setuju 20 16%
Tidak Tahu 25 20%
83
Setuju 52 41%
4.3.1.3 Meningkatkan efektivitas
Meningkatkan efektivitas yang dimaksud adalah ukuran
keberhasilan LinkedIn dalam memberikan pelayanan kepada
pengguna, seperti fitur-fitur yang disediakan sudah sesuai
harapan pengguna atau masih perlu diperbaharui lagi.
Berdasarkan hasil pengukuran terdapat 2 responden (2%)
memilih Sangat Tidak Setuju, 15 responden (12%) memilih
Tidak Setuju, 33 responden (26%) memilih Tidak Tahu, 49
responden (39%) memilih Setuju, dan 28 responden (22%)
memilih Sangat Setuju.
Tabel 4. 3 Frekuensi Indikator Meningkatkan Efektivitas

PU3
Frekuensi %
Tidak Setuju 15 12%
Tidak Tahu 33 26%
Setuju 49 39%
4.3.1.4 Memberikan manfaat
Memberikan manfaat yang dimaksud adalah
penggunaan LinkedIn memberikan manfaat bagi pengguna
dalam berkomunikasi dan membangun koneksi dengan
profesional. Berdasarkan hasil pengukuran terdapat 3
responden (2%) memilih Sangat Tidak Setuju, 23 responden
84
responden (21%) memilih Sangat Setuju
Tabel 4. 4 Frekuensi Indikator Memberikan Manfaat

PU4
Frekuensi %
Tidak Setuju 23 18%
Tidak Tahu 21 17%
Setuju 53 42%
4.3.2 Variabel Perceived Enjoyment
Variabel perceived enjoyment, digunakan untuk mengukur
kesenangan dan kenyamanan pengguna dalam menggunakan LinkedIn.
Variabel perceived enjoyment terdiri dari beberapa indikator, yaitu :
4.3.2.1 Memberikan kenyamanan
Memberikan kenyamanan yang dimaksud adalah
pelayanan LinkedIn sudah membuat pengguna merasa nyaman
dalam menggunakan LinkedIn. Berdasarkan hasil pengukuran
terdapat 6 responden (5%) memilih Sangat Tidak Setuju, 12
responden (9%) memilih Tidak Setuju, 30 responden (24%)
memilih Tidak Tahu, 45 responden (35%) memilih Setuju, dan
34 responden (27%) memilih Sangat Setuju.
Tabel 4. 5 Frekuensi Indikator Memberikan Kenyamanan

PE1
Frekuensi %
Tidak Setuju 12 9%
85
Tidak Tahu 30 24%
Setuju 45 35%
4.3.2.2 Memberikan rasa senang
Memberikan rasa senang yang dimaksud adalah sejauh
mana pengguna merasakan perasaan senang dalam
penggunaan LinkedIn. Berdasarkan hasil pengukuran terdapat
5 responden (4%) memilih Sangat Tidak Setuju, 13 responden
responden (19%) memilih Sangat Setuju.
Tabel 4. 6 Frekuensi Indikator Memberikan Rasa Senang

PE2
Frekuensi %
Tidak Setuju 13 10%
Tidak Tahu 27 21%
Setuju 58 46%
4.3.2.3 Memberikan kenikmatan
Memberikan kenikmatan yang dimaksud adalah sejauh
mana pengguna enjoy atau menikmati fitur-fitur yang ada pada
LinkedIn. Berdasarkan hasil pengukuran terdapat 3 responden
(2%) memilih Sangat Tidak Setuju, 14 responden (11%)
86
memilih Tidak Setuju, 18 responden (14%) memilih Tidak
Tahu, 68 responden (54%) memilih Setuju, dan 24 responden
(19%) memilih Sangat Setuju.
Tabel 4. 7 Frekuensi Indikator Memberikan Kenikmatan

PE3
Frekuensi %
Tidak Setuju 14 11%
Tidak Tahu 18 14%
Setuju 68 54%
4.3.2.4 Hal yang menarik
Hal yang menarik yang dimaksud adalah pengguna
menemukan bahwa menggunakan LinkedIn adalah hal yang
menarik untuk dilakukan. Berdasarkan hasil pengukuran
Tabel 4. 8 Frekuensi Indikator Hal yang Menarik

PE4
Frekuensi %
Tidak Setuju 20 16%
Tidak Tahu 12 9%
Setuju 58 46%
87
4.3.3 Variabel Confirmation
Variabel confirmation merupakan variabel yang mengukur apakah
harapan pengguna terpenuhi atau tidak, khususnya mengenai manfaat,
kesenangan yang dirasakan, dan kepuasan pengguna. Variabel
confirmation terdiri dari beberapa indikator, yaitu :
4.3.3.1 Pengalaman menggunakan sistem dibandingkan
ekspektasi
Pengalaman menggunakan sistem dibandingkan
ekspektasi yang dimaksud adalah penggunaan LinkedIn
memberikan pengalaman yang lebih baik dari yang diharapkan
dari situs jejaring sosial lain. Berdasarkan hasil pengukuran
Tabel 4. 9 Frekuensi Indikator Pengalaman menggunakan

sistem dibandingkan ekspektasi
C1
Frekuensi %
Tidak Setuju 10 8%
Tidak Tahu 23 18%
Setuju 69 54%
88
4.3.3.2 Layanan yang disediakan sistem dibandingkan
ekspektasi
Layanan yang disediakan sistem dibandingkan
ekspektasi yang dimaksud adalah pertukaran informasi berupa
pekerjaan, tempat magang, maupun hubungan profesional
serta mempelajari keterampilan yang dibutuhkan oleh
perusahaan pada LinkedIn telah memenuhi harapan pengguna.
Tabel 4. 10 Layanan yang disediakan sistem dibandingkan

ekspektasi
C2
Frekuensi %
Tidak Setuju 16 14%
Tidak Tahu 24 19%
Setuju 63 50%
4.3.3.3 Harapan dibandingkan ekspektasi
Harapan dibandingkan ekspektasi yang dimaksud
adalah fitur-fitur yang diberikan LinkedIn dalam bentuk yang
disediakan LinkedIn dalam berkomunikasi antar profesional
memenuhi harapan pengguna. Berdasarkan hasil pengukuran
89
Tabel 4. 11 Harapan dibandingkan ekspektasi

C3
Frekuensi %
Tidak Setuju 14 11%
Tidak Tahu 23 18%
Setuju 61 48%
4.3.3.4 Ekspektasi secara keseluruhan
Ekspektasi secara keseluruhan yang dimaksud adalah
fitur dan kegunaan secara keseluruhan dari LinkedIn yang
sudah diberikan dapat memenuhi harapan pengguna.
Tabel 4. 12 Ekspektasi secara keseluruhan

C4
Frekuensi %
Tidak Setuju 13 10%
Tidak Tahu 23 18%
Setuju 68 54%
90
4.3.4 Variabel Satisfaction
Variabel satisfaction merupakan variabel yang mengukur
evaluasi dari pengalaman percobaan pengguna dengan layanan yang
diberikan oleh suatu sistem. Variabel satisfaction terdiri dari beberapa
indikator yaitu :
4.3.4.1 Pengalaman yang memuaskan
Pengalaman yang memuaskan yang dimaksud yaitu
perasaan puas yang dirasakan pengguna ketika menggunakan
LinkedIn karena kualitas fitur yang disajikan telah
memberikan manfaat kepada pengguna. Berdasarkan hasil
pengukuran terdapat 3 responden (2%) memilih Sangat Tidak
Setuju.
Tabel 4. 13 Pengalaman yang memuaskan

S1
Frekuensi %
Tidak Setuju 16 13%
Tidak Tahu 19 15%
Setuju 59 47%
4.3.4.2 Pengalaman yang menyenangkan
Pengalaman yang menyenangkan yang dimaksud adalah
pengguna merasa senang ketika menggunakan LinkedIn atas
layanan yang ditawarkan. Berdasarkan hasil pengukuran
91
Tabel 4. 14 Pengalaman yang menyenangkan

S2
Frekuensi %
Tidak Setuju 19 15%
Tidak Tahu 17 13%
Setuju 48 38%
4.3.4.3 Kepuasan secara keseluruhan
Kepuasan secara keseluruhan yang dimaksud adalah tingkat
pelayanan, fitur-fitur dan informasi yang disajikan oleh
LinkedIn memberikan kepuasan bagi pengguna. Berdasarkan
hasil pengukuran terdapat 4 responden (3%) memilih Sangat
Tidak Setuju, 14 responden (11%) memilih Tidak Setuju, 20
Setuju.
Tabel 4. 15 Kepuasan secara keseluruhan

S3
Frekuensi %
Tidak Setuju 14 11%
Tidak Tahu 20 16%
Setuju 47 37%
92
4.3.4.4 Performa
Performa yang dimaksud adalah kemampuan LinkedIn dalam
memberikan kinerja dan pelayanan yang baik untuk pengguna.
Tabel 4. 16 Performa
S4
Frekuensi %
Tidak Setuju 16 13%
Tidak Tahu 14 11%
Setuju 68 54%
4.3.4.5 Penyesalan
Penyesalan yang dimaksud adalah pengguna merasa telah
melakukan hal yang benar dengan menggunakan LinkedIn.
93
Tabel 4. 17 Penyesalan
S5
Frekuensi %
Tidak Setuju 12 9%
Tidak Tahu 25 20%
Setuju 60 47%
4.3.5 Variabel Interpersonal Influence
Variabel interpersonal influence merupakan variabel yang
mengukur kemampuan dari seseorang yang bisa memberikan pengaruh
terhadap orang lain untuk melakukan suatu tindakan tertentu. Variabel
interpersonal influence terdiri dari beberapa indikator yaitu :
4.3.5.1 Menggunakan LinkedIn berdasarkan rekomendasi
orang terdekat
Menggunakan LinkedIn berdasarkan rekomendasi orang
lain yang dimaksud adalah pengguna memutuskan
menggunakan LinkedIn atas dasar rekomendasi orang lain.
94
Tabel 4. 18 Menggunakan LinkedIn berdasarkan rekomendasi
orang lain
II1
Frekuensi %
Tidak Setuju 5 4%
Tidak Tahu 34 27%
Setuju 65 51%
4.3.5.2 Menggunakan LinkedIn setelah mengobservasi
orang terdekat
Menggunakan LinkedIn setelah mengobservasi orang
terdekat yang dimaksud adalah pengguna memutuskan untuk
menggunakan LinkedIn setelah mengamati orang di
lingkungan sekitar menggunakan LinkedIn. Berdasarkan hasil
Setuju, 5 responden (4%) memilih Tidak Setuju, 26 responden
(21%) memilih Tidak Tahu, 74 responden (58%) memilih
Setuju, dan 21 responden (16%) memilih Sangat Setuju.
Tabel 4. 19 Menggunakan LinkedIn setelah mengobservasi

orang terdekat
II2
Frekuensi %
Tidak Setuju 5 4%
Tidak Tahu 26 21%
Setuju 74 58%
95
4.3.5.3 Informasi mempengaruhi keputusan
Informasi mempengaruhi keputusan yang dimaksud
adalah pengguna memutuskan untuk menggunakan LinkedIn
berdasarkan informasi yang diterimanya. Berdasarkan hasil
Setuju, 5 responden (4%) memilih Tidak Setuju, 24 responden
(19%) memilih Tidak Tahu, 75 responden (59%) memilih
Setuju, dan 22 responden (17%) memilih Sangat Setuju.
Tabel 4. 20 Informasi mempengaruhi keputusan

II3
Frekuensi %
Tidak Setuju 5 4%
Tidak Tahu 24 19%
Setuju 75 59%
4.3.6 Variabel Media Influence
Variabel media influence merupakan variabel yang mengukur
sejauh mana pengaruh media massa dapat mempengaruhi seseorang.
Variabel media influence terdiri dari beberapa indikator yaitu :
4.3.6.1 Informasi yang didapatkan di media massa
Informasi yang didapatkan di media massa yang
dimaksud adalah pengguna memperoleh informasi mengenai
LinkedIn melalui media massa. Berdasarkan hasil pengukuran
96
Tabel 4. 21 Informasi yang didapatkan di media massa

MI1
Frekuensi %
Tidak Setuju 31 24%
Tidak Tahu 59 47%
Setuju 23 18%
Sangat Setuju 1 1%
4.3.6.2 Melihat iklan di media
Melihat iklan di media yang dimaksud adalah pengguna
melihat iklan di media mengenai LinkedIn. Berdasarkan hasil
pengukuran terdapat 21 responden (16%) memilih Sangat
Tidak Setuju, 38 responden (30%) memilih Tidak Setuju, 43
memilih Setuju, dan 1 responden (1%) memilih Sangat Setuju.
Tabel 4. 22 Melihat iklan di media

MI2
Frekuensi %
Tidak Setuju 38 30%
Tidak Tahu 43 34%
Setuju 24 19%
Sangat Setuju 1 1%
4.3.6.3 Diberikan hadiah atau promosi
Diberikan hadiah atau promosi yang dimaksud adalah
pengguna tertarik menggunakan LinkedIn karena hadiah atau
promosi yang diterimanya. Berdasarkan hasil pengukuran
97
Tabel 4. 23 Diberikan hadiah atau promosi lain

