Daniel - 102417058 - Laporan Final TA

ANALISIS FAKTOR YANG MEMPENGARUHI
PELANGGAN DALAM MENGGUNAKAN JASA RIDE-

HAILING SAAT PANDEMI COVID-19
LAPORAN TUGAS AKHIR
Oleh:
Daniel Fetrick
102417058
FAKULTAS TEKNOLOGI INDUSTRI PROGRAM

STUDI TEKNIK LOGISTIK UNIVERSITAS
PERTAMINA
2022
LEMBAR PENGESAHAN LAPORAN TUGAS AKHIR
Judul Tugas Akhir : Analisis Faktor yang Mempengaruhi
Pelanggan dalam Menggunakan Jasa
Ride-Hailing saat Pandemi Covid-19
Nama Mahasiswa : Daniel Fetrick
Nomor Induk Mahasiswa : 102417058
Program Studi : Teknik Logistik
Fakultas : Fakultas Teknologi Industri
Jakarta, 4 Agustus 2022

MENGESAHKAN
Pembimbing I : Nur Layli Rachmawati, M.T

: NIP. 116062 ( )
Pembimbing II : Adji Candra Kurniawan, S.T., M.T,
: NIP. 120004 ( )
Penguji I : Dr. Eng. Iwan Sukarno, ST., M.Eng.,
: NIP. 116128 ( )
Penguji II : Rahmad Inca Liperda, S.T., M.Eng.,
: NIP. 119028 ( )
MENGETAHUI,
Ketua Program Studi,
Dr. Eng. Iwan Sukarno, ST., M.Eng.,

NIP. 116128
Universitas Pertamina - i
ABSTRAK
Analisis Faktor yang Mempengaruhi Pelanggan dalam Menggunakan

Jasa Ride-hailing saat Pandemi Covid-19
Nama Mahasiswa : Daniel Fetrick Jeremias Hatorangan Sarumpaet
NIM : 102417058
Ride-hailing merupakan layanan yang cukup berkembang pesat di Negara Indonesia. Ride-
hailing merupakan layanan dimana customer meminta diantarkan oleh pengemudi ke tempat
tujuan yang dihubungkan oleh aplikasi seluler. Pandemi Covid-19 menyebabkan berbagai
disrupsi pada masyarakat dan industri barang dan jasa yang ada di Indonesia. Perilaku berubah
yaitu motivasi hedonik dan ingin diakui secara sosial mulai hilang ketika memilih
menggunakan sebuah produk ataupun jasa. Sebaliknya, masyarakat peduli dengan manfaat
dan nilai yang didapatkan dari sebuah barang dan jasa. Masyarakat juga mulai peduli dengan
kebersihan dan higienitas saat beraktivitas. Selain itu masyarakat juga mulai berusaha
beradaptasi dengan penggunaan smartphone dan internet. Hal-hal tersebut secara langsung
maupun tidak langsung mengubah perilaku masyarakat. Pada industri ride-hailing kajian
secara spesifik tentang perilaku dan niat konsumen selama Covid-19 masih sedikit sehingga
penelitian ini bertujuan untuk mencari tahu apa saja faktor yang mempengaruhi konsumen saat
menggunakan layanan ride-hailing. Analisis faktor menggunakan metode Partial Least
Square-Structural Equation Modelling (PLS-SEM). Teori yang digunakan dalam penelitian
ini adalah model Unified Theory of Acceptance and Use of Technologhy 2(UTAUT2).
Berdasarkan analisis struktural ditemukan bahwa Variabel Performance Expectancy, Effort
Expectancy, Facilitating Conditions, Price Value, Habit dan Perceived Trusworthiness
berpengaruh signifikan dalam mempengaruhi niat (Behavioral Intention of Ride-hailing) dan
perilaku (Use of Behavior of Ride-hailing) dalam menggunakan layanan ride-hailing.
Kata Kunci: Ride-hailing, PLS-SEM, Covid-19, niat, perilaku
Universitas Pertamina - iii

ABSTRACT
ANALYSIS OF FACTORS THAT INFLUENCING CUSTOMERS IN USING
RIDE-HAILING SERVICES DURING THE COVID-19 PANDEMIC
Nama Mahasiswa : Daniel Fetrick Jeremias Hatorangan Sarumpaet

NIM : 102417058
Ride-hailing is a service that is growing rapidly in Indonesia. Ride-hailing is a service where
customers ask to be delivered by the driver to their destination which is connected by a
mobile application. The Covid-19 pandemic has caused various disruptions to society and
the goods and service industry in Indonesia. Changed behavior, namely hedonic motivation
and wanting to be recognized socially, begins to disappear when choosing to use a product
or service. On the other hand, society is concerned with the benefits and value derived
from goods and services. People are also starting to care about cleanliness and hygiene
while on the move. In addition, people are also starting to try to adapt to the use of
smartphones and the internet. These things directly or indirectly change people's
behavior. In the ride-hailing industry, specific studies on consumer behavior and
intentions during Covid-19 are still few, so this study aims to find out what factors
influence consumers when using ride-hailing services. Factor analysis using Partial Least
Square-Structural Equation Modeling (PLS-SEM). The theory used in this study is the
Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) model. Based on
the structural analysis, it was found that the variables of Performance Expectancy,
Effort Expectancy, Facilitating Conditions, Price Value, Habit and Perceived
Trusworthiness had a significant effect on influencing intentions (Behavioral Intention
of Ride-hailing) and behavior (Use of Behavior of Ride-hailing).
Keywords: Ride-hailing, PLS-SEM, Covid-19, intention, behavior
Universitas Pertamina - iv
KATA PENGANTAR
Segala puji dan syukur dipanjatkan kepada Tuhan Yang Maha Esa, yang telah
memberikan berkat dan penyertaan-Nya sehingga penelitian untuk keperluan Tugas
Akhir ini dapat diselesaikan. Penulis menyadari bahwa Tugas Akhir ini dapat
diselesaikan dengan bantuan banyak pihak. Oleh karena itu, penulis ingin
mengucapkan terima kasih kepada:
1. Kedua orang tua dan keluarga yang selalu memberi dorongan moral kepada
penulis untuk menyelesaikan Tugas Akhir ini tanpa kehilangan motivasi.
2. Dosen Pembimbing yaitu Ibu Nur Layli Rachmawati, S.T., M.T. dan Bapak
Adji Candra Kurniawan, S.T., M.T., yang dengan setia dan sabar mengajari
penulis. Dr. Eng. Iwan Sukarno, ST., M.Eng dan Pak Rahmad Inca Liperda,
S.T., M.Eng, dosen penguji yang memberikan masukan bermanfaat. Ibu
Harummi Sekar Amarilies, S.T, MBA selaku dosen wali yang
mengingatkan dan memberikan arahan agar penulis tidak kehilangan arah
saat proses penelitian TA ini. Juga kepada dosen lain dan staf yang telah
membantu penulis dalam perkuliahan.
3. Teman-teman teknik logistik yang sudah menemani penulis dalam
perkuliahan yang namanya tidak dapat diucap satu persatu.
Penulis mengetahui bahwa masih banyak perbaikan yang diperlukan dalam

penelitian ini. Maka, penulis sangat terbuka terhadap kritik dan saran yang bersifat
membangun dari berbagai pihak agar penelitian selanjutnya dapat lebih baik lagi.
Medan, 18 Juli 2022
Daniel Fetrick J.H.S

NIM. 102417058
Universitas Pertamina - v
DAFTAR ISI
ABSTRAK .................................................................................................................. iii

ABSTRACT ..................................................................................................................iv
KATA PENGANTAR .................................................................................................. v
DAFTAR ISI ...............................................................................................................vi
DAFTAR TABEL .................................................................................................... viii
DAFTAR GAMBAR ...................................................................................................ix
BAB I PENDAHULUAN............................................................................................. 1
1.1 Latar Belakang ................................................................................................ 1
1.2 Rumusan Masalah........................................................................................... 8
1.3 Tujuan Penelitian ............................................................................................ 8
1.4 Manfaat Penelitian .......................................................................................... 8
1.5 Ruang Lingkup ............................................................................................... 8
1.6 Sistematika Penulisan ..................................................................................... 9
BAB II TINJAUAN PUSTAKA ................................................................................ 11
2.1 Teori Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) 11
2.2 Structural Equation Modelling (SEM) ......................................................... 12
2.2.1 Definisi Structural Equation Modelling .................................................. 12
2.2.2 Partial Least Square-Structural Equation Modelling (PLS-SEM) ......... 14
2.3 Penelitian Terdahulu ..................................................................................... 17
BAB III METODOLOGI PENELITIAN ................................................................... 21
3.1 Metodologi Penelitian................................................................................... 21
BAB IV HASIL DAN PEMBAHASAN .................................................................... 36
4.1 Deskripsi Permasalahan................................................................................ 36
4.2 Pengujian Kuisioner ..................................................................................... 37
4.3. Karakteristik Responden............................................................................... 40
4.4 Uji Model Pengukuran (Outer Model) ......................................................... 43
4.4.1 Internal Consistency Realibility............................................................... 43
4.4.2 Discriminant Validity ............................................................................... 45
Universitas Pertamina - vi
4.4.3 Convergent Validity ................................................................................ 49
4.5 Pengujian Model Struktural (Inner Model).................................................. 50
4.5.1 Collinearity Assesment ............................................................................ 50
4.5.2 Koefisien Determinasi (R2) ..................................................................... 51
4.5.3 Ukuran Efek (f2) ...................................................................................... 52
4.5.4 Predictive Relevance (Q2) ....................................................................... 52
4.5.5 Path Coefficient ....................................................................................... 53
4.5.6 Uji Hipotesis............................................................................................ 54
4.5.7 Kelayakan Model .................................................................................... 55
4.6 Pembahasan Hasil Penelitian ....................................................................... 56
BAB V KESIMPULAN DAN SARAN ..................................................................... 61
5.1 Kesimpulan .................................................................................................. 61
DAFTAR PUSTAKA ................................................................................................ 63
Universitas Pertamina - vii

DAFTAR TABEL
Tabel 1.1 Dinamika Bisnis Layanan Ride-hailing di Indonesia (Fauzi & Sheng,
2020) .............................................................................................................................2
Tabel 2.1 Penelitian Terdahulu ..................................................................................17
Tabel 3.1 Identifikasi Variabel...................................................................................23
Tabel 3.2 Hipotesis Penelitian ...................................................................................26
Tabel 3.3 Indikator Pernyataan ..................................................................................29
Tabel 4.1 Uji Validitas dan Realibilitas Awal Kuisioner...........................................38
Tabel 4.2 Karakteristik Responden ............................................................................40
Tabel 4.3 Nilai Outer Loading ...................................................................................43
Tabel 4.4 Nilai Cross-Loading...................................................................................46
Tabel 4.5 Kriteria Fornell Larcker ............................................................................49
Tabel 4.6 Nilai AVE ..................................................................................................50
Tabel 4.7 Nilai Inner VIF ...........................................................................................51
Tabel 4.8 Koefisien Determinasi ...............................................................................51
Tabel 4.9 Ukuran Efek (f2) ........................................................................................52
Tabel 4.10 Nilai Q2 Variabel Endogen ......................................................................53
Tabel 4.11 Path Coefficient .......................................................................................53
Tabel 4.12 Uji Hipotesis ............................................................................................54
Tabel 4.13 Kelayakan Model .....................................................................................55
Tabel 4.14 Hipotesis pada Penelitian .........................................................................56
Universitas Pertamina - viii

DAFTAR GAMBAR
Gambar 1.1 Pangsa Pasar Jasa Layanan Transportasi Online Kawasan Asia
Tenggara (2015-2021) (Google, Temasek, Bain & Company , 2019) ........................ 2
Gambar 1.2 Popularitas Jasa Transportasi Online di Indonesia (Asosiasi
Penyelenggara Jasa Internet Indonesia, 2020) ............................................................. 3
Gambar 2.1 Teori UTAUT2 ..................................................................................... 11
Gambar 2.2 Measurement model (Santoso, 2011) ................................................... 13
Gambar 2.3 Structural Model (Santoso, 2011) ......................................................... 13
Gambar 2.4 Model Indikator Reflektif (Kurniawan, 2011)...................................... 14
Gambar 2.5 Model Indikator Formatif (Kurniawan, 2011) ...................................... 15
Gambar 2.6 Model Struktural (Structural Model) .................................................... 16
Gambar 3.1 Diagram Alir Penelitian ........................................................................ 21
Gambar 3.2 Model Struktural ................................................................................... 27
Gambar 3.3 Diagram Alir Pembuatan Kuisioner ..................................................... 28
Universitas Pertamina - ix
BAB I PENDAHULUAN
1.1 Latar Belakang

Kemajuan internet membuat perkembangan “mobility on demand” pada sektor
transportasi meningkat pesat. Terdapat varian transportasi baru seperti Ride-hailing,
car-hailing, ridesharing, bikesharing. Contohnya pada Ride-hailing, orang yang akan
melakukan perjalanan (customer) meminta pengemudi mengantarkan sesuai dengan
tujuan yang telah diminta oleh customer pada aplikasi seluler (Shaheen, 2018). Fitur
yang ada pada Ride-hailing adalah customer dapat memesan driver dan jenis
kendaraan yang diinginkan, dimana pengemudi yang dipilih juga dapat mengetahui
lokasi customer. Perkembangan smartphone yang terintegrasi dengan GPS dan adanya
peta perjalanan yang dapat dilihat dari Application Programming Interface (API), serta
adanya informasi real-time mengenai waktu tunggu membuat perkembangan
teknologi layanan Ride-hailing tumbuh pesat. (Clewlow & Mishra, 2017) Tidak ada
ketentuan atau nama khusus untuk layanan yang dijelaskan diatas. Beberapa ada yang
menyebutkan juga sebagai app-based ride services, ride-booking and on demand
services, dan juga Transportation Network Companies (TNCs) (Tirachini, 2019).
Layanan Ride-hailing di Indonesia cukup berkembang pesat. Ini dapat
dibuktikan dimana pangsa pasar Indonesia yang terus naik drastis bila dibandingkan
dengan negara lain.
Universitas Pertamina - 1
Gambar 1.1 Pangsa Pasar Jasa Layanan Transportasi Online Kawasan Asia
Tenggara (2015-2021) (Google, Temasek, Bain & Company , 2019)
Layanan Ride-hailing masuk ke Indonesia pada tahun 2014. Mulai dengan
layanan Uber dan Gojek yang masuk pada tahun 2014 lalu diikuti dengan Grab pada
tahun 2015 (Vaula, Joseph, & Jacline, 2020).
Tabel 1.1 Dinamika Bisnis Layanan Ride-hailing di Indonesia (Fauzi & Sheng, 2020)
Penyedia Jasa Ride-hailing Fase Masa Depan

Kategori Fase Awal (2014- Fase Lanjut Layanan yang Kompetitor
2018) (2019-2020) sudah ada baru
Pendominasi Pasar Uber, Grab, Gojek Grab, Gojek Grab, Gojek
Pengikut Pasar Bajaj App, Transjek, Bajaj App, Bajaj App, Go Bitcar,
Wheel Line, Transjek, Transjek, Wheel Maxim,
Bangjek, Ojek Wheel Line, Line, Ojek Anterin,
Syar’I, Blujek, Call Ojek Syar’I, Syar’I, Ojek Bonceng,
Jack, Ojek Kampung, Pro- Asia Trans,
Ojekkoe, Topjek, Kampung, Jek FastGo,
OjekArgo, Taxi Pro-Jek Via
Motor,
Ladyjek, Smartjek,
Ojek
Kampung, Pro-Jek
Terdapat beberapa penyedia jasa transportasi Online di Indonesia selain Grab
dan Gojek antara lain seperti Anterin, Bonceng, Maxim, FastGo dll. Popularitas jasa
transportasi online didominasi oleh Grab sebesar 21,3% lalu diikuti dengan Gojek
19,4%. Sementara sebanyak 58,1% tidak pernah menggunakan jasa transportasi
online.
Gambar 1.2 Popularitas Jasa Transportasi Online di Indonesia (Asosiasi

