TECHNOLOGY (UTAUT)
11180930000038
JAKARTA
2023 M / 1444 H
ii
SKRIPSI
TECHNOLOGY (UTAUT)
11180930000038
JAKARTA
2023 M / 1444 H
iii
vi
LEMBAR PERNYATAAN
KARYA SAYA SENDIRI DAN BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI ATAU
viii
ABSTRAK
Pertamina Menggunakan Model Unified Theory of Acceptance and Use Technology dibawah
Dimana bukan hanya perusahaan swasta dan UMKM yang melakukan pendekatan teknologi,
namun juga instansi pemerintah dan BUMN. Salah satunya adalah Pertamina yang
transaksi pembelian pertalite dan solar subsidi semenjak September 2022. Setelah
penggunaannya. Adapun kendala yang dirasakan oleh pengguna seperti aplikasi error saat
memproses transaksi, data transaksi yang tidak sesuai hingga aplikasi tidak dapat digunakan di
luar Jawa. Penelitian ini bertujuan untuk mengetahui bagaimana penerimaan pengguna terhadap
aplikasi My Pertamina serta mengetahui variabel apa saja yang berpengaruh dengan
menggunakan model UTAUT . Variabel yang digunakan pada penelitian ini adalah
Behavioral Intention, dan Use Behavior. Peniliti menyebarkan kuesioner yang terdiri dari
beberapa pertanyaan yang berkaitan dengan variabel dengan skala likert dan berhasil
mengumpulkan 193 responden. Setelah dilakukannya analisis data, maka dapat dilihat bahwa
positif terhadap Behavioral Intention dan Behavioral Intention memiliki pengaruh positif
ix
terhadap Use Behavior.
x
KATA PENGANTAR
Segala puji bagi Allah SWT peneliti panjatkan karena atas berkah, rahmat, dan hidayah-
Nya, peneliti dapat menyusun skripsi yang berjudul “Analisis Penerimaan Pengguna Aplikasi
(UTAUT)” dan dapat menyelesaikannya dengan baik. Shalawat serta salam semoga selalu
Dalam proses penyusunan skripsi ini, peneliti mendapatkan dukungan, motivasi, bantuan,
maupun saran, serta bimbingan dari berbagai pihak. Oleh karena itu, dengan segala kerendahan
hati dan tidak mengurangi rasa hormat, perkenankanlah peneliti mengucapkan terima kasih
kepada:
1. Ketiga orang tua peneliti, Daddy Ferry Andry Suswanto, Mama Amelia Mouldyane
Badan dan Ibu Erlina Faisal yang telah senantiasa memberikan doa, semangat, motivasi,
kasih sayang dan dukungan secara moril maupun materil sehingga peneliti dapat
menyelesaikan skripsi ini. Semua yang peneliti lakukan semata-mata untuk ketiga orang
tua peneliti, dukungan dan doa mereka memberikan semangat tak terhingga serta
2. Bapak Ir. Nashrul Hakiem, M.T, Ph.D. selaku Dekan Fakultas Sains dan Teknologi
3. Bapak Aang Subiyakto, M.Kom., Ph.D. selaku Ketua Program Studi Sistem Informasi
xi
4. Bapak Nuryasin M.Kom. sebagai Dosen Pembimbing I yang tidak pernah lelah dan bosan
segera menyelesaikan skripsi ini. Sekali lagi, peneliti mengucapkan banyak terima kasih
untuk waktu, tenaga, dukungan, arahan, saran dan kritikan yang membangun agar skripsi
5. Bapak Eri Rustamaji, Ir., M.BA . sebagai Doosen Pembimbing II yang telah
dengan baik.
6. Seluruh dosen Program Studi Sistem Informasi yang telah memberikan ilmu kepada
7. Kakak peneliti, Chiata Liandry Safitri yang telah memberikan semangat dan kesediannya
8. Adik peneliti, Canthik Putri Liandry dan Dewa Mahessa Putra yang telah memberikan
dukungan dan memberikan hiburan setiap peneliti merasa jenuh dan lelah.
9. Sahabat peneliti, Alip, Astri, Agung, Nadhira, Anggre, Cahya, Nabila, Thoriq, dan Nopal
dan yang selama kuliah memberikan support, memberikan keseruan dan dukungan
kepada peneliti dalam masa perkuliahan dan pada saat mengerjakan skripsi ini.
10. Terima kasih kepada rekan kerja di Aesthete Creative yang sudah sangat membantu
dalam memberikan waktu luang untuk peneliti bisa mengerjakan penelitian ini dan
11. Teman-teman Sistem Informasi Angkatan 2018, khususnya Sistem Informasi kelas B
yang selalu saling mendukung satu sama lainnya dan berjuang bersama.
xii
12. Terima kasih kepada diri peneliti, Dara Annisa Liandry yang sudah mau untuk terus
bangkit dan tak menyerah dalam menyelesaikan studi S1. Terima kasih karena sudah mau
13. Semua pihak yang tidak dapat disebutkan satu per satu yang telah menemani peneliti dari
pengetahuan, wawasan serta pengalaman yang peneliti miliki. Peneliti juga ingin meminta
maaf yang sebesar-besarnya kepada semua pihak apabila dalam masa pendidikan terdapat
hal-hal yang kurang berkenan dari pihak peneliti, segala kritik dan saran bagi peneliti yang
berharap agar skripsi ini dap bermanfaat bagi peneliti dan semua yang membaca. Aamiin Ya
Rabbal „Alamin.
NIM. 11180930000038
xiii
DAFTAR ISI
ABSTRAK ................................................................................................................................. iv
xiv
2.1 Definisi Analisis .............................................................................................................. 16
2.7 Definisi Teori Unified of Acceptance and Use of Technology (UTAUT) ...................... 27
xv
2.9.1 Studi Pustaka ......................................................................................................... 42
2.9.5 Hipotesis................................................................................................................ 44
xvi
3.2 Prosedur Penelitian.......................................................................................................... 73
xvii
4.2.1 Hasil Analisis Demografi ................................................................................... 96
4.3.1 Interprestasi dan Pembahasan Hasil Analisis Data Demografi .......................... 123
4.3.2 Interprestasi dan Pembahasan Hasil Analisis Model Pengukuran ..................... 124
4.3.3 Interprestasi dan Pembahasan Hasil Analisis Model Struktural ........................ 125
xviii
DAFTAR GAMBAR
Gambar 1.1 Rating Penilaian Aplikasi My Pertamina pada Apple Store ............................... ..3
Gambar 1.3 Model Penelitian Unified Theory of Acceptance and Use of Technology ............ .13
Gambar 2.3 Visual dari Aplikasi My Pertamina (Apple Store, 2022) ..................................... 27
Gambar 4.5 Hasil Analisis Outer Model dengan SmartPLS 3.0 .............................................. 110
xix
DAFTAR TABEL
Tabel 2.2 Definisi E-Commerce berdasarkan Kalakota & Whinson (1977) ..................... 24
Tabel 4.1 Hasil Pilot Study Composite Reliability dengan SmartPLS 3.0 ........................ 94
Tabel 4.2 Hasil Pilot Study Averange Variance Extrancted dengan SmartPLS 3.0 ......... 95
Tabel 4.3 Hasil Awal Uji Loading Factor dengan SmartPLS 3.0 .................................... 101
Tabel 4.4 Hasil Uji Loading Factor Setelah Penghapusan Indikator ............................... 102
Tabel 4.5 Hasil Internal Consistency Reliability dengan SmartPLS 3.0 .......................... 104
Tabel 4.6 Hasil Averange Variance Extrancted dengan SmartPLS 3.0 ............................ 107
Tabel 4.7 Hasil Uji Cross Landing dengan SmartPLS 3.0................................................ 107
Tabel 4.8 Hasil Uji Fornell-Larcker Criterion dengan SmartPLS 3.0 ............................. 108
xx
Tabel 4.9 Hasil Uji Path Coefficient dengan SmartPLS 3.0 ............................................. 111
Tabel 4.12 Hasil Uji Effect Size dengan SmartPLS 3.0 .................................................... 116
Tabel 4.14 Hasil Relative Impact dengan SmartPLS 3.0 .................................................. 119
xxi
xxii
BAB I
PENDAHULUAN
Inovasi pengembangan teknologi hampir dilakukan oleh semua Negara, hal ini bertujuan
untuk mencapai kehidupan yang lebih dan efisien. Salah satu penemuan yang sangat
memudahkan kita dalam melakukan perjalanan adalah mobil dan motor. Kendaraan seperti
mobil dan motor ini memerlukan daya energi dalam pemakaiannya. Sejauh ini sumber yang
dapat digunakan untuk kendaraan mobil dan motor adalah tenaga surya, listrik dan yang
sering digunakan adalah bahan bakar dari minyak. Bahan bakar minyak bisa kita beli pada
stasiun pengisian bahan bakar umum (SPBU). Terdapat beberapa pilihan lembaga yang
menjual produk BBM, yaitu Pertamina, Shell, Total, Vivo, dan BP (British Petroleum).