MI3
Frekuensi %
Tidak Setuju 28 22%
Tidak Tahu 45 35%
Setuju 18 24%
Sangat Setuju 1 1%
4.3.7 Variabel Continuance Use Intention
Variabel continuance use intention merupakan variabel yang
mengukur tingkat dimana pengguna berniat untuk menggunakan suatu
sistem secara berkelanjutan. Variabel continuance use intention terdiri
dari beberapa indikator yaitu :
4.3.7.1 Berniat untuk menggunakan LinkedIn dari pada
berhenti menggunakannya
Berniat untuk menggunakan LinkedIn dari pada
berhenti menggunakannya yang dimaksud adalah pengguna
memiliki niat untuk terus menggunakan LinkedIn dari pada
tidak menggunakan LinkedIn lagi. Berdasarkan hasil
98
Setuju.
Tabel 4. 24 Berniat untuk menggunakan LinkedIn dari pada

berhenti menggunakannya lain
CUI1
Frekuensi %
Tidak Setuju 21 16%
Tidak Tahu 18 14%
Setuju 64 50%
4.3.7.2 Berniat untuk terus menggunakan LinkedIn
dibanding situs jejaring sosial lain
Berniat untuk terus menggunakan LinkedIn dibanding
situs jejaring sosial lain yang dimaksud adalah pengguna lebih
memilih untuk terus menggunakan LinkedIn dari pada
menggunakan situs jejaring sosial lain. Berdasarkan hasil
Setuju.
Tabel 4. 25 Berniat untuk terus menggunakan LinkedIn

dibanding situs jejaring sosial lain
CUI2
Frekuensi %
Tidak Setuju 15 12%
Tidak Tahu 21 16%
Setuju 64 50%
99
4.3.7.3 Berniat meningkatkan penggunaan LinkedIn
dikemudian hari
Berniat meningkatkan penggunaan LinkedIn
dikemudian hari yang dimaksud adalah pengguna akan terus
meningkatkan penggunaan LinkedIn di masa yang akan
datang. Berdasarkan hasil pengukuran terdapat 3 responden
(2%) memilih Sangat Tidak Setuju, 19 responden (15%)
memilih Tidak Setuju, 17 responden (13%) memilih Tidak
Tahu, 62 responden (48%) memilih Setuju, dan 26 responden
(20%) memilih Sangat Setuju.
Tabel 4. 26 Berniat meningkatkan penggunaan LinkedIn

dikemudian hari
CUI3
Frekuensi %
Tidak Setuju 19 15%
Tidak Tahu 17 13%
Setuju 62 48%
4.4 Hasil Analisis
4.4.1 Hasil Analisis Demografis
Pada tahap ini peneliti menganalissi jawaban responden pada
kuesioner, terkhusus pada bagian profil responden serta mengenai penggunaan
situs jejaring sosial LinkedIn. Peneliti berhasil mengumpulkan 127 responden
dalam kurun waktu 10 hari (1 Agustus – 10 Agustis 2022). Informasi
demografis yang dihasilkan meliputi jenis kelamin, fakultas, semester, lama
menggunakan LinkedIn dan frekuensi waktu penggunaan LinkedIn.
100
4.4.1.1 Jenis Kelamin
Tabel 4.27 di bawah ini merupakan data dari responden yang
telah berhasil dikumpulkan oleh peneliti. Jumlah responden yang
terkumpul yaitu mencapai 127 responden.
Tabel 4. 27 Data Demografis Jenis Kelamin
Jenis Kelamin Jumlah

Laki-laki 51
Perempuan 76
Pada penelitian ini, mayoritas berasal dari responden berjenis kelamin
perempuan yaitu sebanyak 76 orang (60%). Sedangkan sisanya dari
responden berjenis kelamin laki-laki yaitu sebanyak 51 orang (40%),
seperti ditunjukkan pada gambar 4.1 di bawah ini.
Persentase Jenis Kelamin
Laki-laki Perempuan
Gambar 4. 1 Data Persentase Demografis Jenis Kelamin
4.4.1.2 Fakultas
Pada penelitian ini, peneliti berhasil mendapatkan responden
dari masing-masing fakultas di Universitas Islam Negeri Syarif
Hidayatullah Jakarta. Tabel 4.28 di bawah ini menunjukkan data
responden yang telah berhasil dikumpulkan oleh peneliti.
101
Tabel 4. 28 Data Demografis Fakultas
Fakultas Jumlah
Fakultas Dirasat Islamiyah (FDI) 7
Fakultas Ilmu Tarbiyah & Keguruan (FITK) 12
Fakultas Syariah & Hukum (FSH) 9
Fakultas Adab & Humaniora (FAH) 13
Fakultas Ilmu Sosial & Ilmu Politik (FISIP) 23
Fakultas Kedokteran (FK) 3
Fakultas Ushuludin (FU) 6
Fakultas Dakwah & Ilmu Komunikasi (FDIKOM) 2
Fakultas Ekonomi & Bisnis (FEB) 8
Fakultas Sains & Teknologi (FST) 38
Fakultas Psikologi (FPsi) 4
Fakultas Ilmu Kesehatan (FIKES) 2
Berdasarkan data yng telah dikumpulkan peneliti, bahwa dari
127 responden sebagian besar didominasi oleh responden dari Fakultas
Sains dan Teknologi (FST) yaitu sebanyak 38 responden (30%),
disusul dengan responden yang berasal dari Fakultas Ilmu Sosial dan
Ilmu Politik (FISIP) yaitu sebanyak 23 responden (18%). Sedangkan
jumlah responden yang paling sedikit yaitu responden yang berasal
dari Fakultas Dakwah & Ilmu Komunikasi (FDIKOM) dan Fakultas
Ilmu Kesehatan (FIKES) yang peneliti hanya mendapatkan 2
responden (2%). Seperti yang ditunjukkan pada gambar 4.2 di bawah
ini.
102
Fakultas Dirasat Islamiyah
Persentase Fakultas (FDI)
Fakultas Ilmu Tarbiyah &
Keguruan (FITK)
Fakultas Syariah & Hukum
(FSH)
2%
Fakultas Adab & Humaniora
6% (FAH)
3% Fakultas Ilmu Sosial & Ilmu
9% Politik (FISIP)
7% Fakultas Kedokteran (FK)
30%
Fakultas Ushuludin (FU)
10% Fakultas Dakwah & Ilmu
Komunikasi (FDIKOM)
Fakultas Ekonomi & Bisnis
6% 2% 18% (FEB)
Fakultas Sains & Teknologi
5% (FST)
2% Fakultas Psikologi (FPsi)
Fakultas Ilmu Kesehatan
(FIKES)
Gambar 4. 2 Data Persentase Demografis Fakultas
4.4.1.3 Semester
Pada penelitian ini, peneliti membatasi responden dikhusukan
untuk mahasiswa tingkat akhir yang menngunakan LinkedIn, peneliti
berhasil mendapatkan responden mahasiswa tingkat akhir bersemester
genap. Tabel 4.29 di bawah ini menunjukkan data responden yang
telah berhasil dikumpulkan oleh peneliti.
Tabel 4. 29 Data Demografis Semester

Semester Jumlah
8 78
10 9
12 13
14 27
Berdasarkan data yng berhasil dikumpulkan oleh peneliti,
bahwa dari 127 responden sebagian besar didominasi oleh responden
semester 8 sebanyak 78 responden (61%), lalu diikuti oleh responden
semester 14 yaitu sebanyak 27 responden (21%) dan disusul oleh
103
responden semester 12 yaitu sebanyak 13 responden (10%). Jumlah
responden yang paling sedikit yaitu semester 10 sebanyak 9 responden
(7%). Seperti yang di tunjukkan pada gambar 4.3 di bawah ini.
Persentase Semester
21% 8
10
12
14
10%
62%
7%
Gambar 4. 3 Data Persentase Demografis Semester
4.4.1.4 Lama Menggunakan LinkedIn
berdasarkan lama penggunaan LinkedIn. Tabel 4.30 di bawah ini
menunjukkan data responden yang telah berhasil dikumpulkan oleh
peneliti.
Tabel 4. 30 Data Demografis Lama Menggunaan LinkedIn
Lama Menggunakan LinkedIn Jumlah

<1 tahun 78
1-2 tahun 32
>2 tahun 17
Berdasarkan data yang telah dikumpulkan oleh peneliti, bahwa
dari 127 responden, sebagian besar responden telah menggunakan
LinkedIn selama kurang dari 1 tahun mencapai 78 responden (62%).
104
Lalu diikuti dengan 32 responden (25%) yang telah menggunakan
LinkedIn selama 1-2 tahun. Sedangkan, sebanyak 17 responden 13(%)
yang menggunakan LinkedIn lebih dari 2 tahun. Seperti yang di
tunjukkan pada gambar 4.4 di bawah ini.
Persentase Lama Menggunakan LinkedIn
13%
<1 Tahun
1-2 Tahun
>2 Tahun
25%
62%
Gambar 4. 4 Data Persentase Demografis Lama Menggunakan

LinkedIn
4.4.1.5 Frekuensi Penggunaan Harian LinkedIn
berdasarkan frekuensi penggunaan LinkedIn dalam waktu perhari.
Tabel 4.31 di bawah ini menunjukkan data responden yang telah
berhasil didapatkan oleh peneliti.
Tabel 4. 31 Data Demografis Frekuensi

Jumla
Frekuensi Penggunaan LinkedIn (Perhari) h
<1 Jam 91
1-2 Jam 30
> 2 Jam 6
Berdasarkan data yang telah dikumpulkan oleh peneliti, bahwa
dari 127 responden, sebagian besar pengguna LinkedIn menghabiskan
105
waktu penggunaan LinkedIn dalam waktu 1 hari yaitu kurang dari 1
jam sebanyak 91 responden (72%). Kemudian sebanyak 30 responden
(24%) menghabiskan waktu 1-2 jam dalam penggunaan LinkedIn.
Sedangkan 6 responden (4%) menghabiskan waktu lebih dari 2 jam.
Seperti yang di tunjukkan oleh gambar 4.5 di bawah ini.
Frekuensi Penggunaan LinkedIn
4%
<1 Jam
24% 1-2 Jam
>2 Jam
72%
Gambar 4. 5 Data Persentase Demografis Frekuensi Penggunaan

LinkedIn (Perhari)
4.4.2 Hasil Analisis Outer Model
Pada tahap ini dilakukan analisis pengukuran model (Measurement
Model) yaitu analisis pengukuran model yang terdiri dari empat tahapan
pengujian. Tahapan pengujian yaitu individual item realibility, internal
consistency reliability, average varian extracted dan discriminant validity.
106
Gambar 4. 6 Model Penelitian pada SmartPLS 3
Berdasarkan gambar 4.8 di atas menunjukkan model yang digunakan
dalam penelitian ini terdiri dari 7 variabel dan 26 item pertanyaan. Berikut
adalah penjelasan mengenai empat pengujian outer model untuk model
penelitian di atas :
4.4.2.1 Uji Individual Item Reliability
Pengujian ini dilakukan dengan cara melihat standardized
loading factor. Nilai ini menggambarkan besarnya korelasi antara
setiap indikator dengan konstraknya. Menurut (Hair, Hult, Ringle, &
Sarstedt, 2017) Nilai loading factor yang dapat dikatakan valid yaitu
jika nilainya lebih besar dri 0.7. Tetapi, beberapa peneliti seperti
Kurniawan dan Yamin berpendapat jika nilai loading factor lebih besar
dari 0.5 sudah dapat dikatakan valid.
107
Tabel 4. 32 Analisis Outer Loading
C CUI II MI PE PU S
C1 0.881
C2 0.874
C3 0.899
C4 0.847
CUI1 0.933
CUI2 0.909
CUI3 0.908
II1 0.908
II2 0.875
II3 0.889
MI1 0.879
MI2 0.927
MI3 0.908
PE1 0.887
PE2 0.915
PE3 0.864
PE4 0.901
PU1 0.930
PU2 0.913
PU3 0.861
PU4 0.916
S1 0.899
S2 0.907
S3 0.936
S4 0.901
S5 0.808
Berdasarkan Tabel 4.34 di atas, setelah melakukan pengujian
pada penelitian ini menunjukkan bahwa semua item bisa diterima
karena sudah memenuhi persyaratan. Semua item yang ada sudah
berada di atas 0.7 dan nilai loading factor-nya sudah di atas 0.5
sehingga seluruh item bisa digunakan dalam penelitian ini.
4.4.2.2 Uji Internal Consistency Reliability
Pengujian ini dilakukan dengan melihat nilai composite
reliability dengan nilai ambang batas 0.7. Nilai composite reliability
untuk 7 variabel yang digunakan dalam penelitian ini sudah berada di
108
atas 0.7 sehingga semua variabel sudah memenuhi persyaratan dan
dapat digunakan dalam penelitian. Nilai composite reliability untuk
setiap variabel dapat dilihat pada tabel 4.35 di bawah ini.
Tabel 4. 33 Hasil Uji Composite Reliability
Composite Reliability
Perceived Usefulness 0.948
Perceived Enjoyment 0.940
Confirmation 0.929
Satisfaction 0.951
Interpersonal Influence 0.920
Media Influence 0.931
Continuance Use Intention 0.941
4.4.2.3 Uji Average Variance Extracted (AVE)
Pengujian Average Variance Extracted (AVE) ini dilakukan
dengan cara melihat nilai Average Variance Extracted (AVE). Nilai
AVE dapat digunakan untuk menggambarkan besaran varian atau
keragaman indikator yang dapat dikandung oleh variabel laten. Untuk
ukuran convergent validity yang baik, nilai AVE harus di atas 0.5.
Nilai tersebut artinya bahwa variabel laten dapat menjelaskan lebih
dari setengah dari keberagaman indikator-indikator didalamnya. Dalam
penelitian ini, nilai AVE untuk semua variabel sudah di atas 0.5
sehingga semua variabel dapat digunakan dalam penelitian. Pada tabel
4.36 menunjukkan nilai Average Variance Extracted (AVE) di setiap
variabel.
Tabel 4. 34 Hasil Uji Average Variance Extracted (AVE)