Penyelenggara Jasa Internet Indonesia, 2020)
Berdasarkan data diatas, sebagian responden mengaku belum pernah memakai
layanan jasa transportasi online. Hal ini sejalan dengan belum hadirnya layanan jasa
transportasi online di semua kota di seluruh Indonesia. Layanan Grab hanya membuka
layanan di 125 kota di Indonesia (Grab, 2021) sementara Gojek di 167 kota (Gojek,
2021). Sementara itu pengguna jasa transportasi online di Indonesia didominasi anak
muda milenial pada rentang umur 25-34 tahun. Hal ini sesuai dengan komposisi
pengguna jasa layanan internet di Indonesia juga yang didominasi oleh rentang umur
25-34. (Asosiasi Penyelenggara Jasa Internet Indonesia, 2016). Hal ini disebabkan
untuk mengakses layanan tersebut dibutuhkan kemampuan untuk mengoperasikan
smartphone dan layanan internet dan pada umumnya generasi yang
berumur 40 tahun keatas kurang familiar dengan teknologi smartphone dan layanan
internet (Acheampong & Siiba, 2020).
Layanan Ride-hailing memiliki beberapa keberhasilan dan manfaat,
diantaranya mengurangi kepemilikan kendaraan pribadi, karena bagi pelanggan,
layanan ini sangat baik dalam memenuhi permintaan mereka sehingga menjadi tujuan
dan pilihan utama saat ingin mencapai tempat tujuan. Bila melihat variabel biaya,
biaya yang dikeluarkan ketika melakukan Ride-hailing lebih kecil dibanding biaya
transportasi dengan mobil pribadi. Biaya yang dikeluarkan ketika melakukan Ride-
hailing adalah mencakup biaya operasional seperti biaya bahan bakar, biaya asuransi
dan maintenance. Selain itu Sementara ketika menggunakan mobil pribadi, ada biaya
tambahan seperti biaya investasi dan biaya penyusutan barang (Acheampong & Siiba,
2020). Ride-hailing juga terbukti dapat menjadi alternatif pilihan bagi orang yang tidak
dapat mengendarai mobil dengan berbagai hal. Hal-hal yang menyebabkan orang tidak
dapat mengendarai mobil adalah terbatasnya fisik dan secara kognitif. Tidak
mempunyai kemampuan finansial secara ekonomi untuk membeli mobil dikarenakan
biaya investasi yang tinggi. Ada juga penyebab dikarenakan tidak punya Surat Ijin
Mengemudi (SIM) (Clewlow & Mishra, 2017). Salah satu langkah untuk
meningkatkan penggunaan Ride-hailing sebagai alternatif adalah dengan adanya
strategi pemasaran yang baik. Strategi pemasaran yang baik salah satu langkahnya
adalah mengerti perilaku konsumen (Peter & Olson, 2010). Perilaku konsumen yang
dimaksud adalah bagaimana seseorang akan memutuskan untuk menggunakan produk
berdasarkan sumber daya yang mereka punya. Sumber daya yang dimaksud adalah
uang, waktu dan tenaga. Perilaku konsumen dipengaruhi banyak faktor-faktor
pendorong seperti manfaat dan kegunaan produk ataupun jasa bagi mereka. Terdapat
juga beberapa faktor eksternal seperti sosial yang ikut berperan dalam membangun
dorongan seseorang untuk menggunakan produk. (Schiffman & Kanuk, 2010).
Pandemi Covid-19 merupakan pandemi global yang membawa pengaruh
begitu besar terhadap berbagai kehidupan. Tatanan kehidupan bermasyarakat sekejap
berubah. Negara-negara menerapkan aturan ketat dalam setiap hal. Indonesia
merupakan salah satu negara yang terdampak terhadap pandemi Covid-19.
Pemerintah Indonesia menerapkan peraturan untuk mencegah penyebaran Covid-19,
seperti pembatasan aktivitas sosial, aktivitas transportasi dan aktivitas pendidikan,
perdagangan dll. Contohnya pada aktivitas pendidikan dilakukan melalui sistem
daring. Pasar dan supermarket diatur jam operasionalnya dan dibatasi banyak
karyawannya, begitu juga tempat hiburan. Aktivitas dibatasi memakai masker,
menjaga jarak dan menghindari kerumunan serta mencuci tangan (Fahrika & Roy,
2020).
Menurut Badan Pusat Statistik (BPS) (2020), terdapat 82,25% pelaku usaha
yang mengalami penurunan pendapatan. Hal ini sejalan dengan banyaknya pemutusan
hubungan kerja (PHK) yang dilakukan agar menjaga agar perusahaan yang ada dapat
bertahan. Terdapat 1.5 juta karyawan yang mendapat PHK dari perusahaan.
Dampaknya terjadi penuruan pendapatan perkapita di Negara Indonesia pada tahun
2019 sebesar US$4.050 menjadi US$3.870 pada 2020 (Badan Kebijakan Fiskal,
2021). Dari uraian yang disebutkan sebelumnya mulai dari virus covid-19 yang
menyebar, kebiasan baru, pembatasan aktivitas serta penurunan aktivitas ekonomi
yang berdampak pada penurunan pendapatan membuat perubahan pada perilaku
konsumen. Menurut Achbarfariqy (2021), perubahan perilaku konsumen saat
pandemi Covid-19 diantaranya adalah Konsumen sangat berfokus pada nilai produk.
Dengan adanya penurunan pendapatan pada masa pandemi, konsumen dituntut untuk
membelanjakan sumber daya yang dimiliki dengan bijak dan mengesampingkan nilai-
nilai hedonic dan social acceptance. Konsumen tidak hanya melihat nilai produk
berdasarkan dari sisi harga dan kuantitas produk yang didapat namun juga kualitas
produk, seperti nilai gizi produk, apakah produk tersebut mendukung kesehatan
selama pandemi atau tidak. Konsumen juga teralihkan perhatiannya menjadi fokus
menghadapi pandemi yang mengakibatkan tingkat kepedulian terhadap produk baru
yang keluar dari suatu brand menjadi berkurang. Untuk itu pelaku usaha berusaha
membangun brand awareness dari berbagai sisi yaitu adanya promosi besar-besaran
dengan menggunakan tokoh masyarakat, kolaborasi kegiatan kemanusiaan serta yang
paling penting adalah adanya potongan harga jika membeli sebuah produk tertentu
ataupun tren group buying dimana konsumen harus mencari pembeli lainnya yang
ingin membeli produk yang sama agar dapat mengaktifkan diskon yang ada. Tentunya
hal ini secara tidak langsung mempengarui konsumen untuk semakin mencari produk
yang ada potongan harganya. Konsumen juga semakin sadar akan kebersihan dan
kesehatan selama pandemi ini terjadi. Konsumen ingin produk dan jasa yang dia pakai
bebas dari paparan virus Covid-19. Konsumen lebih memilih produk yang dapat
didaur ulang dan mendukung kelangsungan lingkungan. Produk-produk yang
mendukung diet, kesehatan dan higienis juga mendapat perhatian lebih dari
konsumen.
Perubahan perilaku lain adalah peningkatan aktivitas penjualan online. Jika
sebelumnya aktivitas penjualan online dan internet didominasi generasi milenial yaitu
generasi kelahiran 2000-1980, maka pada pandemi ini generasi X yang bertahun lahir
1965-1980 dituntut untuk adaptif dari segi teknologi untuk dapat menghadapi
pembatasan sosial yang ada sehingga proporsi aktivitas jual beli secara online
berimbang dari segi usia. Perubahan juga terjadi pada sektor transportasi. Terjadi
perubahan perilaku pengguna layanan jasa Ride-hailing. Mayoritas pengguna layanan
jasa Ride-hailing di Florida, Amerika Serikat menggunakannya untuk mengantarkan
makanan dibandingkan dengan mengantarkan mereka sendiri ke suatu tempat tujuan.
(Morshed, Shahriar, Bari, & Nur, 2021). Namun penelitian untuk efek pandemi
Covid-19 terhadap perilaku konsumen pengguna jasa Ride-hailing secara spesifik
masih sangat sedikit terutama di Negara Indonesia. Adapun beberapa penelitian
tentang dampak Covid-19 terhadap layanan jasa Ride-hailing yang ada masih
berfokus pada attitude dan trust (Hamid, 2020) serta hanya mempertimbangkan satu
layanan saja seperti food delivery (Kartono & Tjahjadi, 2021), sehingga perlu
dilakukan dieksplorasi faktor-faktor yang mendorong pengguna jasa Ride-hailing
untuk melakukan perjalanan.
Penelitian terdahulu terkait teori UTAUT dan UTAUT2 seperti yang dilakukan
Wang (2020) memakai UTAUT dimana variabel yang terlibat adalah Performance
Expectancy, Effort Expectancy, Social Influence, Facilitating Condition. Hasil dari
penelitian tersebut berpengaruh positif secara signifikan pada intensi seseorang untuk
menggunakan Ride-hailing (Wang, Shanyong, Jing, Wei, & Chenglin, 2020).
Sedangkan untuk UTAUT 2 dengan penelitian serupa menambahkan tiga variabel
setelah empat variabel terdahulu yaitu Hedonic Motivation, Price Value dan Habit
(Chen, Salmanian, & Akram, 2017).
Penelitian ini bersifat eksploratif memakai tujuh variabel dasar sesuai dengan
teori UTAUT2 dan variabel tambahan terkait perilaku konsumen pada Pandemi
Covid-19 yaitu Perceived Trusworthiness, Intention to Ride- Hailing untuk mengukur
intensi dan niat dan Use of Behavior. Use of Behavior yaitu seberapa berpengaruh
variabel tersebut mempengaruhi konsumen dalam niat dan perilaku mereka
menggunakan layanan Ride-hailing. Penelitian ini memakai Structural Equation
Modelling (SEM)-Partial Least Square (PLS) untuk dapat melihat hubungan
antarvariabel. SEM dapat menguji dan menjelaskan keterkaitan antarvariabel
berdasarkan teori terdahulu (Santoso, 2011). SEM adalah tools yang baik untuk
analisa multivariat dan berdasarkan causal relationship (Fan, et al., 2016). Penelitian
terdahulu yang memakai SEM untuk analisa faktor Ride-hailing sudah pernah
dilakukan. Hasilnya adalah perceived benefit dan attitude memegang peranan penting
dalam intensi untuk melakukan Ride-hailing (Acheampong & Siiba, 2020). Tidak
hanya terbatas pada manfaat dan persepsi pengguna, namun intensi untuk melakukan
Ride-hailing juga dapat dipengaruhi oleh faktor eksternal pengguna yaitu Socio-
Economic, Demographic dan Physicological dimana ketiganya berpengaruh positif
(Yoon, Matsumoto, Chinen, & Endo, 2019) . Faktor car ownership dan impact of Car-
Ownership juga berpengaruh secara positif (Y (Hui, Wang, Sun, & Tang, 2019).
Penelitian memakai 10 (sepuluh) variabel yaitu Performance Expectancy,
Effort Expectancy, Social Influence, Facilitating Condition, Hedonic Motivation,
Price Value, Habit, Perceived Trusworthiness, Intention to Ride-hailing dan Use of
Behavior. Kedelapan variabel terawal akan diuji baik secara model dan strukturnya
untuk melihat hubungannya dengan niat untuk menggunakan layanan Ride-hailing
(Intention Ride-hailing), sehingga pada akhirnya dapat diketahui apa saja faktor yang
mempengaruhi perilaku seseorang untuk menggunakan layanan Ride-hailing (Use of
Behavior). Penelitian ini bersifat eksploratori dimana tidak hanya menggunakan dasar
teorinya memakai Model Unified Theory of Acceptance and Use of Technology2
(UTAUT2) yang merupakan pengembangan dari UTAUT untuk mengetahui niat
seseorang dalam menggunakan jasa Ride-hailing namun menambahkan faktor terkait
pandemi Covid-19.
1.2 Rumusan Masalah

Berdasarkan latar belakang yang ada, maka rumusan masalah adalah “Apakah
faktor-faktor yang mempengaruhi keinginan orang untuk menggunakan layanan Ride-
hailing saat pandemi Covid-19?”
1.3 Tujuan Penelitian

Tujuan yang ingin dicapai adalah “Mengetahui Faktor-faktor apa saya yang
mempengaruhi keinginan orang untuk melakukan Ride-hailing saat pandemi Covid-
19.”
1.4 Manfaat Penelitian
Manfaat praktikal dalam penelitian ini diharapkan dapat mengetahui faktor-
faktor apa saja yang mempengaruhi orang untuk menggunakan layanan Ride-hailing
saat pandemi Covid-19. Penelitian ini diharapkan bermanfaat bagi industri layanan
Ride-hailing untuk dapat menjadi sarana mengerti perilaku konsumen saat pandemi
Covid-19, sehingga dapat menjadi strategi para perusahaan Ride-hailing untuk
meningkatkan layanan. Secara teoritis penelitian ini bermanfaat sebagai referensi
penggunaan Model Teori UTAUT 2.
1.5 Ruang Lingkup

Batasan Masalah dan Asumsi yang ada pada penelitian ini adalah asumsi:
1. Responden kuisioner dianggap adalah pengguna Ride-hailing.
2. Penelitian menggunakan indikator reflektif yaitu jenis indikator yang
merefleksikan variabel tersebut.
3. Penelitian bersifat eksploratif sehingga terdapat satu tambahan variabel yaitu
Variabel Perceived Trusworthiness untuk mengeksplorasi fenomena Covid-19
pada industri Ride-hailing.
Batasan Masalah:
1. Responden Kuisioner adalah masyarakat yang tinggal di seluruh Indonesia
2. Penelitian tidak mempertimbangkan penyedia layanan apa yang dipakai ataupun
jenis layanan yang digunakan
1.6 Sistematika Penulisan

Dalam laporan tugas akhir peneliti mampu menajabarkan dalam bentuk bab
yang dimana akan dijabarkan singkat sebagai berikut:
BAB I PENDAHULUAN
Bab ini berisikan latar belakang permasalahan yang diangkat dan diteliti. Terdapat
rumusan masalah, tujuan penelitian dan manfaat penelitian dan peserta ruang lingkup
penelitian. Bab ini menjadi pondasi untuk melanjutkan penelitian pada bab-bab
selanjutnya.
BAB II TINJAUAN PUSTAKA
Bab ini berisi studi literatur, teori-teori yang relevan dan metode-metode beserta hasil
penelitian.
BAB III METODOLOGI PENELITIAN
Bab ini menjelaskan desain penelitian dan langkah-langkah penelitian yang dilakukan.
BAB IV HASIL DAN PEMBAHASAN
Bab ini berisi pengumpulan data, pengolahan data dan analisis data. Hasil dari data
ini akan dianalisis pada bab ini.
BAB V KESIMPULAN DAN SARAN
Bab ini berisikan kesimpulan dan saran yang menjawab tujuan penelitian yang sudah
dirumuskan diawal. Saran diberikan untuk kemajuan penelitian-penelitian
selanjutnya.
BAB II TINJAUAN PUSTAKA
2.1 Teori Unified Theory of Acceptance and Use of Technology 2

(UTAUT2)
Penelitian ini bersifat eksploratori dimana teori yang ada dikembangkan dari
teori yang sudah ada. Pada penelitian ini memakai teori UTAUT2 sebagai dasar
sebelum dikembangkan. Berikut penjelasan perkembangan mengenai teori UTAUT2.
Gambar 2.1 Teori UTAUT2 (Venkatesh, Thong, & Xu, 2012)

Model ini adalah gabungan dari banyak model-model teori perilaku yang ada
khususnya pada bidang teknologi. Teori ini memiliki empat inti hal yang
mempengaruhi seseorang (niat/intention) untuk menggunakan sesuatu dalam
teknologi informasi dan empat hal indikator penghubung (Venkatesh, Morris, Davis,
& Davis, 2003). Empat hal penentu ini adalah ekspektasi kinerja (performance
expentancy), yaitu persepsi individu tentang seberapa jauh teknologi yang ada dapat
menunjang performanya. Kedua, adalah Effort Expectancy yaitu seberapa besar usaha
yang dikeluarkan untuk menggunakan teknologi yang ada.
Ketiga, Social Influence yaitu pengaruh orang lain terhadap keyakinan
individu terhadap suatu teknologi. Keempat, Facilitating Condition yaitu sejauh mana
fasilitas yang tersedia dalam mendukung individu untuk melakukan perbuatan. Teori
UTAUT2 merupakan pengembangan dari teori UTAUT sebelumnya dimana terdapat
penambahan tiga variabel yaitu Hedonic Motivation, Price Value dan Habit. Hedonic
Motivation adalah rasa senang dan bahagia yang didapatkan dari memakai sebuah
produk. Price Value merupakan pertimbangan konsumen dalam memilih sebuah
produk yaitu apa yang dia dapatkan dan berapa biaya yang harus dikeluarkan
(tradeoff). Habit merupakan kecendrungna seseorang untuk melakukan sebuah
kebiasaan, dalam konteks penggunaan produk yaitu bagaimana kebiasaan seseorang
dalam menggunakan produk, seberapa sering dsb (Venkatesh, Thong, & Xu, 2012).
2.2 Structural Equation Modelling (SEM)

2.2.1 Definisi Structural Equation Modelling
Structural Equation Modelling (SEM) adalah alat untuk menganalisis faktor,
jalur dan regresi. Tujuan dari SEM adalah metode untuk menjelaskan keterkaitan
antarvariabel. SEM dibuat berdasarkan teori terdahulu dan bukan model baru
(Santoso, 2011). SEM adalah alat yang handal untuk dalam teknik analisa multivariat
dan berdasarkan causal relationship (Fan, et al., 2016).
SEM dalam setiap modelnya terdapat variabel laten dan manifes.
Variabel laten adalah variabel yang tidak dapat diukur secara langsung dan tidak dapat
diobservasi secara langsung. Variabel manifes adalah variabel yang dapat diukur dan
diobservasi. Ada dua bagian yaitu measurement model dan structural model.
Gambar 2.2 Measurement model (Santoso, 2011)
Kumpulan dari Measurement model membentuk structural model dan
menggambarkan hubungan dari tiap variabel yang ada.
Gambar 2.3 Structural Model (Santoso, 2011)