Namun pada tahun 2016 Pertamina berhasil meraih penghargaan Top Brand pada kategori
Gas Station atau SPBU. Hal ini menunjukan bahwa masyarakat Indonesia memiliki minat
PT Pertamina merupakan Badan Usaha Milik Negara atau biasa disebut dengan BUMN
yang memiliki kegiatan usaha pada hulu minyak dan gas. Sampai saat ini Pertamina masih
menjadi nomor satu dalam bidang perminyakan dan gas di seluruh Indonesia. Terhitung
pada Juni 2020 terdapat 7,026 Stasiun Pengisian Bahan Bakar Umum atau biasa disebut
dengan SPBU.
Pertamina mengeluarkan beberapa jenis bahan bakar minyak yaitu solar, dexlite,
pertamina, pertamax dan pertalite. Dimana setiap jenis yang ditawarkan memiliki kualitas
dan harga yang berbeda-beda. Menurut (Ravel, 2022) berdasarkan data reliasasi 2021,
Kementerian Energi dan Sumber Data Mineral (ESDM) mengklaim, bahwa Pertalite
1
menjadi jenis BBM paling banyak dikonsumsi oleh masyarakat Indonesia. Dengan jumlah
persentasi sebesar 70% diantara jenis BBM lainnya. Penggunaan BBM jenis Pertalite yang
merupakan BBM bersubsidi pemerintah ini memiliki peningkatan yang relatif berdasarkan
kebijakan untuk mengklasifikasikan dan memberikan batasan kuota dalam pembelian BBM
bersubsidi. Hal ini dikarenakan BBM bersubsidi lebih banyak dinikmati oleh masyarakat
mampu. Berdasakan penjelasan (Ashari, 2022) bahwa BBM bersubsidi disalurkan untuk
masyarakat kurang mampu dan pengusaha kecil. Adanya pengendalian BBM bersubsidi
terdapat pada amanat Undang-Undang (UU) No 22 Tahun 2011 mengenai APBN Tahun
Anggaran 2012.
Pendekatan teknologi juga diterapkan pada Pertamina sehingga Pertamina masih menjadi
pengelola minyak dan gas bumi bagi seluruh masyarakat Indonesia. Hal ini dibuktikan
LinkAja pada Desember 2016. Aplikasi My Pertamina merupakan aplikasi yang bertujuan
Pom Bensin terdekat hingga memberikan voucher promo dengan brand lainnya.
Terhitung mulai tangga 01 Juli 2022, pembeli pertalite dan solar wajib mendaftar pada aplikasi
My Pertamina. Hal ini mendorong konsumen yang biasanya menggunakan transaksi manual berubah
menjadi menggunakan transaksi non–tunai via aplikasi My Pertamina. My Pertamina sudah berjalan
selama 5 tahun hingga sekarang, aplikasi ini dirilis pada tanggal 21 Desember 2016. My Pertamina
diluncurkan oleh PT. Pertamina (Persero) dengan rating sebesar 3,9 pada Apple Store dan 4.2 pada
Google Play Store. Berikut pada gambar 1.1 merupakan hasil penilaian rating bintang pada aplikasi
My Pertamina pada kolom review Apple Store. Tercatat sampai tanggal 05 Juni 2022 ada sebanyak
2
13.885 yang sudah memberi rating penilaian pada kolom tersebut.
Rating
penilaian pada
aplikasi
MyPertamina
Pada halaman instagram milik My Pertamina, terlihat beberapa keluhan dan kritik yang
dituliskan oleh pengguna. Keluhan dan kritik bukan hanya terdapat pada instagram,
melainkan juga terlihat pada kolom review aplikasi di Google Play Store atau Apps Store.
Salah satu keluhan yang paling sering dirasakan oleh pengguna adalah, aplikasi yang error
pada saat menggunakannya, data transaksi yang tidak sesuai sampai aplikasi tidak dapat
digunakan di luar pulau Jawa. Berikut merupakan screenshot dari beberapa kendala yang
3
Gambar 1.2 Kendala yang Dialami oleh Pengguna dalam Menggunakan
Faktor pengguna dapat menjadi tolok ukur untuk menilai penerimaan sebuah teknologi
informasi oleh pengguna (Rachmadi, Sunarto, & Mastan, 2011) hal ini didukung juga oleh
penelitian lainnya yang menyatakan pentingnya melakukan uji penerimaan pengguna terhadap
sistem teknologi informasi serta komunikasi karena hal ini dapat dijadikan indikator suatu
aplikasi diterima dan digunakan oleh pengguna (Pramiyati, Jayanta, & Halim, 2019). Selain
itu menurut (Nasir, 2013) Implementasi atau penerapan sistem juga selalu berhubungan
dengan penerimaan pengguna atau user yang berguna untuk melihat sejauh mana pengguna
dapat menerima dan memahami sistem yang telah diimplementasikan yang berguna untuk
mengetahui seberapa besar tingkat keberhasilan implementasi sistem pada suatu organisasi
atau perusahaan. Sementara sejak aplikasi My Pertamina diluncurkan, belum ada penelitian
4
penggunaannya maupun hambatan lainnya. Dengan demikian belum ada masukan perbaikan
penelitian sebelumnya bahwa kegagalan penerapan teknologi informasi adalah aspek perilaku
pengguna (Sarja, 2015). Sedangkan menurut Nasir (2013) penerimaan pengguna adalah
faktor penting akan keberhasilan implementasi dari suatu teknologi. Pengukuran penerimaan
pengguna dapat berguna untuk melihat seberapa besar teknologi informasi tersebut dapat
digunakan secara benar dan berguna bagi perkembangan dari aplikasi itu sendiri. Sistem
informasi bisa dikatakan berhasil apabila sistem informasi tersebut dapat digunakan secara
mudah serta memenuhi kebutuhan dari pengguna sistem tersebut (Tri Handayani, 2013).
Maka dari itu, menjadi penting bagi aplikasi My Pertamina untuk mengetahui sejauh apa
dapat dijadikan acuan dan bahan evaluasi bagi My Pertamina untuk meningkatkan performa
dan pengembangan teknologi di masa depan. Salah satu model yang dapat menjelaskan
pengukuran penerimaan pengguna adalah model Unified Theory of Acceptance and Use of
Technology (UTAUT).
