Skrip Si
Skrip Si
BAB I
PENDAHULUAN
Universitas Indonesia
2
Universitas Indonesia
3
Universitas Indonesia
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).
Universitas Indonesia
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
Universitas Indonesia
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.
Universitas Indonesia
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.
Universitas Indonesia
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?
Universitas Indonesia
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.
Universitas Indonesia
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.
Universitas Indonesia
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
Universitas Indonesia
12
Universitas Indonesia
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
Universitas Indonesia
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.
Universitas Indonesia
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.
Universitas Indonesia
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).
Universitas Indonesia
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
Universitas Indonesia
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
Universitas Indonesia
19
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.
Universitas Indonesia
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.
Universitas Indonesia
21
Universitas Indonesia
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.
Universitas Indonesia
23
Universitas Indonesia
24
Universitas Indonesia
25
Universitas Indonesia
26
Universitas Indonesia
27
Universitas Indonesia
28
Universitas Indonesia
29
Universitas Indonesia
30
Universitas Indonesia
31
Universitas Indonesia
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).
Universitas Indonesia
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).
Universitas Indonesia
34
Menggunakan
Studi Konteks PPM?
Prediktor Switching
Incumbent Substitute Lainnya
(Chen and Hitt Online Broker - Website Usage (-);
(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)
Universitas Indonesia
35
Universitas Indonesia
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
Universitas Indonesia
37
Universitas Indonesia
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
Universitas Indonesia
39
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.
Universitas Indonesia
40
Universitas Indonesia
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
Universitas Indonesia
42
Stdev 1.2495
Mean 4.8631 (Sering menuju Agak Sering)
ANOVAa
Sum of Mean
Model Squares df Square F Sig.
1 Regression 13.254 1 13.254 8.740 .003b
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
Universitas Indonesia
43
Universitas Indonesia
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:
1 12.93%
2 31.94%
3 33.84%
4 13.31%
>4 7.98%
Median 3
Universitas Indonesia
45
asumsi responden memilih e-wallet yang mereka gunakan lebih intens. Berikut
adalah preferensi e-wallet dari 256 responden
DANA 16.41%
Go-pay 27.34%
LinkAja 0.78%
OVO 55.47%
Push Factor
Universitas Indonesia
46
Indikator Pernyataan
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.
Universitas Indonesia
47
Mooring Factor
Indikator Pernyataan
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.
Universitas Indonesia
48
Pull Factor
Indikator Pernyataan
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
Universitas Indonesia
49
Indikator Pernyataan
Universitas Indonesia
50
Universitas Indonesia
51
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
Universitas Indonesia
52
Universitas Indonesia
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
Universitas Indonesia
54
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
terhadap switch intention
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
Universitas Indonesia
55
Faktor Push
Universitas Indonesia
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).
Universitas Indonesia
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
payment berpengaruh positif terhadap switch intention
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
Universitas Indonesia
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
terhadap switch intention
BAB V
KESIMPULAN DAN SARAN
5.1 Discussions of Findings
5.2 Implikasi Manajerial
5.3 Keterbatasan Penelitian
5.4 Saran untuk Penelitian Selanjutnya
Universitas Indonesia
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/
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
Universitas Indonesia
60
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, 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
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/
Universitas Indonesia
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
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.
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
Universitas Indonesia
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.
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
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
Universitas Indonesia
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
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
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
Universitas Indonesia
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.
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
Universitas Indonesia
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.
Universitas Indonesia