Skrip Si

1
BAB I
PENDAHULUAN
1.1 Latar Belakang

Banyak industri memasuki era distrupsi inovasi, yaitu di mana banyak perusahaan
bermunculan untuk menghadirkan solusi bagi konsumen dengan inovasi jasa, teknologi
informasi, dan data (Hopp et al., 2018). Distrupsi tersebut umumnya dimungkinkan oleh
perkembangan model bisnis yang terfasilitasi oleh teknologi (Christensen & Raynor,
2003), sehingga perusahaan lain dengan akses terhadap teknologi dapat mereplikasi
model bisnis (Barnes et al., 2009) dan melakukan entry. Oleh karenanya, era ini ditandai
dengan banyaknya perusahaan yang menciptakan produk jasa digital, ditunjukkan dengan
naiknya angka investasi modal ventura global selama 6 tahun berturut-turut hingga
puncak investasi tertinggi di 2018 (KPMG, 2018).
Permasalahan kemudian muncul ketika industri menjadi lukratif dan berkembang,
sehingga terdapat beberapa pemain yang memiliki intensi untuk melakukan entry.
Perusahaan tersebut perlu mengambil keputusan mengenai entry-timing decision; antara
lain apakah bijak untuk menjadi first-mover? atau apakah bijak untuk tetap melakukan
entry ketika sudah terdapat established incumbent dalam pasar?. Konsiderasi tersebut
berdampak kepada perusahaan karena entry-timing dapat mempengaruhi keberhasilan
dalam survivability (Robinson & Min, 2002), market share, consumer preferences
(Vakratsas et al., 2003), performa jasa (Barnes et al., 2009), dan profitabilitas (Gomez &
Maicas, 2011) (Powell, 2013).
Sejauh ini, literatur membahas mengenai faktor-faktor yang mempengaruhi
terciptanya first-mover advantage, seperti: pengalaman & pembelajaran (Ghemawat,
1986), cost advantage (Rao & Rutenberg, 1979), penguasaan sumber daya strategis
(Lieberman & Montgomery, 1988), dll. Namun terdapat juga faktor yang menciptakan
kerugian bagi first-mover, seperti: free-rider effect (Spence, 1984), mencapai preferensi
konsumen melalui positioning (Vakratsas et al., 2003), pergeseran teknologi (Foster,
1986), dll.
Faktor-faktor tersebut dapat bekerja secara serempak, sehingga untuk menilai apakah
secara agregat first-mover mendapatkan keuntungan, kebanyakan dilakukan melalui
analisis ex-post facto. Gómez Villanueva & Ramirez-Solis (2014) merangkum dan
Universitas Indonesia
2
menemukan bahwa literatur first-mover advantage selama 30 tahun terakhir

menggunakan variabel market share (58%), performa finansial (28%), dan survival
(10%) sebagai penentu adanya advantage; yang di mana variabel tersebut hanya dapat
diukur secara long-term.
Permasalahan lain mengenai penelitian yang menggunakan market share sebagai
ukuran adalah ketidak-mampuan untuk mengatribusi faktor first-mover advantage
kepada pemberdayanya dalam konteks endogenitas dan eksogenitas. Suarez & Lanzola
(2007) mengerangkakan faktor pemberdaya first-mover advantage ke dalam tiga unsur:
yaitu faktor perusahaan, isolating mechanism¸ dan faktor lingkungan. Sehingga dapat
dikatakan belum konklusif jika ada perusahaan first-mover yang mendominasi pangsa
pasar, hal tersebut pasti dikarenakan perusahaan tersebut diuntungkan karena adanya
advantage, dan bukan karena perusahaan tersebut hanya bekerja secara lebih baik.
Magnusson (2009) berpendapat walaupun market share merupakan ukuran paling
umum, ukuran performa tambahan dibutuhkan untuk pengukuran lebih baik. Oleh karena
itu, tulisan ini mengajukan propensity to switch sebagai salah satu bentuk pengukuran
dari first-mover advantage. Penelitian bertujuan untuk meneliti beberapa variabel yang
berpengaruh kepada switch intention dan melihat apakah menjadi first-mover merupakan
salah satu faktor tersebut. Pengajuan ini didasari oleh 3 alasan, yaitu:
Pertama, dalam fenomena switch¸ dalam konteks ini dari produk first-mover ke
produk late entrants, dapat diketahui bahwa konsumen melakukan evaluasi atribut kedua
produk dan memilih untuk menggunakan produk late entrants. Hal ini mengurangi
kemungkinan bahwa kedua produk berada di geografi dan segmen pasar yang berbeda,
karena terdapat kemungkinan strategi late entrants yaitu untuk menargetkan pasar yang
mana produk first-mover tidak tersedia atau konsumen belum terpapar.
Kedua, banyak literatur membahas switching cost sebagai variabel yang
mendorong first-mover advantage. Walaupun bukan prediktor terkuat, switching cost
ditemukan mengurangi switch behavior dalam meta analisis yang dilakukan Pick dan
Eisend (2014). Switching cost secara sempurna memediasi hubungan antara menjadi first-
mover dan performance dan digunakan untuk mempertahankan first-mover advantage
(Gomez & Maicas, 2011). Ketiga, fenomena switch dapat terjadi paling cepat ketika late
entrants telah melakukan entry. Sehingga, tidak seperti long-term market share, hal ini
dapat diamati di pasar yang belum dalam tahap maturity.
3
Literatur mengenai consumer switching behavior juga belum banyak membahas

mengenai partial switching, yaitu di mana pengguna tidak sepenuhnya meninggalkan
tetapi mengurangi penggunaan jasa (Keaveney & Parthasarathy, 2001). Partial switching
dapat mengindikasikan bahwa switching cost bersifat rendah, yang sejalan dengan
temuan dalam fenomena cross-shopping di konteks swalayan (Hino, 2017). Hal tersebut
relevan karena banyak jasa digital yang dapat diperoleh di smartphone dalam waktu
singkat. Partial switching juga dapat mengindikasikan kenaikan literasi dan perubahan
pola belajar konsumen, yang sejalan dengan temuan bahwa switchers dari jasa digital
lebih independen mencari informasi dan lebih risk-averse (Keaveney & Parthasarathy,
2001). Maka diperlukan penelitian dengan konteks partial switching untuk memperkaya
pemahaman dan referensi kemudian hari.
Penelitian dilakukan terhadap pasar e-wallet di Indonesia. E-wallet sebagai jasa
digital adalah sistem pembayaran dengan antarmuka aplikasi mobile dengan basis server-
hosted. E-wallet dapat memfasilitasi pembayaran remote (transaksi online) maupun
pembayaran pada Point-of-Sale (transaksi offline). E-wallet pada umumnya bersifat
open-platform, yaitu di mana penggunaannya tidak tertutup pada ekosistem tertentu dan
dapat digunakan oleh siapapun. Teknologi yang digunakan dapat berupa NFC,
Barcode/QR Code, atau cell phone.
E-wallet dipilih dalam penelitian karena produk-produk yang terdapat dalam
pasar memiliki fitur dan kegunaan yang serupa, sehingga dapat diasumsikan bahwa
perusahaan menargetkan konsumen yang sama. Dengan asumsi tersebut, maka upaya
yang dilakukan late entrants dalam pasar tersebut adalah untuk mendorong consumer
switch dari inkumben. Sehingga, banyak dari basis konsumen late entrants adalah
pengguna produk First-mover yang melakukan switch.
Dalam pengamatan penulis, belum terdapat penelitian yang meneliti consumer
switching behavior pada pasar e-wallet. Telah terdapat penelitian mengenai adoption
pada e-wallet di India (Singh et al., 2020), Indonesia (Chandra et al., 2018), dan Jepang
(Amaroso & Watanabe, 2011). Terdapat juga penelitian mengenai switching dalam
konteks produk banking (Demir, 2019) dan dari conventional banking ke digital banking
(Yu, 2014). Penelitian terhadap switching kepada sesama pemain industri e-wallet akan
memperkaya pemahaman terhadap consumer switching behavior.
4
Dari penelitian consumer switching behavior pada konteks jasa digital lain,
terdapat variabel yang konsisten terdapat di banyak konteks, seperti transfer trust dan
critical mass. Terdapat juga variabel consumer switching yang bersifat industry specific.
Sebagai contoh, penelitian terhadap café membership cards, terdapat variabel aesthetic
design, locatability, dan gamification (Li, 2014); Penelitian terhadap mobile shopping
memiliki variabel perceived quality of mobile store (Chang et al., 2017); mobile cloud-
storage memiliki network size dan technical compatibility (Cheng et al., 2019); dan SNS
memiliki peer influence (Hou & Shiao, 2019).
Oleh karena itu, penelitian ini juga akan menelusuri beberapa variabel yang
mungkin dapat menjadi faktor pull dalam konteks e-wallet, yaitu: transaction
convenience dan economic benefit. Transaction convenience dinilai penting karena
terdapat perbedaan UI/UX pada produk e-wallet yang dapat memengaruhi kemudahan
penggunaan. Variabel ini juga ditemukan pada konteks membership cards yang cukup
paralel dengan e-wallet, dan sejalan dengan ease of use yang ditemukan sebagai faktor
adopsi e-wallet (Nguyen & Huynh, 2018). Economic benefit dinilai penting karena
terdapat monetary reward dari penggunaan produk e-wallet. Hal ini sejalan dengan
temuan mengenai manfaat yang bersifat moneter mendorong perilaku konsumen, seperti
price value memengaruhi adopsi di mobile payment Indonesia (Limantara et al., 2018)
dan switching di car-hailing (Cheng et al., 2017), serta interest rate dan reward
memengaruhi switching di konteks kartu kredit (Abdelrahman, 2016).
1.2. Latar Belakang Industri

Terdapat dua early entrants yang menjadi pemain utama di pasar mobile payment,
yaitu OVO (PT Visionet Internasional) dan Go-pay Go-pay (PT Dompet Anak Bangsa).
Go-pay diluncurkan pada akhir 2015, namun baru dapat menerima transaksi diluar jasa
Go-jek pada Desember 2017. OVO lebih dahulu diluncurkan pada Maret 2017, sehingga
dengan ini OVO adalah pionir dalam open e-wallet. Go-pay merupakan market leader
dengan 79% konsumen mobile payment menggunakan Go-pay. OVO memegang posisi
kedua dengan 58% konsumen mobile payment menggunakan OVO (DailySocial,
Desember 2018).
5
Terdapat dua late entrants dalam pasar, yaitu DANA (diluncurkan Desember 2018)
dan LinkAja (diluncurkan Februari 2019). DANA adalah produk yang dikeluarkan oleh
joint venture dari Emtek (PT Elang Mahkota Teknologi) dan Alipay (Ant Financial).
Alipay adalah salah satu dari dua besar mobile payment di Cina dan sudah digunakan di
beberapa negara Asia Pasifik lainnya (Kantar TNS, 2018). LinkAja adalah produk dari
PT Fintek Karya Nusantara yang merupakan anak perusahaan PT Telkom. LinkAja
merupakan hasil integrasi dari beberapa produk e-wallet yaitu Mandiri E-Cash (Bank
Mandiri), Tbank (Bank BRI), UnikQu (Bank BNI), dan TCash (Telkomsel). Sebagian
dari pengguna LinkAja merupakan pengguna yang bermigrasi dari produk pendahulunya.
Literatur mengamati bahwa lead-time, yaitu waktu yang berlalu di antara market-
entry dengan masuknya kompetisi serupa (Lee et al., 2000) adalah indikator keunggulan
perusahaan First-mover. Robinson dan Min (2000) dalam penelitian terhadap industri
manufaktur di Amerika Serikat mendapatkan lamanya lead-time meningkatkan survival-
rates dari First-Mover. Penelitian terhadap trend dari lead-time juga mendapatkan bahwa
lead-time semakin singkat dalam kategori industri terbaru (Kalyanaram et al., 2003).
Poletti et al. (2011) juga menemukan bahwa lead-time yang dimiliki Second-Mover juga
menjadi lebih singkat secara signifikan, walaupun dengan laju yang lebih kecil terhadap
First-Mover lead-time. Ketika DANA diluncurkan pada Desember 2018, maka OVO dan
Go-pay memiliki lead time sebesar 24 bulan.
Selama dua tahun sebelum DANA dan LinkAja melakukan entry, OVO membangun
presensi kuat di merchant online dengan lebih dari 500.000 merchant offline per
November 2018 (EcommerceIQ, 2018). Tersedianya mobile payment pada merchant
offline diyakini oleh VP Product Marketing Go-Pay sebagai pendorong perceived benefit
terhadap users (Kumparan, 2018). Perceived benefit yang tinggi diketahui sebagai faktor
berpengaruh terhadap adopsi sebuah produk produk (Salo et al., 2013).
Setelah melakukan entry, baik DANA dan LinkAja melakukan upaya akuisisi yang
intensif. Sebagai contoh, pada awal tahun 2019 DANA memberlakukan promo Cashback
sebesar 50% pada merchant seperti KFC dan Hokben. LinkAja juga memberlakukan
cashback dan diskon sebesar 50% di berbagai produk dan jasa. Keduanya juga tengah
melakukan akuisisi melalui kemitraan strategis, yaitu DANA dengan 40 mitra
pembayaran pada produk populer seperti Bukalapak, Lazada, TIX-ID, dan Blackberry
6
Messenger (Katadata, April 2019) dan LinkAja dengan banyak mitra BUMN (CNBC,
Maret 2019).
Setelah upaya tersebut, tercatat DANA telah mengakuisisi 15 juta pengguna aktif per
April 2019 dengan 1 juta transaksi per hari dan 15 ribu merchant offline (Katadata, April
2019). Sementara LinkAja menuturkan telah memiliki 26 juta pengguna terdaftar (bukan
pengguna aktif), per 30 Juni 2019 (CNN Indonesia, Juli 2019).
Karena tidak terdapat differensiasi signifikan dalam upaya pemasaran, dapat
diasumsikan bahwa DANA dan LinkAja menargetkan segment pengguna demografis dan
geografis serupa dengan Go-pay dan OVO. Kesimpulan ini juga dapat ditarik dari angka
pengguna tiap produk mobile payment berdasarkan laporan Fintech Report 2018
(Dailysocial, 2018) dengan Go-pay, OVO, dan DANA dipakai oleh masing-masing 79%,
54%, dan 34% pengguna. Angka pengguna tersebut jika dijumlah melebihi 100%,
sehingga berarti terdapat overlap pengguna yang menggunakan dua produk atau lebih
secara bersamaan. Hal ini membuktikan sebagian dari pengguna DANA dan LinkAja
merupakan pengguna Go-pay dan/atau OVO yang melakukan partial switch.
1.3 Rumusan Masalah

Dalam rangka memahami kemampuan late entrants untuk bersaing, terutama
dengan melakukan user acquisition dari pengguna yang telah menggunakan produk early
entrants, maka perlu dipelajari faktor yang mendorong switch behavior kepada late
entrants. Perlu dipelajari juga apakah first-mover advantage dan switching cost
berpengaruh dalam hal tersebut. Untuk mempelajari hal tersebut, penelitian ini
menerapkan model penelitian yang diajukan oleh Wu et al. (2016) mengenai switch
intention dalam pasar personal cloud storage service di China. Penelitian ini
menggunakan model Push-Pull-Mooring (PPM) migration yang menjelaskan switching
behaviour konsumen (Bansal et al., 2005).
PPM adalah model consumer switching behavior, yang mana terdapat tiga faktor
variabel yang menjelaskan konsumen melakukan switch, yaitu: push, faktor negatif yang
mendorong untuk meninggalkan penyedia jasa; pull, faktor positif yang menarik
pengguna jasa (Lewis, 1982) dan mooring atau variabel intervening berupa faktor
personal atau sosial yang mencegah perpindahan pengguna (Moon, 1995).
7
Model PPM dipilih sebagai kerangka karena variabel dalam PPM erat kaitannya
dengan mekanisme terciptanya first-mover advantage berdasarkan teori Suarez & Lazolla
(2007). Kaitan itu antara lain: Pertama, model PPM mengakomodir penilaian konsumen
pada level produk perusahaan dalam faktor push, sebagaimana terdapat firm-level enabler
yang bekerja pada kapasitas dan kompetensi perusahaan. Kedua, model PPM
mengkonsiderasi switching cost sebagai mooring factor, sebagaimana switching cost juga
merupakan isolating mechanism terciptanya advantage. Ketiga, adanya konsiderasi
mengenai penilaian terhadap produk alternatif; seperti critical mass dan benefit; dalam
faktor pull, sebagaimana terdapat market evolution dan technology evolution sebagai
environmental enabler yang bekerja eksternal perusahaan.
Dalam rangka menangkap fenomena partial switching, maka diperlukan indikator
yang dapat menjelaskan perpindahan dan juga reprioritisasi penggunaan dari banyak e-
wallet yang dimiliki. Oleh karena itu, indikator switching intention akan diadopsi dari
indikator Wu et al. (2016), yang mana terdalamnya menanyakan intensi untuk mengubah
intensitas penggunaan selain menanyakan intensi untuk berpindah sepenuhnya.
1.4 Pertanyaan Penelitian