Beberapa ulasan dari penelitian sebelumnya yang menggunakan model Unified Theory of
Accceptance and Use of Technology. Penelitian pertama dengan fokus penelitian pada
apliaksi Hijabenka. Pada penelitian ini, penulis menggunakan dua variabel yaitu performance
expectancy dan social influence dengan metode penelitian yang dipakai adalah kuesioner dan
analisis regresi linier berganda sebagai teknik analisisnya. Kesimpulan yang dapat diambil
pada penelitian ini adalah adanya pengaruh pada performance expectancy dan social influence
Penelitian ilmiah lainnya adalah Analisa pemanfaatan sistem informasi E-Office pada
5
Universitas Pembangunan Panca Budi Medan dengan menggunakan model UTAUT.
Penelitian ini bertujuan untuk mengukur kepuasan dan kepentingan pengguna sistem
informasi E-Office. Hasil yang didapat setelah dilakukannya penelitian adalah meskipun
signifikan atau dapat di terima oleh responden, tetapi masih ada beberapa konstruk
yang memiliki nilai pengaruh yang rendah seperti pada kategori kepuasan untuk
standar, begitu juga pada kategori kepentingan untuk ekspektasi kinerja terhadap
Adapun penelitian lainnya dari artikel international dengan judul “ Understanding the use
from Saudi Arabia dimana peneliti membahas mengenai mengetahui sejauh mana mahasiswa
di Saudi Arabia dalam penggunaan LMS. Studi ini menemukan bahwa niatan mahasiswa
conditions, namun dikarenakan adanya upaya aktual yang diantisipasi dan social influence
(Al-Mamary, 2022). Peneliti menjelaskan dampak dan signifikan mengenai perilaku serta
niat mahasiswa dalam menggunakan LMS untuk memperoleh pengetahuan dari sudut
Selain itu ada peelitian lainnya dengan judul “A modified UTAUT model for the
acceptance and use of digital technology for tackling COVID-19” yang membahas mengenai
untuk menerima COVID-19 Digital Tackling Technologies. Kesimpulan yang dapat diambil
6
mempertimbangkan variabel pemicu seperti perfomance expectancy, facilitating conditions,
social influence, organization influence and benefits serta goverment expectancy and benefit,
and Use of Technology)” pada tahun 2017 mengidentifikasi User Accepatance dengan
Adapun teknik pengambilan data dengan menggunakan adalah kuesioner dan teknik analisis
yang digunakan adalah analisis regresi linier berganda. Setelah dilakukannya penelitian, maka
kesimpulan yang didapat adalah hanya variabel perfomance expectancy yang tidak
Peneliti melihat bahwa banyak sekali hal yang harus dipastikan mengenai penerimaan
aplikasi My Pertamina. Untuk melihat sejauh mana penerimaan pengguna terhadap aplikasi
dapat mengunakan pendekatan teori yang dikembangkan oleh Venkatesh, et al., (2003) yaitu
model Unified Theory of Accceptance and Use of Technology. Unified Theory of Accceptance
and Use of Technology adalah sebuah model penerimaan pengguna dengan menggunakan 8
teori yang berpengaruh akan sebuah teknologi informasi (Ariyani, 2019). Model UTAUT
dinilai dapat menggambarkan hingga 70% varian pengguna daripada kedelapan model
sebelumnya yaitu Theory of Reasoned Action (TRA), Technology Acceptance Model (TAM),
Motivation Model, Theory of Planned Behavioral (TPB), Combiened TAM dan TPB, Model
7
dalam teknologi informasi, yaitu variabel bebas (independen), variabel terikat (dependen),
Behavioral Intention dan Use Behavior, kemudian variabel moderator meliputi Age, Gender,
Experience, dan Voluntariness of Use (Venkatesh V. , Morris, B Davis, & Davis, 2003).
Model ini mempunyai keunggulan diantara model lainnya, model UTAUT diantara model–
model penerimaan pengguna lainnya adalah jangkauan variabel yang ada, dikarenakan
2018). Namun model UTAUT memiliki dua tipe yang sudah dikembangkan oleh Venkatesh
yaitu UTAUT dan UTAUT 2. Perbedaan antara kedua tipe tersebut terdapat dari variabel dan
variabel yang memoderasi (Rifki, 2019). Perbedaan yang paling terlihat pada kedua model
tersebut adalah adanya tiga kontruk yang ditambahkan oleh Venkatesh pada UTAUT 2 yaitu,
Hedonic Motivation, Price Value, dan Habit. Hedonic Motivation adalah sejauh mana
pengguna merasakan kesenangan dan merasa menikmati saat menggunakan suatu teknologi
(Venkatesh, Thong, & Xu, 2012) sedangkan Price Value didefenisikan sebagai
pertimbangan kognitif konsumen antara manfaat yang dirasakan dari suatu teknologi
sebanding dengan biay yang harus dikeluarkan untuk menggunakan sistem tersebut
(Venkatesh, Thong, & Xu, 2012) dan Habit merupakan sejauh mana seorang pengguna
cenderung melakukan sesuatu secara otomatis karena belajar dan operasi waktu pasca
pelatihan, satu bulan kemudian dan tiga bulan kemudian. Dari pengertian ketiga konstruk
Pertamina tidak terdapat biaya dalam menggunakan aplikasi selain itu variabel Hedonic
8
Motivation dan Habit tidak terlalu memberikan pengaruh terhadap penggunaan aplikasi My
untuk melakukan transaksi. Sehingga berdasarkan penelitian yang sedang dilakukan, peneliti
memutuskan untuk memilih model UTAUT dengan dasar variabel yang ada pada penelitian
ini sudah mencukupi untuk mengetahui penerimaan pengguna pada aplikasi My Pertamina.
Selain itu UTAUT juga memiliki keunggulan lainnya seperti mampu menjelaskan perbedaan
individu dapat mempengaruhi teknologi dimulai dengan hubungan antara manfaat yang
dirasakan, kemudahan pengguna, dan niat pengguna dalam menggunakan teknologi tersebut
(Venkatesh V. , Morris, B Davis, & Davis, 2003). Tujuan dari digunakannya model ini
Berdasarkan hal yang sudah dipaparkan sebelumnya, peneliti tertarik untuk melakukan
penelitian karya tulis ilmiah skripsi dengan judul: “Analisis Penerimaan Pengguna
Technology”.
9
permasalahan seperti sebagai berikut:
Adapun batasan masalah yang dimiliki dalam penelitian ini adalah sebagai berikut :
a. Penelitian ini dilakukan untuk menganalisis penerimaan pengguna aktif terhadap aplikasi
My Pertamina.
b. Secara teori, penelitian akan dilakukan dengan menggunakan mengenai Unified Theory of
Accceptance and Use of Technology (UTAUT) yang terdiri kepada 6 variabel mengikuti
influence, facilitating conditions, behavioral intentions dan use behavior dalam aplikasi
My Pertamina.
mengumpulkan data survei berbentuk kuesioner kepada pengguna aktif yaitu pengguna
d. Adapun pengolahan data dan analisis kuesioner akan menggunakan alat bantu perangkat
e. Pembahasan pada penelitian ini hanya sampai intrepretasi hasil analisis pengujian dan
dokumentasi.
10
1.5 Tujuan Penelitian
Maka dapat disimpulkan tujuan penelitian dilakukan untuk mengetahui sebagai berikut:
(UTAUT)
(UTAUT).
a. Bagi Peneliti :
dengan model Unified Theory of Accceptance and Use of Technology (UTAUT) baik itu
pada lembaga, perusahaan ataupun pada aplikasi My Pertamina dan menerapkan ilmu–
b. Bagi Universitas :
Penelitian ini dapat digunakan baik mahasiswa maupun pihak yang lain untuk dijadikan
c. Bagi Lembaga :
Hasil penelitian ini diharapkan dapat memberikan kontribusi dan bermanfaat bagi My
sudah ada.
