Analisis Continuance Use Intention Pada Situs Jejaring Sosial LinkedIn dengan
Oleh:
11150930000014
JAKARTA
2022 / 1444 H
BAB I
PENDAHULUAN
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
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.
keinginan dari seorang individu untuk terus menggunakan sebuah sistem (Davis F. D.,
Technology, 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
(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
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
sosial. Situs jejaring sosial membebaskan pengguna dalam mengatur jejaring sosial
mereka serta menikmati aktivitas jejaring sosial mereka secara bebas (Boyd & Ellison,
Instagram, TikTok, Facebook, SnackVideo, dan lainnya. Banyaknya jumlah situs jejaring
sosial menyebabkan persaingan antar penyedia layanan jejaring sosial sangat ketat. Untuk
manajemen perusahaan dinilai perlu merancang sebuah strategi dan inovasi yang efektif
manajemen perusahaan harus memahami faktor – faktor apa saja yang mempengaruhi
Continuance Use Intention (CUI) atau niat keberlanjutan pengguna untuk terus
penerapan suatu sistem karena hal ini bersangkutan terhadap keberlangsungan suatu
penggunaan sistem untuk keberhasilan suatu perusahaan (Chiu, Hsu, Sun, Lin, & Sun,
perusahaan perlu membuat metode yang lebih baik. Mempertahankan dan memfasilitasi
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
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
biasanya dapat menghemat 18% dalam biaya operasional (Crego & Schiffrin, 1995).
Fakta tersebut mengingatkan bahwa pentingnya relevansi dan ketepatan waktu bagi
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
mempertahankan penggunanya dan tergeser oleh situs jejaring sosial lain. Beberapa
contoh situs jejaring sosial yang tergeser adalah Path, Friendster, MySpace, dan
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
lebih unggul dan fitur yang lebih menarik bagi pengguna. Oleh karena itu, memahami
pengguna pada sistem informasi. ECM adalah model yang digunakan untuk melakukan
analisis keberlanjutan adopsi suatu sistem informasi seorang individu, model ECM
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
Continuance Use Intention (CUI) dalam model ECM dipengaruhi oelh empat
faktor yaitu, kepuasan pengguna dengan target suatu sistem informasi (satisfaction),
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).
usefulness dan perceived enjoyment, karena pengguna termotivasi secara intrinsik dan
ekstrinsik. Menurut teori motivasi sistem informasi motivasi ekstrinsik dapat ditangkap
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.
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
utama dari niat keberlanjutan penggunaan suatu sistem informasi (Thong, Hong, & Tam,
2006).
ekspektasi pengguna sebelum mengadopsi sebuah sistem informasi dan konfirmasi pada
ekspektasi pengguna setelah menggunakan memiliki dampak yang besar pada kepuasan
keberlanjutan pengguna pada sebuah sistem informasi (Wicaksono, 2016). Selain itu,
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
norma subjektif dibentuk oleh pengaruh interpersonal dan media. Dalam lingkungan
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
Pengguna LinkedIn semakin hari semakin bertambah, hal ini ditandai dengan
posisi Jakarta dan sekitarnya yang menempati peringkat ke-4 sebagai wilayah yang
semakin meningkat pada LinkedIn dengan berbagai kebutuhan, tentunya diawali dengan
berbagai niat penggunanya. Berbagai macam niat awal pengguna LinkedIn seperti untuk
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
penggunanya karena jika manajemen perusahaan gagal untuk berinovasi maka LinkedIn
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.
