Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Jurnal Ritel dan Layanan Konsumen 58 (2021) 102300

Daftar isi tersedia diScienceDirect

Jurnal Ritel dan Layanan Konsumen

halaman utama jurnal:http://www.elsevier.com/locate/jretconser

Kode QR dan pembayaran seluler: Kekuatan yang mengganggu dalam ritel

Li Ya Yansebuah, Garry Wei-Han Tanb,c,*, Xiu-Ming Lohsebuah, Jun-Jie Hewsebuah, Keng-Boon Ooib,d
sebuahFakultas Bisnis dan Keuangan, Universiti Tunku Abdul Rahman, Kampar, Malaysia
bFakultasBisnis dan Manajemen, Universitas UCSI, Kuala Lumpur, Malaysia
cSekolah Keuangan dan Ekonomi, Institut Teknologi Nanchang, Kota Nan Chang, Cina

d Sekolah Tinggi Manajemen, Universitas Kristen Chang Jung, Kota Tainan, Taiwan

INFO ARTIKEL ABSTRAK

Kata kunci: Munculnya mobile payment (m-payment) mengakibatkan disrupsi pada banyak sektor bisnis, khususnya industri
Kode QR retail. Namun, penerimaan m-payment masih memiliki banyak ruang untuk perbaikan. Oleh karena itu, penelitian ini
Pembayaran seluler
dimaksudkan untuk memastikan anteseden kritis yang memengaruhi niat adopsi m-payment, khususnya jenis m-
Industri ritel
payment yang menggunakan teknologi kode Quick Response (QR), melalui Model Penerimaan Teknologi Seluler
Model Penerimaan Teknologi Seluler
yang diperluas. Selain menawarkan beberapa implikasi teoretis, berbagai implikasi praktis juga diberikan kepada
Mobile commerce
para pemangku kepentingan di sektor ritel.

1. Perkenalan
Dalam beberapa tahun terakhir, masyarakat umum tidak lagi dibatasi untuk
membayar produk dan layanan dengan uang tunai atau kartu kredit/debit karena
jumlah metode pembayaran yang tersedia telah meningkat (de Luna et al., 2019).
Salah satunya adalah pembayaran mobile (m-payment), layanan seluler serbaguna
yang memungkinkan konsumen untuk mendapatkan produk dan layanan melalui
pemanfaatan smartphone (Chawla dan Joshi, 2019). Di Malaysia, pemerintah telah
menyadari manfaat m-payment dan telah berupaya mempercepat promosi
penerapannya (Lee dan Khaw, 2018), seperti memberikan insentif satu kali
sebesar RM30 kepada warga Malaysia yang memenuhi syarat yang menggunakan
m-payment pada tahun 2020 (Zahid, 2019). Sehubungan dengan hal tersebut,
hanya tiga dari penyedia layanan m-payment terkemuka yang terpilih untuk
mengucurkan insentif kepada penggunanya, yaitu Touch 'n Go eWallet, Boost, dan
GrabPay (Khazanah Nasional Berhad, 2019). Namun, cukup mengejutkan bahwa
m-payment jarang digunakan di Malaysia. M-payment hanya menghasilkan sekitar
10% dari total pembayaran di Malaysia (Yun, 2019). Selain itu, uang tunai dan
kartu saat ini masih menjadi metode pembayaran teratas yang digunakan
meskipun ada upaya untuk mengubah Malaysia menjadi masyarakat tanpa uang
tunai (Nielsen, 2019). Semua ini menunjukkan fakta bahwa ada kebutuhan untuk
lebih memahami pendorong adopsi kode Quick Response (QR) m-payment karena
negara ini terlihat beralih ke masyarakat tanpa uang tunai.
Sehubungan dengan hal tersebut, Model Penerimaan Teknologi Seluler
(MTAM) digunakan sebagai model dasar mengingat pokok bahasan penelitian ini
adalah layanan terkait seluler. Selanjutnya, penelitian ini memperluas
model sebagai basis MTAM hanya memiliki dua konstruksi. Oleh karena itu,
tujuan penelitian adalah untuk melihat anteseden utama yang berdampak
pada adopsi m-payment melalui sudut pandang negara berkembang serta
untuk menguji ketangguhan MTAM dengan variabel tambahan dari dimensi
lain.
Praktisnya, m-payment berpotensi menjadi disrupsi yang signifikan di
berbagai sektor. Namun, karena rendahnya pemanfaatan m-payment oleh
pengguna di Malaysia, terdapat potensi yang belum dimanfaatkan dalam
hal aplikasinya di masa depan (Yun, 2019). Oleh karena itu, pengaturan ini
memberi bisnis banyak kemungkinan untuk meningkatkan proses
operasional mereka. Secara keseluruhan, studi ini memberikan wawasan
dan temuan yang bernilai signifikan bagi banyak pemangku kepentingan
seperti pemerintah dan pelaku usaha. Selain itu, studi sebelumnya yang
melihat m-payment sebagian besar didekati dari perspektif umum.
Mengingat ada beberapa m-payment yang berbeda yang menggunakan
teknologi near field communication (NFC), kode QR, dan lain-lain (de Luna et
al., 2019), fokus dari penelitian ini khususnya pada QR code m-payment
karena penyedia layanan m-payment terkemuka di Malaysia menyediakan
layanan mereka berdasarkan teknologi ini (Khazanah Nasional Berhad, 2019
). Selain itu, anteseden yang memengaruhi niat adopsi m-payment diselidiki
melalui MTAM yang diperluas secara unik yang menyertakan variabel
relevan lainnya untuk temuan yang lebih komprehensif. Secara keseluruhan,
model yang diperluas secara unik ini dan temuannya memajukan
perkembangan literatur penerimaan teknologi seluler saat ini.

* Penulis yang sesuai. Fakultas Bisnis dan Manajemen, Universitas UCSI, Kuala Lumpur, Malaysia.
Alamat email:876817684@qq.com (L.-Y. Yan),GarryTan@ucsiuniversity.edu.my (GW-H. Tan),lohxm@utar.edu.my (X.-M. Loh),hewjj@utar.edu.my (J.-J. Hew),
ooikb@ucsiuniversity.edu.my (K.-B.Ooi).