11
1.7 Metodologi Penelitian
a. Studi pustaka
topik dari penelitian dengan meninjau melalui buku, artikel, maupun data dari
website itu sendiri. Informasi yang didapat dapat diolah manjadi simpulan yang
a. Wawancara
keperluan penelitian.
b. Observasi
Pertamina.
c. Kuesioner
12
Model yang digunakan pada penelitian merupakan Unified Theory of
Accceptance and Use of Technology atau biasa disebut dengan UTAUT. Model
penerimaan teknologi informasi yang dikembangkan oleh Venkatesh pada tahun 2003
Gambar 1.3 Model Penelitian Unified Theory of Acceptance and Use of Technology
Adapun penyusunan dalam laporan penelitian akan dibagi menjadi lima bab, berikut
BAB 1 PENDAHULUAN
Berisikan apa saja yang mendorong dilakukannya penelitian, dimulai dari latar
13
belakang masalah, perumusan masalah, batasan masalah, tujuan penelitian,
penjelasan metode yang digunakan dan pemaparan secara singkat tentang aplikasi
keperluan penelitian yaitu metode pengumpulan data dan model Unified Theory of
Bab ini akan menjelaskan secara meluruh proses dan langkah–langkah yang
BAB 5 PENUTUP
14
15
BAB II
LANDASAN TEORI
Analisis adalah sebuah kegiatan untuk menemukan sebuah pola pikir yang berkaitan
dengan pengujian sistematis untuk mendapatkan sebuah hubungan antar bagian dan
analisis merupakan penyelidikan sebuah peristiwa baik karangan, perbuatan atau sebagainya
dengan tujuan untuk mendapatkan sebab akibat, inti permasalahan dan yang lainnya.
Menurut peneliti lainnya ada beberapa pengertian analisis, yang pertama analisis merupakan
proses pemecahan suatu masalah, dimulai dengan dugaan akan kebeneran suatu masalah.
Pengertian lainnya adalah penyelidikan serta mengetahui terhadap suatu fenomena untuk
Maka dapat disimpulkan bahwa analisis merupakan proses dalam pemecahan masalah
dengan dimulai dugaan hingga terbuktinya kebenaran melalui berbagai tahap seperti
Dalam melakukan analisis terdapat dengan dua metode, yaitu metode kuantitatif dan
16
bentuk angka. text.
2 Semua diukur dengan skala 1 atau 0, Semua kesimpulan diakhiri dengan dasar
sesuai dan tepat didasari dengan alat serta subjektivitas berdasarkan hasil
5 Peneliti mengatahui dengan jelas apa Peneliti hanya mengetahui secara kasar
penelitian.
6 Deduktif Induktif
Sistem merupakan hal yang penting dalam suatu organisasi maupun perusahaan.
Sistem yang baik akan membantu kinerja setiap bagiannya. Maka dari itu sistem
Sistem pada organisasi merupakan suatu sistem fisik maupun sosial yang tertata
dan dibentuk sedekimikian rupa dengan tujuan yang sama yaitu mencapai tujuan
17
organisasi (Tyoso & Wibawanto, 2016). Definisi lainnya menurut (Marimin,
Tanjung, & Prabowo, 2006) sistem adalah kesatuan usaha yang terdiri dari bagian-
bagian kecil yang saling berkaitan dengan usaha mencapai satu tujuan dalam suatu
Menurut Scott dalam Hanif Al fatta (2007) sistem terdiri dari 3 unsur, dimulai
dengan masukan (input), pengolahan (processing), dan keluaran (output). Hal ini
sejalan dengan penelitian lainnya oleh Kristanto (2008), bahwa sistem adalah
beberapa elemen yang saling berkaitan dan bekerja sama untuk memproses masukan
(input) pada sistem serta mengolah hingga menghasilkan keluaran (output). Untuk
Pada definisi lainnya Mc. Leod (1995) mengemukakan bahwa sistem merupakan
kelompok berisi beberapa elemen yang terintegrasi untuk mencapai tujuan yang
sama. Berikut penjelasan terkait elemen sistem pada gambar 2.2 sebagai berikut:
18
Gambar 2.2 Model Hubungan Elemen Sistem (Mc.Leod, 1995)
Informasi adalah suatu rekaman fenomena yang diamati, atau bisa juga berupa
Gie (2000) mengemukakan bahwa data adalah suatu peristiwa atau kenyataan yang
Dalam penelitian Davis (2003) Nilai dari suatu informasi bisa ditentukan dengan
dasar sifatnya. Berikut 10 sifat yang menentukan nilai dari suatu informasi:
apabila dapat diperoleh secara mudah. Informasi yang penting dan sangat
19
dibutuhkan menjadi tidak bernilai jika sulit diperoleh.
2. Sifat luas dan kelengkapannya. Informasi mempunyai nilai yang sempurna apabila
mempunyai lingkup/cakupan yang luas dan lengkap. Informasi sepotong dan tidak
lengkap menjadi tidak bernilai, karena tidak dapat digunakan secara baik.
ketelitian yang tinggi/akurat. Informasi menjadi tidak bernilai jika tidak akurat,
menjadi tidak bernilai jika tidak sesuai dengan kebutuhan penggunanya, karena
5. Ketepatan waktu. Informasi mempunyai nilai yang lebih sempurna apabila dapat
diterima oleh pengguna pada saat yang tepat. Informasi berharga dan penting
pengambilan keputusan.
20
data sumber yang diolah.
9. Tidak ada prasangka. Nilai informasi semakin sempurna apabila informasi tersebut
10. Dapat diukur. Informasi untuk pengambilan keputusan seharusnya dapat diukur
Sistem informasi merupakan kombinasi antara prosedur kerja, informasi, orang dan
teknologi, dimana seluruh elemen ini diorganisasikan untuk mencapai tujuan yang sama
dalam organisasi (Alter, 2001). Pada penelitian (whitten & Bentley, 2007) Sistem
informasi memiliki definisi sebagai pengaturan sumber daya manusia, data, proses, dan
organisasi.
yang saling terkait yang mengumpulkan atau mengambil, memproses, menyimpan, dan
Berdasarkan definisi diatas dapat disimpulkan bahwa sistem informasi adalah suatu
gabungan dari beberapa elemen yaitu sumber daya manusia, perangkat keras, perangkat
lunak, dan jaringan komunikasi yang bertujuan untuk mengumpulkan lalu diolah untuk
21
2.3 Definisi Pengukuran
Pengukuran menurut Sridadi (2007) merupakan sebuah proses sistematis yang bertujuan
untuk mendapatkan besaran kuantitif dari objek tertentu menggunakan alat ukur yang baku.
perfomance akan suatu objek yang akan di deskripsikan secara skala kuantitatif (Dena,
2018).
Menurut Hopkins dan Antes (1985) pengukuran merupakan suatu proses dengan cara
telah dilakukan berkaitan dengan ciri-ciri suatu objek, orang ataupun peristiwa tertentu.
teknologi informasi yang didesain untuk menunjuang aktivitas dari pelanggannya dengan
membuktikannya dalam grup pelanggan (Hidayat, Aini, & Fetrina, 2020). Sedangkan
menurut Nasir (2013) penerimaan pengguna dapat dijabarkan sebagai suatu keinginan
pekerjaan dan sebagai penentu akan berhasil atau tidaknya dari pemanfaatan teknologi
informasi tersebut. Pengertian penerimaan pengguna menurut Dilon dan Morris (1996)
adalah kesediaan yang dapat dibuktikan dalam kelompok pengguna untuk menggunakan
pekerjaannya.
Dilihat dari pengertian konsep dasar penerimaan pengguna lainnya, dapat disimpulkan
22
bahwa penerimaan pengguna merupakan kemauan sekelompok pelanggan yang sudah
menerapkan teknologi informasi dalam pelaksanaan aktivitasnya (Mustamu & Putri, 2019).