Average Variance Extracted
(AVE)
109
Perceived Usefulness 0.820
Perceived Enjoyment 0.795
Confirmation 0.766
Satisfaction 0.794
Interpersonal Influence 0.794
Media Influence 0.819
Continuance Use Intention 0.841
4.4.2.4 Uji Discriminant Validity
Pengujian ini dilakukan dengan melalui dua cara yaitu dengan
memeriksa cross loading dan cross loading Fornell-Lacker’s. Cross
Loading dilakukan dengan membandingkan korelasi indikator dengan
konstruknya dan konstruk blok lainnya. Bila korelasi antara indikator
dengan konstruknya lebih tinggi daripada korelasi dengan konstruk
blok lainnya, itu menunjukkan bahwa konstruk tersebut memprediksi
ukuran pada blok mereka lebih baik dari blok lainnya.
110
Tabel 4. 35 Nilai Cross Loading
C CUI II MI PE PU S
C1 0.881 0.628 0.385 0.278 0.514 0.419 0.590
C2 0.874 0.577 0.381 0.303 0.492 0.365 0.608
C3 0.899 0.670 0.386 0.347 0.591 0.468 0.680
C4 0.847 0.633 0.442 0.354 0.513 0.366 0.639
CUI1 0.646 0.933 0.408 0.517 0.755 0.721 0.780
CUI2 0.630 0.909 0.431 0.482 0.706 0.615 0.742
CUI3 0.697 0.908 0.469 0.483 0.700 0.653 0.829
II1 0.449 0.478 0.908 0.165 0.313 0.360 0.353
II2 0.374 0.367 0.875 0.119 0.229 0.264 0.221
II3 0.384 0.413 0.889 0.115 0.311 0.327 0.280
MI1 0.336 0.456 0.112 0.879 0.272 0.292 0.473
MI2 0.337 0.500 0.166 0.927 0.363 0.383 0.488
MI3 0.325 0.505 0.132 0.908 0.362 0.340 0.468
PE1 0.482 0.662 0.249 0.285 0.887 0.419 0.563
PE2 0.534 0.711 0.287 0.323 0.915 0.500 0.661
PE3 0.498 0.662 0.296 0.269 0.864 0.468 0.534
PE4 0.627 0.758 0.315 0.420 0.901 0.510 0.699
PU1 0.407 0.671 0.289 0.353 0.515 0.930 0.661
PU2 0.437 0.683 0.360 0.368 0.473 0.913 0.668
PU3 0.347 0.576 0.338 0.207 0.424 0.861 0.576
PU4 0.480 0.683 0.320 0.412 0.516 0.916 0.684
S1 0.653 0.788 0.344 0.451 0.625 0.696 0.899
S2 0.713 0.823 0.337 0.537 0.649 0.676 0.907
S3 0.699 0.813 0.320 0.474 0.654 0.639 0.936
S4 0.604 0.735 0.222 0.450 0.624 0.633 0.901
S5 0.521 0.634 0.210 0.426 0.532 0.539 0.808
Pada tabel 4.37 di atas menunjukkan bahwa nilai cross loading
indikator yang diberi warna jingga pada setiap variabel memiliki nilai
lebih tinggi dari korelasi dan konstruk blok lainnya. Selanjutnya cross
loading Fornell-Lacker’s dilakukan dengan cara membandingkan nilai
akar AVE, dimana nilai akar AVE harus lebih tinggi daripada korelasi
antara konstruk dengan konstruk lainnya. Pada tabel 4.38 di bawah ini
menunjukkan bahwa nilai akar AVE lebih tinggi dari pada korelasi
antara konstruk dengan konstruk lainnya. Sehingga berdasarkan hasil
111
pemeriksaan dua tahap cross loading diketahui bahwa tidak ada
masalah dalam uji discriminant validity.
Tabel 4. 36 Analisis Nilai Cross Loading Fornell-Larcker’s

C CUI II MI PE PU S
C 0.875
CUI 0.718 0.917
II 0.455 0.476 0.891
MI 0.367 0.539 0.152 0.905
PE 0.605 0.786 0.322 0.369 0.892
PU 0.465 0.724 0.360 0.375 0.534 0.906
S 0.720 0.856 0.326 0.526 0.694 0.717 0.891
Secara keseluruhan setelah melakukan analisis outer model
dengan mengggunakan empat tahapan di atas, dapat di katakan bahwa
model yang digunakan dalam penelitian ini memiliki karakteriktik
yang baik secara statistik. Sehingga dapat disimpulkan bahwa model
yang diajukan sudah memenuhi syarat untuk dilanjutkan ke tahap
pengujian struktur model yaitu analisis Inner Model.
4.4.3 Hasil Analisis Inner Model
Pada tahapan ini, menurut (Widarjono, 2015), analisis struktur model
(inner model) dilakukan bertujuan untuk menganalisis faktor bersamaan
dengan pengujian hipotesis penelitian yang telah dirumuskan. Pada tahap
analisis model struktural ini dilakukan enam tahapan pengujian, yang terdiri
dari pengujian path coefficient (β), coefficient of determination (R2), t-test,
dengan menggunakan bootstrapping, effect size (f2), predictive relevance
(Q2), dan relative impact (q2) yang dilakukan dengan metode blindfolding.
112
4.4.3.1 Uji Path Coefficient (β)
Pada tahapan ini, pengujian dilakukan untuk mengevaluasi
besarnya pengaruh masing-masing variabel laten independen dengan
melihat koefisien analisis jalurnya (Widarjono, 2015). Nilai path
coefficient di atas ambang batas yaitu 0.1 maka dinyatakan memiliki
pengaruh dalam model (Abdillah, Jogiyanto, & Willy, 2015). Hasil
dari path coefficient untuk tiap jalur yang ada di dalam penelitian ini
terdapat pada tabel 4.39
Tabel 4. 37 Analisis Path Coefficient

Jalur Penelitian Path Coefficient Analisis
C → PE 0.605 Signifikan
C → PU 0.465 Signifikan
C→S 0.383 Signifikan
II → CUI 0.165 Signifikan
MI → CUI 0.126 Signifikan
PE → CUI 0.328 Signifikan
PE → S 0.244 Signifikan
PU → CUI 0.161 Signifikan
PU → S 0.409 Signifikan
S → CUI 0.393 Signifikan
4.4.3.2 Uji Coefficient of Determination (R2)
Pada tahapan ini pengujian dilakukan untuk melihat mengukur
seberapa besar variabel laten dependen dijelaskan oleh variabel laten
independen. Nilai R² adalah antara nol (0) dan satu (1). Nilai R² yang
kecil berarti kemampuan variabel-variabel independen (bebas) dalam
menjelaskan variabel dependen amat terbatas (lemah). Nilai yang
mendekati satu berarti variabel-variabel independen memberikan
hampir semua informasi yang dibutuhkan untuk memprediksi variasi
variabel dependen (Ghozali, 2009). Dengan standar pengukuran 0.67
113
dikatakan kuat, 0.33 dikatakan moderat dan di bawah 0.19 dikatakan
lemah.
Tabel 4. 38 Analisis Coefficient of Determinanation

R² Keterangan
CUI 0.857 Kuat
PE 0.366 Moderat
PU 0.216 Moderat
S 0.739 Kuat
4.4.3.3 Uji t-test
Pada tahapan ini dilakukan untuk dengan menggunakan metode
bootsraping dengan uji two-tailed dengan tingkat signifikasi sebesar
5% untuk menguji hipotesis penelitian. Dengan menggunakan
perbandingan antara nilai t-test dengan t-table. Jika nilai t-test lebih
tinggi daripada t-table maka dapat diartikan bahwa hipotesis terdukung
(Ikhsania, 2015). Hipotesis akan diterima jika nilai t-test lebih besar
dari 1.96. Pada penelitian ini semua hipotesis dapat diterima karena
semua nilai pada setiap variabel sudah lebih dari 1.96. Berikut
merupakan nilai t-test untuk setiap hipotesis yang ada dalam penelitian
ini.
Tabel 4. 39 Analisis t-test

Jalur Penelitian t-test Analisis
C → PE 6.570 Diterima
C → PU 4.752 Diterima
C→S 3.679 Diterima
II → CUI 3.585 Diterima
MI → CUI 3.199 Diterima
PE → CUI 2.506 Diterima
PE → S 1.995 Diterima
PU → CUI 2.847 Diterima
PU → S 3.835 Diterima
114
S → CUI 2.896 Diterima
4.4.3.4 Uji Effect Size (f2)
Pada tahapan ini dilakukan untuk mempredikasi pengaruh
variabel tertentu terhadap variabel lainnya dalam struktur model
penelitian. Nilai f2 memiliki batasan yaitu 0.02 untuk pengaruh kecil,
0.15 untuk pengaruh menengah dan 0.35 untuk pengaruh besar. f2
dihitung dengan menggunakan rumus sebagi berikut :
Keterangan :
R2 Include : Nilai R2 yang diperoleh ketika konstrak eksogen
dimasukkan ke model
R2 exclude : Nilai R2 yang diperoleh ketika konstruk eksogen
dikeluarkan dari model
Pada peneltian ini, hasil pengujian f² terhadap 10 jalur
menunjukkan bahwa terdapat empat jalur yaitu Confirmation (C)
terhadap Perceived Enjoyment (PE), Media Influence (MI) dan
Perceived Enjoyment (PE) terhadap Continuance Use Intention (CUI),
dan Perceived Usefulness (PU) terhadap Satisfaction (S) memiliki
pengaruh besar. Lalu tiga jalur yaitu Confirmation (C) terhadap
Perceived Usefulness (PU), Interpersonal Influence (II) dan
Satisfaction (S) terhadap Continuance Use Intention (CUI) memiliki
pengaruh menengah. Sedangkan tiga jalur lainnya memiliki pengaruh
115
kecil. Berikut merupakan tabel 4.42 yang menunjukkan hasil f² untuk
tujuh dalam penelitian ini :
Tabel 4. 40 Analisis Effect Size

Jalur Penelitian R² Include R² Exclude f² Analisis
C → PE 0.366 0 0.578 Besar
C → PU 0.216 0 0.276 Menengah
C→S 0.739 0.650 0.341 Menengah
II → CUI 0.857 0.834 0.161 Menengah
MI → CUI 0.857 0.845 0.084 Kecil
PE → CUI 0.857 0.803 0.378 Besar
PE → S 0.739 0.706 0.126 Kecil
PU → CUI 0.857 0.845 0.084 Kecil
PU → S 0.739 0.625 0.437 Besar
S → CUI 0.857 0.809 0.336 Menengah
4.4.3.5 Uji Predictive Relevance (Q2)
Pada tahapan ini, pengujian menggunakan metode blindfolding
untuk dapat membuktikan bahwa variabel tertentu yang digunakan
dalam suatu model memiliki keterkaitan secara prediktif (predictive
relevance) dengan variabel lainnya dengan ambang batas pengukuran
di atas nol (Ghozali, 2014).
Hasil pengujian menunjukkan bahwa seluruh jalur yang ada
dalam penelitian ini memiliki keterkaitan secara prediktif dapat
ditunjukkan dengan tabel berikut:
Tabel 4. 41 Analisis Predictive Relevance

Jalur Penelitian Q² Analisis
C → PE 0.283 Predictive Relevance
C → PU 0.157 Predictive Relevance
C→S 0.570 Predictive Relevance
II → CUI 0.691 Predictive Relevance
MI → CUI 0.691 Predictive Relevance
PE → CUI 0.691 Predictive Relevance
PE → S 0.570 Predictive Relevance
116
PU → CUI 0.691 Predictive Relevance
PU → S 0.570 Predictive Relevance
S → CUI 0.691 Predictive Relevance
4.4.3.6 Uji Relative Impact (q2)
Pada tahapan ini, pengujian dilakukan dengan menggunakan
metode blindfolding untuk mengukur pengaruh relatif dari sebuah
keterkaitan anatara prediktif sebuah variabel tertentu dengan variabel
lainnya dalam model penelitian. Nilai ambang batas untuk pengukuran
ini yaitu 0.02 untuk pengaruh kecil, 0.15 untuk pengaruh menengah,
dan 0.35 untuk pengaruh besar. Rumus untuk perhitungan q2 yaitu
sebagai berikut :
Keterangan :
q2 included : Nilai q2 yang diperoleh ketika konstruk eksogen
dimasukkan ke dalam model
q2 ekscluded : Nilai q2 yang diperoleh ketika konstuk eksogen
dikeluarkan dari model
Pada penelitian ini, hasil pengujian q2 terhadap 10 jalur
menunjukkan bahwa terdapat satu jalur yang memiliki pengaruh Besar
yaitu Confirmation (C) terhadap Perceived Enjoyment (PE).
Kemudian, terdapat tiga jalur yang memiliki pengaruh Menengah yaitu
Confirmation (C) terhadap Perceived Usefulness (PU), Confirmation
(C) dan Perceived Usefulness (PU) terhadap Satisfaction (S).
117
Sedangkan enam jalur lainnya memeiliki pengaruh yang Kecil. Berikut
ini merupakan hasil q2 untuk 10 jalur dalam penelitian ini :
Tabel 4. 42 Analisis Relative Impact
Jalur Penelitian Q² Included Q² Excluded q² Analisis