Sedangkan berdasarkan data pada website LinkedIn pengguna dari kalangan mahasiswa
Universitas Islam Negeri Syarif Hidayatullah Jakarta sekitar 21.039 pengguna tentunya
jumlah yang cukup rendah jika dibandingkan dengan jumlah penguna LinkedIn di
Kebudayaan, Riset dan Teknologi, jumlah mahasiswa Universitas Islam Negeri Syarif
Hidayatullah Jakarta yang aktif mencapai 41.280 mahasiswa pada tahun (2021), yang
sebagian besar mengetahui situs jejaring sosial LinkedIn. LinkedIn diluncurkan pada 5
Mei 2003 yang merupakan aplikasi mobile yang dapat diunduh secara bebas pada semua
Dari latar belakang yang telah diuraikan, peneliti ingin menganalisis pengguna
situs jejaring sosial LinkedIn di kalangan mahasiswa Universitas Islam Negeri Syarif
Berdasarkan latar belakang yang telah dipaparkan oleh penulis, maka dapat
pengguna
lain
Hidayatullah Jakarta
Berdasarkan latar belakang yang telah diuraikan di atas, perumusan masalah yang
“Faktor – faktor apa saja yang mempengaruhi Continuance Use Intention (CUI) atau niat
dengan menggabungkan variabel norma subjektif 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
maupun pelebaran pokok masalah agar penelitian tersebut lebih terarah dan memudahkan
dalam pembahasan sehingga tujuan penelitian akan tercapai. Beberapa batasan masalah
dan variabel tambahan yaitu interpersonal influence (II), dan media influence
(MI)
Model dari penelitian ini terdapat pada gambar 1.2 yang merupakan model yang
diteliti oleh (Bhattacherjee, 2001), yaitu model Expectation Confirmation Model (ECM)
yang memiliki 5 variabel yaitu Satisfaction (S), Perceived Usefulness (PU), Perceived
sebagaimana dapat dilihat pada gambar 1.2, maka terdapat 10 faktor yang dapat
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
berstatus sebagai mahasiswa aktif semester akhir 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
penyebaran secara tidak langsung dilakukan dengan menyebarkan link melalui media
sosial seperti Whatsapp, Line maupun Instagram dengan bantuan Google Forms untuk
menggunakan perangkat lunak pengolah angka Microsoft Excel 2020. Proses analisis data
3.0 (Ringle, Silva, & Bido, 2014). Hasil dari analisis data ini kemudian diinterpretasikan
menjadi sebuah kesimpulan yang dibuat sesuai dengan pertanyaan penelitian yang telah
1. Manfaat teoritis
Hasil penelitian ini diharapkan dapat memberikan manfaat bagi dunia pendidikan
informasi.
2. Manfaat Praktis
a. Hasil penelitian ini diharapkan agar menjadi referensi dalam pengembangan
ilmu maupun penelitian pada program studi sistem informasi khususnya dalam
b. Hasil penelitian ini diharapkan dapat menjadi bahan acuan sebagai masukan
Laporan dari penelitian ini terdiri dari 5 (lima) bab. Berikut gambaran umum
BAB I PENDAHULUAN
sistematika penulisan.
Pada bab ini akan diuraikan teori-teori relevan terkait analisis niat
Pada bab ini akan diuraikan mengenai metodologi maupun model yang
Pada bab ini akan diuraikan hasil yang diperoleh dari analisis niat
Pada bab ini akan diuraikan kesimpulan dari uraian yang telah
BAB II
LANDASAN TEORI
Analisis adalah studi tenatang sistem yang telah ada untuk tujuan merancang
sistem baru atau memperbaharui sistem yang sudah ada (McLeod, 2007). Sedangkan
peluang, hambatan yang dihadapi dan kebutuhan yang diharapkan sehingga dapat
pemeriksaan terhadap suatu sistem untuk mengetahui masalah dari sistem tersebut
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
memungkinkan seseorang untuk (1) membuat profil publik maupun semi-publik, (2)
membuat daftar pengguna lain yang memiliki koneksi dengan dirinya, dan (3) melihat
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
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
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
LinkedIn adalah jejaring sosial yang berbeda dari jenis jejaring sosial lainnya.
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
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).
2002 dan telah diluncurkan pada tanggal 5 Mei 2003, Linkedin adalah sebuah bisnis
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
terkait bisnis dan alat pilihan bagi eksekutif pemasaran dan manajemen untuk
2.4.1 Sistem
saling terkait atau terpadu yang dimaksudkan untuk mencapai suatu tujuan
(Kadir, 2014).
yang saling berhubungan dengan batasan yang jelas bekerja sama untuk
Sistem menurut Romney dan Steinbart, adalah rangkaian dari dua atau
kecil yang mendukung sistem yang lebih besar (Romney & Steinbart, 2015).