Berdasarkan pemaparan di atas, pertanyaan penelitian dikembangkan berdasarkan
penelitian Wu et al., (2016) terhadap consumer switching behavior di pasar cloud-storage
China yang disesuaikan dengan konteks. Pertanyaan penelitian adalah sebagai berikut:
1. Apakah perceived risk terhadap mobile payment early-entrants berpengaruh positif
terhadap switch intention kepada late entrants?
2. Apakah transfer trust, critical mass, transaction convenience, dan economic benefit
pengguna terhadap penyedia mobile payment late entrants berpengaruh positif
terhadap switch intention kepada late entrants?
3. Apakah switching cost rendah berpengaruh positif terhadap switch intention kepada
late entrants?
4. Apakah attitude to pioneer yang baik berpengaruh negatif terhadap switch intention
kepada late entrants
5. Apakah switching cost rendah memoderasi secara positif efek transfer trust,
transaction convenience, economic benefit terhadap switch intention?
8
6. Apakah switching cost rendah memoderasi secara positif efek jumlah perceived risk
terhadap switch intention?
7. Apakah attitude to pioneer yang baik memoderasi secara negatif efek jumlah
perceived risk terhadap switch intention?
8. Apakah attitude to pioneer yang baik memoderasi secara negatif efek jumlah
transfer trust, transaction convenience, economic benefit terhadap switch
intention?
1.5 Tujuan Penelitian

Tujuan penelitian ini adalah sebagai berikut:
1. Mengetauhi apakah perceived risk terhadap mobile payment early-entrants
berpengaruh positif terhadap switch intention kepada late entrants?
2. Mengetauhi apakah transfer trust, critical mass, transaction convenience, dan
economic benefit pengguna terhadap penyedia mobile payment late entrants
berpengaruh positif terhadap switch intention kepada late entrants?
3. Mengetauhi apakah switching cost rendah berpengaruh positif terhadap switch
intention kepada late entrants?
4. Mengetauhi apakah attitude to pioneer yang baik berpengaruh negatif terhadap
switch intention kepada late entrants
5. Mengetauhi apakah switching cost rendah memoderasi secara positif efek transfer
trust, transaction convenience, economic benefit terhadap switch intention?
6. Mengetauhi apakah switching cost rendah memoderasi secara positif efek jumlah
perceived risk terhadap switch intention?
7. Mengetauhi apakah attitude to pioneer yang baik memoderasi secara negatif efek
jumlah perceived risk terhadap switch intention?
8. Mengetauhi apakah attitude to pioneer yang baik memoderasi secara negatif efek
jumlah transfer trust, transaction convenience, economic benefit terhadap switch
intention?
1.6 Manfaat Penelitian
9
Manfaat dari penelitian ini dibagi menjadi tiga, yaitu manfaat bagi akademisi,
praktisi, dan konsumen. Rinciannya adalag sebagai berikut:
1.6.1 Manfaat bagi Akademisi
Manfaat penelitian ini bagi dunia akademis adalah untuk memperluas pemahaman
terhadap First-Mover Advantage, terutama dalam konteks industri jasa digital, yang
memiliki perbedaan signifikan dengan banyak penelitian yang bersubjek barang
fisik. Penelitian ini juga diharapkan untuk memperkaya pemahaman terhadap
switching behavior berdasarkan model push-pull-mooring.
1.6.2 Manfaat bagi Praktisi
Pelaku bisnis terutama dalam industri jasa digital khususnya teknologi finansial
yang terdampak network effect diharapkan dapat memahami First-Mover
Advantage dan Switching Behavior sehingga membantu dalam entry-timing
decision dan user acquisition melalui switching.
1.7 Kebaruan Penelitian

Kontribusi dari penelitian ini kepada literatur bisnis adalah sebagai berikut:
1. Menelusuri keterkaitan antara first-mover advantage dan consumer switching
behavior. Melakukan eksplorasi propensity to switch sebagai salah satu ukuran dari
first-mover advantage.
2. Memperkaya referensi terhadap konteks partial switching terhadap produk pesaing
dalam literatur consumer switching behavior
3. Memperkaya pemahaman terhadap pasar e-wallet di Indonesia
1.8 Ruang Penelitian

1.8.1 Objek Penelitian
Objek penelitian adalah produk e-wallet berbentuk aplikasi smartphone.
1.8.2 Unit Analisis
Individu yang menggunakan jasa e-wallet OVO yang mengetahui atau juga
menggunakan DANA atau LinkAja sebagai responden penelitian. Individu bisa
berasal dari segala usia dan setidaknya sudah menggunakan OVO selama lebih
dari 3 bulan.
1.8.3 Cakupan Geografis
10
Penelitian ini dilakukan dalam cakupan geografis yaitu di kota tempat tersedia
dan diterimanya secara luas layanan OVO, DANA, dan LinkAja. Kota tersebut
yaitu: Jabodetabek, Bandung, Bali, Jogja, dan Surabaya.
1.9 Sistematika Penulisan

Penelitian ini didirikan berdasarkan kerangka berikut:
BAB I - PENDAHULUAN
Menjelaskan mengenai latar belakang penelitian, rumusan masalah, tujuan penelitian,
manfaat penelitian, uraian singkat sistematika penulisan penelitian, kebaruan
penelitian, dan ruang lingkup penelitian yang terdiri dari objek penelitian, unit
analisis, dan cakupan geografis.
BAB II – TINJAUAN PUSTAKA

Menjelaskan mengenai studi literatur atau riset data sekunder berupa teori yang
relevan dengan penelitian sebagai landasan dari penelitian yang dilakukan. Isi dari
bab ini menjadi acuan peneliti dalam melakukan analisis terhadap temuan-temuan
yang peneliti dapatkan dalam penelitian.
BAB III – METODE PENELITIAN

Menjelaskan mengenai metode yang digunakan dalam melakukan penelitian ini.
Metode yang dimaksud mencakup metode pengambilan sampel, penjelasan mengenai
variabel penelitian, metode pengumpulan data, metode pengolahan dan analisis data,
serta hipotesis penelitian.
BAB IV – ANALISIS DAN PEMBAHASAN

Menjelaskan mengenai hasil analisis terhadap hasil-hasil penelitian, yang kemudian
dibahas untuk menjawab pertanyaan-pertanyaan pada rumusan masalah yang telah
dipaparkan.
BAB V – KESIMPULAN DAN SARAN

Memuat tentang kesimpulan yang didapat dari penelitian yang sudah dilakukan
berupa pernyataan-pernyataan singkat yang merupakan jawaban atas masalah
11
penelitian. Dalam bab ini juga memuat saran yang ditujukan untuk pihak lain yang
terkait yang dapat memperoleh manfaat dari penelitian ini serta saran untuk penelitian
selanjutnya.
BAB II
TINJAUAN PUSTAKA
2.1 First-mover Advantage

Terdapat banyak literatur yang membahas bahwa perusahaan first-mover atau
early entrants mendapatkan keunggulan dibandingkan late entrants. Kalyanaram et al.
(1995) menemukan terdapat hubungan negatif antara order of market-entry terhadap
market share. Suarez dan Lanzolla (2007) memaparkan tiga aspek utama yang menjadi
komponen pembentukan First-Mover Advantage. Ketiga aspek tersebut adalah:
1. Aspek Makro; pengaruh lingkungan pasar dan dinamisme industri
2. Aspek Mikro; kapasitas perusahaan dalam level internal
3. Isolating Mechanism; kekuatan intrinsik untuk mencegah entrants untuk
menduplikasi atau menetralisir competitive advantage dari perusahaan lain (Pass et all.,
2002)
12
Gambar 1.1 Teori First-Mover Advantage dari Suarez & Lazolla

Sumber: The Role of Environmental Dynamics in Building a First-mover Advantage Theory (2007)
Aspek Makro
Peneliti menemukan bahwa terdapat keterbatasan dalam penarikan kesimpulan
antara urutan market entry dengan performance. Vanderwerf dan Mahon (1997)
berargumen bahwa metodologi penelitian tertentu hanya dapat digunakan untuk
penelitian terhadap tipe perusahaan, pasar, dan ukuran performa yang terbatas. Mereka
berkesimpulan bahwa walaupun perusahaan yang melakukan market entry pertama
cenderung lebih sukses, market share tidak memiliki korelasi tinggi terhadap ukuran
performa lain di industri baru dan keuntungan menjadi first-mover bisa memiliki
perbedaan di tiap industri.
Terdapat beberapa penelitian yang dapat menjelaskan prasyarat First-Mover
Advantage dalam industri ini. Nerth (1998) menemukan bahwa regulasi pemerintah
berkontribusi terhadap terciptanya first-Mover Advantage. Magnusson et al. (2009)
dalam penelitiannya terhadap industri jasa di negara berkembang, menemukan bahwa
tingginya laju perkembangan ekonomi sebuah negara dapat menghambat terciptanya
First-Mover Advantage untuk early entrants. Suarez dan Lanzolla (2007) berargumen
13
bahwa market growth tinggi menandakan bahwa akan tetap tersedianya sumber daya
(contoh: pembeli) bagi new entrants.
Aspek Mikro
Banyak dari literatur membahas kapasitas perusahaan dinilai berdasarkan
kemampuan teknologi dibandingkan perusahaan lain. Cho et al. (1998) menjelaskan
technological leadership yang membuat First-Mover mendapatkan keunggulan di pasar.
Akan tetapi, mengingat Mobile Payment adalah industri jasa yang memiliki: intensitas
kapital rendah, experience curve yang curam, dan ketidakmampuan membuat
differensiasi sebagai keunggulan (Magnusson et al., 2009), serta jenis teknologi yang
tidak dapat dipatenkan dan mudah direplikasi; kapasitas perusahaan dalam industri tidak
dapat dinilai melalui keunggulan teknologi.
Street et al. (2011) mengusulkan kapasitas perusahaan terdiri dari: combinative
capabilities, leadership capacity, and slack assets. Hal-hal tersebut di antaranya terdiri
dari kemampuan sosialisasi, koordinasi, leadership, dan adaptasi. Banyak dari konstruksi
tersebut bersifat intangible, dan dalam tujuan penelitian ini serta ketidak-tersediaan data,
maka penelitian tidak membahas kapasitas perusahaan sesuai konteks penelitian Street et
al. sepenuhnya. Dalam hal kapasitas organisasional, Magnusson et al. (2009)
mendapatkan bahwa pengalaman di banyak pasar internasional dan ownership lokal
memoderasi pengaruh First-Mover Advantage melalui keunggulan human,
organizational, dan informational capital.
Isolating Mechanism
Lee dan Ng (2012) mengemukakan bahwa terdapat lima strategi yang dapat
digunakan incumbents, dalam hal ini early entrants, untuk mencegah masuknya /
berkembangnya late entrants. Kelima strategi tersebut adalah: consumers’ switching cost,
cost superiority, channel exclusivity, credible commitments, dan environmental barriers
of entry. Dari kelima strategi tersebut, consumers’ switching cost menjadi aspek yang
akan diteliti lebih mendalam di tulisan ini. Empat strategi lainnnya dinilai memiliki
relevansi yang rendah di dalam konteks industri mobile payment.
Cost Superiority mengacu kepada kemampuan early entrants untuk memiliki
biaya per unit produksi lebih kecil dibandingkan late entrants. Hal ini diraih terutama
dengan economies of scale (Rao dan Ruttenberg, 1979) ketika memiliki volume produksi
lebih besar. Namun dalam konteks mobile payment yang merupakan jasa dalam wujud
14
digital, karena industri tidak memiliki karakteristik fixed cost yang tinggi maupun bersifat
capital intensive seperti perusahaan manufaktur.
Channel Exclusivity mengacu kepada kemampuan perusahaan untuk
mendapatkan hak ekslusif terhadap supplier atau distributornya, dalam konteks mobile
payment berarti merchant offline. Perusahaan yang memiliki channel exclusivity baik
melalui exclusive dealing, yaitu kontrak dengan tujuan melarang/memberi intesif agar
supplier/distributor tidak berhubungan bisnis dengan perusahaan competitor (Porter,
1974). Terdapat cara tidak langsung untuk mendapatkan channel exclusivity, yaitu dengan
mengisi “ruang” yang tersedia sehingga tidak dapat terisi oleh later entrants (Prescott and
Visscher, 1977; Schmalensee,1978).
Environmental Barriers of Entry mengacu kepada faktor lingkungan yang
membuat late entrants sulit memasuki pasar. Hal ini bisa dijelaskan melalui peraturan
pemerintah yang memberatkan perusahaan untuk memasuki industri (Ghemawat, 1986).
Credible Commitment to React Aggressively adalah kemampuan incumbent untuk
menunjukkan bahwa mereka akan bereaksi secara agresif untuk mempertahankan posisi
pasar, salah satunya dengan predatory pricing (Kreps dan Wilson, 1982) dengan tujuan
untuk menakuti penantang agar tidak melakukan market entry.
2.2 Consumers’ Switching dalam konteks IT

Consumer Switching dalam konteks umum diartikan sebagai konsumen
mengganti (replace) penyedia produk dengan penyedia kompetitor dalam suatu waktu
(Keaveney, 1995) yang secara relative bersifat permanen (Mangalam, 1968). Switching
sering juga disebut defect atau exit. Akan tetapi, switching dalam konteks IT umum untuk
tidak disertai dengan meninggalkan penyedia lama, melainkan mengganti sebagian
(partial replacement) kepada penyedia produk baru (Peng et al., 2016) dengan pemakaian
dominan terhadap penyedia baru (Keaveney dan Parthasarathy, 2001).
Terdapat tiga jenis perilaku switching yang telah diamati dalam literatur dengan
konteks jasa digital:
1. Switching antar Saluran Media
Seperti switching dari konteks tradisional/offline menjadi konteks online (Lai
dan Wang, 2015) maupun mobile (Zhou, 2016). Jenis ini biasanya disebabkan
15
oleh difusi teknologi terbaru yang memberikan manfaat lebih dalam media
online.
2. Switching antara Dua Produk Jasa Homogen
Contohnya switching dari sebuah platform media sosial ke media sosial lain
(Chang et al., 2014) atau switching dari aplikasi instant messaging (IM) ke
aplikasi IM lain (Fang dan Tang, 2017). Switching jenis ini didorong oleh user
dissatisfaction terhadap incumbent dan attractiveness dari penyedia alternatif.
3. Switching antara Dua Produk Jasa Berbeda
Contohnya switching dari pengguna blog menjadi pengguna sosial media
(Hsieh et al., 2012). Switching ini didorong oleh terdapatnya fungsi dan
manfaat dari jasa alternatif tersebut.
Tidak terdapat konsensus dalam literatur terhadap kerangka paling tepat dari
Consumer Switching Behavior. Salah satu kerangka yaitu Push-pull-mooring (PPM) telah
dipakai dalam banyak penelitian terhadap perilaku switching (Hou et al., 2011). Kerangka
PPM juga yang akan dipakai dalam penelitian ini. Terdapat juga literatur yang
mengembangkan sendiri kerangka yang aplikatif terhadap konteks penelitian masing-
masing, seperti penelitian Peng et al. (2016) terhadap aplikasi IM WeChat di China.
Terdapat pula kerangka lain mengenai perilaku switching yang digunakan dalam banyak
penelitian, seperti: Technology acceptance models (TAM), Expectation-disconformation
model (ECM), Decomposed theory of planned behavior (DTPB), dan teori difusi
teknologi.
2.3 Push-pull-mooring (PPM)

Bansal et al. (2005) mengajukan kerangka migrasi pengguna penyedia jasa ke
kompetitor melalui: push, faktor negatif yang mendorong untuk meninggalkan penyedia
jasa; pull, faktor positif yang menarik pengguna jasa (Lewis, 1982) dan mooring atau
variabel intervening berupa faktor personal atau sosial yang mencegah perpindahan
pengguna (Moon, 1995).
2.3.1 Push Effect (Perceived Risk)
16
Push adalah faktor bersifat negatif yang berasal dari unsur produk
incumbent yang memotivasi pengguna untuk meninggalkan produk tersebut.
Konstruksi ini menurut Bansal et al. (2005) berkorespondensi terhadap beberapa
dimensi seperti satisfaction, quality, value, trust, commitment, dan price
perceptions. Dalam konteks jasa digital, Wu et al. (2016) menggunakan perceived
risk sebagai konstruksi dari push effect.
Risk adalah hal penting dalam konteks online karena terdapat environmental
uncertainty dan behavioral uncertainty (Burda dan Teuteberg, 2014).
Environmental uncertainty lahir dari dinamisme lingkungan (kebijakan
pemerintah, ketiadaan akses internet, peretasan situs, dll.). Behavioral uncertainty
hadir karena penyedia jasa dapat melakukan penyalah gunaan data dan tidak
menjaga privasi. Perceived risk menciptakan push effect karena pengguna pada
umumnya memilih produk/jasa yang memiliki risiko kecil (Ye dan Potter, 2011)
dan persepsi risiko yang tinggi mendorong pemberhentian penggunaan jasa
paska-adopsi (Yang dan Lin, 2015)
Dalam penelitian mengenai Personal Cloud Storage, Wu et al.
mengidentifikasi 7 tipe risiko, yaitu: performa, sosial, waktu, finansial, privasi,
psikologi, dan fisik. Risiko fisik tidak digunakan karena dianggap tidak relevan
dalam konteks jasa digital (Featherman dan Pavlou, 2003). Tipe risiko yang
diidentifikasi Wu et al. sejalan dengan indikator perceived risk dari adopsi e-
Payment dalam penelitian Nguyen dan Hyunh (2018).
2.3.2 Pull Effect