Menurut Santoso (2011) ada beberapa tahapan dalam SEM. Berikut tahapan
yang dilakukan
1. Membuat model SEM
Model SEM dibuat berdasarkan teori-teori yang sudah ada sebelumnya. Teori-
teori ini dicari keterkaitannya, dapat digambarkan dengan model matematika
ataupun diagram.
2. Membuat desain penelitian dan pengumpulan data
Melakukan penelitian untuk konfirmasi hipotesis model yang ada. Dalam
hal ini merancang pengambilan data dan bagaimana perlakuan terhadap
data.
3. Identifikasi Model
Model yang ada lalu dapat diuji dan diestimasi sesuai dengan rancangan
penelitian yang ada.
2.2.2 Partial Least Square-Structural Equation Modelling (PLS-SEM)

Asumsi yang harus dipenuhi dalam model SEM yang konvensional, antara lain
ukuran sampel yang harus memenuhi minimal 10 kali dari indikator dan data harus
berdistribusi normal memunculkan model baru yaitu Partial Least Square (PLS).
Asumsi pada PLS adalah data yang dibutuhkan relatif kecil, tidak berasumsi
multivariat dan tidak membutuhkan data berdistribusi normal. Ada dua model
indikator dalam Model PLS antara lain (Kurniawan, 2011):
1. Model Indikator Reflektif yaitu memiliki hubungan sebab akibat dari variabel
laten (konstruk) ke indikator dan berkorelasi satu sama lain. Bila salah satu dari
indikator dihilangkan maka tidak mempengaruhi konstruk dikarenakan
indikator hanya bersifat refleksi dari konstruk. Pengukuran dilakukan pada
indikator-indikator yang ada.
Gambar 2.4 Model Indikator Reflektif (Kurniawan, 2011)
2. Model Indikator Formatif
Model ini merupakan kebalikan dari model reflektif. Konstruk laten dibentuk
dari indikator yang ada dan sifat sebab akibat adalah dari indikator ke konstruk.
Perubahan terhadap indikator akan mengubah makna dari konstruk
dikarenakan konstruk dibentuk dari indikator yang ada. Pengukuran dilakukan
pada konstruk.
Gambar 2.5 Model Indikator Formatif (Kurniawan, 2011)

Kemudian konstruk-konstruk baik itu yang bersifat reflektif maupun formatif
dapat disusun sesuai dengan hubungannya. Susunan ini disebut dengan model
struktural (structural model).
Gambar 2.6 Model Struktural (Structural Model)
(Hair, Hult, Ringle, & Sarstedt, 2017)
Ukuran sample yang dipakai bisa sepuluh kali jumlah terbesar dari indikator
formatif dan 10 kali jumlah terbesar dari path structural yaang ada. Untuk
mengevaluasi dan menguji model yang ada, terdapat dua jenis evaluasi.
Pertama yaitu evaluasi model pengukuran (measurement model) dan kedua

evaluasi model struktural. Untuk evaluasi model pengukuran terdapat dua jenis
pengukuran. Jika yang digunakan adalah model reflektif, maka jenis uji yang
dilakukan adalah reliabilitas dan validitas dari model yang ada berdasarkan kriteria
yang ditetapkan. Jika yang digunakan adalah model formatif maka jenis uji yang
digunakan adalah validitas, signifikansi dan relevansi dari bobot indikator serta
kolinearitas. Pada model struktural, maka uji yang dilakukan adalah kolinearitas
antara variabel dan signifikansi dari setiap jalur hubungan.
2.3 Penelitian Terdahulu
Berikut adalah penelitian terkait intensi untuk melakukan Ride-hailing beserta
faktor dan hasil penelitian yang dapat dilihat pada Tabel 2.1.
Tabel 2.1 Penelitian Terdahulu
Teori Metode Tujuan
Penelitian Multiple Confirmator Use of
CB- PLS- Intention to Use Ride-
TRA TPB TAM DOI UTAUT UTAUT2 Regression y Factorial Behavior of
SEM SEM hailing
Linear Analysis Ride-hailing
(Suhud, 2020) √ √ √ √
(Hou, et al.,
√ √ √
2020)
(Kartono &
√
Tjahjadi, 2021)
(Rizki, Basuki,
Belgiawan, & √ √ √ √
Irawan, 2020)
(Lu & Wang,
√ √ √ √
2020)
(Septiani,
Handayani, & √ √ √
Fatimah, 2017)
(KQT & Pham,
√ √ √ √
2017)
(Mohamad W. ,
√
et al., 2016)
(Chen,
Salmanian, & √ √ √ √
Akram, 2017)
(Abba &
√ √ √ √ √
Dastane, 2018)
Penelitian ini √ √ √ √
Pada studi literatur ini, mayoritas penelitian membahas tentang intensi untuk
melakukan ride-hailing. Penelitian banyak dilakukan di Negara yang mempunyai
populasi banyak seperti Ghana, Cina, Vietnam dan Indonesia. Hal ini disesuaikan agar
penelitian lebih berhubungan dengan objek penelitian penulis di Negara Indonesia.
Pemilihan variabel pada penelitian ini didasarkan pada kajian terdahulu terkait
intensi untuk menggunakan Ride-hailing. Pemilihan variabel berdasarkan pada
hipotesis yang diajukan pada penelitian. Pemilihan variabel tidak selalu
mempertimbangkan hasil dari penelitian, seperti hasil signifikan maupun tidak,
dikarenakan terdapat keunikan dari setiap penelitian. Keunikan ini dapat berupa
kecocokan variabel terhadap lokasi penelitian dan responden. Pada penelitian satunya
variabel dapat berdampak positif signifikan sementara yang lain dapat berdampak
negatif. Contohnya pada penelitian yang dilakukan (Wang, Shanyong, Jing, Wei, &
Chenglin, 2020), Perceived Ease of Use tidak mempunyai dampak signifikan terhadap
intensi untuk Ride-hailing. Namun sebaliknya penelitian yang dilakukan oleh
(Septiani R. , 2020), variabel Perceived Ease of Use mempunyai dampak signifikan
terhadap intensi untuk Ride-hailing.
Penelitian tentang Ride-hailing dilakukan oleh (Suhud, 2020). Hasil dari
penelitian bahwa faktor seseorang melakukan Ride Hailing adalah akibat adanya
Perceived Ease of Use yang secara signifikan dipengaruhi oleh Perceived Usefulness.
Perceived Usefulness inilah faktor kunci yang akan mempengaruhi attitude seseorang
secara langsung dan tidak langsung untuk memakai layanan Ride-hailing. Variabel
yang diuji pada penelitian (Hou, et al., 2020) cukup berbeda dengan penelitian yang
dijelaskan sebelumnya, karena mempertimbangkan beberapa faktor teknis yang
mendorong yaitu karakteristik perjalanan, kondisi cuaca dan juga lokasi yang akan
dituju. Hasil penelitian adalah karakteristik perjalanan dan faktor environment cukup
berpengaruh signifikan. Karakteristik perjalanan yang dimaksud adalah seperti apakah
perjalanan dilakukan sendiri, keluarga, atau bisnis, barang bawaan ringan atau berat,
apakah perjalanan ke bandara dll. Faktor environment berupa apakah perjalanan
dilakukan pada siang atau malam hari, pada waktu cerah atau hujan.
Penelitian yang dilakukan oleh (Muhamad et al., 2020), menggabungkan
beberapa variabel yang ada pada penelitian yang dijelaskan sebelumnya ( (Hou, et al.,
2020); (Suhud, 2020)) dimana perceived usefulness, personal characteristics dan
environment merupakan faktor pendorong untuk melakukan ride-hailing. Penelitian
yang dilakukan oleh (Tirachini, 2019) sedikit berbeda dengan tiga penelitian yang
disebutkan sebelumnya. Ada penelitian yang berfokus pada biaya seperti trip cost,
ease of payment dan fare transparency. Hasilnya ketiga variabel yang disebutkan
berpengaruh positif terhadap intensi untuk ride-hailing. Ease of payment merupakan
salah satu bentuk apakah pembayaran dapat dilakukan dengan mudah dari berbagai
platform atau tidak.
Perceived value merupakan variabel kunci yang ada pada penelitian (Lu &
Wang, 2020), dimana Perceived value ini adalah nilai yang didapatkan apabila
mengadopsi Ride-hailing sebagai alternatif moda transportasi. Beberapa variabel dari
penelitian yang dilakukan oleh (Lu & Wang, 2020) diadopsi pada penelitian ini.
Variabel yang diadopsi diantara lain adalah Perceived Value, Perceived Usefulness,
Perceived Enjoyment, Perceived Risk dan Behavioral Intention memiliki makna yang
sama dengan Performance Expectancy, Effort Expectancy dan Price Value. Penelitian
selanjutnya memakai variabel yang sama. Penelitian yang dilakukan oleh ( (KQT &
Pham, 2017); (Mohamad, Fuad, & Shahib, 2016); (Wang, Shanyong, Jing, Wei, &
Chenglin, 2020)) memiliki variabel yang kurang lebih sama. Adapun jika variabel
berbeda hanya secara penulisan namun sama secara terminologi. Contohnya pada
penelitian yang dilakukan oleh (Mohamad, Fuad, & Shahib, 2016) Perceived Safety
adalah keamanan dan risiko yang timbul akibat melakukan Ride-hailing. Variabel ini
sama dengan Perceived Risk yang ada pada penelitian (Wang, Shanyong, Jing, Wei,
& Chenglin, 2020). Penelitian yang dilakukan oleh (Chen, Salmanian, & Akram,
2017)sedikit berbeda. Ada beberapa variabel baru yang diperkenalkan seperti
Perceived Expectancy dan Effort Expectancy. Ada juga faktor-faktor psikologis dan
sosial seperti Social Acceptance, Hedonic Motivation dan Habit. Mayoritas penelitian
masih meneliti faktor layanan ride-hailing secara umum, tidak ada kondisi khusus
yang terjadi pada saat peneliti seperti pandemi, sehingga penelitian ini memiliki
keunikan yaitu meneliti secara khusus pada era pandemi.
BAB III METODOLOGI PENELITIAN
Pada bab ini menjelaskan tentang langkah-langkah penelitian yang dilakukan.

Langkah-langkah penelitian disusun agar penelitian dapat berjalan secara sistematis.
3.1 Metodologi Penelitian

Berikut adalah diagram yang menggambarkan alur dari penelitian ini.
Gambar 3.1 Diagram Alir Penelitian
1. Penentuan tujuan penelitian, rumusan masalah dan latar belakang
Pada tahap ini dilakukan proses untuk menggali apa sebenarnya masalah yang
melatarbelakangi penelitian ini, serta tujuan yang ingin dicapai dalam penelitian ini.
2. Studi Literatur
Studi literatur dilakukan berdasarkan latar belakang dan rumusan masalah.
Literatur yang dianalisis digunakan sebagai referensi oleh penulis. Literatur terkait
berupa teori UTAUT2, transportasi, faktor-faktor yang menjadi pendorong orang
untuk menggunakan jasa Ride-hailing, serta Structure Equation Modelling (SEM).
3. Identifikasi Variabel SEM (Structure Equation Modelling)
Setelah melakukan studi literatur, hal yang selanjutnya dilakukan adalah

membangun model hipotesis yang terdiri dari variabel endogen dan variabel
eksogen. Pada penelitian ini, variabel endogen adalah Intention of Ride-hailing dan
Use of Behavior. Variabel eksogen pada penelitian ini adalah Performance
Expectancy, Effort Expectancy, Social Influence, Hedonic Motivation, Price Value,
Habit dan Perceived Trusworthiness. Berikut adalah variabel-variabel yang
diidentifikasi berdasarkan literatur yang ada pada Tabel 3.1
Tabel 3.1 Identifikasi Variabel
Variabel Sumber Definisi

Performance (Venkatesh, menggambarkan sejauh mana seorang percaya bahwa sistem, layanan ataupun
Expectancy (PE) Morris, Davis, & teknologi yang ada dapat menunjang kinerja mereka yang mengarah pada
Davis, 2003) keuntungan. Dalam konteks Ride-hailing, bagaimana layanan tersebut dapat
membantu kinerja mereka dalam hal efisiensi waktu, tenaga dan biaya.
Contohnya mereka tidak perlu menemukan tempat parkir, karena mereka tidak
menggunakan mobil pribadi. Sehingga waktu yang digunakan untuk kegiatan
yang lebih produktif dapat lebih banyak.
Effort Expectancy (Venkatesh, menggambarkan sejauh mana anggapan seseorang tentang sistem, layanan
(EE) Morris, Davis, & ataupun teknologi dalam hal kemudahan. Artinya ketika sebuah layanan hadir
Davis, 2003) ada tingkat kemudahan maupun kesulitan yang dirasakan pengguna. Layanan
yang ada bisa jadi sangat friendly ataupun menjadi halangan bagi pengguna
Social Influence (Venkatesh, menggambarkan bagaimana seseorang menerima anggapan ataupun
(SI) Morris, Davis, & kepercayaan orang lain tentang apakah seseorang harus menggunakan sistem,
Davis, 2003) layanan ataupun teknologi yang ada. Menggunakan sistem yang ada dapat
membawa perasaan superior kepada seseorang dibanding teman-teman
disekitarnya, sehingga dapat meningkatkan rasa hormat orang lain terhadap
dirinya. Dalam konteks layanan ride-hailing, orang akan terpengaruh untuk
menggunakan layanan ride-hailing, ketika ada nasihat ataupun saran dari orang
terdekat baik orang tua, teman, kenalan, dll.
Facilitating (Venkatesh, menggambarkan bagaimana organisasi maupun infrastruktur sekitar dapat
Condition (FC) Morris, Davis, & menunjang sistem, teknologi maupun layanan yang ada. Dalam konteks ride-
Davis, 2003) hailing, bagaimana sarana dan sumber daya yang ada dapat mendukung
penggunaan layanan. Apakah seseorang mempunyai handphone, layanan
internet, ataupun platform pembayaran.
Hedonic Motivation (Venkatesh, menggambarkan rasa senang seseorang ketika menggunakan layanan. HM
(HM) Thong, & Xu, memegang peranan penting dalam sikap seseorang ketika menggunakan
2012) teknologi.
Price Value (PV) (Venkatesh, menggambarkan tentang bagaimana biaya memegang peranan penting dalam
Thong, & Xu, perilaku seseorang dalam menggunakan layanan ataupun teknologi. Seseorang
2012) akan terdorong menggunakan layanan ketika merasa manfaat yang didapat
lebih dari biaya yang dikeluarkan.
Habit (H) (Venkatesh, Habit (kebiasaan) adalah suatu hal yang dilakukan berulang-ulang dan
Thong, & Xu, biasanya menjadi suatu hal yang otomatis. Dalam konteks ride-hailing
2012) bagaimana perilaku seseorang untuk menggunakan layanan. Apakah
menggunakan ride-hailing dianggap sudah menjadi kebiasaan berulang-ulang
atau tidak.
Perceived (Kartono & menggambarkan bagaimana tingkat kepercayaan konsumen dalam
Trusworthiness Tjahjadi, 2021) menggunakan layanan. Pandemi Covid-19 menyebabkan disrupsi secara besar-
besaran dalam industri. Hal ini menyebabkan terjadinya perubahan tingkat
kepercayaan konsumen dalam memakai sebuah teknologi ataupun layanan.
Dalam konteks ride-hailing apakah ketika mereka memakai layanan tersebut
mereka dapat terhindar dari Covid-19. Indikator kepercayaan dapat dinilai dari
Reliabilitas layanan dan teknologi yang ada seperti pengaturan tempat duduk,
jumlah penumpang, kebersihan dan sterilisasi kendaraan, maupun kepercayaan
yang bersifat subjektifitas dari konsumen itu sendiri
Intention to Ride- (Venkatesh, Thong, Niat perilaku adalah kemungkinan yang dirasakan seseorang akan terlibat
hailing & Xu, 2012) dalam sebuah perilaku tertentu atau kemauan seseorang (motivasi) untuk
(Haba & Dastane, mencoba sebuah kebiasaan. Intention to Ride-hailing dapat memediasi variabel
2018) dasar UTAUT2 seperti Performance Expectancy, Effort Expectancy, Social
Influence, Hedonic Motivation, Price Value dan Habit. Semakin kuat pengaruh
variabel dasar seperti Performance Expectancy dan Effort Expectancy maka
akan membuat intensi seseorang akan naik yang berujung pada pengaruh sikap
dan perilaku pada saat menggunakan layanan. Hal tersebut menunjukkan
adanya pengaruh tidak langsung variabel-variabel diatas dan Use of Behavior
dengan Intention to Ride-hailing sebagai mediator.
Use of Behavior (Venkatesh, Thong, menjelaskan bagaimana seseorang menerima secara penuh dan utuh dan
& Xu, 2012) (Haba berjanji untuk terus melakukan kebiasaan maupun perilakunya tersebut
& Dastane, 2018)
4. Perancangan Hipotesis
Berikut hipotesis yang dirancang pada penelitian ini.
Tabel 3.2 Hipotesis Penelitian