2.4.2 Informasi
yang telah dikelola dan di proses untuk memberikan arti dan memperbaiki
keputusan yang lebih baik sebagai kuantitas dan kualitas dari peningkatan
secara langsung saat itu juga atau secara tidak langsung pada saat mendatang
(Sutanta, 2011).
bentuk yang lebih berguna dan lebih berarti bagi yang menerimanya,
kejadian yang nyata (Mulyanto, 2009). Dan kualitas informasi ditentukan oleh
a. Akurasi (accuracy)
Sebuah informasi harus akurat karena adanya kemungkinan gangguan
pengambilan keputusan.
c. Relevansi (relevanxy)
individunya
adalah sebuah sistem buatan manusia yang secara umum terdiri dari
dengan menghasilkan output yang baik guna untuk memecahkan masalah dan
pengambilan keputusan
Theory (EDT) yang dikembangkan oleh (Oliver, 1980) EDT berpendapat bahwa
harapan dan kinerja yang dirasakan pelanggan dapat mengarah pada kepuasan
continuance use dari produk dan layanan IT, Bhattacherjee mengusulkan beberapa
ekstensi dan modifikasi pada model asli EDT. Salah satu usulan modifikasi
menurut Bhattacherjee, dapat berubah seiring dengan waktu (Chen, Wang, &
ekspektasi adalah karena variabel ini merupakan satu-satunya variabel yang secara
(Lai, Chen, & Chang, 2016). Hubungan antara keempat variabel tersebut dapat
informasi dan menentukan respons atau kepuasan evaluatif mereka. Evaluasi ini
informasi yang digunakan sesuai dengan ekspektasi mereka atau tidak (Lai, Chen,
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
yang dapat diharapkan dari penggunaan suatu teknologi informasi (Hsu &
kepuasan pengguna.
sebagai faktor penting dalam penggunaan suatu sistem, motivasi intrinsik yang
yang dirasakan dalam konteks penggungaan Sistem Informasi (Lin, Wu, &
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
Facebook .
produk atau jasa dari suatu organisasi (Abbas & Hamdy, 2015).
melakukan atau tidak melakukan suatu perilaku (Ajzen, 1991). Norma subjektif
merupakan fungsi dari harapan yang dipersepsikan individu dimana satu atau lebih
perilaku yang memiliki tujuan untuk membuat atau tidak membuat keputusan
mengenai perilaku baru yang ditentukan berdasarkan tingkat tekanan sosial kepada
diterima oleh orang-orang atau lingkungan yang berada di sekitar individu tersebut.
seseorang tersebut untuk melakukan atau tidak melakukan perilaku yang sedang
maka disebut dengan referents atau pemberi acuan. Pemberi acuan ini dapat berasal
pengaruh atau tekanan pihak yang memberikan acuan terhadap individu untuk
menampilkan suatu perilaku tertentu. Penelitian (Bhattacherjee, 2000) dan (Hsu &
Chiu, 2004) sepakat bahwa subjective norm dibentuk oleh interpersonal influence dan
media influence. Ketika pengguna percaya bahwa menggunakan situs jejaring sosial
adalah ide yang baik, maka itu dapat meningkatkat niat untuk terus menggunakannya
(Kim B. , 2011).
lain yang relevan dari jaringan sosial mempengaruhi perilaku satu sama lain
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).
influence adalah pengaruh dari pihak luar organisasi seperti televisi, koran,
dan internet. Banyak perusahaan penyedia situs jejaring sosial yang telah
melalui media massa seperti televisi, surat kabar, dan internet dengan modal
yang banyak dan upaya yang signifikan untuk menarik pengguna baru dan
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
1. Observasi
2. Wawancara
3. Studi pustaka
adalah salah satu alat yang digunakan untuk mengumpulkan data dari
yaitu kuesioner langsung dan tidak langsung (Raharjo & Gudnanto, 2011).
jawaban.
menjadi dua yaitu kuesioner terbuka dan tertutup (Rahardjo & Gudnanto,
2011).
bervariasi.
disediakan.
Kuesioner menurut Kamus Besar Bahasa Infonesia (KBBI) adalah alat
riset atau survei yang terdiri atas serangkaian pertanyaan tertulis, bertujuan
karena tidak ada yang menjelaskan secara langsung kepada responden tentang
tertulis pada kuesioner harus jelas dan mudah dimengerti (Widi, 2010).
b. Kolektif
bantuam skor.