Pull adalah faktor positif berupa atribut yang membuat produk tujuan
atraktif (Moon, 1995). Dalam konteks jasa digital, Wu et al. (2016) menggunakan
Trust sebagai konstruksi dari efek pull. Terdapat tiga tipe trust, yaitu: institution-
based (kepercayaan terhadap kebijakan struktural), knowledge-based
(berdasarkan pengalaman), dan transfer. Dari ketiga tipe tersebut, hanya transfer
trust yang relevan pada penelitian ini karena institutional-based trust sulit diukur
dan knowledge-based trust hanya berlaku post-adopsi.
2.3.2.1. Transfer Trust
17
Transfer trust adalah trust yang berasal dari pihak/obyek lain yang
berhubungan dengan produk tersebut (contoh: produk lain dari perusahaan
yang sama) (Burt dan Knez, 1995). Transfer trust dapat menjadi
konstruksi pull effect karena Bansal et al. (2005) mengatakan atribut
atraktif dari produk tidak harus berupa atribut orisinil yang berasal dari
produk itu tersendiri.
2.3.2.2 Transaction Convenience
Dalam melakukan sebuah prosedur pembayaran, konsumen
mengeluarkan waktu dan energi. Transaction convenience adalah persepsi
konsumen terhadap kenyamanan yang ditandai oleh waktu dan upaya
untuk melakukan sebuah transaksi (Berry et al., 2002). Waktu dan
kemudahan proses tersebut kemudian membentuk persepsi kenyamanan
transaksi bagi konsumen (Geissler et al., 2006). Persepsi kenyamanan
telah ditemukan sebagai faktor adopsi mobile payment (Amoroso dan
Watanabe, 2011). Kenyamanan transaksi merupakan faktor pull karena
berdasarkan temuan Chang dan Polonsky (2012), terdapat hubungan
positif antara persepsi terhadap kenyamanan transaksi dengan switch
intention.
2.3.2.3 Economic Benefit
Economic benefit mengacu pada uang yang bisa dihemat dari
mengambil alternatif tertentu, sebagaimana penghematan uang adalah
manfaat yang dicari konsumen (Jang dan Mattila, 2005). Mcfadden (2001)
menemukan bahwa aspek keuangan menentukan pengambilan keputusan
ekonomi. Harga yang rendah dari diskon dan subsidi (Alford dan Biswas,
2002)., serta perceived value (Kuo et al., 2009), ditemukan memengaruhi
purchase intention. Maka economic benefit dapat menjadi faktor pull
untuk melakukan switch. Hal ini sejalan dengan temuan bahwa perceived
monetary value memengaruhi adopsi produk IT secara positif (Hong dan
Tam, 2006).
2.3.3 Mooring
Selain push dan pull, Bansal et al. (2005) mendapatkan variabel intervening
berupa hambatan yang menyebabkan migrasi dapat tidak terjadi walaupun push
18
dan pull kuat. Konstruksi ini Ia sebut efek mooring. Hambatan tersebut pada
umumnya bersifat spesifik dan personal, namun dapat terjadi kepada banyak
orang (Gardner, 1981). Pada konteks penelitian ini, faktor yang menyebabkan
efek mooring adalah norma sosial, attitude to pioneer dan switching cost.
2.3.3.1 Switching Cost
Switching Cost adalah biaya dalam satu kali yang dikeluarkan
pengguna ketika berpindah penyedia jasa (Burnham et al., 2003).
Switching cost ditemukan baik memiliki pengaruh langsung terbalik
terhadap switch intention (Chang et al., 2014), maupun memiliki efek
memoderasi (Kim et al., 2006). Terdapat berbagai macam faktor yang
dapat menjadi switching cost, seperti: finansial, waktu, tenaga, dan
kemampuan (Bolton et al., 2000). Dalam konteks IT, terdapat 3 unsur
switching cost utama, yaitu:
1. Set-up cost
Biaya ini adalah waktu, tenaga, dan pengeluaran untuk
memulai hubungan dengan penyedia jasa (Burnham et al.,
2003). Dalam konteks mobile payment, dengan kata lain biaya
untuk membuka akun baru.
2. Sunk cost
Biaya waktu, tenaga, dan finansial yang telah keluar dan tidak
dapat dibalikan kembali yang telah diinvestasikan kepada
sebuah penyedia jasa (Chang et al., 2014)
3. Continuity cost
Manfaat dan hak istimewa yang direlakan ketika berpindah
jasa dan ketidak-pastian terhadap performa dari penyedia jasa
baru (Jones et al., 2002)
2.3.3.2 Attitude to Pioneer
Alpert (1987) membahas bagaimana pioneering brand memiliki
recall lebih tinggi daripada follower’s brand dan menemukan fenomena
ketika early entrants menjadi brand yang dipakai sebagai exemplar dari
kategori produk (contoh: Pampers dalam kategori popok bayi). Carpenter
dan Nakamoto (1989) menemukan attitude yang lebih baik terhadap
19
market pioneer daripada followers. Kardes dan Kalyanaran (1992) juga

menemukan bahwa secara umum terdapat preference yang lebih tinggi
terhadap brand yang pioneer daripada followers. Alpert dan Kamins
(1995) kemudian melakukan survey dan mengkonfirmasi bahwa Recall,
Attitudes dan Preferences secara umum lebih tinggi terhadap brand yang
dipersepsikan menjadi market pioneer daripada follower.
BAB III
MODEL DAN METODE PENELITIAN
3.1 Model Penelitian
Model penelitian ini diadaptasi dari penelitian Wu et al. (2016) yang berjudul
“Understanding users' intention to switch personal cloud storage services: Evidence from
the Chinese market” dengan penyesuaian terhadap konteks mobile payment. Penelitian
juga menambahkan dua konstruksi pull factor yang dianggap relevan dalam konteks
mobile payment dari penelitian Li (2017) yang berjudul “Consumer behavior in switching
between membership cards and mobile applications: The case of Starbucks” Penelitian
tersebut dipilih berdasarkan pertimbangan berikut ini:
1. Industri personal cloud storage service dan mobile payment memiliki banyak
indikator benefit dan risk yang serupa. Berdasarkan penelitian Nguyen dan Huynh
(2018) tentang adopsi e-payment, terdapat persamaan indikator dengan model
penelitian Wu dari dimensi Perceived Risk (contoh: kelalaian penjagaan
informasi, kerugian finansial, kegagalan dalam proses, dll.) dan Trust
(kehandalan).
2. Menggunakan model PPM yang mengakomodasi adanya switching cost yang
menjadi dimensi dalam variabel interving mooring.
20
3. Penelitian Wu berlatar belakang pada lingkungan di pasar China pada tahun 2016.
Kedekatan waktu penelitian dan kondisi industri teknologi yang serupa membuat
penelitian semakin relevan dengan penelitian terhadap produk teknologi di
Indonesia.
4. Penelitian Li mengambil objek penelitian membership cards dan mobile apps
yang digunakan sebagai metode pembayaran di Starbucks. Hal ini paralel dengan
kegunaan dari mobile payment.
Penelitian ditujukan kepada pengguna OVO yang mengetahui adanya DANA dan
LinkAja. Model penelitian digambarkan oleh gambar di bawah.
21
Gambar 3.1 Model Penelitian

Model penelitian terdiri dari 7 konstruk, yaitu perceived risk, switching cost,
attitude to pioneer, transfer trust, economic benefit, transaction convenience, dan
switching intention. Perceived risk dilihat sebagai konstruk formatif dan merupakan
second-order construct yang terdiri dari enam sub-dimensi yaitu: social risk,
performance risk, financial risk, time risk, privacy risk, dan psychological risk. Switching
cost juga dihitung sebagai konstruk formatif second-order yang terdiri dari search and
evaluation cost, setup cost, dan continuity cost.
Kedua konstruk tersebut bersifat formatif karena kenaikan dari salah satu tipe
risk/switching cost tidak menyebabkan kenaikan di tipe risk/switching cost yang lain.
Sehingga, perubahan pada salah satu indikator akan memengaruhi konstruk formatif,
tetapi perubahan konstruk belum tentu berdampak kepada indikatornya (Andreev et al.,
2009).
Switching Cost, dan Attitude to Pioneer bekerja sebagai mooring effect. Konstruk
tersebut memiliki pengaruh langsung terhadap switching intention dan juga memiliki
pengaruh moderasi kepada konstruk pada push effect dan pull effect. Konstruk perceived
risk membangun push effect memengaruhi langsung switching intention. Economic
Benefit, Transfer Trust, dan Transaction Convenience adalah pull effect yang
berpengaruh langsung terhadap switching intention.
Terdapat beberapa konstruk yang terdapat pada penelitian Wu yang dieksklusikan
dalam penelitian ini dikarenakan alasan relevansi kontekstual dan dalam rangka
menghindari survey fatigue dikarenakan survey yang terlalu panjang yang dapat
menyebabkan kesalahan pengukuran (referensi: Egleston et al., 2011), serta untuk
meningkatkan survey completion rate. Konstruk yang tidak dibahas dalam penelitian ini
adalah Social Norm sebagai faktor mooring dan Critical Mass sebagai faktor pull.
Social Norm tidak dibahas dalam penelitian ini dikarenakan dua alasan. Pertama,
aspek sosial dalam menjelaskan switching intention sudah sebagian direfleksikan oleh
social risk, sebuah konstruk pembentuk perceived risk. Kedua, telah banyak penelitian
yang membuktikan bahwa social norm mempengaruhi switching intention secara
langsung (e.g. Msaed et al., 2017; Keaveney & Parthasarathy, 2001; Polites & Karahanna,
2012; Hou & Shiau, 2019; Park & Ryoo, 2012; Kim & Min, 2015) dan secara tidak
langsung (e.g. Lin & Huang, 2014; Wu et al., 2017). Sehingga, peneliti merasa bahwa
22
social norm juga akan memengaruhi switching intention pada konteks ini juga
sebagaimana hal itu berpengaruh di banyak konteks jasa konsumen lain.
Critical Mass tidak dibahas dalam penelitian kali ini dikarenakan dua alasan.
Pertama, peneliti telah melakukan pretest yang mencakup item indikator critical mass
dan ditemukan item tersebut tidak valid dan reliable. Kedua, critical mass erat kaitannya
dengan network externalities, yaitu di mana nilai kegunaan sebuah produk meningkat
dengan jumlah penggunanya (Katz & Shapiro, 1985). Dalam konteks Wu, kegunaan
personal cloud storage naik seiring banyaknya pengguna karena interaksi dalam konteks
ini adalah C2C. Sedangkan dalam konteks e-wallet, kegunaan e-wallet akan bertambah
ketika besarnya network dalam sisi bisnis/merchant, karena pola interaksi utama adalah
B2C, walaupun ada fitur yang mengakomodir interaksi C2C. Oleh karena network
externalities hanya merupakan anteseden terhadap kegunaan, maka hal ini juga sudah
direfleksikan melalui konstruk transaction convenience.
3.2 Hipotesis Penelitian

Penelitian ini menguji 14 hipotesis yang diajukan dalam penelitian Wu et al.
(2016) dan Li (2017). Variabel penelitian dan hipotesis terkait tersebut adalah sebagai
berikut.
3.2.1 Perceived Risk
Wu et al. berhipotesis bahwa perceived risk yang tinggi akan
mengurangi intensi pengguna untuk tetap menggunakan produk
incumbent dan meningkatkan intensi untuk berpindah ke produk lain yang
memiliki perceived risk lebih rendah. Hal ini sejalan dengan penemuan
bahwa perceived risk berkorelasi negatif terhadap adopsi jasa digital
(Featherman dan Pavlou, 2003), dan sebaliknya perceived risk dari jasa
alternatif yang rendah mendukung switch (Bhattacherjee dan Park, 2014).
H1: Perceived risk pengguna (performa, sosial, waktu, finansial,
privasi, dan psikologi) terhadap incumbent penyedia mobile
payment berpengaruh positif terhadap switch intention
3.2.2 Transfer Trust
23
Jika penguna memiliki trust yang tinggi terhadap perusahaan late

entrants penyedia mobile payment, maka akan terdapat switch intention
lebih tinggi terhadap late entrants. Hal ini sejalan dengan penemuan
Nguyen dan Huynh (2018) yang menyatakan trust memiliki hubungan
positif terhadap adopsi e-payment.
H2: Transfer trust pengguna terhadap late entrants penyedia mobile
3.2.3 Transaction Convenience

Li berhipotesis bahwa kenyamanan transaksi adalah faktor pull
untuk melakukan switch. Hipotesis ini perlu diuji untuk melihat apakah
terdapat persepsi konsumen bahwa fitur mobile payment memiliki tingkat
kenyamanan berbeda. Kenyamanan transaksi berkatian dengan ekspektasi
performa sebuah produk (Teo et al., 2015). Park dan Ryoo (2013)
mengajukan bahwa ekspektasi performa, yang akan tinggi jika
kenyamanan transaksi baik, akan mendorong switch intention. Ease of use
juga ditemukan sebagai faktor yang memengaruhi adopsi e-wallet di
Indonesia (Chandra et al., 2018; Limantara, 2018), sehingga sangat
mungkin juga merupakan konsiderasi untuk switch ke e-wallet lain.
H4: Persepsi Transaction convenience yang lebih baik daripada
early entrants berpengaruh positif terhadap switch intention
3.2.4 Economic Benefit

Li berhipotesis bahwa manfaat ekonomis adalah faktor pull yang
mendorong switch intention. Hipotesis ini ditambahkan karena cashback
dan diskon, yang menyediakan manfaat ekonomis, adalah strategi yang
banyak diambil perusahaan mobile payment untuk akuisisi pengguna.
Venkatesh et al. (2012) berargumen monetary value adalah prediktor
penggunaan dari sebuah produk teknologi. Hal ini juga sejalan dengan apa
yang ditemukan Park dan Ryoo (2013) bahwa kemudian persepsi manfaat
24
ekonomis mendorong perilaku switching. Konsiderasi ekonomis juga

ditemukan sebagai faktor adopsi dari e-wallet di Indonesia (Limantara,
2018), sehingga sangat mungkin juga berpengaruh terhadap switch
intention antar e-wallet.
H5: Economic benefit dari late entrants berpengaruh positif
terhadap switch intention
3.2.5 Switching Costs

Switching cost yang rendah mempermudah pengguna untuk
melakukan switching, sehingga berhubungan positif langsung terhadap
switch intention. Hal ini sejalan dengan penemuan bahwa peningkatan
switching cost berhubungan dengan penurunan kesediaan untuk switch
dalam konteks media sosial (Chang et al., 2014) dan dalam konteks gim
MMORPG (Hou et al., 2011).
Switching cost juga memiliki efek memoderasi antara efek push
dan pull terhadap switch intention. Hal ini sejalan dengan penemuan peran
moderasi antara attitude kepada behavior oleh switching cost dalam
penelitian Kim et al. (2006) dan Sharma & Patterson (2000).
H9: Switching Cost rendah berpengaruh positif terhadap switch
intention kepada late entrants
H10: Switching Cost rendah memoderasi secara positif faktor push
H11: Switching Cost rendah memoderasi secara positif faktor pull
(a) transfer trust, (b) critical mass , (c) transactional convenience
, dan (d) economic benefit terhadap switch intention
3.2.9 Attitude to Pioneer
Kami berhipotesis Attitude to Pioneer yang baik memperkecil
switching intention, sehingga terdapat hubungan negatif. Hal ini didasari
oleh penelitian yang menunjukkan menjadi market pioneer meningkatkan
preferensi dan persepsi yang baik terhadap follower brand (Alpert &
Kamins, 1995). Attitude to Pioneer serupa dengan jenis brand attitude
25
pada umumnya. Telah banyak ditemukan pengaruh langsung berbagai

jenis brand attitude terhadap switch intention, seperti dalam konteks sport
team sponsorship attitude (Parganas et al., 2017), perceived
innovativeness pada ponsel pintar Samsung (Msaed et al., 2017), dan
Karena attitude bekerja pada aspek self-image dari konsumen,
dihipotesiskan bahwa attitude to pioneer juga memoderasi faktor push dan
pull terhadap switching intention sebagaimana social norm.
H12: Attitude to pioneer yang baik berpengaruh negatif terhadap
switch intention kepada late entrants
H13: Attitude to pioneer yang baik memoderasi secara negatif faktor
push perceived risk terhadap switch intention kepada late
entrants
H14: Attitude to pioneer yang baik memoderasi secara negatif faktor
pull transfer trust (a), critical mass (b), transactional
convenience (c), dan economic benefit (d) terhadap switch
intention kepada late entrants
3.3 Data Penelitian

Terdapat dua jenis data yang akan digunakan dalam penelitian ini, yaitu data primer
dan sekunder
3.3.1 Data Primer

Data yang berasal dari pencarian pelaku riset untuk tujuan spesifik
penelitian (Malhotra, 2017). Data primer dalam penelitian ini diperoleh
melalui kuisioner yang diisi sendiri oleh responden (self-administerred).
3.3.2 Data Sekunder
Data yang telah dikoleksi sebelumnya untuk keperluan lain selain dari
permasalahan bersangkutan (Malhotra, 2017). Di dalam penelitian ini,
data sekunder yang dipakai adalah jurnal akademik, laporan statistik,
berita mengenai objek penelitian, buku teks, dan studi kepustakaan
lainnya.
26
3.4 Desain Penelitian