https://doi.org/10.1016/j.jretconser.2020.102300
Diterima 24 Januari 2020; Diterima dalam bentuk revisi 7 Mei 2020; Diterima 3 September 2020 0969-6989/©
2020 Elsevier Ltd. Semua hak dilindungi undang-undang.
L.-Y. Yan dkk.
2. Tinjauan literatur
2.1. Model Penerimaan Teknologi Seluler (MTAM)
MTAM didirikan olehOoi dan Tan (2016)mengingat kelemahan bawaan dari
Technology Acceptance Model (TAM) yang asli. Salah satu batasan utama TAM
adalah definisi aslinya. Dalam bentuknya yang paling benar, definisi variabel
dibatasi dalam konteks organisasi. Ini adalah masalah karena adopsi teknologi di
luar tempat kerja bervariasi pada berbagai aspek seperti jenis dan kerumitan
tugas (Brown et al., 2006). Selain itu, pengguna merespons secara berbeda
terhadap pengaturan elektronik dan seluler. Misalnya, kemudahan penggunaan
yang dirasakan oleh pengguna seluler akan berbeda dari mereka yang
menggunakan komputer desktop dalam hal masa pakai baterai dan ukuran layar (
Tan et al., 2014). Dengan demikian, MTAM dikembangkan untuk secara khusus
menyesuaikan dengan lingkungan seluler untuk penelitian teknologi informasi.
Para peneliti secara komprehensif melihat dan memberikan elaborasi ekstensif
pada model teknologi informasi terkemuka yang digunakan untuk memahami
adopsi teknologi inovatif dan keterbatasannya dalam penelitian mobile.
Berdasarkan hal tersebut, mereka membuat model yang terdiri dari dua variabel,
yaitu kegunaan seluler (MU) dan kemudahan penggunaan seluler (MEOU).
Selain itu, TAM saja tidak komprehensif dalam memperhitungkan
perubahan adopsi teknologi inovatif (Gu et al., 2009). TAM ditemukan
hampir tidak dapat menutupi 40% dari perubahan niat penggunaan dan
perilaku adopsi teknologi baru (Legris et al., 2003). Dengan hanya dua
penentu, TAM kekurangan variabel lain yang akan dianggap penting dalam
mempengaruhi adopsi teknologi inovatif (Luarn dan Lin, 2005).Phan dan
Daim (2011), sebaik Benbasat dan Barki (2007), menyarankan bahwa
mengatasi kelemahan ini akan membutuhkan lebih banyak variabel untuk
ditambahkan untuk mencapai pemahaman yang lebih rinci tentang
anteseden yang mempengaruhi adopsi teknologi inovatif, khususnya untuk
layanan seluler. Dengan demikian, faktor-faktor di luar dimensi teknologi
harus disertakan (Kim et al., 2010;Chen, 2008). Selain itu,Ooi dan Tan (2016)
awalnya mengusulkan MTAM sebagai model yang diperluas. Mereka
mempelajari adopsi kartu kredit smartphone menggunakan MU dan MEOU
(yaitu variabel MTAM) dengan variabel tambahan lainnya.
Dengan demikian, MTAM adalah model yang paling cocok karena konteks
penelitian ini sangat mirip dengan latar asli yang pertama kali dikembangkan.
Karena penentuan adopsi yang berhasil bersifat multidimensi (Tan et al., 2014;
Leong et al., 2013), perpanjangan MTAM dilakukan untuk menjelaskan lebih lanjut
tentang kode QR m-payment dengan memasukkan variabel penting lainnya yaitu
kenyamanan transaksi yang dirasakan (PTC), kecepatan transaksi yang dirasakan
(PTS), optimisme (OP), dan inovasi pribadi ( PI). Kerangka yang diusulkan
ditunjukkan padaGambar 1.
3. Pengembangan hipotesis
MU dalam penelitian ini dianggap sebagai sejauh mana penggunaan QR
Gambar 1.Model teoritis yang diusulkan.
2
Jurnal Ritel dan Layanan Konsumen 58 (2021) 102300
kode m-payment meningkatkan kinerja individu dalam melakukan transaksi (
Kaatz, 2020;Ooi dan Tan, 2016). Secara khusus, teknologi atau layanan seluler
mewakili pembayaran m-kode QR dalam penelitian ini. Karena pengguna akan
mengevaluasi manfaat menggunakan pembayaran m kode QR dengan metode
pembayaran lain sebelum mengadopsinya (Shankar dan Datta, 2018),
kegunaannya akan menjadi signifikan dalam menentukan pengadopsiannya. Niat
perilaku (BI) untuk adopsi m-pembayaran kode QR ditemukan secara signifikan
dipengaruhi oleh kegunaan (de Luna et al., 2019). Selain itu, pengaruh yang
signifikan dari kegunaan pada BI untuk mengadopsi m-payment serupa dalam
konteks Asia Tenggara (Nguyen et al., 2016). Secara khusus,Ooi dan Tan (2016)
menemukan bahwa MU berdampak signifikan terhadap BI m-payment di
Malaysia. Dengan demikian, hipotesis di bawah ini dikembangkan:
H1. MU memiliki hubungan positif dengan BI untuk mengadopsi pembayaran
kode QR.
MEOU didefinisikan dalam penelitian ini sebagai sejauh mana penggunaan kode QR
m-payment bebas dari usaha (Ooi dan Tan, 2016). Secara kontekstual, dalam penelitian
ini, teknologi atau layanan seluler merepresentasikan kode QR m-payment. Agar
pengguna cenderung mengadopsi pembayaran m-kode QR, itu harus mudah
sehubungan dengan upaya yang diperlukan untuk mempelajari dan menggunakan.
Pentingnya MEOU pada BI untuk mengadopsi m-payment sudah lazim. Studi oleh
Arvidson (2014),Nyaboga et al. (2015), sebaikShankar dan Datta (2018)yang dilakukan di
Swedia, Kenya, dan India masing-masing menemukan bahwa kemudahan penggunaan
merupakan anteseden penting dalam mempengaruhi BI untuk mengadopsi m-payment.
Khusus di Malaysia,Tan dkk. (2014) menemukan bahwa MEOU memiliki hubungan positif
yang signifikan dengan BI untuk mengadopsi m-payment. Dengan demikian, hipotesis di
bawah ini dikembangkan:
H2. MEOU memiliki hubungan positif dengan BI untuk mengadopsi pembayaran
kode QR.
Dalam studi ini, PTC mengacu pada sejauh mana individu mempersepsikan
kode QR m-payment meningkatkan kenyamanan dalam proses pembayaran (
Chen, 2008;Boden et al., 2020). Layanan m-payment tunggal memiliki kemampuan
untuk menggantikan beberapa alternatif pembayaran seperti uang tunai dan
kartu kredit/debit (Ramton, 2017). Dengan demikian, pengguna dapat menyimpan
dan menggunakan banyak rekening kartu ke dalam layanan m-payment dan
menikmati kenyamanan karena tidak perlu membawa uang tunai serta beberapa
kartu plastik. PTC telah ditemukan secara signifikan mempengaruhi kegunaan m-
payment oleh sejumlah penelitian sebelumnya (De Kerviler et al., 2016; Chen dan
Nath, 2008). Dengan kata lain, bagian dari kegunaan yang mempengaruhi niat
adopsi m-payment adalah dalam bentuk kemudahan. Lebih khusus lagi,
pengguna hanya perlu memindai kode QR dan mengotentikasi transaksi dengan
perangkat m-payment mereka. Dengan demikian, hipotesis di bawah ini
dikembangkan:
H3. PTC memiliki hubungan positif dengan MU.
Diadaptasi dariChen (2008), PTS dalam penelitian ini didefinisikan sebagai
sejauh mana individu mempersepsikan kode QR m-payment meningkatkan
L.-Y. Yan dkk. Jurnal Ritel dan Layanan Konsumen 58 (2021) 102300

kecepatan transaksi dalam proses pembayaran. Saat ini, kecepatan transaksi
internet dan data di Malaysia telah meningkat secara substansial dalam beberapa
tahun terakhir (Yunus dan Jalil, 2019). Ini akan memudahkan pengguna untuk
melakukan proses pembayaran lebih cepat dengan kode QR m-payment yang
pada akhirnya akan berkontribusi pada kemudahan penggunaannya. Secara
khusus, pengaruh signifikan PTS terhadap kemudahan penggunaan m-payment di
Malaysia ditemukan oleh Teo dkk. (2015). Dengan kata lain, bagian dari
kemudahan penggunaan yang berdampak pada niat adopsi m-payment adalah
dalam hal kecepatan. Kode QR m-payment ditandai dengan teknologi respons
cepat yang pada akhirnya menghasilkan penyelesaian transaksi yang cepat. Oleh
karena itu, hipotesis di bawah ini dikembangkan:
H4. PTS memiliki hubungan positif dengan MEOU.
OP mengacu pada pandangan positif terhadap teknologi yang memberikan
peningkatan efisiensi, fleksibilitas, dan kontrol dalam kehidupan masyarakat (
Parasuraman dan Colby, 2015).Walczuch dkk. (2007)menambahkan bahwa mereka
yang optimis akan cenderung kurang menekankan pada aspek negatif dan
dengan demikian, akan memiliki kecenderungan lebih besar untuk mengadopsi
teknologi inovatif. Namun, banyak penelitian sebelumnya hanya meneliti dampak
OP terhadap kegunaan dan kemudahan penggunaan. Terlepas dari hasil yang
bervariasi, temuan umum adalah bahwa OP memiliki hubungan positif dengan
kegunaan dan kemudahan penggunaan dalam pengaturan terkait seluler (Oh et
al., 2014;Shin dan Lee, 2014;Kumar dan Mukherjee, 2013). Lebih-lebih lagi,
dikumpulkan untuk lebih mencerminkan situasi yang dihadapi. Oleh karena
itu, calon responden ditanya terlebih dahulu apakah mereka memiliki
smartphone sebelum diminta untuk berpartisipasi dalam survei. Kuesioner
hanya diberikan kepada mereka yang setuju untuk berpartisipasi dan
dikumpulkan segera setelah peserta menyelesaikan semua bagian.
Alat pengumpulan data adalah kuesioner survei yang dikembangkan
dengan mengacu pada studi sebelumnya. Semua item pengukuran diukur
menggunakan skala Likert tujuh poin yang berkisar dari (1) sangat tidak
setuju hingga (7) sangat setuju. Item kuesioner dan referensi masing-
masing tercantum dalamTabel 1.
Selain itu, "aturan 10 kali" yang diusulkan olehRambut dkk. (2017)digunakan
untuk mengatur ukuran sampel minimum. Secara keseluruhan, ada empat jalur
struktural yang menunjuk ke variabel endogen dengan jumlah jalur struktural
masuk terbanyak (yaitu, BI). Oleh karena itu, 40 tanggapan dihitung
Tabel 1
Item pengukuran.
Konstruksi Item Pengukuran Sumber
Kegunaan Seluler (MU) MU1: Menggunakan pembayaran seluler kode QR Ooi dan
meningkatkan produktivitas saya dalam pembelian. Tan (2016)
MU2: Menggunakan pembayaran seluler kode QR
meningkatkan efektivitas saya dalam pekerjaan
sehari-hari.