Kode Hipotesis
Performance Expectancy berpengaruh signifikan pada Behavioral
H1
Intention to Ride- Hailing
Effort Expectancy berpengaruh signifikan pada Behavioral Intention to
H2
Ride- Hailing
Social Influence berpengaruh signifikan pada Behavoral Intention to
H3
Ride- Hailing
Facilitating Condition berpengaruh signifikan pada Behavioral Intention
H4
to Ride-hailing
Hedonic Motivation berpengaruh signifikan pada Behavoral Intention to
H5
Ride- Hailing
Price Value berpengaruh signifikan pada Behavoral Intention to Ride-
H6
Hailing
H7 Habit berpengaruh signifikan pada Behavoral Intention to Ride- Hailing
Perceived Trusworthiness berpengaruh signifikan pada Behavoral
H8
Perceived Trusworthiness berpengaruh signifikan pada Use Behavior of
H9
Ride- Hailing
Behavior Intention to Ride Hailing berpengaruh signifikan pada Use
H10
Behavior of Ride-hailing
Performance Expectancy mempunyai indirect effect kepada Use Behavior
H11
of Ride Hailing melalui Behavior Intention to Ride-hailing
Effort Expectancy mempunyai indirect effect kepada Use Behavior of Ride
H12
Hailing melalui Behavior Intention to Ride-hailing
Social Influence mempunyai indirect effect kepada Use Behavior of Ride
H13
Facilitating Condition mempunyai indirect effect kepada Use Behavior of
H14
Ride Hailing melalui Behavior Intention to Ride-hailing
Hedonic Motivation mempunyai indirect effect kepada Use Behavior of
H15
Ride Hailing melalui Behavior Intention to Ride-hailing
Price Value mempunyai indirect effect kepada Use Behavior of Ride
H16
Habit mempunyai indirect effect kepada Use Behavior of Ride Hailing
H17
melalui Behavior Intention to Ride-hailing
Performance Trusworthiness mempunyai indirect effect kepada Use
H18
Behavior of Ride Hailing melalui Behavior Intention to Ride-hailing
5. Pembuatan Model Struktural
Pembuatan Model Struktural didasarkan pada variabel-variabel dan hipotesis
yang sudah dibangun sebelumnya. Penelitian ini memakai model UTAUT2
(Venkatesh, Thong, & Xu, 2012) yang diimplementasikan pada penelitian serupa.
Penelitian menggunakan UTAUT 2 sebagai model struktural sudah digunakan
contohnya pada penelitian Chen, Salmanian, & Akram (2017), penelitian tersebut
masih bersifat menemukan faktor yang mempengaruhi User Acceptance layanan
Ride-hailing secara umum sehingga tidak ada penambahan variabel apapun dari
teori dasar UTAUT2. Pada penelitian ini berfokus untuk menemukan faktor yang
mempengaruhi pengguna dalam menggunakan layanan ride-hailing pada saat
pandemi Covid-19 sehingga perlu penambahan variabel yang dapat
mendeskripsikan fenomena Pandemi Covid-19. Garis-garis panah menandakan
hipotesis yang ada antarvariabel.
Gambar 3.2 Model Struktural
6. Pembuatan Kuisioner
Pembuatan kuisioner disesuaikan dengan model yang telah dibangun. Berikut
adalah bagan tahapan pembuatan kuisioner pada Gambar 3.3
Gambar 3.3 Diagram Alir Pembuatan Kuisioner
Identifikasi indikator pertanyaan disusun berdasarkan variabel yang sudah

dibuat. Berikut adalah indikator dan item pernyataan yang menjadi dasar pembuatan
kuisioner pada Tabel 3.3
Tabel 3.3 Indikator Pernyataan
Variabel Kode Item Indikator Referensi

Performance PE1 Secara umum, layanan Ride-hailing bermanfaat untuk
Expectancy perjalanan saya (Lu & Wang,
PE2 Ride-hailing meningkatkan efektifitas perjalanan saya 2020)
PE3 Ride-hailing dapat meningkatkan kualitas perjalanan
saya
PE4 Ride-hailing dapat membantu saya dalam hal efisiensi
waktu dan usaha dalam perjalanan
PE5 Ride-hailing tersedia ketika saya membutuhkannya
Effort EE1 Menurut saya, menemukan cara kerja aplikasi Ride- (Chen,
Expectancy hailing tidaklah sulit Salmanian, &
EE2 Secara umum saya tahu sistem kerja Ride-hailing Akram, 2017)
EE3 Saya merasa bahwa aplikasi nyaman dan mudah
digunakan
EE4 Saya merasa mudah untuk menghubungi pengemudi
dan sebaliknya
EE5 Saya merasa nyaman dan mudah dalam hal pembayaran
Social SC1 Saya tertarik untuk menggunakan layanan ride-hailing (Chen,
Influence jika keluarga dan teman-teman saya menggunakannya Salmanian, &
SC2 Saya merasa dihormati ketika menggunakan layanan Akram, 2017)
ride-hailing
SC3 Influencer/Orang yang terkenal/Public Figure dapat
mempengaruhi saya menggunakan layanan ride-hailing
SC4 Orang-orang yang peduli terhadap saya dapat
mempengaruhi saya untuk tertarik menggunakan
layanan ride-hailing
SC5 Saya merasa bahwa social media mempengaruhi saya
dalam menggunakan layanan ride-hailing
Facilitating FC1 Aplikasi layanan ride-hailing dapat berjalan dengan (Chen,
Condition baik pada perangkat saya Salmanian, &
FC2 instruksi penggunaan layanan Ojek online dapat diakses Akram, 2017)
oleh saya.
FC3 Saya merasa bahwa untuk mempunyai akun layanan
ride-hailing tidaklah susah
FC4 Saya merasa bahwa untuk mempunyai akun
pembayaran (kartu kredit, gopay, ovo, dll) untuk
layanan ride-hailing tidaklah susah
FC5 Saya merasa bahwa Customer Service dari layanan ride-
hailing hadir untuk saya
Hedonic HM1 Saya sangat menikmati memesan layanan antar lewat (Chen,
Motivation aplikasi ride-hailing Salmanian, &
HM2 Saya sangat menikmati perjalanan saya dengan layanan Akram, 2017)
ride-hailing
HM3 Saya merasa bahwa driver mudah untuk diajak
berkomunikasi
HM4 Saya suka dengan aktivitas promosi, festival dan
kampanye yang diadakan penyedia layanan ride-hailing
HM5 Saya sangat suka dengan kendaraan-kendaraan yang
ditawarkan dan penasaran kendaraan apa yang akan
mengantar saya
Price Value PV1 Saya merasa bahwa layanan ride-hailing adil dalam (Chen,
membuat tarif Salmanian, &
PV2 Saya merasa value yang ditawarkan dapat ditermia oleh Akram, 2017)
pelanggan
PV3 Saya merasa bahwa saya dapat menghemat uang lewat
layanan ojek online
PV4 saya merasa layanan ride-hailing mempunyai nilai yang
tinggi dalam cost per performance
PV5 Saya merasa bahwa harga yang ditawarkan layanan
ride-hailing stabil.
Habit H1 Menggunakan layanan ride-hailing adalah kebiasaan (Chen,
saya Salmanian, &
H2 Saya memang harus/terpaksa menggunakan layanan Akram, 2017)
ride-hailing
H3 Saya memang sangat suka (addict) dengan layanan ojek
online
H4 Layanan ride-hailing memang prioritas saya ketika
memilih moda transportasi dalam sebuah perjalanan
H5 Secara umum saya yakin bahwa layanan ride-hailing
merupakan moda pilihan yang tepat ditengah pandemi
Covid-19.
Perceived PT1 secara umum, saya dapat mempercayai layanan ride-hailing (Kartono &
Trusworthiness sebagai moda transportasi saya Tjahjadi,
PT2 Saya yakin dengan kebersihan dari layanan transportasi yang 2021)
saya pakai karena hal tersebut merupakan hal yang sangat (Al-Hujran,
penting Al-Debei,
PT3 Saya yakin dengan pentingnya kebijakan penataan tempat Chatfield, &
duduk untuk mencegah penularan Covid-19 oleh penyedia Migdadi,
jasa layanan ride-hailing 2015)
PT4 Saya yakin dengan pentingnya kebijakan pengaturan jumlah (Munoz-
penumpanbg untuk mencegah penularan Covid-19 oleh Leiva,
penyedia jasa layanan ride-hailing Climent-
PT5 Secara umum saya yakin bahwa layanan ride-hailing Climent, &
merupakan moda pilihan yang tepat ditengah pandemi Liébana-
Covid-19 Cabanillas,
2017)
Intention to IR1 Jika ada kesempatan, saya akan mendownload aplikasi (Al-Hujran,
Ojek-online layanan ride-hailing Al-Debei,
IR2 Jika ada kesempatan, saya akan coba menggunakan layanan Chatfield, &
ride-hailing Migdadi,
IR3 Jika fasilitas yang ada lengkap (ID dan akun pembayaran) 2015)
saya akan mencoba menggunakan layanan ride-hailing (Munoz-
IR4 Saya pikir mencoba layanan ride-hailing adalah ide yang Leiva,
tepat Climent-
IR5 Saya pikir saya akan mengajak teman untuk bersama-sama Climent, &
mencoba layanan ride-hailing. Liébana-
Use of Behavior UB1 Layanan ride-hailing sudah menjadi bagian dari hidup saya Cabanillas,
2017) (Le,
UB2 Saya menggunakan layanan ride-hailing secara kontinu
sekarang 2019)
UB3 Saya akan terus melanjutkan kebiasaan saya dalam
menggunakan layanan ride-hailing
UB4 Di masa depan saya akan terus menggunakan layanan
ride-hailing sebagai moda transportasi saya
UB5 Saya sering merekomendasikan layanan ride-hailing pada
teman sekitar saya.
7. Uji Validitas dan Realibilitas Kuisioner

Uji validitas merupakan alat untuk mengidentifikasi sejauh mana suatu alat
dapat mengukur apa yang seharusnya dapat diukur (Ghiselli, 1981). Hasil dari
validitas menunjukkan tingkat kemampuan suatu instrumen dalam mengukur dan
berhubungan dengan akurasi. Suatu instrumen yang valid memiliki tingkat validitas
(akurasi) yang tinggi. Langkah awal yang dapat dilakukan adalah menyebarkan
minimal 30 kuisioner (agar mencapai syarat distribusi normal). Metode uji yang
dilakukan adalah Uji Signifikansi dimana mengukur korelasi antar variabel
dibanding total skor variabel. Pengujian validitas dilakukan menggunakan Bivariate
Pearson (Produk Momen Pearson). Apabila nilai r hitung lebih besar dari r tabel
maka variabel dapat dinyatakan valid.
Reliabilitas adalah indeks untuk menunjukkan sejauh mana instrumen/alat
dapat dipercaya atau handal. Sebuah instrumen dikatakan handal (reliable), jika
digunakan berkali-kali mengukur hal yang sama dapat memberikan hasil yang
konsisten dari waktu ke waktu. Pengujian realibilitas mengarah pada derajat
stabilitas, konsistensi dan akurasi. Tinggi rendah realibilitas ditunjukkan oleh
koefisien realibilitas. Bila realibilitas tinggi, bila nilai koefisien mendekati satu.
Nilai reliabilitas dinilai sudah baik apabila nilai koefisien ≥ 0.6. Metode yang dapat
digunakan adalah Metode Cronbach’s Alpha.
8. Penyebaran Kuisioner
Penyebaran kuisiomer dapat dilakukan setelah kuisioner memenuhi Uji
Validitas dan Realibilitas. Pengambilan data melalui kuisioner, responden dapat
menjawab pertanyaan yang tersedia. Proses penyebaran kuisioner dilakukan
dengan media google form yang disebar melalui berbagai media sosial yang ada.
Kuisioner ini akan digunakan untuk mengambil data dengan target masyarakat
pengguna layanan ride-hailing secara random dengan teknik disproportionate
stratified random sampling (Santosa, 2018). Teknik tersebut dipilih agar
memastikan bahwa semua strata demografi terisi walaupun tidak proporsional.
Jumlah target responden sesuai dengan ketentuan Metode PLS-SEM adalah
sepuluh kali jumlah jalur struktural yang ada (Hair, Hult, Ringle, & Sarstedt, 2017).
Untuk menentukan ukuran kecukupan sampel maka Cohen (1992) menyarankan
penggunaan Power Analysis dengan bantuan software kalkulator G*Power. Input
yang disarankan untuk uji tersebut adalah R2 sebesar 0.25, significance level 5%
dan statistical power sebesar 80%.
9. Uji Model Pengukuran (Outer Model)
Uji Model Pengukuran adalah tahapan yang dilakukan untuk menguji keterkaitan
antara indikator dan variabel yang ada. Uji ini memungkinkan untuk mengukur
reliabilitas dan validitas dari variabel dan indikator-indikator yang ada. Jika variabel
atau indikator yang ada tidak memenuhi uji yang ada, maka indikator atau variabel
yang bermasalah dapat dihapus. Penelitian ini memakai model reflektif sehingga
model pengukuran berfokus pada internal consistency dan validitas.
Internal Consistency Realiblity adalah uji kedua yang dapat dilakukan. Hal yang
diukur dalam pengukuran ini adalah Composite Realibility, Cronbach’s Alpha dan
Outer Loading yang nilainya berkisar antara 0-1. Kisaran nilai untuk Composite
Realibility dan Cronbach’s Alpha yang dapat diterima adalah 0,6 – 0,7 (Hair, Hult,
Ringle, & Sarstedt, 2017). Outer Loading digunakan untuk menguji Indicator
Realibility. Nilai Outer Loading yang dapat diterima adalah 0,7. Indikator yang
dianggap tidak memenuhi nilai yang disebutkan sebelumnya dapat dihapus dan lanjut
ke pengujian berikutnya.
Uji ketiga adalah Discriminant Validity yaitu perbandingan variabel satu dengan
lainnya, tentang bagaimana satu variabel bersifat unik dan dapat menjelaskan
fenomena yang tidak dapat dijelaskan oleh variabel lainnya. Untuk mengukur
discriminant validity hal pertama yang dapat dilakukan adalah melihat nilai cross
loading. Nilai Cross Loading merupakan perbandingan nilai indikator dari setiap
variabel dibandingkan terhadap variabel itu sendiri. (Hair, Hult, Ringle, & Sarstedt,
2017) Nilai Cross Loading dari indikator harus lebih besar daripada indikator tersebut
dibandingkan dengan variabel lain.
Pendekatan kedua yang dapat dilihat adalah dengan menggunakan kriteria
Fornell-Larcker. Nilai diagonal pada kriteria Fornell Larcker harus lebih besar
daripada hubungan antara variabel lain (Santosa, 2018).
Uji Keempat adalah Convergent Validity, yaitu apakah indikator yang ada
pada variabel tersebut representatif terhadap variabel tersebut. Hal ini dapat dilihat
dari nilai Average Variance Extracted (AVE). Nilai AVE berkisar antara 0 – 1.
Nilai AVE yang dapat diterima adalah ≥ 0,5 (Hair, Hult, Ringle, & Sarstedt, 2017).
10. Pengujian Model Struktural

Ketika variabel dan indikator yang ada sudah dinyatakan valid dan reliabel, maka
dapat dilakukan pengujian model struktural. Pengujian ini dimaksudkan untuk
memeriksa seberapa baik kemampuan prediktif model yang ada. Ada lima uji yang
dapat dilakukan. Uji pertama adalah Collinearity Assesment yaitu independensi
dari setiap variabel. Jika tidak memenuhi syarat maka variabel memiliki
kolinearitas dengan variabel lainnya. Hal ini dapat dilihat dari nilai Inner VIF yang
yang ≤ 5 (Santosa, 2018). Uji kedua adalah R-Square yaitu mengukur seberapa
baik variabel eksogen dan endogen yang ada dalam membentuk suatu model. Nilai
R-Square yang dapat diterima adalah ≥ 0,2 (Cohen, 1992). Uji ketiga merupakan
kelanjutan dari uji sebelumnya yaitu mengetahui ukuran efek (f-square) dari setiap
variabel yang ada. Nilai R-Square merupakan nilai efek variabel secara
keseluruhan. Namun dalam f-square, hal ini dapat dilihat secara parsial per
variabel. Uji keempat adalah Predictive Relevance (Q2) yaitu mengetahui
kemampuan relevansi prediktif dari suatu model. Nilai Q2 ≥ 0,25 memiliki daya
prediksi sedang sedangkan Q2 ≥ 0,5 memiliki kemampuan prediksi kuat (Hair,
Hult, Ringle, & Sarstedt, 2017). Uji kelima adalah Path Coefficient yaitu apakah
variabel yang ada memiliki pengaruh bernilai positif atau negatif dengan rentang
nilai -1 ≤ 0 ≤ 1. Uji keenam adalah Uji Hipotesis (t-statistic) untuk melihat tingkat
signifikansi dari setiap variabel. Jika variabel tidak memenuhi hipotesis yang
sudah dibuat maka variabel dianggap tidak signifikan mempengaruhi yaitu
memakai nilai P-Value (0.005) (Santosa, 2018). Pada uji ini tidak hanya variabel
yang memiliki hubungan langsung, namun juga hubungan secara tidak langsung
variabel yang ada. Pada kasus penelitian ini, variabel yang berperan sebagai
variabel perantara (mediasi) adalah variabel Behavioral Intention to Ride-hailing.
Uji terakhir adalah uji kelayakan model (model fit) yaitu apakah model
yang ada layak untuk digunakan. Nilai kelayakan model ditentukan berdasarkan
nilai SRMR dan NFI. Nilai SRMR yang ideal adalah ≤ 0,1. NFI sendiri adalah
nilai yang menggambarkan bagaimana kesesuaian model dengan kondisi nyata
(Santosa, 2018). Bila pada pengujian model struktural terdapat nilai yang tidak
ideal ataupun tidak memenuhi, maka dapat dilakukan peninjauan kembali secara
teoritis pada model struktural (Hair, Hult, Ringle, & Sarstedt, 2017).
11. Analisis Hasil