Penerimaan pengguna terhadap sebuah sistem informasi merupakan hal yang penting
untuk diketahui. Hal ini dikarenakan adanya penerimaan pengguna berpengaruh pada
keberhasilan suatu sistem informasi digunakan. Untuk itu, ada dua faktor yang
mempengaruhi keberhasilan suatu sistem informasi menurut (Davis, 1989) yaitu sebagai
berikut:
aplikasi apabila mereka mempercayai hal itu apakah dengan menggunakan aplikasi
tersebut dapat membantu mereka melakukan pekerjaan mereka menjadi lebih baik.
2. Jika orang percaya bahwa apa yang diberikan oleh sebuah sistem itu memiliki
manfaat, namun mereka mempercayai bahwa sistem tersebut sulit untuk digunakan.
Maka mereka akan enggan untuk menggunakan sistem tersebut dalam artian, di
samping manfaat dalam suatu sistem maka faktor kemudahan dalam menggunakan
dalam bentuk transaksi elektronik baik berupa pertukaran/penjualan barang, servis, dan
informasi secara elektronik (Munawar & Kholil, 2009). Pada kutipan penelitian lain, e-
commerce definition its the conduct of commerce in goods and service, with asistnce of
23
telecommunications and telecommuncation-based tools atau dengan bahasa Indonesai, e-
commerce adalah tata cara perdagangan barang ataupun jasa yang menggunakan media
Menurut Kalakota & Whinson (1977), pengertian e-commerce terbagi menjadi empat
24
Pada umumnya e-commerce dapat diklasifikasikan berdasarkan tipe-tipe traknsaksi,
1. Business to Business
Tipe Business to Business atau B2B merupakan tipe yang paling banyak dipakai, hal
ini dikarenakan tipe ini sudah termasuk transaksi IOS dan transaksi pasar elektronik
antar organisasi.
2. Business to Costumer
Tipe ini biasa disebut B2C transaksi eceran melibatkan pembelanja individu dan
3. Consumer to Consumer
Katergori ini merupakan hubungan antar konsumen pada suatu marketplace. Tipe ini
biasa disbut C2C. Ada beberapa yang menjual produk atau jasa menggunakan iklan
4. Consumer to Business
Kategori ini termasuk individual yang menjual produk atau jasa ke organisasi.
25
pengeluaran mereka
E-commerce kategori ini termasuk semua aktifitas internal, biasanya dilakukan dalam
bentu intranet yang melibatkan pertukaran produk dan jasa atau informasi.
2.6 My Pertamina
My Pertamina merupakan sebuah aplikasi yang diluncurkan oleh PT. Pertamina dengan
bahan bakar untuk keperluan penduduk Indonesia (Ibrahim & Moelino, 2020). My
Pertamina adalah aplikasi yang memiliki program loyalty dan e-payment dengan memberikan
pengalaman pengguna PT Pertamina dengan mudah dan efisien (Mustamu & Putri, 2019).
pertamax turbo dan pertamina dex akan mendapatkan point. Point tersebut bisa ditukar untuk
mendapatkan reward ataupun promo tertentu yang disediakan oleh My Pertmina. Selain itu
ada keuntungan lain yaitu pengguna bisa lebih praktis dikarenakan semua transaksi
26
Gambar 2.3 Visual dari aplikasi My Pertamina (Apple Store, 2022)
My Pertamina memiliki banyak fitur yang bisa digunakan seperti pada gambar 2.3 terlihat
halaman Beranda, Pesan dan Aktivitas lainnya. Pada aplikasi ini pengguna dapat melakukan
transaksi secara cashless dengan menggunakan payment via LinkAja. Selain itu terdapat
informasi terbaru yang dikeluarkan oleh PT Pertamina, dimulai dengan promo, penukaran
poin, cara penggunaan, merchandise hingga produk–produk apa saja yang disediakan oleh
PT Pertamina. My Pertamina juga dapat memberikan arah dan info mengenai lokasi SPBU
terdekat, sehingga pengguna tidak perlu lagi menggunakan aplikasi lain seperti Waze dan
Google Maps. Setiap aktivitas yang dilakukan pengguna dapat dilihat pada halaman
aktivitas.
2.7 Definisi Teori Unified Theory of Acceptance and Use of Technology (UTAUT)
Model UTAUT telah digunakan secara luas dalam penelitian mengenai penerimaan
pengguna pada teknologi informasi (Winduwiratsoko, 2018). Model ini memiliki tujuan
27
untuk medeskripsikan niat pengguna pada suatu teknologi informasi serta bagaimana
perilaku penggunanya (Venkatesh V. , Morris, B Davis, & Davis, 2003). Model UTAUT
dapat menjelaskan sebuah reaksi dari pengguna teknologi informasi serta persepsi pengguna
pada saat menggunakannnya. Model UTAUT sering diadopsi pada penelitian dikarenakan
menggabungkan fitur yang berhasil dari delapan teori penerimaan teknologi terkemuka
model penerimaan teknologi yang dikembangkan oleh Venkatesh pada tahun 2003, model ini
terdiri dari delapan model dan teori penerimaan yang telah ada sebelumnya. Kedelapan teori
Selain delapan teori, UTAUT memiliki variabel moderator seperti Gender, Age,
Experience, dan Voluntariness of Use. UTAUT juga terdiri dari enam variabel yaitu
Behavioral Intention, dan Use Behavior. Variabel ini terbagi manjadi dua jenis, yaitu
28
variabel independen (bebas) dan variabel dependen (terikat). Berikut pembagian variabel
menurut jenisnya:
29
Dapat dilihat dari gambar 2.4 diatas, UTAUT memiliki 3 variabel faktor penentu pada
penggunaan teknologi informasi. Dimana variabel ini dapat mempengaruhi niat pengguna
teknologi informasi (Winduwiratsoko, 2018). Dimulai dari variabel bebas, yaitu sebuah
faktor yang dapat mempengaruhi dan menyebabkan adanya variabel dependen atau terikat.
Adapun variabel bebas terdiri dari Performance Expectancy, Effort Expectancy, Social
Sedangkan variabel terikat adalah variabel yang terpengaruhi dan merupakan akibat dari
adanya variabel. Pada variabel terikat terisi dengan Behavioral Intention dan Use Behavior.
Lalu pada variabel Age (Usia), Gender (Jenis Kelamin), Experience (Pengalaman) dan
Adapun penjabaran mengenai delapan model teori dasar UTAUT dapat dilihat pada tabel 2.4
dibawah ini :
30
terpengaruh oleh komponen attitude dan subjective
Theory of Planned Behavior Theory of Planned Behavior atau bisa disebut TPB
2
(TPB) adalah sebuah model pengembangan dari model
Motivation Model (MM) Model ini terdiri dari 2 tema yaitu adalah intrinsic
4.
motivation dan extrinsic motivation (Venkatesh, Morris,
31
penerimaan dengan dua jenis motivasi, yaitu motivasi
Innovation Diffusion Theory Model IDT memiliki fungsi untuk mempelajari bahwa
7.
(IDT) inovasi dapat menjadi acuan mengukur persepsi
32
beberapa faktor dimulai dengan voluntariness of use,
Benbasat, 1991).
Social Cognitive Theory Social Cognitive Theory merupakan salah satu teori
8.
(SCT) yang paling komprehensif mengenai perilaku manusia
Use Behavioral adalah intesitas dari pemakaian teknologi informasi (Jati &
Variabel ini diartikan sebagai sejauh mana niat pengguna untuk menggunakan
sistem baru. Behavioral intention didasari atas kepercayaan bahwa perlu adanya
usaha sedikit untuk seseorang akan berminat menggunakan sistem baru. Dimana
mendapatkan pengaruh dari lingkungan sekitar (Jati & Laksito, 2012). Menurut
33
Triandis (1980) perilaku seseorang adalah ekspresi dari keinginan atau minat, dimana
minat tersebut terpengaruh oleh faktor sosial, perasaan, dan konsekuensi yang
dirasakan.
organisasional dan teknikal yang lebih baik akan mendukung sistem. Menurut
Pada variabel ini terdapat gabungan antara variabel yang didapat dari model
34
kondisi yang
teknologi yang
memfasilitasi.
dukungan infrastruktur
sistem.
kebutuhan, dan
pengalaman dari
pengadopsi potensial.