Skala Likert merupakan salah satu alat pengukuran yang menghasilkan data
kuantitatif. Skala Likert digunakan untuk mengukur sikap, pendapat, dan persepsi
pernyataan. Jawaban dari setiap item instrumen yang digunakan mempunyai tingkatan
dari sangat positif hingga sangat negatif yang biasanya dalam bentuk kata-kata. Untuk
skor tersebut biasanya bertingkat dengan skor 5 untuk yang jawaban paling positif dan
Menurut Black & Champion dalam (Soehartono, 2011), skala likert memiliki
Kelebihan Kelemahan
Mudah dibuat dan ditafsirkan Tidak ada arti yang konsisten yang dapat
dari pengukurannya
Bentuk yang paling umum Diasumsikan bahwa setiap butir dalam skala
tidak benar
ordinal
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
umumnya menggunakan asumsi dan batasan pada faktor tertentu yang diamati dalam
1. Fungsi Variabel
b. Variabel Moderating
c. Variabel Intervening
yaitu:
a. Variabel Kontinu
b. Variabel Kategoris
nominal. Skala nilai pada variabel ini hanya merupakan label untuk
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
yang bersifat homogen yaitu populasi yang memiliki unsur pembentuk berdasarkan
kesamaan sifat. Sementara populasi yang bersifat heterogen yaitu populasi yang
unsur pembentuk berdasarkan sifat atau keadaan yang beragam sehingga dibutuhkan
objek dalam penelitian yang memiliki kesamaan karakteristik tertentu dan dapat
Sedangkan sampel adalah bagian dari jumlah dan karakteristik yang dimiliki
oleh populasi. Sampel yang baik adalah sampel yang representatif atau benar-benar
2015).
Dengan demikian, sampel adalah bagian dari populasi yang diambil untuk
1) Probability Sampling
homogen.
proposional.
4. Cluster Sampling
Teknik ini digunakan ketika menentukan sampel pada obyek yang
memiliki data atau sumber yang luas. Teknik ini sering dilakukan
sampling.
2) NonProbability Sampling
a. Sampling Sistematis
b. Sampling Kuota
yang diinginkan.
c. Sampling Insidental
d. Sampling Purposive
generalisasi.
e. Sampling Jenuh
f. Snowball Sampling
pertama-tama dipilih satu atau dua orang, tetapi karena dengan dua
orang ini belum merasa lengkap terhadap data yang diberikan, maka
peneliti mencari orang lain yang dipandang lebih tahu dan dapat
sebagai berikut:
dengan 500.
sampel = 10 x 5 = 50.
berikut:
N
n=
(1+ N e2 )
Keterangan:
n = ukuran sampel
N = ukuran populasi
e = error margin (batas ketelitian) yang diinginkan
2.11 Analisis Data-u
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
eksperimental)
c. Kelemahan angket/skala/tes
metode ini bersifat lebih robust atau kebal. Robust artinya parameter model
tidak banyak berubah ketika sampel baru diambil dari total populasi (Geladi
bidang ekonometrik pada tahun 1960-an (Latan, 2012). Menurut Wold, PLS
adalah metode analisis yang powerful sebab tidak didasarkan pada banyak
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).
saat ini PLS-SEM populer digunakan oleh para peneliti dan praktisi, yaitu
sebagai berikut:
2. PLS dapat digunakan untuk menaksir model path dengan sample size
yang kecil.
besar yang dapat mencakup ratusan bahkan ribuan observasi, maka PLS
SEM cukup dengan menggunakan ukuran sampel yang kecil. Ukuran sampel
kali dari jumlah jalur struktural terbanyak yang ditunjukan ke variabel laten
tertentu dalam model struktural. Penelitian yang dilakukan oleh (Chin &
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):
laten.
batas 0,7 ke atas berarti dapat diterima dan di atas 0,8 dan 0,9 berarti
sangat memuaskan.
memprediksi ukuran pada blok mereka dengan lebih baik dari blok
konstruk lainnya atau nilai AVE lebih tinggi dari kuadrat korelasi antar
konstruk.
varian lemah.
3. Uji T-Test
2 R 2 include−R2 exclude
f =
1−R 2 include
Keterangan:
dimasukkan ke model.
Q2 include−Q 2 exclude
1−Q 2 include
Keterangan:
dimasukkan ke model.
