ANALISIS PERILAKU PENGGUNA TERHADAP

APLIKASI PLN MOBILE MENGGUNAKAN METODE

UTAUT

SKRIPSI

Diajukan untuk memenuhi persyaratan

dalam memperoleh gelar Sarjana Komputer
Program Studi Sistem Informasi

Disusun Oleh:

AMANDA PARAMITA SALSABILA

18082010077

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS ILMU KOMPUTER
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAWA TIMUR
SURABAYA
2022
 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAWA
TIMUR
FAKULTAS ILMU KOMPUTER

SURAT PERNYATAAN

Saya yang bertanda tangan di bawah ini:

Nama : Amanda Paramita Salsabila
NPM : 18082010077
Program Studi : Sistem Informasi

Menyatakan bahwa Judul Skripsi / Tugas Akhir sebagai berikut:

ANALISIS PERILAKU PENGGUNA TERHADAP APLIKASI PLN MOBILE

MENGGUNAKAN METODE UTAUT

Bukan merupakan plagiat dari Skripsi / Tugas Akhir / Penelitian orang lain dan juga
bukan merupakan Produk / Software / Hasil Karya yang saya beli dari orang lain.

Saya juga menyatakan bahwa Skripsi / Tugas Akhir ini adalah pekerjaan saya
sendiri, kecuali yang dinyatakan dalam Daftar Pustaka dan tidak pernah diajukan
untuk syarat memperoleh gelar di Universitas Pembangunan Nasional "Veteran"
Jawa Timur maupun di Institusi Pendidikan Lain. Jika ternyata dikemudian hari
pernyataan ini terbukti benar, maka Saya bertanggung jawab penuh dan siap
menerima segala konsekuensi, termasuk pembatalan ijazah di kemudian hari.

Surabaya, 18 November 2022

Hormat Saya

AMANDA PARAMITA SALSABILA

NPM. 18082010077

i
Judul Skripsi : ANALISIS PERILAKU PENGGUNA
TERHADAP APLIKASI PLN MOBILE
MENGGUNAKAN METODE UTAUT
Pembimbing 1 : Arista Pratama, S.Kom, M.Kom
Pembimbing 2 : Anita Wulansari, S.Kom, M.Kom

ABSTRAK
Perkembangan teknologi informasi saat ini mengalami
pertumbuhan yang sangat pesat dalam segala aspek kehidupan. Dengan
adanya teknologi informasi yang semakin berkembang lebih
mempermudah pengguna untuk menggunakan sistem informasi.
Perkembangan teknologi yang terjadi menunjukkan bahwa teknologi
informasi saat ini bukan menjadi tuntutan bagi perusahaan atau organisasi.
PT. PLN (Persero) merupakan suatu Badan Usaha Milik Negara (BUMN)
dibidang kelistrikan yang mengontrol, menyediakan, dan melayani
kebutuhan listrik masyarakat. PT. PLN (Persero) terus berupaya untuk
meningkatkan layanan kelistrikan kepada seluruh pelanggan. Untuk
meningkatkan layanan kelistrikan PT. PLN (Persero) memberikan inovasi
berupa pengembangan Aplikasi PLN Mobile.
Dengan adanya Aplikasi PLN Mobile pengguna akan mendapatkan
informasi layanan kelistrikan secara update serta bisa mendaftarkan secara
mandiri sesuai dengan kebutuhan masing-masing pengguna, dan bisa
mengetahui kalkulasi biayanya. Tujuan penelitian ini adalah untuk
mengetahui faktor-faktor perilaku yang mempengaruhi pengguna dalam
menerima Aplikasi PLN Mobile. Metode penelitian yang digunakan yaitu
UTAUT yang modelnya telah dimodifikasi dengan tujuh variabel yang
terdiri dari Performance Expectancy, Effort Expectancy, Social Influence,
Facilitating Condition, Trust, Information Quality, dan Behavioral
Intention.
Pengambilan sampel menggunakan Teknik Probability Sampling,
dengan jenis Random Sampling. Jumlah sampel sebanyak 400 pengguna
masyarakat Kota Surabaya yang telah menggunakan Aplikasi PLN Mobile.
Data penelitian dianalisis menggunakan SEM-PLS dengan perangkat lunak
SmartPls 3. Berdasarkan hasil analisis diperoleh bahwa faktor yang
mempengaruhi Behavioral Intention atau perilaku pengguna terhadap
Aplikasi PLN Mobile terdiri dari Performance Expectancy, Effort
Expectancy, Facilitating Conditions, Social Influence (p-value < 0,05)
sedangkan Trust, Information Quality tidak berpengaruh positif dan tidak
signifikan terhadap Behavioral Intention.

Kata Kunci: PLN Mobile, e-Government, Pelayanan Pelanggan, UTAUT

ii
 KATA PENGANTAR

Dengan mengucap puji syukur kepada Allah SWT, atas limpahan rahmat

dan karunia Nya, sehingga dapat menyelesaikan skripsi ini dengan judul “Analisis

Perilaku Pengguna Terhadap Aplikasi PLN Mobile Menggunakan Metode

UTAUT” dengan tepat waktu. Pelaksanaan skripsi merupakan salah satu

persyaratan dalam menyelesaikan Program Studi Strata Satu di Universitas

Pembangunan Nasional “Veteran” Jawa Timur. Pada kesempatan ini, penulis ingin

mengucapkan terima kasih kepada:

1. Allah SWT karena dengan rahmatNya skripsi ini dapat diselesaikan.

2. Orang tua dan keluarga yang senantiasa memberi doa dan dukungan.

3. Nenek dan kakek yang telah membesarkan saya dan selalu memberi

motivasi untuk menuntut ilmu setinggi-tingginya.

4. Bapak Arista Pratama, S.Kom, M.Kom selaku dosen pembimbing I yang

telah memberikan arahan dan motivasi dalam menyelsaikan skripsi.

5. Ibu Anita Wulansari, S.Kom, M.Kom selaku dosen pembimbing II yang

telah memberikan arahan dan motivasi dalam menyelesaikan skripsi.

6. Bapak Nur Cahyo Wibowo, S.Kom, M.Kom selaku Kepala Program Studi

Sistem Informasi di Univeristas Pembangunan Nasional "Veteran" Jawa

Timur.

7. Seluruh dosen sistem informasi yang telah memberikan waktu dan

ilmunya selama proses belajar megajar maupun diluar jam perkualiahan.

8. Seluruh responden yang telah mengisi kuesioner pada penelitian ini

sehingga penelitian ini dapat berjalan.

9. Teman-teman yang selalu memberikan dukungan dan doa.

iii
 10. Kakak tingkat yang memberikan saran serta motivasi.

11. Seluruh pihak yang tidak dapat saya sebutkan satu persatu yang telah

memberikan dukungan guna terlaksananya skripsi ini.

Dalam pelaksanaan Skripsi ini juga menyadari bahwa masih banyak

kekurangan pada penulisan dan pengerjaan skripsi ini. Semoga laporan Skripsi ini

dapat menunjang perkembangan ilmu pengetahuan khususnya dalam bidang Sistem

Informasi.

Surabaya, November 2022

Penulis

AMANDA PARAMITA SALSABILA

iv
 DAFTAR ISI

ABSTRAK ................................................................................................................................ii
KATA PENGANTAR ............................................................................................................ iii
DAFTAR ISI............................................................................................................................. v
DAFTAR TABEL ................................................................................................................ viii
DAFTAR GAMBAR ............................................................................................................... ix
DAFTAR LAMPIRAN ............................................................................................................ x
BAB 1 PENDAHULUAN ........................................................................................................ 1
1.1 Latar Belakang ............................................................................................................ 1
1.2 Perumusan Masalah..................................................................................................... 6
1.3 Batasan Masalah .......................................................................................................... 6
1.4 Tujuan.......................................................................................................................... 7
1.5 Manfaat........................................................................................................................ 7
1.6 Relevansi SI................................................................................................................. 8
1.7 Sistematika Penulisan.................................................................................................. 8
BAB II TINJAUAN PUSTAKA ........................................................................................... 11
2.1 Landasan Teori .......................................................................................................... 11
2.2 Definisi Penerimaan Pengguna ................................................................................. 11
2.3 Definisi Sistem Informasi.......................................................................................... 12
2.4 Aplikasi Mobile ......................................................................................................... 12
2.5 Aplikasi PLN Mobile ................................................................................................ 14
2.6 Unified Theory of Acceptance and Use of Technology (UTAUT) .......................... 17
2.7 SEM-PLS (Structural Equation Modelling - Partial Least Square) .......................... 23
2.8 Penelitian Terdahulu ................................................................................................. 24
BAB III METODE PENELITIAN ....................................................................................... 28
3.1 Studi Literatur dan Studi Observasi .......................................................................... 28
3.2 Identifikasi Masalah .................................................................................................. 29
3.3 Model Konseptual ..................................................................................................... 30
3.4 Hipotesis Penelitian ................................................................................................... 30
3.4.1 Performance Expectancy (PE) ........................................................................... 31
3.4.2 Effort Expectancy (EE) ...................................................................................... 31
3.4.3 Social Influence (SI) .......................................................................................... 32
3.4.4 Facilitating Conditions (FC) .............................................................................. 32
3.4.5 Trust (TRU) ....................................................................................................... 33
3.4.6 Information Quality (IQ).................................................................................... 33
3.5 Definisi Operasional .................................................................................................. 34
3.6 Metode Pengumpulan Data ....................................................................................... 35

v
 3.6.1 Sumber Pengumpulan Data................................................................................ 36
3.6.2 Penentuan Populasi dan Sampel ........................................................................ 36
3.6.3 Teknik Sampling ................................................................................................ 37
3.6.4 Skala Likert ........................................................................................................ 38
3.7 Penyusunan Instrumen Kuesioner ............................................................................. 39
3.8 Uji Validitas dan Reliabilitas .................................................................................... 41
3.8.1 Uji Validitas Instrumen Penelitian ..................................................................... 41
3.8.2 Uji Reliabilitas Instrumen Penelitian ................................................................. 47
3.9 Pengolahan Data dan Analisis ................................................................................... 48
3.9.1 Analisis Deskriptif ................................................................................................... 48
3.9.2 Analisis Inferensial .................................................................................................. 48
3.10 Penarikan Kesimpulan dan Saran .............................................................................. 52
BAB IV HASIL DAN PEMBAHASAN ............................................................................... 53
4.1 Pembahasan Karakteristik Responden (Tabulasi Data) ............................................ 53
4.1.1 Jenis Kelamin ..................................................................................................... 53
4.1.2 Usia .................................................................................................................... 54
4.1.3 Asal Kota ........................................................................................................... 55
4.1.4 Lama Penggunaan Aplikasi PLN Mobile .......................................................... 56
4.1.5 Intensitas penggunaan Aplikasi PLN Mobile .................................................... 56
4.1.6 Fitur yang Sering Digunakan ............................................................................. 57
4.2 Analisis Deskriptif..................................................................................................... 58
4.2.1 Frekuensi Jawaban Variabel Performance Expectancy ..................................... 58
4.2.2 Frekuensi Jawaban Variabel Effort Expectancy ................................................ 60
4.2.3 Frekuensi Jawaban Variabel Social Influence ................................................... 62
4.2.4 Frekuensi Jawaban Variabel Facilitating Conditions ........................................ 63
4.2.5 Frekuensi Jawaban Variabel Trust ..................................................................... 65
4.2.6 Frekuensi Jawaban Variabel Information Quality ............................................. 67
4.2.7 Frekuensi Jawaban Variabel Behavioral Intentions ........................................... 69
4.3 Analisis Inferensial .................................................................................................... 71
4.3.1 Outer Model ....................................................................................................... 71
4.3.2 Inner Model ........................................................................................................ 75
4.4 Pembahasan Hasil Penelitian .................................................................................... 83
4.4.1 Pengaruh Performance Expectancy terhadap Behavioral Intention................... 83
4.4.2 Pengaruh Effort Expectancy terhadap Behavioral Intention ............................. 84
4.4.3 Pengaruh Social Influence terhadap Behavioral Intention................................. 85
4.4.4 Pengaruh Facilitating Conditions terhadap Behavioral Intention ...................... 86
4.4.5 Pengaruh Trust terhadap Behavioral Intention .................................................. 87
4.4.6 Pengaruh Information Quality terhadap Behavioral Intention........................... 88

vi
BAB V PENUTUP.................................................................................................................. 90
5.1 Kesimpulan................................................................................................................ 90
5.2 Saran .......................................................................................................................... 90
DAFTAR PUSTAKA ............................................................................................................. 93
LAMPIRAN.......................................................................................................................... 100

vii
 DAFTAR TABEL

Tabel 1.1 Ulasan Pengguna Aplikasi PLN Mobile ................................................................. 4

Tabel 2.1 Penelitian Terdahulu ............................................................................................. 24
Tabel 3.1 Definisi Operasional.............................................................................................. 34
Tabel 3.2 Skala Likert ........................................................................................................... 39
Tabel 3.3 Instrumen Kuesioner ............................................................................................. 39
Tabel 3.4 Hasil Uji Validitas Variabel Performance Expectancy ......................................... 42
Tabel 3.5 Hail Uji Validitas Effort Expectancy..................................................................... 43
Tabel 3.6 Hasil Uji Validitas Variabel Social Influence ....................................................... 44
Tabel 3.7 Hasil Uji Validitas Variabel Facilitating Conditions............................................ 45
Tabel 3.8 Hasil Uji Validitas Variabel Trust......................................................................... 45
Tabel 3.9 Hasil Uji Validitas Variabel Information Quality ................................................. 46
Tabel 3.10 Hasil Uji Validitas Variabel Behavioral Intention ................................................ 46
Tabel 3.11 Hasil Uji Validitas Reliabilitas.............................................................................. 47
Tabel 3.12 Kriteria Evaluasi Model Pengukuran .................................................................... 49
Tabel 3.13 Kriteria Evaluasi Model Struktural ....................................................................... 50
Tabel 4.1 Frekuensi Jawaban Variabel Performance Expectancy ........................................ 58
Tabel 4.2 Hasil Statistik Jawaban Variabel Performance Expectancy ................................. 60
Tabel 4.3 Frekuensi Jawaban Variabel Effort Expectancy .................................................... 60
Tabel 4.4 Hasil Statistik Jawaban Variabel Effort Expectancy ............................................. 61
Tabel 4.5 Frekuensi Jawaban Variabel Social Influence....................................................... 62
Tabel 4.6 Hasil Statistik Jawaban Variabel Social Influence ................................................ 63
Tabel 4.7 Frekuensi Jawaban Variabel Facilitating Conditions ........................................... 64
Tabel 4.8 Hasil Statistik Jawaban Variabel Facilitating Conditions .................................... 65
Tabel 4.9 Frekuensi Jawaban Variabel Trust ........................................................................ 66
Tabel 4.10 Hasil Statistik Jawaban Variabel Trust ................................................................. 67
Tabel 4.11 Frekuensi Jawaban Variabel Information Quality ................................................ 67
Tabel 4.12 Hasil Statistik Jawaban Variabel Information Quality.......................................... 69
Tabel 4.13 Frekuensi Jawaban Variabel Behavioral Intention ............................................... 69
Tabel 4.14 Hasil Statistik Jawaban Variabel Behavioral Intention ........................................ 70
Tabel 4.15 Nilai Loading Factor............................................................................................. 72
Tabel 4.16 Nilai Average Variance Extracted (AVE) ............................................................ 73
Tabel 4.17 Nilai Akar AVE (Fornell-Larcker Criterion) ....................................................... 73
Tabel 4.18 Nilai Cross Loading .............................................................................................. 74
Tabel 4.19 Nilai Cronbach's Alpha dan Composite Reliability .............................................. 75
Tabel 4.20 Hasil VIF ............................................................................................................... 76
Tabel 4.21 Nilai R-Square....................................................................................................... 77
Tabel 4.22 Nilai Koefisien Jalur, T-Statistics, P-Value .......................................................... 79

viii
 DAFTAR GAMBAR

Gambar 1.1 Hompage PLN Mobile ......................................................................................... 3

Gambar 2.1 Model Konseptual………………………………………………………………18
Gambar 3.1 Alur Penelitian .................................................................................................... 29
Gambar 3.2 Model Konseptual .............................................................................................. 31
Gambar 4.1 Jenis Kelamin Responden................................................................................... 53
Gambar 4.2 Usia Responden .................................................................................................. 54
Gambar 4.3 Asal Kota Responden ......................................................................................... 55
Gambar 4.4 Lama Penggunaan Aplikasi PLN Mobile ........................................................... 56
Gambar 4.5 Intensitas Penggunaan Aplikasi PLN Mobile..................................................... 56
Gambar 4.6 Fitur yang Sering Digunakan.............................................................................. 57
Gambar 4.7 Hasil Uji Hipotesis ............................................................................................. 78

ix
 DAFTAR LAMPIRAN
Lampiran 1. Tampilan Kuesioner Online…………………………………………….…….96
Lampiran 2. Data Jawaban Kuesioner Responden………………….………………..……106
Lampiran 3. Data Demografi Responden……...…………………………………..………116
Lampiran 4. Analisis Deskriptif Variabel……………………………………………..…..119
Lampiran 5. Uji Validitas dan Reliabilitas Pretest Kuesioner………………………….…126
Lampiran 6. Uji Validitas dan Reliabilitas 400 Responden…………………………….....129
Lampiran 7. Hasil Uji VIF dan R-Square………………………………………………….131
Lampiran 8. Hasil Uji Hipotesis Bootstrapping…………………………………………..132
Lampiran 9. Hasil Uji Bootstrapping……………………………………………………...132

x
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Perkembangan teknologi saat ini mengalami pertumbuhan yang sangat

pesat dalam segala aspek kehidupan. Dengan adanya teknologi yang semakin

berkembang lebih mempermudah pengguna untuk menggunakan sistem informasi.

Perkembangan teknologi yang terjadi menunjukkan bahwa teknologi informasi saat

ini bukan menjadi tuntutan lagi bagi perusahaan atau organisasi (Antasari &

Yaniartha, 2015). Pemanfaatan teknologi informasi semakin meluas dan dapat

membantu pekerjaan individu dan organisasi (Widiani & Abdullah, 2018).

Teknologi informasi dapat meningkatkan efektivitas dan efiensi kerja suatu

organisasi. Suatu organisasi maupun perusahaan tidak lepas dari pengaruh

teknologi informasi yang berfungsi dapat meningkatkan kualitas pelayanaan

(Kusumawardani et al., 2018).

PT. PLN (Persero) merupakan suatu badan usaha milik negara (BUMN)

dibidang kelistrikan yang mengontrol, menyediakan, dan melayani kebutuhan

listrik masyarakat. Sebagai perusahaan yang menjual produk dan jasa PT. PLN

(Persero) harus memberikan pelayanan terbaik agar dapat menciptakan kepuasan.

PT. PLN (Persero) terus berupaya untuk meningkatkan layanan kepada seluruh

pelanggan. Dalam perusahaan keberadaan sistem informasi sangatlah diperlukan.

Pemanfaatan sistem informasi dalam menyajikan kebutuhan akan informasi yang

cepat, andal dan akurat sangat diperlukan (Suzanto & Sidharta, 2015).

1
 Menurut (Band, 1991) dalam (Setiyawati, 2009) kepuasan pelanggan

merupakan suatu tingkatan dimana kebutuhan, keinginan dan harapan dari

pelanggan dapat terpenuhi yang akan mengakibatkan terjadinya pembelian ulang

atau kesetiaan yang berlanjut.

Organisasi dapat memanfaatkan sistem informasi dengan menerapkan

sistem yang terkomputerasasi maupun aplikasi yang sudah dapat digunakan di

smartphone. Saat ini teknologi yang sering digunakan yaitu smartphone, sehingga

banyak perusahaan atau organisasi memberikan pelayanan melewati sistem

informasi berbasis aplikasi mobile (Moon & Chang, 2014). Sistem informasi yang

telah diterapkan pada organisasi dapat menunjang kelancaran organisasi untuk

membantu masyarakat dalam mendapatkan pelayanan yang baik.

PT. PLN (Persero) memberikan inovasi pengembangan Aplikasi PLN

Mobile yang berguna untuk mengakses layanan kelistrikan seperti mendapatkan

informasi tentang tagihan listrik, penambahan daya, wadah aduan masyarakat

maupun informasi lainnya yang berkaitan dengan layanan listrik dan Aplikasi PLN

Mobile ini dapat digunakan oleh semua kalangan masyarakat (Nadhif & Niswah,

2018). Aplikai PLN Mobile adalah suatu aplikasi yang terintegrasi dengan Aplikasi

Pengaduan dan Keluhan Terpadu (APKT) dan Aplikasi Pelayanan Pelanggan

Terpusat (AP2T) (Lestari, Aknuranda, & Herlambang, 2019). Aplikasi PLN Mobile

dapat diunduh di Play Store atau Apps Store.

2
 Gambar 1.1 Hompage PLN Mobile

Tujuan adanya Aplikasi PLN Mobile yaitu masyarakat dapat menikmati

layanan dengan cepat. Aplikasi PLN Mobile dapat digunakan dimana saja

kapanpun tanpa batasan waktu (self service). Aplikasi PLN Mobile berisi banyak

fitur yang berguna untuk pengguna. Salah satu fitur yang disediakan oleh PLN

Mobile yaitu pengguna mendapatkan informasi seperti cek tagihan dan riwayat

token, permohonan pasang baru, perubahan daya, penyambungan sementara, cek

status pengaduan dan permohonan, informasi tarif listrik terkini, berita terkini

mengenai PLN, informasi pemeliharaan listrik dan telepon contact center PLN 123

dengan Voice over Internet Protocol (VoIP).

3
 Namun masih banyak juga pengguna yang mengeluh dari Aplikasi PLN

Mobile diantaranya pengguna sudah melakukan pembayaran listrik jenis token

tetapi di riwayat Aplikasi PLN Mobile belum tertulis pembayarannya. Kemudian

pengguna tidak bisa login pada Aplikasi PLN Mobile, sehingga jika pengguna harus

menghubungi help desk atau harus meng-email PLN.

Tabel 1.1 Ulasan Pengguna Aplikasi PLN Mobile

Untuk meningkatkan produktivitas dan kinerja, teknologi harus diterima

dan digunakan oleh masyarakat sebagai pengguna (Venkatesh et al., 2016). Faktor

yang saat ini memegang peranan penting dalam keberhasilan penerapan dan

penggunaan teknologi informasi adalah faktor pengguna.