Desain penelitian adalah kerangka atau rencana yang digunakan dalam
pengambilan informasi terstruktur yang diperlukan untuk menjawab pertanyaan riset
(Malhotra, 2017). Secara umum, desain penelitian diklasifikasikan ke dalam dua jenis,
yaitu penelitian exploratory dan conclusive. Pada penelitian ini, desain yang digunakan
adalah penelitian conclusive karena bertujuan untuk menguji variabel yang menjelaskan
fenomena pemasaran (Malhotra, 2017).
Secara lebih spesifik, terdapat dua tipe penelitian conclusive, yaitu descriptive
research dan causal research. Penelitian ini adalah descriptive research karena penelitian
ini bertujuan untuk menjelaskan fungsi atau karakterisasi pasar (Malhotra, 2017).
Descriptive research juga digunakan karena informasi yang dibutuhkan telah
didefinisikan secara jelas, serta penelitian bersifat berstruktur dan terencana (Malhotra,
2017).
Pengambilan data dalam penelitian ini dilakukan dengan metode single cross-
sectional design, yaitu pengambilan data dari sebuah sampel dan dilakukan hanya sekali
(Malhotra, 2017). Pengambilan data dilakukan dengan metode survey, karena informasi
yang dibutuhkan berupa tanggapan konsumen tidak dapat diobservasi secara eksternal.
Survey dilakukan melalui structured questionnaire yang diisi oleh responden secara self-
administered.
3.5 Operasionalisasi Variabel

Construct Measures Sumber
Risk Performance PR1 Saya mengalami layanan tidak Rekontekstualisasi
stabil, layanan lambat, atau
dari (Wu 2006)
perubahan kebijakan layanan yang
merugikan saat menggunakan
OVO
Security ST1 Saya mungkin akan mengalami Self-developed
kehilangan saldo uang saat
menggunakan early entrants
(karena error/hacking/dst.)
Social SR1 Saya akan kehilangan gengsi di (Lee 2009)
lingkaran sosial saya karena gagal
transaksi/gagal transfer/gagal
27
pembayaran tagihan/dll. ketika

SR2 Saya merasa malu kepada
teman/kolega/keluarga saat terjadi
kesalahan layanan early entrants
Time TR1 Saya akan menghabiskan waktu (Wu 2006)
yang lama untuk menyelesaikan
masalah terkait kehilangan saldo
saat menggunakan OVO
TR2 Saya akan menghabiskan waktu
yang lama untuk menyelesaikan
masalah terkait layanan yang tidak
stabil dengan early entrants
Financial FR1 Saya mungkin akan mengalami
kerugian finansial yang
dikarenakan kehilangan saldo saat
FR2 Saya akan mengalami kerugian
finansial yang dikarenakan
kebocoran data pribadi
FR3 Saya akan mengalami kerugian
finansial yang dikarenakan
layanan tidak stabil saat
Privacy PV1 Informasi pribadi Saya dapat (Featherman dan
digunakan tanpa sepengetahuan
Pavlou 2003)
Saya sebagai pengguna early
entrants
PV2 Informasi keuangan Saya dapat
diakses tanpa persetujuan Saya
sebagai pengguna early entrants
Psychological PS1 Saya tidak sesuai dengan imej dari
pengguna brand early entrants
PS2 Saya merasa
khawatir/lelah/terganggu dari
layanan buruk (tidak stabil,
lambat, dll.) dari early entrants
28
Switching Semua indikator bersifat reverse coded, kecuali SE4

Cost
Setup SC1 Melakukan set up untuk akun baru (Wu 2006)
akan menghabiskan banyak waktu
SC2 Mengisi/memindahkan saldo ke e-
wallet baru adalah pengalaman
menjengkelkan
SC3 Memindahkan saldo ke e-wallet
baru akan memerlukan usaha yang
merepotkan
Continuity CC1 Early Entrants memberikan saya (Jones et al 2002)
hal istimewa yang tidak bisa
didapatkan di e-wallet lain
CC2 Dengan melanjutkan penggunaan
Early Entrants, Saya
mendapatkan bonus yang Saya
tidak akan dapatkan ketika Saya
pindah
CC3 Akan ada manfaat yang saya tidak
dapat pertahankan jika Saya
berpindah
CC4 Saya akan kehilangan perlakuan
spesial ketika saya berpindah e-
wallet
Search and SE1 Mencari e-wallet yang sesuai bagi
evaluation saya memerlukan banyak waktu
dan usaha
SE2 Memahami dan mengevaluasi
beberapa pillihan e-wallet
memerlukan waktu yang cukup
lama
SE3 Menentukan untuk akhirnya
berpindah e-wallet memerlukan
waktu yang cukup lama
SE4 Proses untuk menentukan e-wallet
cukup mudah bagi saya (tidak
reverse coded)
29
Attitude to Attitude to “Pionir adalah perusahaan perintis yang Adaptasi dari

Pioneer Pioneer pertama kali meluncurkan produk dan sudah
(Alpert & Kamins,
ada lebih lama”
1995)
AP1 Menurut saya, produk pionir lebih
dapat diandalkan daripada produk
baru
AP2 Menurut saya, produk pionir
memiliki teknologi lebih baik
daripada produk baru
AP3 Saya merasa lebih aman
menggunakan produk pionir
daripada produk baru
AP4 Saya lebih menyukai
menggunakan produk yang sudah
ada sejak lama daripada produk
yang baru
Transfer Transfer Trust “Layanan e-wallet umumnya diluncurkan (Tseng dan Teng
Trust oleh perusahaan induk yang mungkin
2014)
memiliki usaha di industri lain”
TT1 Saya mempertimbangkan latar
belakang perusahaan dari produk
e-wallet yang saya pertimbangkan
untuk saya gunakan
TT2 Jika saya percaya sebuah
perusahaan induk, maka saya akan
percaya produk e-walletnya juga
TT3 Saya lebih percaya perusahaan
induk late entrants daripada early
entrants di produk lain perusahaan
tersebut
TT4 Saya percaya produk teknologi
yang dikeluarkan perusahaan late
entrants dapat diandalkan
Critical Critical Mass CM1 Saya percaya seiring jumlah
Mass pengguna sebuah e-wallet
bertambah, menggunakan e-wallet
akan menjadi semakin mudah
30
CM2 Saya percaya seiring jumlah

pengguna sebuah e-wallet
bertambah, akan lebih banyak fitur
yang ditambahkan
CM3 Saya percaya pengguna late
entrants sedang bertambah secara
signifikan
Economic Economic EB1 Menggunakan produk late Adaptasi dari
Benefit Benefit entrants memiliki manfaat
(Venkatesh et al.,
ekonomi yang lebih baik
2012)
EB2 Dengan tingkat sekarang,
menggunakan late entrants
membuat Saya dapat berhemat
lebih banyak
Transaction Transaction TC1 Produk late entrants lebih mudah (Singh et al.,
Convenience Convenience digunakan
2020)
TC2 Aplikasi late entrants jelas dan
mudah dimengerti
TC3 Membayar menggunakan late
entrants menghemat waktu dan
energi
TC4 Cukup mudah untuk
menggunakan berbagai fitur dan
layanan dari late entrants
Switch Switching SI1 Saya mempertimbangkan late (Chang et al.,
Intention Intention entrants sebagai e-wallet utama
2014)
saya
SI2 Saya ingin meningkatkan
penggunaan late entrants dan
mengurangi penggunaan early
entrants
SI3 Saya ingin memindahkan saldo
Saya ke e-wallet late entrants
SI4 Saya akan berpindah sepenuhnya
ke late entrants dalam 6 bulan
3.6 Metode Pemilihan Sampel
31
Pengambilan sampel dilakukan dengan metode non-probability sampling, yaitu

metode di mana tiap unit populasi tidak memiliki kesempatan yang sama untuk menjadi
sampel. Non-probability sampling digunakan karena ketiadaan spesifikasi mendalam
terhadap definisi dari populasi, sehingga menentukan apakah tiap elemen populasi
memiliki kesempatan yang sama untuk menjadi sampel menjadi sulit dilakukan.
Judgemental Sampling diambil dengan dasar penilaian peneliti bahwa sampel bersifat
representatif terhadap populasi. Oleh karena itu, dilakukan metode snowball sampling di
mana peneliti juga meminta responden yang memenuhi kualifikasi untuk membagikan
kuisioner kepada teman/kerabat mereka yang juga memenuhi kualifikasi responden.
Jumlah ukuran sampel sebaiknya lebih besar atau sama dengan 100 (Hair et al.,
2010). Pada umumnya, jumlah sampel minimum adalah setidaknya lima kali dari jumlah
indikator (Hair et al., 2014). Dengan demikian, jumlah responden minimum dalam
penelitian ini adalah lima kali dari jumlah indikator (38) yaitu setidaknya 190 responden.
Peneliti memberikan reward kepada responden sebagai insentif mengisi dan membagikan
kuisioner, yaitu berupa kesempatan untuk mendapatkan saldo e-wallet sesuai preferensi.
Melalui ini, peneliti juga secara langsung mendapatkan informasi mengenai brand
preference dari sampel.
3.7 Metode Pengolahan Data

3.7.1 Preliminary Test
Test preliminary atau pretest dilakukan untuk menguji kualitas alat ukur
penelitian. Pengujian dilakukan dengan melakukan interview kepada beberapa
orang untuk melihat apakah orang awam dapat memahami perntanyaan survey.
Kemudian dilakukan pretest kepada setidaknya 30 orang untuk melihat validitas
dan reliabilitas alat ukur. Item pernyataan yang tidak memenuhi kriteria validitas
dan reliabilitas tersebut kemudian dimodifikasi atau dihilangkan dalam kuisioner
final yang akan dibagikan. Pretest berupa uji validitas dan reliabilitas dilakukan
menggunakan software statistik SPSS.
Uji Validitas adalah tes untuk mengukur baiknya konstruk penelitian
didefinisikan oleh variabel pengukuran yang digunakan (Hair et al., 2014).
Indikator yang digunakan untuk melihat tingkat validitas adalah Kaiser-Mayer-
Olkin (KMO), Bartlett Test of Spherecity, dan Factor Loading. Jika nilai KMO >
32
0,5 dan nilai nilai Bartlett Test < 0,05, variabel dan sampel dianggap cukup dan
dapat dianalisis (Malhotra, 2017). Nilai Factor Loadings > 0,7 atau lebih dinilai
baik, sementara nilai di bawah 0,5 buruk (Bagozzi, 2011).
Uji reliabilitas mengukur jika skala pengukuran menghasilkan hasil
konsisten dalam pengukuran berulang (Malhotra, 2017). Untuk mengukur
reliabilitas, Cronbach’s alpha digunakan sebagai reflkesi dari konsistensi internal.
Nilai Cronbach’s Alpha yang cukup untuk mengatakan sebuah skala pengukuran
dikatakan konsisten adalah >0,6 (Malhotra, 2017) dan dengan nilai yang
direkomendasikan ≥ 0,7 (Bagozzi, 2011).
3.7.2 Analasis Kuisioner Awal

Analisis Kuisioner dilakukan sebelum pengolahan data dilakukan untuk
menghindari hal-hal yang menyebabkan tidak validnya data hasil kuisioner. Hal-
hal yang diperhatikan dalam menyortir hasil kuisioner antara lain adalah:
a. Responden tidak mengisi semua pertanyaan dalam kuisioner
b. Responden belum pernah mendengar objek penelitian
c. Responden tidak memenuhi kriteria subjek penelitian
Di dalam kuisioner, terdapat juga pertanyaan attention trap, yaitu pertanyaan
yang menguji apakah responden mengisi kuisioner dengan teliti. Hal ini dilakukan
karena kuisioner bersifat panjang sehingga membutuhkan waktu setidaknya 10
menit berdasarkan laporan beberapa responden. Penelitian mengatakan bahwa
setidaknya 5% responden mengisi kuisioner secara ceroboh (Johnson, 2005).
Untuk mempertahankan validitas, direkomendasikan untuk menaruh pertanyaan
attention trap (Berinsky, Margolis, & Sances, 2014).
Pertanyaan yang dipakai berupa instructed-response item, di mana responden
diminta untuk memilih sebuah opsi (referensi: Bowling et al., 2016). Responden
yang tidak menjawab sesuai instruksi tidak akan diperhitungkan. Terdapat
kekhawatiran bahwa attention trap membuat responden menjawab penelitian
berikutnya secara berbeda (Hauser & Schwarz, 2015). Oleh karena itu, attention
trap ditaruh di seperempat akhir dari rangkaian kuisioner.
3.7.3 Pengujian Alat Ukur
33
Sebelum data final diolah untuk melihat kausalitas, diuji terlebih dahulu
alat ukur final yang digunakan. Terdapat beberapa analisis yang digunakan untuk
menguji alat ukur. Analisis dilakukan untuk menilai empat hal, yaitu:
1. Reliabilitas Item
2. Konsistensi Internal
3. Discriminate Validity
4. Model Fit dan Kolinieritas
Reliabilitas item dilakukan dengan melihat loading tiap indikator terhadap
konstruk masing-masing. Loading dengan nilai di >0,5 dianggap baik (Hair et al.,
2014). Konsistensi internal dianalisis menggunakan cronbach’s alpha, dengan
nilai >0,6 menunjukan konsisten (Malhotra, 2017). Discriminate validity diuji
dengan nilai AVE (Average Variance Extracted), Fornell-Larcker Criterion, dan
Exploratory Factor Analysis untuk melihat KMO (Mackenzie, Podsakoff, &
Podsakoff, 2011; Winkler & Trouvilliez, 2012). Multikolinieritas akan diuji
menggunakan Variance Inflation Factors (VIF), dengan nilai <5 dianggap tidak
memiliki multikolinieritas yang kritis (Hair et al., 2014).
3.7.4 Analisis Partial Least Squared

Partial Least-Squared (PLS) SEM adalah metode causal modeling yang
ditujukan untuk memaksimalkan variance yang diketahui dari konstruk dependen
yang laten/tersembunyi (Hair et al., 2011). PLS-SEM digunakan karena penelitian
memiliki model yang kompleks, ditunjukan oleh banyaknya konstruk dan
indikator. Selain itu, PLS-SEM juga digunakan karena terdapat data yang
didistribusikan secara non-normal (Hair et al., 2011).
Terdapat dua jenis variabel dalam PLS-SEM, yaitu variabel laten dan
variabel teramati. Variabel laten adalah variabel yang tidak bisa diamati secara
langsung, tetapi diukur oleh (banyak) indikator, yaitu variabel teramati (Hair et
al., 2014). Terdapat dua tipe variabel laten, yaitu: variabel laten exogenous,
konstruk yang menjelaskan variabel lain; dan variabel laten endogenous, konstruk
yang dijelaskan dengan variabel lain.
Appendix 1. Rangkuman terhadap penelitian switching behavior
34
Menggunakan
Studi Konteks PPM?
Prediktor Switching
Incumbent Substitute Lainnya
(Chen and Hitt Online Broker - Website Usage (-);
2002) Change in usage

(+); Use of
multiple Brokers
(+); Quality (-);
Product breadth (-);
Cost (n/s);
Personalization
(n/s); Ease of use
(+)
(Kim et al., 2004) Mobile service No Satisfaction (call
quality, value-
added services,
customer support)
(-); Switching
barrier (loss
cost, move-in cost,
interpersonal
relationship) (-)
(Gustafsson Telecommunication No Satisfaction (-); Situational
Affective trigger (n/s);
et al., 2005) commitment Reactional
(n/s);
trigger (n/s)
Calculative
commitment (-)
(Ranganathan et Mobile service No Relational
Investments
al., 2006) (Service usage,
relationship
duration Service
Bundling) (-)
(Kim et al., 2006) Email No Satisfaction Availability of
(design, stability,
attractive
spam blocking,
storage capacity) alternatives (+)
(-); setup cost
(n/s); continuity
cost (-)
(Ye and Potter Web browser Yes Low satisfaction Relative Joint (Habit,
2007, Ye and (+); Perceived advantage (+); switching cost,
Potter 2011) switching cost (-) perceived subjective
relative norm) (-)
ease of use (+);
Perceived
relative security
(+)
(Ye et al., 2008) Web browser Yes Satisfaction (-); Relative Computer self-
Breadth of use (-) advantage (+); efficacy (n/
Ease of use (+); s); Social
Security (+) influence
(n/s);
Risk aversion
(n/s)
35
(Kim and Office system No Switching costs (-) Switching colleague

Kankanhalli benefits (+); opinion (n/s);
2009) organizational Self-efficacy
support (+) (n/s)
(Zhang et al., Blog Yes Satisfaction (-); Attractive
2008, Zhang Sunk costs (-) alternatives (+)
et al., 2009,
Zhang et al.,
2012)
(Hou, Chern, Online gaming Yes Low Enjoyment Attractiveness High need for
Chen, & Chen, (+); Low (+) variety (+);
2009, Hou Satisfaction (n/s); Prior
Insufficient switching
et al., 2011)
Participants (n/s); experience
Low Switching (+)
costs (+); Weak
Social relationship
(n/s)
(Zengyan et al., SNSs Yes Dissatisfaction Attractiveness
2009) with technical (n/s)
quality (n/s), Peer influence
information (+)
quality(n/s),
community
support(n/
s), member policy
(+) Switching
costs (n/s)
(Wu et al., 2011, Mobile SNS/SNS No Satisfaction (-);
Wu et al., Switching barrier
2014a, Wu (-); Service
quality (-)
et al., 2014b)
(Hsieh et al., Blog to SNS No Switching cost (-) Subjective Norm
2011) Relative (+)
usefulness (+) Prior behavior
Effectiveness of (n/s)
expression (+)
Relative
playfulness (+)
(Hsieh et al., Blog to SNS Yes Weak Connection Enjoyment (+) Past switching
2012) (+) Relative Experience (+)
Writing Anxiety usefulness (+)
(+) Relative ease of
Switching Cost (-) use (n/s)
(Hou et al., SNS Yes Low socializing Attractiveness