Humbani dan Wiese (2018)melihat pengaruh langsung OP pada adopsi m- MU3: Menggunakan pembayaran seluler kode QR
membuat penanganan pembayaran lebih mudah.
payment dan menemukan mereka terkait secara positif. Dengan demikian,
MU4: Secara keseluruhan, menurut saya pembayaran
hipotesis di bawah ini dikembangkan: seluler dengan kode QR menguntungkan. MEOU1:
Kemudahan Penggunaan Seluler Belajar menggunakan pembayaran seluler kode QR Ooi dan
H5. OP memiliki hubungan positif dengan BI untuk mengadopsi pembayaran kode
(MEOU) mudah bagi saya. Tan (2016)
QR. MEOU2: Menggunakan pembayaran seluler kode
QR tidak memerlukan banyak upaya mental.
PI didefinisikan sebagai tingkat keinginan seseorang untuk
MEOU3: Interaksi dengan pembayaran seluler
mengeksplorasi metode pembayaran m baru (Kim et al., 2010). Dalam kode QR jelas dan
sejumlah penelitian, PI diidentifikasi sebagai faktor signifikan dalam adopsi dimengerti.
produk baru meskipun tidak dimasukkan ke dalam model penerimaan MEOU4: Akan mudah bagi saya untuk menjadi
ahli dalam menggunakan layanan pembayaran
teknologi yang lebih populer.Cowart et al., 2008). Temuan studi terbaru
seluler kode QR.
lainnya mendukung efek positif signifikan yang dimiliki PI terhadap niat Transaksi yang Dirasakan PTC1: Pembayaran seluler kode QR Teo dkk.
adopsi m-payment dalam konteks geografis yang berbeda (Zhang et al., Kenyamanan (PTC) sederhana dan nyaman. (2015)
2018;Makki et al., 2016;Oliveira et al., 2016). Satu studi, khususnya, meneliti PTC2: Pembayaran seluler kode QR selalu dapat

anteseden yang memengaruhi niat adopsi pembayaran m non-pengguna di diakses.

PTC3: Saya dapat menyelesaikan pembelian
Inggris Raya dan juga menemukan bahwa PI adalah penentu yang signifikan
saya tanpa kesulitan. PTS1: Saya percaya bahwa
(Slade et al., 2015). Dengan demikian, hipotesis di bawah ini dikembangkan: Transaksi yang Dirasakan menggunakan pembayaran seluler kode QR Teo dkk.
Kecepatan (PTS) akan meningkatkan kecepatan transaksi. (2015)

H6. PI memiliki hubungan positif dengan BI untuk mengadopsi pembayaran kode PTS2: Menggunakan pembayaran seluler kode QR

QR. membantu saya mengurangi waktu yang dihabiskan

untuk berbelanja.
Gambar 1menunjukkan model teoritis yang diusulkan berdasarkan PTS3: Dibandingkan dengan metode pembayaran
hipotesis tersebut. tradisional, saya yakin transaksi akan lebih cepat jika
saya menggunakan pembayaran seluler kode QR.
Optimisme (OP) OP1: Teknologi memberi saya lebih banyak kendali Lu dkk.
4. Metodologi penelitian atas kehidupan sehari-hari saya. (2011)
OP2: Produk dan layanan yang
Responden sasaran adalah pengguna smartphone di Lembah menggunakan teknologi terbaru jauh lebih
Klang. Ini karena pokok bahasan penelitian ini sangat melibatkan nyaman digunakan.
OP3: Saya menyukai ide berbisnis melalui
penggunaan smartphone dan Lembah Klang memiliki sekitar
teknologi karena saya tidak terbatas pada
seperempat dari total populasi Malaysia (Departemen Statistik cara biasa.
Malaysia, 2018). Selain itu, Selangor dan Kuala Lumpur yang tercakup Inovasi Pribadi PI1: Saya suka bereksperimen dengan Slade dkk.
dalam wilayah Lembah Klang masing-masing memiliki jumlah (PI) teknologi baru. (2015)
PI2: Saya akan mencari cara untuk mencoba
pengguna smartphone terbanyak pertama dan ketiga di Malaysia (
teknologi baru.
Statistik, 2019). Secara khusus, lokasi pengambilan sampel dipilih dari
PI3: Di antara teman-teman saya, biasanya saya
daftar lima pusat perbelanjaan besar di Lembah Klang (Cina, 2018). yang pertama mencoba teknologi baru.
Alasannya karena lalu lintas konsumen yang tinggi dengan demografi Niat Perilaku BI1: Saya bermaksud untuk meningkatkan Tan dkk.
berbeda hadir di pusat perbelanjaan (Wong et al., 2015;Tan dan Ooi, (DUA) penggunaan pembayaran seluler kode QR di masa (2014)
mendatang. BI2: Saya bermaksud menggunakan
2018). Selain itu, waktu pengumpulan data bervariasi untuk mencegah
pembayaran seluler kode QR saat ada peluang. BI3:
bias sampel (Hew et al., 2017). Saya ingin menggunakan pembayaran seluler kode
Karena sampel memerlukan tingkat penyaringan untuk memastikan QR untuk pembelian, bukan metode pembayaran

pemilihan peserta yang memiliki pengetahuan atau pengalaman yang relevan tradisional. (misalnya Tunai) BI4: Saya akan sangat
menyarankan kepada orang lain untuk menggunakan
dengan materi pelajaran saat ini, sampling purposive digunakan (Etikan et al.,
pembayaran seluler kode QR.
2016). Secara keseluruhan, purposive sampling memungkinkan data

3
L.-Y. Yan dkk. Jurnal Ritel dan Layanan Konsumen 58 (2021) 102300

sebagai ukuran sampel minimum untuk menjalankan analisis Partial Least datang untuk menggunakan pembayaran seluler kode QR dalam 12 bulan terakhir, lebih
Squares-Structural Equation Modeling (PLS-SEM). Selain itu, G*Power versi dari setengahnya menunjukkan 1–10 kali sedangkan hampir seperlimanya menunjukkan
3.1 dengan kekuatan statistik 0,8, margin error 0,05, ukuran efek 0,15, dan 11–20 kali.
enam prediktor juga digunakan untuk menentukan ukuran sampel
minimum. Hasilnya merekomendasikan ukuran sampel minimum 98.
5.2. Analisis statistik
Ukuran sampel minimum mengacu pada batas bawah ukuran sampel yang
diperlukan untuk mengonfirmasi atau menolak adanya efek minimum
Analisis PLS-SEM dilakukan melalui SmartPLS versi 3.2.8 untuk
dalam SEM pada tingkat signifikansi dan kekuatan tertentu (Tanah Barat,
menganalisis model pengukuran dan struktural. Seperti yang diusulkan oleh
2010). Namun demikian, peneliti selalu diharuskan memiliki ukuran sampel
Tan dkk. (2018), PLS-SEM cocok karena akurasi prediksi yang lebih tinggi dari
yang lebih besar dari ukuran sampel minimum saat melakukan analisis PLS-
model penelitian yang kompleks. Selain itu, PLS-SEM dapat mengakomodir
SEM (Kock dan Hadaya, 2018), sebagai "sampel yang lebih besar lebih akurat
pelanggaran distribusi normalitas data. Menggunakan alat online Web
mewakili karakteristik populasi dari mana mereka berasal" (Vanvoorhis dan
Power, koefisien kemiringan multivariat Mardia adalah (β = 9,08,p < 0,001)
Morgan, 2007, hal.45). Secara keseluruhan, penelitian ini menyebarkan 380
dan kurtosis multivariat Mardia adalah (β = 87,54,p <0,001), sehingga
kuesioner, dimana hanya 333 kuesioner yang dapat digunakan. Ini
memberikan dukungan bahwa data tidak berdistribusi normal. Oleh karena
memberikan tingkat respons 87,6%, membuatnya agak mirip dengan studi
itu, kesesuaian penggunaan PLS-SEM ditetapkan.
terkait pembayaran m sebelumnya yang dilakukan di Malaysia (Ooi dan Tan,
2016) dan memenuhi ukuran sampel minimum yang diperlukan untuk
5.2.1. Bias metode umum (CMB)
mengkonfirmasi atau menolak adanya efek minimum.
Karena pengumpulan data beberapa variabel berasal dari subjek yang
sama dalam survei kuesioner, CMB mungkin ada. Untuk memeriksa
5. Analisis data
besarnya bias tersebut, analisis faktor metode umum digunakan (Liang et
al., 2007). Semua Rsebuahsecara statistik signifikan pada p< 0,001 dengan
5.1. Profil responden
rata-rata 0,86 seperti yang ditunjukkan padaTabel 3. Selain itu, 22 dari 24 Rb
tidak signifikan dengan nilai kecil dan negatif. Dengan demikian, CMB telah
BerdasarkanMeja 2, campuran jenis kelamin antara laki-laki dan perempuan adalah
ditentukan untuk tidak menjadi masalah yang signifikan.
45,9% dan 54,1% masing-masing. Responden sebagian besar berusia muda
karena mereka yang berusia di bawah 20 tahun dan 21–25 tahun merupakan
mayoritas responden. Dengan demikian, terlihat bahwa banyak dari responden 5.3. Menilai model pengukuran luar
adalah mahasiswa yang belum atau sedang menempuh pendidikan tinggi.
Sehubungan dengan ini, juga sejalan bahwa hampir separuh dari mereka Keandalan komposit (CR) dan Cronbach's Alpha digunakan untuk menguji
memperoleh pendapatan bulanan kurang dari RM1000. Terakhir, ketika itu
Tabel 3
Analisis faktor metode umum.
Meja 2 Terpendam> Indikator Faktor substantif Ra2 Faktor metode Rp2
Statistik deskriptif. Membangun memuat (Ra) memuat (Rb)