Hasil pengujian dan pengukuran selanjutnya dilakukan interpretasi. Analisis
yang dilakukan adalah apa saja faktor-faktor yang menyebabkan pengguna
layanan Ride-hailing menggunakan jasa teresebut, serta apakah pengguna percaya
terhadap layanan tersebut pada era pandemi yang ada sebagai alternatif
transportasi.
12. Kesimpulan
Kesimpulan diambil berdasarkan hasil analisis. Hasil dari penelitian dapaat
dijadikan sebagai saran untuk penelitian selanjutnya serta referensi bagi
perusahaan yang bergerak di bidang layanan Ride-hailing.
BAB IV HASIL DAN PEMBAHASAN
4.1 Deskripsi Permasalahan

Indonesia merupakan negara dimana industri ride-hailing berkembang pesat.
Selain itu, pengguna smartphone di Indonesia dapat dikatakan cukup tinggi. Sehingga
dapat dikatakan Indonesia memiliki potensi besar dalam industri ride-hailing itu
sendiri. Layanan transportasi online memiliki banyak keunggulan dibanding dengan
layanan transportasi konvensional. Layanan transportasi online memiliki harga yang
sudah jelas ditentukan oleh sistem aplikasi yang ada berdasarkan kustomisasi layanan
yang dipilih oleh pengguna. Berbeda dengan layanan transportasi konvensional yang
masih negosiasi dalam harga. Kemudahan lain yang dapat dirasakan pengguna adalah
layanan penjemputan dimana penumpang menunggu. Selain itu juga tersedia beragam
cara pembayaran serta banyak fitur-fitur lain yang memudahkan customer dalam
penggunaan jasa ride-hailing. Hal-hal yang telah disebutkan sebelumnya menjadi dasar
konsumen lebih memiliki menggunakan jasa layanan ride-hailing daripada layanan
konvensional.
Pandemi Covid-19 membawa pengaruh besar terhadap berbagai sisi kehidupan

manusia. Hal ini dikarenakan Virus Covid-19 dapat menyebar dengan mudah melalui
kontak fisik sesama manusia ataupun benda yang bersentuhan dengan orang yang
terpapar Virus Covid-19. Hal tersebut mengubah pola dan gaya hidup masyarakat.
Segala aktivitas diatur demi mencegah penyebaran virus, baik dari pembatasan sosial,
pengaturan jam operasional, serta menjaga kebersihan yang ada. Peraturan yang
ditetapkan secara tidak langsung membentuk kebiasaan positif baru pada masyarakat.
Secara tidak langsung timbul kepedulian terhadap kebersihan. Contohnya
membersihkan tangan sebelum makan, mandi sesudah mengunjungi tempat tertentu
serta menjaga kebersihan benda-benda yang dipakai. Produk-produk kebersihan yang
ada di pasar juga semakin laku. Namun pandemi Covid-19 juga membawa dampak
negatif pada masyarakat. Penghasilan sektor-sektor riil mengalami penurunan. Hal ini
menyebabkan banyak pekerja yang terkena PHK.
Sehingga menurunkan pendapatan perkapita masyarakat Indonesia. Hal-
hal yang telah disebutkan sebelumnya menjadikan masyarakat harus beradaptasi
dengan kondisi yang ada. Masyarakat dituntut untuk membelanjakan uangnya
dengan bijak dan tidak terpengaruh dengan motivasi hedonik. Selain itu,
masyarakat juga harus melek dengan teknologi. Hal ini diperlukan mengingat
pembatasan sosial, sehingga aktivitas sosial dan ekonomi dilakukan dengan
bantuan teknologi.
Faktor -faktor yang telah disebutkan perlu diuji apakah mempengaruhi

industri layanan ride-hailing secara spesifik atau tidak. Untuk menguji faktor-
faktor yang ada digunakan metode Structural Equation Modelling. Dalam
metode ini terdapat dasar model teori terstruktur yang akan diuji. Struktur model
dibangun berdasarkan model adopsi teknologi karena layanan ride-hailing erat
kaitannya dengan teknologi. Data diambil dengan cara menyebarkan kuisioner
kepada masyarakat pengguna layanan ride-hailing. Data yang ada lalu diolah
menggunakan bantuan perangkat lunak smartPLS untuk menjawab hipotesis
yang telah dibangun sebelumnya.
4.2 Pengujian Kuisioner

Pengujian kuisioner dilakukan untuk membuktikan apakah kuisioner
dapat dijadikan sebagai alat pengambil data yang valid dan reliabel. Metode
yang dapat digunakan untuk menguji validitas kuisioner adalah dengan Bivariate
Pearson. Pengujian reliabilitas dapat dilakukan dengan melihat nilai Cronbach
Alpha’s. Pengujian kuisioner dapat dilakukan dengan menggunakan 50
responden. Bila ada pertanyaan yang tidak valid maka perlu direvisi atau dihapus
dan melangkah ke perhitungan selanjutnya.
Pengujian validitas kuisioner adalah cara untuk menilai apakah kuisioner

valid atau tidak. Metode yang digunakan adalah Bivariate Pearson. Nilai per
indikator dibandingkan dengan nilai Tabel R. Nilai Tabel R dengan N= 50 adalah
0.2681. Bila nilai r hitung kuisioner < 0.2681, maka indikator dapat dihapus.
Uji Realibilitas bertujuan untuk mengukur seberapa baik variabel dapat
diandalkan. Pada hasil yang ditampilkan pada Tabel 4.1 dapat terlihat bahwa nilai
Cronbach Alpha > 0.7 yang menandakan bahwa pengaruh variabel cukup kuat dan
konsisten untuk dijadikan sebagai alat ukur.
Tabel 4.1 Uji Validitas dan Realibilitas Awal Kuisioner
Cronbach
Indikator Nilai r Status
Alpha
PE1 0.645 valid
PE2 0.755 valid
PE3 0.875 0.721 valid
PE4 0.692 valid
PE5 0.788 valid
EE1 0.746 valid
EE2 0.747 valid
EE3 0.902 0.761 valid
EE4 0.774 valid
EE5 0.778 valid
SC1 0.578 valid
SC2 0.635 valid
SC3 0.716 0.576 valid
SC4 0.358 valid
SC5 0.32 valid
FC1 0.777 valid
FC2 0.913 valid
FC3 0.932 0.815 valid
FC4 0.8 valid
FC5 0.829 valid
HM1 0.696 valid
HM2 0.844 valid
HM3 0.924 0.774 valid
HM4 0.845 valid
HM5 0.886 valid
PV1 0.902 valid
0.948
PV2 0.869 valid
Cronbach
Indikator Nilai r Status
Alpha
PV3 0.878 valid
PV4 0.782 valid
PV5 0.868 valid
H1 0.812 valid
H2 0.717 valid
H3 0.899 0.757 valid
H4 0.748 valid
H5 0.754 valid
PT1 0.923 valid
PT2 0.924 valid
PT3 0.955 0.919 valid
PT4 0.864 valid
PT5 0.82 valid
IR1 0.905 valid
IR2 0.515 valid
IR3 0.864 0.839 valid
IR4 0.658 valid
IR5 0.839 valid
UB1 0.681 valid
UB2 0.798 valid
UB3 0.89 0.756 valid
UB4 0.714 valid
UB5 0.726 valid
4.3. Karakteristik Responden
Berikut karakteristik responden pengguna layanan ride-hailing ditampilkan
pada Tabel 4.2.
Tabel 4.2 Karakteristik Responden

Frekuensi
Variabel (N=304) Persentase
Pulau tempat tinggal
Sumatera 80 26.30%
Jawa 154 50.70%
Kalimantan 27 8.90%
Bali, NTT, NTB 28 9.20%
Sulawesi & Maluku 11 3.60%
Papua 4 1.30%
Umur
10-15 tahun 6 2%
16-30 tahun 247 81.30%
31-40 tahun 43 14.10%
41-50% 4 1.30%
51-60 tahun 4 1.30%
Pendidikan
SMP 6 2%
SMA 94 30.90%
Diploma 25 8.20%
Mahasiswa Sarjana (S1) 159 52.30%
Pascasarjana (S2&S3) 20 6.60%
Pekerjaan
Pelajar 157 51.50%
Pekerja Swasta 102 33.60%
Pegawai Negeri 28 9.20%
Wiraswasta 6 1.90%
Lain-lain 11 3.50%
Tabel 4.2 Karakteristik Responden (lanjutan)
Penghasilan dalam sebulan

< Rp.1.500.000 129 42.40%
Rp. 1.500.000- Rp. 2.500.000 31 10.20%
Rp. 2.500.000- Rp. 3.500.000 19 6.30%
Rp. 3.500.000- Rp. 5.000.000 48 15.80%
Rp. 10.000.000 - Rp. 48 15.80%
15.000.000
>Rp. 15.000.000 10 3.30%
Penggunaan Jasa Ride-hailing
Jarang (kira-kira 1 atau 2 kali 46 15.10%
setahun)
Kadang-kadang (kira-kira 1 114 37.50%
atau 2 kali sebulan)
Sering (kira-kira 1 atau 2 kali 76 25%
seminggu)
Sangat Sering (lebih dari dua 68 22.40%
kali seminggu)
Kepemilikan Sepeda Motor
Punya 184 60.50%
Tidak Punya 120 39.50%
Kepemilikan SIM
Punya 193 63.50%
Tidak Punya 111 36.5
Aplikasi yang digunakan
Grab 206 67.80%
Go-Jek 220 72.3%
Anterin 48 15.80%
Bonceng 47 15.50%
Maxim 45 14.80%
Fast Go 36 11.80%
Evojek 1 0.30%
In Driver 2 0.60%
Pada penelitian ini jumlah responden sebanyak 304 responden. Pada penelitian
ini karena area pengamatannya adalah satu Negara Indonesia proses pengambilan
responden terus dilakukan sampai semua strata demografi seperti Pulau tempat tinggal
mempunyai responnya masing-masing. Proses pengambilan data berhenti pada angka
304 responden dikarenakan strata tempat tinggal sudah memiliki respondennya
masing-masing walaupun tidak proporsional. Jumlah responden sudah cukup, karena
dalam SEM-PLS, jumlah responden adalah sepuluh kali jalur struktural yang ada.
Penelitian ini memiliki jumlah 10 (sepuluh) jalur struktural sehingga minimum sampel
yang disarankan adalah 100 (Hair, Hult, Ringle, & Sarstedt, 2017). Menurut kriteria
Nilai Kritis Hoelter bahwa ukuran sampel yang tepat untuk penelitian SEM adalah >
200 (Haryono & Wardoyo, 2020). Penelitian SEM tidak membutuhkan sampel dalam
ukuran besar, asumsi data berdistribusi normal. Untuk membuktikan kecukupan data,
(Hair, Hult, Ringle, & Sarstedt, 2017) menyarankan melakukan Power Analysis
dengan bantuan software G*Power. Power Analysis merupakan metode yang cukup
reliabel untuk menentukan ukuran sampel dalam sebuah penelitian yang tidak
diketahui jumlah populasi eksak (Memon, et al., 2020). Dengan nilai α=0.05,
statistical power minimal= 80% dan minimal effect size yang disarankan sebesar 0.25,
dan jumlah variabel 10 maka ukuran sampel minimal yang dibutuhkan berdasarkan
output software G*Power adalah sebesar 75.
Berdasarkan demografi yang ada pada penelitian didominasi oleh Sumatera,

dan Jawa. Mayoritas responden adalah 16-30 tahun dan pekerjaan didominasi oleh
pelajar dan pekerja swasta. Pendidikan didominasi oleh Mahasiswa dan Sarjana.
Penghasilan mayoritas adalah dibawah < Rp. 1.500.000. Frekuensi penggunaan
didominasi dengan waktu penggunaan 1 atau 2 kali sebulan dan 1 atau 2 kali seminggu.
Mayoritas responden memiliki SIM dan Kendaraan Pribadi. Sementara itu penyedia
jasa mayoritas didominasi oleh Grab dan Go-Jek. Penggunaaan layanan ride-hailing
masih didominasi oleh generasi muda yaitu 16-30 tahun. Hal ini sesuai dengan latar
belakang penelitian dikarenakan untuk menggunakan layanan ride-hailing
dibutuhakan kemampuan untuk menggunakan smartphone. Kalangan muda dinilai
sangat dekat dengan teknologi smartphone. Selain itu bilaa melihat hubungan antara
penghasilan, frekuensi penggunaan, kepemilikan SIM dan sepeda motor, dinilai sesuai
dengan latar belakang penelitian. Layanan ride-hailing cukup menjadi pilihan ketika
tidak mempunyai penghasilan yang besar, karena variabel biaya yang kecil. Layanan
ride-hailing juga tetap menjadi pilihan walaupun ketika mempunyai kendaraan, orang
masih akan cenderung untuk tetap mempertimbangkan apakah akan menggunakan
kendaraan pribadi atau layanan ride-hailing.
4.4 Uji Model Pengukuran (Outer Model)

Outer Model adalah pengujian untuk memeriksa hubungan yang dimiliki oleh
setiap variabel dan indikator. Pengujian dapat dilakukan dengan mengevaluasi nilai
Outer Loading, AVE, Fornell Lacker, Cronbach Alpha’s dan Validitas Diskriminan.
Outer loading memiliki fungsi untuk memeriksa hubungan antar indikator.
4.4.1 Internal Consistency Realibility

Internal Consistency Reability adalah uji yang digunakan untuk mengukur
realibilitas indikator yang ada dalam setiap variabel. Perhitungan dapat dilakukan
dengan menggunakan nilai Outer Loading, Composite Reliability, Cronbach’s Alpha.
Outer loading adalah nilai bobot yang diberikan pada setiap indikator pada setiap
variabel. Nilai loading factor yang baik untuk Outer Loading dan Cronbach’s Alpha
adalah ≥ 0.7 (Hair, Hult, Ringle, & Sarstedt, 2017) sedangkan nilai Composite
Realibility yang memenuhi adalah ≥ 0,8 (Garson, 2016) Berikut Nilai Outer Loading,
Cronbach Alpha dan Composite Realibility pada Tabel 4.3
Tabel 4.3 Nilai Outer Loading
Outer Cronbach's Composite

Indikator
Loading Alpha Realibility
EE1 0.807
EE2 0.811
EE3 0.813 0.877 0.911
EE4 0.837
EE5 0.826
Indikator
FC1 0.802
FC2 0.865
FC3 0.852 0.876 0.91
FC4 0.781
FC5 0.786
H1 0.794
H2 0.84
H3 0.824 0.88 0.912
H4 0.842
H5 0.808
HM1 0.801
HM2 0.849
HM3 0.827 0.893 0.921
HM4 0.858
HM5 0.846
IR1 0.795
IR2 0.835
IR3 0.799 0.863 0.901
IR4 0.798
IR5 0.793
PE1 0.812
PE2 0.825
PE3 0.849 0.881 0.913
PE4 0.82
PE5 0.809
PT1 0.811
PT2 0.827
PT3 0.795 0.873 0.908
PT4 0.831
PT5 0.807
PV1 0.802
PV2 0.798
PV3 0.841 0.874 0.908
PV4 0.818
PV5 0.818
SC1 0.846 0.863 0.901
Indikator
SC2 0.854
SC3 0.823
SC4 0.776
SC5 0.711
UB1 0.829
UB2 0.871
UB3 0.808 0.881 0.913
UB4 0.787
UB5 0.817
Pada Tabel 4.3 semua variabel dianggap valid karena memiliki Nilai Outer
Loading dan Cronbach’s Alpha ≥ 0.7, Composite Realibility ≥ 0,8. Indikator dianggap
valid dan reliabel sebagai refleksi dari variabel latennya.
4.4.2 Discriminant Validity