4
 Tingkat kesiapan pengguna untuk menerima teknologi informasi memiliki

pengaruh besar dalam menentukan sukses dan tidaknya teknologi tersebut (Saputra,

2014). Salah satu kunci awal keberhasilan implementasi teknologi informasi adalah

kemauan untuk menerima teknologi tersebut dikalangan pengguna. Beberapa

penelitian menunjukkan bahwa kegagalan penerapan teknologi informasi saat ini

lebih aspek perilaku pengguna (Sarja, 2015). Faktor pengguna dapat menjadi suatu

tolak ukur untuk menilai penerimaan sebuah teknologi informasi (Rachmadi et al.,

2016).

Penerimaan pengguna merupakan faktor penting yang mempengaruhi

keberhasilan implementasi dari suatu teknologi (Nasir, 2013). Sehingga untuk

mengetahui keberhasilan implementasi dari suatu teknologi perlu adanya analisis

penerimaan pengguna terhadap Aplikasi PLN Mobile. Terdapat banyak model

analisis penerimaan pengguna salah satunya yaitu Unified Theory of Acceptance

and Use of Technology (UTAUT). UTAUT merupakan sebuah model yang

digunakan untuk menjelaskan perilaku pengguna terhadap teknologi informasi

(Venkatesh et al., 2003). UTAUT dikembangkan melalui ulasan dan integritasi

delapan teori dan model dominan yaitu Theory of Reasoned Action (TRA),

Technology Acceptance Model (TAM), Theory of Planned Behavior (TPB),

Gabungan TPB/TAM, Model of PC Utilization (MPCU), Innovation Diffusion

Theory (IDT), dan Social Cognitive Theory (SCT).

Model UTAUT mempunyai konstruk utama yang berpengaruh kepada

Behavioral Intention, Use Behavior yaitu Performance Expectancy, Effort

Expectancy, Social Influence dan Facilitating Conditions. Di samping itu terdapat

empat moderator seperti Age, Voluntariness, Gender dan Experience.

5
 Terdapat penelitian-penelitian yang dilakukan dengan mengadopsi

UTAUT dan mendapatkan temuan yang beragam. UTAUT adalah temuan model

penerimaan terkini paling komprehensif dalam mengkaji penemuan individu

terhadap teknologi karena model ini telah dibagunkan melalui perkembangan dan

perbaikan berdasarkan model-model penerimaan terdahulu, teori-teori yang terkait

serta sikap terhadap teknologi. Model UTAUT merupakan model baru yang

instrumennya menggabungkan delapan model penerimaan teknologi yang ada

(Ling et al., 2011). UTAUT memberikan dasar untuk menjelaskan mengapa

pengguna menerima atau menolak suatu teknologi dalam sudut pandang tertentu

dan memiliki potensi dalam meningkatkan pemahaman tentang penerimaan

teknologi (Samaradiwakara & Chandra, 2014).

Penerimaan pengguna merupakan hal penting untuk menentukan

keberhasilan sistem. Berdasarkan latar belakang tersebut, peneliti tertarik untuk

melakukan penelitian mengenai penerimaan pengguna terhadap Aplikasi PLN

Mobile dengan judul “Analisis Perilaku Pengguna Terhadap Aplikasi PLN

Mobile Menggunakan Metode UTAUT”.

1.2 Perumusan Masalah

Berdasarkan latar belakang yang telah diuraikan, dapat dirumuskan

masalah pada penelitian ini yaitu faktor apa saja yang mempengaruhi perilaku

pengguna dalam menggunakan Aplikasi PLN Mobile berdasarkan model UTAUT.

1.3 Batasan Masalah

Batasan-batasan masalah pada penelitian ini adalah sebagai berikut:

1. Populasi yang digunakan pada penelitian ini adalah pengguna Aplikasi

PLN Mobile.

6
 2. Variabel-variabel yang digunakan dalam penelitian ini meliputi:

Performance Expectancy, Effort Expectancy, Social Influence,

Facilitation Conditions, Trust, Information Quality, Behavioral

Intention.

3. Berdomisili Kota Surabaya.

4. Teknik sampling yang digunakan adalah teknik Probability Sampling,

dengan jenis Random Sampling.

1.4 Tujuan

Berdasarkan perumusan masalah di atas, maka tujuan dari penelitian ini

yaitu mengidentifikasi faktor-faktor yang mempengaruhi perilaku pengguna dalam

menggunakan Aplikasi PLN Mobile berdasarkan model UTAUT.

1.5 Manfaat

Manfaat yang diharapkan dapat diambil dari penelitian ini adalah sebagai

berikut:

1. Penelitian ini dapat memberikan pandangan terkait faktor yang

mempengaruhi penerimaan pengguna Aplikasi PLN Mobile oleh

masyarakat.

2. Hasil penelitian ini diharapkan dapat memberikan manfaat yang dapat

digunakan sebagai bahan pertimbangan dalam melakukan

pengembangan Aplikasi PLN Mobile.

3. Penelitian ini diharapkan dapat menjadi referensi bagi peneliti yang

akan melakukan penelitian di bidang sejenis.

7
1.6 Relevansi SI

Menurut (Davis, 1991) sistem informasi adalah suatu sistem yang menerima

input atau masukan data dan instruksi, mengolah data sesuai dengan instruksi dan

mengeluarkan hasilnya. Sedangkan menurut (Muhyuzir, 2001) sistem informasi

adalah data yang dikumpulkan, dikelompokkan dan diolah sedemikian rupa

sehingga menjadi suatu informasi yang berharga bagi yang menerimanya. Terdapat

tiga pendekatan sistem informasi yaitu pendekatan teknis, pendekatan perilaku dan

pendekatan sistem sosioteknis. Pendekatan teknis menekankan pada model

matematis berdasarkan studi sistem informasi, selain pengetahuan tentang fisik dan

kemampuan sistem. Sedangkan pendekatan perilaku berkaitan dengan isu-isu

pengembangan dan pemeliharaan sistem informasi dalam jangka panjang.

Pendekatan sistem sosioteknis membantu mencegah pendekatan dilakukan hanya

semata-mata dari sisi pendekatan teknis atas sistem informasi. Dalam penelitian ini

termasuk ke dalam pendekatan sistem sosioteknis karena sistem informasi berbasis

komputer juga berinteraksi dengan aspek-aspek yang bersifat non-teknis, yaitu

aspek sosial. Masalah sosial dalam penggunaan sistem informasi muncul sebagai

hasil pemikiran manusia dalam kebudayaan yang dimiliki oleh manusia itu sendiri

yang terwujud dari peranannya karena interaksi sosial dalam suatu ruang lingkup

tertentu (Rudito & Famiola, 2013).

1.7 Sistematika Penulisan

Sistematika penulisan ini akan membantu mengarahkan penyusunan

laporan supaya tidak menyimpang dan sebagai acuan dalam mencapai tujuan

penulisan laporan skripsi sesuai dengan apa yang diharapkan. Laporan ini terbagi

menjadi lima bab, yaitu:

8
 BAB I PENDAHULUAN

Bab ini berisi tentang latar belakang terkait permasalahan yang diangkat,

rumusan masalah, batasan masalah, tujuan, manfaat, dan sistematika penulisan

yang digunakan dalam penelitian ini.

BAB II TINJAUAN PUSTAKA

Bab ini berisi tentang landasan teori yang berhubungan dengan

permasalahan yang akan dibahas dan penelitian terdahulu yang menjadi acuan dari

penelitian ini.

BAB III METODOLOGI PENELITIAN

Bab ini berisi tentang tentang penjelasan langkah-langkah yang dilakukan

untuk menyelesaikan masalah yang digunakan dalam melakukan penelitian ini

seperti studi literatur, pengumpulan data, dan analisis.

BAB IV HASIL DAN PEMBAHASAN

Bab ini akan menguraikan hasil penelitian secara deskriptif yang telah

dilakukan oleh peneliti yaitu mengenai Analisis Perilaku Pengguna Terhadap

Aplikasi PLN Mobile Menggunakan Model Unified Theory of Acceptance and Use

of Technology (UTAUT) melalui pengujian hipotesis serta implikasi terhadap hasil

penelitian yang dilakukan.

BAB V PENUTUP

Pada bab ini diuraikan mengenai rangkuman yang terbagi menjadi dua

bagian yaitu kesimpulan dan saran yang melampirkan penyelesaian dari hasil

pembahasan, serta saran-saran yang berisikan berbagai penyempurnaan yang

mungkin dapat diterapkan kedepannya.

DAFTAR PUSTAKA

Berisi tentang literatur yang digunakan sebagai pedoman yang membantu

pengerjaan penelitian.
9
 LAMPIRAN

Pada bagian ini berisi beberapa dokumen yang sesuai dengan fakta

dilapangan.

10
 BAB II

TINJAUAN PUSTAKA

2.1 Landasan Teori

Pada sub bab ini berisikan dasar teori yang berkaitan dengan topik penelitian

yang akan mendukung dalam proses penyelesaian penelitian ini. Dasar teori yang akan

dibahas antara lain yaitu definisi penerimaan pengguna, definisi sistem informasi,

aplikasi mobile, Aplikasi PLN Mobile, UTAUT, SEM-PLS, dan penelitian-penelitian

terdahulu.

2.2 Definisi Penerimaan Pengguna

Penerimaan pengguna terhadap teknologi informasi adalah kemauan yang

nampak didalam suatu kelompok pengguna untuk menerapkan sistem teknologi

informasi tersebut dalam pekerjaannya (Succi & Walter, 1999). Penerimaan

konsumen merupakan sikap positif konsumen terhadap sebuah inovasi dan niat

konsumen dalam mengkonsumsi produk atau layanan tersebut (Vergragt, 2006).

Penerimaan konsumen sebagai sesuatu pengalaman atau fitur dari pengalaman,

ditandai dengan sikap positif terhadap produk, dan/ pemanfaatan aktual produk oleh

konsumen. Sehingga, penerimaan konsumen harus dipandang sebagai faktor utama

yang akan menentukan sukses atau tidaknya suatu penerapan sistem teknologi

(Moskowitz et. al., 2012).

11
2.3 Definisi Sistem Informasi

Menurut (Anggraeni, Elisabet, Y., R, Irvani., 2017) Sistem adalah kumpulan

orang yang saling bekerja sama dengan ketentuan-ketentuan aturan yang sistematis

dan terstruktur untuk membentuk satu kesatuan yang melaksanakan suatu fungsi

untuk mencapai tujuan. Sedangkan Informasi adalah data yang diolah menjadi lebih

berguna dan berarti serta untuk mengurangi ketidakpastian dalam proses

pengambilan keputusan dalam suatu keadaan.

Sistem Informasi adalah alur yang ada pada organisasi yang

menggabungkan kebutuhan pengelolaan kegiatan harian, mendukung operasional,

bersifat mengatur segala sesuatu yang telah direncanakan dan kegiatan strategi dari

suatu organisasi dan menyediakan laporan-laporan yang dibutuhkan untuk pihak

luar (Hutahaean, 2014).

Disimpulkan bahwa Sistem Informasi merupakan suatu penggabungan

komponen yang saling terikat dari orang-orang, perangkat keras, perangkat lunak,

dan jaringan komunikasi yang dapat mengumpulkan, memproses, menyimpan, dan

menyebarkan informasi dalam sebuah organisasi.

2.4 Aplikasi Mobile

Aplikasi mobile merupakan istilah yang digunakan untuk mendeskripsikan

aplikasi internet yang berjalan di perangkat seluler dan perangkat seluler lainnya

(Mahmoud et al., 2021). Terdapat berbagai jenis aplikasi mobile di dalam perangkat

seluler, mulai dari yang disediakan oleh mobile framework seperti platform

Android, hingga ada pula aplikasi pihak ketiga yang disediakan oleh online stores

untuk aplikasi mobile seperti Google Play Store, Apple iOS App Store, Windows

Phone Store, dan lain sebagainya (Mahmoud et al., 2021).

12
 Keunggulan dari aplikasi mobile adalah dapat dijalankan dengan tanpa

menggunakan internet, walaupun tidak semua aplikasi dapat dioperasikan dengan

tanpa akses internet. Aplikasi mobile juga memudahkan penggunanya karena dapat

diakses dimanapun dengan menggunakan perangkat seluler yang ringan untuk

dibawa berpindah-pindah lokasi.

Aplikasi Aplikasi mobile terdiri dari satu set program yang berjalan pada

perangkat mobile atau perangkat seluler, yang melakukan suatu tugas tertentu untuk

penggunanya (Islam et al., 2010). Baik aplikasi mobile dan perangkat mobile dapat

beroperasi dengan adanya dukungan dari sistem operasi. Sistem operasi mobile

menjadi perangkat lunak utama yang memanajemen dan mengontrol perangkat

keras dan perangkat lunak lain sehingga perangkat-perangkat tersebut dapat

dioperasikan. Sistem operasi perangkat mobile yang paling dikenal saat ini adalah

Android dan iOS. Android merupakan sistem operasi yang diluncurkan oleh

Google, sedangkan iOS dimiliki oleh Apple.

Perkembangan aplikasi mobile cenderung meluas dari waktu ke waktu, mulai

dari aplikasi mobile untuk membantu aktivitas sehari-hari hingga aktivitas yang lebih

kompleks. Keberadaan aplikasi mobile membuat tumbuhnya rasa ketergantungan

manusia terhadap keberadaan teknologi tersebut. (Tracy, 2012) menjelaskan beberapa

faktor yang membuat aplikasi mobile dapat terus berkembang pada saat ini, yakni

aplikasi mobile menyajikan jaringan data berkecepatan tinggi, perangkat berperforma

tinggi dengan harga yang relatif murah, pengenalan marketplace yang mudah

digunakan, hingga kebutuhan mendasar akan aplikasi yang sederhana yang dapat

digunakan secara mobile (berpindah-pindah).

13
2.5 Aplikasi PLN Mobile

PLN Mobile adalah Aplikasi Mobile Customer Self Service berbasis Mobile

yang terintegrasi dengan Aplikasi Pengaduan dan Keluhan Terpadu (APKT) dan

Aplikasi Pelayanan Pelanggan Terpusat (AP2T). Dengan PLN Mobile pelanggan

lebih mudah untuk mengakses layanan seperti mendapatkan informasi tentang

tagihan listrik, penambahan daya, wadah aduan masyarakat maupun informasi

lainnya yang berkaitan dengan layanan listrik. Aplikasi PLN Mobile ini dapat

digunakan oleh semua kalangan masyarakat (Nadhif & Niswah, 2018).

Aplikasi PLN Mobile terdapat fitur utama yaitu fitur Token & Pembayaran,

fitur Pengaduan, fitur Catat Meter, fitur Penyambungan Baru, fitur Perubahan

Daya, fitur Penyambungan Listrik, fitur Simulasi Biaya, fitur E-Billing, fitur

Marketplace, fitur PLN Magazine, fitur Info Stimulus.

a. Token dan Pembayaran

Fitur Token dan Pembayaran menjadi salah satu fitur yang akan paling

sering digunakan oleh masyarakat. Fitur ini digunakan ketika pengguna

membayar listrik secara prabayar atau pascabayar. Proses tersebut untuk

mengetahui jumlah pengguna dalam pemakaian listrik.

b. Non Tagihan

Menggunakan fitur ini, pengguna dapat melakukan informasi terkait

penyaluran tenaga listrik di luar tagihan listrik bulanan seperti tagihan

peyambungan baru, perubahan daya, penerangan sementara, pelunasan

angsuran, dan lain-lain.

c. Pengaduan

14
 Apabila masyarakat telah mengalami kendala kelistrikan, maka akan

menerima balasan dari PLN yang dapat dilihat dan juga diunduh melalui

Aplikasi PLN Mobile. Untuk dapat melihat pengaduan, pengguna harus

sudah memiliki akun yang terdaftar di Aplikasi PLN Mobile.

d. Catat Meter

Fitur ini akan menunjukkan informasi riwayat pencatatan penggunaan

listrik secara bulanan dengan detail. Hasil catat meter dilihat di Aplikasi

PLN Mobile hanya jika pengguna melakukan Swadaya Catat Angka

Meter (SwaCam) di Aplikasi PLN Mobile.

e. Penyambungan Baru

Dalam fitur ini, berisikan beberapa informasi aturan-aturan yang berlaku

apabila pengguna hendak melakukan penyambungan listrik.

f. Ubah Daya dan Migrasi

Dalam fitur ini, berisikan beberapa informasi aturan-aturan yang berlaku

apabila pengguna hendak melakukan ubah daya listrik atau migrasi.

g. Penyambungan

Dalam fitur ini, berisikan beberapa informasi aturan-aturan yang berlaku

apabila pengguna hendak melakukan penyambungan listrik.

h. Simulasi Biaya

Menggunakan fitur ini, pengguna dapat melakukan perubahan biaya

pemakaian listrik. Tahap-tahap simulasi biaya melalui Aplikasi PLN

15
 Mobile yang pertama adalah memilih layanan yang dibutuhkan,

kemudian melengkapi formulir, dan yang terakhir adalah melakukan

konfirmasi data. Setelah tahap pendaftaran selesai, kemudian pengguna

akan menerima informasi terkait biaya.

i. E-Billing

E-Billing adalah sebuah metode yang digunakan untuk membayar tagihan

listrik secara elektronik dengan menggunakan kode Billing. Untuk

menggunakan fitur ini, pengguna diminta untuk mengisikan informasi

data diri hingga rincian pembayaran.

j. Marketplace

Lewat fitur Marketplace di Aplikasi PLN Mobile, masyarakat atau

pelanggan bisa langsung berbelanja sambil memenuhi kebutuhan

listriknya.

k. PLN Magazine

Dalam fitur ini, berisikan beberapa informasi kegiatan PLN kepada

masyarakat.

l. Info Stimulus

Apabila masyarakat mendapatkan stimulus listrik, maka akan menerima

token listrik dapat dilihat dan juga diunduh melalui Aplikasi PLN Mobile,

WhatsApp, Website.

16
2.6 Unified Theory of Acceptance and Use of Technology (UTAUT)

Unified Theory of Acceptance and Use of Technology atau UTAUT adalah

model yang mengidentifikasi peran niat sebagai kriteria kunci dalam penelitian

penerimaan pengguna. Penyusunan teori-teori adopsi dan utilisasi sistem informasi

adalah atas dasar konsep psikologi kognitif yang memiliki asumsi bahwa perilaku

penggunaan didorong oleh sikap atau persepsi atas sebuah teknologi informasi, baik

secara sukarela maupun terpaksa (Abdillah, 2018). Untuk lebih memahami adopsi

teknologi, (Venkatesh et al., 2003) secara empiris membandingkan delapan model

teori: Theory of Reasoned Action (TRA), Technology Acceptance Model (TAM),

Theory of Planned Behavior (TPB), kombinasi TAM dan TPB, Innovation Diffusion

Theory (IDT), Motivational Model (MM), Model of PC Utilization (MPCU), dan Social

Cognitive Theory (SCT), dimana kombinasi dan pengembangan dari delapan model

tersebut membentuk satu model baru yang dinamakan The Unified Theory of

Acceptance and Use of Technology (UTAUT). Model UTAUT tidak hanya fokus pada

faktor inti yang memprediksi niat untuk mengadopsi, namun juga memungkinkan

peneliti untuk menganalisis kemungkinan moderator yang akan meningkatkan atau

mengurangi efek faktor inti tersebut. Ditemukan bahwa tujuh konstruk memiliki

pengaruh yang signifikan terhadap niat atau penggunaan dalam satu atau lebih

model individu. Tujuh konstruk tersebut adalah Performance Expectancy, Effort

Expectancy, Social Influence, Facilitating Conditions, Attitude Toward Using

Technology, Self-Efficacy, dan Anxiety.

Namun, tiga dari tujuh konstruk tersebut yaitu Attitude Toward Using

Technology, Self-Efficacy, dan Anxiety, menurut (Venkatesh et al., 2003) tidak

menjadi penentu secara langsung terhadap niat atau penggunaan. Maka dari itu,

model UTAUT memiliki empat konstruk fundamental, yakni Performance

17
Expectancy, Effort Expectancy, Social Influence, dan Facilitating Conditions yang

mempengaruhi Behavioral Intention To-Use dan/atau Technology Use.

Didefinisikan pula moderator gender, age, voluntariness of use, dan experience

untuk tiap-tiap faktor penentu. Penelitian ini menggunakan model UTAUT dengan

alasan karena model UTAUT telah menjadi model penerimaan teknologi yang

sering digunakan untuk menilai adopsi dan penggunaan teknologi baru (Walrave et

al., 2021). Selain itu, beberapa penelitian terdahulu yang meneliti aplikasi sejenis

seperti aplikasi e-government, niat penggunaan aplikasi mobile, model UTAUT.

Model penelitian dari UTAUT dapat dilihat pada Gambar 2.1.

Gambar 2. 1 Model Konseptual UTAUT

Pada model UTAUT yang ditunjukkan di Gambar 2.1 di atas, terdapat

empat variabel independen, satu variabel dependen, serta satu variabel intervening.

Variabel-variabel tersebut akan didefinisikan sebagai berikut.

1. Performance Expectancy

Performance expectancy didefinisikan sebagai sejauh mana seorang individu

percaya bahwa menggunakan sistem akan membantu untuk mencapai

keuntungan dalam kinerja pekerjaannya (Venkatesh et al., 2003).

18
Performance expectancy tersusun atas gabungan konstruk dari beberapa

model, yaitu:

a. Perceived Usefulness

Konstruk ini didapat dari model TAM, TAM2, dan kombinasi TAM-

TPB. Perceived usefulness didefinisikan sebagai sejauh mana

seseorang percaya bahwa menggunakan sistem tertentu akan

meningkatkan kinerja pekerjaannya (Davis, 1989).

b. Extrinsic Motivation

Konstruk ini didapat dari Motivational Model (MM). Extrinsic

Motivation didefinisikan sebagai persepsi bahwa pengguna akan

ingin melakukan suatu aktivitas karena dianggap berperan

penting dalam mencapai hasil yang dihargai yang berbeda dari

aktivitas itu sendiri, seperti peningkatan kinerja, gaji, atau

promosi (Davis et al., 1992).

c. Job-fit

Konstruk ini didapat dari Model of PC Utilization (MPCU). Job-

fit didefinisikan oleh (Thompson et al., 1991) sebagai sejauh

mana seorang individu percaya bahwa menggunakan teknologi

dapat meningkatkan kinerja pekerjaannya.

d. Relative Advantage

Konstruk ini didapat dari model Innovation Diffusion Theory

(IDT). (Moore & Benbasat, 1991) mendeskripsikan relative

advantage sebagai sejauh mana suatu inovasi dianggap lebih

baik daripada pendahulunya.

e. Outcome Expectations

19
 Konstruk ini didapat dari model Social Cognitive Theory (SCT).

Outcome expectations berkaitan dengan konsekuensi perilaku.