Karakteristik demografis Frekuensi Persentase DUA BI ->BI1 0,84*** 0,71 − 0,01NS 0,00
(%) BI ->BI2 0,95*** 0,90 − 0,12NS 0,01
BI ->BI3 0,83*** 0,69 0,00NS 0,00
Jenis kelamin Pria 153 45.9
BI ->BI4 0,75*** 0,56 0,13NS 0,02
Perempuan 180 54.1
MEOU MEOU -> 0,84*** 0,71 0,03NS 0,00
Usia 20 tahun ke 103 30.9 MEOU1
bawah MEOU -> 0,95*** 0,90 − 0,14** 0,02
21–25 tahun 149 44.7 MEOU2
26–30 tahun 45 13.5 MEOU -> 0,84*** 0,71 0,05NS 0,00
31–35 tahun 19 5.7 MEOU3
36–40 tahun 12 3.6 MEOU -> 0,82*** 0,68 0,06NS 0,00
40 tahun ke atas 5 1.5 MEOU4
MU MU ->MU1 0,91*** 0,82 − 0,02NS 0,00
MU ->MU2 0,91*** 0,82 − 0,01NS 0,00
Tingkat pendidikan saat ini Tidak ada gelar sarjana 75 22.5
MU ->MU3 0,82*** 0,67 0,08NS 0,01
Diploma/Lanjutan 82 24.6
MU ->MU4 0,94*** 0,88 − 0,05NS 0,00
diploma
OP OP ->OP1 0,92*** 0,85 − 0,07NS 0,01
Gelar sarjana muda/ 151 45.3
OP ->OP2 0,87*** 0,75 0,01NS 0,00
Profesional
OP ->OP3 0,79*** 0,63 0,07NS 0,00
kualifikasi
PI PI ->PI1 0,85*** 0,73 0,05NS 0,00
gelar Magister/PhD 25 7.5
PI ->PI2 0,92*** 0,85 0,00NS 0,00
Pekerjaan Siswa 171 51.4 PI ->PI3 0,79*** 0,62 − 0,06NS 0,00
Bekerja Profesional 98 29.4 PTC PTC -> 0,71*** 0,50 0,21*** 0,04
Bekerja sendiri 32 9.6 PTC1
Yang lain 32 9.6 PTC -> 0,92*** 0,84 − 0,10NS 0,01
PTC2
Pendapatan bulanan Di bawah atau sama 165 49.5
PTC -> 0,98*** 0,95 − 0,11NS 0,01
dengan RM1000
PTC3
RM1001-RM2000 46 13.8
PTS PTS ->PTS1 0,85*** 0,73 0,03NS 0,00
RM2001-RM3000 65 19.5
PTS ->PTS2 0,91*** 0,83 − 0,14NS 0,02
RM3001-RM4000 25 7.5
PTS ->PTS3 0,80*** 0,64 0,09NS 0,01
RM4001-RM5000 13 3.9
RM5001 ke atas 19 5.7 Rata-rata 0,86 0,75 0,00 0,01

Frekuensi penggunaan kode QR 1-10 kali 176 52.9 Catatan:

pembayaran seluler dalam 11-20 kali 66 19.8 sebuah. BI = Niat Perilaku; MU = Kegunaan Seluler; MEOU = Kemudahan
12 bulan terakhir 21-30 kali 22 6.6 Penggunaan Seluler; PTC = Persepsi Kenyamanan Transaksi; PTS = Kecepatan
31-40 kali 25 7.5
Transaksi yang Dirasakan; OP = Optimisme; PI = Inovasi Pribadi.
Lebih dari 40 kali 44 13.2
b. ***p <0,001, **p <0,01,NShal >0,05.

4
L.-Y. Yan dkk. Jurnal Ritel dan Layanan Konsumen 58 (2021) 102300

keandalan. Dengan mengacuTabel 4, semua nilai CR dan Cronbach's Alpha Tabel 5

adalah 0,81 ke atas. Ini menyiratkan bahwa semua ukuran konstruk yang Hetero-Trait-Mono-Trait (inferensi HTMT).
diadopsi dalam penelitian ini memiliki reliabilitas yang sangat baik (Sekaran Jalur Sampel Asli (O) Rata-Rata Sampel (M) 2,50% 97,50%
dan Bougie, 2016). Selain itu, validitas konvergen juga tercapai karena
MEOU ->DUA 0,581 0,582 0,462 0,691
semua rata-rata Variance Extracted (AVE) konstruk berada di atas 0,50 MU->DUA 0,630 0,630 0,523 0,725
sedangkan nilai outer loading setiap item pengukuran di atas 0,70 (Rambut MU ->MEOU 0,817 0,816 0,741 0,882
et al., 2017). Selain itu, inferensi Hetero-Trait-Mono-Trait (HTMT) digunakan OP ->DUA 0,634 0,634 0,516 0,737
untuk mengevaluasi validitas diskriminan. Interval kepercayaan OP ->MEOU 0,702 0,703 0,610 0,789
OP ->MU 0,701 0,701 0,613 0,782
menghasilkanTabel 5menunjukkan bahwa semua nilai di bawah satu, yang
PI ->DUA 0,478 0,477 0,345 0,599
jelas mendukung bahwa semua konstruksi berbeda satu sama lain dengan PI ->MEOU 0,543 0,545 0,406 0,679
standar empiris (Rambut et al., 2017). PI ->MU 0,492 0,493 0,355 0,622
PI ->OP 0,733 0,733 0,625 0,831
PTC ->DUA 0,694 0,694 0,593 0,784
5.4. Memeriksa model struktural bagian dalam
PTC ->MEOU 0,734 0,733 0,626 0,824
PTC ->MU 0,784 0,782 0,699 0,853
Dengan nilai-p 0,05 atau lebih rendah ditetapkan sebagai tingkat signifikansi, PTC ->OP 0,736 0,736 0,645 0,816
model struktural bagian dalam dianalisis.Tabel 6danGambar 2menunjukkan PTC ->PI 0,557 0,559 0,416 0,698
PTS ->DUA 0,785 0,785 0,701 0,860
bahwa selain ituH2 danH6, semua hipotesis lain didukung. MU (β = 0,294,p <0,001)
PTS ->MEOU 0,704 0,704 0,604 0,794
dan OP (β = 0,255,p <0,001) secara signifikan terkait dengan BI untuk mengadopsi PTS ->MU 0,725 0,724 0,631 0,806
pembayaran seluler kode QR. Selanjutnya, PTC (β = 0,689,p < 0,001) dan PTS (β = PTS ->OP 0,652 0,652 0,539 0,759
0,602,p <0,001) masing-masing memiliki hubungan yang signifikan dengan MU PTS ->PI 0,540 0,541 0,399 0,674
dan MEOU. Sebaliknya, dua konstruk yang MEOU (β = 0,111,hal >0,05) dan PI (β = PTS ->PTC 0,864 0,863 0,791 0,927