Discriminant Validity adalah pengujian yang dilakukan untuk menilai keunikan
dari setiap variabel. Setiap variabel yang ada dianggap unik dan bisa menjelaskan hal
yang tidak bisa dijelaskan oleh variabel lainnya. Ada dua pendekatan yang dapat
dilakukan untuk membuktikan hal ini yaitu Nilai Cross-Loading dan Kriteria Fornell-
Larcker. Nilai Cross Loading Variabel itu sendiri harus lebih besar dari nilai antar
variabel. Nilai tersebut dapat dilihat pada Tabel 4.4
Tabel 4.4 Nilai Cross-Loading
EE FC H HM IR PE PT PV SC UB
EE1 0.807 0.461 0.485 0.334 0.427 0.404 0.439 0.482 0.321 0.504
EE2 0.811 0.479 0.441 0.287 0.402 0.395 0.405 0.454 0.282 0.462
EE3 0.813 0.479 0.515 0.316 0.433 0.383 0.472 0.484 0.309 0.514
EE4 0.837 0.483 0.493 0.296 0.435 0.365 0.421 0.516 0.297 0.564
EE5 0.826 0.471 0.489 0.284 0.464 0.393 0.408 0.45 0.283 0.49
FC1 0.486 0.802 0.452 0.344 0.42 0.327 0.417 0.437 0.289 0.497
FC2 0.467 0.865 0.493 0.36 0.447 0.406 0.467 0.521 0.279 0.543
FC3 0.518 0.852 0.55 0.38 0.457 0.429 0.485 0.518 0.268 0.517
FC4 0.473 0.781 0.454 0.303 0.417 0.356 0.419 0.454 0.255 0.492
FC5 0.419 0.786 0.417 0.252 0.386 0.342 0.416 0.406 0.233 0.428
H1 0.517 0.474 0.794 0.301 0.459 0.411 0.467 0.516 0.39 0.564
H2 0.503 0.454 0.84 0.287 0.459 0.422 0.462 0.516 0.345 0.529
H3 0.461 0.489 0.824 0.36 0.49 0.418 0.484 0.521 0.378 0.573
H4 0.501 0.481 0.842 0.287 0.506 0.437 0.447 0.531 0.335 0.567
H5 0.455 0.487 0.808 0.279 0.503 0.392 0.46 0.486 0.351 0.486
HM1 0.319 0.326 0.272 0.801 0.184 0.23 0.239 0.341 0.226 0.307
HM2 0.275 0.298 0.285 0.849 0.206 0.214 0.274 0.357 0.219 0.283
HM3 0.29 0.36 0.299 0.827 0.227 0.247 0.274 0.364 0.211 0.341
HM4 0.325 0.369 0.344 0.858 0.261 0.31 0.365 0.367 0.231 0.357
HM5 0.337 0.327 0.327 0.846 0.237 0.288 0.338 0.363 0.2 0.34
IR1 0.412 0.442 0.472 0.198 0.795 0.368 0.477 0.414 0.209 0.457
IR2 0.482 0.446 0.512 0.221 0.835 0.405 0.457 0.436 0.201 0.514
IR3 0.408 0.362 0.47 0.216 0.799 0.345 0.413 0.445 0.241 0.431
IR4 0.401 0.454 0.454 0.21 0.798 0.333 0.423 0.412 0.228 0.47
IR5 0.419 0.389 0.46 0.24 0.793 0.377 0.466 0.463 0.215 0.493
PE1 0.388 0.356 0.413 0.288 0.375 0.812 0.37 0.388 0.297 0.427
PE2 0.419 0.42 0.451 0.254 0.36 0.825 0.426 0.393 0.288 0.46
PE3 0.392 0.365 0.409 0.246 0.391 0.849 0.377 0.424 0.293 0.447
PE4 0.352 0.376 0.41 0.269 0.377 0.82 0.363 0.38 0.268 0.443
PE5 0.399 0.365 0.4 0.228 0.372 0.809 0.379 0.371 0.252 0.373
PT1 0.383 0.437 0.479 0.332 0.459 0.415 0.811 0.516 0.298 0.465
PT2 0.447 0.473 0.457 0.305 0.444 0.402 0.827 0.443 0.268 0.515
PT3 0.386 0.39 0.418 0.294 0.432 0.349 0.795 0.439 0.256 0.45
PT4 0.452 0.448 0.461 0.289 0.479 0.339 0.831 0.483 0.283 0.495
PT5 0.461 0.448 0.483 0.253 0.454 0.389 0.807 0.466 0.27 0.487
PV1 0.465 0.445 0.503 0.368 0.449 0.354 0.45 0.802 0.274 0.519
PV2 0.47 0.461 0.475 0.319 0.405 0.354 0.454 0.798 0.288 0.456
PV3 0.462 0.462 0.516 0.339 0.462 0.424 0.502 0.841 0.294 0.529
PV4 0.479 0.499 0.498 0.347 0.453 0.387 0.489 0.818 0.289 0.533
PV5 0.501 0.473 0.559 0.374 0.426 0.418 0.453 0.818 0.305 0.585
SC1 0.251 0.206 0.35 0.185 0.215 0.277 0.261 0.292 0.846 0.305
SC2 0.322 0.301 0.355 0.241 0.251 0.313 0.323 0.288 0.854 0.329
SC3 0.319 0.299 0.391 0.24 0.22 0.289 0.295 0.309 0.823 0.378
SC4 0.286 0.252 0.309 0.186 0.222 0.252 0.248 0.288 0.776 0.288
SC5 0.285 0.241 0.364 0.185 0.173 0.228 0.219 0.251 0.711 0.288
UB1 0.495 0.521 0.577 0.334 0.461 0.453 0.51 0.546 0.344 0.829
UB2 0.538 0.494 0.54 0.355 0.506 0.431 0.502 0.516 0.335 0.871
UB3 0.516 0.475 0.537 0.296 0.504 0.428 0.457 0.492 0.3 0.808
UB4 0.482 0.496 0.516 0.308 0.468 0.421 0.452 0.551 0.288 0.787
UB5 0.517 0.513 0.552 0.317 0.485 0.419 0.516 0.546 0.357 0.817
Kriteria Fornell-Larcker bertujuan untuk menguji dan membandingkan
korelasi variabel itu sendiri dengan korelasi antar variabel laten. Model dapat
dikatakan valid jika nilai diagonal (Fornell-Larcker) lebih besar daripada hubungan
antar variabel lain. Hasil perhitungan dapat dilihat pada Tabel 4.5.
Tabel 4.5 Kriteria Fornell Larcker
EE 0.819
FC 0.579 0.818
H 0.592 0.581 0.822
HM 0.37 0.404 0.368 0.836
IR 0.529 0.521 0.59 0.27 0.804
PE 0.474 0.457 0.506 0.312 0.456 0.823
PT 0.524 0.54 0.565 0.362 0.557 0.465 0.814
PV 0.583 0.574 0.626 0.429 0.54 0.475 0.577 0.815
SC 0.364 0.324 0.438 0.259 0.271 0.34 0.338 0.356 0.804
UB 0.619 0.607 0.662 0.392 0.589 0.523 0.593 0.644 0.395 0.823
4.4.3 Convergent Validity

Convergent Validity adalah uji untuk memastikan tingkat representasi suatu
variabel. Hal ini dapat diteliliti dari nilai Average Variance Extracted (AVE). Nilai
AVE berkisar antara 0 – 1. Nilai AVE yang memenuhi adalah ≥ 0,5 (Hair, Hult, Ringle,
& Sarstedt, 2017). Berikut nilai AVE pada Tabel 4.6.
Tabel 4.6 Nilai AVE
Variabel Nilai AVE

EE 0.671
FC 0.669
H 0.675
HM 0.699
IR 0.646
PE 0.677
PT 0.663
PV 0.665
SC 0.647
UB 0.677
Pada Tabel 4.6 semua variabel dapat dikatakan valid karena nilai AVE
berada ≥ 0,5. Hal ini membuktikan bahwa variabel dapat dikatakan representatif
dan indikator mewakili variabel yang ada.
4.5 Pengujian Model Struktural (Inner Model)

Pengujian Model Struktural dapat dilakukan dengan empat pendekatan
yaitu Collinearity Assesment, Koefisien Determinasi(R2), Ukuran Efek (f2),
Predictive Relevance (Q2), Path Coefficient, Uji Hipotesis dan Kelayakan (Fit)
Model.
4.5.1 Collinearity Assesment

Collinearity Assesment atau uji kolinearitas adalah uji untuk memeriksa
apakah ada gejala kolinearitas dalam setiap jalur/hubungan variabel yang ada.
Model yang baik tidak memiliki gejala kolinearitas. Parameter uji yang
digunakan untuk membuktikan bahwa model tidak memiliki gejala tersebut
adalah Nilai Inner VIF. Nilai Inner VIF yang ideal adalah ≤ 5. Nilai Inner VIF
dari setiap jalur variabel dapat dilihat pada Tabel 4.7.
Tabel 4.7 Nilai Inner VIF
Jalur Nilai
EE →IR 1.969
FC →IR 1.952
H→IR 2.237
HM→IR 1.314
I→UB 1.451
PE→IR 1.545
PT→IR 1.838
PV →IR 2.157
SC→IR 1.295
PT→UB 1.451
Model tidak memiliki gejala kolinearitas dikarenakan semua nilai ≤ 5 sehingga dapat
dilanjutkan pada perhitungan berikutnya.
4.5.2 Koefisien Determinasi (R2)

Koefisien determinasi adalah mengukur seberapa baik variabel eksogen dan
endogen yang ada membentuk suatu model yang dilambangkan dengan R2. Nilai R2
yang dapat diterima adalah ≥ 0.20 (Cohen, 1992). Berikut tabel nilai koefisien
determinasi berdasarkan variabel endogen yang ada
Tabel 4.8 Koefisien Determinasi
R2
Intention to Ride-hailing 0.47
Use of Behavior 0.45
Berdasarkan Tabel 4.8 kontribusi variabel eksogen yang ada dalam
mempengaruhi variabel Intention to Ride-hailing dan Use of Behavior masing-
masing adalah sebesar 47% dan 45% dan sisanya (53% dan 55%) dijelaskan oleh
faktor atau variabel lain yang tidak ada pada penelitian ini.
4.5.3 Ukuran Efek (f2)

Ukuran Efek (f2) merupakan uji untuk melihat kontribusi tiap variabel.
Jika uji sebelumnya adalah uji untuk melihat efek secara keseluruhan, maka
dalam uji ini dapat dilihat kontribusi variabel secara parsial (Hair, Hult, Ringle,
& Sarstedt, 2017). Berikut adalah kontribusi efek variabel pada Tabel 4.9.
Tabel 4.9 Ukuran Efek (f2)
Jalur Nilai
EE →IR 0.016
FC →IR 0.013
H →IR 0.051
HM →IR 0.005
IR →UB 0.176
PE →IR 0.012
PT →IR 0.047
PV →IR 0.012
SC →IR 0.004
PT →UB 0.184
4.5.4 Predictive Relevance (Q2)

Predictive Relevance adalah uji yang dilakukan untuk memeriksa kemampuan
prediktif dari variabel endogen yang ada. Kemampuan prediktif dilihat dari nilai Q2.
Apabila nilai Q2 ≥ 0,25 maka memiliki kemampuan prediksi sedang dan Q2 ≥ 0,5
adalah kuat. Pada penelitian ini nilai Q2 memiliki kemampuan sedang. Berikut nilai
Q2 dari variabel endogen yang ada.
Tabel 4.10 Nilai Q2 Variabel Endogen
Variabel Nilai Q2
IR 0.295
UB 0.3
4.5.5 Path Coefficient

Path Coefficient adalah uji untuk melihat variabel berpengaruh positif atau
negatif. Rentang nilai Path Coefficient adalah antara -1 ≤ 0 ≤ 1. Berikut Tabel 4.11
Path Coefficient.
Tabel 4.11 Path Coefficient

Jalur Nilai
EE →IR 0.131
FC →IR 0.117
H →IR 0.246
HM →IR -0.061
IR →UB 0.376
PE →IR 0.098
PT →IR 0.213
PV →IR 0.118
SC →IR -0.054
PT →UB 0.383
Pada Tabel 4.11 terlihat bahwa ada dua jalur yang memiliki hubungan
negatif yaitu Hedonic Motivation kepada Intention to Ride-hailing dan Social
Influence kepada Intention to Ride Hailing. Variabel sisanya berpengaruh
positif.
4.5.6 Uji Hipotesis
Uji Hipotesis adalah uji untuk melihat tingkat signifikansi setiap jalur yang
ada. Variabel yang dianggap signifikan bila nilai P-Value ≤ 0,005. Berikut Tabel
4.12 yang menunjukkan tingkat signifikansi pada setiap jalur.
Tabel 4.12 Uji Hipotesis
Jalur P-Values
EE -> IR 0.012
FC -> IR 0.021
H -> IR 0.001
HM -> IR 0.101
IR -> UB 0
PE -> IR 0.02
PT -> IR 0
PT -> UB 0
PV -> IR 0.023
SC -> IR 0.182
EE -> UB 0.038
FC -> UB 0.06
H -> UB 0.01
HM -> UB 0.073
PE -> UB 0.07
PT -> UB 0.001
PV -> UB 0.06
SC -> UB 0.165
Terdapat dua variabel yang tidak berpengaruh signifikan secara langsung

yaitu Hedonic Motivation dan Social Influence. Nilai kedua variabel tersebut
masing-masing adalah ≤ 0,005 yaitu masing-masing 0,101 dan 0,182. Untuk uji
hipotesis efek tidak langsung (indirect effect) memiliki tiga variabel yang
signifikan mempengaruhi melalui variabel Intention to Ride-hailing sebagai
mediator yaitu Effort Expectancy, Habit, dan Perceived Trusworthiness.
4.5.7 Kelayakan Model
Nilai Kelayakan Model adalah apakah model layak digunakan atau tidak. Ada
dua pendekatan yang dapat dilakukan yaitu nilai SRMR dan NFI. Nilai SRMR yang
ideal adalah ≤ 0,1. Nilai NFI adalah menggambarkan bagaimana presentase kecocokan
dan kesesuaian model dengan kondisi nyata.
Tabel 4.13 Kelayakan Model
Parameter Model Estimasi

SRMR 0.067
NFI 0.718
Pada Tabel 4.13 dapat dilihat bahwa model layak digunakan dibuktikan dari Nilai
SRMR sebesar 0.067 (≤ 0.1) dan NFI sebesar 0,718. Berikut adalah ringkasan
pengukuran model secara struktural divisualisasikan berdasarkan tingkat signifikansi
pada Gambar 4.1.
Gambar 4.1 Pengukuran Model Struktural
4.6 Pembahasan Hasil Penelitian
Hasil pengolahan data dianalisis untuk bisa mengonfirmasi teori yang ada dan
melihat apakah ada fenomena baru yang dihasilkan dari pengolahan data. Pengolahan
data yang dilakukan yaitu menguji validitas dan realibilitas indikator. Pada penelitian
ini semua variabel dan indikator dinyatakan valid pada uji validitas dan realibilitas
awal. Setelah dinyatakan valid dan reliabel maka keseluruhan variabel dan indikator
dapat digunakan sebagai model untuk menjawab teori yang ada. Uji-uji yang dilakukan
adalah melakukan asesmen pada model apakah dapat mengukur secara baik. Pengujian
model juga dilakukan secara struktur agar mengetahui apakah model representatif
terhadap kondisi nyata. Penelitian ini ditujukan untuk menjawab hipotesis-hipotesis
yang ada dan mengetahui variabel mana saja yang berpengaruh serta tingkat
signifikansinya. Berikut hasil dari penelitian ini.
Tabel 4.14 Hipotesis pada Penelitian
Hipotesis P-Value Status

Performance Expectancy berpengaruh signifikan pada 0,02 Hipotesis diterima
Behavioral Intention to Ride- Hailing
Effort Expectancy berpengaruh signifikan pada 0,012 Hipotesis diterima
Behavioral Intention to Ride- Hailing
Social Influence berpengaruh signifikan pada 0,182 Hipotesis ditolak
Behavoral Intention to Ride- Hailing
Facilitating Condition berpengaruh signifikan pada 0,021 Hipotesis diterima
Behavioral Intention to Ride-hailing
Hedonic Motivation berpengaruh signifikan pada 0,101 Hipotesis ditolak