Q2exclude= nilai Q2 yang diperoleh ketika konstruk eksogen
yaitu 10 kali dari jumlah maksimum anak panah (jalur) yang mengarah pada
variabel laten (10 time rule of thumb) menurut (Hair, Hult, Ringle , & Sarstedt,
2.12 Hipotesis
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
variabel-variabel dalam suatu masalah untuk diuji dalam penelitian. (Sangadji &
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
2. Hipotesis Komparatif
2.13 SmartPLS
SmartPLS merupakan salah satu software open source atau gratis yang dapat
1. Konstruk Eksogen
endogen.
2. Konstruk Endogen
endogen.
3. Laten Variable
Variabel laten adalah variabel yang tidak dapat diamati dan diukur
langsung.
4. Observed Variable
BAB dalam
Gambar 2.1 Konstruk III SmartPLS 3.0 (Hussein, 2015)
METODE PENELITIAN
penelitian yang berurutan sesuai dengan tujuan dari penelitian ini yaitu untuk
jejaring sosial LinkedIn dan untuk menguji beberapa hipotesis terkait dengan faktor-
faktor yang berpengaruh pada niat keberlanjutan penggunaan situs jejaring sosial
Pengumpulan data yang dilakukan pada penelitian ini adalah melalui survei
digunakan dalam penelitian ini adalah Ms. Word 2019 untuk penulisan laporan, Ms.
Excel 2019 untuk pengolahan data demografis, SmartPLS 3 untuk mengolah data dari
Jika penelitian berupa perpanjangan dari teori yang ada, maka disarankan untuk
situs jejaring sosial LinkedIn. Berdasarkan data yang diakses di Pangkalan Data
jumlah mahasiswa Universitas Islam Negeri Syarif Hidayatullah Jakarta yang aktif
mencapai 41.280 mahasiswa pada tahun 2021. Pengambilan sampel yang dilakukan
untuk menyaring bagian dari suatu populasi, dengan tolak ukur yang ditentukan yaitu
mahasiswa yang menggunakan situs jejaring sosial LinkedIn. Dimana penyebaran
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
Kuantitatif, Kualitatif, dan R&D, 2017) menyarankan tentang ukuran sampel untuk
1. Ukuran sampel yang layak dalam penelitian adalah antara 30 sampai dengan 500.
2. Bila sampel dibagi dalam kategori maka jumlah anggota sampel 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
Lengkong, & Walangitan, 2017), karena dalam penarikan sampel, jumlahnya harus
menentukan nilai batas kesalahan dengan tingkat kesalahan 10% (Kriyantono, 2008).
Berikut perhitungannya :
41.280
n= 2
=99,7
(1+41.280 x 0,1 )
kuesioner oleh peneliti dilakukan secara tidak langsung secara online dengan
angka yaitu Ms. Excel 2019. Berdasarkan hasil dari pengumpulan data,
peneliti berhasil memperoleh 127 data dan diperoleh seluruh data yang
Total 127
Model dari penelitian ini terdapat pada gambar 3.1 yang merupakan model
yang
diteliti oleh (Bhattacherjee, 2001), yaitu model Expectation Confirmation
(MI)
menjadi dua bagian. Pada bagian pertama dengan menggunakan lembar surat
variabel yang terdapat dalam model ECM. Tabel 3.3 merupakan penjabaran
dari indikator setiap variabel yang terdapat pada model penelitian ini,
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
yang ada di model ECM. Daftar pertanyaan dapat dilihat pada tabel 3.4,
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
Pada tahap analisis interpretasi hasil dibagi menjadi dua tahapan yaitu analisis
demografis dan analisis statistik inferensial. Pada tahap pertama, peneliti melakukan
angka yaitu Ms. Excel 2019. Kemudian data responden dikelompokkan berdasarkan
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
yang berjalan dan memaparkan hasil dari analisis measurement model (outer model)
dan structural model (inner model) yang telah dilakukan peneliti secara statistik-
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
Hidayatullah Jakarta.
BAB IV
HASIL DAN PEMBAHASAN
tidak langsung dilakukan melalui media sosial seperti Whatsapp, Telegram, dan lain-
lain. 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
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
mengetahui gambaran data penelitian secara umum. Analisis data secara deskriptif ini
yaitu ;
Setuju.