0,074,hal >0,05) tidak berhasil membayangkan BI untuk mengadopsi pembayaran Catatan:

seluler kode QR. BI = Niat Perilaku; MU = Kegunaan Seluler; MEOU = Kemudahan Penggunaan
Secara keseluruhan, 39,2% perubahan BI untuk mengadopsi pembayaran Seluler; PTC = Persepsi Kenyamanan Transaksi; PTS = Kecepatan Transaksi yang
seluler kode QR dijelaskan oleh semua variabel yang digunakan. Selanjutnya, PTC Dirasakan; OP = Optimisme; PI = Inovasi Pribadi.
dan PTS masing-masing menyumbang 47,5% dari perubahan MU dan 36,2% dari
perubahan MEOU. (Cohen, 2013). Untuk ukuran efek, f2dinilai untuk menetapkan intensitas
hubungan antar variabel (Cohen, 2013). Intensitas hubungan dikategorikan
5.5. Relevansi prediktif dan ukuran efek kecil, sedang, atau besar jika f2nilai masing-masing berkisar antara 0,020
dan 0,149, 0,150 hingga 0,349, atau 0,350 ke atas (Gefen dan Straub, 2005).
Dengan rekomendasi olehRambut dkk. (2017)sebagai pendekatan Selain itu, tidak ada efek jika f2memiliki nilai kurang dari 0,020 (Kemény et
terbaik dalam menilai relevansi prediktif, redundansi yang divalidasi silang al., 2016).Tabel 8menunjukkan MEOU dan PI tidak berpengaruh sedangkan
digunakan untuk menghitung Q Stone-Geisser2. BerdasarkanTabel 7, model MU dan OP berpengaruh kecil terhadap BI. Selanjutnya, PTC dan PTS
menunjukkan relevansi prediktif karena Q2nilainya lebih dari nol masing-masing memiliki efek yang besar pada MU dan MEOU. Penting juga
untuk membahas kekuatan prediktif out-of-sample model sejak R2hanya
Tabel 4 terkonsentrasi pada kekuatan penjelas sampel (Loh et al., 2019). Dengan
Memuat, keandalan komposit, alfa Cronbach, dan varian rata-rata diekstraksi. demikian, penelitian ini lebih lanjut menerapkan PLSpredict dengan
berkonsentrasi pada BI konstruk endogen (Shmueli et al., 2016). Pertama,
Konstruksi Item Memuat Gabungan milik Cronbach Rata-rata
hasil diTabel 9menunjukkan bahwa semua indikator untuk BI memiliki Q
Keandalan Alfa Perbedaan positif2memprediksi nilai. Kedua, model tidak memiliki kekuatan prediksi
(CR) Diekstrak karena semua nilai kesalahan rata-rata kuadrat akar memiliki kesalahan
(AVE) prediksi yang lebih besar dibandingkan dengan benchmark model linier.
DUA BI1 0,822 0,907 0,864 0,709
BI2 0,839 6. Analisis post hoc
BI3 0,840
BI4 0,866
6.1. Pemeriksaan ketahanan: heterogenitas yang tidak teramati
MU MU1 0,887 0,940 0,914 0,795
MU2 0,903
MU3 0,890 Heterogenitas yang tidak teramati yang merupakan "perbedaan antara dua
MU4 0,886 atau lebih kelompok data tidak muncul secara apriori dari karakteristik tertentu
MEOU MEOU1 0,868 0,920 0,884 0,741
yang dapat diamati atau kombinasi dari beberapa karakteristik" (Rambut et al.,
MEOU2 0,820
MEOU3 0,882 2018, p. 138) diperiksa menggunakan FIMIX-PLS. Gagal memeriksa heterogenitas
MEOU4 0,872 yang tidak teramati dalam model yang diusulkan akan menghasilkan kesalahan
PTC PTC1 0,893 0,898 0,831 0,747 Tipe 1 dan Tipe 2 (Becker et al., 2013). BerdasarkanLoh dkk. (2019), solusi terbaik
PTC2 0,825
dinilai berdasarkan nilai terkecil untuk semua kriteria yang ditentukan kecuali LnL
PTC3 0,872
yang didasarkan pada angka tertinggi. Hasilnya diTabel 10menunjukkan bahwa
PTS PTS1 0,890 0,887 0,810 0,724
PTS2 0,788 model 1-segmen, 2-segmen dan 3-segmen masing-masing memiliki solusi 1-
PTS3 0,873 segmen. Model 4-Segmen memiliki jumlah solusi opsional tertinggi dengan model
OP OP1 0,862 0,895 0,825 0,740 5-segmen. SebagaiTabel 11 juga menunjukkan bahwa model 4-segmen mewakili
OP2 0,859
10,7% dari data, segmen khusus ini telah dipilih. Heterogenitas tidak menjadi
OP3 0,860
PI PI1 0,873 0,891 0,813 0,732 masalah dalam penelitian ini karena rata-rata tertimbang R2nilai model 4-segmen
PI2 0,917 lebih besar dibandingkan dengan dataset lengkap seperti yang ditunjukkan pada
PI3 0,770 Tabel 12(Rambut et al., 2018).
Catatan:
BI = Niat Perilaku; MU = Kegunaan Seluler; MEOU = Kemudahan Penggunaan
Seluler; PTC = Persepsi Kenyamanan Transaksi; PTS = Kecepatan Transaksi yang
Dirasakan; OP = Optimisme; PI = Inovasi Pribadi.

5
L.-Y. Yan dkk. Jurnal Ritel dan Layanan Konsumen 58 (2021) 102300

Tabel 6
Pengujian hipotesis.

Hipotesis Koefisien Jalur Sampel Asli (O) Rata-Rata Sampel (M) Deviasi Standar (STDEV) Statistik T (|O/STDEV|) Nilai P Catatan

H1 MU→DUA*** 0,294 0,294 0,079 3.720 0.000 Didukung

H2 MEOU→DUANS 0,111 0,115 0,084 1.322 0,186 Tidak didukung
H3 PTC→MU*** 0,689 0,690 0,039 17.575 0.000 Didukung
H4 PTS→MEOU*** 0,602 0,603 0,045 13.269 0.000 Didukung
H5 OP→DUA*** 0,255 0,258 0,070 3.616 0.000 Didukung
H6 PI→DUANS 0,074 0,074 0,066 1.134 0,257 Tidak didukung

Catatan:
sebuah. BI = Niat Perilaku; MU = Kegunaan Seluler; MEOU = Kemudahan Penggunaan Seluler; PTC = Persepsi Kenyamanan Transaksi; PTS = Kecepatan Transaksi yang
Dirasakan; OP = Optimisme; PI = Inovasi Pribadi.
b. ***p <0,001,NShal >0,05.

Gambar 2.Pengujian model struktural.

Tabel 7 Tabel 9
Relevansi prediktif, Q2. Hasil prediksi PLS.

Konstruksi SSO SSE Q2(=1-SSE/SSO) PLS-SEM Model Linier

Patokan
DUA 1332 989.424 0,257
MU 1332 861.048 0,354 Niat Perilaku (BI) Q2_meramalkan RMSE MAE RMSE MAE
MEOU 1332 1000.212 0,249
BI1 0,242 1.0140,753 0,994 0,712
PTC 999 999
BI2 0,220 1.0130,731 0,984 0,705
PTS 999 999
BI3 0,287 1.0640,821 1,009 0,780
OP 999 999
BI4 0,349 0,9290,745 0,901 0,707
PI 999 999

Catatan:
BI = Niat Perilaku; MU = Kegunaan Seluler; MEOU = Kemudahan Penggunaan
Tabel 10
Seluler; PTC = Persepsi Kenyamanan Transaksi; PTS = Kecepatan Transaksi yang
Hasil dari prosedur FIMIX-PLS.
Dirasakan; OP = Optimisme; PI = Inovasi Pribadi.
Sesuaikan indeks Segmen Segmen Segmen Segmen 4
1 2 3
Tabel 8 AIC (Informasi Akaike 2322.76 2208.42 2143.28 2117.99
Ukuran Efek, f2. Kriteria)
AIC3 (AIC yang dimodifikasi dengan 2331.76 2227.42 2172.28 2156.99
DUA MU MEOU PTC PTS OP PI
Faktor 3)
DUA AIC4 (AIC yang dimodifikasi dengan 2340.76 2246.42 2201.28 2195.99
MU 0,059 Faktor 4)
MEOU 0,008 BIC (Informasi Bayesian 2357.04 2280.77 2253.71 2266.51
PTC 0,906 Kriteria)
PTS 0,568 CAIC (AIC Konsisten) 2366.04 2299.77 2282.71 2305.51
OP 0,050 Markas besar (Hannan Quinn 2336.43 2237.27 2187.31 2177.21
PI 0,006 Kriteria)
MDL5 (Minimal 2566.13 2722.19 2927.46 3172.58
Catatan:
Deskripsi Panjang dengan
BI = Niat Perilaku; MU = Kegunaan Seluler; MEOU = Kemudahan Penggunaan Faktor 5)
Seluler; PTC = Persepsi Kenyamanan Transaksi; PTS = Kecepatan Transaksi yang LnL (LogKemungkinan) − 1152.38−1085.21−1042.64¡1020.00
Dirasakan; OP = Optimisme; PI = Inovasi Pribadi.

menentukan anteseden yang memiliki kepentingan tinggi untuk konstruk

6.2. Analisis peta kinerja kepentingan (IPMA)
tertentu tetapi dengan kinerja rendah (Ringle dan Sarstedt, 2016). Tabel 13
danGambar 3mempresentasikan hasil IPMA untuk kriteria BI. Dari enam
Identifikasi area yang memungkinkan untuk perbaikan konstruksi dilakukan
prediktor, MU memiliki kepentingan tertinggi (0,281), diikuti oleh OP (0,258),
dengan menggunakan IPMA. Secara khusus, tujuan IPMA adalah untuk
PTC (0,206), PI (0,073), PTS (0,071), dan MEOU (0,117).