Berdasarkan bukti empiris, outcome expectations dipisahkan

menjadi performance expectations (terkait pekerjaan) dan personal

expectations (tujuan individu). Untuk alasan pragmatis, empat item

pemuatan tertinggi dari performance expectations dan tiga item

pemuatan tertinggi dari personal expectations dipilih dari (D. R.

Compeau & Higgins, 1995) dan (D. Compeau et al., 1999) untuk

dimasukkan dalam penelitian oleh (Venkatesh et al., 2003).

Namun, dimensi faktor yang digunakan (Venkatesh et al., 2003)

memuat pada satu faktor saja.

2. Effort Expectancy

Definisi Effort Expectancy menurut (Venkatesh et al., 2003) yakni tingkat

kemudahan yang berkaitan dengan penggunaan sistem. Effort expectancy

tersusun atas gabungan konstruk dari beberapa model, yaitu:

a. Perceived Ease of Use

Konstruk ini dapat ditemukan pada model TAM/TAM2. (Davis,

1989) dan (Davis et al., 1989) mendefinisikan perceived ease of

use sebagai sejauh mana seseorang percaya bahwa

menggunakan sistem akan bebas dari usaha.

b. Complexity

Konstruk ini dapat ditemukan pada Model of PC Utilization

(MPCU). (Thompson et al., 1991) mendefinisikan complexity

sebagai sejauh mana suatu sistem dianggap relatif sulit untuk

dipahami dan digunakan.

c. Ease of Use
20
 Konstruk ini dapat ditemukan pada model Innovation Diffusion

Theory (IDT). (Moore & Benbasat, 1991) mendefinisikan

complexity sebagai sejauh mana menggunakan suatu inovasi

dianggap sulit untuk digunakan.

3. Social Influence

Definisi Social Influence menurut (Venkatesh et al., 2003) yakni sejauh mana

seorang individu merasakan bahwa orang lain yang penting percaya bahwa

dia harus menggunakan sistem baru. Social Influence tersusun atas gabungan

konstruk dari beberapa model, yaitu:

a. Subjective Norm

Konstruk ini dapat ditemukan pada model TRA, TAM2,

TPB/DTPB, dan kombinasi TAM-TPB. (Davis et al., 1989)

mendefinisikan Subjective Norm sebagai persepsi individu

bahwa kebanyakan orang yang penting baginya berpikir bahwa

dia harus atau tidak seharusnya melakukan perilaku yang

dimaksud.

b. Social Factors

Konstruk ini dapat ditemukan pada Model of PC Utilization

(MPCU). (Thompson et al., 1991) mendefinisikan Social Factors

sebagai internalisasi individu dari budaya subjektif kelompok

referensi, dan kesepakatan interpersonal tertentu yang telah

dibuat individu dengan orang lain, dalam situasi sosial tertentu.

c. Image

Konstruk ini dapat ditemukan pada model Innovation Diffusion

Theory (IDT). (Moore & Benbasat, 1991) mendefinisikan image

21
 sebagai sejauh mana penggunaan suatu inovasi dianggap

meningkatkan citra atau status seseorang dalam sistem sosial

seseorang.

4. Facilitating Conditions

Definisi Facilitating Conditions menurut (Venkatesh et al., 2003) yakni sejauh

mana seorang individu percaya bahwa infrastruktur organisasi dan teknis ada

untuk mendukung penggunaan sistem. Facilitating Conditions tersusun atas

gabungan konstruk dari beberapa model, yaitu:

a. Perceived Behavioral Control

Konstruk ini dapat ditemukan pada model TPB/DTPB dan

kombinasi TAM-TPB. Perceived Behavioral Control menurut

(Ajzen, 1991) mencerminkan persepsi kendala internal dan

eksternal pada perilaku dan mencakup kepercayaan atas

kemampuannya (self-efficacy), kondisi yang memfasilitasi

sumber daya, dan kondisi yang memfasilitasi teknologi.

b. Facilitating Conditions

Konstruk ini dapat ditemukan pada Model of PC Utilization

(MPCU). (Thompson et al., 1991) mendefinisikan Facilitating

Conditions sebagai faktor obyektif dalam lingkungan yang

disetujui pengamat membuat suatu tindakan mudah dilakukan,

termasuk penyediaan dukungan komputer.

c. Compatibillity

Konstruk ini dapat ditemukan pada model Innovation Diffusion

Theory (IDT). (Moore & Benbasat, 1991) mendefinisikan

Compatibillity sebagai sejauh mana suatu inovasi dianggap

22
 konsisten dengan nilai, kebutuhan, dan pengalaman pengadopsi

potensial yang ada.

5. Behavioral Intention

Definisi Behavioral Intention menurut (Venkatesh et al., 2003) adalah ukuran

kekuatan niat individu untuk melakukan perilaku tertentu.

6. Use Behavior

Definisi Use Behavior menurut (Venkatesh et al., 2003) adalah perilaku

penggunaan aktual berdasarkan intensitas penggunaan.

7. Age

Definisi Age menurut (Venkatesh et al., 2003) adalah perbedaan usia

diperkirakan berdampak pada perilaku adopsi teknologi informasi.

8. Voluntariness

Definisi Voluntariness menurut (Venkatesh et al., 2003) adalah penggunaan

sistem dengan sendirinya atau tanpa perintah lagi.

9. Gender

Definisi Gender menurut (Venkatesh et al., 2003) adalah pemisahan

hierarkis antara perempuan dan laki-laki melekat baik dalam institusi sosial

maupun praktik sosial.

10. Experience

Definisi Experience menurut (Venkatesh et al., 2003) adalah derajat praktis

terhadap suatu tugas yang di miliki seseorang.

2.7 SEM-PLS (Structural Equation Modelling - Partial Least Square)

Model penelitian yang berstruktur kompleks dapat dianalisis menggunakan

teknik Structural Equation Modelling (SEM). SEM merupakan teknik statistik

untuk membangun dan menguji model statistik yang biasanya dalam bentuk model

sebab-akibat (Sarwono, 2018). SEM memungkinkan untuk digunakan dalam

23
 pengujian dan estimasi koefisien model secara simultan dari hubungan antar

variabel. Partial Least Square (PLS) merupakan salah satu teknik pendugaan dari

SEM. Menurut (Chin, 2000), PLS sesuai untuk digunakan apabila penelitian

melibatkan beberapa indikator dari variabel laten atau konstruk. PLS

memungkinkan setiap indikator bervariasi dalam seberapa besar kontribusinya

terhadap skor gabungan variabel laten.

Penelitian ini menggunakan teknik SEM berbasis varian yaitu SEM-PLS.

Pemilihan teknik SEM-PLS dengan alasan karena dapat digunakan untuk menguji

hubungan prediktif antar konstruk dengan melihat apakah ada pengaruh

antarkonstruk tersebut (Ernawati et al., 2021). SEM-PLS juga mampu memodelkan

variabel dependen dan variabel independen yang banyak (model kompleks)

(Abdillah, 2018).

2.8 Penelitian Terdahulu

Penelitian ini mengacu pada penelitian terdahulu sebelum penelitian ini.

Adapun penelitian terdahulu yang dijadikan acuan adalah penelitian yang memiliki

topik yang linier dan mirip dengan penelitian ini yaitu penelitian terhadap aplikasi e-

government atau penerimaan pengguna aplikasi menggunakan UTAUT. Adapun

penelitian terdahulu yang dijadikan acuan akan dijelaskan dalam Tabel 2.1.

Tabel 2. 1 Penelitian Terdahulu

Mobile Applications in Government Services (mG-App) From User’s Perspective:

A Predictive Modelling Approach
Peneliti, Tahun Sharma, Sujeet. K., & Al-Badi, Ali., et. al., 2018.
Tujuan Menguji niat perilaku pengguna dalam menggunakan layanan
pemerintah (mG-App).
Variabel Konstruk Performance Expectancy, Effort Expectancy, Social Influence,
Facilitation Condition, Hedonic Motivation, Trust, Information Quality,
Behavioral Intention.
Hasil Pada penelitian ini faktor Performance Expectancy, Effort Expectancy,
Facilitation Condition, Trust, Information Quality berpengaruh positif
terhadap Behavioral Intention menggunakan mG-App. Sedangkan
faktor Social Influence tidak berpengaruh positif terhadap
24
 Behavioral Intention.

Jordanian Consumers’ Adoption of Telebanking: Influence

of Perceived Usefulness, Trust and Self-Efficacy.
Peneliti, Tahun Al-Alwan, A., Dwivedi, Y., Rana, N. & Simintiras, A., 2016
Tujuan Menguji faktor-faktor niat pengguna dan mengadopsi Telebanking di
Yordania.
Variabel Konstruk -. Variabel Eksogen:
Self-efficacy, Perceived Usefulness, Trust

-. Variabel Endogen:
Behavioral Intention

-. Variabel Tambahan:
Adoption
Hasil Variabel Behavioral Intention, Perceived Usefulness merupakan faktor
utama yang berpengaruh signifikan terhadap niat dan adopsi
Telebanking di Yordania.

Consumers' Continuance Intention Use of Mobile Banking in Jakarta:

Extending UTAUT Models with Trust
Peneliti, Tahun Saparudin, M., Rahayu, A, et. al., 2020.
Tujuan Mengevaluasi niat kelanjutan pengguna menggunakan mobile banking.
Variabel Konstruk Performance Expectancy, Effort Expectancy, Social Influence, Trust,
Behavioral Intention.
Hasil Variabel Trust, Performance Expectancy, Effort Expectancy,
Social Influence berpengaruh signifikan terhadap Behavioral Intention.
Variabel Trust merupakan variabel terkuat dalam mempengaruhi niat
pengguna dalam menggunakan mobile banking.

Modeling consumers’ adoption intentions of remote mobile payments in the UK:

Extending UTAUT with innovativeness, risk and trust
Peneliti, Tahun Slade, E., Dwivedi, Y., Piercy, N. & Williams, M., 2015.
Tujuan Menguji faktor-faktor yang mempengaruhi niat pengguna untuk
mengadopsi RMP di UK.
Variabel Konstruk Performance Expectancy, Effort Expectancy, Social Influence,
Innovativeness, Risk, Trust, Perceived Risk, Knowledge
Behavioral Intention.
Hasil Performance Expectancy, Social Influence, Innovativeness,
Perceived Risk, Trust, dan Knowledge berpengaruh signifikan
Behavioral Intention untuk mengadopsi RMP sedangkan
Social Influence tidak berpengaruh signifikan Behavioral Intention.

Development and Validation of an Instrument to Measure User Perceived

Service Quality of mHealth
Peneliti, Tahun Akter, S., D'Ambra, J. & Ray, P., 2013.
Tujuan Mendeskripsikan secara teoritis dan memvalidasi secara empiris
skala kualitas layanan multidimensi dalam konteks mHealth.
Variabel Konstruk First-order Constructs:

25
 System reliability, System efficiency, System privacy, Cooperation,
Confidence, Care, Utilitarian benefits, Hedonic benefits, Satisfaction,
Continuance intentions.

Second-order Constructs:
System quality, Interaction quality, Information quality.

Third-order Constructs:
Service quality.
Hasil Service quality, Satisfaction dan Continuance intentions merupakan
faktor terkuat dalam kualitas layanan mHealth.

Analisis Faktor-Faktor UTAUT dan Trust Terhadap Behavioral Intention

Pengguna BNI Mobile Banking Pada Pekerja Migran Indonesia
Peneliti, Tahun Rita & Fitria, Mita Handra., 2021.
Tujuan Menguji faktor-faktor UTAUT dan Trust terhadap Niat Perilaku
pengguna mobile banking BNI terhadap Pekerja Migran Indonesia.
Variabel Konstruk -. Variabel Dependen:
Niat perilaku (Behavioral Intention).

-. Variabel Independent:
Harapan kinerja (Performance Expectancy), Harapan Usaha
(Effort Expectancy), Pengaruh Sosial (Social Influence),
Memfasilitasi Kondisi (Facilitating Condition), dan Kepercayaan
(Trust).

-. Variabel Moderator:
Usia.
Hasil Performance Expectancy, Effort Expectancy, Social Influence,
Facilitating Condition, dan Trust berpengaruh signifikan terhadap
Behavioral Intention kepada pengguna BNI Mobile banking
Pekerja Migran Indonesia.

Pengukuran Penerimaan Pengguna Pada Aplikasi Kesehatan HALODOC

Menggunakan Model Unified Theory of Acceptance And Use Of
Technology 2
Peneliti, Tahun Murhum, Nahdlah N., Durachman, Y., Fetrina, E., 2022.
Tujuan Menyajikan informasi mengenai faktor-faktor apa saja yang
mempengaruhi penerimaan pengguna aplikasi HALODOC.
Variabel Konstruk Performance Expectancy, Effort Expectancy, Social Influence, Trust,
Facilitating Condition, Hedonic Motivation, Price Value, Habit,
Behavior Intention, Use Behavior.
Hasil -. Use Behavior, Trust, Price Value berpengaruh signifikan terhadap
Behavioral Intention
-. Use Behavior berpengaruh signifikan oleh Habit
-. Performance Expectancy, Social Influence, Facilitating Condition,
Hedonic Motivation tidak berpengaruh signifikan terhadap Behavioral
Intention

Analisis Pengaruh Dimensi Kepercayaan (Multi-Dimensional Trust) Dan Risiko

Yang Dirasakan (Perceived Risk) Dengan Model Modifikasi UTAUT-LUO
26
 Terhadap Penggunaan Layanan Internet Banking DI INDONESIA
Peneliti, Tahun Yosita, Melya & Giri, Refi Rifaldi Windya., 2016
Tujuan Menganalisis faktor-faktor yang mempengaruhi dimensi kepercayaan
terhadap minat perilaku dalam menggunakan layanan internet banking
di Indonesia.
Variabel Konstruk Disposition to Trust, Structural Assurance, Self-Efficacy, Performance
Expectancy, Perceived Risk, Trust Belief, Behavioral Intention
Hasil Variabel keyakinan kepercayaan (trust belief) sebagai faktor utama
yang mempengaruhi minat individu untuk menggunakan layanan
internet banking.

Analisis Perilaku Pengguna Aplikasi PLN Mobile

Menggunakan Model Unified Theory Of Acceptance And
Use Of Technology 2 (UTAUT 2)
Peneliti, Tahun Siti Sania Pratiwi, Tri Oktarina, 2020
Tujuan Menganalisis faktor-faktor yang mempengaruhi perilaku pengguna
dalam menerima dan menggunakan Aplikasi PLN Mobile
Variabel Konstruk Performance Expectancy, Effort Expectancy, Social Influence,
Facilitation Condition, dan Habit, Age, Gender, dan Experience

-. Moderator:
Age, Gender, Experience
Hasil Faktor-faktor yang mempengaruhi perilaku pengguna Aplikasi PLN
Mobile oleh
-. Performance Expectancy, Social Influence, Facilitation
Condition, Habit yang berpengaruh terhadap Behavioral Invention,
-. Facilitation Condition, Habit, Behavioral Invention yang
berpengaruh terhadap Use Behavioral.
Pengujian moderator di dapatkan
-. Age berpengaruh terhadap Behavioral Invention
-. Gender berpengaruh terhadap hubungan Social Influence
terhadap Behavioral Invention
-. Experience yang memiliki pengaruh hubungan Habit
terhadap Use Behavioral.

27
 BAB III

METODE PENELITIAN

3.1 Alur Penelitian

Pada bagian ini berisikan metodologi yang digunakan dalam menyiapkan

dan menyusun penelitian ini. Adapun langkah-langkah yang dilakukan dalam

penelitian ini dapat dilihat pada Gambar 3.1.

Gambar 3.1 Alur Penelitian

3.1 Studi Literatur dan Studi Observasi

Studi observasi dan studi literatur menjadi tahap yang sangat membantu dalam

mendampingi berjalannya penelitian ini. Studi literatur dilakukan dengan mencari

artikel jurnal, buku, dan sumber referensi lain yang menjelaskan fenomena yang terjadi

saat ini. Kemudian, studi literatur juga dilakukan dengan mencari referensi yang

sehubungan dengan topik yang diteliti. Topik yang menjadi bahan penelitian ini yaitu

berkaitan dengan niat penggunaan aplikasi e-government, niat penggunaan aplikasi

mobile, dan Aplikasi PLN Mobile.

28
 Selain itu, studi literatur dilakukan lebih dalam dengan mencari sumber

literasi terkait metode yang dapat digunakan untuk mengetahui faktor yang

mempengaruhi niat penggunaan aplikasi e-goverment atau aplikasi mobile

menggunakan model UTAUT.

Untuk menunjang studi literatur, dilakukan studi observasi untuk

mengamati objek penelitian secara langsung, dimana dalam penelitian ini yang

menjadi objek penelitian adalah Aplikasi PLN Mobile. Observasi dilakukan dengan

mengakses Aplikasi PLN Mobile secara langsung menggunakan perangkat seluler

dan peninjauan secara online dengan cara melihat hasil ulasan para pengguna

Aplikasi PLN Mobile di Play Store.

3.2 Identifikasi Masalah

Setelah melakukan studi literatur serta studi observasi, maka dapat

diidentifikasi adanya permasalahan yang layak untuk diteliti. Permasalahan yang

teridentifikasi berdasarkan ulasan Aplikasi PLN Mobile di Play Store, pengguna

sudah melakukan pembayaran listrik jenis token tetapi di Aplikasi PLN Mobile

belum tertulis hasil riwayat pembayaran token. Kemudian pengguna PLN Mobile

mengalami keluhan tidak bisa login pada Aplikasi PLN Mobile, sehingga jika user

ingin mengetahui informasi pembayaran harus menghubungi help desk atau harus

meng-email PLN. Oleh karena itu, penelitian ini dilakukan evaluasi mengenai

faktor-faktor yang mempengaruhi penerimaan pengguna terhadap Aplikasi PLN

Mobile berdasarkan persepsi pengguna Aplikasi PLN Mobile menggunakan model

UTAUT.

29
3.3 Model Konseptual

Gambar 3.2 Model Konseptual

Gambar 3.2 di atas menggambarkan model konseptual yang digunakan

dalam penelitian ini. Model tersebut diadaptasi dari model penelitian oleh (Sharma

et. al., 2018) yang menggunakan model UTAUT termodifikasi dimana model

disesuaikan dengan studi kasus penelitian yaitu aplikasi PLN Mobile. Pada model

tersebut digunakan satu variabel independen, enam variabel dependen. Variabel

independen yang digunakan yaitu Performance Expectancy, Effort Expectancy,

Social Influence, Facilitation Condition, Trust, Information Quality. Sementara

variabel dependen yang digunakan yaitu Behavioral Intention.

3.4 Hipotesis Penelitian

30
 Penelitian ini mengusulkan model konseptual dan hipotesis. Berdasarkan

model yang diadaptasi dari penelitian oleh (Sharma et. al., 2018) pada Gambar 3.2

di atas, maka hipotesis yang dibuat adalah sebagai berikut:

3.4.1 Performance Expectancy (PE)

(Venkatesh, et. al, 2003) mendefinisikan performance expectancy sebagai

sejauh mana suatu individu percaya bahwa menggunakan sistem akan

membantunya untuk mencapai keuntungan dalam kinerja pekerjaan. Hasil temuan

dari beberapa peneltian yang menggunakan metode UTAUT bahwa performance

expectancy sebagai faktor yang paling efektif dalam menjelaskan pola keinginan

adopsi (Venkatesh, Thong & Xu, 2012). Dalam penelitian ini pengguna percaya

bahwa harapan kinerja mempengaruhi niat perilaku pengguna terhadap Aplikasi

PLN Mobile (Sharma et. al., 2018). Salah satu penerapannya, dapat kita lihat pada

layanan kelistrikan digunakan pengguna untuk mendapatkan layanan kelistrikan

secara cepat. Dengan demikian maka hipotesis yang diajukan sebagai berikut.

H1. PE berpengaruh positif terhadap BI pada penggunaan Aplikasi PLN

Mobile

3.4.2 Effort Expectancy (EE)

(Venkatesh, et. al, 2003) mendefinisikan effort expectancy sebagai tingkat

kemudahan yang terkait dengan tingkat penggunaan sistem. Model UTAUT

memvalidasi bahwa upaya dalam mempelajari informasi baru sistem mempengaruhi

niat untuk menggunakannya. Hasil temuan dari beberapa penelitian yang

menggunakan UTAUT menunjukan bahwa effort expectancy merupakan faktor

prediktor signifikan pada niat penggunaan (Venkatesh, et. al, 2012 ; Zhou, 2012), (Al-

Busaidi, 2012) menyatakan apabila suatu sistem informasi mudah digunakan oleh

pengguna, maka kemungkinan untuk diadopsi serta diterima oleh pengguna akan

semakin besa. Dengan demikian maka hipotesis yang diajukan sebagai berikut.
31
 H2. EE berpengaruh positif terhadap BI pada penggunaan Aplikasi PLN Mobile

3.4.3 Social Influence (SI)

(Venkatesh, et. al, 2003) mendefinisikan social influence sebagai sejauh mana

suatu individu memandang bahwa orang lain percaya bahwa dia harus menggunakan

sistem baru. Dalam beberapa penelitian pengaruh sosial sebagai salah satu prediktor

potensial yang mempengaruhi niat perilaku pengguna berdasarkan literatur sebelumnya

(Sharma et. al., 2018; Akter, S., D'Ambra, J. & Ray, P., 2013). Dalam penelitian ini

pengaruh sosial diharapkan dapat mempengaruhi keputusan penggunaan Aplikasi PLN

Mobile. Dengan demikian maka hipotesis yang diajukan sebagai berikut.

H3. SI berpengaruh positif terhadap BI pada penggunaan Aplikasi PLN Mobile

3.4.4 Facilitating Conditions (FC)

(Venkatesh, et. al, 2003) mendefinisikan facilitating conditions sebagai

sejauh mana seorang individu merasakan bahwa orang lain yang individu tersebut

anggap penting percaya bahwa dia harus menggunakan sistem baru. Dalam

penelitian ini Aplikasi PLN Mobile, pengguna percaya bahwa response time

untuk mengunggah / mengunduh file dan ketersediaan teknologi tepat guna adalah

perhatian utama. (Lewis, et. al, 2013) berpendapat bahwa pengguna biasanya

membutuhkan bantuan untuk memahami fitur ketika mereka mengadopsi

teknologi baru. (Chong, 2013; Hew et al., 2015) juga mengamati bahwa pengguna

menghindari penggunaan teknologi baru ketika memfasilitasi kondisi tidak

cukup. Dapat disimpulkan bahwa ketersediaan kondisi fasilitasi yang baik akan

mempengaruhi keputusan untuk menerima Aplikasi PLN Mobile. Secara teoritis,

memfasilitasi kondisi telah ditetapkan sebagai penentu utama dalam niat perilaku.