C → PE 0.283 0 0.395 Besar
C → PU 0.157 0 0.186 Menengah
C→S 0.570 0.500 0.163 Menengah
II → CUI 0.691 0.674 0.055 Kecil
MI → CUI 0.691 0.682 0.029 Kecil
PE → CUI 0.691 0.658 0.107 Kecil
PE → S 0.570 0.544 0.060 Kecil
PU → CUI 0.691 0.684 0.023 Kecil
PU → S 0.570 0.484 0.200 Menengah
S → CUI 0.691 0.651 0.130 Kecil
4.5 Interpretasi dan Diskusi Hasil Analisis
4.5.1 Interpretasi dan Diskusi Hasil Analisis Data Demografis
Berdasarkan hasil analisis sistem infoemasi demografis profil
responden, peneliti melakukan interpretasi dan diskusi hasil, maka di dapatkan
hasil analisis sebagai berikut :
4.5.1.1 Jenis Kelamin
Berdasarkan pada gambar 4.1 yang terdapat pada analisis
demografis sebelumnya, dapat diketahui bahwa pada penelitian ini dari
jumlah 127 data responden yang terkumpul mayoritas berasal dari
responden dengan berjenis kelamin perempuan yaitu sebanyak 76
orang (60%). Sedangkan sisanya dari responden berjenis kelamin laki-
laki yaitu sebanyak 51 orang (40%). Hal ini dikarenakan pada saat
peneliti menyebarkan kuesioner secara tidak langsung melalui aplikasi
Whatsapp dan Instagram peneliti lebih banyak memiliki jaringan
pertemanan dengan responden yang berjenis kelamin perempuan.
118
4.5.1.2 Fakultas
Berdasarkan pada gambar 4.2 menunjukkan bahwa dari 127
reponden yang berhasil peneliti kumpulkan, sebagian besar di
dominasi oleh responden dari Fakultas Sains dan Teknologi (FST)
yaitu sebanyak
38 responden (380), disusul dengan responden yang berasal dari
Fakultas Ilmu Sosial dan Ilmu Politik (FISIP) yaitu sebanyak 23
reponden (18%). Sedangkan, jumlah responden yang paling sedikit
yaitu responden yang berasal dari Fakultas Kesehatan dan Fakultas
Dakwah dan Ilmu Komunikasi yaitu hanya terdapat 2 responden (2%).
Hal ini di karenakan pada saat penyebaran kuesioner peneliti
menyebarkan kuesioner di lingkungan sekitar peneliti yang berasal dari
Fakultas Sanins dan Teknologi (FST). Sedangkan untuk responden
yang berasal dari Fakultas Kesehatan dan Fakultas Dakwah dan Ilmu
Komunikasi, peneliti hanya berhasil mendapatkan bebarapa responden
karena keterbatasan waktu penelitian.
4.5.1.3 Semester
Berdasarkan pada Gambar 4.3 mengenai semester dari
responden penelitian, menunjukkan bahwa dari 127 responden yang
berhasil dikumpulkan peneliti, sebagian besar di dominasi oleh
responden semester 8 sebanyak 78 responden (61%), lalu disusul oleh
responden semester 14 yaitu sebanyak 27 responden (21%), dan diikuti
oleh responden semester 12 yaitu sebanyak 13 responden (10%).
Jumlah responden yang paling sedikit yaitu responden semester 10
yaitu sebanyak 9 responden (7%).
119
4.5.1.4 Lama Menggunakan LinkedIn
Berdasarkan pada Gambar 4.4 mengenai lama menggunakan
LinkedIn menunjukkan bahwa dari 127 responden yang berhasil
dikumpulkan oleh peneliti, sebagian besar responden telah
menggunakan LinkedIn sejak kuramg dari setahun mencapai 78
responden (62%). Lalu disusul dengan 32 responden (25%) yang telah
menggunakan LinkedIn sekitar 1-2 tahun. Sedangkan, sebanyak 17
responden (13%) responden yang mengunakan LinkedIn sejak lebih
dari dari 2 tahun.
4.5.1.5 Frekuensi Penggunaan Harian LinkedIn
Berdasarkan gambar 4.5 menunjukkan bahwa dari 127
responden yang telah dikumpulkan oleh peneliti, sebagian besar
pengguna LinkedIn menghabiskan waktu pengunaan LinkedIn dalam
waktu 1 hari selama kurang dari 1 jam sebanyak 91 responden (72%).
Kemudian sebanyak 30 responden (24%) menghabiskan waktu 1-2 jam
dalam pemakaian LinkedIn. Sedangkan 6 responden (4%)
menghabiskan waktu lebih dari 2 jam.
4.5.2 Interpretasi dan Diskusi Hasil Outer Model
Berdasarkan hasil analisis pengukuran model (outer model) yang telah
di paparkan sebelumnya, hasil akhirnya menunjukkan bahwa pada analisis
pengukuruan model dari model penelitian ini telah memenuhi syarat dan
memiliki karakteristik yang baik. Hal ini di buktikan dengan seluruh indikator
yang memiliki nilai outer loading di atas 0.6 serta nilai composite reliability
dan cronbach’s alpha sudah di atas 0.7. Kemudian, seluruh indikator yang
digunakan dalam penelitian ini memiliki nilai AVE di atas 0.5 serta cross
120
loading dan fornell-larcker yang memiliki kriteria sesuai dengan syarat yang
ada.
4.5.3 Interpretasi dan Diskusi Hasil Inner Model
Pada bagian ini akan dijelaskan interpretasi dan diskusi berdasarkan
tahapan pengujian yang ada pada analisis struktur model yaitu pengujian path
coefficient (β), coefficient of determination (R2), t-test menggunakan metode
bootsrapping, effect size (f2), predictive relevance (Q2), dan relative impact
(q2). Berikut merupakan pembahasan intrepretasi hasil analisis struktural
model yang dilakukan dengan mengikuti pertanyaan-pertanyaan penelitian dan
hipotesis-hipotesis yang telah dirumuskan pada sub bab sebelumnya.
4.5.3.1 H1 : Apakah variabel Confirmation (C) berpengaruh
secarta signifikan terhadap variabel Perceived Usefulness (PU)?
Hasil pengujian t-test pada analisis inner model
menunjukkan bahwa hipotesis pertama (H1) Diterima. Hal ini
artinya Confirmation (C) memiliki pengaruh yang signifikan
terhadap Perceived Usefulness (PU). Dengan nilai hasil pengujian
path coefficient yaitu 0.465. Jalur ini memiliki nilai pengaruh
menengah berdasarkan perhitungan f2 yaitu sebesar 0.276 dan q2
bernilai 0.186.
Hal tersebut konsisten dengan penelitian (Kim B. , 2010) dan (Kim
B. , 2011) yang menyatakan bahwa dari persepektif ECM temuan
mereka mendukung gagasan bahwa Confirmation (C) memiliki
pengaruh yang signifikan terhadap Perceived Usefulness (PU).
Hubungan ini semakin menunjukkan bahwa harapan
pengguna terhadap LinkedIn sudah terpenuhi dengan manfaat yang
121
dirasakan dalam penggunaan LinkedIn. Pengguna LinkedIn telah
merasakan manfaat, baik dalam hal bertukar informasi dan
membangun koneksi dengan profesional, menemukan pekerjaan
atau tempat magang. Fitur tersebut sudah sesuai dengan harapan
yang diinginkan pengguna.
4.5.3.2 H2 : Apakah variabel Confirmation (C) berpengaruh secara
signifikan terhadap variabel Perceived Enjoyment (PE)?
Hasil pengujian t-test pada analisis inner model yang telah
dilakukan, bahwa hipotesis kedua (H2) Diterima. Hal ini artinya
Confirmation (C) memiliki pengaruh yang signifikan terhadap
terhadap Perceived Enjoyment (PE). Dengan nilai hasil pengujian
path coefficient yaitu 0.605. Di sisi lain, pengaruh variabel
Confirmation (C) terhadap variabel Perceived Enjoyment (PE)
memiliki nilai relative impact (q2) 0.395 dan effect size (f2) 0.578
sehingga pengaruh pada hubungan variabel tersebut dapat dikatakan
besar.
Pengaruh Confirmation (C) yang sangat kuat dan signifikan
ini menunjukkan terpenuhinya harapan dan kenyamanan pengguna
LinkedIn. Hal tersebut konsisten dengan penelitian (Kim B. , 2010)
(Kim B. , 2011). Hal ini semakin menunjukkan bahwa harapan
pengguna terhadap penggunaan LinkedIn sudah terpenuhi, maka
dapat meningkatkan kenyamanan pengguna untuk terus
menggunakan LinkedIn.
122
4.5.3.3 H3 : Apakah variabel Confirmation (C) berpengaruh
secarta signifikan terhadap variabel Satisfaction (S)?
dilakukan, bahwa hipotesis ketiga (H3) Diterima. Hal ini artinya
Confirmation (C) memiliki pengaruh yang signifikan terhadap
terhadap Satisfaction (S). Dengan nilai hasil pengujian path
coefficient yaitu 0.383. Di sisi lain, pengaruh variabel Confirmation
(C) terhadap variabel Satisfaction (S) memiliki nilai relative impact
(q2) 0.163 dan effect size (f2) 0.341 sehingga pengaruh pada
hubungan variabel tersebut dapat dikatakan menengah.
Pengaruh Confirmation (C) yang signifikan ini
menunjukkan harapan dan kepuasan yang dirasakan pengguna
LinkedIn sesuai ekspektasi yang diharapkan. Selain itu, situs
jejaring sosial LinkedIn bisa berkinerja seperti yang apa yang
diharapkan, sehingga pengguna lebih cenderung merasa puas ketika
Hal tersebut konsisten dengan penelitian (Kim B. , 2010)
(Kim B. , 2011). Hal ini semakin menunjukkan bahwa harapan
pengguna terhadap penggunaan LinkedIn sudah terpenuhi, maka
dapat mempengaruhi kepuasan pengguna untuk menggunakan
LinkedIn secara terus-menerus. Pengguna akan merasa puas jika
ketika harapan pengguna terhadap penggunaan LinkedIn di
perhatikan seperti kemampuan untuk membangun koneksi dengan
profesional.
123
4.5.3.4 H4 : Apakah variabel Media Influence (MI) berpengaruh
(CUI)?
dilakukan, bahwa hipotesis kelima (H5) Diterima. Hal ini, artinya
Media Influence (MI) memiliki pengaruh yang signifikan terhadap
Continuance Use Intention (CUI). Dengan hasil nilai pengujian path
coefficient yaitu 0.126. Jalur ini memiliki nilai pengaruh kecil
berdasarkan perhitungan f2 0.084 dan berdasarkan perhitungan q2
yaitu 0.029.
Hal ini selaras dengan penelitian yang telah dilakukan oleh
(Kim B. , 2010) yang menyatakan bahwa pengaruh yang signifikan
dalam membentuk niat keberlanjutan pengguna. Hal ini
menunjukkan bahwa dengan memanfaatkan penyebaran informasi
dan promosi di media massa dapat meningkatkan jumlah pengguna
dan mempertahankan pengguna yang ada serta menumbuhkan niat
berkelanjutan penggunaan LinkedIn.
4.5.3.5 H5 : Apakah variabel Interpersonal Influence (II)
berpengaruh secarta signifikan terhadap variabel Continuance
Use Intention (CUI)?
dilakukan, bahwa hipotesis kelima (H5) Diterima. Hal ini, artinya
Interpersonal Influence (II) memiliki pengaruh yang signifikan
terhadap Continuance Use Intention (CUI). Dengan hasil nilai
pengujian path coefficient yaitu 0.165. Jalur ini memiliki nilai
124
pengaruh yang sedang atau menengah berdasarkan perhitungan f2
0.161 sedangkan berdasarkan perhitungan q2 memiliki pengaruh
yang kecil yaitu 0.055.
(Yoon & Rolland, 2015) yang menyatakan bahwa pengaruh
interpersonal memainkan peran penting dalam membentuk niat
keberlanjutan pengguna, dengan memanfaatkan jaringan lingkungan
terdekat pengguna, maka pengguna yang aktif akan mempengaruhi
sekitarnya untuk menjadi pengguna baru. Hal ini menunjukkan
bahwa semakin banyak pengguna aktif maka akan tercipta jaringan
yang meluas dan meningkatkan jumlah pengguna baru, setelah
pengguna baru merasakan manfaat dan keuntungan maka terciptalah
niat berkelanjutan penggunaan LinkedIn.
4.5.3.6 H6 : Apakah variabel Perceived Usefulness (PU)
berpengaruh secarta signifikan terhadap variabel Satisfaction (S)?
dilakukan, bahwa hipotesis keenam (H6) Diterima. Hal ini, artinya
Perceived Usefulness (PU) memiliki pengaruh yang signifikan
terhadap Satisfaction (S). Dengan hasil nilai pengujian path
coefficient yaitu 0.409. Jalur ini memiliki nilai pengaruh yang besar
berdasarkan perhitungan f2 0.437 sedangkan berdasarkan
perhitungan q2 memiliki pengaruh yang sedang atau menengah yaitu
0.200.
(Kim B. , 2011) yang menyatakan bahwa manfaat adalah faktor
125
penting terbentuknya kepuasan. Hal ini menunjukkan bahwa
semakin tinggi manfaat yang dirasakan oleh pengguna maka
pengguna akan merasa puas. Pengaruh manfaat yang signifikan ini
menunjukkan kepuasan yang dirasakan bahwa sebagai pengguna
situs jejaring sosial LinkedIn memperoleh manfaat yang diharapkan.
Semakin LinkedIn meningkatkan kinerja dengan baik seperti yang
diharapkan oleh pengguna, pengguna akan merasa puas.
4.5.3.7 H7 : Apakah variabel Perceived Usefulness (PU)
Hasil pengujian t-test pada analisis inner model
menunjukkan bahwa hipotesis ketujuh (H7) Diterima, Hal ini,
artinya Perceived Usefulness (PU) memiliki pengaruh yang
signifikan terhadap Continuance Use Intention (CUI). Dengan hasil
nilai pengujian path coefficient yaitu 0.161. Jalur ini memiliki nilai
pengaruh yang kecil berdasarkan perhitungan f2 yaitu 0.084 dan q2
yaitu 0.023.
(Kim B. , 2011) yang menyatakan bahwa manfaat adalah faktor
utama pembentuk niat berkelanjutan penggunaan suatu sistem. Hal
ini menunjukkan bahwa semakin tinggi manfaat yang dirasakan oleh
pengguna maka pengguna akan cenderung terus menggunakannya.
LinkedIn telah memberikan layanan yang dapat memberikan
manfaat bagi penggunanya. Hal tersebut menjadikan pengguna akan
cenderung ingin tetap menggunakan LinkedIn.
126
4.5.3.8 H8 : Apakah variabel Perceived Enjoyment (PE)
berpengaruh secarta signifikan terhadap variabel Satisfaction (S)?
dilakukan, bahwa hipotesis kedelapan (H8) Diterima. Hal ini,
artinya Perceived Enjoyment (PE) memiliki pengaruh yang
signifikan terhadap Satisfaction (S). Hal ini dikarenakan hasil nilai
pengujian path coefficient mencapai 0.244. Jalur ini memiliki nilai
pengaruh yang kecil berdasarkan perhitungan f2 yaitu 0.126 dan
berdasarkan perhitungan q2 yaitu 0.060.
(Oghuma, Saenz, & Wong, 2016) yang menyatakan bahwa
kenyamanan yang dirasakan pengguna adalah faktor penting
pembentuk kepuasan. Hal ini menunjukkan bahwa semakin baik
kinerja dan kualitas layanan yang ditawarkan oleh LinkedIn, maka
pengguna akan merasa puas.
4.5.3.9 H9 : Apakah variabel Perceived Enjoyment (PE)
dilakukan, bahwa hipotesis kesembilan (H9) Diterima. Hal ini,
artinya Perceived Enjoyment (PE) memiliki pengaruh yang
signifikan terhadap Continuance Use Intention (CUI). Hal ini
dikarenakan hasil nilai pengujian path coefficient mencapai 0.328.
Jalur ini memiliki nilai pengaruh yang besar berdasarkan
127
perhitungan f2 yaitu 0.378 sedangkan berdasarkan perhitungan q2
memiliki nilei pengaruh yang kecil yaitu 0.107.
(Bataineh, Al-Abdallah, & Alkharabsheh, 2015) yang menyatakan
bahwa kenyamanan yang dirasakan pengguna adalah faktor utama
yang dapat mempengaruhi niat pengguna untuk menggunakan
kembali sebuah sistem atau teknologi. Hal ini menunjukkan bahwa
semakin tinggi kualitas fitur yang disajikan oleh LinkedIn yang
memberikan kenyamanan, maka pengguna akan cenderung terus
menggunakannya. LinkedIn telah memberikan fitur yang dapat
memberikan kenyamanan bagi penggunanya. Hal tersebut
menjadikan pengguna akan cenderung ingin tetap menggunakan
LinkedIn.
4.5.3.10 H10 : Apakah variabel Satisfaction (S) berpengaruh secarta
dilakukan, bahwa hipotesis kesepuluh (H10) Diterima. Hal ini,
artinya Satisfaction (S) memiliki pengaruh yang signifikan terhadap
Continuance Use Intention (CUI). Hal ini dikarenakan hasil nilai
pengujian path coefficient mencapai 0.393. Jalur ini memiliki nilai
pengaruh yang menengah berdasarkan perhitungan f2 yaitu 0.336
sedangkan berdasarkan perhitungan q2 memiliki nilei pengaruh yang
kecil yaitu 0.123.
128
(Susanto, Chang, & Ha, 2016) yang menyatakan bahwa kepuasan
yang dirasakan pengguna adalah faktor utama yang dapat
mempengaruhi niat pengguna untuk menggunakan kembali sebuah
sistem atau teknologi.
Berdasarkan hasil pengamatan, peneliti beranggapan bahwa
hasil ini telah sesuai dengan kondisi yang ada di lapangan, dimana
pengguna akan memiliki niat untuk menggunakan kembali LinkedIn
jika pengguna puas dengan apa yang di berikan oleh LinkedIn.
Variabel satisfaction merupakan salah satu yang menjadi
pertimbangan dalam mendorong niat untuk menggunakan kembali
LinkedIn. Namun, jika pengguna merasa tidak puas dengan
penggunaan LinkedIn, pengguna mungkin akan memilih untuk
berhenti menggunakan LinkedIn. Maka dari itu, dapat disimpulkan
bahwa Satisfaction (S) mempengaruhi Continuance Use Intention
(CUI) yang dimiliki pengguna terhadap penggunaan LinkedIn.
129
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan pada hasil penelitian Analisis Continuance Use Intention Pada
Situs Jejaring Sosial LinkedIn dengan menggunakan Expectation Confirmation Model
(ECM) (Studi Kasus : UIN JAKARTA), maka dapat diambil kesimpulan sebagai
berikut :
1. Hasil pengolahan data yang telah dilakukan oleh peneliti, dari jumlah
responden mencapai 127 responden yang merupakan mahasiswa semester
akhir UIN Syarif Hidayatullah Jakarta yang telah menjadi pengguna situs
jejaring sosial LinkedIn. Terdapat sebanyak 76 responden (60%) akan berniat
untuk terus menggunakan LinkedIn. 44 responden (35%) memilih mungkin
akan melanjutkan penggunaan LinkedIn. Dan yang tidak berniat melanjutkan
penggunaan LinkedIn hanya 7 responden (5%). Mayoritas dari responden
menyatakan bahwa responden akan berniat untuk terus menggunakan
LinkedIn.
2. Berdasarkan hasil dari penelitian, seluruh hipotesis pada penelitian ini terbukti
secara statistik berpengaruh positif dan signifikan terhadap pengukuran tingkat
niat berkelanjutan pengguna dalam penggunaan situs jejaring sosial LinkedIn.
Pengguna merasa LinkedIn telah memenuhi kriteria dan telah memberikan
kualitas layanan yang terbaik bagi para penggunanya, dengan memberikan
manfaat serta kenyamanan dalam setiap penggunaannya. Hal tersebut
menjadikan pengguna merasakan kepuasan dalam penggunaannya dan
menjadi faktor yang mendorong pengguna untuk dapat terus menggunakan
LinkedIn.
130
3. Berdasarkan hasil penelitian, hipotesis yang memiliki hasil effect size (f2) yang
berpengaruh besar adalah C → PE, . Pengaruh Confirmation (C) yang kuat
dan signifikan terhadap Perceived Enjoyment (PE), menunjukkan bahwa
kinerja yang telah diberikan oleh LinkedIn telah sesuai dengan harapan
penggunanya. Pengguna telah memperoleh manfaat yang sesuai dengan apa
yang diharapkan sehingga pengguna lebih cenderung merasa nyaman ketika
5.2 Saran
Berdasarkan dari hasil penelitian yang telah dilakukan, terdapat beberapa
saran yang perlu diperhatikan untuk peneliti selanjutnya, yaitu sebagai berikut :
1. Peneliti selanjutnya disarankan untuk mengembangkan kembali model yang
digunakan oleh peneliti, serta menambahkan variabel-variabel yang terbukti
memiliki pengaruh yang signifikan.
2. Peneliti selanjutnya disarankan untuk mendapatkan data dengan cakupan yang
lebih luas, dan tidak membatasi kriteria responden yang dicari.
3. Penyebaran kuesioner lebih diperbanyak dengan cara tatap muka langsung
dengan responden agar dapat dengan mudah mengetahui sasaran responden
yang dituju, serta membantu responden jika ada pertanyaan yang kurang
dimengerti guna menghindari kesalah pahaman terhadap pertanyaan dalam
kuesioner.
4. Bagi pihak pengembang situs jejaring sosial agar terus meningkatkan layanan
dan dapat terus mempertahankan penggunanya dengan tetap terus
meningkatkan fitur- fitur terbaru serta memperbaiki kualitas sistem agar
pengguna tidak merasakan kejenuhan dalam penggunaannya.
131
DAFTAR PUSTAKA
Abbas, H. A., & Hamdy, H. (2015). Determinants of continuance intention factor in Kuwait
communication market: Case study of Zain-Kuwait. Computers in Human Behavior, 648-657.
Abdillah, W. (2017). Metode Penelitian Terpadu Sistem Informasi. Yogyakarta: Andi.
Afthanorhan, W. M. (2013). A Comparison of Partial Least Square Structural Equation Modelling