PU1
Frekuensi %
Sangat Tidak Setuju 5 4%
Tidak Setuju 20 16%
Tidak Tahu 27 21%
Setuju 47 37%
Sangat Setuju 28 22%
PU2
Frekuensi %
Sangat Tidak Setuju 3 2%
Tidak Setuju 20 16%
Tidak Tahu 25 20%
Setuju 52 41%
Sangat Setuju 27 21%
PU3
Frekuensi %
Sangat Tidak Setuju 2 2%
Tidak Setuju 15 12%
Tidak Tahu 33 26%
Setuju 49 39%
Sangat Setuju 28 22%
PU4
Frekuensi %
Sangat Tidak Setuju 3 2%
Tidak Setuju 23 18%
Tidak Tahu 21 17%
Setuju 53 42%
Sangat Setuju 27 21%
PE1
Frekuensi %
Sangat Tidak Setuju 6 5%
Tidak Setuju 12 9%
Tidak Tahu 30 24%
Setuju 45 35%
Sangat Setuju 34 27%
PE2
Frekuensi %
Sangat Tidak Setuju 5 4%
Tidak Setuju 13 10%
Tidak Tahu 27 21%
Setuju 58 46%
Sangat Setuju 24 19%
PE3
Frekuensi %
Sangat Tidak Setuju 3 2%
Tidak Setuju 14 11%
Tidak Tahu 18 14%
Setuju 68 54%
Sangat Setuju 24 19%
PE4
Frekuensi %
Sangat Tidak Setuju 3 2%
Tidak Setuju 20 16%
Tidak Tahu 12 9%
Setuju 58 46%
Sangat Setuju 34 27%
C1
Frekuensi %
Sangat Tidak Setuju 1 1%
Tidak Setuju 10 8%
Tidak Tahu 23 18%
Setuju 69 54%
Sangat Setuju 24 19%
C3
Frekuensi %
Sangat Tidak Setuju 3 2%
Tidak Setuju 14 11%
Tidak Tahu 23 18%
Setuju 61 48%
Sangat Setuju 26 21%
indikator yaitu :
Setuju.
S1
Frekuensi %
Sangat Tidak Setuju 3 2%
Tidak Setuju 16 13%
Tidak Tahu 19 15%
Setuju 59 47%
Sangat Setuju 30 24%
S2
Frekuensi %
Sangat Tidak Setuju 4 3%
Tidak Setuju 19 15%
Tidak Tahu 17 13%
Setuju 48 38%
Sangat Setuju 39 31%
Setuju.
S3
Frekuensi %
Sangat Tidak Setuju 4 3%
Tidak Setuju 14 11%
Tidak Tahu 20 16%
Setuju 47 37%
Sangat Setuju 42 33%
4.2.4.4 Performa
Performa yang dimaksud adalah kemampuan LinkedIn dalam
S4
Frekuensi %
Sangat Tidak Setuju 4 3%
Tidak Setuju 16 13%
Tidak Tahu 14 11%
Setuju 68 54%
Sangat Setuju 25 20%
4.2.4.5 Penyesalan
S5
Frekuensi %
Sangat Tidak Setuju 3 2%
Tidak Setuju 12 9%
Tidak Tahu 25 20%
Setuju 60 47%
Sangat Setuju 27 21%
terdekat
terdekat
II3
Frekuensi %
Sangat Tidak Setuju 1 1%
Tidak Setuju 5 4%
Tidak Tahu 24 19%
Setuju 75 59%
Sangat Setuju 22 17%
MI1
Frekuensi %
Sangat Tidak Setuju 13 10%
Tidak Setuju 31 24%
Tidak Tahu 59 47%
Setuju 23 18%
Sangat Setuju 1 1%
4.2.6.2 Melihat iklan di media
MI2
Frekuensi %
Sangat Tidak Setuju 21 16%
Tidak Setuju 38 30%
Tidak Tahu 43 34%
Setuju 24 19%
Sangat Setuju 1 1%
MI3
Frekuensi %
Sangat Tidak Setuju 29 23%
Tidak Setuju 28 22%
Tidak Tahu 45 35%
Setuju 18 24%
Sangat Setuju 1 1%
menggunakannya
Setuju.