Dengan demikian maka hipotesis yang diajukan sebagai berikut.

H4. FC berpengaruh positif terhadap BI pada penggunaan Aplikasi PLN

Mobile
32
 3.4.5 Trust (TRU)

(Venkatesh, et. al, 2011) mendefinisikan trust sebagai harapan pengguna

bahwa penyedia jasa dapat dipercaya atau dapat diandalkan dalam memenuhi janjinya.

individu mungkin menolak atau menjadi tidak mau menggunakan teknologi karena

kepercayaan yang dirasakan. (Williams, et. al, 2011) juga berpendapat bahwa

kepercayaan adalah faktor penting yang mempengaruhi adopsi sistem informasi. Dalam

penelitian ini penggunaan Aplikasi PLN Mobile adalah fenomena baru dan pengguna

lebih suka bertatap muka dan menindaklanjuti prosedur secara manual untuk meminta

layanan atau meminta informasi. Kurangnya informasi dan keandalan prosedur untuk

meminta layanan atau informasi dapat menyebabkan ketidakpercayaan dan

menyebabkan menolak penggunaan Aplikasi PLN Mobile. Oleh karena itu, penting

untuk memastikan keyakinan pengguna untuk melakukan transaksi melalui Aplikasi

PLN Mobile dengan percaya diri pada layanan ini untuk memberikan informasi

(Montazemi & Saremi, 2013). Dalam penelitian ini, tujuannya adalah untuk memahami

apakah responden tertarik untuk mengambil risiko mempercayai Aplikasi PLN Mobile.

Oleh karena itu, responden, yang menganggap sistem tersebut dapat dipercaya, akan

memiliki hal positif pengaruh pada niat perilaku terhadap Aplikasi PLN Mobile.

Dengan demikian maka hipotesis yang diajukan sebagai berikut.

H5. TRU berpengaruh positif terhadap BI pada penggunaan Aplikasi PLN Mobile

3.4.6 Information Quality (IQ)

(DeLone & McLean, 2003) mendefinisikan information quality sebagai

keyakinan pengguna tentang kualitas informasi yang diberikan serta sejauh mana

informasi yang diterima lengkap, tepat dan tepat waktu melalui antarmuka layanan

elektronik. Menurut beberapa penelitian (Al Busaidi & Al-Shihi, 2012; Akter,

D’Ambra & Ray, 2013; Sharma et al., 2018) kualitas informasi adalah penentu penting,
33
yang mempengaruhi keputusan individu untuk mengadopsi teknologi informasi baru.

(Tam & Oliveira, 2016) membuktikan bahwa kualitas informasi memegang peranan

penting dalam menentukan penggunaan teknologi mobile. Dalam penelitian ini

diusulkan bahwa kualitas informasi mempengaruhi keputusan untuk menerima

Aplikasi PLN Mobile. Dengan demikian maka hipotesis yang diajukan sebagai berikut.

H6. IQ berpengaruh positif terhadap BI pada penggunaan Aplikasi PLN Mobile

3.5 Definisi Operasional

Tabel 3. 1 Definisi Operasional

Indikator Definisi Referensi

Performance Sejauh mana seorang individu (Venkatesh, et. al,

Expectancy percaya bahwa menggunakan 2003)

sistem akan membantu untuk

mencapai keuntungan dalam

kinerja pekerjaannya

Effort Tingkat kemudahan yang (Venkatesh, et. al,

Expectancy berkaitan dengan penggunaan 2003)

sistem

Social Sejauh mana seorang individu (Venkatesh, et. al,

Influence merasakan bahwa orang lain 2003)

yang individu tersebut anggap

penting percaya bahwa dia

harus menggunakan sistem

baru

Facilitating Sejauh mana seorang individu (Venkatesh, et. al,

Conditions percaya bahwa infrastruktur 2003)

34
 organisasi dan teknis ada

untuk mendukung

penggunaan sistem

Trust Harapan pengguna bahwa (Venkatesh, et. al,

penyedia jasa dapat dipercaya 2011)

atau dapat diandalkan dalam

memenuhi janjinya

Information Keyakinan pengguna tentang (DeLone & McLean,

Quality kualitas informasi yang 2003)

diberikan serta sejauh mana

informasi yang diterima

lengkap, tepat dan tepat waktu

melalui antarmuka layanan

elektronik

Behavioral Ukuran kekuatan niat individu (Venkatesh, et. al,

Intentions untuk melakukan perilaku 2003)

tertentu

3.6 Metode Pengumpulan Data

Teknik pengumpulan data adalah sebuah cara khusus yang digunakan dalam

menggali data dan fakta yang diperlukan dalam sebuah penelitian (Hamdi &

Bahruddin, 2014). Pengumpulan data dalam penelitian ini dilakukan menggunakan

metode kuantitatif. Metode kuantitatif digunakan dalam penelitian yang

menggunakan data penelitian yang berupa angka-angka dan dianalisis

menggunakan statistik (Sugiyono, 2013). Teknik pengumpulan data yang

digunakan dalam penelitian ini adalah menggunakan kuesioner. Kuesioner

35
memungkinkan data kuantitatif dikumpulkan dengan cara yang terstandarisasi,

sehingga data secara internal konsisten dan koheren untuk dianalisis (Roopa &

Rani, 2012).

3.6.1 Sumber Pengumpulan Data

Data yang digunakan dalam penelitian ini terbagi menjadi dua macam data,

yaitu data primer dan data sekunder. Penjelasan terkait data primer dan sekunder

dijelaskan pada bagian berikut.

3.6.1.1 Data Primer

Data primer merupakan data yang diperoleh atau dikumpulkan langsung di

lapangan oleh orang yang melakukan penelitian atau yang bersangkutan yang

memerlukannya (Hasan, 2002: 82). Data primer dalam penelitian ini didapatkan

melalui kuesioner yang disebarkan secara daring dengan sasaran utama pengguna

Aplikasi PLN Mobile berdomisili Kota Surabaya.

3.6.1.2 Data Sekunder

Data sekunder menurut (Sugiyono, 2013) adalah data yang telah diolah,

disimpan, dan disajikan dalam bentuk tertentu serta didapatkan dari sumber yang

tidak langsung memberikan data kepada peneliti atau pengumpul data. Data

sekunder yang digunakan dalam penelitian ini yaitu penelitian-penelitian terdahulu

yang terkait dengan topik penelitian, buku, internet, data pengunduh Aplikasi PLN

Mobile di Google Play Store, dan sumber-sumber lain yang mendukung penelitian.

3.6.2 Penentuan Populasi dan Sampel

Populasi dalam penelitian ini adalah pengguna Aplikasi PLN Mobile dengan

jumlah populasi sebanyak 50 juta pengguna. Jumlah tersebut dilihat dari jumlah

pengguna dari platform distribusi aplikasi Google Play Store. Penentuan sampel

menggunakan teknik probability sampling dengan jenis simple random sampling

36
dan menggunakan rumus Slovin untuk menghitung jumlah sampel minimal yang

dibutuhkan. Rumus Slovin yang digunakan adalah sebagai berikut.

𝑁
𝑛 = 1+(𝑁 . ………………………………………………………..(3.1)
𝑒 2)

Dimana:

n = Jumlah sampel

N = Jumlah populasi

e = Batas toleransi kesalahan (error tolerance) = 5%

Maka:

5000000
n=
1 + (5000000 . (5%)2 )

5000000
n=
1 + (5000000 . 0,0025)

5000000
n=
1 + 12,500

5000000
n=
12,501

n = 399,968

Hasil perhitungan jumlah sampel dengan batas toleransi kesalahan 5%

menunjukkan jumlah minimal sampel adalah 399,996 atau dibulatkan menjadi 400

responden.

3.6.3 Teknik Sampling

Teknik sampling menurut (Sugiyono, 2013) adalah teknik pengambilan

sampel untuk menentukan sampel yang akan digunakan dalam penelitian. Macam

teknik sampling adalah sebagai berikut.

a. Probability Sampling

37
 Teknik sampling probability sampling merupakan pengambilan sampel

yang memberikan peluang yang sama bagi setiap unsur populasi untuk

dipilih menjadi anggota sampel (Sugiyono, 2013). Teknik probability

sampling meliputi simple random sampling, stratified random

sampling, dan area (cluster) sampling.

b. Non-Probability Sampling

(Sugiyono, 2013) menjelaskan teknik sampling non probability

sampling sebagai teknik pengambilan sampel yang tidak memberikan

peluang yang sama bagi setiap unsur populasi untuk dipilih menjadi

anggota sampel. Teknik non probability sampling meliputi sampling

sistematis, sampling kuota, sampling incidental, purposive sampling,

sampling jenuh, dan snowball sampling.

Dalam penelitian ini, digunakan teknik sampling probability sampling,

dengan jenis simple random sampling. Teknik probability sampling dipilih karena

seluruh unsur populasi penelitian yaitu pengguna Aplikasi PeduliLindungi

memiliki peluang untuk menjadi sampel (Sugiyono, 2013). Penggunaan simple

random sampling dengan alasan pengambilan anggota sampel dari populasi yang

dilakukan secara acak, karena anggota populasi dianggap homogen (Sugiyono,

2013).

3.6.4 Skala Likert

Skala Likert merupakan suatu seri butir soal yang dikembangkan oleh Rensis

Likert yang dimaksudkan untuk mengukur sikap responden (individu) dalam dimensi

yang sama dan responden tersebut menempatkan dirinya ke arah satu kontinuitas dari

butir soal dengan memberikan persetujuan atau ketidaksetujuan terhadap butir soal

38
 tersebut (Yusuf, 2014). Skala Likert menjadi skala psikometrik yang sering digunakan

dalam penelitian yang menggunakan kuesioner (Roopa & Rani, 2012). Dalam

penelitian ini, alternatif jawaban yang digunakan adalah berjumlah lima dengan skala

ukuran dijelaskan pada Tabel 3.2 sebagai berikut.

Tabel 3. 2 Skala Likert

Skala Likert Keterangan

1 Sangat Tidak Setuju (STS)
2 Tidak Setuju (TS)
3 Netral (N)
4 Setuju (S)
5 Sangat Setuju (SS)

3.7 Penyusunan Instrumen Kuesioner

Berikut ini adalah instrumen pernyataan yang akan digunakan dalam

menyusun kuesioner penelitian, yang dapat dilihat pada Tabel 3.3.

Tabel 3. 3 Instrumen Kuesioner

No Konstruk Variabel Kode Pertanyaan Sumber

1 Performance PE1 Saya menggunakan Aplikasi PLN (Venkatesh et. al.,
Expectancy (PE) Mobile untuk menghemat waktu dan 2003); (Sharma et. al.,
usaha dalam mendapatkan layanan 2018)
PLN
PE2 Saya merasakan Aplikasi PLN Mobile (Venkatesh et. al.,
bermanfaat dalam mendapatkan 2003); (Sharma et. al.,
layanan PLN 2018)
PE3 Aplikasi PLN Mobile memungkinkan (Venkatesh et. al.,
saya untuk mendapatkan layanan PLN 2003); (Sharma et. al.,
lebih cepat 2018)
PE4 Aplikasi PLN Mobile meningkatkan (Venkatesh et. al.,
produktivitas dalam mengakses 2003); (Sharma et. al.,
layanan PLN 2018)

2 Effort Expectancy EE1 Aplikasi PLN Mobile memberikan (Venkatesh et. al.,
(EE) interaksi yang jelas dan mudah 2003); (Sharma et. al.,
dimengerti 2018)
EE2 Aplikasi PLN Mobile tidak (Venkatesh et. al.,
membutuhkan keterampilan khusus 2003); (Sharma et. al.,
dalam penggunaannya 2018)

39
 EE3 Aplikasi PLN Mobile mudah (Venkatesh et. al.,
digunakan 2003); (Sharma et. al.,
2018)
EE4 Aplikasi PLN Mobile mudah (Venkatesh et. al.,
dipelajari 2003); (Sharma et. al.,
2018)

3 Social Influence (SI) SI1 Orang-orang terdekat mempengaruhi (Venkatesh et. al.,
saya untuk menggunakan Aplikasi 2003); (Sharma et. al.,
PLN Mobile 2018)
SI2 Orang-orang yang penting bagi saya (Venkatesh et. al.,
menyarankan untuk menggunakan 2003); (Sharma et. al.,
Aplikasi PLN Mobile 2018)
SI3 Orang-orang di sekitar saya yang (Venkatesh, et. al.,
menggunakan Aplikasi PLN Mobile 2003); (Sharma et. al.,
terlihat lebih trendy (mengikuti tren) 2018)

4 Facilitating FC1 Saya memiliki pengetahuan yang (Venkatesh et. al.,

Conditions (FC) cukup untuk menggunakan Aplikasi 2003); (Sharma et. al.,
PLN Mobile 2018)
FC2 Saya merasa terbiasa dengan fitur- (Venkatesh et. al.,
fitur pada Aplikasi PLN Mobile 2003); (Sharma et. al.,
2018)
FC3 Tersedia layanan bantuan pengguna (Venkatesh et. al.,
apabila saya kesulitan dalam 2003); (Sharma et. al.,
menggunakan Aplikasi PLN Mobile 2018)

5 Trust (TRU) TRU1 Saya percaya layanan pada Aplikasi (Sharma et. al., 2018)
PLN Mobile
TRU2 (Sharma et. al., 2018)
Saya percaya Aplikasi PLN Mobile
memberikan layanan yang baik
TRU3 Saya percaya Aplikasi PLN Mobile (Sharma et. al., 2018)
memberikan layanan yang dapat
diandalkan
TRU4 Saya percaya Aplikasi PLN Mobile (Sharma et. al., 2018)
melindungi privasi pengguna dengan
baik

6 Information Quality IQ1 (Sharma et. al., 2018)

Informasi yang disajikan pada
(IQ)
Aplikasi PLN Mobile dapat dipercaya
IQ2 Informasi yang disajikan pada (Sharma et. al., 2018)
Aplikasi PLN Mobile bersifat up to
date
IQ3 (Sharma et. al., 2018)
Informasi yang disajikan pada
Aplikasi PLN Mobile bersifat relevan

40
 IQ4 Informasi yang disajikan pada (Sharma et. al., 2018)
Aplikasi PLN Mobile akurat
IQ5 Informasi yang disajikan pada (Sharma et. al., 2018)
Aplikasi PLN Mobile lengkap

7 Behavioral Intentions BI1 Saya terbiasa menggunakan Aplikasi (Venkatesh et. al.,
(BI) PLN Mobile 2003); (Sharma et. al.,
2018)
BI2 Saya terbiasa menggunakan Aplikasi (Venkatesh et. al.,
PLN Mobile dalam keseharian 2003); (Sharma et. al.,
2018)
BI3 Saya terbiasa menggunakan Aplikasi (Venkatesh et. al.,
PLN Mobile di setiap layanan PLN 2003); (Sharma et. al.,
2018)

3.8 Uji Validitas dan Reliabilitas

Pengujian instrument pertanyaan dilakukan dengan menguji validitas dan

reliabilitas kuesioner dengan jumlah data 30 data responden dan dihitung

menggunakan SPSS 22.0.

3.8.1 Uji Validitas Instrumen Penelitian

Uji validitas adalah pengujian yang dilakukan untuk menunjukkan sejauh

mana alat ukur yang digunakan dalam mengukur apa yang diukur. Menurut (Ghozali,

2009) menyatakan bahwa uji validitas digunakan untuk mengukur sah atau valid

tidaknya suatu kuesioner. Suatu kuesioner dinyatakan valid apabila pertanyaan pada

kuesioner tersebut mampu mengungkapkan apa yang akan diukur. Teknik pengujian

yang digunakan dalam penelitian ini menggunakan korelasi Bivariate Pearson

(Produk Momen Pearson). Hal ini dilakukan dengan cara mengkorelasikan masing-

masing skor item dengan skor total. Menurut (Sujono & Santoso, 2017) kriteria

dalam pengujian terdiri:

a. Jika rxy ≥ r tabel (uji 2 sisi dengan signifikansi 0,05) maka instrumen

atau item-item pertanyaan berkolerasi signifikan terhadap skor total

(dinyatakan valid)

41
 b. Jika rxy < r tabel (uji 2 sisi dengan signifikansi 0,05) maka instrumen

atau item-item pertanyaan tidak berkolerasi signifikan terhadap skor

total (dinyatakan tidak valid)

Untuk menentukan nilai rtabel berdasarkan perhitungan (degree of freedom)

DF = (jumlah responden - 2), maka perhitungannya yaitu:

DF = 32 – 2

DF = 30

Dari hasil perhitungan didapat nilai DF adalah 30. Menurut tabel distribusi

jika nilai DF = 30 dengan signifikan 5% maka rtabel sebesar 0.361. Sehingga, hasil

dari uji validitas dapat dinyatakan valid jika nilai rhitung harus lebih besar dari

0.361.

Tabel 3. 4 Hasil Uji Validitas Variabel Performance Expectancy

Indikator rtabel rhitung Sig. Keterangan

PE1 0.361 0.666 0.000 Valid

PE2 0.361 0.832 0.000 Valid

PE3 0.361 0.812 0.000 Valid

PE4 0.361 0.845 0.000 Valid

Sumber : Hasil Olah SPSS 22, 2022

Tabel 3.4 berisi hasil uji validitas dari variabel Performance Expectancy

dengan 4 indikator yaitu PE1, PE2, PE3, PE4. Indikator variabel memiliki nilai

rhitung paling besar 0.845 dan paling kecil 0.666, sehingga nilai rhitung seluruh

indikator lebih besar dari 0.361. Berdasarkan hasil uji tersebut seluruh indikator

variabel dinyatakan valid dan layak untuk digunakan sebagai alat ukur penelitian.

42
 Tabel 3. 5 Hail Uji Validitas Effort Expectancy

Indikator rtabel rhitung Sig. Keterangan

EE1 0.361 0.780 0.000 Valid

EE2 0.361 0.894 0.000 Valid

EE3 0.361 0.858 0.000 Valid

EE4 0.361 0.854 0.000 Valid

Sumber : Hasil Olah SPSS 22, 2022

Tabel 3.5 berisi hasil uji validitas dari variabel Effort Expectancy dengan 4

indikator yaitu EE1, EE2, EE3, EE4. Indikator variabel memiliki nilai rhitung

paling besar 0.894 dan paling kecil 0.780, sehingga nilai rhitung seluruh indikator

lebih besar dari 0.361. Berdasarkan hasil uji tersebut seluruh indikator variabel

dinyatakan valid dan layak untuk digunakan sebagai alat ukur penelitian.

43
 Tabel 3. 6 Hasil Uji Validitas Variabel Social Influence

Indikator rtabel rhitung Sig. Keterangan

SI1 0.361 0.904 0.000 Valid

SI2 0.361 0.888 0.000 Valid

SI3 0.361 0.882 0.000 Valid

Sumber : Hasil Olah SPSS 22, 2022

Tabel 3.6 berisi hasil uji validitas dari variabel Social Influence dengan 3

indikator yaitu SI1, SI2, SI3. Indikator variabel memiliki nilai rhitung paling besar

0.904 dan paling kecil 0.882, sehingga nilai rhitung seluruh indikator lebih besar

dari 0.361. Berdasarkan hasil uji tersebut seluruh indikator variabel dinyatakan

valid dan layak untuk digunakan sebagai alat ukur penelitian.

44
 Tabel 3. 7 Hasil Uji Validitas Variabel Facilitating Conditions

Indikator rtabel rhitung Sig. Keterangan

FC1 0.361 0.931 0.000 Valid

FC2 0.361 0.882 0.000 Valid

FC3 0.361 0.737 0.000 Valid

Sumber : Hasil Olah SPSS 22, 2022

Tabel 3.7 berisi hasil uji validitas dari variabel Facilitating Conditions

dengan 3 indikator yaitu FC1, FC2, FC3. Indikator variabel memiliki nilai rhitung

paling besar 0.931 dan paling kecil 0.737, sehingga nilai rhitung seluruh indikator

lebih besar dari 0.361. Berdasarkan hasil uji tersebut seluruh indikator variabel

dinyatakan valid dan layak untuk digunakan sebagai alat ukur penelitian.

Tabel 3. 8 Hasil Uji Validitas Variabel Trust

Indikator rtabel rhitung Sig. Keterangan

TRU1 0.361 0.858 0.000 Valid

TRU2 0.361 0.855 0.000 Valid

TRU3 0.361 0.928 0.000 Valid

TRU4 0.361 0.851 0.000 Valid

Sumber : Hasil Olah SPSS 22, 2022

Tabel 3.8 berisi hasil uji validitas dari variabel Trust dengan 4 indikator

yaitu TRU1, TRU2, TRU3, TRU4. Indikator variabel memiliki nilai rhitung paling

besar 0.928 dan paling kecil 0.851, sehingga nilai rhitung seluruh indikator lebih

besar dari 0.361. Berdasarkan hasil uji tersebut seluruh indikator variabel

dinyatakan valid dan layak untuk digunakan sebagai alat ukur penelitian.

45
 Tabel 3. 9 Hasil Uji Validitas Variabel Information Quality

Indikator rtabel rhitung Sig. Keterangan

IQ1 0.361 0.923 0.000 Valid

IQ2 0.361 0.891 0.000 Valid

IQ3 0.361 0.833 0.000 Valid

IQ4 0.361 0.904 0.000 Valid

IQ5 0.361 0.937 0.000 Valid

Sumber : Hasil Olah SPSS 22, 2022

Tabel 3.9 berisi hasil uji validitas dari variabel Information Quality dengan

5 indikator yaitu IQ1, IQ2, IQ3, IQ4, IQ5. Indikator variabel memiliki nilai rhitung

paling besar 0.937 dan paling kecil 0.833, sehingga nilai rhitung seluruh indikator

lebih besar dari 0.361. Berdasarkan hasil uji tersebut seluruh indikator variabel

dinyatakan valid dan layak untuk digunakan sebagai alat ukur penelitian.

Tabel 3. 10 Hasil Uji Validitas Variabel Behavioral Intention

Indikator rtabel Rhitung Sig. Keterangan

BI1 0.361 0.971 0.000 Valid

BI2 0.361 0.945 0.000 Valid

BI3 0.361 0.960 0.000 Valid

Sumber : Hasil Olah SPSS 22, 2022

Tabel 3.10 berisi hasil uji validitas dari variabel Behavioral Intention

dengan 5 indikator yaitu IQ1, IQ2, IQ3, IQ4, IQ5. Indikator variabel memiliki nilai

rhitung paling besar 0.937 dan paling kecil 0.833, sehingga nilai rhitung seluruh

indikator lebih besar dari 0.361. Berdasarkan hasil uji tersebut seluruh indikator

variabel dinyatakan valid dan layak untuk digunakan sebagai alat ukur penelitian.