(PLS-SEM) and Covariance Based Structural Equation Modelling (CB-SEM) for Confimatory
Factor Analysis. International Journal of Engineering Science and Innovative Technology, 198-
205.
Agazzi, A. E. (2020). Study of the usability of LinkedIn: a social media platform meant to connect
employers and employees. 9.
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision
Processes, 179-211.
Aleman, A. M., & Wartman, K. L. (2009). Online Social Networking on Campus: Understanding What
Matters in Student Culture. New York: Taylor & Francis Press.
Andri, R. M. (2017). Peran dan Fungsi Teknologi Dalam Peningkatan Kualitas Pembelajaran. Jurnal
Ilmiah Research Sains, 122-129.
Arifin, F. (2018). Evaluasi Penerimaan Sistem E-ticket di Taman Margasatwa Ragunan Berdasarkan
Tema UTAUT. Skripsi: UIN Syarif Hidayatullah Jakarta.
Aslam, W., Ham, M., & Farhat, K. (2019). Building Brand Loyalty: An Application of Expectation
Confirmation Model in Mobile Social Commerce. Pakistan Journal of Commerce and Social
Sciences, 806-825.
Avornyo, P., Fang, J., Odai, R. O., Vondee, J. B., & Nartey, M. N. (2019). Factors Affecting Continuous
Usage Intention of Mobile Banking in Tema and Kumasi. International Journal of Business
and Social Science , 17.
Bhattacherjee, A. (2000). Acceptance of Internet Applications Service: The Case of Electronic

Brokerages. IEEE Transactions on System, Man and Cybernetics Part A: System and Human,
411-420.
Bhattacherjee, A. (2001). Understanding Information Systems Continuance: An Expectation-

Confirmation Model. MIS Quarterly.
Boyd, D. M., & Ellison, N. B. (2008). Social Network Sites: Definition, History and Scholarship. Journal
of Computer-Mediated Communication.
Boyd, D., & Ellison, N. (2008). Social Network Sites: Definition, History, and Scholarship. Journal of
Computer-Mediated Communication, 210-230.
Brown , S. A., & Venkatesh, V. (2005). Model of adoption of technology in households: A baseline
model test and extension incorporating household life cycle. MIS Quarterly, 399-426.
Byoungsoo, K. (2011). Understanding Antecedents of Continuance Intention in Social-Networking