Tabel 4.24 Berniat untuk menggunakan LinkedIn dari pada
berhenti menggunakannya
CUI1
Frekuensi %
Sangat Tidak Setuju 5 4%
Tidak Setuju 21 16%
Tidak Tahu 18 14%
Setuju 64 50%
Sangat Setuju 19 15%
4.2.7.2 Berniat untuk terus menggunakan LinkedIn dibanding
Setuju.
hari
CUI3
Frekuensi %
Sangat Tidak Setuju 3 2%
Tidak Setuju 19 15%
Tidak Tahu 17 13%
Setuju 62 48%
Sangat Setuju 26 20%
Laki-laki Perempuan
4.3.1.2 Fakultas
disusul dengan responden yang berasal dari Fakultas Ilmu Sosial dan
ini.
4.3.1.3 Semester
Semester Jumlah
8 78
10 9
12 13
14 27
Persentase Semester
21% 8
10
12
14
10%
62%
7%
peneliti.
13%
<1 Tahun
1-2 Tahun
>2 Tahun
25%
62%
4%
<1 Jam
24% 1-2 Jam
>2 Jam
72%
oleh peneliti.
4%
20% Puas
Netral
Tidak Puas
76%
oleh peneliti.
Iya
5%
Mungkin
Tidak
35%
60%
Model) yaitu analisis pengukuran model yang terdiri dari empat tahapan
Validity.
dalam penelitian ini terdiri dari 7 variabel dan 26 item pertanyaan. Berikut
penelitian di atas :
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
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
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
ukuran convergent validity yang baik, nilai AVE harus di atas 0.5.
penelitian ini, nilai AVE untuk semua variabel sudah di atas 0.5
variabel.
indikator yang diberi warna jingga pada setiap variabel memiliki nilai
lebih tinggi dari korelasi dan konstruk blok lainnya. Selanjutnya cross
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
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
analisis model struktural ini dilakukan enam tahapan pengujian, yang terdiri
(Q2), dan relative impact (q2) yang dilakukan dengan metode blindfolding.
dari path coefficient untuk tiap jalur yang ada di dalam penelitian ini
independen. Nilai R2 adalah antara nol (0) dan satu (1). Nilai R2 yang
lemah.
R² Keterangan
CUI 0.857 Kuat
PE 0.366 Moderat
PU 0.216 Moderat
S 0.739 Kuat
4.3.3.3Uji t-test
perbandingan antara nilai t-test dengan t-table. Jika nilai t-test lebih
Tabel 4.41 Analisis t-test
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.
Keterangan :
dimasukkan ke model
ini yaitu 0.02 untuk pengaruh kecil, 0.15 untuk pengaruh menengah,
sebagai berikut :
Keterangan :
4.4.1.1Jenis Kelamin
laki yaitu sebanyak 51 orang (40%). Hal ini dikarenakan pada saat
peneliti menyebarkan kuesioner secara tidak langsung melalui aplikasi
4.4.1.2Fakultas
yaitu sebanyak
yang berasal dari Fakultas Kesehatan dan Fakultas Dakwah dan Ilmu
4.4.1.3Semester
sosial LinkedIn yang pada saat ini merupakan situs jejaring sosial
sosial lainnya.
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
loading dan fornell-larker yang memiliki kriteria sesuai dengan syarat yang
ada.
tahapan pengujian yang ada pada analisis struktur model yaitu pengujian path
bootsrapping, effect size (f2), predictive relevance (Q2), dan relative impact
bernilai 0.186.
memiliki nilai relative impact (q2) 0.395 dan effect size (f2) 0.578
besar.
menggunakan LinkedIn.
(q2) 0.163 dan effect size (f2) 0.341 sehingga pengaruh pada
menggunakan LinkedIn.
profesional.
(CUI)?
yaitu 0.029.
(CUI)?
coefficient yaitu 0.409. Jalur ini memiliki nilai pengaruh yang besar
0.200.
(CUI)?
nilai pengujian path coefficient yaitu 0.161. Jalur ini memiliki nilai
yaitu 0.023.
(CUI)?
LinkedIn.
hasil ini telah sesuai dengan kondisi yang ada di lapangan, dimana
pengguna akan memiliki niat untuk menggunakan kembali LinkedIn
5.1 Kesimpulan
(ECM) (Studi Kasus : UIN JAKARTA), maka dapat diambil kesimpulan sebagai
berikut :
1. Hasil pengolahan data yang telah dilakukan oleh peneliti, dari jumlah
akhir UIN Syarif Hidayatullah Jakarta yang telah menjadi pengguna situs
LinkedIn.