Faktor sosial memiliki pengertian bahwa sejauh mana seseorang akan terpengaruh
menggunakan sistem baru ketika orang lain menggunakan suatu sistem baru. Dimana
35
sistem baru tersebut (Venkatesh V. , Morris, B Davis, & Davis, 2003). Adapun
dimaksud.
kelompok yang
36
orang lain dalam situasi
sosial tertentu
Morris, B Davis, & Davis, 2003). Effort expectancy juga biasa disebut ekspentasi
usaha. Terdapat variabel acuan pada effort expectancy yaitu preceived ease of use,
Terdapat tiga konstruk pada variabel ini yaitu Percieved Ease of Use, complexity,
dan ease of use. Berikut penjelasan setiap konstruknya pada tabel 2.7:
37
pengguna) mengenai kemudahan Davis, 2003)
penggunaan teknologi
informasi.
individu.
3 Ease of use (Kemudahan Menurut Davis, Ease of use Davis (Davis 1989)
dipahami, TI melakukan
pengguna, pengguna
digunakan.
38
2.7.6 Perfomance Expectancy
bahwa hal tersebut akan membantu dia untuk mencapai keuntungan dalam kinerja
pekerjaannya. Selain itu PE merupakan prediktor yang paling kuat dan signifikan
Terdapat lima konstruk pada variabel ini yaitu perceived usefulness (TAM),
39
karena dianggap penting
menggunakan pendahulunya.
40
2.8 Skala Likert
Nama skala likert diambil dari nama pencipta laporan yang menjelaskan penggunaannya,
yaitu Rensis Likert. Skala likert merupakan skala yang paling mudah digunakan (Budiaji,
2013). Skala likert merupakan skala yang bertujuan untuk mengukur suatu gejala atau
fenomena pendidikan dengan pendapat, sifat dan persepsi baik seseorang maupun
sekelompok (Djaali, 2008). Skala likert sering digunakan untuk mengukur sebuah pendapat,
persepsi dan sikap seseorang maupun sekelompok orang mengenai peristiwa sosial.
Pada penelitian lainnya dikatakan bahwa skala likert adalah suatu skala yang digunakan
untuk mengukur baik perilaku, pendapat maupun persepsi yang dimiliki seseorang mengenai
suatu objek ataupun fenomena tertentu. Skala ini dapat disusun dalam bentuk penyataan,
pertanyaan , pilihan ganda maupun tabel ceklis (Siregar S. , 2012). Pada penelitian
menggunakan 5 skala likert dimana responden yang mengisi kuesioner dengan nilal skor dari
Dalam skala likert, responden diminta untuk menilai sejauh mana mereka setuju ataupun
tidak setuju dengan pernyataan yangg diberikan oleh peneliti dalam kuesioner. Banyaknya
41
penelitian yang menggunakan skala likert dalam penelitiannya dikarenakan kelebihan yang
dimiliki oleh skala likert, diantaranya mudah dibangun, mudah dibaca oleh responden dan
Studi kepustakaan memiliki kaitan dengan referensi yang memiliki nilai, budaya
serta norma yang sedang berkembang pada situasi dan kondisi pada saat penelitian
(Sugiyono, 2017). Awalnya studi pustaka dianggap kurang akurat, namun saat ini
studi pustaka sangat berguna untuk berbagai penelitian Tercantum pada riset pustaka
kajian aau referensi yang terdapat pada perpustakaan dengan maksud tujuan untuk
bahwa studi literatur merupakan pengadaan survei mengenai data, mencari teori–
teori yang berkaitan dengan penelitian serta menganalisis dari penelitian terdahulu
agar terhindar dari adanya duplikasi atau peniruan dari penelitian yang sudah pernah
ada (Nazir, 2005). Data yang diambil bisa dalam berbagai bentuk seperti, gambar
pencarian opini pakar atau sumber–sumber yang memiliki kaitan dengan tujuan pada
suatu penelitian.
2.9.2 Observasi
Dalam KBBI, observasi adalah kegiatan mengawasi secara teliti. Menurut (Tilley
42
& Rosenblatt, 2017) observasi adalah kegiatan mengumpulkan data dengan tujuan
bekerja dengan lebih baik. Observasi adalah kegiatan melakukan pengamatan serta
terlibat dalam kegiatan lapangan yang berkaitan dengan studi kasus pada penelitan
(Kurniawan, 2011).
ke hal–hal yang bersifat sensitif atau data–data yang tidak ingin diketahui
pihak luar.
2.9.3 Wawancara
keterangan menggunakan interview guide atau bisa disebut juga panduan wawancara
(Nazir, 2005). Wawancara dilakukan untuk memperkuat data – data yang diperoleh
43
dari observasi sebelumnya. Menurut pengertian lainnya, wawancara adalah
pertemuan tanya jawab antara dua orang untuk bertukar informasi serta ide sehingga
memiliki dua jenis, yaitu wawancara terstruktur dan wawancara tidak terstruktur.
2.9.4 Kuesioner
sebagai salah satu cara pengambilan data penelitian. Kuesioner merupakan suatu
teknik mengumpulkan data yang apabila diketahui siapa yang menjadi variabel
terukur dan memperkirakan mengetahui apa yang akan diharapkan oleh responden
(Sugiyono, 2014). Dalam definisi lainnya dijelaskan bahwa kuesioner adalah suatu
2.9.5 Hipotesis
Hipotesis adalah kebenaran sementara yang perlu diuji kembali. Maka hipotesis
sendiri berguna sebagai kemungkinan untuk menguji validitas suatu teori (Sarwoto,
2010). Sedangkan di sisi lain hipotesis memiliki pengertian hasil atau jawaban
sementara dari rumusan malasah penelitian yang pada umumnya berbentuk kalimat
didasari oleh teori yang relevan dan belum didasarkan dengan nilai empiris yang
44
b. Untuk menguji kebenaran akan suatu teori.
dipelajari.
Populasi adalah kumpulan objek ataupun subjek mengenai penelitian yang memiliki
kesamaan yang berguna untuk mendapatkan pemenuhan kuantitas dan kualitas akan suatu
penelitian (Syahlan, 2021). Dengan pengertian lainnya, populasi merupakan subjek atau
objek akan suatu wilayah generalisasi yang mempunyai kualitas dan karakteristik yang
ditentukan oleh sang peneliti untuk memperoleh kesimpulan akan suatu hal (Guritno,
Sudayono, & Rahardja, 2011). Sampel merupakan bagian dari populasi, maka sampel
dan populasi merupakan dua hal yang saling berhubungan. Sementara teknik sampling
elemen dari populasi. Menurut (Sugiyono, 2019) sampel adalah bagian dari jumlah
Menurut (Sugiyono, 2013) terdapat dua jenis teknik yang dapat digunakan dalam
penelitian, yaitu :
menjadi sampel yang sama pada seluruh populasi (Nursiyono, 2015). Pada sampling
jenis probality sampling dilakukan dengan tujuan untuk memperoleh kebenaran akan
suatu populasi yang memiliki kelompok lebih kecil atau bisa disebut dengan sebagai
45
sampel secara efisien. Teknik ini memiliki beberapa metode yaitu sebagai berikut:
Pengambilan sampel pada metode ini adalah dengan membagi suatu populasi
c. Cluster Sampling
Metode ini digunakan apabila sumber data sangat luas, contohnya penduduk
(Supriyadi, 2014).