Services. CYBERPSYCHOLOGY, BEHAVIOR, AND SOCIAL NETWORKING, 10.
132
Chandra, F. S. (2017). Kepuasan Pengguna Jejaring Sosial LinkedIn sebagai Jejaring Sosial yang
Berorientasi pada Dunia Bisnis dan Profesional di Indonesia. Jurnal E-Komunikasi, 11.
Chandra, F. S. (2017). Kepuasan Pengguna Jejaring Sosial LinkedIn sebagai Jejaring Sosial yang
Berorientasi pada Dunia Bisnis dan Profesional di Indonesia. JURNAL E-KOMUNIKASI , 11.
Chen, C. M., Wang, E. T., & Chen, M. F. (2017). Assessing the impact of determinants in E-Magazines
acceptance : An empirical study. Computer Standard .
Chen, C. M., Wang, E. T., & Chen, M. F. (2017). Assessing the impact of determinants in E-Magazines
acceptance : An empirical study. Computer Standard & Interfaces, 10.
Chen, I. Y. (2015). The factors influencing members continuance intentions in professional

virtualcommunities – a longitudinal study. 1-17. doi:
http://doi.org/10.1177/0165551506075323
Chin, W. W., & Newsted, P. R. (1999). Structural equation modeling analysis with small samples using
partial least squares. Statistical strategies for small sample research, 307-341.
Chiu, C.-M., Hsu, M.-H., Sun, S.-Y., Lin, T.-C., & Sun, P.-C. (2005). Usability, quality, value and e-
learning continuance decisions. Computers&Education, 399-416.
Crego, E. T., & Schiffrin, P. D. (1995). Customer Centered Reengineering: Remapping for Total
Customer Value.
Davis, F. D. (1985). A Technology Acceptance Model For Empirically Testing New End-User
Information Systems: Theory and Results Management.
Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information
Technology (Vol. 133). MIS Quarterly.
Davis, F., Bagozzi, R., & Warshaw , P. (1992). Extrinsic and intrinsic motivation to user computers in
the workplace. Journal of Aplied Social Psychology.
Davis, J., Wolff, H.-G., Forret, M. L., & Sullivan, S. E. (2020). Networking via LinkedIn: An examination
of usage and career benefits. Journal of Vocational Behavior, 15.
Dijck, J. V. (2013). ‘You have one identity’: performing the self on Facebook and LinkedIn. Media,
Culture & Society, 199-215.
Dirgayuza , S. (2009). Panduan Praktis Mengoptimalkan Facebook. Jakarta: Media Kita.
Eriyanto. (2007). Teknik Sampling ; Analisis Opini Publik. Yogyakarta: Lkis Pelangi Aksara.
Festinger, L. (1962). Cognitive dissonance. Scientific American, 93-107.
Gaol, L. J. (2008). Sistem Informasi Manajemen Pemahaman dan Aplikasi. Jakarta: PT Grasindo.
Geladi, P., & Kowalski, B. R. (1986). Partial Least Square Regression: A Tutorial. Analytica Chimica
Acta, 17.
Gelinas, J. U., Dull, R. B., & Wheeler, P. R. (2012). Accounting Information Systems. South Western:
Cengage Learning.
Ghozali, I. (2008). Model Persamaan Struktural, Konsep dan Aplikasi dengan Program AMOS 16.0.
Semarang: Badan Penerbit Universitas Diponegoro.
133
Ghozali, I., & Latan, H. (2015). Partial Least Square, Konsep, Teknik, dan Aplikasi Menggunakan
Program SmartPLS 3.0 untuk Penelitian Empiris. Semarang: UNDIP.
Guritno, S., Sudaryono, & Rahardja, U. (2011). Metodologi Penelitian Teknologi Informasi.
Yogyakarta: Andi.
Hair, J. F. (2012). An Assesment Of The Use Of Partial Least Squares Structural Equation Modeling In
Marketing Research. Journal of the academy of marketing science, 414-433.
Hair, J., Anderson, R., Tatham , R., & Black, W. (1998). Multivariate data analysis 5th Edition. New
Jersey: Prentice Hall.
Hair, J., Ringle, C., & Sarstedt, M. (2011). PLS-SEM: Indeed a Silver Bullet. Journal of Marketing
Theory and Practice.
Hsu, C. L., & Lin, J. C. (2015). What Drives Purchase Intention for Paid Mobile Apps? - An Expectation
Confirmation Model with Perceived Value. Electronic Commerce Research and Applications,
46-57.
Hsu, M. H., & Chiu, C. M. (2004). Predicting electronic service continuance with a decomposed
theory of planned behaviour . Behaviour & Information Technology, 359-373.
Idris, M. (2009). Metode Penelitian Ilmu Sosial. Jakarta: Erlangga.
Jeffry, L. (2004). Metode Desan dan Analisis Sistem . Yogyakarta: Andi Madcoms.
Jogiyanto. (2005). Analisa dan Desain Sistem Informasi: Pendekatan Terstruktur Teori dan Praktik
Aplikasi Bisnis. Yogyakarta: Andi.
Jogiyanto. (2007). Sistem Informasi Keperilakuan. Yogyakarta: Andi Offset.
Jogiyanto. (2008). Analisis dan Desain Sistem Informasi : Pendekatan Terstruktur Teori dan Praktek
Aplikasi Bisnis. Yogyakarta: Andi.
Juditha, C. (2011). Hubungan Penggunaan Situs Jejaring Sosial Facebook Terhadap Perilaku Remaja di
Kota Makassar. Jurnal Penelitian IPTEKKOM, 23.
Jusuf, M. B., Utami, N. P., Hidayanto, A. N., & Shihab, M. R. (2017). Analysis of intrinsic factors of
mobile banking application users’ continuance intention: An evaluation using an extended
Expectation Confirmation Model. 2017 Second International Conference on Informatics and
Computing (ICIC).
Kadir, A. (2014). Pengenalan Sistem Informasi Edisi Revisi. Yogyakarta: Andi.
Kim, B. (2010). An empirical investigation of mobile data service continuance: Incorporating the
theory of planned behavior into the expectation–confirmation model. Expert Systems with
Applications, 7033-7039.
Kim, B., & Han, I. (2009). What drives the adoption of mobile data services? An approach from a
value perspective. Journal of Information Technology, 35-45.
Kordina, L., Putra, W. H., & Herlambang, A. D. (2019). Evaluasi Keadaan Continuance Intention to Use
dan Citizen Support pada Implementasi Layanan Website Pusat Pelayanan Pengaduan
Masyarakat (P3M) Kabupaten Sidoarjo. Jurnal Pengembangan Teknologi Informasi dan Ilmu
Komputer, 10.
134
Krismaji. (2015). Perancangan Sistem Informasi Dan Sistem informasinya. Yogyakarta: Gava Media.
Lai, H. M., Chen, C. P., & Chang, Y. F. (2016). Expectation Confirmation Model of Information system
continuance: A meta analysis. International Journal of Educational and Pedagogical Sciences,
6.
Lam, S. Y., Shankar, V., & Erramilli, M. K. (2004). Customer value, satisfaction, loyalty, and switching
costs: An illustration from a business-to-business service context. Journal of the Academy of
Marketing Science.
Latan, H. (2012). Structural Equation Modeling: Konsep dan Aplikasi. Bandung: Alfabeta.
Laudon, K. C., & Laudon, J. P. (2012). Management Information Systems- Managing The Digital Firm
(12th ed). London: Person Education.
Lee, M. C. (2010). Explaining and Predicting Users' Continuance Intention Toward E-Learning: An
Extension of the Expectation-Confirmation Model. Computers & Education, 506-516.
Lin, C. A., & Atkin, D. A. (2002). Cresskill, N.J. : Hampton Press.
Lin, C. S., Wu, S., & Tsai, R. J. (2005). Integrating perceived playfulness into expectation-
conﬁrmationmodel for web portal context. Information & Management, 683-693.
Martono , A., Maulani, G., & Pujianingsih, S. (2017). Pengembangan Web Alumni dengan
Menggunakan LinkedIn pada Perguruan Tinggi. 13.
Mathieson, K. (1991). Predicting user intentions: Comparing the technology acceptance model with
the theory of planned behavior. Information System Research, 173-191.
McLeod, R. (2007). Management Information System. New Jersey: Pearson Education.
Mulyanto, A. (2009). Sistem Informasi Konsep dan Aplikasi. Yogyakarta: Pustaka Pelajar.
Nawawi, A. (2021). Strategi Pemasaran di Media Sosial. EAS Artikel E-Bisnis (R), 14.
Nazir. (2005). Metode Penelitian. Bogor: Ghalia Indonesia.
Nematollahi et al. (2017). Factors Affecting in Adoption and Use of Electronic Medical Record Based
on Unified Theory of Acceptance and Use of Technology in Iran. Shiraz E-Medical Journal.
Nurrahman , Y. (2017, April 6). Tempo Ekslusif. Retrieved from Pengguna LinkedIn di Indonesia Capai
8 Juta: https://tekno.tempo.co/read/869469/pengguna-linkedin-di-indonesia-capai-8-juta
Nursiyono, J. A. (2015). Kompas Teknik Pengambilan Sampel. Bogor: In Media.
O'Brien, & Marakas. (2009). Management Information Systems.Ninth Edition. New York: McGraw-
Hill/Irwin.
Oliver, R. L. (1980). A Cognitive Model of the Antecedents and Consequences of Satisfaction

Decisions. Journal of Marketing Research.
Parthasarathy, M., & Bhattacherjee, A. (1998). Understanding Post-Adoption Behavior in the Contex
of Online Services. Information Systems Research, 362-379.
Prabandari, S. P., & Sholihah, P. I. (2014). The influence of theory of planned behavior and
entrepreneurship education towards entrepreneurial intention. Journal of Economics,
Business, and Accountancy Ventura, 385-392.
135
Putra, M. A. (2018). Evaluasi Penggunaan pada Produk Uang Elektronik E-Money Bank Mandiri
Menggunakan Model UTAUT 2. UIN Syarif Hidayatullah Jakarta: Skripsi .
Raharjo, S., & Gudnanto. (2011). Pemahaman Individu: Teknik Nontes. Kudus: Nora Media
Enterprise.
Ramzan, S., & Khan, I. M. (2010). Dimension reduction and remedy of multicollinearity using latent
variable regression methods. World Applied Science Journal, 404-410.
Ringle, C. M., Silva, D. D., & Bido, D. (2014). STRUCTURAL EQUATION MODELING WITH THE
SMARTPLS. Brazilian Journal Of Marketing, 19.
Ringle, C., Silva, D., & Bido, D. (2014). Structural Equation Modeling With The SmartPLS. REMark –
Revista Brasileira de Marketing, 18.
Riyanto, A. D. (2022, Februari 20). Hootsuite (We are Social): Indonesian Digital Report 2022.
Retrieved from Andi.Link: https://andi.link/hootsuite-we-are-social-indonesian-digital-
report-2022/
Romney, M. B., & Steinbart, P. J. (2015). Accounting Information System, 13th ed. England: Pearson
Educational Limited.
Sangadji, E. M., & Sopiah. (2010). Metodologi Penelitian: Pendekatan Praktis dalam Penelitian.
Yogyakarta: Andi Offset.
Yogyakarta: C.V Andi Offset.
Yogyakarta: Andi Offset.
Sarwono, J. (2013). Strategi Melakukan Riset. Yogyakarta: Ando Offset.
Setiawan, A. B. (2016). Evaluasi Kepuasan Pengguna Sistem Aplikasi Surat Keterangan Tinggal
Sementara Online (SKTS) dengan Menggunakan Metode End-User Computing Satisfaction.
Surabaya: Universitas Airlangga.
Sheldon, K. M., Abad, N., & Hinsch, C. (2011). Two-process view of facebook use and relatedness
need-satisfaction: Disconnection drives use, and connection rewards it. J Pers Soc Psychol.
Sholihin, M., & Ratmono, D. (2013). Analisis SEM-PLS dengan WarpPLS 3.0. Yogyakarta: Andi.
Siswanto, V. A. (2012). Strategi dan Langkah-langkah Penelitian. Yogyakarta: Graha Ilmu.
Siswanto, V. A. (2012). Strategi dan Langkah-langkah Penelitian. Yogyakarta: Graha Ilmu.
Skeels, M. M., & Grudin, J. (2009). When Social Networks Cross Boundaries: A Case Study of
Workplace Use of Facebook and LinkedIn. 9.
Soehartono, I. (2011). Metode Penelitian Sosial: Suatu Teknik Penelitian Bidang Kesejahteraan Sosial
dan Ilmu Sosial Lainnya. Bandung: Rosda.
Sreelakshmi, C. C., & Prathap, S. K. (2020). Continuance adoption of mobile-based payments in

Covid-19 context: an integrated framework of health belief model and expectation
confirmation model. International Journal of Pervasive Computing and Communications, 29.
136
Sugiyono. (2012). Metode Penelitian Kombinasi. Bandung: Alfabeta.
Sugiyono. (2013). Metode Penelitian Bisnis. Bandung: Alfabeta.
Sugiyono. (2015). Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif dan R&D.
Bandung: Alfabeta.
Sugiyono. (2017). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: CV Alfabeta.
Sukandarrumidi. (2012). Metodologi Penelitian. Cetakan Keempat. Yogyakarta: Gadjah Mada

University Press.
Susanto, A., Chang, Y., & Ha, Y. (2016). Determinants of continuance intention to use the
smartphone banking services: An extension to the expectation-confirmation model.
Industrial Management and Data Systems, 508-525.
Sutabri, T. (2012). Analisis Sistem Informasi. Yogyakarta: Andi.
Sutanta, E. (2011). Basis Data dalam Tinjauan Konseptual. Yogyakarta: Andi.
Taheerdoost, H. (2016). Sampling Methods in Research Methodology: How To Choose a Sampling