2012) (+); low (+)
entertainment Peer influence
levels (+)
(+); low Critical Mass (+)
satisfaction with
customer service
(n/s)
(Bhattacherjee Web browser No Satisfaction (-); Relative
et al., 2012) Habit (-) advantage (+)
(Lin et al., 2012) Online auction No Switching costs Network effects
(procedural, (size, future
financial, expectation)
relational) (n/s) Cost
(-); Design advantage (+)
qualities (-);
Information
Qualities (n/s)
Interaction
qualities (-)
(Polites and Email to Google doc No Inertia (Habit, Perceived ease of
Karahanna Sunk cost, use (+)
2012) transition cost) (-)
36
Relative
advantage (+)
Subjective norm
(+)
(Choi et al., Social Network No Switching Cost Size of Social Cultural
2013) services (Local to (n/s); Sunk Cost (- Network (n/s); Differences (-);
global) ) Expected Benefit Curiosity
(+); (n/s);
Entertainment Selfexpression
(+) (n/s);
Relationship
maintenance
(n/s)
(Xu et al., 2013) Social network No Satisfaction (-) Subjective norm Need for
games (+) variety (+)
Attractiveness
(+)
(Park and Ryoo Microsoft Office to No Expected Switching Social
2013) Google App Switching costs benefits Influence (+)
(Satisfaction with (Omnipresence, Personal
incumbent IT collaboration Innovativeness
Breadth use of support) (+) (+)
incumbent IT (-)
(Fei and Bo SNSs No/Yes Dissatisfaction socialization
2013, (technical quality, value (+); social
Fei and Bo information image value
quality, (+); escapism
2014)
community value (-); self-
support, member improvement
policy) (n/ value (+);
s); Social identity entertainment
(cognitive, value(n/s),
affective, information
evaluative) seeking value)
(-); Switching (n/s)
costs (searching
and evaluation,
behavioral and
cognitive costs,
setup, sunk) (n/s)
(Chang et al., SNSs Yes Dissatisfaction (+) Regret (+)
2014) Switching Costs Attractiveness
(sunk, setup, (+)
continuity) (-)
(Hsu 2014) Smartphone No Satisfaction (-) Switching benefit
Switching Cost (price,
(uncertainty, emotional) (+)
sunk,) (-) Switching benefit
Switching cost (Quality) (n/s)
(transition, loss)
(n/s)
(Tseng and Teng Online auction No Procedural Perceived
2014) switching cost usefulness (+)
(n/s) Perceived ease of
Financial use (-)
switching cost Perceived
(n/s) enjoyments (+)
Relational network
switching cost (-) externality (+)
(Xiongfei 2014) Blog to SNS Yes Low Need technology Self-efficacy
Responsiveness fit (+) (n/s)
(n/s) Network size
Habit (n/s) (n/s)
Switching cost (-) Complementarity
Affective (n/s)
commitment Relative ease of
(-) use (+)
(Lin and Huang Smartphone Yes Expectation Relative
2014) Disconfirmation advantage (+)
(+); Low
37
satisfaction (+); Unfavorable

Inertia (-); subjective norm
Switching cost (-) (n/s)
Network effect (-)
(Bhattacherjee Traditional IT to Yes Dissatisfaction (+) Relative Self-efficacy
and Park cloud computing Switching cost (-) usefulness (+); (+)
2014) Omnipresence
(+);
Security
concerns (-);
Subjective norm
(+)
(Yao et al., Social network No Switching costs (- Attractiveness Trend seeking
2015) services ); Overload (+); (+); Peer tendency (n/s)
Dissatisfaction Influence (+)
(+); social
monitoring
concern(n/s)
(Lim and Choi SNS No Stress (privacy, Avoidance
2015) social overload, coping (n/s);
social Approach
comparison, coping (active
biased opinion) coping,
(+) support
seeking,
emotional
venting) (-)
(Lai and Wang Cloud healthcare Yes Low satisfaction Ubiquitous care
2015) service (+) (+);
Low commitment Responsiveness
(+) (+);
Habit (-) Personalized
Switching Costs (- care (+); Low
) trust (-); Low
government
support (-); Low
privacy and
Security (-)
(Peng et al., Mobile instant No Networks of Personal
2016) messaging obligation (n/s) Innovativeness
Transfer trust (+)
(n/s)
Functional
Deprivation (+)
Monetary
Deprivation (+)
(Zhou 2016) Online store to No Switching barrier Trust transfer (+)
mobile store (-) Flow (+)
(Fang and Tang MSN messenger Yes Regret Switching cost
2017) (Dissatisfaction (setup cost,
with technical continuity cost)
quality and (-)
information Referent
quality of the network size (-)
migration plan) Future
(+) expectation (+)
Perceived
complementarity
(n/s)
Perceived
compatibility (+)
Similarity (n/s)
Innovativeness
(+)
Enjoyment (+)
Ease of Use (+)
Convenience (+)
38
BAB IV
ANALISIS DAN PEMBAHASAN
4.1 Pretest
Sebelum penelitian final dilakukan, dijalanakan terlebih dahulu pretest yang
bertujuan untuk menguji reliabilitas dan validitas alat ukur. Peneliti melakukan
interview kepada 5 orang rekan untuk memastikan kalimat pernyataan dapat dimengerti
oleh responden. Pretest lalu dijalankan dengan membagikan kuisioner dengan
pertanyaan yang telah diperbaiki kepada 43 responden. Data kuisioner tersebut
kemudian diolah dengan software SPSS.
Analisis yang dilakukan dalam pretest adalah terhadap reliabilitas dan validitas
item indikator. Tes reliabilitas dilakukan dengan parameter cronbach’s alpha, di mana
nilai cronbach alpha > 0.6 menunjukkan bahwa item pernyataan reliable. Tes validitas
dilakukan melalui factor analysis dengan melihat tiga parameter yaitu: KMO Measure
of Sampling Adequacy, Bartlett Test of Spherecity, dan loading dari faktor. Item dinilai
valid ketika nilai parameter tersebut masing-masing: KMO > 0.5, Bartlett <0.05, dan
loading faktor >0.5.
Berikut adalah hasil analisis reliabilitas dan validitas pada item pengukuran.
Nilai yang tidak memenuhi parameter diberi highlight.
Dimensi Indikator Cronbach C.A. if KMO Bartlett Factor
Alpha deleted Loading
Performance PR1 .659 .500 .001 .863
Risk PR2 .863
Social Risk SR1 .887 .500 .000 .952
SR2 .952
Time Risk TR1 .855 .500 .000 .935
TR2 .935
Financial FR1 .780 .847 .618 .000 .721
Risk FR2 .667 .866
FR3 .557 .910
Privacy Risk PV1 .859 .500 .000 .937
PV2 .937
Psychologica PS1 .135 .500 .637 .733
l Risk PS2 .733
Setup Cost SC1 .809 .893 .629 .000 .720
SC2 .613 .919
39
SC3 .656 .902

Continuity CC1 .807 .855 .697 .000 .586
Cost CC2 .678 .894
CC3 .732 .855
CC4 .749 .838
Search SE1 .898 .868 .799 .000 .880
Evaluation SE2 .822 .947
Cost SE3 .846 .915
SE4 .924 .751
Attitude AP1 .881 .827 .793 .000 .895
Pioneer AP2 .822 .903
AP3 .873 .810
AP4 .864 .827
Transfer TT1 .658 .447 .560 .000 .840
Trust TT2 .563 .748
TT3 .690 .505
TT4 .600 .687
Economic EB1 .672 .500 .001 .868
Benefit EB2 .868
Transaction TC1 .884 .847 .791 .000 .867
Convenience TC2 .881 .805
TC3 .845 .877
TC4 .830 .898
Switch SI1 .871 .858 .745 .000 .812
Intention SI2 .824 .859
SI3 .796 .919
SI4 .858 .824
Berdasarkan hasil tersebut, terdapat satu variabel ditemukan tidak reliable yaitu
Psychological Risk, karena memiliki nilai Cronbach’s Alpha jauh di bawah 0,6. Oleh
karena itu, dimensi tersebut dihapus sehingga semua item memiliki reliabilitas yang
memadai.
Terdapat empat dimensi yang memiliki nilai KMO sebesar 0,500. Hal ini sedikit
tidak sesuai dengan rekomendasi parameter KMO yaitu >0,500. Hal ini dapat
disebabkan oleh beberapa faktor. Pertama, saat pretest dilangsungkan, terdapat dua
objek yang dapat dipilih responden sebagai konsiderasi dalam menjawab survey, yaitu
OVO dan Go-pay. Karena terbaginya responden ke dalam objek yang berbeda, jawaban
akan berbeda yang menyebabkan set data tidak valid. Terlebih, semua kecuali satu
dimensi tersebut merupakan faktor push yang meminta penilaian terhadap produk.
Kedua, jumlah sampel yang sedikit yaitu 43 responden membuat sampling adequacy
rendah.
40
Peneliti pada akhirnya tetap memperhitungkan dimensi tersebut karena

berdasarkan pemaparan di atas, seharusnya ketika terdapat sampel yang lebih tinggi
maka kemungkinan sampling adequacy akan naik. Hal ini juga didukung oleh nilai
Bartlett yang tidak bermasalah. Keputusan tambahan lainnya yang diambil, berdasarkan
saran dari pembimbing, adalah untuk tidak lagi menjadikan Go-pay sebagai objek
penelitian. Sehingga dalam survey final hanya melakukan konsiderasi terhadap OVO
agar lebih konsisten.
Saat melakukan pretest, ditemukan bahwa responden merasa kuisioner terlalu
panjang. Hal ini dikhawatirkan dapat menurunkan survey completion. Oleh karena itu,
beberapa item yang dianggap redundant dihilangkan untuk mempersingkat survey. Item
yang dihilangkan dipilih berdasarkan nilai cronbach alpha if deleted, sehingga
menghilangkan item akan meningkatkan reliabilitas dimensi tersebut. Dua item yang
dihilangkan adalah FR1 dan CC1.
4.2 Profil Responden
Dalam kuisioner penelitian ini, peneliti menanyakan beberapa informasi
mengenai responden, yaitu: usia, gender, pendidikan terakhir, domisili, dan tingkat
pengeluaran konsumsi perbulan. Melalui online survey, peneliti menghimpun sejumlah
503 tanggapan. Dari 503 respons, setelah disisir berdasarkan kriteria domisili,
pengetahuan terhadap objek penelitian, dan dengan pertanyaan attention trap, terdapat
263 responden yang memenuhi kriteria. Berikut adalah komposisi profil dari responden.
Profil Kategori Persentase Jumlah Modus Mean

Jenis Pria 28,5% 75
Kelamin Wanita
Wanita 71,5% 188
Pendidikan SD-SMP 0,8% 2
SMA 59,3% 156
D1- 9
SMA
D3/sederajat 3,4%
S1 36,1% 95
S2 ke atas 0,4% 1
Usia <16 tahun 0,0% 0
16-19 tahun 47,9% 126
20-23 tahun 42,2% 111 ~20,3
16-19 tahun
24-27 tahun 5,7% 15 tahun
28-31 tahun 1,1% 3
>32 tahun 3,0% 8
Pengeluaran <Rp 1 juta 16,7% 44
1,5juta - ~Rp. 17,57
perbulan 1 juta - 1,5 38
2juta juta
juta 14,4%
41
1,5 juta - 2 89
juta 33,8%
2 juta - 2,5 47
juta 17,9%
2,5 juta - 3 23
juta 8,7%
> 3 juta 8,4% 22
Domisilii Jabodetabek 64,3% 169
Bandung 26,6% 70
Denpasar 1,9% 5 Jabodetabek
Jogja 4,6% 12
Surabaya 2,7% 7
4.3 Analisis Deskriptif

Analisis deskriptif dilakukan untuk mendapatkan wawasan mengenai perilaku
masyarakat berdasarkan pengamatan jawaban survey dari sampel. Analisis deskriptif
dilakukan terhadap item pengukuran model dan juga pertanyaan spesifik yang ditujukan
untuk dianalisis. Analisis deskriptif tertarik untuk melihat beberapa central tendency
dari jawaban responden, terutama pada modus, mean, dan standar deviasi (jika tersedia).
Beberapa hal yang dianalisis adalah: intensitas penggunaan e-wallet, pola penggunaan
e-wallet, jumlah e-wallet yang digunakan, preferensi brand e-wallet, dan terhadap
indikator model penelitian.
4.3.1 Intensitas
Responden ditanya mengenai seberapa sering mereka menggunakan e-
wallet untuk bertransaksi, tersirat bermaksud untuk mengukur rasio penggunaan
e-wallet relatif terhadap metode pembayaran lain. Jawaban dari pertanyaan
adalah berupa skala likert enam item dengan rentang dari “sangat jarang” ke
“sangat sering”. Pertanyaan sengaja untuk mencari tahu penilaian intensitas
subjektif dibandingkan nominal frekuensi atau dalam rupiah (contoh: 10x
seminggu atau Rp. 2 juta perbulan melalui e-wallet) karena peneliti tertarik
terhadap intensitas relatif terhadap metode pembayaran lain. Nominal frekuensi
atau rupiah tidak menggambarkan variasi atau faktor lain yang dapat
berpengaruh, seperti jumlah pengeluaran masing-masing responden.
Tabel berikut menggambarkan intensitas penggunaan e-wallet dari
sampel:
Sangat Agak Agak Sangat
Ukuran Jarang Sering
Jarang Jarang Sering Sering
Count Percentage 1.14% 4.94% 9.89% 14.83% 28.90% 40.30%
42
Stdev 1.2495
Mean 4.8631 (Sering menuju Agak Sering)
Melalui pengamatan terhadap data di atas, terdapat skew yang

menunjukkan kebanyakan pengguna e-wallet cenderung sering menggunakan
layanan. Modus dari data tersebut juga menunjukkan mayoritas pengguna e-
wallet sangat sering menggunakan layanan. Hal ini dapat menunjukkan bahwa e-
wallet memiliki perceived benefit yang tinggi, yang dapat terdiri dari perceived
ease of use, perceived mobility (Chandra et al., 2018) dan price value (Limantara
et al., 2018) yang baik. Hal ini juga dapat berarti bahwa post-adopsi, tercipta
sebuah habit (Limantara et al., 2018) yang kemudian mendorong intensitas
penggunaan tersebut.
Peneliti melakukan analisis bivariate correlation kepada beberapa
indikator dan menemukan korelasi signifikan antara intensitas dengan
pengeluaran dengan Pearson Correlation = 0,180. Peneliti kemudian melakukan
linear regression untuk melihat apakah pengeluaran memprediksi intensitas
penggunaan. Ditemukan terdapat hubungan signifikan walaupun kecil antara
expenditure terhadap intensity penggunaan e-wallet.
Model Summaryb
Std. Error of
R Adjusted the
Model R Square R Square Estimate
1 .180a 0.032 0.029 1.231
ANOVAa
Sum of Mean
Model Squares df Square F Sig.
1 Regression 13.254 1 13.254 8.740 .003b
Residual 395.818 261 1.517

Total 409.072 262
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Std.
Model B Error Beta t Sig.
1 (Constant) 4.453 0.158 28.182 0.000
EXP 0.136 0.046 0.180 2.956 0.003
a. Dependent Variable: Intensity
4.3.2 Pola Penggunaan
43
Responden ditanya mengenai bagaimana mereka menggunakan suatu e-

wallet di antara banyak e-wallet lainnya yang mungkin juga ter-install di ponsel
mereka. Pertanyaan ingin mengetahui jika masyarakat umumnya memiliki satu
e-wallet utama atau tidak. Pola penggunaan ini dianalisis dengan tujuan
mengkonfirmasi adanya fenomena partial switching sebagaimana digambarkan
pada latar belakang. Berikut adalah tabel yang menggambarkan pola
penggunaan e-wallet dari sampel:
No Pola Penggunaan e-wallet Count