Pada metode nonprobability sampling populasi tidak memiliki peluang yang sama
dalam pemilihan sampel dan pemilihan elemen populasi tidak dapat ditemukan.
memperoleh kesan mengenai hal tertentu (Efendi & Tukiran, 2012). Teknik
a. Quota Sampling
46
sampel yang memiliki batas atau jumlah responden yang diigiinkan dari suatu
b. Purposive Sampling
Metode penarikan sampling ini merupakan metode yang paling umum dan
metode ini disesuaikan dengan kebutuhan waktu dan tempat dari penelitian
c. Convience Sampling
Teknik ini dapat dikatakan tidak mewakili populasi, dikarenakan pada tahap
d. Snowball Sampling
Menurut Wisbono dalam (Akdon & Riduwan, 2013) menentukan jumlah sampel yang
47
( )
= Jumlah sampel
= Standar deviasi populasi (pendugaan sampel dengan perwakilan 0,5 x 0,5 = 0,25)
sampel yang tepat untuk kebanyakan penelitian adalah 30 sampel sampai 500 sampel.
Namun untuk penelitian multivariate, ukuran sampel yang tepat adalah 10x lebih besar dari
2.13 PLS-SEM
pertama kali pada tahun 1975 oleh World. World mengatakan bahwa analisis yang
digunakannya mempunyai kekuatan yang kuat, hal ini didasari dengan banyak asumsi atau
banyaknya syarat. Dengan definisi lain, PLS merupakan suatu metode yang menganalisis
data dengan menghilangkan beberapa asumsi seperti data yang terdistribusi normal secara
dengan maksud data yang digunakan berupa nominal, ordinal, interval, rasion, dsb.
Tujuan utama PLS-SEM adalah menjelaskan hubungan antara kontsruk variabel serta
membangun pengertian dari nilai hubungan yang terbangun (rachmach, 2011). Selain itu
48
PLS-SEM juga digunakan untuk tujuan eksplorasi dan tujuan konfirmasi seperti pengujian
hipotesis. Menurut Ghozali (2015) PLS dapat membantu peneliti untuk tujuan prediksi.
Menurut Yamin & Kurniawan (2011) ada beberapa alasan yang mendasari kepopuleran dari
2. PLS dapat digunakan untuk menaksir model path dengan sampel size yang kecil.
3. PLS-SEM mampu menganalisis untuk model yang kompleks tanpa adanya masalah
4. Algoritma PLS dapat digunakan untuk hubungan yang bersifat formatif dan tidak
terbatas hanya untuk indikator dengan konstruk latennya yang memiliki sifat
reflektif.
Menurut penelitian lainnya (Wong K.-K. , 2013) PlS-SEM akan menjadi alternatif yang
Teknik PLS terdiri atas dua model yang berisikan beberapa pengujian, yaitu dimulai dengan
49
Model ini terdiri dari beberapa pengujian yang terbagi menjadi dua kategori.
konstrak dengan variabel laten. kategori ini terdiri dari tiga pengujian yaitu
individual item reliability, internal consistency atau construct reliability, dan average
Pengujian ini dilihat dari nilai loading factor, dimana nilai loading factor
melewati 0,7 (Yuniarti, 2016). Namun menurut Yamin & Kurniawan nilai
dikatakan valid apabila nilai sudah melebihi 0,5 (Ghozali, 2014). Apabila hasil
nilai loading factor dibawah nilai tersebut, maka item harus dikeluarkan dari
model agar data yang dimiliki dapat digunakan pada pengujian selanjutnya.
2. Internal Consistency
atau cronbach’s alpha. Namun composite reliability dapat lebih baik mengukur
dalam model SEM bila dibandingkan dengan cronbach’s alpha, hal ini
reliability. Apabila nilai yang dihasilkan melebihi 0,7 makan dikatakan dapat
50
didapat menggambarkan besaran dari varian atau variabel manifes yang
apakah nilai yang dihasilkan melebihi 0,5, Apabila nilai melebihi syarat, maka
2013).
4. Discriminant Validity
Pengujian ini dilakukan dengan dua metode yaitu dengan melihat hasil nilai
dengan menbanding dua hasil nilai uji variabel, dimana variabel yang
merupakan indikator dengan variabel lainnya. Jika hasil nilai indikator cross
landing memiliki nilai korelasi yang lebih besar dibandingkan variabel lainnya,
maka variabel tersebut memprediksi bahwa blok mereka lebih baik dibanding
membandingkan nilai AVE dengan kuadrat yang harus bernilai tinggi dengan
Model ini terdiri dari enam pengujian yaitu path coefficient, coefficient of
relevance, dan relative impact (Yamin, 2011). Model struktural dilakuakan dengan
tujuan untuk mengetahui hubungan antara konstruk variabel dengan variabel lainnya
51
1. Path Coefficient
Path coefficient atau koefisien jalur diuji dengan ambang batas 0,1 dengan
tujuan menyatakan jalur yang diuji memiliki pengaruh dalam model penelitian
yang digunakan.
2. Coefficient of Determination
standar, apabila nilai yang dihasilkan 0,67 atau lebih maka dikatakan substansial
atau kuat, sedangkan nilai yang dihasilkan 0,33 maka dikatakan moderat, dan
3. T-test
serta signifikasi sebesar 5%. Pengujian ini ditujukan untuk menguji hipotesis-
4. Effect Size
tertentu terhadap variabel lainnya dalam struktur model yang digunakan pada
penelitian. Pengujian ini memiliki nilai ambang batas 0,35 untuk pengaruh besar,
0,15 untuk pengaruh sedang dan sekitar 0.02 untuk pengaruh kecil. Unutk nilai
dibawah 0.02 dinyatakan tidak memiliki pengaruh dalam struktur model (hair et
52
al. 2017) Hasil effect size dilakukan dengan menghitung sesuai formula sebagai
berikut:
model.
model.
5. Predictive Relevance
dengan variabel lainnya dengan ambang batas nol dalam model penelitian yang
digunakan.
6. Relative Impact
nilai ambang batas sebesar batas 0,35 untuk pengaruh besar, 0,15 untuk
pengaruh sedang dan sekitar 0.02 untuk pengaruh kecil. Pengujian ini bertujuan
berikut:
53
=
model.
model.
2.14 Smart-PLS
Jerman. SmartPLS adalah perangkat untuk analisis statistik dengan pendekatan PLS-SEM
(Sander & Teh, 2014). Perangkat ini dibuat pada tahun 2005 oleh Profesor. Cristian M.
54
Gambar 2.5 Tampilan SmartPLS versi 3.0
Tampilan pada SmartPLS dapat dilihat pada gambar 2.5, perangkat lunak ini dapat
membuat dan mengevaluasi model dengan menggunakan sistem yang fleksibel dan
peraturan yang tidak terbatas sehingga dapat mengeksplorasi sebab akibat dengan sampel
yang sedikit serta tidak terdistribusi (Sander & Teh, 2014). SmartPLS memudahkan
pengguna untuk melakukan estimasi model jalur PLS. Keunggulan lainnya dari
a. SmartPLS dapat digunakan pada saat distribusi data sangat miring dan
b. Perangkat ini dapat digunakan bahkan untuk jumlan sampel yang kecil dengan
Smart-PLS terdiri dari dua komponen yaitu variabel laten dan observed variabel. Variabel
laten dibelah menjadi dua yaitu variabel eksogen yang bersifat indenpenden dan variabel
55
endogen yang bersifat dependen. Karakteristik dari variabel laten tidak dapat diamati dan
Berikut langkah – langkah dalam mengolah data menggunakan SmartPLS yang dilakukan
2. Langkah selanjutnya, membuat project baru dengan cara klik “file”, lalu pilih
3. Kemudian muncul tampilan kotak dialog. Ketik nama project baru yang akan dibuat,
kemudian klik “OK”. Kemudian klik dua kali pada “Double-click to import data!”,
maka muncul kotak dialog untuk import data (data yang dapat digunakan adalah data
56
5. Klik “namaproject” guna membuat model yang telah ditentukan. Kemudian buat
model dengan cara klik “Latent Variabel” dan selanjutnya klik pada area halaman
SmartPLS yang digunakan untuk membuat model. Hubungkan variabel yang ada
sesuai dengan hipotesis yang telah digunakan dengan cara menggunakan fitur
“Connect”.