Technique for Research. SSRN Electronic Journal.
Thong, J. Y., Hong, S. J., & Tam, K. Y. (2006). The effects of post-adoption beliefs on the expectation -
confirmation model for information technology continuance. International Journal of
Human-Computer Studies.
Van der Heijden, H. (2004). User acceptance of hedonic information systems. MIS quarterly, 695-
704.
Venkatesh, V., Morris, M. G., & Davis , G. B. (2003). User acceptance of information technology:
Toward a unified view. MIS Quarterly 2003, 425.
Wang, Y., & Li, M. X. (2019). Regional characteristics of sports industry profitability: Evidence from
China’s province level data. Physica A: Statistical Mechanics and Its Applications, 946-955.
Watkins, S. C. (2009). The Young and the Digital: What the Migration to Social Network Sites, Games,
and Anytime, Anywhere Media Means for Our Future. UK: Beacon Press.
We Are Social. (2022, April 21). More Than 5 Billion People Now Use The Internet. Retrieved from We
Are Social: https://wearesocial.com/uk/blog/2022/04/more-than-5-billion-people-now-use-
the-internet/
Wicaksono, I. (2016). ANALISIS FAKTOR YANG MEMPENGARUHI NIAT KEBERLANJUTAN

PENGGUNAAN E – LEARNING PADA PERSPEKTIF DOSEN (STUDI KASUS: SHARE ITS). Institut
Teknologi Sepuluh Nopember, 193.
Widi, R. (2011). Uji Validitas Dan Reliabilitas Dalam Penelitian Epidemiologi Kedokteran Gigi.
Stomatognatic, 27-34.
Widi, R. K. (2010). Asas Metodologi Penelitian. Yogyakarta: Graha Ilmu.
Wijaya, T. (2009). Analisis SEM Untuk Penelitian Menggunakan AMOS. Penerbit Universitas
Atmajaya: Yogyakarta.
137
Wong, K. K.-K. (2013). Partial Least Squares Structural Equation Modeling (PLS-SEM) Techniques.
Marketing Bulletin, 33.
Wu, J., Tsai, R. J., Chen, C. C., & Wu, Y. (2006). An Integrative Model To Predict The Continuance Use
Of Electronic Learning Systems: Hints For Teaching. The Electric Journal of e-learning, 287.
Yamin, S., & Kurniawan, H. (2011). Generasi Baru Mengola Data Penelitian dengan Partial Least
Square Path Modelling: Aplikasi dengan software XLSTAT, SmartPLS, dan Visual PLS. Jakarta:
Salemba Infotek.
Zhou, T., & Li, H. (2014). Understanding mobile SNS continuance usage.
138
LAMPIRAN – LAMPIRAN
139
Lampiran 1. Kuesioner Penelitian
Analisis Continuance Use Intention Pada Situs Jejaring Sosial LinkedIn dengan
menggunakan Expectation Confirmation Model (ECM) (Studi Kasus : UIN JAKARTA)
Assalamu’alaikum Wr.Wb
Saya Gina Sajiah Hilman Syah, mahasiswi program studi Sistem Informasi, Fakultas
Sains dan Teknologi, Universitas Islam Negeri Syarif Hidayatullah Jakarta (UIN Jakarta)
yang saat ini sedang melaksanakan penelitian dalam rangka penyelesaian skripsi.
Penelitian ini bertujuan untuk mengetahui niat keberlanjutan pengguna Situs Jejaring
Sosial Profesional LinkedIn berdasarkan persepsi pengguna yaitu mahasiswa semester akhir
UIN Syarif Hidayatullah Jakarta yang telah menjadi pengguna LinkedIn dengan
menggunakan Expectation Confirmation Model (ECM) oleh Anol Bhattacherjee (2001).
Peneliti memohon kepada responden untuk meluangkan waktu untuk mengisi kuesioner di
bawah ini. Jika terdapat informasi yang kurang jelas atau ada hal yang ingin ditanyakan,
Anda dapat menghubungi peneliti melalui email : ginasajiah.hilmansyah15@mhs.uinjkt.ac.id
Nb*seluruh informasi yang dicantumkan dalam form ini hanya digunakan sebagai data
penelitian dan akan dijamin kerahasiannya.
Atas perhatian dan kesediaan waktunya, saya mengucapkan terima kasih.
Wassalamualaikum, Wr. Wb.
Bagian Pertama
Profil Responden
No Pertanyaan Jawaban
.
1. Nama
2. NIM
140
3. Semester ☐8
☐ 10
☐ 12
☐ 14
4. Jenis Kelamin ☐ Laki-Laki
☐ Perempuan
5. Fakultas ☐ Dirasat Islamiyah (FDI)
☐ Ilmu Tarbiyah & Keguruan (FITK)
☐ Syariah & Hukum (FSH)
☐ Adab & Humaniora (FAH)
☐ Ilmu Sosial & Ilmu Politik (FISIP)
☐ Kedokteran (FK)
☐ Ushuludin (FU)
☐ Dakwah & Ilmu Komunikasi (FDIKOM)
☐ Ekonomi & Bisnis (FEB)
☐ Sains & Teknologi (FST)
☐ Psikologi (FPsi)
☐ Ilmu Kesehatan (FIKES)
6. Username LinkedIn
7. Sudah berapa lama anda ☐ < 1 tahun
menggunakan LinkedIn
☐ 1-2 tahun
☐ >2 tahun
8 Berapa lama frekuensi ☐ <1 jam
penggunaan LinkedIn
☐ 1-2 jam
(Perhari)
☐ >2 jam
Bagian Kedua
Bagian kedua dari kuesioner ini berisikan pertanyaan terkait pengalaman
pengguna menggunakan LinkedIn serta kepuasan dan niat penggunaan
141
LinkedIn. Untuk pertanyaan berikut, pilihlah satu jawaban yang paling sesuai
dengan Anda. Berilah tanda (√) pada salah satu skala berikut!
Keterangan:
Singkatan Keterangan Nilai

STS Sangat Tidak Setuju 1
TS Tidak Setuju 2
N Netral/Tidak Tahu 3
S Setuju 4
SS Sangat Setuju 5
Perceived Usefulness
No. Pernyataan STS TS N S SS
LinkedIn memungkinkan saya untuk
1. berkomunikasi lebih cepat dengan
para profesional
Menggunakan LinkedIn telah
2. memudahkan saya dalam berinteraksi
dengan para profesional
Menggunakan LinkedIn dapat
3. meningkatkan efektivitas saya dalam
Saya merasa menggunakan LinkedIn
4. bermanfaat dalam berinteraksi dengan
profesional
Perceived Enjoyment
Saya merasa nyaman menggunakan
5.
LinkedIn
142
Saya merasa senang menggunakan
6.
LinkedIn
7. Saya menikmati semua fitur LinkedIn
Saya menemukan bahwa
8. menggunakan LinkedIn hal yang
menarik
Confirmation
Menggunakan LinkedIn memberikan
9. saya pengalaman yang lebih baik dari
ekspektasi saya
Menggunakan LinkedIn memberikan
10. saya kualitas layanan yang lebih baik
dari ekspektasi saya
Harapan saya terpenuhi dari
11.
Secara keseluruhan ekspektasi saya
12. terpenuhi dalam penggunaan LinkedIn
sesuai dengan realita
Satisfaction
LinkedIn memberikan pengalaman
13.
yang sangat memuaskan
LinkedIn memberikan pengalaman
14.
yang sangat menyenangkan
Secara keseluruhan saya sangat puas
15.
dalam menggunakan LinkedIn
Performa LinkedIn sudah memenuhi
16.
ekspektasi saya
Saya merasa saya telah melakukan hal
17. yang benar dengan menggunakan
LinkedIn
Interpersonal Influence
143
Saya menggunakan LinkedIn atas
18.
rekomendasi keluarga atau teman saya
Saya menggunakan LinkedIn setelah
19. mengamati keluarga atau teman saya
Berdasarkan informasi orang terdekat,
20. menggunakan LinkedIn adalah
keputusan atau ide yang bagus
Media Influence
Saya menggunakan LinkedIn karena
21.
melihat berita di televisi atau internet
22.
iklan di sosial media
23.
hadiah yang ditawarkan
Continuance Use Intention

Saya berniat untuk terus menggunakan
24. LinkedIn dibanding berhenti
menggunakannya
Saya berniat untuk terus menggunakan
25. LinkedIn dibanding situs jejaring
sosial lain
Saya akan sering menggunakan
26.
LinkedIn di kemudian hari
144
Lampiran 2. Data Responden
PU PU PU PU PE PE PE PE C C C C S S S S S II II II MI MI MI CUI CUI CUI