Price Value berpengaruh signifikan pada Behavoral 0,000 Hipotesis diterima
Habit berpengaruh signifikan pada Behavoral Intention 0,001 Hipotesis diterima
to Ride- Hailing
Perceived Trusworthiness berpengaruh signifikan pada 0,000 Hipotesis diterima
Perceived Trusworthiness berpengaruh signifikan pada 0,000 Hipotesis diterima
Use Behavior of Ride- Hailing
Hipotesis P-Value Status
Behavior Intention to Ride Hailing berpengaruh 0,000 Hipotesis diterima
signifikan pada Use Behavior of Ride-hailing
Performance Expectancy mempunyai indirect effect 0.07 Hipotesis ditolak
kepada Use Behavior of Ride Hailing melalui Behavior
Intention to Ride-hailing
Effort Expectancy mempunyai indirect effect kepada 0.038 Hipotesis diterima
Use Behavior of Ride Hailing melalui Behavior
Social Influence mempunyai indirect effect kepada Use 0.165 Hipotesis ditolak
Behavior of Ride Hailing melalui Behavior Intention to
Ride-hailing
Facilitating Condition mempunyai indirect effect 0.06 Hipotesis ditolak
Hedonic Motivation mempunyai indirect effect kepada 0.073 Hipotesis ditolak
Use Behavior of Ride Hailing melalui Behavior
Price Value mempunyai indirect effect kepada Use 0.06 Hipotesis ditolak
Behavior of Ride Hailing melalui Behavior Intention to
Ride-hailing
Habit mempunyai indirect effect kepada Use Behavior 0.01 Hipotesis diterima
of Ride Hailing melalui Behavior Intention to Ride-
hailing
Performance Trusworthiness mempunyai indirect effect 0.001 Hipotesis diterima
Penelitian ini bertujuan untuk mengetahui variabel-variabel mana saja yang

memiliki pengaruh signifikan dalam mempengaruhi intensi niat dan perilaku
seseorang untuk menggunakan layanan ride-hailing. Hasil yang didapatkan pada
penelitian ini adalah variabel Performance Expectancy berpengaruh signifikan
terhadap niat seseorang dalam menggunakan layanan ride-hailing. Hal tersebut sesuai
dengan beberapa temuan penelitian. Variabel Performance Expectancy merupakan
variabel yang selalu memiliki dampak signifikan dalam mempengaruhi intensi
seseorang menggunakan produk (Venkatesh, Thong, & Xu, 2012). Hal ini
menandakan bahwa pengguna jasa ride-hailing cukup puas dengan performa layanan
seperti waktu tunggu yang efisien dan menjadi solusi sarana transportasi cepat ketika
dibutuhkan. Variabel lain yang memiliki dampak signifikan adalah Effort Expectancy
dan Facilitating Condition. Effort Expectancy memiliki peranan penting dalam
mempengaruhi seseorang untuk memilih menggunakan sebuah layanan (Venkatesh,
Morris, Davis, & Davis, 2003). Sementara Facilitating Condition juga merupakan
variabel penting dalam seseorang menggunakan layanan (Chen, Salmanian, & Akram,
2017) dimana ketika seseorang memiliki fasilitas yang cukup memadai untuk
menggunakan layanan maka intensi orang tersebut untuk menggunakan layanan
semakin besar. Dalam industri ride-hailing terdapat korelasi antara kesanggupan
dalam memiliki dan menggunakan handphone dan kenyamanan pengguna dalam
menggunakan layanan ride-hailing (Avital, et al., 2014). Hal ini sesuai dengan
fenomena yang terjadi pada saat pandemi Covid-19 dimana semua orang dituntut
untuk dapat meningkatkan utilitas smartphone mereka semaksimal mungkin. Tidak
hanya smartphone namun juga cashless payment secara daring. Ketika seorang paham
menggunakan layanan cashless payment maka sangat besar kemungkinan bahwa
orang tersebut mempunyai dan dapat menggunakan smartphone dengan baik, paham
cara kerja layanan ride-hailing secara general (Rahmawati & Maika, 2021). Sehingga
dapat disimpulkan ketika seseorang dapat menggunakan smartphone dengan baik
maka usaha (effort) yang dikeluarkan untuk menggunakan layanan semakin kecil
sehingga menambah intensi pengguna dan perilaku dalam menggunakan layanan ride-
hailing. Hal ini juga tercermin dari variabel Effort Expectancy yang mempunyai
indirect effect pada Variabel Use Behavior of Ride-hailing melalui Variabel mediator
Intention to Ride-hailing.
Variabel yang tidak memiliki dampak signifikan adalah Social Influence dan
Hedonic Motivation. Social Influence adalah bagaimana pengaruh orang-orang sekitar
terhadap motivasi pengguna untuk menggunakan layanan ride-hailing. Terjadi
beberapa perbedaan pendapat tentang bagaimana dampak sosial mempengaruhi intensi
pengguna. Hal ini dapat terjadi karena perbedaan sudut pandang yang digunakan saat
mengisi kuisioner. Apakah pengaruh sosial yang dimaksud adalah keluarga, teman
atau kerabat yang ditemui secara nyata atau melalui media sosial. Penelitian yang
dilakukan (Gaber & Elsamadicy, 2021) menyatakan bahwa faktor dan sentimen sosial
berpengaruh signifikan dalam motivasi seseorang menggunakan layanan ride-hailing.
Namun ada beberapa penelitian yang berlawanan dengan hal tersebut. Penelitian yang
dilakukan oleh (Baturohmah, 2022) mengatakan bahwa sentimen dan emosi tidak lagi
berpengaruh terhadap seseorang menggunakan layanan aplikasi ride-hailing.
Kemauan seseorang murni ditentukan atas dasar kebutuhan dan bukan dorongan orang
maupun sentimen yang ada. Hal serupa juga diutarakan oleh (Imron, Wardani, &
Rokhmawati, 2020) bahwa orang yang menggunakan layanan ride-hailing tidak
berasal dari sosial media yang dibuktikan kurangnya respon aktivitas akun media
sosial perusahaan ride-hailing. Variabel kedua yang tidak signifikan adalah hedonic
motivation dimana seoseorang menggunakan layanan didasarkan atas dasar
kesenangan dan perasaan hedonik. Hal ini tidak lagi menjadi relevan dikarenakan pada
masa pandemi Covid-19 banyak orang pendapatannya menurun sehingga secara tidak
langsung menurunkan motivasi hedonik seseorang karena harus mengelola keuangan
secara bijak (Baturohmah, 2022). Pengguna layanan juga tidak dapat memilih-milih
kendaraan apa yang diinginkan karena pendekatan yang dilakukan oleh perusahaan
penyedia layanan ride-hailing adalah kebersihan dan keamanan dan bukan lagi
kemewahan (Gaber & Elsamadicy, 2021). Sesuai dengan rendahnya motivasi hedonik
diikuti juga dengan semakin tingginya krisis ekonomi yang ada maka konsumen
semakin bijak dalam membelanjakan uangnya. Hal ini ditandai dengan signifikannya
variabel Price Value mempengaruhi tingkat intensi seseorang dalam menggunakan
layanan ride-hailing.
Para konsumen masih percaya bahwa layanan ride-hailing lebih hemat bahkan
ketika pandemi dibandingkan layanan transportasi konvensional (Gaber &
Elsamadicy, 2021). Selain itu para konsumen juga percaya bahwa cost per
performance layanan tersebut juga masih cukup tinggi dibandingkan layanan
transportasi lainnya (Kartono & Tjahjadi, 2021). Sehingga dapat disimpulkan dari segi
ekonomi layanan ride-hailing masih menjadi pilihan demi menghemat uang para
konsumen.
Variabel Habit dan Perceived Trusworthiness memiliki pengaruh signifikan

dalam intensi dan perilaku konsumen. Kedua variabel tersebut juga signifikan
mempunyai efek tidak langsung kepada Variabel Use of Behavior melalui variabel
Behavioral Intention to Ride-hailing. Pandemi Covid-19 memberikan disrupsi besar,
memberikan rasa takut pada orang seperti rasa takut terinfeksi. Pemerintah juga
menerapkan peraturan memakai masker, menjaga jarak dan aktivitas sosial dan
penggunaan produk-produk kebersihan. Hal tersebut berlaku di semua lini industri
barang dan jasa termasuk layanan ride-hailing. Kebijakan untuk mencegah penyebaran
Covid-19 mampu memberikan rasa percaya dan convince pada konsumen
(Baturohmah, 2022). Tidak hanya kebijakan standar yang ditetapkan pemerintah
namun beberapa penyedia layanan juga menerapkan kebijakan khusus seperti upload
foto selfie dengan memakai masker saat memesan layanan dan pengaturan tempat
duduk. Kebijakan tersebut memberikan rasa percaya pada konsumen serta tidak
mempengaruhi intensi, kebiasaan maupun perilaku konsumen dalam menggunakan
layanan. Konsumen tetap tinggi intensinya dalam menggunakan layanan dan perilaku
dalam menggunakan tidak banyak berubah. Variabel terakhir yang signifikan adalah
intensi mempengaruhi perilaku konsumen yang berarti bahwa ketika muncul niat
dalam melakukan sesuatu atau ingin menggunakan barang dan jasa, maka perilaku
pemakaian pun akan tinggi (Abba & Dastane, 2018).
Temuan dari penelitian ini memiliki potensi dan kontribusi yang baik sehingga
penting untuk terus digali mengikuti perkembangan kondisi terkini. Pandemi yang
terjadi merupakan disrupsi besar sehingga menyebabkan pelaku industri dan
konsumen harus menyesuaikan diri dengan keadaan. Hal yang menarik untuk diteliti
lebih jauh adalah bagaimana perilaku konsumen pada saat post-pandemic. Apakah
kebiasaan mereka benar-benar berubah sesuai penelitian ini atau kembali saat sebelum
pandemi terjadi.
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil pengolahan data dalam penelitian ini untuk mengetahui
faktor-faktor yang mempengaruhi keinginan orang untuk menggunakan layanan
ride-hailing saat pandemi Covid-19 adalah:
1. Performance Expectancy, Effort Expectancy dan Facilitating Condition

memiliki pengaruh yang signifikan mempengaruhi niat dan perilaku konsumen
dalam menggunakan layanan ride-hailing. Dalam penelitian ini, konsumen
mempertimbangkan bagaimana performa produk layanan yang dipakai, usaha
yang dikeluarkan serta fasilitas yang dimiliki. Jika konsumen merasa bahwa
ketiga hal diatas memadai, maka niat konsumen untuk menggunakan layanan
tersebut akan semakin besar.
2. Social Influence dan Hedonic Motivation memiliki pengaruh yang tidak
signifikan mempengaruhi niat konsumen dalam menggunakan layanan ride-
hailing. Hal ini dapat terjadi karena pada saat pandemi Covid-19, para
pengguna layanan harus bijak mengelola keuangan, sehingga motivasi sosial
dan hedonik tidak lagi menjadi alasan bagi orang untuk menggunakan layanan
ride-hailing. Para pengguna juga tidak memiliki perhatian pada media sosial
penyedia layanan ride-hailing. Penggunaan layanan ride-hailing didasarkan
atas kebutuhan dan bukan karena dorongan dari media sosial.
3. Price Value, Habit dan Perceived Trustworthiness memiliki pengaruh
signifikan dalam mempengaruhi niat konsumen dalam menggunakan layanan
ride-hailing. Pada masa pandemi para pengguna masih percaya bahwa layanan
ride-hailing adalah moda transportasi pilihan tepat sesuai dengan kondisi
keuangan mereka, serta masih menjaga kebiasaan memakai moda transportasi
ride-hailing tersebut. Hal ini dapat terjadi karena para penyedia layanan dapat
menyediakan kebijakan yang memberikan rasa aman dan nyaman sehingga
para pengguna percaya pada moda transportasi tersebut.
4. Variabel Intentional Behavioral to Ride-hailing berpengaruh signifikan
pada Use of Behavior yang berarti intensi pengguna layanan ride-hailing
berpengaruh pada perilaku penggunaan layanan tersebut. Variabel
Intentional Behavioral to Ride-hailing juga berperan sebagai variabel
mediasi pada Variabel Effort Expectancy, Habit dan Perceived
Trusworthiness. Ketiga Variabel tersebut memiliki indirect effect kepada
Use of Behavior melalui variabel Intentional Behavioral to Ride-hailing
sebagai mediator. Hal ini menunjukkan bahwa ada hubungan tidak
langsung antara ekspektasi pengguna, kebiasaan dan juga kepercayaan
kepada perilaku penggunaan.
5.2 Saran
Berikut adalah saran dalam penelitian ini untuk pengembangan penelitian
selanjutnya.
1. Penelitian dapat ditambahkan jumlah variabel-variabelnya yang bersifat
eksploratif disesuaikan dengan situasi dan kondisi
2. Penelitian dapat dikembangkan dengan meninjau perilaku konsumen
dalam menggunakan layanan ride-hailing pasca pandemi Covid-19
DAFTAR PUSTAKA
Abba, H. F., & Dastane, O. (2018). An Empirical Investigation on Taxi Hailing Mobile App.
Macrothink Institu, 2157-6068.
Acheampong, R., & Siiba, A. (2020). Modelling the determinants of car-sharing adoption
intentions among young adults: the role of attitude, perceived benefts, travel
expectations and socio-demographic factors. Transportation, 2557-2580.
Al-Hujran, Al-Debei, Chatfield, & Migdadi. (2015). The imperative of influencing citizen
attitude toward e-government adoption and use. Computers in Human Behavior,
189-203.
Andayana, M. N. (2021). PERUBAHAN PRILAKU KONSUMEN DAN EKSISTENSI
UMKM DI ERA PANDEMI COVID-19 . Universitas Nusa Cendana Kupang , 1.
Asosiasi Penyelenggara Jasa Internet Indonesia. (2016). Memeratakan Akses Internet di
Negara Kepulauan. Jakarta: APJII.
Asosiasi Penyelenggara Jasa Internet Indonesia. (2020). Jasa Transportasi Online Paling
Sering Digunakan. Jakarta: databoks.
Avital, Anderson, Nickerson, Sundararajan, Alstyne, V., & Verhoeven. (2014). The
Collaborative Economy : A disruptive innovation or much a do nothing?
Proceedings of the 35th International Conference on Information Systems (pp. 1-7).
Atlanta: AIS Electronic Library.
Badan Kebijakan Fiskal. (2021). Indonesia Bekerja Keras Tingkatkan Pendapatan per
Kapita. Jakarta: Kemenkeu.go.id.
Badan Pusat Statistik. (2020). Dampak Pandemi Covid-19 pada pelaku usaha. Jakarta: BPS.
Baturohmah, H. (2022). Pengaruh Niat Membeli Dan Perilaku Pelanggan Saat Pandemi
Covid-19 Terhadap Loyalitas Aplikasi Ride-hailing. Surabaya: ITS.
Chen, Y., Salmanian, W., & Akram, A. (2017). User Acceptance In Sharing Economy: A
Study Of Transportation Network Companies in China. Mediterranean Conference
on Information Systems, 1-17.
Clewlow, & Mishra. (2017). Disruptive Transportation: The Adoption, Utilization, and
Impacts of Ride-hailing in the United States. California: Institute of Transportation
Studies.
Clewlow, & Mishra. (2017). Disruptive Transportation: The Adoption, Utilization, and
Impacts of Ride-hailing in the United States. UC Davis Institute of Transportation,
17.
Cohen. (1992). Statistical power analysis. Current directions in psychological science.
SAGE, 98-101.
Fahrika, I., & Roy, J. (2020). Dampak Pandemi Covid-19 terhadap perkembangan makro
ekonomi Indonesia dan respon kebijakan yang ditempuh. INOVASI, 206-213.
Fan, Y., Chen, J., Shirkey, G., John, R., R, S., Park, W. H., & Shao, C. (2016). Applications
of structural equation modeling (SEM) in ecological studies: an updated review.
Ecological Processes, 5.
Fauzi, A. A., & Sheng, M. (2020). Ride-hailing apps’ continuance intention among different
consumer groups in Indonesia: the role of personal innovativeness and perceived
utilitarian and hedonic value. Asia Pacific Journal of Marketing and Logistics, 1355-
5855.
Fysikopoulos, A., Anagnostakis, D., Saloniti, K., & Chryssolouris, G. (2012). An Empirical
Study of the Energy Consumption in Automotive Assembly. Procedia, 477-482.
Gaber, H., & Elsamadicy, A. (2021). What drives customers to continue using ride sharing
apps during the COVID-19 pandemic? The case of Uber in Egypt. Cogent Business
& Management, 1-21.
Garson. (2016). Partial Least Squares: Regression & Structural Equation Models. Raleigh:
North Carolina State University.
Gojek. (2021, November 9). Gojek. Retrieved from Gojek:
https://www.gojek.com/blog/gojek/go-jek-dimana-mana/
Google, Temasek, Bain & Company . (2019). Pangsa Pasar Jasa Layanan Transportasi
Online Kawasan Asia Tenggara 2015-2021. Indonesia: katadata.
Grab. (2021, December 19). Grab. Retrieved from Grab: https://www.grab.com/id/locations/
Hair, J. F., Hult, G. T., Ringle, C. M., & Sarstedt, M. (2017). A Primer on Partial Least
Squares Structural Equation Modeling (PLS-SEM). Los Angeles: SAGE.
Hamid, R. (2020). Niat Konsumen menggunakan Transportasi Ride-hailing di tengah
Pandemi COVID-19: Kerangka Kerja Konseptual dan Evaluasi Empiris. Universitas
Muhamadiyah Palopo.
Haryono, S., & Wardoyo, P. (2020). Structural Equation Modelling untuk Penelitian
Manajemen. Bekasi: Intermedia Personalia Utama.
Henao, & Marshall. (2017). :A Framework for Understanding the Impacts of Ridesourcing
on Transportation. Disrupting Mobility, 1-10.
Hou, Y., Garikapati, V., Weigl, D., Henao, A., Moniot, M., & Sperling, J. (2020). Factors
Influencing Willingness to Pool in Ride-hailing Trips. National Renewable Energy
Laboratory, 1-20.
Hui, Y., Wang, Y., Sun, Q., & Tang, L. (2019). The Impact of Car-Sharing on the
Willingness to Postpone a Car Purchase: A Case Study in Hangzhou, China. Journal
of Advanced Transportion.
Imron, A., Wardani, N., & Rokhmawati, R. (2020). Analisis Pengaruh Pemasaran Media
Sosial Terhadap Loyalitas Konsumen: Studi Pada Transportasi Online (Go-Jek
Indonesia). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2548.
Kartono, R., & Tjahjadi, J. K. (2021). Factors Affecting Consumers’ Intentions to Use
Online Food Delivery Services During COVID-19 Outbreak in Jabodetabek Area.
The Winners, 1-14.
KQT, P. T., & Pham, T. (2017). An Examination of Factors Influencing the Intention to
Adopt Ride-Sharing Applications: A Case Study in Vietnam Banking Academy.
Imperial Journal of Interdisciplinary Research, 618-623.
Kurniawan, H. (2011). PARTIAL LEAST SQUARE (PLS) SEBAGAI METODE
ALTERNATIF SEM BERBASIS VARIANS (LISREL) DALAM EKSPLORASI
DATA SURVEY DAN DATA MINING. Jurnal Telematika, 2579-3772.
Le, T. K. (2019). Factors affect user’s attitude toward intention to download paid mobile
application. Poznan: Poznan University of Economics and Buiness.
Lu, K., & Wang, X. (2020). Analysis of Perceived Value and Travelers’ Behavioral Intention
to Adopt Ride-hailing Services: Case of Nanjing, China. Journal of Advanced
Transportation, 1-13.
Memon, M., Ting, Cheah, Ramayah, Chuah, & Cham. (2020). Sample Size for Survey
Research: Review and Recommendations. Journal of Applied Structural Equation
Modeling, 1-20.
Mohamad, W. N., Fuad, A. F., & Shahib, N. S. (2016). A Framework of Customer’s
Intention to use Uber Service. International Academic Research Journal, 102-106.
Mohamad, W., Fuad, A., Shahib, S., Azmi, A., Bahar, S., & Abdullah, D. (2016). A
Framework of Customer’s Intention to use Uber Service in Tourism Destination.
International Academic Research Journal of Business and Technology 2, 102-106.
Morshed, S. A., Shahriar, S., Bari, R., & Nur, S. (2021). Impact of COVID-19 pandemic on
ride-hailing services based onlarge-scale Twitter data analysis. Journal of Urban
Management, 155-165.
Munoz-Leiva, Climent-Climent, & Liébana-Cabanillas. (2017). Determinants of intention to
use the mobile banking apps: An extension of the classic TAM model. Spanish
Journal of Marketing, 21.
Peter, J. P., & Olson, J. C. (2010). Consumer Behavior & Marketing Strategy. McGraw-Hill
Irwin.
Rahmawati, R., & Maika, R. (2021). Penerapan Model UTAUT terkait akseptasi mahasiswa
terhadap Cashless Payment di masa Pandemi COVID-19. Jurnal Ekonomi
Modernisasi, 17.
Rizki, M., Basuki, T., Belgiawan, P., & Irawan, M. (2020). The travel behaviour of ride-
sourcing users, and their perception of the usefulness of ride-sourcing based on the
users' previous modes of transport: A case study in Bandung City, Indonesia. IATSS,
267-276.
Rodier. (2018). The Effects of Ride Hailing Services on Travel and Associated Greenhouse
Gas. United States : White Paper.
Santosa. (2018). Metode Penelitian Kuantitatif Pengembangan Hipotesis dan Pengujiannya
Menggunakan SmartPLS. Yogyakarta: Penerbit ANDI.
Santoso, S. (2011). Structural Equation Modeling. Jakarta: Elex Media Komputindo.
Schiffman, & Kanuk. (2010). Consumen Behavior. Pearson.
Schoettle, & Sivak. (2014). The reasons for the recent decline in young driver licensing in
United States. Traffic Injury Prevention, 6-9.
Septiani, R. (2020). PENGARUH E-SERVICE QUALITY, PERSEPSI HARGA, DAN
PROMOSI PENJUALAN TERHADAP LOYALITAS PELANGGAN MELALUI
KEPUASAN PELANGGAN (Studi pada Pelanggan Jasa Transportasi Online Gojek
di Yogyakarta). Jurnal Ilmu Manajemen.
Septiani, R., Handayani, P., & Fatimah, A. (2017). Factors that Affecting Behavioral
Intention in Online Transportation Service: Case study of GO-JEK. Procedia
Computer Science, 504-512.
Shaheen. (2018). The Potential of Ridehailing and Pooling. Three Revolutions, 55-76.
Suhud, U. (2020). Behavioural Intention of Taxi-Hailing Online App Users . Innovation
Management and Education Excellence through Vision 2020, 81-90.
Tirachini, A. (2019). Ride-hailing, travel behaviour and sustainable mobility: an
international review. Springer, 1-33.
Vaula, Joseph, & Jacline. (2020). Analisis Permintaan Transportasi GOJEK Online di Kota
Manado. Jurnal Berkala Ilmiah Efisiensi, 140-151.
Venkatesh, Morris, Davis, G., & Davis, F. (2003). User Acceptance of Information
Technologhy: Toward a Unified View. MIS Quarterly, 425-478.
Venkatesh, Thong, & Xu. (2012). Consumer Acceptance and Use of Information
Technology: Extending the Unified Theory of Acceptance and Use of Technology.
MIS Quarterly, 157-178.
Wadud, Zia, & Don MacKenzie, P. L. (2016). "Help or hindrance? The travel, energy and
carbon impacts of highly automated vehicle. " Transportation Research Part A:
Policy and Practice 86, 1-18.
Wang, Y., Shanyong, Jing, Wei, J., & Chenglin. (2020). An empirical study of consumers’
intention to use ride-sharing services: using an extended technology acceptance
model. Springer, 397–415.
Yoon, Matsumoto, M., Chinen, K., & Endo, H. (2019). Exploring Factors Affecting Car
Sharing Use Intention in the Southeast-Asia Region: A Case Study in Java,
Indonesia. Sustainability, 11-18.
LAMPIRAN
Lembar Kendali Revisi Laporan TA Paska Sidang
FAKULTAS TEKNOLOGI INDUSTRI