6
L.-Y. Yan dkk. Jurnal Ritel dan Layanan Konsumen 58 (2021) 102300

Tabel 11 Kode QR m-pembayaran di industri ritel. Seperti yang dihipotesiskan, pengaruh PTC
Ukuran segmen relatif. terhadap MU dan MU terhadap BI keduanya positif dan signifikan, mendukung H3danH1

Jumlah Segmen Segmen 1 Segmen 2 Segmen 3 Segmen 4 masing-masing. Secara keseluruhan, hasil ini menunjukkan bahwa semakin banyak
manfaat yang ditawarkan kepada pengguna, semakin menguntungkan bagi mereka
% 0,519 0,217 0,157 0,107
untuk mengadopsi pembayaran-m kode QR. Salah satu keuntungannya adalah berupa
kemudahan. Hal ini dikarenakan dapat mengurangi waktu antrian saat konsumen ingin
melakukan pembayaran sehingga dapat menghemat waktu dan melakukan aktivitas
Tabel 12 lainnya.
R2nilai untuk solusi dua segmen.
Selanjutnya, efek signifikan dari OP pada BI ditemukan, mendukungH5. Hal ini
Penuh POS POS POS POS FIMIX-PLS dikarenakan individu yang memiliki kecenderungan optimis terhadap m-payment
Data Segmen Segmen Segmen Segmen Tertimbang
kode QR memiliki persepsi positif terhadapnya yang pada akhirnya
Mengatur 1 2 3 4 Rata-rata
mempengaruhi BI. Selain itu,H4didukung dimana PTS memiliki hubungan positif
R2
yang signifikan dengan MEOU. Namun,H2dan H6tidak didukung dimana MEOU
DUA 0,392 0,627 0,909 0,815 0,865 0,712
dan PI tidak memiliki hubungan yang signifikan dengan BI. Hal ini disebabkan
MEOU 0,362 0,258 0,926 0,756 0,738 0,462
MU 0,475 0,372 0,932 0,65 0,687 0,517 oleh pengalaman sebelumnya yang dimiliki oleh semua responden dalam
menggunakan m-payment (Ooi et al., 2011). Oleh karena itu, mereka sudah dapat
Catatan:
mengembangkan perspektif bahwa kode QR m-payment mudah digunakan dan
BI = Niat Perilaku; MU = Kegunaan Seluler; MEOU = Kemudahan Penggunaan
dengan demikian, tidak perlu inovatif, tidak seperti dalam kasus pembayaran yang
Seluler.
dapat dikenakan (Loh et al., 2019).
Secara praktis, untuk membudayakan BI untuk digunakan, penyedia
Tabel 13 layanan dan pengecer terkemuka harus melihat ke dalam peningkatan
Hasil peta kinerja kepentingan. kegunaan kode QR m-payment, selain meningkatkan kenyamanan dan
Variabel Laten Pentingnya (Efek Total) Performa (Nilai Indeks)
kecepatan selama proses pembayaran. Semua ini dapat dicapai jika kode QR
dilampirkan pada produk ritel. Saat ini, kode batang yang dicetak pada
MEOU 0,117 71.824
produk ritel memiliki fungsi yang terbatas dan tidak banyak berguna bagi
MU 0,281 72.558
OP 0,258 68.696 konsumen. Hal ini menyebabkan proses checkout yang lambat di mana
PI 0,073 72.231 produk ritel harus dipindai satu per satu di loket. Jika setiap produk ritel
PTC 0,206 74.865 dilengkapi dengan kode QR, konsumen dapat menikmati proses checkout
PTS 0,071 72.295
yang lebih cepat dan nyaman selama berbelanja dengan memindai kode QR
Nilai Berarti 0,168 72.078
pada produk ritel dan membayarnya langsung melalui perangkat mpayment
Catatan: mereka. Dengan ini, kegunaan QR code m-payment akan semakin
MU = Kegunaan Seluler; MEOU = Kemudahan Penggunaan Seluler; PTC = Persepsi ditingkatkan karena konsumen akan menikmati peningkatan performa
Kenyamanan Transaksi; PTS = Kecepatan Transaksi yang Dirasakan; OP =
dalam bertransaksi. Selain itu, penggunaan m-payment kode QR di industri
Optimisme; PI = Inovasi Pribadi.
ritel dapat mengurangi interaksi fisik yang tidak perlu antara manusia dan,
oleh karena itu, meningkatkan jarak sosial untuk menahan penyebaran
PTC menunjukkan kinerja tertinggi di (74.865), diikuti oleh MU (72.558), PTS pandemi COVID-19 terutama jika tidak ada vaksin dan pengobatan khusus (
(72.295), PI (72.231), MEOU (71.824), dan OP (68.696). Upaya yang lebih Anderson et al., 2020;Kasab et al., 2020;Wilder-Smith et al., 2020). Pandemi
besar harus dikonsentrasikan pada UM karena memiliki kepentingan COVID-19 telah menciptakan “kenormalan baru”, di mana setiap orang
tertinggi (0,281) tetapi kinerjanya rendah (72,558). mengalami batasan tertentu dalam hidup (Hart, 2020). “Normal baru” ini
telah membawa banyak perubahan pada preferensi konsumen, dan
7. Diskusi dan implikasi dilaporkan bahwa salah satu perubahan tersebut adalah tuntutan mereka
akan otomatisasi yang meningkatkan jarak sosial.
Studi ini dikembangkan sebagai tanggapan terhadap prevalensi yang muncul

Gambar 3.IPMA untuk BI.