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 5 1 2 3 1 2 3 1 2 3
4 4 4 4 4 4 3 5 4 4 4 4 5 5 5 4 4 5 4 4 4 4 4 4 4 4
4 4 4 5 4 3 4 4 4 4 4 4 5 4 4 4 4 5 4 4 4 3 4 5 5 5
4 5 4 5 2 5 4 4 3 3 4 5 4 5 5 4 4 5 4 4 4 4 3 4 4 4
5 4 5 4 4 3 4 4 4 3 3 3 4 5 4 4 5 5 4 5 4 4 3 4 5 4
5 5 4 4 3 4 5 4 4 4 4 5 4 5 5 4 4 5 5 5 3 3 4 4 4 4
5 4 4 4 3 4 5 4 4 4 4 3 4 5 4 4 4 3 4 3 4 3 3 3 4 5
4 5 3 4 3 4 4 4 5 5 5 5 5 4 5 3 4 4 3 3 3 3 4 4 4 4
5 5 4 3 3 4 4 4 4 4 3 4 4 5 5 4 3 3 4 3 3 3 4 4 4 4
5 4 4 4 3 4 5 4 3 3 3 3 4 5 4 4 4 3 4 4 4 4 4 4 4 3
4 5 4 4 5 4 4 4 4 4 5 4 4 4 5 4 4 4 4 4 4 4 3 4 4 5
5 5 4 5 4 4 4 4 4 4 4 4 5 5 5 4 5 4 4 4 4 4 4 5 4 5
5 5 5 5 3 4 4 5 4 5 3 4 5 5 5 5 5 3 4 4 4 4 4 4 5 4
3 3 3 4 5 5 4 4 4 5 4 5 4 5 5 4 4 3 4 4 4 4 4 4 4 4
4 4 3 4 5 5 4 4 4 5 5 5 5 5 5 4 4 3 3 4 3 3 3 4 4 4
4 4 3 4 5 4 4 4 4 5 4 4 4 5 4 4 4 4 3 4 3 4 4 4 4 4
3 4 4 4 5 5 4 4 5 5 4 4 5 5 5 4 4 3 3 4 3 4 3 4 5 4
3 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 5 4 3 3 3 4 4 5
4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 5 4 4 3 3 4 4 4
3 3 3 4 4 5 4 4 4 4 4 5 5 4 5 4 4 5 4 5 4 4 4 4 5 4
3 4 4 4 4 4 4 4 5 5 4 4 5 4 4 4 4 4 4 5 4 4 4 4 4 4
4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 5 4 5 5 4 4 4 4 5 5
4 3 4 3 4 4 4 5 5 5 4 4 4 5 5 4 4 4 5 5 4 4 4 4 4 4
3 3 3 3 4 3 4 5 4 4 4 4 4 5 5 4 4 5 4 4 4 4 4 5 5 4
4 4 4 4 3 4 4 5 5 4 4 4 5 5 5 5 4 3 3 3 3 3 3 4 4 4
145
4 4 4 4 3 4 5 5 5 4 5 5 5 5 5 5 4 3 3 4 3 3 3 5 5 5
5 5 4 5 4 4 4 5 5 4 4 4 5 5 5 5 4 4 4 3 4 4 3 5 5 4
5 5 5 5 3 4 4 5 4 4 4 5 4 5 5 5 5 3 3 3 3 3 3 4 5 4
5 5 5 5 4 4 4 4 5 5 5 4 5 5 5 4 4 5 4 4 3 2 2 4 4 5
5 5 5 5 4 4 4 4 5 4 4 4 4 4 4 4 4 3 3 4 3 3 3 4 4 4
4 4 4 4 4 4 4 5 4 4 5 4 5 5 5 4 4 3 3 3 4 3 2 4 4 4
2 3 2 3 4 4 4 4 4 5 4 4 3 5 4 4 4 5 5 3 3 3 4 4 4 4
2 2 3 3 4 4 4 5 4 4 4 4 3 4 5 4 4 3 5 3 3 3 3 4 4 4
3 2 3 3 4 4 4 4 4 5 4 4 4 5 5 4 4 3 3 3 3 3 3 3 4 4
3 3 2 2 4 4 4 4 4 4 4 4 4 4 4 3 4 5 4 4 2 2 2 4 4 4
3 3 2 2 4 4 4 5 4 4 4 5 4 4 4 4 4 4 4 4 3 3 3 4 4 5
1 2 3 3 4 3 4 5 4 4 4 4 4 5 4 4 4 4 4 4 5 3 4 4 4 5
2 3 2 2 4 4 5 5 5 5 5 5 4 4 5 4 4 4 4 4 2 1 1 4 4 4
1 1 3 2 1 1 2 2 5 5 5 5 2 2 2 2 2 4 4 4 3 2 2 1 2 3
2 2 3 3 2 2 3 3 3 5 3 5 3 3 3 3 3 5 5 5 3 2 2 2 4 3
3 3 3 2 3 3 2 2 3 3 3 3 2 4 2 4 3 4 3 4 3 2 1 3 2 3
2 2 3 2 2 2 2 2 5 4 5 4 2 2 2 2 3 4 4 4 3 2 1 2 2 3
3 4 4 4 1 1 1 2 4 4 4 4 5 4 5 5 5 3 3 3 3 2 1 1 1 2
4 4 3 4 3 3 3 3 4 4 4 4 5 3 5 5 5 5 5 5 3 3 2 3 3 4
2 2 3 2 2 3 2 2 4 4 4 4 4 4 4 4 4 4 4 4 2 2 1 2 2 3
2 2 2 2 2 2 2 2 4 4 4 4 3 3 3 3 3 4 5 4 1 1 1 2 2 2
2 2 2 2 3 3 4 4 5 5 5 5 2 2 2 2 2 4 5 4 2 2 2 2 2 2
1 1 1 1 5 5 5 5 3 3 3 3 1 1 1 1 1 4 4 5 1 1 1 1 1 1
4 4 4 4 5 5 5 5 4 4 4 4 4 4 4 4 4 4 5 5 2 1 1 4 4 4
4 4 5 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 5 4 1 1 1 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 1 1 1 4 4 4
4 4 5 4 5 5 5 5 4 4 5 4 4 5 5 5 4 4 4 4 1 1 1 4 5 4
3 3 4 5 3 3 4 4 4 4 4 4 3 4 4 4 4 4 4 4 2 2 2 3 4 4
146
4 4 4 5 5 5 5 5 4 4 4 5 4 4 4 4 4 4 4 4 2 2 2 4 4 4
2 2 2 2 1 1 2 2 2 2 1 1 2 1 1 1 1 3 4 3 2 2 2 2 1 1
4 4 4 4 2 2 4 4 4 4 2 2 4 2 2 2 2 4 4 4 2 1 2 4 2 2
4 4 5 5 2 2 2 2 2 2 2 2 2 2 2 2 2 3 4 3 2 2 2 2 2 2
4 4 3 4 3 3 4 4 4 4 3 2 4 3 3 3 2 3 3 4 2 1 1 4 3 2
5 5 5 4 1 1 1 1 1 1 1 2 1 1 1 1 2 4 4 4 1 2 1 1 1 2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 2 1 1 2 2 2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 4 4 4 2 1 1 2 2 2
2 2 2 1 1 3 2 1 3 2 2 2 2 1 3 2 2 3 4 3 2 2 2 1 3 2
1 3 2 2 2 3 2 2 3 2 1 3 2 2 3 3 3 3 3 4 1 1 1 2 3 2
2 2 4 2 2 3 4 2 3 2 2 2 4 2 3 2 2 3 3 3 1 2 1 2 3 2
3 3 5 2 4 2 5 2 2 4 3 3 4 3 4 3 3 4 4 3 2 2 2 2 2 4
2 3 4 2 4 3 4 2 4 2 2 3 2 2 2 2 3 4 4 4 1 1 1 2 4 2
2 4 4 2 3 2 4 2 4 3 2 4 3 2 3 2 4 4 4 4 2 2 2 2 4 3
2 2 2 2 3 2 2 2 3 2 2 2 2 2 2 2 2 4 4 4 2 2 2 2 3 2
2 3 2 2 2 2 2 2 3 2 2 3 2 2 2 2 3 4 4 4 2 2 1 2 3 2
4 5 3 4 5 4 3 4 4 4 5 5 4 4 4 4 5 4 4 4 2 3 4 4 4 4
4 4 4 4 5 4 4 4 4 4 4 5 5 4 5 4 4 3 4 4 3 4 4 4 4 5
4 4 4 4 5 4 4 4 4 4 4 4 5 4 5 4 4 3 4 4 2 2 2 4 4 5
5 5 4 4 5 5 4 4 5 5 5 4 4 5 4 5 5 4 4 3 2 2 2 4 4 4
4 4 5 5 5 4 5 5 4 4 4 5 4 4 4 4 4 4 4 4 3 3 3 5 4 4
5 4 3 5 5 5 3 5 4 4 5 4 4 5 4 5 4 4 4 4 3 3 3 5 5 4
4 5 4 4 5 5 4 4 4 4 4 4 4 4 4 4 5 4 4 4 3 3 3 4 5 4
4 4 5 4 5 5 5 4 4 4 5 4 5 4 5 4 4 5 5 4 3 2 2 4 4 5
4 5 4 4 5 4 4 4 4 4 4 5 4 5 4 4 5 4 4 5 2 3 4 4 5 4
4 4 5 5 5 5 5 5 4 4 4 5 4 4 5 4 4 5 4 4 3 4 3 5 4 5
5 5 5 4 5 5 5 4 5 5 5 3 5 5 5 5 5 5 4 4 3 3 3 4 4 5
5 4 5 5 5 5 5 5 5 5 4 4 5 4 5 5 4 5 3 4 3 2 3 5 4 5
147
4 4 5 5 5 5 4 5 5 4 5 4 5 5 4 5 5 4 4 4 3 3 3 4 5 4
5 5 5 4 5 4 4 5 4 4 5 5 5 4 5 5 4 4 4 4 4 3 4 5 4 5
5 5 5 3 5 5 5 5 4 4 4 4 5 3 5 5 3 4 4 4 2 3 2 5 5 5
5 5 4 5 5 4 5 5 5 5 4 4 4 5 5 4 5 4 4 4 2 2 2 5 4 5
5 5 5 5 4 4 4 4 4 3 5 4 5 5 5 5 5 5 4 5 3 3 4 4 4 5
5 5 5 5 5 5 5 5 4 3 5 4 5 5 5 5 5 5 5 5 2 3 3 5 5 5
5 5 5 5 5 5 5 5 4 3 5 4 5 5 5 5 5 5 5 5 4 3 2 5 5 5
5 5 5 4 5 5 5 5 4 3 5 4 5 5 5 3 3 5 5 5 3 3 3 5 5 5
4 3 4 4 4 3 4 4 4 3 5 4 4 4 4 4 4 4 4 4 3 4 3 4 3 4
4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 5 4 4 4 4 3 3 3 4 4 4
4 4 4 5 4 4 4 4 4 3 4 4 4 3 4 4 3 4 4 4 4 5 4 4 4 4
4 4 4 4 4 4 4 4 5 3 4 4 4 4 4 4 4 4 4 4 3 4 5 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 5 4 3 3 3 4 2 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 3 3 3 3 2 1 3 3 3
2 2 2 2 5 5 5 5 2 2 2 2 2 2 2 4 4 2 2 2 3 3 3 2 2 2
3 3 3 4 4 4 4 5 4 3 3 3 3 3 3 4 5 3 3 3 3 2 3 3 3 3
4 4 3 4 5 4 4 4 4 4 4 3 3 4 3 4 5 3 3 3 3 4 3 4 4 3
4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 2 1 4 4 4
3 3 3 3 5 4 4 4 3 3 3 3 3 3 3 5 5 3 3 3 3 3 3 3 3 3
3 3 4 3 5 4 5 4 3 3 3 4 4 3 4 3 5 4 4 4 2 1 2 3 3 4
4 4 3 4 3 3 4 3 4 4 4 3 3 4 3 3 3 3 5 4 3 2 1 4 4 3
4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 5 4 4 4 3 4 3 4 4 4
2 2 4 2 4 4 2 4 2 2 2 4 4 2 4 4 4 2 2 2 2 1 1 2 2 4
5 4 3 3 3 3 4 5 4 4 4 5 5 4 5 5 5 4 4 4 3 2 3 4 4 5
5 5 5 5 3 3 5 4 5 5 5 4 4 5 4 4 5 4 4 3 4 3 4 5 5 4
5 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 5 3 3 3 4 4 4
5 3 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 1 1 1 4 4 4
3 5 5 5 4 4 3 5 3 5 3 5 5 5 5 5 3 5 5 5 3 3 3 5 3 5
148
4 4 4 4 5 5 5 4 5 4 5 4 4 4 4 4 3 4 4 4 3 2 1 4 5 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 3 2 3 4 4 4
3 2 3 2 3 3 3 3 3 3 3 3 3 2 3 2 5 3 3 4 2 3 2 3 3 3
4 4 4 4 3 3 3 3 3 3 3 3 4 4 4 4 4 3 3 4 1 1 2 3 3 3
4 5 4 5 3 4 4 3 3 4 3 3 4 5 4 5 4 4 4 4 3 3 3 4 3 4
4 4 4 4 4 4 3 4 3 3 4 3 4 4 4 4 5 4 4 4 3 2 3 3 4 4
3 4 3 4 3 4 4 3 4 3 4 4 3 4 3 4 3 4 4 5 2 2 3 4 3 4
4 4 4 4 3 4 4 3 4 4 4 4 4 4 4 4 4 3 4 4 2 3 2 4 4 3
3 3 3 3 4 4 4 4 3 3 4 3 3 3 3 3 4 3 4 5 3 4 3 3 4 3
4 3 4 3 4 3 4 4 3 4 3 4 4 3 4 3 3 4 5 5 3 3 3 3 3 4
3 4 3 3 4 3 3 4 4 4 4 4 3 4 3 4 3 3 3 3 3 4 3 4 3 3
3 3 3 3 3 3 4 4 4 4 3 3 3 3 3 3 3 4 4 4 3 2 2 3 4 4
3 3 3 3 4 3 3 3 3 4 4 4 3 3 3 3 3 4 4 4 1 1 2 3 3 4
3 2 3 3 3 3 3 2 2 2 3 2 3 2 3 2 3 2 2 2 3 3 2 2 2 2
3 2 3 3 3 2 3 2 3 2 3 3 2 3 3 3 3 2 2 2 3 2 3 3 3 2
2 1 2 2 3 2 3 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 2
1 2 1 1 1 1 1 1 2 2 2 2 1 1 1 2 2 2 2 2 3 1 3 2 1 1
5 4 5 5 4 4 4 5 5 5 5 4 4 5 5 5 5 4 4 4 3 2 1 4 4 4
4 4 5 4 4 5 4 5 5 5 4 4 4 4 4 4 4 5 5 5 2 2 1 5 5 4
149

Untitled

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

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

Untitled

Diunggah oleh

Hak Cipta:

Format Tersedia

SKRIPSI

menggunakan Expectation Confirmation Model (ECM) (Studi Kasus : UIN JAKARTA)

Gina Sajiah Hilman Syah

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

LINKEDIN DENGAN MENGGUNAKAN EXPECTATION CONFIRMATION MODEL

(ECM) (STUDI KASUS : UIN JAKARTA)

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

GINA SAJIAH HILMAN SYAH

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

GINA SAJIAH HILMAN SYAH

Dosen Pembimbing I Dosen Pembimbing II

M. Qomarul Huda, Ph.D Evy Nurmiati, MMSI

A’ang Subiyakto, Ph.D

Dosen Pembimbing I Dosen Pembimbing II

M. Qomarul Huda, Ph.D Evy Nurmiati, MMSI

NIP. 19670412 200312 1 001 NIP. 19780215 201411 2 003

Ir. Nashrul Hakiem, S.Si. M.T, Ph.D

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR- BENAR

HASIL KARYA SANDIRI DAN BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI

ATAU KARYA ILMIAH PADA PERGURUAN TINGGI ATAU LEMBAGA

Jakarta, Agustus 2022

GINA SAJIAH HILMAN SYAH

Assalamualaikum Wr. Wb.

Jejaring Sosial LinkedIn dengan menggunakan Expectation Confirmation Model (ECM)

Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.

MMSI. selaku Dosen Pembimbing II yang telah menyediakan waktunya untuk

membimbing peneliti sehingga laporan ini dapat terselesaikan.

4. Dosen-dosen Program Studi Sistem Informasi Fakultas Sains dan Teknologi

kepada mahasiswanya selama perkuliahan.

mendidik, menyayangi, memberikan doa, semangat, dan dukungan yang terus

mengalir kepada peneliti.

doa, dan selalu membantu dikala peneliti butuh sesuatu.

7. Sahabat-sahabat penulis selaku teman yang telah menyemangati, memberikan

bantuan ilmu, motivasi, dukungan serta doa kepada peneliti.

peneliti, saling mendukung, dan terus berjuang bersama.

9. Seluruh responden yang telah bersedia meluangkan waktunya dan teman-teman

Semoga Allah SWT memberikan balsan atas kebaikan teman-teman semua.

mengurangi rasa terima kasih sedikitpun dari peneliti.

setimpal di akhirat nantinya.

khususnya dan bagi para pembaca pada umumnya.

Wassalamualaikum Wr. Wb.

Jakarta, Agustus 2022

Gina Sajiah Hilman Syah

Gambar 1. 1 Persentase pengguna di berbagai platform sosial media.....................................7

Tabel 3. 1 Studi Literatur.........................................................................................................54

Lampiran 1. Kuesioner Penelitian........................................................................................126

1.1 Latar Belakang

informasi merupakan salah satu faktor yang mempengaruhi keberhasilan implementasi

teknologi informasi. Berdasarkan data jumlah pengguna yang kian bertambah,

Continuance Use Intention (CUI) dapat didefinisikan sebagai minat atau

terhadap sistem informasi yang digunakan sehingga membuatnya berniat untuk

menggunakan sistem informasi tersebut secara berkelanjutan dimasa mendatang

menyebabkan pelanggan berminat melanjutkan penggunaan sistem (Davis F. D., 1985).

tantangan untuk menemukan solusi dalam mempertahankan pengguna situs jejaring

2008). Kebebasan inilah yang memungkinkan pengguna untuk berhenti menggunakan

suatu situs jejaring sosial daripada sistem informasi yang terikat.

Layanan jejaring sosial yang populer di Indonesia cukup banyak seperti

mempertahankan penggunanya serta meningkatkan penggunaan jejaring sosial,