46
3.8.2 Uji Reliabilitas Instrumen Penelitian

Uji reliabilitas pada instrument pertanyaan dilakukan melihat nilai dari

hasil Cronbach’s Alpha ≥ 0,7 atau nilai composite reliability > 0,7 maka indikator

tersebut reliabel dan konsisten (Hair dkk, 2011). Perhitungan ini dilakukan dengan

menggunakan SPSS 22.0, dimana rumus digunakan sebagai berikut :

𝑘 ∑ 𝜎𝑏 2
𝑟𝑎𝑐 = (𝑘−1 )(1 − )……………………………………………(3.2)
𝜎𝑡 2

Keterangan :

rac : koefisien reliabilitas cronbach’s alpha

k : banyak butir/ item pertanyaan

∑σ𝑏 2 : jumlah/ total varians per butir/ item pertanyaan

σ𝑡 2 : jumlah/ total varians

Hasil dari uji reliabilitas disajikan pada tabel berikut :

Tabel 3. 11 Hasil Uji Validitas Reliabilitas

Variabel Cronbach’s Alpha Keterangan

PE 0.874 Reliabel

EE 0.874 Reliabel

SI 0.902 Reliabel

FC 0.886 Reliabel

TRU 0.868 Reliabel

IQ 0.879 Reliabel

BI 0.880 Reliabel

Sumber : Hasil Olah SPSS 22, 2022

Hasil dari uji reliabilitas menunjukan bahwa nilai Cronbach’s Alpha telah

memenuhi kriteria dimana seluruh variabel memiliki nilai lebih dari 0.7, sehingga

seluruh variabel dinyatakan reliabel.

47
3.9 Pengolahan Data dan Analisis

Pengumpulan data dilakukan dengan melalui penyebaran kuesioner. Data

kuesioner yang telah diisi oleh responden kemudian ditabulasi menggunakan

software Microsoft Excel. Proses tabulasi dilakukan untuk mempermudah

pencatatan keseluruhan hasil kuesioner penelitian yang nantinya akan diolah.

Dalam penelitian kuantitatif, terdapat dua macam teknik analisis yang digunakan

untuk analisis data, yaitu analisis deskriptif dan analisis inferensial.

3.9.1 Analisis Deskriptif

Statiska deskriptif atau sering disebut sebagai statiska dasar, yaitu sebuah

statiska yang digunaka untuk menggambarkan atau menganalisis suatu hasil

penelitian namun tidak digunakan untuk generalisasi atau inferensi (Sutopo &

Slamet, 2017). Analisis deskriptif merupakan analisis empiris dengan

mendeskripsikan informasi yang diperoleh untuk memberikan gambaran tentang

suatu kejadian dari penelitian yang dilakukan. Data tersebut dihasilkan dari

jawaban yang diberikan oleh responden dari instrumen pertanyaan di dalam

kuesioner. Terdapat lima kategori pilihan jawaban yaitu Sangat Setuju (SS)

berskala 5, Setuju (S) berskala 4, Netral (N) berskala 3, Tidak Setuju berskala 2,

dan Sangat Tidak Setuju berskala 1.

3.9.2 Analisis Inferensial

Analisis inferensial menurut (Sugiyono, 2013) adalah teknik statistik untuk

menganalisis data sampel dan hasilnya diberlakukan untuk populasi. Analisis

inferensial juga disebut sebagai statistik probabilitas karena kesimpulan yang

diberlakukan untuk populasi berdasarkan data sampel tersebut kebenarannya bersifat

peluang (probability). Terdapat dua jenis statistik inferensial, yaitu statistik parametrik

dan nonparametrik. Penelitian ini dianalisis menggunakan teknik SEM-PLS, dimana

48
PLS sebagai model prediksi tidak mengasumsikan distribusi tertentu untuk

mengestimasi parameter dan memprediksi hubungan kausalitas (Abdillah, 2018). Oleh

karena itu, model evaluasi untuk prediksi bersifat nonparametrik. Evaluasi model PLS

dilakukan dengan mengevaluasi outer model dan inner model. Setelah diperoleh hasil

analisis dari dua tahap sebelumnya maka dilakukan uji hipotesis.

a. Outer Model

Outer model dilakukan untuk mendefinisikan hubungan antar indikator

dengan variabel latennya. Evaluasi ini terdiri atas uji validitas dan

reliabilitas untuk melihat apakah data yang digunakan dalam penelitian

valid dan reliable. Berikut ini merupakan kriteria untuk menilai validitas

dan reliabilitas model sebagai berikut :

Tabel 3. 12 Kriteria Evaluasi Model Pengukuran

Validitas dan
Parameter Kriteria Sumber
Reliabilitas

> 0.70 untuk

(Hair, et.
confirmatory
al., 2011)
Loading research

Factor (Maskey, R

Validitas >0.50 et, al.,

Convergent 2006)

Average
> 0.50 untuk
Variance (Hair, et.
confirmatory
Extracted al., 2011)
research
(AVE)

49
 Validitas Cross > 0.70 untuk (Hair, et.

Diskriminan Loading setiap variabel al., 2011)

> 0.70 untuk

(Hair, et.
confirmatory
al., 2011)
research
Cronbach’s
0.50 – 0.70
Alpha
menunjukan (Hinton, et.
Reliabilitas
moderate al., 2004)

reliability

> 0.70 untuk

Composite (Hair, et.
confirmatory
Reliability al., 2011)
research

b. Inner Model

Evaluasi pada model struktural dilakukan dengan tujuan untuk

memprediksi hubungan antara variabel laten. Menurut (Hair, et. al.,

2011) dan (Diamantopoulos, A., & Siguaw, J. A., 2006) kriteria evaluasi

model struktural sebagai berikut:

Tabel 3. 13 Kriteria Evaluasi Model Struktural

Kriteria Rule of Thumb

R-Square • 0.67, 0.33 dan 0,19

menunjukan model

kuat, moderate, dan

lemah (Chin, 1998)

50
 • 0.75, 0.50, dan 0.25

menunjukan model

kuat, moderate, dan

lemah (Hair, et. al.,

2011)

VIF • Nilai VIF < 5 tidak

memiliki masalah

multikolinearitas

(Diamantopoulos, A., &

Siguaw, J. A., 2006)

c. Uji Hipotesis

Hipotesis merupakan pernyataan mengenai satu atau lebih populasi

yang perlu dibuktikan keabsahannya melalui prosedur pengujian

hipotesis (Mufarrikoh, 2019). Pengujian hipotesis merupakan suatu

proses melakukan perbandingan antara nilai sampel yang berasal dari

data penelitian dengan nilai hipotesis data populasi (Sutopo & Slamet,

2017). Terdapat dua kemungkinan dari hasil uji hipotesis yaitu ditolak

atau diterima. (Mufarrikoh, 2019) menjelaskan suatu hipotesis diterima

apabila nilai dari sampel tidak memiliki cukup bukti untuk menolak

hipotesis, sedangkan penolakan hipotesis terjadi karena nilai sampel

tidak cukup bukti untuk menerima hipotesis. Pada penelitian ini

pengujian hipotesis dilakukan untuk mengetahui hubungan yang

signifikan dari masing-masing variabel endogen terhadap variabel

eksogen. Hasil pengujian hipotesis dilihat dari nilai koefisien jalur (Path

51
 Coefficient) untuk melihat kekuatan hubungan dan nilai p (P values)

untuk melihat apakah variabel signifikan atau tidak.

3.10 Penarikan Kesimpulan dan Saran

Pada tahap akhir dilakukan penarikan kesimpulan pada penelitian yang

telah dilakukan dengan menyajikan hasil dari analisis data yang telah

didapatkan melalui kuesioner yang disebarkan kepada pengguna Aplikasi

PLN Mobile di Kota Surabaya. Hasil dari kesimpulan tersebut kemudian

dapat dihasilkan pertimbangan serta saran yang sesuai bagi pengembangan

Aplikasi PLN Mobile di masa depan.

52
 BAB IV

HASIL DAN PEMBAHASAN

Pada bab ini akan dibahas terkait dengan hasil penelitian yang telah

dilakukan meliputi pembahasan data demografi responden, hasil analisis statistik

deskriptif, hasil analisis inferensial, pengujian hipotesis, serta pembahasan hasil

penelitian.

4.1 Pembahasan Karakteristik Responden (Tabulasi Data)

Tabulasi data merupakan penyajian data ke dalam bentuk tabel atau diagram

untuk memudahkan evaluasi terhadap penelitian. Tabulasi data dihitung dengan

jumlah responden sebanyak 400 orang. Karakteristik responden pada penelitian ini

adalah jenis kelamin, usia, asal kota domisili responden, lama penggunaan,

intensitas penggunaan dan fitur yang paling sering digunakan oleh responden. Data

karakteristik responden ini digunakan untuk mengetahui latar belakang responden.

Penjelasan mengenai karakteristik responden sebagai berikut:

4.1.1 Jenis Kelamin

Gambar 4. 1 Jenis Kelamin Responden

Berdasarkan Gambar 4.1 dapat diketahui bahwa dari total 400 responden,

sebanyak 43,3% atau 173 responden berjenis kelamin laki-laki, sementara 56,8%

53
atau 227 responden lainnya berjenis kelamin perempuan. Maka, dapat disimpulkan

bahwa jawaban analisis pada penelitian ini didominasi oleh persepsi pengguna

Aplikasi PLN Mobile yang berjenis kelamin perempuan.

4.1.2 Usia

Gambar 4. 2 Usia Responden

Berdasarkan Gambar 4.2 dapat diketahui bahwa dari total 400 responden,

sebanyak 23% atau 92 responden berada pada rentang usia 15 – 19 tahun, sebanyak

32% atau 128 responden berada pada rentang usia 20 – 24 tahun, sebanyak 15%

atau 60 responden berada pada rentang usia 25 – 29 tahun, sebanyak 12,3% atau 49

responden berada pada rentang usia 30 – 34 tahun, sebanyak 9% atau 36 responden

berada pada rentang usia 35 – 39 tahun, sebanyak 8,8% atau 35 responden berada

pada rentang usia > 40 tahun. Maka, dapat disimpulkan bahwa jawaban analisis

pada penelitian ini didominasi oleh persepsi pengguna Aplikasi PLN Mobile yang

berada pada rentang usia 20 – 24 tahun.

54
4.1.3 Asal Kota

Gambar 4. 3 Asal Kota Responden

Berdasarkan Gambar 4.3 dapat diketahui bahwa dari total 400 responden,

sebanyak 67.3% atau 269 responden berasal dari Surabaya, sebanyak 10,7% atau

44 responden berasal dari Jakarta, sebanyak 2,2% atau 9 responden berasal dari

Tangerang, sebanyak 4,2% atau 18 responden berasal dari Tangerang Selatan,

sebanyak 1,4% atau 6 responden berasal dari Bekasi, sebanyak 4,4% atau 18

responden berasal dari Bogor, sebanyak 1,2% atau 5 responden berasal dari Depok,

sebanyak 1% atau 4 responden berasal dari Sidoarjo, 0,5% atau 2 responden berasal

Jember, sebanyak 0,5% atau 2 responden berasal dari Grobogan, sebanyak 0,5%

atau 2 responden berasal dari Lamongan, sebanyak 0,5% atau 2 responden berasal

dari Cilegon, sebanyak 0,5% atau 2 responden berasal dari Sukabumi, sebanyak

0,2% atau 1 responden berasal dari Nganjuk, sebanyak 0,4% atau 2 responden

berasal dari Jombang, sebanyak 0,2% atau 1 responden berasal dari Tulungagung,

sebanyak 0,2% atau 1 responden berasal dari Kediri,

sebanyak 0,4% atau 2 responden berasal dari Malang, sebanyak 0,2% atau

1 orang berasal dari Pamekasan, sebanyak 0,4% atau 2 responden berasal dari

Cirebon, sebanyak 0,2% atau 1 responden berasal dari Medan, berasal 0,2% atau 1

responden berasal dari Sipogu, sebanyak 0,2% atau 1 responden berasal dari
55
Bandung, sebanyak 0,2% atau 1 responden berasal dari Madiun, sebanyak 0,2%

atau 1 responden berasal dari Solo, sisanya atau sebanyak 1 responden berasal dari

lainnya. Maka, dapat disimpulkan bahwa jawaban analisis pada penelitian ini

didominasi oleh persepsi pengguna Aplikasi PLN Mobile yang berasal dari Kota

Surabaya.

4.1.4 Lama Penggunaan Aplikasi PLN Mobile

Gambar 4. 4 Lama Penggunaan Aplikasi PLN Mobile

Berdasarkan Gambar 4.4 dapat diketahui bahwa dari total 400 responden,

sebanyak 31,3% atau 125 responden baru saja mendownload Aplikasi PLN Mobile,

sebanyak 37,7% atau 151 responden menggunakan Aplikasi PLN Mobile 1-3 bulan

dalam setahun, sebanyak 19,5% atau 78 responden menggunakan Aplikasi PLN

Mobile 4-6 bulan dalam setahun dan sebanyak 11,5% atau 46 responden

menggunakan Aplikasi PLN Mobile > 7 bulan dalam setahun. Maka, dapat

disimpulkan bahwa jawaban analisis pada penelitian ini didominasi oleh persepsi

pengguna Aplikasi PLN Mobile dengan lama penggunaan 1-3 bulan dalam setahun.

4.1.5 Intensitas penggunaan Aplikasi PLN Mobile

56
 Berdasarkan Gambar 4.5 dapat diketahui bahwa dari total 400 responden,

sebanyak 60,5% atau 242 responden dalam intensitas penggunaan Aplikasi PLN

Mobile 1-3 kali, sebanyak 24% atau 96 responden dalam intensitas penggunaan

Aplikasi PLN Mobile 4-6 kali dan sebanyak 15,5% atau 62 responden dalam

intensitas penggunaan Aplikasi PLN Mobile >7 kali. Sehingga responden yang

intensitas penggunaan terbanyak adalah pengguna dengan intensitas penggunaan

Aplikasi PLN Mobile 1-3 kali.

4.1.6 Fitur yang Sering Digunakan

Gambar 4. 6 Fitur yang Sering Digunakan

Berdasarkan Gambar 4.6 dapat diketahui bahwa dari total 400 responden,
sebanyak 83,5% atau 334 responden menggunakan fitur Token & Pembayaran
dalam Aplikasi PLN Mobile, sebanyak 40,3% atau 161 responden menggunakan
fitur Pengaduan dalam Aplikasi PLN Mobile, sebanyak 37,5% atau 150 responden
menggunakan fitur Catat Meter, sebanyak 20% atau 80 responden menggunakan
fitur Info Stimulus, sebanyak 19,5% atau 78 responden menggunakan fitur
Penyambungan Baru, sebanyak 23,8% atau 95 responden menggunakan fitur
57
 Perubahan Daya, sebanyak 23,8% atau 95 responden menggunakan fitur Simulasi
Biaya, sebanyak 38,5% atau 154 responden menggunakan fitur PLN Rewards,
sisanya atau sebanyak 86 responden menggunakan fitur Penyambungan. Maka,
dapat disimpulkan bahwa jawaban analisis pada penelitian ini didominasi oleh
persepsi pengguna Aplikasi PLN Mobile fitur yang sering digunakan yaitu Fitur
Token & Pembayaran.

4.2 Analisis Deskriptif

Analisis deskriptif adalah analisis statistik yang dilakukan terhadap data

responden dengan mendeskripsikan atau menggambarkan data yang terkumpul

dengan sebagaimana adanya, tanpa bermaksud untuk membuat kesimpulan yang

berlaku untuk seluruh populasi. Terdapat lima kategori pilihan jawaban berdasarkan

Skala Likert yaitu Sangat Setuju (SS) berskala 5, Setuju (S) berskala 4, Netral (N)

berskala 3, Tidak Setuju (TS) berskala 2, dan Sangat Tidak Setuju (STS) berskala

1. Pendeskripsian data dilakukan per variabel untuk mengetahui frekuensi jawaban

terhadap masing-masing indikator dari variabel.

4.2.1 Frekuensi Jawaban Variabel Performance Expectancy

Performance Expectancy didefinisikan oleh (Venkatesh et al., 2003)

sebagai sejauh mana seorang individu percaya bahwa menggunakan sistem akan

membantu untuk mencapai keuntungan dalam kinerja pekerjaannya. Berikut

merupakan hasil analisis statistik deskriptif dari variabel Performance Expectancy

yang menggambarkan hasil jawaban kuesioner tiap indikator dari variabel

Performance Expectancy yang diolah menggunakan software SPSS 22.

Tabel 4. 1 Frekuensi Jawaban Variabel Performance Expectancy

Skala Pengukuran
Indikator
STS TS N S SS

58
 Frek % Frek % Frek % Frek % Frek %
PE1 2 0,5 0 0 23 5,8 159 39,8 216 54,0
PE2 1 0,3 2 0,5 23 5,8 192 48 182 45,5
PE3 0 0 0 0 22 5,5 195 48,8 183 45,8
PE4 2 0,5 1 0,3 27 6,8 175 43,8 195 48,8
Sumber : Hasil Olah SPSS 22, 2022

Terdapat empat indikator dari variabel Performance Expectancy yaitu PE1,

PE2, PE3, dan PE4. Berdasarkan Tabel 4.1, dapat dilihat bahwa indikator PE1

memiliki nilai frekuensi jawaban yang paling tinggi pada jawaban berskala 4 yang

dipilih oleh sebanyak 216 responden. Dapat diartikan bahwa sebanyak 54,0%

responden merasa sangat setuju menggunakan Aplikasi PLN Mobile untuk

menghemat waktu dan usaha dalam mendapatkan layanan PLN.

Dari Tabel 4.1, dapat dilihat bahwa indikator PE2 memiliki nilai frekuensi

jawaban yang paling tinggi pada jawaban berskala 4 yang dipilih oleh sebanyak 192

responden. Dapat diartikan bahwa sebanyak 48,0% responden merasa setuju bahwa

responden merasakan Aplikasi PLN Mobile bermanfaat dalam mendapatkan

layanan PLN.

Dari Tabel 4.1, dapat dilihat bahwa indikator PE3 memiliki nilai frekuensi

jawaban yang paling tinggi pada jawaban berskala 4 yang dipilih oleh sebanyak 195

responden. Dapat diartikan bahwa sebanyak 48,8% pengguna merasa setuju bahwa

responden menggunakan Aplikasi PLN Mobile untuk mendapatkan layanan PLN

lebih cepat.

Dari Tabel 4.1, dapat dilihat bahwa indikator PE4 memiliki nilai frekuensi

jawaban yang paling tinggi pada jawaban berskala 4 yang dipilih oleh sebanyak 195

responden. Dapat diartikan bahwa sebanyak 48,8% responden merasa sangat setuju

bahwa responden menggunakan Aplikasi PLN Mobile meningkatkan produktivitas

dalam mengakses layanan PLN.

59
 Tabel 4. 2 Hasil Statistik Jawaban Variabel Performance Expectancy

Indikator Minimum Maksimum Mean Modus

PE1 1 5 4,47 5
PE2 1 5 4,38 4
PE3 3 5 4,40 4
PE4 1 5 4,40 5
Sumber : Hasil Olah SPSS 22, 2022

Dari Tabel 4.2, menunjukkan bahwa dari keempat indikator variabel

Performance Expectancy, nilai rata-rata atau mean tertinggi adalah sebesar 4,47

yaitu pada indikator PE1 dengan pernyataan “Saya menggunakan Aplikasi PLN

Mobile untuk menghemat waktu dan usaha dalam mendapatkan layanan PLN”.

Sedangkan nilai rata-rata atau mean terendah sebesar 4,38 yaitu pada indikator PE4

pernyataan “Aplikasi PLN Mobile meningkatkan produktivitas dalam mengakses

layanan PLN”.

4.2.2 Frekuensi Jawaban Variabel Effort Expectancy

Effort Expectancy didefinisikan oleh (Venkatesh et al., 2003) sebagai

tingkat kemudahan yang terkait dengan penggunaan sistem. Berikut merupakan

hasil analisis statistik deskriptif dari variabel Effort Expectancy yang

menggambarkan hasil jawaban kuesioner tiap indikator dari variabel Effort

Expectancy yang diolah menggunakan software SPSS 22.

Tabel 4. 3 Frekuensi Jawaban Variabel Effort Expectancy

Skala Pengukuran
Indikator STS TS N S SS
Frek % Frek % Frek % Frek % Frek %
EE1 0 0 4 1,0 32 8,0 199 49,8 165 41,3
EE2 2 0,5 7 1,8 43 10,8 185 46,3 163 40,8
EE3 0 0 2 0,5 27 6,8 196 49,0 175 43,8

60
EE4 1 0,3 5 1,3 25 6,3 174 43,5 195 48,8
Sumber : Hasil Olah SPSS 22, 2022

Terdapat empat indikator dari variabel Effort Expectancy yaitu EE1, EE2,

EE3, dan EE4. Berdasarkan Tabel 4.3, dapat dilihat bahwa indikator EE1 memiliki

nilai frekuensi jawaban yang paling tinggi pada jawaban berskala 4 yang dipilih

oleh sebanyak 199 responden. Dapat diartikan bahwa sebanyak 49,8% responden

merasa setuju bahwa Aplikasi PLN Mobile memberikan interaksi yang jelas dan

mudah dimengerti.

Dari Tabel 4.3, dapat dilihat bahwa indikator EE2 memiliki nilai frekuensi

jawaban yang paling tinggi pada jawaban berskala 4 yang dipilih oleh sebanyak 185

responden. Dapat diartikan bahwa sebanyak 46,3% responden merasa setuju bahwa

Aplikasi PLN Mobile tidak membutuhkan keterampilan khusus dalam penggunaannya.

Dari Tabel 4.3, dapat dilihat bahwa indikator EE3 memiliki nilai frekuensi

jawaban yang paling tinggi pada jawaban berskala 4 yang dipilih oleh sebanyak 196

responden. Dapat diartikan bahwa sebanyak 49,0% responden merasa setuju bahwa

Aplikasi PLN Mobile mudah digunakan.

Dari Tabel 4.3, dapat dilihat bahwa indikator EE4 memiliki nilai frekuensi

jawaban yang paling tinggi pada jawaban berskala 5 yang dipilih oleh sebanyak 195

responden. Dapat diartikan bahwa sebanyak 48,8% responden merasa sangat setuju

bahwa Aplikasi PLN Mobile mudah dipelajari.