7
L.-Y. Yan dkk.
(Tomas, 2020). Mungkin, dengan pembayaran-m kode QR, konsumen tidak
perlu terjebak dalam antrean pembelian panik yang membahayakan mereka
semua di toko ritel yang sama selama pandemi berikutnya (Peters, 2020;
Yang et al., 2020).
Selain itu, penyedia layanan dan pembuat kebijakan dapat menekankan pada sisi
optimis pembayaran m-kode QR untuk lebih mengembangkan BI untuk digunakan. Hal
ini dapat dilakukan dengan memberikan insentif kepada calon pengguna ponsel.
Misalnya, pemerintah Malaysia memberikan insentif satu kali sebesar RM30 kepada
pengguna seluler yang memenuhi syarat pada tahun 2020 untuk mendorong penerapan
pembayaran-m kode QR di Malaysia (Zahid, 2019). Dengan insentif yang tepat, pengguna
seluler akan tertarik untuk menemukan sisi positif dari pembayaran-m kode QR.
Secara teoritis, kerangka kerja yang digunakan dalam penelitian ini
mampu menghasilkan temuan yang mendalam. Model yang diusulkan telah
memperluas MTAM dengan empat faktor lainnya, yaitu PTC, PTS, OP, dan PI.
Perluasan model MTAM didasarkan pada saran yang diberikan oleh
beberapa peneliti (Phan dan Daim, 2011;Benbasat dan Barki, 2007). Selain
itu, peneliti lain selanjutnya merekomendasikan untuk memasukkan variabel
dari segi teknologi untuk penelitian teknologi seluler di masa depan (Kim et
al., 2010;Chen, 2008). Studi ini memperkuat legitimasi saran-saran tersebut
karena pemahaman teoretis diperkaya dengan temuan-temuan
komprehensif yang diperoleh.
Selain itu, berdasarkan Q2, model struktural memiliki relevansi prediktif
yang tinggi. Dengan demikian, penelitian ini berpendapat bahwa MTAM
yang diperpanjang adalah teori yang efektif dalam memberikan
pemahaman yang luas tentang adopsi m-payment kode QR. Penggabungan
variabel selain dimensi teknologi terbukti baik. Secara keseluruhan,
kontribusi besar penelitian ini adalah dalam hal teoritis serta praktis.
8. Keterbatasan dan arah masa depan
Keterbatasan pertama adalah konteks Malaysia di mana penelitian ini
dilakukan. Dengan demikian, hasilnya mungkin tidak secara akurat cocok dengan
adegan adopsi m-pembayaran kode QR di negara lain karena perbedaan antar
negara sangat banyak. Perbedaan tersebut dapat berupa budaya, suku bangsa,
perkembangan ekonomi, dan lain-lain yang mungkin dapat mempengaruhi adopsi
teknologi. Oleh karena itu, peneliti dapat mempertimbangkan untuk memasukkan
data dari berbagai negara dengan melakukan studi lintas negara. Selanjutnya,
untuk mengatasi kekurangan penelitian sebelumnya yang mengkaji m-payment
dari perspektif umum, penelitian ini difokuskan pada QR code m-payment.
Namun, pendekatan ini mengabaikan yang lain seperti NFC m-payment. Oleh
karena itu, peneliti selanjutnya dapat mempertimbangkan untuk melakukan studi
banding yang menyelidiki berbagai jenis m-payment.
Deklarasi kepentingan bersaing
Tidak ada.
Lampiran A. Data tambahan
Data tambahan untuk artikel ini dapat ditemukan online dihttps://doi.
org/10.1016/j.jretconser.2020.102300.
Referensi
Anderson, RM, Heesterbeek, H., Klinkenberg, D., Hollingsworth, TD, 2020. Bagaimana
langkah-langkah mitigasi berbasis negara memengaruhi perjalanan epidemi COVID-19?
Lancet 395, 931–934.
Arvidsson, N., 2014. Sikap konsumen terhadap layanan pembayaran mobile–hasil dari a
bukti tes konsep. Int. J. Pasar Bank. 32 (2), 150–170.
Becker, JM, Rai, A., Ringle, CM, Völckner, F., 2013. Menemukan yang tidak teramati
heterogenitas dalam model persamaan struktural untuk mencegah ancaman validitas. MIS Q.37 (3),
665–694.
Benbasat, I., Barki, H., 2007. Quo vadis TAM? J Assoc Menginformasikan Sistem Online 8 (4), 211–218.
Boden, J., Maier, E., Wilken, R., 2020. Pengaruh kartu kredit versus pembayaran seluler pada
kenyamanan dan keinginan konsumen untuk membayar. J. Pengecer Konsumsi. Melayani. 52, 1–10.
8
Jurnal Ritel dan Layanan Konsumen 58 (2021) 102300
Brown, SA, Venkatesh, V., Bala, H., 2006. Penggunaan teknologi rumah tangga: pengintegrasian
siklus hidup rumah tangga dan model adopsi teknologi dalam rumah tangga. Inf. Soc. 22
(4), 205–218.
Chawla, D., Joshi, H., 2019. Sikap dan niat konsumen untuk mengadopsi mobile wallet di
India–Sebuah studi empiris. Int. J. Pasar Bank. 37 (7), 1590–1618.
Chen, LD, 2008. Sebuah model penerimaan konsumen pembayaran mobile. Int. J.Mobile
Komunal. 6 (1), 32–52.
Chen, LD, Nath, R., 2008. Penentu pembayaran mobile: analisis empiris. J Int
Manajemen Informasi Teknologi 17 (1), 9–20.
Chin, C., 2018. 5 Tempat Belanja Besar di Klang Valley hingga Mall Walk dan Tingkatkan Kebugaran Anda
Permainan.https://www.thestar.com.my/lifestyle/travel/2018/06/23/5-shopping-mall s-
klang-valley-walk.
Cohen, J., 2013. Analisis Kekuatan Statistik untuk Ilmu Perilaku. Routledge,
Abingdon, Inggris.
Cowart, KO, Fox, GL, Wilson, AE, 2008. Pandangan struktural terhadap inovasi konsumen
dan kesesuaian diri dalam pembelian produk baru. Psikol. Pasar. 25 (12),
1111–1130.
De Kerviler, G., Demoulin, NT, Zidda, P., 2016. Adopsi pembayaran seluler di dalam toko:
apakah risiko dan kenyamanan yang dirasakan merupakan satu-satunya pendorong? J. Pengecer Konsumsi. Melayani. 31,
334–344.
de Luna, IR, Liébana-Cabanillas, F., Sánchez-Fernández, J., Muñoz-Leiva, F., 2019.
Pembayaran seluler tidak semuanya sama: adopsi sistem pembayaran seluler
bergantung pada teknologi yang diterapkan. Technol. Ramalan. Soc. Ubah 146, 931–
944. Departemen Statistik Malaysia, 2018. Statistik Demografi Kuartal Ketiga (Q3)
2018.https://www.dosm.gov.my/v1/index.php?r=column/cthemeByCat&ca
t=430&bul_id=bGs2eUViWlNoTDQybFJwanlEQW9YZz09&menu_id=L0phe
U43NWJwRWVSZklWdzQ4TlhUUT09.
Etikan, I., Musa, SA, Alkassim, RS, 2016. Perbandingan convenience sampling dan
pengambilan sampel bertujuan. Saya. J. Theor. Aplikasi Stat. 5 (1), 1–4.
Gefen, D., Straub, D., 2005. Panduan praktis validitas faktorial menggunakan PLS-Graph:
tutorial dan contoh beranotasi. Komunal. Asosiasi Inf. Sistem. 16 (1), 91–109. Gu,
JC, Lee, SC, Suh, YH, 2009. Penentu niat perilaku untuk mobile
perbankan. Sistem Pakar. Aplikasi 36 (9), 11605–11616.
Hair, JF, Hult, GTM, Ringle, C., Sarstedt, M., 2017. Primer tentang Kuadrat Terkecil Parsial
Pemodelan Persamaan Struktural (PLS-SEM). Publikasi Sage, Thousand Oaks, CA.
Hair Jr., JF, Sarstedt, M., Ringle, CM, Gudergan, SP, 2018. Isu Lanjutan Sebagian
Pemodelan Persamaan Struktural Kuadrat Terkecil. Publikasi Sage, Thousand Oaks, CA.
Hart, CW, 2020. Pelajaran spiritual dari pandemi virus corona. J. Agama. Kesehatan 59,
623–624.
Hew, JJ, Tan, GWH, Lin, B., Ooi, KB, 2017. Membuat konten terkait perjalanan
melalui pariwisata sosial seluler: apakah paradoks privasi tetap ada? Telematika Inf. 34 (7),
914–935.
Humbani, M., Wiese, M., 2018. Masyarakat tanpa uang tunai untuk semua: menentukan konsumen
kesiapan untuk mengadopsi layanan pembayaran mobile. J.Afr. Bis. 19 (3), 409–429. Kaatz,
C., 2020. Ritel di saku saya–mereplikasi dan memperluas konstruksi layanan
kualitas ke dalam konteks mobile commerce. J. Pengecer Konsumsi. Melayani. 53, 1–13.
Kasab, S. Al, Almallouhi, E., Holmstedt, CA, 2020. Optimalisasi Penggunaan Teleneurologi
selama Pandemi COVID-19. Telemed. e-KESEHATAN. Dalam pers.
Kemény, I., Simon, J., Nagy, Á., Szucs, K., 2016. Mengukur persepsi kualitas dalam
perdagangan elektronik: kemungkinan segmentasi di pasar Hungaria. Ind.Manajemen.
Sistem Data 116 (9), 1946–1966.
Khazanah Nasional Berhad, 2019. Penyedia Layanan E-Wallet Terkemuka Dipilih untuk E-
Inisiatif Tunai Rakyat.https://www.khazanah.com.my/khazanah/files/61/61a
707ee-63bd-4faf-af05-51f438c87323.pdf.
Kim, C., Mirusmonov, M., Lee, I., 2010. Pemeriksaan empiris terhadap faktor-faktor yang mempengaruhi