PROGRAM STUDI TEKNIK LOGISTIK
Nama : Daniel Fetrick Jeremias Hatorangan Sarumpaet
NIM : 102417058
Judul Tugas Akhir : Analisis Faktor yang Mempengaruhi Pelanggan dalam
Menggunakan Jasa Ride-Hailing Saat Pandemi Covid-19 :
Tanggal Sidang TA :29Juli 2022
KONSULTASI REVISI
Anggota Tim Penguji I : Dr. Eng. Iwan Sukarno, ST.,M.Eng.,
Tanggal Pengajuan : Agustus 2022 : Tanggal Persetujuan : 8 Agustus 2022
Catatan & Paraf
Anggota Tim Penguji II : Rahmad Inca Liperda S.T., M.Eng.,
Tanggal Pengajuan : 8 Agustus 2022 : Tanggal Persetujuan : 9 Agustus 2022
Catatan & Paraf
Anggota Tim Penguji III : Nur Layli Rachmawati, S.T., M.T.
Tanggal Pengajuan : 4 Agustus 2022 Tanggal Persetujuan : 4 Agustus 2022
Catatan & Paraf :
Anggota Tim Penguji IV : Adji Chandra Kurniawan, S.T., M.T.
Tanggal Pengajuan : 4 Agustus 2022 Catatan dan Paraf :
Tanggal Persetujuan : 4 Agustus 2022
Jakarta, 4 Agustus 2022

Pembimbing Tugas Akhir,
Pembimbing 1 Pembimbing 2
Nur Layli Rachmawati, S.T., M.T Adji Chandra Kurniawan, S.T., M.T.
NIP: 116062 NIP: 120004
UNIVERSITAS PERTAMINA
KARTU BIMBINGAN TUGAS AKHIR
Nama Mahasiswa : Daniel Fetrick J.H.S NIM: 102417058

Dosen Pembimbing : 1. Nur Layli Rachmawati, M.T, NIP: 116062
2. Adji Candra Kurniawan, S.T.,M.T, NIP: 120004
No.1 Hari/Tanggal: 8 Oktober 2021

Hal yang menjadi perhatian:
1. Pendefinisian Topik Penelitian
2. Pembahasan Paper Topik Penelitian terkait
Paraf Pembimbing:
Nur Layli Rachmawati, M.T,

1. Dasar-dasar Metode Structural Equation Modelling (SEM)
2. Pembuatan Model Struktural
Paraf Pembimbing:
Adji Candra Kurniawan, S.T.,M.T,
LG-TA-07/R0
No. 3 Hari/Tanggal: 15 Oktober 2021

1. Memperhatikan Metodologi Penelitian

2. Membaca literatur terkait topik ride-hailing dan SEM
Paraf Pembimbing:
No. 4 Hari/Tanggal: 15 Oktober 2021

1. Perbaikan Model Struktural

2. Keterkaitan Metode dan Latar Belakang
Paraf Pembimbing:
LG-TA-07/R0

1. Perbaikan Metodologi
2. Perbanyak Studi Literatur terkait
Paraf Pembimbing:

1. Perbaikan Latar Belakang penelitian
Paraf Pembimbing:
LG-TA-07/R0

1. Perbaikan Metode Penelitian

2. Perbaikan pada bagian studi literatur
Paraf Pembimbing:

1. Perbaikan Metode Penelitian
2. Perbaikan pada bagian Latar Belakang
Paraf Pembimbing:
LG-TA-07/R0
No. 9 Hari/Tanggal: 5 November 2021
1. Perbaikan pada diagram alir penelitian

2. Perbaikan pada Latar Belakang
Paraf Pembimbing:

1. Perbaikan pada diagram alir penelitian
2. Perbaikan pada Latar Belakang
Paraf Pembimbing:
LG-TA-07/R0
1. Perhatikan Teknik Sampling
2. Perhatikan target responden
Paraf Pembimbing:

1. Perhatikan Teknik Sampling
2. Perhatikan target responden
Paraf Pembimbing:
LG-TA-07/R0
1. Perbaikan Bab 1,2 dan 3
Paraf Pembimbing:

1. Memperhatikan metode SEM apakah menggunakan reflektif atau formatif
2. Perbaikan pada variabel penelitian
Paraf Pembimbing:
LG-TA-07/R0
No. 15 Hari/Tanggal: 2 Desember 2021
1. Perhatian pada deadline seminar
2. Perbaikan pada laporan terutama bab 3
Paraf Pembimbing:

1. Perbaikan Bab 1,2 dan 3
Paraf Pembimbing:
LG-TA-07/R0
1. Perhatikan keterkaitan antara Latar Belakang, studi literatur dan penelitian
2. Deadline proposal untuk seminar
Paraf Pembimbing:

1. Perhatikan keterkaitan antara Latar Belakang, studi literatur dan penelitian
2. Deadline proposal untuk seminar
Paraf Pembimbing:
LG-TA-07/R0
1. Perbaikan pada slide ppt untuk seminar TA
2. Perhatikan waktu penyampaian
Paraf Pembimbing:

1. Perbaikan pada slide ppt untuk seminar TA
2. Perhatikan waktu penyampaian
Paraf Pembimbing:
LG-TA-07/R0
1. Perbaikan laporan pasca seminar
Paraf Pembimbing:

1. Inisiasi pembuatan kuisioner
2. Perhatikan model struktural, indikator dan variabel penelitian
Paraf Pembimbing:
LG-TA-07/R0
No. 23 Hari/Tanggal: 6 Januari 2022
1. Perbaikan laporan pasca seminar

2. Pembuatan ulang Model struktural
Paraf Pembimbing:

1. Perbaikan kuisioner mengikuti indikator reflektif
Paraf Pembimbing:
LG-TA-07/R0
1. Perbaikan kuisioner penelitian
Paraf Pembimbing:

Paraf Pembimbing:
LG-TA-07/R0
Paraf Pembimbing:

Paraf Pembimbing:
LG-TA-07/R0
No. 29 Hari/Tanggal: 14 Februari 2022

2. Kuisioner dapat disebarkan
Paraf Pembimbing:

No. 30 Hari/Tanggal: 14 Februari 2022
2. Kuisioner dapat disebarkan
Paraf Pembimbing:
LG-TA-07/R0
No. 31 Hari/Tanggal: 17 April 2022
1. Memperhatikan hasil penelitian pada SmartPLS dengan metode yang ada
2. Inisiasi pengerjaan laporan
Paraf Pembimbing:

No. 32 Hari/Tanggal: 17 April 2022
1. Memperhatikan hasil penelitian pada SmartPLS dengan metode yang ada
2. Inisiasi pengerjaan laporan
Paraf Pembimbing:
LG-TA-07/R0
No. 33 Hari/Tanggal: 26 Mei 2022
1. Perbaikan pada bab 3 laporan
Paraf Pembimbing:
No. 34 Hari/Tanggal: 26 Mei 2022

1. Perhatikan hasil SmartPLS dan kesesuaian dengan metode penelitian, uji
validitas dan realibilitas dari hasil yang ada
Paraf Pembimbing:
LG-TA-07/R0
No. 35 Hari/Tanggal: 8 Juli 2022
1. Perhatikan format dan kerapian laporan
2. Perhatikan ukuran sampling yang tepat
Paraf Pembimbing:
No. 36 Hari/Tanggal: 8 Juli 2022

1. Penambahan Variabel Mediasi
2. Penambahan Hipotesis
Paraf Pembimbing:
LG-TA-07/R0
PROFIL PENULIS
Daniel Fetrick adalah mahasiswa Teknik Logistik Universitas Pertamina yang

masuk pada tahun 2017. Penulis lahir di Kota Soe, Nusa Tenggara Timur pada tanggal
22 November 2000. Sebelum berkuliah di Universitas Pertamina, penulis mengikuti
pendidikan menengah atas di SMA Negeri 1 Sidikalang, Sumatera Utara. Saat menjadi
mahasiswa penulis aktif mengikuti berbagai kegiatan organisasi. Diantaranya Penulis
aktif tampil dalam pentas seni musik yang diadakan UPMOAR. Penulis juga aktif
dalam kegiatan keagamaan yang diadakan oleh UKM PMK, serta pernah ditunjuk
menjadi Ketua di salah satu divisi di Organiasi tersebut. Penulis cukup tertarik dengan
beberapa bidang keilmuan yang ada pada saat kuliah yaitu Statistik, Rantai Pasok,
Pergudangan, Pengadaan Barang dan Jasa. Tidak hanya sekadar tertarik namun penulis
tertarik memperdalam ilmu Pengadaan Barang dan Jasa serta Rantai pasok lewat
tersertifikasinya penulis sebagai tenaga ahli tingkat dasar pengadaan jasa oleh
Lembaga Kebijakan Pengadaan Barang dan Jasa Pemerintah yang diadakan pada tahun
2020. Penulis juga tersertifikasi sebagai Supply Chain Analyst yang diselenggarakan
oleh International Supply Chain Education Alliance pada tahun 2021.

Daniel - 102417058 - Laporan Final TA

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Daniel - 102417058 - Laporan Final TA

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISIS FAKTOR YANG MEMPENGARUHI

PELANGGAN DALAM MENGGUNAKAN JASA RIDE-

LAPORAN TUGAS AKHIR

FAKULTAS TEKNOLOGI INDUSTRI PROGRAM

Jakarta, 4 Agustus 2022

Pembimbing I : Nur Layli Rachmawati, M.T

Dr. Eng. Iwan Sukarno, ST., M.Eng.,

Analisis Faktor yang Mempengaruhi Pelanggan dalam Menggunakan

Kata Kunci: Ride-hailing, PLS-SEM, Covid-19, niat, perilaku

Universitas Pertamina - iii

Nama Mahasiswa : Daniel Fetrick Jeremias Hatorangan Sarumpaet

Penulis mengetahui bahwa masih banyak perbaikan yang diperlukan dalam

Medan, 18 Juli 2022

Daniel Fetrick J.H.S

ABSTRAK .................................................................................................................. iii

Universitas Pertamina - vii

Universitas Pertamina - viii

1.1 Latar Belakang

Penyedia Jasa Ride-hailing Fase Masa Depan

Gambar 1.2 Popularitas Jasa Transportasi Online di Indonesia (Asosiasi

1.2 Rumusan Masalah

1.3 Tujuan Penelitian

1.5 Ruang Lingkup

1.6 Sistematika Penulisan

2.1 Teori Unified Theory of Acceptance and Use of Technology 2

Gambar 2.1 Teori UTAUT2 (Venkatesh, Thong, & Xu, 2012)

2.2 Structural Equation Modelling (SEM)

Gambar 2.3 Structural Model (Santoso, 2011)

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

Gambar 2.4 Model Indikator Reflektif (Kurniawan, 2011)

Gambar 2.5 Model Indikator Formatif (Kurniawan, 2011)

Pertama yaitu evaluasi model pengukuran (measurement model) dan kedua

Pada bab ini menjelaskan tentang langkah-langkah penelitian yang dilakukan.

3.1 Metodologi Penelitian

Gambar 3.1 Diagram Alir Penelitian

3. Identifikasi Variabel SEM (Structure Equation Modelling)

Setelah melakukan studi literatur, hal yang selanjutnya dilakukan adalah

Variabel Sumber Definisi

Tabel 3.2 Hipotesis Penelitian

Gambar 3.2 Model Struktural

Gambar 3.3 Diagram Alir Pembuatan Kuisioner

Identifikasi indikator pertanyaan disusun berdasarkan variabel yang sudah

Variabel Kode Item Indikator Referensi

7. Uji Validitas dan Realibilitas Kuisioner

10. Pengujian Model Struktural

11. Analisis Hasil

4.1 Deskripsi Permasalahan

Pandemi Covid-19 membawa pengaruh besar terhadap berbagai sisi kehidupan

Faktor -faktor yang telah disebutkan perlu diuji apakah mempengaruhi

4.2 Pengujian Kuisioner

Pengujian validitas kuisioner adalah cara untuk menilai apakah kuisioner

Tabel 4.1 Uji Validitas dan Realibilitas Awal Kuisioner

Tabel 4.2 Karakteristik Responden

Penghasilan dalam sebulan

Berdasarkan demografi yang ada pada penelitian didominasi oleh Sumatera,

4.4 Uji Model Pengukuran (Outer Model)

4.4.1 Internal Consistency Realibility

Tabel 4.3 Nilai Outer Loading

Outer Cronbach's Composite

4.4.2 Discriminant Validity

Tabel 4.5 Kriteria Fornell Larcker

4.4.3 Convergent Validity

Variabel Nilai AVE