Saya menggunakan 1 e-wallet
1 utama dan terkadang 53.23%
menggunakan e-wallet lain
Saya menggunakan 1 e-wallet
2 utama, tetapi e-wallet utama 9.89%
saya sering berganti
Saya pada umumnya hanya
3 16.35%
menggunakan 1 e-wallet
Saya tidak memiliki 1 e-wallet
4 20.53%
utama
Temuan ini mengkonfirmasi adanya fenomena partial switching, di mana

switching ditandai bukan dengan perpindahan sepenuhnya dari sebuah layanan
(pola nomor 2), melainkan pengurangan intensitas penggunaan pada layanan
awal (dapat terjadi di pola 1 dan 4). Pola 3 menggambarkan penggunaan e-
wallet yang loyal. Tabel di atas juga membuktikan bahwa kebanyakan pengguna
e-wallet (73,73%) menggunakan lebih dari satu layanan e-wallet dalam suatu
waktu.
4.3.3 Jumlah e-wallet Dimiliki
Peneliti bertanya kepada responden berapa layanan e-wallet yang
terdapat pada ponsel mereka. Hal ini mungkin tidak mengindikasikan banyak
hal, karena dengan menginstall aplikasi e-wallet, bukan berarti melakukan
pemakaian rutin atau terdapat saldo yang cukup dalam akun tersebut. Tetapi,
instalasi dapat mengindikasikan bahwa konsumen telah melakukan trial dan
evaluation terhadap produk tersebut.
Tidak terdapat literatur ilmiah yang mempelajari propensitas pengguna
ponsel untuk melakukan uninstall, karena mungkin beberapa konsumen (karena
44
faktor spesifikasi ponsel, dll.) memilih untuk tidak uninstall sebuah aplikasi
walaupun memiliki evaluasi negatif terhadap layanan. Surat kabar Independent
dari Inggris melaporkan rata-rata pengguna ponsel pintar di Inggris memiliki 80
aplikasi terinstal, walaupun hanya menggunakan 30 aplikasi dalam basis bulan
(Independent, 2017). AppAnnie menyebutkan pada tahun 2017, pengguna
ponsel di Indonesia memiliki hampir dua kali lebih banyak aplikasi terinstal
daripada yang mereka gunakan (AppAnnie, 2018)
Akan tetapi, dengan asumsi rasional dan keterbatasan daya ponsel, dapat
ditafsirkan bahwa memiliki banyak aplikasi e-wallet terinstall berarti pengguna
mengkonsiderasi untuk menggunakan semua layanan tersebut. Berdasarkan
komentar responden, konsiderasi akan berdasarkan promosi dan ketersediaan
tiap e-wallet.
Berikut adalah tabel jumlah e-wallet yang dimiliki oleh responden:
Jumlah e-wallet dimiliki Persentase
1 12.93%
2 31.94%
3 33.84%
4 13.31%
>4 7.98%
Median 3
Berdasarkan tabel di atas, terlihat bahwa mayoritas responden (65,78%)

memiliki dua atau tiga e-wallet ter-install di ponsel mereka. Hal ini dapat
menunjukkan bahwa hampir semua konsumen (87,07%) memiliki alternatif e-
wallet yang tersedia saat akan melakukan pembayaran. Sehingga, terbuka ruang
bagi tiap konsumen untuk melakukan konsiderasi alternatif sampai moment of
truth melakukan transaksi.
4.3.4 Preferensi Brand

Responden yang berhasil menyelesaikan survey, berkesempatan untuk
mendapatkan hadiah berupa saldo e-wallet, untuk itu responden ditanya
mengenai preferensi layanan e-wallet untuk menerima hadiah tersebut, dengan
45
asumsi responden memilih e-wallet yang mereka gunakan lebih intens. Berikut
adalah preferensi e-wallet dari 256 responden
Preferensi Layanan Persentase
DANA 16.41%
Go-pay 27.34%
LinkAja 0.78%
OVO 55.47%
Dapat terlihat melalui tabel, bahwa preferensi brand e-wallet dipimpin

oleh OVO, lalu Go-pay, kemudian DANA, dan terakhir LinkAja. Hal ini masih
sesuai dengan laporan Bank Indonesia bahwa pangsa pasar dipegang dengan
urutan OVO, Go-pay, DANA, kemudian LinkAja (Kompas, 11 21 2019).
Keterbatasan dari data ini adalah kemungkinan bias karena responden diseleksi
berdasarkan pernah menggunakan OVO, sehingga angka temuan pada
responden memiliki margin lebih dari 10% dengan angka laporan BI.
4.3.5 Indikator Penelitian

Analisis Deskriptif terhadap indikator penelitian bertujuan untuk
menjelaskan temuan berdasarkan jawaban item pertanyaan pada survey yang
dapat dianalisis melalui central tendency dari data. Peneliti merangkum item
indikator penelitian dan mengamati mean, modus, median, dan standar deviasi
dari sebaran data. Beberapa indikator dikecualikan dari analisis kausalitas akhir
karena alasan reliabilitas dan validitas model, oleh karena itu analisis deskriptif
dapat memberikan informasi dari sudut lain dibanding analisa kausalitas.
Berikut adalah tabel dari indikator penelitian. Pembahasan akan
dijabarkan ke dalam empat bagian, yaitu: faktor pull, push, mooring, dan switch
intention. Jawaban dari pertanyaan berikut berentang dari 1 = sangat tidak
setuju, hingga 6 = sangat setuju.
Push Factor
Indikator 1 2 3 4 5 6 mean stdev

ST1 12.9% 28.1% 22.4% 22.1% 11.0% 3.4% 3.00 1.33
PR1 14.8% 32.7% 25.1% 13.7% 11.4% 2.3% 2.81 1.30
SR1 35.0% 26.6% 18.6% 11.8% 4.9% 3.0% 2.34 1.35
46
SR2 30.4% 27.4% 17.5% 13.3% 8.4% 3.0% 2.51 1.41

TR1 13.7% 16.7% 24.0% 19.4% 17.9% 8.4% 3.36 1.50
TR2 12.5% 14.1% 24.0% 24.3% 18.6% 6.5% 3.42 1.43
FR1 6.8% 14.8% 14.4% 18.6% 27.4% 17.9% 3.98 1.53
FR2 10.3% 14.4% 20.2% 22.1% 24.7% 8.4% 3.62 1.46
PV1 18.3% 14.8% 19.4% 22.4% 15.6% 9.5% 3.31 1.58
PV2 18.3% 17.1% 20.5% 25.9% 12.2% 6.1% 3.15 1.48
Indikator Pernyataan
Saya mungkin akan mengalami kehilangan saldo uang saat menggunakan

ST1
OVO (karena error/hacking/dst.)
Saya mengalami layanan tidak stabil, layanan lambat, atau perubahan
PR1
kebijakan layanan yang merugikan saat menggunakan OVO
Saya akan kehilangan gengsi di lingkaran sosial saya karena gagal
SR1 transaksi/gagal transfer/gagal pembayaran tagihan/dll. ketika menggunakan
OVO
Saya merasa malu kepada teman/kolega/keluarga saat terjadi kesalahan
SR2
layanan OVO
Saya akan menghabiskan waktu yang lama untuk menyelesaikan masalah
TR1
terkait kehilangan saldo saat menggunakan OVO
Saya akan menghabiskan waktu yang lama untuk menyelesaikan masalah
TR2
terkait layanan yang tidak stabil dengan OVO
Saya akan mengalami kerugian finansial yang dikarenakan kebocoran data
FR1
pribadi saat menggunakan OVO
Saya akan mengalami kerugian finansial yang dikarenakan layanan tidak stabil
FR2
saat menggunakan OVO
Informasi pribadi Saya dapat digunakan tanpa sepengetahuan Saya sebagai
PV1
pengguna OVO
Informasi keuangan Saya dapat diakses tanpa persetujuan Saya sebagai
PV2
pengguna OVO
Tabel di atas merupakan indikator pendiri perceived risk yang merupakan push
factor. Nilai pada indikator merupakan evaluasi terhadap layanan OVO yang secara
teoretis dapat mendorong terjadinya switch. Penilaian terhadap indikator-indikator
tersebut cenderung skew ke nilai rendah, dengan average mean dari indikator adalah =
3,13.
Berdasarkan tabel di atas, dapat teramati bahwa indikator dengan nilai tertinggi
adalah financial risk dan terendah adalah social risk. Hal ini dapat dimengerti karena
dekat ini terdapat kasus kebocoran data dan layanan down terhadap pengguna OVO,
masing-masing terjadi pada Agustus 2019 (Bisnis.com, 2019 8 6) dan November 2019
(CNBC Indonesia, 11 5). Hal tersebut dapat menjelaskan nilai pada indikator FR dan
PV. Selain itu, dapat diamati bahwa social risk bukan merupakan kekhawatiran dari
banyak pengguna OVO.
47
Mooring Factor

SC1 9.5% 20.9% 20.9% 21.7% 17.1% 9.9% 3.46 1.48
SC2 8.7% 23.6% 18.6% 22.8% 16.0% 10.3% 3.44 1.48
SC3 9.5% 25.1% 19.4% 21.3% 18.6% 6.1% 3.33 1.43
CC1 4.9% 11.4% 25.9% 25.1% 23.6% 9.1% 3.78 1.31
CC2 4.6% 12.9% 24.0% 31.9% 20.2% 6.5% 3.70 1.24
CC3 12.2% 18.3% 30.8% 19.4% 14.1% 5.3% 3.21 1.37
SE1 7.6% 17.5% 23.6% 23.2% 18.6% 9.5% 3.56 1.42
SE2 6.8% 16.0% 19.8% 21.3% 24.7% 11.4% 3.75 1.45
SE3 7.2% 17.5% 18.3% 22.4% 24.0% 10.6% 3.70 1.46
SE4 4.6% 16.0% 22.1% 23.2% 23.2% 11.0% 3.78 1.38
AP1 3.8% 16.0% 27.8% 27.0% 17.5% 8.0% 3.62 1.27
AP2 4.9% 17.5% 34.2% 22.8% 14.1% 6.5% 3.43 1.25
AP3 3.0% 12.2% 25.1% 29.7% 20.5% 9.5% 3.81 1.25
AP4 2.7% 12.5% 21.7% 29.3% 21.3% 12.5% 3.92 1.29
SC1 Melakukan set-up untuk akun baru akan menghabiskan banyak waktu
Mengisi/memindahkan saldo ke e-wallet baru adalah pengalaman
SC2
menjengkelkan
Memindahkan saldo ke e-wallet baru akan memerlukan usaha yang
SC3
merepotkan
Dengan melanjutkan penggunaan OVO, Saya mendapatkan bonus yang Saya
CC1
tidak akan dapatkan ketika Saya berpindah
CC2 Akan ada manfaat yang saya tidak dapat pertahankan jika Saya berpindah
CC3 Saya akan kehilangan perlakuan spesial ketika saya berpindah e-wallet
SE1 Mencari e-wallet yang sesuai bagi saya memerlukan banyak waktu dan usaha
Memahami dan mengevaluasi beberapa pillihan e-wallet memerlukan waktu
SE2
yang cukup lama
Menentukan untuk akhirnya berpindah e-wallet memerlukan waktu yang cukup
SE3
lama
SE4 Proses untuk menentukan e-wallet cukup mudah bagi saya
AP1 Menurut saya, produk pionir lebih dapat diandalkan daripada produk yang baru
Menurut saya, produk pionir memiliki teknologi lebih baik daripada produk yang
AP2
baru
AP3 Saya merasa lebih aman menggunakan produk pionir daripada produk baru
Saya lebih menyukai menggunakan produk yang sudah ada sejak lama
AP4
daripada produk yang baru
Tabel menunjukkan nilai kepada indikator pendiri switching cost dan attitude to
pioneer. Terlihat bahwa secara umum nilai pada switching cost berada di nilai tengah
(mendekati 3,5), menunjukkan secara umum tidak ada tendensi tertentu terhadap
kesulitan berpindah. Nilai AP walaupun memiliki mean lebih tinggi daripada indikator
switching cost, juga tidak memiliki tendensi kuat ke arah tertentu.
48
Pull Factor

TT1 3.8% 13.3% 18.3% 20.5% 30.4% 13.7% 4.02 1.38
TT2 3.0% 5.3% 16.0% 27.0% 35.4% 13.3% 4.26 1.21
TT3 8.4% 21.7% 41.4% 12.9% 9.5% 6.1% 3.12 1.27
TT4 4.2% 4.9% 19.4% 43.3% 20.9% 7.2% 3.94 1.13
EB1 1.5% 5.3% 28.9% 27.4% 25.1% 11.8% 4.05 1.17
EB2 3.0% 10.3% 25.9% 26.2% 21.7% 12.9% 3.92 1.29
TC1 3.4% 8.7% 27.0% 26.2% 24.3% 10.3% 3.90 1.26
TC2 1.9% 8.4% 18.3% 30.8% 27.4% 13.3% 4.13 1.22
TC3 1.9% 7.2% 16.3% 35.7% 25.1% 13.7% 4.16 1.18
TC4 1.9% 4.2% 19.0% 33.8% 27.8% 13.3% 4.21 1.14
Saya mempertimbangkan latar belakang perusahaan dari produk e-wallet yang

TT1
saya berencana gunakan
Jika saya percaya sebuah perusahaan induk, maka saya akan percaya produk
TT2
e-walletnya juga
Saya lebih percaya perusahaan induk late entrants daripada OVO di produk
TT3
lain perusahaan tersebut
Saya percaya produk teknologi yang dikeluarkan perusahaa late entrants
TT4
dapat diandalkan
EB1 Menggunakan late entrants memiliki nilai ekonomis yang lebih baik
Dengan tingkat sekarang, menggunakan late entrants membuat Saya dapat
EB2
berhemat lebih banyak
TC1 late entrants lebih mudah digunakan
TC2 Aplikasi late entrants jelas dan mudah dimengerti
TC3 Membayar menggunakan late entrants menghemat waktu dan energi
Cukup mudah untuk menggunakan berbagai fitur dan layanan dari late
TC4
entrants
Tabel menjabarkan indikator dari push factor, yaitu evaluasi terhadap transfer
trust, economic benefit, dan transaction convenience dari produk late entrants. Secara
umum, responden memiliki penilaian kuat terhadap indikator tersebut dengan mean
berkisar di angka 4 (Agak setuju). Perlu diketahui bahwa pernyataan dikodifikasi
kepada brand late entrant tertentu yang dipilih responden, sehingga mungkin terdapat
variance dalam sebaran data. Namun, terdapat konfirmasi teoritik yang terlepas dari
penilaian terhadap brand partikular, yaitu pada indikator TT1, TT2, dan TT4, yang
mengkonfirmasi adanya fenomena transfer trust pada sebagian besar responden.
Switch Intention
49

SI1 7.2% 17.5% 25.9% 22.4% 19.8% 7.2% 3.52 1.37
SI2 12.5% 18.3% 36.5% 17.1% 10.3% 5.3% 3.10 1.32
SI3 10.6% 24.0% 36.1% 14.4% 10.3% 4.6% 3.03 1.28
SI4 25.9% 26.2% 30.8% 8.4% 5.7% 3.0% 2.51 1.28
SI1 Saya mempertimbangkan late entrants sebagai e-wallet utama saya

Saya ingin meningkatkan penggunaan late entrants dan mengurangi
SI2
penggunaan OVO
SI3 Saya ingin memindahkan saldo Saya ke e-wallet late entrants
SI4 Saya akan berpindah sepenuhnya ke late entrants dalam 6 bulan
Tabel di atas menggambarkan penilaian responden terhadap indikator switch

intention. Hal yang perlu diperhatikan adalah intensi dari padanan kata pada SI4
bertujuan untuk menanyakan full switching intention, dibandingkan dengan SI1-3 yang
juga dapat mengindikasikan partial switching intention. Dapat diamati bahwa nilai
mean dari SI4 lebih kecil daripada average mean SI1-3 (3,22). Dengan demikian, hal
ini mengkonfirmasi bahwa terdapat pembeda antara intensi untuk melakukan partial
switch dengan full switch.
4.4 Analisis Model

Analisis terhadap model pengukuran dilakukan untuk menguji kualitas model alat
ukur. Terdapat lima analisis yang dilakukan terhadap model. Setelah melakukan
analisis, kemudian diamati indikator buruk yang menyebabkan kecacatan model
berdasarkan kriteria dari lima analisis tersebut. Didapatkan beberapa indikator
yang kemudian dikeluarkan dari model untuk memenuhi kriteria kualitas.
Indikator yang dihilangkan tersebut adalah: SR1, PV1, PV2, CC3, SE4, AP2,
AP3, TT1, dan TT2.
Analisis dilakukan menggunakan software SPSS dan SmartPLS. Dalam
penggunaan SmartPLS, kalkulasi dilakukan menggunakan PLSAlgorithm dengan
factor weighting dan iterasi maksimum 2000. Berikut adalah tabel rangkuman
indikator kualitas model.
Outer Composite Cronbach's
Konstruk Indikator VIF AVE
Loading Reliability Alpha
Attitude to Pioneer AP1 0.923 1.685
0.9 0.779 0.782
AP2 0.885 1.685
50
Continuity Cost CC1rc 0.893

1.116 0.889 0.751 0.784
CC2rc 0.896
Economic Benefit EB1 0.936 2.301
0.934 0.858 0.876
EB2 0.936 2.301
Financial Risk FR1 0.92
1.52 0.925 0.838 0.855
FR2 0.935
Performance Risk PR2 1 1.205 1 1 1
Setup Cost SC1rc 0.798
SC2rc 0.918 1.359 0.913 0.855 0.772
SC3rc 0.924
Search & Evaluation SE1rc 0.877
Cost SE2rc 0.913 1.371 0.923 0.875 0.795
SE3rc 0.893
Switching Intention SI1 0.823 1.941
SI2 0.898 2.857
0.926 0.893 0.757
SI3 0.922 3.725
SI4 0.834 2.404
Social Risk SR2 1 1.211 1 1 1
Security Risk ST1 1 1.297 1 1 1
Transaction TC1 0.905 3.065
Convenience TC2 0.913 3.553
0.951 0.931 0.828
TC3 0.899 3.209
TC4 0.923 3.907
Time Risk TR1 0.923
1.533 0.925 0.837 0.855
TR2 0.932
Transfer Trust TT2 0.904 1.497
0.881 0.731 0.786
TT3 0.87 1.497
4.4.1 Reliabilitas Item