2. Berdasarkan hasil dari penelitian, seluruh hipotesis pada penelitian ini terbukti
LinkedIn.
3. Berdasarkan hasil penelitian, hipotesis yang memiliki hasil effect size (f2) yang
kinerja yang telah diberikan oleh LinkedIn telah sesuai dengan harapan
menggunakan LinkedIn.
5.2 Saran
saran yang perlu diperhatikan untuk peneliti selanjutnya, yaitu sebagai berikut :
yang dituju, serta membantu responden jika ada pertanyaan yang kurang
kuesioner.
4. Bagi pihak LinkedIn agar terus meningkatkan layanan dan dapat terus
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.
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.
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.
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.
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.
Eriyanto. (2007). Teknik Sampling ; Analisis Opini Publik. Yogyakarta: Lkis Pelangi Aksara.
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.
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.
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. (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).
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.
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. 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.
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.
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
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.
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.
Sangadji, E. M., & Sopiah. (2010). Metodologi Penelitian: Pendekatan Praktis dalam Penelitian.
Yogyakarta: C.V Andi Offset.
Sangadji, E. M., & Sopiah. (2010). Metodologi Penelitian: Pendekatan Praktis dalam Penelitian.
Yogyakarta: Andi 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.
Soehartono, I. (2011). Metode Penelitian Sosial: Suatu Teknik Penelitian Bidang Kesejahteraan Sosial
dan Ilmu Sosial Lainnya. Bandung: Rosda.
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.
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.
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/
Wijaya, T. (2009). Analisis SEM Untuk Penelitian Menggunakan AMOS. Penerbit Universitas
Atmajaya: Yogyakarta.
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.
LAMPIRAN – LAMPIRAN
Lampiran 1 : Kuesioner Penelitian
Analisis Continuance Use Intention Pada Situs Jejaring Sosial LinkedIn dengan
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
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,
Nb*seluruh informasi yang dicantumkan dalam form ini hanya digunakan sebagai data
Bagian Pertama
A. Profil Responden
No Pertanyaan Jawaban
.
1. Nama
2. NIM
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
B. Status Kepuasan & Niat Penggunaan
9. Secara keseluruhan, ☐ Puas
apakah anda puas dengan ☐ Netral
LinkedIn ☐ Tidak Puas
10. Apakah anda akan terus ☐ Iya
menggunakan LinkedIn ☐ Mungkin
☐ Tidak
Bagian Kedua
Bagian kedua dari kuesioner ini berisikan pertanyaan terkait pengalaman
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
berinteraksi dengan profesional
Saya merasa menggunakan LinkedIn
4. bermanfaat dalam berinteraksi dengan
profesional
Perceived Enjoyment
No. Pernyataan STS TS N S SS
Saya merasa nyaman menggunakan
5.
LinkedIn
Saya merasa senang menggunakan
6.
LinkedIn
7. Saya menikmati semua fitur LinkedIn
Saya menemukan bahwa
8. menggunakan LinkedIn hal yang
menarik
Confirmation
No. Pernyataan STS TS N S SS
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.
menggunakan LinkedIn
Secara keseluruhan ekspektasi saya
12. terpenuhi dalam penggunaan LinkedIn
sesuai dengan realita
Satisfaction
No. Pernyataan STS TS N S SS
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
No. Pernyataan STS TS N S SS
Saya menggunakan LinkedIn atas
18.
rekomendasi keluarga atau teman saya
Saya menggunakan LinkedIn setelah
19. mengamati keluarga atau teman saya
menggunakan LinkedIn
Berdasarkan informasi orang terdekat,
20. menggunakan LinkedIn adalah
keputusan atau ide yang bagus
Media Influence
No. Pernyataan STS TS N S SS
Saya menggunakan LinkedIn karena
21.
melihat berita di televisi atau internet
Saya menggunakan LinkedIn karena
22.
iklan di sosial media
Saya menggunakan LinkedIn karena
23.
hadiah yang ditawarkan
P P P P P P P P I I I C C C
U U U U E E E E C C C C S S S S S I I I M M M UI UI UI
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 5 1 2 3 I1 I2 I3 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
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
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
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
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