Tabel 4. 4 Hasil Statistik Jawaban Variabel Effort Expectancy

Indikator Minimum Maksimum Mean Modus

EE1 2 5 4,31 4
EE2 1 5 4,25 4
EE3 2 5 4,36 4
EE4 1 5 4,39 5
Sumber : Hasil Olah SPSS 22, 2022

61
 Tabel 4.4 menunjukkan bahwa dari keempat indikator variabel Effort

Expectancy, nilai rata-rata atau mean tertinggi adalah sebesar 4,39 yaitu pada

indikator EE4 dengan pernyataan “Aplikasi PLN Mobile mudah dipelajari”.

Sedangkan nilai rata-rata atau mean terendah sebesar 4,25 yaitu pada indikator EE2

dengan pernyataan “Aplikasi PLN Mobile tidak membutuhkan keterampilan

khusus dalam penggunaannya”.

4.2.3 Frekuensi Jawaban Variabel Social Influence

Social Influence didefinisikan oleh (Venkatesh et al., 2003) sebagai sejauh

mana seorang individu merasakan bahwa orang lain yang penting percaya bahwa

ia harus menggunakan sistem baru. Berikut merupakan hasil analisis statistic

deskriptif dari variabel Social Influence yang menggambarkan hasil jawaban

kuesioner tiap indikator dari variabel Social Influence yang diolah menggunakan

software SPSS 22.

Tabel 4. 5 Frekuensi Jawaban Variabel Social Influence

Skala Pengukuran
Indikator STS TS N S SS
Frek % Frek % Frek % Frek % Frek %
SI1 5 1,3 28 7,0 60 15,0 151 37,8 156 39,0
SI2 2 0,5 23 5,8 56 14,0 164 41,0 155 38,8
SI3 6 1,5 24 6,0 65 16,3 159 39,8 146 36,5
Sumber : Hasil Olah SPSS 22, 2022
Terdapat tiga indikator dari variabel Social Influence yaitu SI1, SI2, SI3.

Berdasarkan Tabel 4.5, dapat dilihat bahwa indikator SI1 memiliki nilai frekuensi

jawaban yang paling tinggi pada jawaban berskala 5 yang dipilih oleh sebanyak

156 responden. Dapat diartikan bahwa sebanyak 39,0% responden merasa sangat

62
 setuju bahwa orang-orang terdekat mempengaruhi saya untuk menggunakan

Aplikasi PLN Mobile.

Dari Tabel 4.5, dapat dilihat bahwa indikator SI2 memiliki nilai frekuensi

jawaban yang paling tinggi pada jawaban berskala 4 yang dipilih oleh sebanyak

164 responden. Dapat diartikan bahwa sebanyak 41,0% responden merasa setuju

bahwa orang-orang yang penting bagi pengguna menyarankan untuk

menggunakan Aplikasi PLN Mobile.

Dari Tabel 4.5, dapat dilihat bahwa indikator SI3 memiliki nilai frekuensi

jawaban yang paling tinggi pada jawaban berskala 4 yang dipilih oleh sebanyak

159 responden. Dapat diartikan bahwa sebanyak 39,8% responden merasa setuju

bahwa orang-orang di sekitar pengguna yang menggunakan Aplikasi PLN Mobile

terlihat lebih trendy (mengikuti tren).

Tabel 4. 6 Hasil Statistik Jawaban Variabel Social Influence

Indikator Minimum Maksimum Mean Modus

SI1 1 5 4,06 5
SI2 1 5 4,12 4
SI3 1 5 4,04 4
Sumber : Hasil Olah SPSS 22, 2022

Tabel 4.6 menunjukkan bahwa dari keempat indikator variabel Social

Influence, nilai rata-rata atau mean tertinggi adalah sebesar 4,12 yaitu pada

indikator SI2 dengan pernyataan “Orang-orang yang penting bagi saya

menyarankan untuk menggunakan Aplikasi PLN Mobile”. Sedangkan nilai rata-

rata atau mean terendah sebesar 4,04 yaitu pada indikator SI3 dengan pernyataan

“Orang-orang di sekitar saya yang menggunakan Aplikasi PLN Mobile terlihat

lebih trendy (mengikuti tren)”.

4.2.4 Frekuensi Jawaban Variabel Facilitating Conditions

63
 Facilitating Conditions didefinisikan oleh (Venkatesh et al., 2003) sebagai

sejauh mana seorang individu percaya bahwa infrastruktur organisasi dan teknis

ada untuk mendukung penggunaan sistem. Berikut merupakan hasil analisis

statistik deskriptif dari variabel Facilitating Conditions yang menggambarkan

hasil jawaban kuesioner tiap indikator dari variabel Facilitating Conditions yang

diolah menggunakan software SPSS 22.

Tabel 4. 7 Frekuensi Jawaban Variabel Facilitating Conditions

Skala Pengukuran
Indikator STS TS N S SS
Frek % Frek % Frek % Frek % Frek %
FC1 2 0,5 6 1,5 52 13,0 187 46,8 153 38,3
FC2 8 2,0 55 13,8 0 0 182 45,5 155 38,8
FC3 0 0 6 1,5 31 7,8 178 44,5 185 46,3
Sumber : Hasil Olah SPSS 22, 2022

Terdapat tiga indikator dari variabel Facilitating Conditions yaitu FC1,

FC2, FC3. Berdasarkan Tabel 4.7, dapat dilihat bahwa indikator FC1 memiliki nilai

frekuensi jawaban yang paling tinggi pada jawaban berskala 4 yang dipilih oleh

sebanyak 187 responden. Dapat diartikan bahwa sebanyak 38,3% responden merasa

setuju bahwa responden memiliki pengetahuan yang cukup untuk menggunakan

Aplikasi PLN Mobile.

Berdasarkan Tabel 4.7, dapat dilihat bahwa indikator FC2 memiliki nilai

frekuensi jawaban yang paling tinggi pada jawaban berskala 4 yang dipilih oleh

sebanyak 182 responden. Dapat diartikan bahwa sebanyak 45,5% responden merasa

setuju bahwa pengguna terbiasa dengan fitur-fitur Aplikasi PLN Mobile.

Berdasarkan Tabel 4.7, dapat dilihat bahwa indikator FC3 memiliki nilai

frekuensi jawaban yang paling tinggi pada jawaban berskala 5 yang dipilih oleh

sebanyak 185 responden. Dapat diartikan bahwa sebanyak 46,3% responden merasa

64
 sangat setuju bahwa tersedia layanan bantuan pengguna apabila pengguna kesulitan

dalam menggunakan Aplikasi PLN Mobile.

Tabel 4. 8 Hasil Statistik Jawaban Variabel Facilitating Conditions

Indikator Minimum Maksimum Mean Modus

FC1 1 5 4,21 4
FC2 2 5 4,21 4
FC3 2 5 4,36 5
Sumber : Hasil Olah SPSS 22, 2022

Tabel 4.8 menunjukkan bahwa dari keempat indikator variabel Facilitating

Conditions, nilai rata-rata atau mean tertinggi adalah sebesar 4,36 yaitu pada

indikator FC3 dengan pernyataan “Tersedia layanan bantuan pengguna apabila saya

kesulitan dalam menggunakan Aplikasi PLN Mobile”. Sedangkan nilai rata-rata

atau mean terendah sebesar 4,21 yaitu pada indikator FC1 dengan pernyataan “Saya

memiliki pengetahuan yang cukup untuk menggunakan Aplikasi PLN Mobile”,

pada indikator FC2 dengan pernyataan “Saya merasa terbiasa dengan fiturfitur pada

Aplikasi PLN Mobile”.

4.2.5 Frekuensi Jawaban Variabel Trust

Trust didefinisikan oleh (Venkatesh, et. al, 2011) sebagai harapan

pengguna bahwa penyedia jasa dapat dipercaya atau dapat diandalkan dalam

memenuhi janjinya. Berikut merupakan hasil analisis statistik deskriptif dari

65
 variabel Trust yang menggambarkan hasil jawaban kuesioner tiap indikator dari

variabel Trust yang diolah menggunakan software SPSS 22.

Tabel 4. 9 Frekuensi Jawaban Variabel Trust

Skala Pengukuran
Indikator STS TS N S SS
Frek % Frek % Frek % Frek % Frek %
TRU1 2 0,5 5 1,3 20 5,0 180 45,0 193 48,3
TRU2 0 0 4 1,0 17 4,3 184 46,0 195 48,8
TRU3 1 0,3 3 0,8 24 6,0 198 49,5 174 43,5
TRU4 0 0 11 2,8 36 9,0 160 40,0 193 48,3
Sumber : Hasil Olah SPSS 22, 2022

Terdapat empat indikator dari variabel Trust yaitu TRU1, TRU2, TRU3,

TRU4. Berdasarkan Tabel 4.9, dapat dilihat bahwa indikator TRU1 memiliki nilai

frekuensi jawaban yang paling tinggi pada jawaban berskala 5 sebanyak 193

responden. Dapat diartikan bahwa sebanyak 48,3% responden merasa setuju bahwa

pengguna percaya layanan pada Aplikasi PLN Mobile.

Berdasarkan Tabel 4.9, dapat dilihat dilihat bahwa indikator TRU2 memiliki

nilai frekuensi jawaban yang paling tinggi pada jawaban berskala 5 sebanyak 195

responden. Dapat diartikan bahwa sebanyak 48,8% responden merasa sangat setuju

bahwa pengguna percaya Aplikasi PLN Mobile memberikan layanan yang baik.

Berdasarkan Tabel 4.9, dapat dilihat dilihat bahwa indikator TRU3 memiliki

nilai frekuensi jawaban yang paling tinggi pada jawaban berskala 5 sebanyak 198

responden. Dapat diartikan bahwa sebanyak 49,5% responden merasa setuju bahwa

pengguna percaya Aplikasi PLN Mobile memberikan layanan yang dapat

diandalkan.

Berdasarkan Tabel 4.9, dapat dilihat dilihat bahwa indikator TRU4 memiliki

nilai frekuensi jawaban yang paling tinggi pada jawaban berskala 5 sebanyak 193

66
 responden. Dapat diartikan bahwa sebanyak 48,3% responden merasa sangat setuju

bahwa responden percaya Aplikasi PLN Mobile melindungi privasi pengguna

dengan baik.

Tabel 4. 10 Hasil Statistik Jawaban Variabel Trust

Indikator Minimum Maksimum Mean Modus

TRU1 1 5 4,39 5
TRU2 2 5 4,43 5
TRU3 1 5 4,35 4
TRU4 2 5 4,34 5
Sumber : Hasil Olah SPSS 22, 2022
Tabel 4.10 menunjukkan bahwa dari keempat indikator variabel Trust, nilai

rata-rata atau mean tertinggi adalah sebesar 4,43 yaitu pada indikator TRU2 dengan

pernyataan “Saya percaya Aplikasi PLN Mobile memberikan layanan yang baik”.

Sedangkan nilai rata-rata atau mean terendah sebesar 4,34 yaitu pada indikator

TRU4 dengan pernyataan “Saya percaya Aplikasi PLN Mobile melindungi privasi

pengguna dengan baik”

4.2.6 Frekuensi Jawaban Variabel Information Quality

Information Quality didefinisikan oleh (DeLone & McLean, 2003) sebagai

keyakinan pengguna tentang kualitas informasi yang diberikan serta sejauh mana

informasi yang diterima lengkap, tepat dan tepat waktu melalui antarmuka layanan

elektronik. Berikut merupakan hasil analisis statistik deskriptif dari variabel

Information Quality yang menggambarkan hasil jawaban kuesioner tiap indikator

dari variabel Information Quality yang diolah menggunakan software SPSS 22.

Tabel 4. 11 Frekuensi Jawaban Variabel Information Quality

Skala Pengukuran
Indikator STS TS N S SS
Frek % Frek % Frek % Frek % Frek %
IQ1 2 0,5 3 0,8 20 5,0 195 48,8 180 45,0

67
IQ2 0 0 5 1,3 31 7,8 171 42,8 193 48,3
IQ3 0 0 2 0,5 38 9,5 182 45,5 178 44,5
IQ4 0 0 1 0,3 41 10,3 169 42,3 189 47,3
IQ5 0 0 4 1,0 44 11,0 157 39,3 195 48,8
Sumber : Hasil Olah SPSS 22, 2022

Terdapat empat indikator dari variabel Information Quality yaitu IQ1, IQ2,

IQ, IQ4, dan IQ5. Berdasarkan Tabel 4.11, dapat dilihat bahwa indikator IQ1

memiliki nilai frekuensi jawaban yang paling tinggi pada jawaban berskala 4 yang

dipilih oleh sebanyak 195 responden. Dapat diartikan bahwa sebanyak 48,8%

responden merasa setuju bahwa pengguna merasa informasi yang disajikan pada

Aplikasi PLN Mobile dapat dipercaya.

Berdasarkan Tabel 4.11, dapat dilihat bahwa indikator IQ2 memiliki nilai

frekuensi jawaban yang paling tinggi pada jawaban berskala 5 yang dipilih oleh

sebanyak 193 responden. Dapat diartikan bahwa sebanyak 48,3% responden merasa

setuju bahwa pengguna merasa informasi yang disajikan pada Aplikasi PLN Mobile

bersifat up to date.

Dari Tabel 4.11, dapat dilihat bahwa indikator IQ3 memiliki nilai frekuensi

jawaban yang paling tinggi pada jawaban berskala 4 yang dipilih oleh sebanyak 182

responden. Dapat diartikan bahwa sebanyak 45,5% responden merasa setuju bahwa

pengguna merasa informasi yang disajikan pada Aplikasi PLN Mobile bersifat

relevan.

Dari Tabel 4.11, dapat dilihat bahwa indikator IQ4 memiliki nilai frekuensi

jawaban yang paling tinggi pada jawaban berskala 5 yang dipilih oleh sebanyak 189

responden. Dapat diartikan bahwa sebanyak 47,3% responden merasa sangat setuju

bahwa pengguna merasa informasi yang disajikan pada Aplikasi PLN Mobile akurat.

Dari Tabel 4.11, dapat dilihat bahwa indikator IQ5 memiliki nilai frekuensi

jawaban yang paling tinggi pada jawaban berskala 5 yang dipilih oleh sebanyak 195
68
 responden. Dapat diartikan bahwa sebanyak 48,8% responden merasa sangat setuju

bahwa responden merasa informasi yang disajikan pada Aplikasi PLN Mobile lengkap.

Tabel 4. 12 Hasil Statistik Jawaban Variabel Information Quality

Indikator Minimum Maksimum Mean Modus

IQ1 1 5 4,37 4
IQ2 2 5 4,38 5
IQ3 2 5 4,34 4
IQ4 2 5 4,37 5
IQ5 2 5 4,36 5
Sumber : Hasil Olah SPSS 22, 2022

Tabel 4.12 menunjukkan bahwa dari keempat indikator variabel

Information Quality, nilai rata-rata atau mean tertinggi adalah sebesar 3,38 yaitu

pada indikator IQ2 dengan pernyataan “Informasi yang disajikan pada Aplikasi

PLN Mobile bersifat up to date”. Sedangkan nilai rata-rata atau mean terendah

sebesar 3,34 yaitu pada indikator IQ3 dengan pernyataan “Informasi yang disajikan

pada Aplikasi PLN Mobile bersifat relevan”.

4.2.7 Frekuensi Jawaban Variabel Behavioral Intentions

Behavioral Intentions didefinisikan oleh (Venkatesh et al., 2003) sebagai

sejauh mana seseorang telah merumuskan rencana untuk melakukan atau tidak

melakukan beberapa perilaku di waktu yang akan datang. Berikut merupakan hasil

analisis statistik deskriptif dari variabel Behavioral Intentions yang

menggambarkan hasil jawaban kuesioner tiap indikator dari variabel Behavioral

Intentions yang diolah menggunakan software SPSS 22.

Tabel 4. 13 Frekuensi Jawaban Variabel Behavioral Intention

Skala Pengukuran
Indikator STS TS N S SS
Frek % Frek % Frek % Frek % Frek %
BI1 2 0,5 15 3,8 56 14,0 161 40,3 166 41,5

69
BI2 1 0,3 18 4,5 69 17,3 138 34,5 174 43,5
BI3 2 0,5 18 4,5 54 13,5 154 38,5 172 43,0

Sumber : Hasil Olah SPSS 22, 2022

Terdapat tiga indikator dari variabel Behavioral Intentions yaitu BI1, BI2,

dan BI3. Berdasarkan Tabel 4.13, dapat dilihat bahwa indikator BI1 memiliki nilai

frekuensi jawaban yang paling tinggi pada jawaban berskala 5 yang dipilih oleh

sebanyak 166 responden. Dapat diartikan bahwa sebanyak 41,5% responden merasa

sangat setuju bahwa responden a terbiasa menggunakan Aplikasi PLN Mobile.

Dari Tabel 4.13, dapat dilihat bahwa indikator BI2 memiliki nilai frekuensi

jawaban yang paling tinggi pada jawaban berskala 5 yang dipilih oleh sebanyak 174

responden. Dapat diartikan bahwa sebanyak 43,5% responden merasa sangat setuju

bahwa responden terbiasa menggunakan Aplikasi PLN Mobile dalam keseharian.

Dari Tabel 4.13, dapat dilihat bahwa indikator BI3 memiliki nilai frekuensi

jawaban yang paling tinggi pada jawaban berskala 5 yang dipilih oleh sebanyak 172

responden. Dapat diartikan bahwa sebanyak 43,0% responden merasa sangat setuju

bahwa responden terbiasa menggunakan Aplikasi PLN Mobile di setiap layanan PLN.

Tabel 4. 14 Hasil Statistik Jawaban Variabel Behavioral Intention

Indikator Minimum Maksimum Mean Modus

BI1 1 5 4,19 5
BI2 1 5 4,17 5
BI3 1 5 4,19 5
Sumber : Hasil Olah SPSS 22, 2022

Tabel 4.14 menunjukkan bahwa dari ketiga indikator variabel Behavioral

Intentions, nilai rata-rata atau mean tertinggi adalah sebesar 4,19 yaitu pada

70
indikator BI1 dengan pernyataan “Saya terbiasa menggunakan Aplikasi PLN

Mobile”, dan indikator BI3 dengan pernyataan “Saya terbiasa menggunakan

Aplikasi PLN Mobile di setiap layanan PLN”. Sedangkan nilai rata-rata atau mean

terendah sebesar 4,17 yaitu pada indikator BI2 dengan pernyataan “Saya terbiasa

menggunakan Aplikasi PLN Mobile dalam keseharian”.

4.3 Analisis Inferensial

Analisis statistik inferensial dilakukan untuk menganalisis data sampel

yang hasilnya diberlakukan untuk populasi (Sugiyono, 2013). Analisis inferensial

dilakukan untuk mengukur outer model, inner model, dan pengujian hipotesis.

Pengujian terhadap 400 data responden penelitian pengguna Aplikasi PLN Mobile

menggunakan model UTAUT oleh (Sharma et al., 2018) dilakukan dengan

menggunakan software SmartPLS 3.

4.3.1 Outer Model

Outer model dilakukan untuk menilai validitas dan reliabilitas model.

Model pengukuran menunjukkan bagaimana variabel manifest atau indikator

merepresentasikan variabel laten untuk diukur (Ghozali & Latan, 2012). Pada tahap

ini, akan diperoleh parameter pengukuran seperti validitas konvergen, validitas

diskriminan, Composite Reliability, dan juga Cronbach’s Alpha.

4.3.1.1 Validitas Konvergen

Uji validitas konvergen dilakukan dengan menggunakan software

SmartPLS 3. Parameter kevalidan pada uji validitas konvergen yaitu jika nilai

loading factor > 0,5 atau idealnya > 0,7, dan jika nilai Average Variance Extracted

(AVE) > 0.5 (Hair Jr. et al., 2014). Berikut adalah nilai loading factor menggunakan

400 data jawaban responden yang dapat dilihat pada Tabel 4.15. Hasil uji validitas

71
 pada penelitian ini yang menggunakan 400 data kuesioner dan menggunakan

keseluruhan data responden sesuai minimal sampel memiliki nilai hasil uji yang

sama.

Tabel 4. 15 Nilai Loading Factor

PE EE SI FC TRU IQ BI
PE1 0,820
PE2 0,688
PE3 0,596
PE4 0,801
EE1 0,709
EE2 0,754
EE3 0,689
EE4 0,784
SI1 0,879
SI2 0,857
SI3 0,869
FC1 0,827
FC2 0,800
FC3 0,736
TRU1 0,760
TRU2 0,738
TRU3 0,787
TRU4 0,797
IQ1 0,714
IQ2 0,760
IQ3 0,773
IQ4 0,816
IQ5 0,797
BI1 0,886
BI2 0,894
BI3 0,882
Sumber: Hasil Olah SmartPLS 3, 2022

Pada Tabel 4.15 dapat dilihat bahwa seluruh indikator telah memenuhi

persyaratan atau parameter kevalidan uji validitas konvergen berdasarkan nilai

loading factor, dimana nilai loading factor dari seluruh indikator adalah lebih dari

0,5 atau 0,7. Selain menguji validitas konvergen berdasarkan nilai loading factor,

perlu dilihat juga nilai Average Variance Extracted (AVE). Berikut adalah nilai

Average Variance Extracted (AVE) yang dapat dilihat pada Tabel 4.16.

72
 Tabel 4. 16 Nilai Average Variance Extracted (AVE)

Variabel Average Variance Extracted (AVE)

Performance Expectancy 0,536
Effort Expectancy 0,540
Social Influence 0,754
Facilitating Conditions 0,622
Trust 0,594
Information Quality 0,597
Behavioral Intention 0,787
Sumber: Hasil Olah SmartPLS 3, 2022

Pada Tabel 4.16 dapat dilihat bahwa nilai AVE yang dihasilkan tiap variabel

telah memenuhi persyaratan atau parameter uji validitas yaitu lebih dari 0,5. Maka,

dapat dikatakan bahwa instrumen kuesioner yang digunakan dapat dianggap valid.

4.3.1.2 Validitas Diskriminan

Uji validitas diskriminan dilakukan dengan menggunakan software

SmartPLS 3. Parameter kevalidan dari uji validitas diskriminan adalah dengan

membandingkan nilai akar AVE (Fornell-Larcker Criterion) dari suatu konstruk

dimana nilai tersebut harus lebih besar dibandingkan dengan korelasi antar variabel

laten tersebut atau dapat juga dengan melihat nilai cross loading (Abdillah, 2018).

Berikut adalah nilai akar AVE tiap variabel menggunakan 400 data jawaban

responden yang dapat dilihat pada Tabel 4.17.