Analisis terhadap reliabilitas item dilihat berdasarkan loading dari tiap
item terhadap konstruk masing-masing. Nilai loading untuk memenuhi
reliabilitas item yang diinginkan adalah >0.7, sementara nilai di bawah 0.5
dianggap memiliki trait variance rendah (Bagozzi, 2011). Dalam tabel,
dapat terlihat semua item memiliki nilai loading >0.7, oleh karena itu item
indikator dinyatakan reliabel. Angka loading berjumlah 1 karena konstruk
hanya memiliki satu indikator.
4.4.2 Konsistensi Internal

Menilai konsistensi internal dilakukan dengan melihat nilai composite
reliabiliy dan Cronbach’s Alpha. Nilai yang diinginkan untuk
menyatakan konsistensi adalah >0,7 untuk kedua nilai (Bagozzi, 2011).
Jika melihat tabel, maka diketahui semua indikator telah memenuhi
51
kriteria tersebut. Maka model dapat dinyatakan memiliki konsitensi

internal.
4.4.3 Discriminate Validity

Untuk mengukur discriminate validity dari model pengukuran,
digunakan tiga instrumen yaitu: Average Variance Extracted (AVE),
Fornell-Larcker Criterion, dan KMO melalui Exploratory Factor
Analysis. Melalui tabel rangkuman di atas, dapat diamati bahwa semua
angka AVE memenuhi syarat kelayakan yaitu >0.5 (Hair et al., 2014).
Berikut adalah tabel mengenai Fornell-Larcker Criterion dan hasil tes
KMO dengan eigenvalue>1.
KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of 0.904
Sampling Adequacy.
Bartlett's Test of Approx. 2596.621
Sphericity Chi-
Square
df 91
Sig. 0.000
Tabel di atas merupakan korelasi dari konstruk dan akar kuadrat dari
AVE pada diagonal. Model dinyatakan memenuhi Fornell-Larcker
Criterion ketika semua angka pada diagonal lebih besar daripada angka
korelasinya (Hair et al., 2014), dan pada model penelitian semua akar
kuadrat AVE lebih besar daripada angka korelasinya. Tes KMO juga
mendapatkan angka memenuhi syarat yaitu di atas 0.6. Oleh karena itu,
model telah memenuhi syarat discsriminant validity.
4.4.4 Kolinieritas
52
Multikolinieritas dideteksi menggunakan instrumen variance inflating

factor (VIF). VIF dari konstruk reflektif diukur berdasarkan
indikatornya, sedangkan pada konstruk formativ diukur berdasarkan
level konstruk. Level kolinieritas dikatakan terlalu tinggi ketika VIF
bernilai >0.5 (Hair et al., 2014). Dapat diamati bahwa VIF tertinggi
adalah 3.907. Oleh karena itu, dapat dikatakan tidak terdapat
multikoliniearitas yang tinggi pada model.
4.4.5 Model Fit

Model fit dapat diukur salah satunya menggunakan index Standardized
Root Mean Square Residual (SRMR). Menggunakan PLS Algorithm
dalam SmartPLS dengan weighting: factor, didapatkan angka SRMR
index berupa 0.089. Index tersebut dikatakan sebagai acceptable fit
karena berada di <0.1, walaupun good fit berada di index angka <0.05
(Cangur & Ercan, 2015). Sehingga dapat dinyatakan model penelitian ini
memiliki acceptable fit.
4.5 Analisis Kausal
Analisis untuk meneliti hubungan kausal dari model dilakukan melalui
kalkulasi bootstrapping dengan 2000 sub-samples dalam SmartPLS. Analisis
dilakukan dengan level signifikansi 0,05 sebagai one-tailed test. Indikator yang
ingin diamati pada analisis kausal adalah: path coefficient untuk mengukur
besaran pengaruh, t-statistic dan p-value untuk melihat signifikansi, dan R2
sebagai coefficient of determination.
Gambar berikut adalah path diagram untuk menjelaskan pengaruh
signifikan yang terdapat pada model.
53
Keterangan gambar
Garis biru : signifikan pada level 0.05 R2 = 0.620
Garis kuning : signifikan pada level 0.1 R2 adjusted = 0.588
Garis merah : tidak signifikan
Jika memperhatikan model, maka dapat terlihat terdapat tiga variabel

independent yang memiliki pengaruh signifikan terhadap variabel dependent
Switching Intention, yaitu: Transfer Trust, Economic Benefit, dan Transaction
Convenience. Terdapat 3 variabel independent lain yang tidak dinyatakan
signifikan, yaitu Perceived Risk, Attitude to Pioneer, dan Switching Cost;
walaupun Attitude to Pioneer dan Switching Cost memiliki p-value masing-
masing 0.078 dan 0.077. Ditemukan juga tidak ada variabel yang memiliki
pengaruh moderasi yang signifikan (Attitude to Pioneer dan Switching Cost).
Ditemukan juga R2 sebesar 0.62 dan R2 adjusted sebesar 0.588. Hal tersebut
berarti 62% variance pada variabel dependent (Switching Intention) dapat
dijelaskan melalui variabel independent. Sementara, jika hanya menggunakan
variabel independent yang benar-benar memiliki pengaruh, maka variabel tersebut
menjelaskan 58,8% dari variance pada variabel dependent.
Penelitian menguji enam variabel kontrol pada model, yaitu: intensitas
penggunaan, pendidikan, usia, jenis kelamin, dan pengeluaran bulanan. Peneliti
54
menemukan bahwa intensitas memiliki pengaruh signifikan yang negatif, yaitu

pada (β= -0.125 dan p-value = 0.04). Sedangkan kelima variabel kontrol lain tidak
memiliki pengaruh signifikan terhadap variabel dependent.
4.6 Pengujian Hipotesis

Setelah melakukan analisis kausal, maka hipotesis penelitian dapat diuji
menggunakan kriteria t-statistic & p-value untuk melihat signifikansi dan path
coefficient untuk melihat besaran pengaruh. Nilai pada parameter tersebut
didapatkan menggunakan SmartPLS dengan bootstrapping 2000 sub-samples.
Tabel berikut merupakan rangkuman dari analisis kausal terhadap variabel
dependent pada model penelitian.
Variabel Independent
Path
(terhadap switching T Statistics P Values
Coefficients
intention)
Perceived Risk 0.092 1.032 0.151
Attitude to Pioneer 0.053 1.417 0.078
Switching Cost -0.083 1.428 0.077
Economic Benefit 0.209 3.331 0.000
Transaction Convenience 0.328 4.659 0.000
Transfer Trust 0.265 3.74 0.000
Pengaruh Moderasi
AP to EB 0.027 0.411 0.341
AP to PR -0.005 0.096 0.462
AP to TC -0.03 0.586 0.279
AP to TT 0.006 0.029 0.488
SC to EB 0.039 0.348 0.364
SC to PR -0.039 0.987 0.162
SC to TC 0.004 0.724 0.234
SC to TT -0.052 0.17 0.433
Sehingga, didapatkan tabel rangkuman pengujian hipotesis sebagai berikut.
t-
Hipotesis Signifikansi Kesimpulan
statistics
Perceived risk pengguna (performa,
sosial, waktu, finansial, privasi, dan Data tidak
Tidak
H1 psikologi) terhadap incumbent penyedia 1.032 mendukung
mobile payment berpengaruh positif signifikan
hipotesis
Transfer trust pengguna terhadap late Signifikan,
entrants penyedia mobile payment dengan Data mendukung
H2
berpengaruh positif terhadap switch
3.74
Hipotesis
intention β=0.265
55
Persepsi Transaction convenience yang Signifikan,

lebih baik daripada early entrants dengan Data mendukung
H3
berpengaruh positif terhadap switch
4.659
Hipotesis
intention β=0.328
Economic benefit dari late entrants Signifikan,
berpengaruh positif terhadap switch dengan Data mendukung
H4 3.331
intention Hipotesis
β=0.209
Switching Cost rendah berpengaruh Data tidak
positif terhadap switch intention Tidak
H5 1.428 mendukung
signifikan
hipotesis
Switching Cost memoderasi secara positif Data tidak
faktor push Tidak
H6 0.987 mendukung
signifikan
hipotesis
transfer trust terhadap switch intention Tidak
H7a 0.17 mendukung
signifikan
hipotesis
transactional convenience terhadap Tidak
H7b 0.724 mendukung
switch intention signifikan
hipotesis
economic benefit terhadap switch Tidak
H7c 0.348 mendukung
intention signifikan
hipotesis
Attitude to pioneer berpengaruh negatif Data tidak
terhadap switch intention Tidak
H8 1.417 mendukung
signifikan
hipotesis
Attitude to pioneer yang baik memoderasi Data tidak
secara negatif faktor push Tidak
H9 0.096 mendukung
signifikan
hipotesis
H10 secara negatif transfer trust terhadap Tidak
a
0.029 mendukung
hipotesis
H10 secara negatif transactional convenience Tidak
b
0.586 mendukung
terhadap switch intention signifikan
hipotesis
H10 secara negatif economic benefit terhadap Tidak
c
0.411 mendukung
hipotesis
Berikut adalah pembahasan hipotesis berdasarkan faktor PPM.
Faktor Push
H1: Perceived risk pengguna (performa, sosial, waktu, finansial,

keamanan, dan psikologi) terhadap incumbent penyedia mobile
Berdasarkan hasil analisis, ditemukan bahwa tidak terdapat pengaruh signifikan

antara perceived risk terhadap switching intention, yang berarti menyatakan tidak dapat
menerima H1. Hal ini bertentangan dengan temuan dalam penelitian-penelitian PPM
56
sebelumnya yang menempatkan perceived risk (contoh: Wu et al., 2017) sebagai push
factor yang memengaruhi switch intention. Temuan ini dapat dijelaskan oleh beberapa
kemungkinan penyebab.
Pertama, karena keterbatasan penelitian, yang akan dibahas pada bab
selanjutnya. Namun keterbatas penelitian spesifik yang mungkin menyebabkan temuan
ini adalah konteks industri yang berada pada fase growth, di mana terdapat upaya masif
dari semua pemain dalam pasar untuk melakukan akuisisi pengguna. Hal ini dapat
menyebabkan upaya akuisisi seperti iklan, promosi, dst. Menimbulkan pull factor yang
sangat kuat memengaruhi dalam keputusan switch atau stay, sehingga bentuk
dissatisfaction atau push factor lainnya menjadi tidak relevan.
Kedua, bentuk perceived risk sebagai konstruk formatif. Karena perceived risk
merupakan konstruk formatif yang terdiri dari beberapa variabel yang memiliki central
tendency dan variance yang berbeda, maka mungkin salah satu bentuk risk berpengaruh
signifikan sedangkan yang lainnya tidak. Peneliti mencoba melakukan tes terhadap ide
ini dengan memecah konstruk perceived risk menjadi variabel terpisah; dan menghapus
social risk dan attitude to pioneer (karena sudah ditemukan tidak signifikan); untuk
melihat apakah terdapat variabel pendiri perceived risk yang dapat berpengaruh
langsung secara signifikan. Peneliti menemukan variabel security risk berpengaruh
secara signifikan (β= 0.080 p-value=0.049) terhadap switching intention. Hal ini
menunjukkan konstruk formatif yang terdiri dari variabel berbeda ragam dapat menjadi
tidak signifikan, namun masing-masing variabel dapat berpengaruh secara signifikan
Ketiga, indikator dibentuk sebagai risk, yang berarti resiko akan sebuah loss
yang mungkin terjadi atau tidak terjadi. Hal ini berbeda dengan proposisi Bansal (2005)
saat mengajukan kerangka PPM yang membuat konstruk push factor terdiri atas
dissatisfactions, seperti: low quality, low value, high price perceptions, dst.
Perbedaannya terhadap risk tersebut adalah penyusun faktor tersebut merupakan
evaluasi personal post-facto (konsumen telah mengalami layanan buruk) dan bukan
evaluasi external ex-ante (konsumen menilai dari informasi untuk menilai apakah
layanan buruk akan menimpa dirinya).
57
Jika kita melakukan dekonstruksi risk menjadi dua unsur, yaitu propensity of
risk dan severity of risk; Perceived Risk ditemukan sebagai pengaruh signifikan dalam
penelitian Wu et al. (2017) karena mungkin cloud storage memiliki severity yang tinggi
ketika layanan buruk terjadi. Sedangkan severity pada e-wallet mungkin rendah bagi
banyak orang, sehingga adanya risk tidak berpengaruh signifikan terhadap keinginan
untuk switch. Hal ini juga sejalan dengan analisis deskriptif terhadap nilai dalam
indikator risk yang cenderung rendah.
Faktor Pull
H2: Transfer trust pengguna terhadap late entrants penyedia mobile
H3: Persepsi Transaction convenience yang lebih baik daripada early
entrants berpengaruh positif terhadap switch intention
H4: Economic benefit dari late entrants berpengaruh positif terhadap
switch intention
Analisis kausal menunjukkan bahwa ketiga faktor pull memiliki pengaruh signifikan
dan merupakan satu-satunya faktor yang berpengaruh dalam penelitian ini.
Faktor Mooring
H5: Switching Cost rendah berpengaruh positif terhadap switch intention
H6: Switching Cost memoderasi secara positif faktor push

H7: Switching Cost memoderasi secara positif a) transfer trust, b)
economic benefit, dan c) transaction convenience terhadap switch
intention
H8: Attitude to Pioneer yang baik berpengaruh negatif terhadap switch

intention
58
H9: Attitude to pioneer yang baik memoderasi secara negatif faktor push
H10: Attitude to pioneer yang baik memoderasi secara negatif faktor pull
a) transfer trust, b) economic benefit, dan c) transaction convenience
BAB V
KESIMPULAN DAN SARAN
5.1 Discussions of Findings
5.2 Implikasi Manajerial
5.3 Keterbatasan Penelitian
5.4 Saran untuk Penelitian Selanjutnya
59
Daftar Pustaka
Wu, K. Vassileva, J., Zhao, Y. (2016) Understanding users' intention to switch personal
cloud storage services: Evidence from the Chinese market. Computers in Human
Behavior 68 (2017) 300-314
Ahmad Zaenudin (2018, 12 2) Masa Depan Go-Jek Ada di Go-Pay. Taken from tirto.id:
https://tirto.id/masa-depan-go-jek-ada-di-go-pay-daBc
Annie Teh (2018, 29 1) The state of fintech in Indonesia. Taken from Techinasia.com:
https://www.techinasia.com/state-of-indo-fintech
AppAnnie (2018, 2 2) The Average Smartphone User Accessed Close to 40 Apps per
Month in 2017. Taken from: https://www.appannie.com/en/insights/market-
data/apps-used-2017/
Bagozzi, Richard P. (2011) Measurement and Meaning in Information Systems and

Organizational Research: Methodological and Philosophical Foundations. MIS
Quarterly Vol. 35, No. 2 (June 2011), pp. 261-292
Bank Indonesia: https://www.bi.go.id/id/sistem-pembayaran/informasi-perizinan/uang-

elektronik/penyelenggara-berizin/Pages/default.aspx
Bansal, H. S., Taylor, S. F., Yannik St. James (2005) "Migrating" to New Service
Providers: Toward a Unifying Framework of Consumers' Switching Behaviors.
Journal of the Academy of Marketing Science; Winter 2005; 33, 1; ProQuest pg.
96
Barnes, Donald C., Joel E. Collier, Jason E. Lueg (2009) Reevaluating the Theoretical
Reasoning regarding Market-Entry Position from a Service-Dominant Logic
Perspective. Journal of Marketing Theory and Practice, Vol. 17, No. 2 (Spring,
2009), pp. 163-173
Berinsky, A.J., Margolis, M.F., & Sances, M.W. (2014). Separating the shirkers from the
workers? Making sure respondents pay attention on self-administered surveys.
American Journal of Political Science, 58(3), 739–753.
http://doi.org/10.1111/ajps.12081
60
Bhattacherjee, A., Limayem, M., Cheung, C. M. K. (2011) User switching of information

technology: A theoretical synthesis and empirical test. Information & Management
49 (2012) 327–333
Bisnis.com/Nindya Aldila (2019, 8 6) Bandar Data Ilegal Bobol Fintech Lending. Taken
from: https://finansial.bisnis.com/read/20190806/89/1132988/bandar-data-ilegal-
bobol-fintech-lending
Bowling, N.A., Huang, J.L., Bragg, C.B., Khazon, S., Liu, M., & Blackmore, C.E. (2016).
Who cares and who is careless? Insufficient effort responding as a reflectionof
respondent personality. Journal of Personality and Social Psychology, 111(2), 218–
229. http://doi.org/10.1037/pspp0000085
Burnham, Thomas A., Judy K. Freis, Vijay Mahajan (2003) Consumer Switching Costs:
A Typology, Antecedents, and Consequences. Academy of Marketing Science.
Journal; (Spring 2003); 31, 2; ABI/INFORM Global pg. 109
Cangur, S. and Ilker Ercan (2015) Comparison of Model Fit Indices Used in Structural
Equation Modeling Under Multivariate Normality. Journal of Modern Applied
Statistical Methods May 2015, Vol. 14, No. 1, 152-167.
Chang, Hsin Hsin, Kit Hong Wong, Shi Yu Li (2016) Applying push-pull-mooring to
investigate channel switching behaviors: M-shopping self-efficacy and switching
costs as moderators. Electronic Commerce Research and Applications 24 (2017)
50–67
Christensen, C. M., and M. E. Raynor. 2003. Why hard-nosed executives should care
about management theory. Harvard Business Review 81 (9): 66–75
CNBC Indonesia/Roy Franedya (2019, 2 11) Terungkap! Transaksi GoPay di 2018