niat untuk menggunakan mobile payment. Komputer. Bersenandung. Perilaku. 26 (3), 310–322.
Kock, N., Hadaya, P., 2018. Estimasi ukuran sampel minimum dalam PLS-SEM: kebalikannya
metode akar kuadrat dan gamma-eksponensial. Inf. Sistem. J.28, 227–261. Kumar,
A., Mukherjee, A., 2013. Berbelanja sambil berbicara: faktor penentu pembelian
niat melalui perangkat mobile. Pasar Seluler Int J 8 (1), 23–37.
Lee, ZW, Khaw, DPT, 2018. Mengubah Ponsel Menjadi Dompet Elektronik di Malaysia.
Bank Negara Malaysia.https://www.bnm.gov.my/files/publication/qb/2018/Q2/
p7.pdf.
Legris, P., Ingham, J., Collerette, P., 2003. Mengapa orang menggunakan teknologi informasi? sebuah
tinjauan kritis dari model penerimaan teknologi. Inf. Kelola. 40 (3), 191–204. Leong,
LY, Hew, TS, Tan, GWH, Ooi, KB, 2013. Memprediksi determinan dari
Penerimaan kartu kredit seluler berkemampuan NFC: pendekatan jaringan saraf. Sistem
Pakar. Aplikasi 40 (14), 5604–5620.
Liang, H., Saraf, N., Hu, Q., Xue, Y., 2007. Asimilasi sistem perusahaan: efeknya
tekanan kelembagaan dan peran mediasi manajemen puncak. MIS Q.31 (1), 59–87.
Loh, XM, Lee, VH, Tan, GWH, Hew, JJ, Ooi, KB, 2019. Menuju masyarakat tanpa uang tunai:
peran penting dari teknologi yang dapat dikenakan. J.Komput. Inf. Sistem. Dalam pers.
Lu, Y., Cao, Y., Wang, B., Yang, S., 2011. Sebuah studi tentang faktor-faktor yang mempengaruhi perilaku pengguna
niat untuk mentransfer penggunaan dari offline ke saluran online. Komputer. Bersenandung.
Perilaku. 27 (1), 355–364.
Luarn, P., Lin, HH, 2005. Menuju pemahaman tentang niat perilaku untuk menggunakan
perbankan seluler. Komputer. Bersenandung. Perilaku. 21 (6), 873–891.
Makki, AM, Ozturk, AB, Singh, D., 2016. Peran risiko, efikasi diri, dan inovasi
pada niat perilaku untuk sistem pembayaran seluler di industri restoran. J.
Foodserv. Bis. Res. 19 (5), 454–473.
Nguyen, TN, Cao, TK, Dang, PL, Nguyen, HA, 2016. Memprediksi niat konsumen
untuk menggunakan layanan pembayaran seluler: bukti empiris dari Vietnam. Int. J.Pasar.
Pejantan. 8 (1), 117–124.
L.-Y. Yan dkk.
Nielsen, 2019. Tunai atau nontunai? Pergeseran lanskap pembayaran Malaysia.https://www.
nielsen.com/my/en/insights/article/2019/cash-or-cashless-malaysias-shifting-pa
yment-landscape/.
Nyaboga, AB, Marwa, M., Kabata, D., 2015. Faktor Motivasi dan Penggunaan Handphone
layanan pembayaran di Kenya. J.Bus. Ekon. Pejantan. 21 (1), 40–49.
Oh, JC, Yoon, SJ, Chung, N., 2014. Peran kesiapan teknologi dalam konsumen
adopsi layanan internet seluler antara Korea Selatan dan Cina”. Int. J.Komunitas
Seluler. 12 (3), 229–248.
Oliveira, T., Thomas, M., Baptista, G., Campos, F., 2016. Pembayaran seluler: pengertian
penentu adopsi pelanggan dan niat untuk merekomendasikan teknologi. Komputer.
Bersenandung. Perilaku. 61, 404–414.
Ooi, KB, Sim, JJ, Yew, KT, Lin, B., 2011. Menggali faktor-faktor yang mempengaruhi konsumen
niat perilaku untuk mengadopsi broadband di Malaysia. Komputer. Bersenandung. Perilaku. 27 (3),
1168–1178.
Ooi, KB, Tan, GWH, 2016. Model penerimaan teknologi seluler: investigasi
menggunakan pengguna seluler untuk menjelajahi kartu kredit ponsel cerdas. Sistem Pakar. Aplikasi 59 (1),
33–46.
Parasuraman, A., Colby, CL, 2015. Kesiapan teknologi yang diperbarui dan disederhanakan
indeks: tri 2.0. J.Serv. Res. 18 (1), 59–74.
Peters, MA, 2020. Cinta dan jarak sosial di masa Covid-19: filosofi
dan literatur tentang pandemi. Pendidikan Filos. Teori. Dalam pers.
Phan, K., Daim, TU, 2011. Menjelajahi penerimaan teknologi untuk layanan seluler. J.Ind.
Eng. Kelola. 4 (2), 339–360.
Rampton, J., 2017. Bagaimana Dompet Digital dan Pembayaran Seluler Berkembang dan apa itu
Berarti untuk Anda.https://www.entrepreneur.com/article/292256.
Ringle, CM, Sarstedt, M., 2016. Dapatkan lebih banyak wawasan dari hasil PLS-SEM Anda:
analisis peta kepentingan-kinerja. Ind.Manajemen. Sistem Data 116 (9), 1865–1886. Sekaran, U.,
Bougie, R., 2016. Metode Penelitian untuk Bisnis: Pendekatan Pengembangan Keterampilan.
John Wiley & Sons, Jersey baru, NJ.
Shankar, A., Datta, B., 2018. Faktor-faktor yang mempengaruhi niat adopsi mobile payment: an
perspektif India. Bus Dunia. Wahyu 19 (3), 72–89.
Shin, S., Lee, WJ, 2014. Pengaruh kesiapan teknologi dan penerimaan teknologi
pada layanan pembayaran seluler NFC di Korea. J.Appl. Bis. Res. 30 (6), 1615–1625.
Shmueli, G., Ray, S., Velasquez Estrada, J., Chatla, S., 2016. Gajah di dalam ruangan:
kinerja prediksi model PLS. J.Bus. Res. 69 (10), 4552–4564. Slade, EL, Dwivedi, YK,
Piercy, NC, Williams, MD, 2015. Pemodelan Konsumen
niat adopsi pembayaran seluler jarak jauh di Inggris Raya: memperluas UTAUT dengan
inovasi, risiko, dan kepercayaan. Psikol. Pasar. 32 (8), 860–873. Statista, 2019. Jumlah
Langganan Seluler Malaysia 2019 berdasarkan negara bagian.https://www.st
atista.com/statistics/973262/number-of-mobile-subscriptions-in-malaysia-by-state/
.
Jurnal Ritel dan Layanan Konsumen 58 (2021) 102300
Tan, GWH, Ooi, KB, 2018. Jenis kelamin dan usia: apakah mereka benar-benar memoderasi wisata seluler
perilaku belanja? Telematika Inf. 35 (6), 1617–1642.
Tan, GWH, Ooi, KB, Chong, SC, Hew, TS, 2014. Kartu kredit seluler NFC: berikutnya
batas pembayaran seluler? Telematika Inf. 31 (2), 292–307.
Tan, GWH, Lee, VH, Hew, JJ, Ooi, KB, Wong, LW, 2018. Ponsel interaktif
iklan media sosial: pendekatan segera untuk mengiklankan produk dan layanan
pariwisata? Telematika Inf. 35 (8), 2270–2288.
Teo, AC, Tan, GWH, Ooi, KB, Hew, TS, Yew, KT, 2015. Efek kenyamanan
dan kecepatan dalam m-payment. Ind.Manajemen. Sistem Data 115 (2), 311–331. Thomas, Z., 2020.
Coronavirus: akankah Covid-19 mempercepat penggunaan robot untuk menggantikan
pekerja manusia? [Dokumen WWW]. Berita BBC. URL.https://www.bbc.com/news/
technology-52340651. diakses 4.28.20).
Vanvoorhis, CRW, Morgan, BL, 2007. Memahami kekuatan dan aturan praktis
menentukan ukuran sampel. Kuantitas Tutorial Metode 3, 43–50. Walczuch,
R., Lemmink, J., Streukens, S., 2007. Pengaruh layanan karyawan
kesiapan teknologi terhadap penerimaan teknologi. Inf. Kelola. 44 (2), 206–215.
Westland, JC, 2010. Batas bawah ukuran sampel dalam pemodelan persamaan struktural.
Elektron. Commer. Res. Aplikasi 9, 476–487.
Wilder-Smith, A., Chiew, CJ, Lee, VJ, 2020. Bisakah kita membendung wabah COVID-19
dengan tindakan yang sama seperti untuk SARS? Infeksi Lancet. Dis. 20 (5),
E102–E107. Wong, CH, Tan, GWH, Loke, SP, Ooi, KB, 2015. Adopsi mobile social
situs jaringan untuk belajar? Inf Online. Wahyu 39 (6), 762–778.
Yang, G.-Z., Nelson, B., Murphy, RR, Choset, H., Christensen, H., Collins, S., Dario, P.,
Goldberg, K., Ikuta, K., Jacobstein, N., Kragic, D., Taylor, RH, McNutt, M., 2020. Memerangi
COVID-19—peran robotika dalam mengelola kesehatan masyarakat dan penyakit menular.
Sains. Robot. 5, 1–2.
Yuen, MK, 2019. Menguangkan E-Wallet.https://www.thestar.com.my/opinion/col
umnis/one-mans-meat/2019/01/26/going-cashless-at-a-snails-pace-malaysians-th kebiasaan-kasar-
kebiasaan-masih-sangat-bergantung-pada-cash-whi.
Yunus, R., Jalil, A., 2019. Kecepatan Internet Malaysia naik 300%, Harga Turun lebih dari 40% dalam
Tahun.https://themalaysianreserve.com/2019/11/29/malaysias-internet-speed-
up-300-price-down-over-40-in-a-year/.
Zahiid, SJ, 2019. Anggaran 2020: Warga Malaysia Mendapatkan Kredit RM30 untuk Membuka E-Wallet dengan
Penyedia Terpilih.https://www.malaymail.com/news/malaysia/2019/10/11/
budget-2020-malaysians-to-get-rm30-in-credit-to-open-e-wallet-with-selected/
1799378.
Zhang, Y., Sun, J., Yang, Z., Wang, Y., 2018. Apa yang membuat orang benar-benar merangkul atau
hindari pembayaran seluler: studi lintas budaya. Info Seluler Sistem. 1–13, 2018.