Tabel 4. 17 Nilai Akar AVE (Fornell-Larcker Criterion)

PE EE SI FC TRU IQ BI
PE 0,732 0,572 0,597 0,552 0,617
EE 0,735 0,665
SI 0,502 0,594 0,868 0,690 0,635 0,746
FC 0,666 0,789 0,787
TRU 0,646 0,700 0,549 0,618 0,771 0,750 0,619
IQ 0,712 0,690 0,773 0,655
BI 0,887
Sumber: Hasil Olah SmartPLS 3, 2022

73
 Pada Tabel 4.17 dapat dilihat bahwa nilai akar AVE masing-masing variabel

yang diberi warna hijau lebih besar dibandingkan dengan korelasi antar variabel

laten pada kolom yang sama. Maka, dapat dikatakan bahwa seluruh variabel telah

memenuhi persyaratan atau parameter uji validitas diskriminan.

Tabel 4. 18 Nilai Cross Loading

PE EE SI FC TRU IQ BI
PE1 0,820 0,458 0,431 0,505 0,494 0,416 0,541
PE2 0,688 0,406 0,303 0,406 0,453 0,347 0,399
PE3 0,596 0,324 0,282 0,350 0,414 0,421 0,333
PE4 0,801 0,472 0,425 0,468 0,531 0,446 0,499
EE1 0,430 0,709 0,433 0,486 0,499 0,514 0,469
EE2 0,449 0,754 0,518 0,514 0,491 0,494 0,542
EE3 0,397 0,689 0,328 0,447 0,519 0,490 0,444
EE4 0,403 0,784 0,449 0,507 0,555 0,596 0,493
SI1 0,494 0,534 0,879 0,596 0,498 0,558 0,683
SI2 0,372 0,510 0,857 0,584 0,442 0,554 0,604
SI3 0,434 0,502 0,869 0,565 0,486 0,542 0,653
FC1 0,548 0,544 0,541 0,827 0,493 0,503 0,685
FC2 0,393 0,512 0,572 0,800 0,393 0,534 0,633
FC3 0,470 0,524 0,467 0,736 0,601 0,616 0,531
TRU1 0,553 0,528 0,441 0,458 0,760 0,548 0,470
TRU2 0,475 0,520 0,336 0,485 0,738 0,563 0,417
TRU3 0,502 0,574 0,401 0,478 0,787 0,556 0,496
TRU4 0,467 0,536 0,501 0,488 0,797 0,643 0,518
IQ1 0,411 0,562 0,385 0,494 0,594 0,714 0,460
IQ2 0,434 0,533 0,503 0,468 0,563 0,760 0,489
IQ3 0,426 0,565 0,486 0,532 0,618 0,773 0,492
IQ4 0,388 0,545 0,536 0,578 0,546 0,816 0,516
IQ5 0,470 0,550 0,531 0,585 0,585 0,797 0,566
BI1 0,560 0,570 0,641 0,702 0,546 0,560 0,886
BI2 0,516 0,594 0,700 0,700 0,543 0,614 0,894
BI3 0,567 0,608 0,645 0,695 0,560 0,569 0,882
Sumber : Hasil Olah SmartPLS 3, 2022

Pada Tabel 4.18 dapat dilihat bahwa nilai cross loading masing-masing

indikator variabel yang diberi warna hijau lebih besar daripada 0,70 dan lebih besar

jika dibandingkan nilainya dengan yang tidak diberi warna hijau secara horizontal.

Maka, dapat dikatakan bahwa seluruh indikator variabel telah memenuhi persyaratan

atau parameter uji validitas diskriminan.

4.3.1.3 Reliabilitas
74
 Uji reliabilitas dilakukan untuk mengetahui sejauh mana hasil pengukuran

tetap konsisten apabila dilakukan pengukuran sebanyak dua kali atau lebih

(Delanno & Deviani, 2013). Uji reliabilitas pada penelitian ini dilakukan dengan

menggunakan software SmartPLS 3. Parameter reliabel dari uji reliabilitas adalah

apabila nilai Cronbach’s Alpha ≥ 0,7 (Taber, 2018) atau nilai composite reliability

> 0,7 (Abdillah, 2018).

Tabel 4. 19 Nilai Cronbach's Alpha dan Composite Reliability

Cronbach’s Composite Keterangan

Variabel
Alpha Reliability

PE 0,708 0,820 Diterima

EE 0,716 0,824 Diterima

SI 0,837 0,902 Diterima

FC 0,697 0,831 Diterima

TRU 0,772 0,854 Diterima

IQ 0,831 0,881 Diterima

BI 0,865 0,917 Diterima

Sumber : Hasil Olah SmartPLS 3, 2022

Pada Tabel 4.19 dapat dilihat bahwa nilai Cronbach’s Alpha masing-masing

variabel adalah lebih dari atau sama dengan 0,7, serta nilai Composite Reliability

masing-masing variabel adalah lebih dari 0,7. Maka dapat dikatakan bahwa seluruh

variabel yang diuji, telah memenuhi persyaratan atau parameter uji reliabilitas.

4.3.2 Inner Model

Inner model dilakukan untuk memprediksi adanya hubungan kausalitas

antar variabel laten (Abdillah, 2018). Pada tahap inner model, dilakukan dengan

75
melihat nilai Variance Inflation Factor (VIF) dan R-square untuk analisa

kelayakan model, serta uji hipotesis.

4.3.2.1 Variance Inflation Factor (VIF)

Menurut (Sriningsih, dkk, 2018) VIF merupakan suatu besaran yang dapat

digunakan untuk mendeteksi adanya suatu multikolinearitas, yaitu kondisi dimana

terjadi korelasi antar variabel bebas atau variabel bebas tidak bersikap saling bebas.

Berdasarkan kriteria (Diamantopoulos & Siguaw, 2006) apabila nilai dari VIF kurang

dari 5 maka dapat dikonfirmasi bahwa tidak terdapat masalah multikolinearitas.

Tabel 4. 20 Hasil VIF

PE EE SI FC TRU IQ BI

PE 1,958

EE 2,610

SI 2,075

FC 2,638

TRU 2,993

IQ 3,167

BI

Sumber : Hasil Olah SmartPLS 3, 2022

Pada Tabel 4.20 di atas dapat dilihat bahwa Nilai dari VIF pada seluruh variabel lebih

kecil dari 5, sehingga uji multikolinearitas dengan menggunakan VIF menunjukan

bahwa tidak adanya masalah pada multikolinearitas.

4.3.2.2 R-Square

Nilai R-Square atau koefisien determinasi adalah keseluruhan ukuran efek

dalam mengukur model struktural. Nilai R2 ditampilkan di dalam elips biru atau

76
lingkaran biru milik variabel laten endogen (variabel dependen) (Garson, 2016).

Chin (1998) dalam jurnal milik (Salloum et al., 2019) menyatakan jika nilai R2

lebih dari 0,67 dianggap "kuat", sedangkan nilai antara 0,33 dan 0,67 dianggap

"sedang", dan nilai antara 0,19 dan 0,33 dianggap "lemah”. Adapun nilai R-Square

yang ditunjukan pada Tabel 4.23 berikut.

Tabel 4. 21 Nilai R-Square

Variabel R-Square
Behavioral Intention 0,732

Sumber: Hasil Olah SmartPLS 3, 2022

Pada Tabel 4.21 menunjukan hasil R-Square sebesar 0,732 dengan

presentase 73,2% dapat diinterprestasikan nilai R-Square pada penelitian ini kuat

dan telah menenuhi rule of thumb (Salloum et al., 2019) sedangkan sisnya sebanyak

26,8%.

4.3.2.3 Uji Hipotesis

Uji hipotesis dilakukan melalui proses bootstrapping menggunakan

software SmartPLS 3. Pada tahap ini, dilakukan uji signifikansi antar konstruk

dalam model structural (path coefficient) yang digunakan dalam penelitian untuk

uji hipotesis (Abdillah, 2018).

77
 Gambar 4. 7 Hasil Uji Hipotesis
Gambar 4.7 di atas merupakan hasil uji hipotesis yang dilihat dari nilai

koefisien jalur (Path Coefficients). Dari Gambar 4.7 tersebut, dapat diketahui nilai

koefisien jalur yang bernilai positif terdapat pada variabel PE, EE, SI, FC, TRU,

dan IQ.

Untuk mengetahui apakah path coefficient dari inner model signifikan atau

tidak, gunakan uji-t dua sisi (T-statistics two-tailed). Path coefficient dinyatakan

signifikan jika T-statistics lebih besar dari 1,65 pada tingkat signifikan 10%, T-

statistics lebih besar dari 1,96 pada tingkat signifikan 5%, dan T-statistics lebih besar

dari 2,58 pada tingkat signifikan 1% (Wong, 2013). Penelitian ini menggunakan
78
tingkat signifikan 5%, sehingga nilai T-statistics harus lebih besar dari 1,96 dan P-

Value lebih kecil sama dengan 0,05. Adapun hasil dari pengujian hipotesis dapat

dilihat pada Tabel 4.22 berikut.

Tabel 4. 22 Nilai Koefisien Jalur, T-Statistics, P-Value

Koefisien Keterangan
Hipotesis T-Statistics P-Value
Jalur
PE-BI 0,132 3,043 0,002 Signifikan
EE-BI 0,107 2,151 0,032 Signifikan
SI-BI 0,337 7,194 0,000 Signifikan
FC-BI 0,394 6,461 0,000 Signifikan
0,035 Tidak
TRU-BI 0,596 0,552
Signifikan
-0,005 Tidak
IQ-BI 0,082 0,935
Signifikan
Sumber: Hasil Olah SmartPLS 3, 2022

1. Pengaruh Performance Expectancy (PE) terhadap Behavioral

Intention (BI)

H1: PE berpengaruh positif terhadap BI pada penggunaan Aplikasi PLN

Mobile.

Berdasarkan Tabel 4.22, PE memiliki nilai koefisien jalur bertanda

positif sebesar 0,132. Memiliki nilai T-Statistics sebesar 3,043 dimana

nilai T-Statistics > 1,96 dan memiliki P-Value sebesar 0,002 dimana

nilai P-Value < 0,05. Dengan demikian, ditemukan bahwa pengaruh

Performance Expectancy (PE) terhadap Behavioral Intention (BI)

diterima dengan penjelasan Performance Expectancy memiliki

pengaruh positif dan signifikan terhadap Behavioral Intention.

Hasil pada penelitian ini sesuai dengan penelitian yang telah

dilakukan oleh Sharma et. al., (2018); Saparudin, M., Rahayu, A, et. al.,

(2020); Pratiwi, Siti Sania & Oktarina, Tri, (2020). Hal ini menunjukkan

pengguna Aplikasi PLN Mobile memiliki keyakinan bahwa

79
 menggunakan Aplikasi PLN Mobile berdampak nyata terhadap

kemudahan akses layanan kelistrikan serta efektifitas transaksi sehingga

penggunaan Aplikasi PLN Mobile sangat memberikan manfaat bagi

penggunanya.

2. Pengaruh Effort Expectancy (EE) terhadap Behavioral Intention

(BI)

H2: EE berpengaruh positif terhadap BI pada penggunaan Aplikasi

PLN Mobile.

Berdasarkan Tabel 4.22, EE memiliki nilai koefisien jalur bertanda

positif sebesar 0,107. Memiliki nilai T-Statistics sebesar 2,151 dimana

nilai T-Statistics > 1,96 dan memiliki P-Value sebesar 0,032 dimana

nilai P-Value < 0,05. Dengan demikian, ditemukan bahwa pengaruh

Effort Expectancy (EE) terhadap Behavioral Intention (BI) diterima

dengan penjelasan Effort Expectancy memiliki pengaruh positif dan

signifikan terhadap Behavioral Intention.

Hasil pada penelitian ini sesuai dengan penelitian yang sebelumnya

telah dilakukan oleh Sharma et. al., (2018). Sehingga hasil dari

penelitian ini Aplikasi PLN Mobile memberikan interaksi yang jelas dan

mudah dimengerti, tidak perlu mempunyai keterampilan yang khusus

dalam penggunaannya, mudah digunakan serta mudah dipelajari.

3. Pengaruh Social Influence (SI) terhadap Behavioral Intention (BI)

H3: SI berpengaruh positif terhadap BI pada penggunaan Aplikasi

PLN Mobile.

Berdasarkan Tabel 4.22, SI memiliki nilai koefisien jalur bertanda

positif sebesar 0,337. Memiliki nilai T-Statistics sebesar 7,194 dimana

80
 nilai T-Statistics > 1,96 dan memiliki P-Value sebesar 0,000 dimana

nilai P-Value < 0,05. Dengan demikian, ditemukan bahwa pengaruh

Social Influence (SI) terhadap Behavioral Intention (BI) diterima

dengan penjelasan Social Influence memiliki pengaruh positif dan

signifikan terhadap Behavioral Intention.

Hasil dari penelitian ini sesuai dengan penelitian yang sebelumnya

telah dilakukan oleh Saparudin, M., Rahayu, A, et. al., (2020). Sehingga

penelitian ini memperkuat hasil penelitian sebelumnya dan menunjukan

bahwa pengaruh lingkungan sosial pengguna seperti keluarga dan teman

sudah familiar dengan penggunaan Aplikasi PLN Mobile dalam

kesehariannya.

4. Pengaruh Facilitating Conditions (FC) terhadap Behavioral

Intention (BI)

H4: FC berpengaruh positif terhadap BI pada penggunaan Aplikasi

PLN Mobile.

Berdasarkan Tabel 4.22, FC memiliki nilai koefisien jalur bertanda

positif sebesar 0,394. Memiliki nilai T-Statistics sebesar 6,461 dimana

nilai T-Statistics > 1,96 dan memiliki P-Value sebesar 0,000 dimana

nilai P-Value < 0,05. Dengan demikian, ditemukan bahwa pengaruh

Facilitating Conditions (FC) terhadap Behavioral Intention (BI)

diterima dengan penjelasan Facilitating Conditions memiliki pengaruh

positif dan signifikan terhadap Behavioral Intention.

Hasil penelitian ini sesuai dengan penelitian yang sebelumnya yang

telah dilakukan oleh Pratiwi, Siti Sania & Oktarina, Tri, (2020); Sharma

et. al., (2018). Sehingga penelitian ini memperkuat hasil variabel

Facilitating Conditions dapat digunakan dalam penelitian Aplikasi PLN

81
 Mobile. Hasil menunjukan bahwa Aplikasi PLN Mobile yang

kompatibel dengan teknologi smartphone responden sebagai salah satu

fasilitas yang dimiliki responden.

5. Pengaruh Trust (TRU) terhadap Behavioral Intention (BI)

H5: TRU berpengaruh positif terhadap BI pada penggunaan Aplikasi

PLN Mobile.

Berdasarkan Tabel 4.22, TRU memiliki nilai koefisien jalur bertanda

positif sebesar 0,035. Memiliki nilai T-Statistics sebesar 0,596 dimana

nilai T-Statistics < 1,96 dan memiliki P-Value sebesar 0,552 dimana

nilai P-Value > 0,05. Dengan demikian, ditemukan bahwa pengaruh

Trust (TRU) terhadap Behavioral Intention (BI) ditolak dengan

penjelasan Trust tidak memiliki pengaruh positif dan tidak berpengaruh

signifikan terhadap Behavioral Intention.

Hasil penelitian ini berbeda dengan hasil penelitian yang telah

dilakukan sebelumnya oleh Sharma et. al., (2018). Perbedaan ini

menunjukkan bahwa penelitian Aplikasi PLN Mobile, hubungan antar

variabel ini perlu ditelaah lebih lanjut agar dapat digunakan pada

penelitian selanjutnya. Perbedaan yang terjadi karena perbedaan tingkat

kebijakan privasi dan informasi yang memotivasi pengguna untuk

mengadopsi Aplikasi PLN Mobile.

6. Pengaruh Information Quality (IQ) terhadap Behavioral Intention

(BI)

H6: IQ berpengaruh positif terhadap BI pada penggunaan Aplikasi

PLN Mobile.

82
 Berdasarkan Tabel 4.22, IQ memiliki nilai koefisien jalur bertanda

negatif sebesar 0,005, memiliki nilai T-Statistics sebesar 0,082 dimana

nilai T-Statistics < 1,96 dan memiliki P-Value sebesar 0,935 dimana

nilai P-Value > 0,05. Dengan demikian, ditemukan bahwa pengaruh

Information Quality (IQ) terhadap Behavioral Intention (BI) ditolak

dengan penjelasan Information Quality tidak memiliki pengaruh positif

dan tidak berpengaruh signifikan terhadap Behavioral Intention.

Dengan kata lain semakin tinggi tingkat kekhawatiran masyarakat

tentang masalah kualitas informasi terkait penerapan Aplikasi PLN

Mobile tidak mempengaruhi niat masyarakat untuk menggunakan

Aplikasi PLN Mobile. Hasil penelitian ini tidak sejalan dengan hasil

penelitian Sharma et. al., (2018), hasil tidak signifikan menunjukkan

bahwa pengguna menemukan tidak kesalahan dalam informasi yang

disajikan pada Aplikasi PLN Mobile.

4.4 Pembahasan Hasil Penelitian

Penelitian ini bertujuan untuk mencari jawaban terhadap rumusan masalah

yang telah dikemukakan pada bagian sebelumnya. Berdasarkan uji hipotesis yang

dilakukan menggunakan software SmartPLS 3, hasil pengujian dapat dijelaskan

sebagai berikut:

4.4.1 Pengaruh Performance Expectancy terhadap Behavioral Intention

Performance Expectancy dideskripsikan sebagai sejauh mana seorang

individu percaya bahwa menggunakan sebuah sistem akan membantu untuk

mencapai keuntungan dalam kinerja pekerjaannya (Venkatesh et al., 2003).

Sementara Behavioral Intention dideskripsikan sebagai sejauh mana seorang

83
 individu telah merumuskan rencana untuk melakukan atau tidak melakukan

perilaku di waktu yang akan datang (Venkatesh et al., 2003).

Hasil uji hipotesis menggunakan software SmartPLS 3 menunjukkan

bahwa variabel Performance Expectancy memiliki nilai koefisien jalur yang

bertanda positif sebesar 0,132 dan nilai P-Value sebesar 0,002. Dengan nilai

P-Value lebih kecil daripada 0,05 maka hal ini menunjukkan bahwa variabel

Performance Expectancy berpengaruh signifikan terhadap Behavioral

Intention. Hasil pada penelitian ini sesuai dengan penelitian yang telah

dilakukan oleh Sharma, S., et al., (2018); Saparudin, M., Rahayu, A, et. al.,

(2020); Pratiwi, Siti Sania & Oktarina, Tri, (2020) sehingga memperkuat

hasil penelitian sebelumnya dan memberikan dukungan serta kepercayaan

bahwa variabel performance expectancy dapat digunakan untuk penelitian

pada Aplikasi PLN Mobile.

Layanan Aplikasi PLN Mobile didesain untuk membantu pelanggan

dalam memenuhi kebutuhan dan keinginan masyarakat modern saat ini

Sharma, S., et al., (2018). Hasil signifikansi ini menunjukan bahwa untuk

meningkatkan motivasi berlangganan maka penting bagi perusahaan untuk

dapat meyakinkan pengguna bahwa performa dari Aplikasi PLN Mobile

dapat memberikan layanan kelistrikan sesuai dengan yang mereka butuhkan.

Dimana sesuai dengan fungsinya maka Aplikasi PLN Mobile harus dapat

memberikan layanan kelistrikan yang efektif dan efisien dalam

penggunaannya serta membantu menyelesaikan masalah kelistrikan.

4.4.2 Pengaruh Effort Expectancy terhadap Behavioral Intention

Effort Expectancy dideskripsikan sebagai tingkat kemudahan yang

berkaitan dengan penggunaan sistem (Venkatesh et al., 2003). Sementara

84
 Behavioral Intention dideskripsikan sebagai sejauh mana seorang individu

telah merumuskan rencana untuk melakukan atau tidak melakukan perilaku

di waktu yang akan datang (Venkatesh et al., 2003).

Hasil uji hipotesis menggunakan software SmartPLS menunjukkan

bahwa Effort Expectancy memiliki nilai koefisien jalur yang bertanda positif

sebesar 0,107 dengan nilai P-Value sebesar 0,032. Dengan nilai P-Value lebih

kecil daripada 0,05, maka hal ini menunjukkan bahwa Effort Expectancy

berpengaruh signifikan terhadap Behavioral Intention.

Hasil pada penelitian ini sesuai dengan penelitian yang sebelumnya

telah dilakukan oleh (Sharma, S., et al., 2018), dimana penelitian tersebut

merupakan referensi utama yang digunakan pada penelitian ini. Serta sesuai

dengan penelitian oleh (Saparudin, M., Rahayu, A, et. al., 2020). Sehingga

hasil dari penelitian ini memperkuat hasil dari penelitian sebelumnya.

Aplikasi PLN Mobile memberikan interaksi yang jelas dan mudah

dimengerti, tidak perlu mempunyai keterampilan yang khusus dalam

penggunaannya, mudah digunakan serta mudah dipelajari.

4.4.3 Pengaruh Social Influence terhadap Behavioral Intention

Social Influence dideskripsikan sebagai sejauh mana seorang

individu merasakan bahwa orang lain yang individu tersebut anggap penting

percaya bahwa ia harus menggunakan sistem baru (Venkatesh et al., 2003).

Sementara Behavioral Intention dideskripsikan sebagai sejauh mana seorang

individu telah merumuskan rencana untuk melakukan atau tidak melakukan

perilaku di waktu yang akan datang (Venkatesh et al., 2003).

Hasil uji hipotesis menggunakan software SmartPLS menunjukkan

bahwa Social Influence memiliki nilai koefisien jalur bertanda positif sebesar
85
 0,337 dan nilai P-Value sebesar 0,000. Dengan nilai P-Value lebih kecil

daripada 0,05, maka dapat dikatakan bahwa Social Influence berpengaruh

signifikan terhadap Behavioral Intention.

Hasil dari penelitian ini sesuai dengan penelitian yang sebelumnya

telah dilakukan oleh (Saparudin, M., Rahayu, A, et. al., 2020). Sehingga

penelitian ini memperkuat hasil penelitian sebelumnya dan menunjukan

bahwa variabel social influence dapat digunakan dalam penelitian pada

Aplikasi PLN Mobile. Hasil signifikan ini menunjukan bahwa pengaruh

lingkungan sosial pengguna aplikasi, seperti keluarga dan teman,

memberikan dorongan untuk menggunakan Aplikasi PLN Mobile.

4.4.4 Pengaruh Facilitating Conditions terhadap Behavioral Intention

Facilitating Conditions dideskripsikan sebagai sejauh mana seorang

individu percaya bahwa infrastruktur organisasi dan teknis ada untuk

mendukung penggunaan sistem (Venkatesh et al., 2003). Sementara

Behavioral Intention dideskripsikan sebagai sejauh mana seorang individu

telah merumuskan rencana untuk melakukan atau tidak melakukan perilaku

di waktu yang akan datang (Venkatesh et al., 2003).