Tembus Rp87T. taken from:
https://www.cnbcindonesia.com/tech/20190211103125-37-54742/terungkap-
transaksi-gopay-di-2018-tembus-rp-87-t
CNBC Indonesia/Roy Franedya (2019, 11 5) OVO Error Hari Ini, Ternyata Ini
Penyebabnya! Taken from:
https://www.cnbcindonesia.com/tech/20191105160154-37-112859/ovo-error-hari-
ini-ternyata-ini-penyebabnya
Dailysocial.id (2019) Fintech Report 2018
Dailysocial/Marsya Nabila (2019, 3 25) Dana Kejar Pengembangan Produk, Gaet

Samsung Pay dan Pegadaian. Taken from dailysocial.id:
https://dailysocial.id/post/dana-samsung-pay-pegadaian
EcommerceIQ (2018, 12 21) Indonesia’s Digital Payment Service OVO Sees over 400%
in User Growth. Taken from: https://ecommerceiq.asia/dtp-ovo-user-growth-id/
61
Egleston, B.L., Miller, S.M. and Meropol, N.J. (2011), The impact of misclassification
due to survey response fatigue on estimation and identifiability of treatment effects.
Statist. Med., 30: 3560-3572. doi:10.1002/sim.4377
Fischer, Moritz, Joachim Henkel, Ariel Dora Stern (2018) Pioneer (Dis-)advantages in
Markets for Technology. Harvard Business School Working Paper 19-043
Franco, April M., M. B. Sarkar, Rajshree Agarwal, Raj Echambadi (2009) Swift and
Smart: The Moderating Effects of Technological Capabilities on the Market
Pioneering-Firm Survival Relationship. Management Science, Vol. 55, No. 11
(Nov., 2009), pp. 1842-1860
Ghemawat, P. (1986) Sustainable Advantage. Harvard Business Review Sep-Oct: 53-58.
Gómez Villanueva, Jorge & Ramirez-Solis, Edgar. (2013). Is there a real pioneer's
advantage? Lessons learned after almost thirty years of research. Academy of
Strategic Management Journal. 12. 31-54.
Gomez, Jaime & Maicas, Juan Pablo (2011) Do Switching Costs Mediate The
Relationship Between Entry Timing and Performance? Strategic Management
Journal, Vol. 32, No. 12 (December 2011), pp. 1251-1269
Goodman, Joseph K. & Caglar Irmak (2013) Having Versus Consuming: Failure to
Estimate Usage Frequency Makes Consumers Prefer Multifeature Products.
Journal of Marketing Research, Vol. 50, No. 1 (Feb., 2013), pp. 44-54
Hair, Joe F., Christian M. Ringle, Marko Sarstedt (2011) PLS-sem: Indeed a silver bullet.
The Journal of Marketing Theory and Practice (March 2011)
Hauser, D.J., & Schwarz, N. (2015). Its a trap! Instructional manipulation checks prompt
systematic thinking on “tricky” tasks. SAGE Open, 5(2), 1–6.
http://doi.org/10.1177/2158244015584617
Hopp, C., Antons, D., Kaminski, J. and Oliver Salge, T. (2018), Disruptive Innovation:
Conceptual Foundations, Empirical Evidence, and Research Opportunities in the
Digital Age. J Prod Innov Manag, 35: 446-457.
Ide, Enrique, Juan-Pablo Montero, Nicolas Figuero (2016) Discounts as a Barrier to

Entry. The American Economic Review, Vol. 106, No. 7 (July 2016), pp. 1849-1877
Independent/Aatif Sulleyman (2017, 5 8) British People Download Far More Phone Apps
Than They Need. Taken from: https://www.independent.co.uk/life-style/gadgets-
and-tech/news/iphone-android-uk-users-download-too-many-apps-a7724431.html
Indonesia-Investments (2018, 7 6) Economy of Indonesia: GDP Growth at 5.27% in Q2-

2018 Tops Estimates. Taken from indonesia-investments.com:
https://www.indonesia-investments.com/id/news/news-columns/economy-of-
indonesia-gdp-growth-at-5.27-in-q2-2018-tops-estimates/item8926?
62
Jakarta Globe (201, 7 16) OVO Dominates Digital Payment Market in Indonesia: Study.
Taken from: https://jakartaglobe.id/context/ovo-dominates-digital-payment-
market-in-indonesia-study
Johnson, J.A. (2005). Ascertaining the validity of individual protocols from Webbased
personality inventories. Journal of Research in Personality, 39(1), 103–129.
http://doi.org/10.1016/j.jrp.2004.09.009
Kantar TNS/Aurelia Leopold (2019) Asia Pacific leads the world in mobile payments in
latest study by Kantar TNS. Taken from: http://www.tnsglobal.com/asia-
pacific/intelligence-applied/asia-pacific-leads-world-mobile-payments-latest-
study-kantar-tns
Katadata/Cindy Mutia Annur (2019, 5 22) Naik 50% Sejak Awal Tahun, DANA Gaet 15
Juta Pengguna Aktif. Taken from: https://katadata.co.id/berita/2019/05/22/naik-50-
sejak-awal-tahun-dana-gaet-15-juta-pengguna-aktif
Katz, Michael L. & Carl Saphiro (1985) Network Externalities, Competition, and
Compatibility. The American Economic Review, Vol. 75, No. 3. (Jun., 1985), pp.
424-440.
Keaveney, S. M. (1995) Customer switching behavior in service industries: An

exploratory study. Journal of Marketing,Vol. 50. No. 2 (1995) pp. 71-82
Kim, Byoungsoo & Min, Jinyoung (2014) The distinct roles of dedication-based and
constraint-based mechanisms in social networking sites. Internet Research, Vol. 25
Issue: 1, pp.30-51
Kompas (2019, 11 21) Transaksi Uang Digital Melonjak, Pendapatan Non-Bunga Bank
Tergerus. Taken from:
https://money.kompas.com/read/2019/11/21/110300226/transaksi-uang-digital-
melonjak-pendapatan-non-bunga-bank-tergerus?page=all
KPMG (2018), Venture Pulse Q4 2018
Kunz, Werner, Bernd Schmitt, Anton Meyer (2010) How does perceived firm
innovativeness affect the consumer? Journal of Business Research 64 (2011) 816-
822
Lee, Khai S. and Irene C L Ng, (2007), “An Integrative Framework of Pre-Emption
Strategies,” Journal of Strategic Marketing, Forthcoming
Lee, Sang M., Na Rang Kim, Soon Goo Hong (2016) Key Success Factors for Mobile
App Platform Activation. Serv Bus (2017) 11:207–227
Lhoest-Snoeck, S., Erjen van Nierof, Verhoef, P. C. (2014) For New Customers Only: A
Study on the Effect of Acquisition Campaigns on a Service Company's Existing
Customers' CLV. Journal of Interactive Marketing 28 (2014) 210–224
63
Li, Chia-Ying (2017) Consumer behavior in switching between membership cards and
mobile applications: The case of Starbucks. Computers in Human Behavior 84
(2018) 171-184
Lieberman, Marvin B. & David B. Montgomery (1998) First-Mover Advantages.

Strategic Management Journal, Volume 9, Issue Special Issue: Strategy Content
Research (Summer, 1988), 41-58
Lin, Chieh-Peng & Anol Bhattacherjee (2008) Elucidating Individual Intention to Use
Interactive Information Technologies: The Role of Network Externalities.
International Journal of Electronic Commerce, Vol. 13, No. 1 (Fall, 2008), pp. 85-
108
Mackenzie, S. B., Podsakoff, P. M., & Podsakoff, N. P. (2011). Construct measurement

and validation procedures in mis and behavioral research: Integrating new and
existing techniques. MIS Quarterly, 35(2), 293eA5.
Magnusson, Peter, Stanford A. Westjohn, David J. Boggs (2009) Order-of-Entry Effects

for Service Firms in Developing Markets: An Examination ofMultinational
Advertising Agencies. Journal of International Marketing, Vol. 17, No. 2 (2009),
pp. 23-41
Makadok, Richard (1998) Can First-Mover and Early-Mover Advantages Be Sustained

in an Industry with Low Barriers to Entry/Imitation? Strategic Management
Journal, Vol. 19, No. 7 (Jul., 1998), pp. 683-696
Mayer, Roger C., James H. Davis, F. David Schoorman (1995) An Integrative Model of
Organizational Trust. The Academy of Management Review, Vol. 20, No. 3 (July
1995), pp. 709-734
Media Digital Innovation & Mandiri Sekuritas (2018) Mobile Payments in Indonesia:
Race to Big Data Domination
Murray, Janet Y., Min Ju, Gerald Yong Gao (2012) Foreign Market Entry Timing
Revisited: Trade-Off Between Market Share Performanceand Firm Survival.
Journal of International Marketing, Vol. 20, No. 3 (2012), pp. 50-64
Nguyen, Thanh D. & Phuc A. Huynh (2018) The Roles of Perceived Risk and Trust on
E-Payment Adoption. Studies in Computational Intelligence (January 2018)
Nikkei Asian Review/Erwida Maulia (2018, 8 29) Indonesia offers a fresh battleground
for fintech. Taken from Nikkei Asian Review:
https://asia.nikkei.com/Spotlight/Cover-Story/Indonesia-offers-a-fresh-
battleground-for-fintech
Nimako, Simon Gyasi (2012) Towards a Comprehensive Definition and Typology of

Consumer Switching Behaviour: Unearthing research gaps. Research Journal of
Social Science & Management vol. 2 (2012)
64
Payment Source/Kate Fitzgerald (2018) Data: India’s mobile payments market is ready
to boom. Taken from: https://www.paymentssource.com/slideshow/data-indias-
mobile-payments-market-is-ready-to-boom
Pick, Doreen & Martin Eisend (2013) Buyers’ perceived switching costs and switching:
a meta-analytic assessment of their antecedents. Journal of the Academic Marketing
Science (2014) 42:186–204
Polites, Greta L. & Karahanna, Elena (2012) Shackled to the Status Quo: The Inhibiting
Effects of Incumbent System Habit, SwitchingCosts, and Inertia on New System
Acceptance. MIS Quarterly, Vol. 36, No. 1 (March 2012), pp. 21-42
Ringle, C. M., Wende, S., and Becker, J.-M. (2015) "SmartPLS 3." Boenningstedt:
SmartPLS GmbH, http://www.smartpls.com.
Querbes, Adrien & Frenken, Koen (2016) Evolving user needs and late-mover advantage.
Strategic Organization, 15(1), 67–90.
Reinartz, W.J., Kumar, V., 2002. The mismanagement of customer loyalty. Harvard
Business Review 80 (7), 86–94.
Salo, J., Kajalo, S., Mäntymäki, M., Islam, A. K. M. N. et al. (2013) Conceptualizing
Perceived Benefits and Investigating Its Role in Adoption of Tablet Computers
among Newspaper Subscribers. IFIP Advances in Information and Communication
Technology 399:186-199
Salo, Markus & Makkonen, Markus (2018) "Why Do Users Switch Mobile Applications?
Trialing Behavior as a Predecessor of Switching Behavior," Communications of the
Association for Information Systems: Vol. 42 , Article 14.
Shankar, V., Gregory S. Carpenter, Lakshman Krishnamurthi (1998) Late mover

advantage: How innovative late entrants outsell pioneers. JMR, Journal of
Marketing Research; (Feb 1998)
Statista (2019) Digital Payment Reports 2019: Statista Digital Market Outlook from:
https://www.statista.com/outlook/296/120/digital-payments/indonesia#market-
globalRevenue
Street, Vera L., Hugh Marble III, Marc D. Street (2011) An Empirical Investigation of
the Influence of Organizational Capacity and Environmental Dynamism on First
Moves. Journal of Managerial Issues, Vol. 23, No. 3 (Fall 2011), pp. 269-300
Suarez, Fernando F. & Lanzolla, Gianvito (2007) The Role of Environmental Dynamics
in Building a First-mover Advantage Theory. The Academy of Management
Review, Vol. 32, No. 2 (Apr., 2007), pp. 377-392
Sun, Y., Liu, D., Chen, S. Wu, X., Shen, X., Zhang, X. (2017) Understanding users'
switching behavior of mobile instant messaging applications: An empirical study
from the perspective of push-pull mooring framework. Computers in Human
Behavior 75 (2017) 727-738
65
Techinasia/Putra Muskita (2019, 5 9) Indonesia’s e-wallet race is heating up. Here are
the main players. Taken from: https://www.techinasia.com/indonesias-ewallet-
race-heating-main-players
VanderWerf, Pieter A. & John F. Mahon (1997) Meta-Analysis of the Impact of Research
Methods on Findings of First-Mover Advantage. Management Science, Vol. 43, No.
11 (Nov., 1997), pp. 1510-1519
Vinh Du Tran, David S. Sibley, & Simon Wilkie (2012) Second Mover Advantage and
Entry Timing. The Journal of Industrial Economics, Vol. 60, No. 3 (September
2012), pp. 517-535
Winkler, T. J., & Trouvilliez, G. (2012). Participatory urban sensing: Citizens' acceptance
of a mobile reporting serviceed. In European conference on information systems.
Barcelona, Spain: AIS.
Yang, Changgyu, Sang-Gun Lee, Jaebeom Lee (2013) Entry barrier's difference between
ICT and non-ICT industries. Industrial Management & Data Systems (2013)
Yu, Chian-son (2014) Consumer switching behavior from online banking to mobile
banking. International Journal of Cyber Society and Education, Vol. 7, No. 1, pp.
1-28, 2014.

Skrip Si

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Skrip Si

Diunggah oleh

Hak Cipta:

Format Tersedia

1

1.1 Latar Belakang

menemukan bahwa literatur first-mover advantage selama 30 tahun terakhir

Literatur mengenai consumer switching behavior juga belum banyak membahas

1.2. Latar Belakang Industri

1.3 Rumusan Masalah

1.4 Pertanyaan Penelitian

1.5 Tujuan Penelitian

1.6 Manfaat Penelitian

1.7 Kebaruan Penelitian

1.8 Ruang Penelitian

1.9 Sistematika Penulisan

BAB II – TINJAUAN PUSTAKA

BAB III – METODE PENELITIAN

BAB IV – ANALISIS DAN PEMBAHASAN

BAB V – KESIMPULAN DAN SARAN

2.1 First-mover Advantage

Gambar 1.1 Teori First-Mover Advantage dari Suarez & Lazolla

2.2 Consumers’ Switching dalam konteks IT

2.3 Push-pull-mooring (PPM)

2.3.2 Pull Effect

market pioneer daripada followers. Kardes dan Kalyanaran (1992) juga

Gambar 3.1 Model Penelitian

3.2 Hipotesis Penelitian

3.2.2 Transfer Trust

Jika penguna memiliki trust yang tinggi terhadap perusahaan late

3.2.3 Transaction Convenience

3.2.4 Economic Benefit

ekonomis mendorong perilaku switching. Konsiderasi ekonomis juga

3.2.5 Switching Costs

pada umumnya. Telah banyak ditemukan pengaruh langsung berbagai

3.3 Data Penelitian

3.3.1 Data Primer

3.4 Desain Penelitian

3.5 Operasionalisasi Variabel

pembayaran tagihan/dll. ketika

Switching Semua indikator bersifat reverse coded, kecuali SE4

Attitude to Attitude to “Pionir adalah perusahaan perintis yang Adaptasi dari

CM2 Saya percaya seiring jumlah

3.6 Metode Pemilihan Sampel

Pengambilan sampel dilakukan dengan metode non-probability sampling, yaitu

3.7 Metode Pengolahan Data

3.7.2 Analasis Kuisioner Awal

3.7.3 Pengujian Alat Ukur

3.7.4 Analisis Partial Least Squared

Appendix 1. Rangkuman terhadap penelitian switching behavior

2002) Change in usage

(Kim and Office system No Switching costs (-) Switching colleague

(Hou et al., SNS Yes Low socializing Attractiveness

satisfaction (+); Unfavorable

SC3 .656 .902

Peneliti pada akhirnya tetap memperhitungkan dimensi tersebut karena

Profil Kategori Persentase Jumlah Modus Mean

4.3 Analisis Deskriptif

Melalui pengamatan terhadap data di atas, terdapat skew yang

Residual 395.818 261 1.517

Responden ditanya mengenai bagaimana mereka menggunakan suatu e-

No Pola Penggunaan e-wallet Count

Temuan ini mengkonfirmasi adanya fenomena partial switching, di mana

Jumlah e-wallet dimiliki Persentase

Berdasarkan tabel di atas, terlihat bahwa mayoritas responden (65,78%)

4.3.4 Preferensi Brand

Preferensi Layanan Persentase

Dapat terlihat melalui tabel, bahwa preferensi brand e-wallet dipimpin