Hasil uji hipotesis menggunakan software SmartPLS menunjukkan

bahwa Facilitating Conditions memiliki nilai koefisien jalur bertanda positif

sebesar 0,394 dan nilai P-Value sebesar 0,000. Dengan nilai P-Value lebih

kecil daripada 0,05, maka hal ini menunjukkan bahwa Facilitating

Conditions berpengaruh signifikan terhadap Behavioral Intention.

Hasil dari penelitian ini sesuai dengan penelitian yang sebelumnya

telah dilakukan oleh (Pratiwi, Siti Sania & Oktarina, Tri, 2020; Sharma, S.,

86
 et al., 2018). Sehingga penelitian ini memperkuat hasil penelitian

sebelumnya dan menunjukan bahwa variabel facilitating condition dapat

digunakan dalam penelitian pada Aplikasi PLN Mobile. Hasil signifikan ini

menunjukan bahwa Aplikasi PLN Mobile yang kompatibel dengan teknologi

yang digunakan di smartphone responden sebagai salah satu fasilitas yang

dimiliki responden,

4.4.5 Pengaruh Trust terhadap Behavioral Intention

Trust dideskripsikan sebagai harapan pengguna bahwa penyedia jasa

dapat dipercaya atau dapat diandalkan dalam memenuhi janjinya (Venkatesh,

et. al, 2011). Sementara Behavioral Intention dideskripsikan sebagai sejauh

mana seorang individu telah merumuskan rencana untuk melakukan atau

tidak melakukan perilaku di waktu yang akan datang (Venkatesh et al.,

2003).

Hasil uji hipotesis menggunakan software SmartPLS menunjukkan

bahwa Trust memiliki nilai koefisien jalur bertanda positif sebesar 0,035 dan

nilai P-Value sebesar 0,552. Dengan nilai P-Value lebih besar daripada 0,05,

maka dapat dikatakan bahwa Trust tidak berpengaruh signifikan terhadap

Behavioral Intention.

Hasil penelitian ini berbeda dengan hasil penelitian yang telah

dilakukan sebelumnya oleh (Sharma, et al., 2018). Perbedaan ini menunjukan

bahwa pada penelitian Aplikasi PLN Mobile hubungan antara variabel ini

perlu ditelaah lebih lanjut untuk dapat digunakan pada penelitian selanjutnya.

Perbedaan hasil ini dapat terjadi karena perbedaan tingkat kebijakan privasi

dan informasi yang memotivasi pengguna untuk mengadopsi aplikasi. Hasil

tidak signifikan ini juga menunjukan bahwa pengguna masih memiliki

87
 hambatan lain yang dapat mengurangi penggunaan dari aplikasi. (Rika, dkk,

2003) menyebutkan, pada persepsi pengguna, sukarela setia dengan PLN atas

ekspektasi positif yang diberikan oleh PLN. Hal ini menunjukkan bahwa para

pengguna belum mempercayai bahwa Aplikasi PLN Mobile memiliki

kekuatan dalam memenuhi kebutuhan layanan kelistrikan pengguna.

4.4.6 Pengaruh Information Quality terhadap Behavioral Intention

Information Quality dideskripsikan oleh (DeLone & McLean, 2003)

sebagai keyakinan pengguna tentang kualitas informasi yang diberikan serta

sejauh mana informasi yang diterima lengkap, tepat dan tepat waktu melalui

antarmuka layanan elektronik. Sementara Behavioral Intention

dideskripsikan sebagai sejauh mana seorang individu telah merumuskan

rencana untuk melakukan atau tidak melakukan perilaku di waktu yang akan

datang (Venkatesh et al., 2003).

Hasil uji hipotesis menggunakan software SmartPLS menunjukkan

bahwa Information Quality memiliki nilai koefisien jalur bertanda negatif

sebesar 0,005 dan nilai P-Value sebesar 0,935. Dengan nilai P-Value lebih besar

daripada 0,05, maka dapat dikatakan bahwa Information Quality tidak

berpengaruh signifikan terhadap Behavioral Intention, dengan kata lain,

semakin tinggi tingkat kekhawatiran masyarakat tentang masalah informasi

yang disajikan Aplikasi PLN Mobile, tidak mempengaruhi niat masyarakat

untuk menggunakan Aplikasi PLN Mobile.

Berdasarkan data deskriptif jawaban responden terkait dengan kualitas

informasi, responden cenderung tidak merasa terlalu khawatir terhadap masalah

kualitas informasi mereka ketika menggunakan Aplikasi PLN Mobile.

Kepercayaan masyarakat terhadap kualitas informasi mereka dapat disebabkan

karena selama menggunakan Aplikasi PLN Mobile tidak ditemukan adanya

88
informasi yang salah. Hasil di atas dapat diartikan bahwa walaupun

masyarakat tidak merasa khawatir terhadap informasi yang diberikan oleh

PLN dalam penerapan Aplikasi PLN Mobile, namun hal tersebut tidak

mempengaruhi niat masyarakat untuk menggunakan Aplikasi PLN Mobile.

Hasil ini tidak sejalan dengan hasil penelitian yang dilakukan oleh (Sharma,

et al., 2018), dimana Information Quality ditemukan memiliki pengaruh

negatif dan signifikan terhadap Behavioral Intention, dengan demikian,

semakin tinggi kekhawatiran responden penelitian tersebut terhadap kualitas

informasi yang didapat dalam penerapan aplikasi kelistrikan maka niat

responden untuk menggunakan aplikasi kelistrikan semakin rendah.

89
 BAB V

PENUTUP

Pada bab ini, membahas mengenai kesimpulan dari hasil penelitian yang

telah dijabarkan pada bab sebelumnnya. Selain itu, dalam bab ini juga terdapat

saran-saran yang diberikan berdasarkan hasil dari penelitian ini.

5.1 Kesimpulan

Berdasarkan hasil penelitian yang telah dilakukan, dapat diambil

kesimpulan sebagai berikut:

1. Faktor yang mempengaruhi Behavioral Intention atau perilaku

pengguna terhadap Aplikasi PLN Mobile terdiri dari Performance

Expectancy, Effort Expectancy, Facilitating Conditions, Social

Influence dikarenakan memiliki nilai Path Coefficient paling besar yaitu

0,394 dan nilai P-Value < 0,05. Serta diketahui dari nilai R-Square

sebesar 0,732 bahwa variabel-variabel UTAUT yang digunakan dalam

penelitian ini mempengaruhi perilaku penggua atau Behavioral

Intention sebesar 73,2%.

2. Dari hasil pengujian hipotesis terdapat dua hipotesis yang ditolak,

dimana memiliki hubungan yang positif namun tidak berpengaruh

secara signifikan dikarenakan memiliki nilai t-statistik < 1,96 atau nilai

p-value > 0,05 yaitu variabel Trust, Information Quality.

5.2 Saran

Berdasarkan hasil penelitian ini, saran yang dapat diberikan dan dapat

digunakan sebagai dasar penelitian lanjutan adalah sebagai berikut.

90
 1. Model penelitian yang digunakan dalam penelitian ini adalah UTAUT

yang telah dimodifikasi oleh (Sharma, et al., 2018). Untuk penelitian

selanjutnya, dapat menggunakan model UTAUT yang telah

dimodifikasi oleh peneliti lain. Selain itu, dapat juga menggunakan

model penelitian terhadap penerimaan atau adopsi aplikasi selain

UTAUT. Penggunaan model yang berbeda dalam beberapa penelitian

diharapkan dapat memberikan wawasan baru untuk mengetahui faktor

yang dapat mempengaruhi niat untuk menggunakan, mengadopsi, atau

menerima teknologi baru seperti Aplikasi PLN Mobile.

2. Model UTAUT yang digunakan dalam penelitian ini tidak

menggunakan Variabel Moderasi. Oleh karena itu, penelitian lanjutan

dapat menambahkan penggunaan Variabel Moderasi dalam model

penelitiannya untuk melihat adanya pengaruh Variabel Moderasi

terhadap faktor yang mempengaruhi niat untuk menggunakan Aplikasi

PLN Mobile menggunakan Variabel Moderasi. Oleh karena itu,

penelitian lanjutan

3. Penelitian selanjutnya dapat lebih memfokuskan penelitian di suatu

wilayah atau daerah di Indonesia, sebab pada penelitian ini, meskipun

cakupan wilayah yang digunakan adalah seluruh Indonesia, namun

mayoritas responden adalah berasal dari Kota Surabaya. Oleh sebab itu,

penelitian selanjutnya diharapkan dapat melakukan penelitian di

wilayah lainnya.

Berdasarkan hasil penelitian ini, saran yang dapat diberikan kepada

pihak penyedia Aplikasi PLN Mobile adalah sebagai berikut.

91
1. Saran yang diberikan kepada pihak penyedia Aplikasi PLN Mobile

yakni agar dapat memberikan informasi lebih dalam terkait dengan

pengoperasian Aplikasi PLN Mobile hingga informasi terkait

pembaharuan fitur dalam Aplikasi PLN Mobile, agar masyarakat

mengetahui fasilitas yang dapat diperoleh dari penggunaan Aplikasi

PLN Mobile. Dengan demikian, diharapkan pengguna dari Aplikasi

PLN Mobile akan semakin meluas.

2. Saran kepada pihak penyedia Aplikasi PLN Mobile agar dapat

memberikan bantuan kepada masyarakat seperti pemberian bantuan

berupa pengedukasian tata cara pengoperasian Aplikasi PLN Mobile

yang dilakukan terhadap masyarakat di wilayah-wilayah terpencil di

Indonesia maupun masyarakat yang minim pengetahuan tentang

teknologi baru.

92
 DAFTAR PUSTAKA

Abdillah, W. (2018). Metode Penelitian Terpadu Sistem Informasi (1st ed.).

Penerbit ANDI.

Al-Busaidi, H. A. S. (2012), A model of intention to use mobile government services,

a PhD thesis at School of Management and Information Systems, Faculty of

Business and Law, Victoria University.

Al-Busaidi, K. A. & Al-Shihi, H., (2012), Key factors to instructors’ satisfaction of

learning management systems in blended learning, Journal of Computing in

Higher Education, 24 (1), 18-39.

Akter, S., D’Ambra, J. & Ray, P., (2013), Development and validation of an

instrument to measure user perceived service quality of mHealth, Information

& Management, 50 (4), 181-195.

Anggraeni, Elisabet Yunaeti dan Rita Irvani. (2017). Pengantar Sistem Informasi.

Yogyakarta: CV. Andi Offset.

Antasari, K.., & Yaniartha, S. P. D. (2015). Pengaruh Efektivitas Sistem Informasi

Akuntansi dan Penggunaan Teknologi Informasi pada Kinerja Individual

dengan Kepuasan Kerja Variabel Pemoderasi. E-Jurnal Akuntansi.

Chin, W. W. (1998). The partial least squares approach to structural equation

modeling. Modern methods for business research, 295(2), 295-336.

Chin, W. (2000). Partial Least Squares For IS Researchers: An Overview and

Presentation of Recent Advances Using The PLS Approach. International

Conference on Information Systems, 88.

Chong, A. Y.-L., (2013a), Mobile commerce usage activities: The roles of

demographic and motivation variables, Technological Forecasting and Social

Change, 80 (7), 1350-1359.

93
Chong, A. Y.-L., (2013b), A two-staged SEM-neural network approach for

understanding and predicting the determinants of m-commerce adoption,

Expert Systems with Applications, 40 (4), 1240-1247.

Davis, F. (1989). Perceived usefulness, perceived ease of use, and user acceptance of

information technology. MIS Quarterly, 13(3), 319–340.

https://doi.org/10.1016/S0305-0483(98)00028-0.

Davis, G. B. (1991). Kerangka Dasar Sistem Informasi Manajemen Bagian 1. PT.

Pustaka Binamas Pressi.

Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1992). Extrinsic and Intrinsic

Motivation to Use Computers in the Workplace. Journal of Applied Social

Psychology, 22(14), 1111–1132. https://doi.org/10.1111/j.1559-

1816.1992.tb00945.

Delanno, G. F., & Deviani. (2013). Pengaruh Kapasitas SDM, Pemanfaatan TI dan

Pengawasan Keuangan Terhadap Nilai Informasi Pelaporan Keuangan

Pemerintah Daerah. Jurnal WRA, 1(1), 21–46.

Delone, W. H. & McLean, E. R., (2003), The DeLone and McLean model of

information systems success: a ten-year update, Journal of management

information systems, 19 (4), 9-30.

Diamantopoulos, A., & Siguaw, J. A. (2006). Formative versus reflective indicators

in organizational measure development: A comparison and empirical

illustration. British journal of management, 17(4), 263-282.

Ernawati, M., Hermaliani, E. H., & Sulistyowati, D. N. (2021). Penerapan DeLone

and McLean Model untuk Mengukur Kesuksesan Aplikasi Akademik

Mahasiswa Berbasis Mobile. Jurnal IKRA-ITH Informatika, 5(1), 58–67.

Ghozali, I. (2009). Aplikasi Analisis Multivariate dengan Program SPSS. UNDIP.

94
Ghozali, I., & Latan, H. (2012). Partial Least Squares: Konsep, Teknik dan Aplikasi

Menggunakan SmartPLS 3.0 Untuk Penelitian Empiris. Badan Penerbit

Universitas Diponegoro Semarang.

Hamdi, A. S., & Bahruddin, E. (2014). Metode Penelitian Kuantitatif Aplikasi Dalam

Pendidikan. Deepublish.

Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a silver bullet.

Journal of Marketing theory and Practice, 19(2), 139-152.

https://doi.org/10.2753/MTP1069-6679190202.

Hair Jr., J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate Data

Analysis. In Pharmaceutical Quality by Design: A Practical Approach (7th

ed.). Pearson Education Limited.

Hasan, M Iqbal. 2002. Pokok-pokok Materi Statistika 1 (Statistik Deskriptif). Edisi

Kedua. PT. Bumi Aksara. Jakarta.

Hinton, P., McMurray, I., & Brownlow, C., Cozens, B. (2004). SPSS explained.

Routledge.

Hutahaean, 2014. Konsep Sistem Informasi. Yogyakarta: s.n.

Islam, R., Islam, R., & Mazumder, T. A. (2010). Mobile Application and Its Global

Impact. International Journal of Engineering & Technology, 06, 72–78.

http://ijens.org/107506-0909 IJET-IJENS.pdf.

Kusumawardani, I.W., Wahyuni, E. D., & Suharso, W. (2018) Analisis Penerimaan

dan Penggunaan Aplikasi Work Order Android Menggunakan Metode

UTAUT Pada PDAM Kota Malang. doi: 10.25273/doubleclick.vli2.2127.

Lestari, P. A., Aknuranda, I., & Herlambang, A. D. (2019). Evaluasi Usability Pada

Antarmuka Pengguna Aplikasi PLN Mobile Menggunakan Metode Evaluasi

Heuristik. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer,

3(3).

95
Ling, L. W., Downe, A. G., Ahmad, W. F. W., & Lai, T. T. (2011). Determinants of

Computer Usage Among Educators: A Comparison between the UTAUT and

TAM models. National Postgraduate Conference.

Mahmoud, M. A., Badawi, U. A., Farag, T., Hassan, W., Alomari, Y. M., &

Alghamdi, F. A. (2021). Evaluation of User Experience in Mobile

Applications. International Journal of Innovation, Creativity and Change,

15(7), 536–552.

Maskey, R., Fei, J., & Nguyen, H. O. (2018). Use of exploratory factor analysis in

maritime research. The Asian journal of shipping and logistics, 34(2), 91-111.

Montazemi, A. R. & Saremi, H. Q., (2013), Factors affecting Internet banking pre-

usage expectation formation, In the proceeding of 46th Hawaii International

Conference on System Sciences, 4666-4675.

Moskowitz, H. R., Beckley, H. J., & Resurreccion, A. V. (2012). Sensory and

Consumer Research in Food Product Design and Development, Second

Edition.

Moon, B. C., & Chang, H. (2014). Technology Acceptance and Adoption of

Innovative Smartphone Uses Among Hospital Employees. Healtcare

Informatics Research,20(4),304-312.

Muhyuzir, T. D. (2001). Analisa Perancangan Sistem Pengolahan Data. PT. Elex

Media Komputind.

Nadhif, A. Z., & Niswah, F. 2018. Inovasi Layanan Pln Mobile Di PT. PLN (Persero)

Area Surabaya Selatan. Jurnal S1 Administrasi Negara Universitas Negeri

Surabaya, 6(2). https://doi.org/https://doi.org/10.26740/publika.v6n2.p%25p.

Pratiwi, Siti Sania., dan Oktarina, Tri., (2020). Analisis Perilaku Pengguna Aplikasi

PLN Mobile Menggunakan Model Unified Theory Of Acceptance And Use

Of Technology 2 (UTAUT 2). Bina Darma Conference on Computer.

96
Rachmadi, D. G., Sunarto, D., & Mastan, I. A. (2016). Measurement Acceptance of

UWKS Academic Smart Mobile Applications Using UTAUT (Unified

Theory Acceptance and Use of Technology). Jurnal Sistem Informasi dan

Komputer Akuntansi,5(1).

Roopa, S., & Rani, M. (2012). Questionnaire Designing for a Survey. The Journal of

Indian Orthodontic Society, 46(December), 273–277.

https://doi.org/10.5005/jp-journals-10021-1104

Rudito, B., & Famiola, M. (2013). Social Mapping: Metode Pemeta

Saputra, E. (2014). Analisis Penerimaan Sistem Informasi Manajemen Rumah Sakit

Umum Daerah Bankinang Menggunakan Metode Technology Acceptance

Model (TAM), 10(2).

Sarja, N. (2015). Analisis Penerimaan Sistem Informasi Dosen menggunakan

Technology Acceptance Model (TAM). Seminar Nasional Informatika.

Sharma, S., Al-Badi, A., Rana, N. & Al-Azizi, L. (2018). Mobile applications in

government services (mG-App) from user's perspectives: A predictive

modelling approach. Government Information Quarterly.

Samaradiwakara, G. D. M., & Chandra, G. (2014). Comparison of Existing

Technology Acceptance Theories and Models to Suggest a Weel Improved

Theory/Model.

Salloum, S. A., Alhamad, A. Q. M., Al-Emran, M., Monem, A. A., & Shaalan, K.

(2019). Exploring students'acceptance of e-learning through the development

of a comprehensive technology acceptance model. IEEE Access, 7, 128445–

128462. https://doi.org/10.1109/ACCESS.2019.293946

Tam, C. & Oliveira, T., (2016), Understanding the impact of m-banking on individual

performance: DeLone & McLean and TTF perspective, Computers in Human

Behavior, 61, 233-244.

97
Thompson, R. L., Higgins, C. A., & Howell, J. M. (1991). Personal Computing:

Toward a Conceptual Model of Utilization. MIS Quarterly, 15(1), 125–143.

Tracy, K. W. (2012). Mobile Application Development Experiences on Apples iOS

and Android OS. IEEE Potentials, 31(4), 30–34.

https://doi.org/10.1109/MPOT.2011.2182571.

Venkatesh, V. (2003). Angiogenesis induced by mast cell secretion in rat peritoneal

connective tissue is a process of three phases. Microvascular Research, 47(2),

252–269. https://doi.org/10.1006/mvre.1994.1019

Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User Acceptance

Of Information Technology: Toward A Unified View. MIS Quarterly, 27(3),

425–478.

Venkatesh, V., Thong, J. Y., Chan, F. K., Hu, P. J. H. & Brown, S. A., (2011),

Extending the two‐stage information systems continuance model:

Incorporating UTAUT predictors and the role of context, Information Systems

Journal, 21 (6), 527-555.

Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer Acceptance and Use of

Information Technology: Extending The Unified Theory Of Acceptance And

Use Of Technology. MIS quarterly, 157-178.

Venkatesh, Viswanath; Thong, James Y. L.; and Xu, Xin (2016) "Unified Theory of

Acceptance and Use of Technology: A Synthesis and the Road

Ahead," Journal of the Association for Information Systems, 17(5).

Vergragt, P. J. (2006). How Technology Could Contribute to a Sustainable World.

Great Transition Initiative: Towards a New Praxis Paper Series, 1–26.

Walrave, M., Waeterloos, C., & Ponnet, K. (2021). Ready or Not for Contact Tracing?

Investigating the Adoption Intention of COVID-19 Contact-Tracing

Technology Using an Extended Unified Theory of Acceptance and Use of

98
 Technology Model. Cyberpsychology, Behavior, and Social Networking,

24(6), 377–383. https://doi.org/10.1089/cyber.2020.0483.

Widiani, Y. N., & Abdullah, A. (2018). Kualitas Pelayanan E-Government Melalui

Aplikasi E-Filling Kantor Pelayanan Pajak Pratama Bandung Cibeunying

Terhadap Kepuasan Pengguna Aplikasi. Jurnal Riset Bisnis dan

Manajemen,11(2),88-96.

Wong, K. K.-K. (2013). Partial Least Squares Structural Equation Modeling (PLS-

SEM) Techniques Using SmartPLS. Marketing Bulletin, 24(1), 1–32.

Retrieved from: http://marketing-

bulletin.massey.ac.nz/v24/mb_v24_t1_wong.pdf%5Cnhttp://www.researchg

ate.net/profile/Ken_Wong10/publication/268449353_Partial_Least_Squares

_Structural_Equation_Modeling_(PLS-SEM)

Techniques_Using_SmartPLS/links/54773b1b0cf293e2da25e3f3.pdf.

Yusuf, A. M. (2014). Metode Penelitian Kuantitatif, Kualitatif & Penelitian

Gabungan. Kencana.

Zahra Nadhif, A. (2018). Inovasi layanan pln mobile di pt. pln (persero)area surabaya

selatan. Publika, 6(2).

99
LAMPIRAN

100
Lampiran 1. Tampilan Kuesioner Online

101
102
103
104
105
106
107
108
109
110
Lampiran 2. Data Jawaban Kuesioner Responden

111
112
113
114
115
116
117
118
119
120
Lampiran 3. Data Demografi Responden

121
122
123
Lampiran 4. Analisis Deskriptif Variabel

124
125
126
127
128
129
130
Lampiran 5. Uji Validitas dan Reliabilitas Pretest Kuesioner

131
132
Lampiran 6. Uji Validitas dan Reliabilitas 400 Responden

133
134
Lampiran 7. Hasil Uji VIF dan R-Square

135
Lampiran 8. Hasil Uji Hipotesis Bootstrapping

Lampiran 9. Hasil Uji Bootstrapping

136