6. Masukkan semua indikator sesuai dengan variabel yang ada sehingga warna variabel
Setelah data sudah siap, maka tahap selanjutnya adalah pengujian outer model.
Pengujian outer model dimulai dengan individual indicator reliability, internal consistency
langkahnya:
1. Tahap pengujian individual indicator reliability dilakukan untuk melihat hasil outer
57
2. Klik “start calculation”.
3. Klik “outer loadings” untuk melihat nilai outer loading. Nilai ambang batas yang
digunakan adalah 0,7. Sedangkan nilai diatas 0,6 masih bisa dipertimbangkan
kembali.
and Validity. Perhatikan nilai AVE. Ambang batas yang digunakan AVE adalah 0,5.
6. Tahap pengujian discriminan validity untuk memeriksa nilai cross loading dan cross
loading fornell-lacker‟s.. Cek nilai cross loading dengan klik discriminant validity >
7. Cek nilai cross loading Fornell-Lacker‟s dengan Klik Discriminant Validity > Pilih
fornell-larcker‟s creation (lingkaran merah). Kemudian cek nilai akar AVE (kotak
merah) lebih tinggi dari nilai korelasi antar variabel dengan variabel lainnya
Setelah pengujian outer model terpenuhi sesuai syarat, maka tahap selanjutnya adalah
pengujian inner model. Pengujian ini terdiri dari path coefficient (β), coefficient of
1. Pengujian path coefficient (β) dengan cara klik “Calculate” > pilih “PLSAlgorithm”
58
2. Selanjutnya pengujian Coefficient of Determination (R2) dengan cara klik R square
3. Pengujian t-test dilakukan dengan metode boostrapping dengan uji two-tailed dimana
tingkat signifikan yang digunakan adalah 5% yang artinya nilai t-test harus lebih
besar dari 1.96. Caranya klik Calculate > pilih Bootsrapping > klik “start
4. Pengujian Effect Size (f2) dilakukan untuk memprediksi seberapa besar pengaruh
5.
model.
pada model.
diperoleh dengan cara klik “Calculate” > pilih “PLSAlgorithm” > klik “start
calculation”
59
b. Mengetahui nilai R2 exclude, diketahui nilai R2 exclude merupakan nilai R2
yang diperoleh ketika konstruk eksogen dikeluarkan dari model. Salah satu
Kemudian klik “calculate” > pilih “PLS Algorithm” > klik “start calculation”
lalu lihat pada gambar model diSmartPLS. Ketika IQ dikeluarkan dari model
maka nilai U adalah 0,359 dan nilai ini dikatakan sebagai nilai R2 exclude
pada hubungan IQ → U.
6. Pengujian Predictive Relevance (Q2) dengan cara klik “calculate” > pilih
sebelumnya harus diketahui nilai Q2 include dan 2 exclude dengan cara klik
8. Kemudian untuk mengetahui nilai Q2 exclude salah satu contohnya yaitu hubungan
IQ → U, caranya dengan hapus sementara atau keluarkan konstruk eksogen yaitu IQ.
Kemudian klik “calculate” > pilih “blindfolding” > klik “start calculation” lihat pada
60
Dengan keterangan berikut:
model.
pada model.
Berikut merupakan beberapa penelitian terdahulu yang sejalan dengan metode yang dipakai
TTF
Tahun 2020
61
68.0% dari varians karakteristik tugas dan teknologi
tugas.
P.Rana
Bank
Tahun 2019
(UTAUT) 2
Behavior.
62
pemnafaatan sistem informasi namun tidak secara
Technology (Utaut)
Tahun 2019
(UTAUT)
63
behavioral dan trust
terhadap trust.
LailaAl-Azizi
Approach
Tahun 2018
(UTAUT)
64
kepercayaan kondisi fasilitas, serta kualitas informasi
Tahun 2018
(UTAUT)
65
kuesioner dimana hasil penelitian yang didapat adalah
perilaku pengguna
Tahun 2019
66
Model Penelitian Unified Theory of Acceptance and Use of Technology
(UTAUT)
Hasil
Penelitian ini bertujuan untuk Memahami Niat dan
67
karena kegunaan dan kemudahan pengoperasiannya.
UTAUT Model
Tahun 2021
(UTAUT)
Intention.
Hasil
Penelitian yang dilakukan Fellasufah Diniyah dengan
68
Terhadap Cashless Payment di Masa Pandemi COVID-19
Tahun 2021
(UTAUT)
non-tunai.
69
9 Peneliti Ferdy Setiawan dan Dien Novita.
Tahun 2020
(UTAUT)
online.
Tahun 2019
70
Model Penelitian Unified Theory of Acceptance and Use of Technology
(UTAUT)
technology fit.
71
72
BAB III
METODOLOGI PENELITIAN
dimana peneliti memiliki tujuan untuk mengetahui sejauh mana tingkat penerimaan
pengguna aktif aplikasi My Pertamina serta mengetahui variabel apa saja yang
diajukan sebagai bahan rekomendasi atau saran bagi pengembang aplikasi My Pertamina
Untuk mendukung penelitian ini diterapkan metode pengumpulan data, metode analisis
data dan penggunaan tools analisis, sehingga penelitian dapat berjalan secara tepat. Metode
pengumpulan data akan dilakukan dengan berbagai tahap. Dimulai dengan observasi
aktif My Pertamina secara tidak langsung. Penyebaran kuesioner melalui penggunaan media
statistik. Perangkat lunak yang digunakan adalah Microsoft Word 2016 untuk penulisan
laporan dan data – data. Untuk perangkat lunak yang mengolah data, peneliti menggunakan
Microsoft Excel 2016. Kemudian untuk pengolahan data hasil penyebaran kuesioner akan
Penelitian akan dilakukan dengan delapan tahap. Prosedur yang digunakan mengadopsi
73
tahapan menurut (Subiyakto, Ahlan, Kartiwi, & Sukman, 2015). Tahap–tahap ini
pengumpulan data, Analisis dan interpretasi data dan yang terakhir pembuatan laporan.
Variabel yang akan digunakan penelitian ini terbagi menjadi dua jenis, yaitu variabel
1. Variabel Dependen
Variabel dependen adalah suatu variabel yang dipengaruhi variabel lainnya. Variabel ini
juga biasa disebut variabel konsekuensi atau consequent variable. Pada penelitian ini
2. Variabel Independen
lainnya. Selain itu variabel ini juga memiliki nama lain yaitu variabel yang mendahului
atau antecedent variabl. Pada penelitian ini, variabel indenpenden adalah sebagai berikut:
74
3.3.1 Studi Pustaka
Studi pustaka yang terdapat pada penelitian ini diperoleh dengan membaca dan
yang terdapat pada situs web. Pustaka yang dicari adalah tentang model UTAUT,
3.3.2 Observasi
kolom rating bintang hingga kolom komentar yang diberikan oleh pengguna aplikasi
memperoleh adanya kendala pada saat penggunaan aplikasi, dimulai dari transaksi
yang error, tidak adanya history transaksi hingga pengguna yang tidak bisa mendaftar
pada aplikasi.
3.3.3 Kuesioner
Pertamina. Pernyataaan yang diberikan juga mewakili dari variabel yang dipakai
effort expectancy, dan perfomance expectancy. Data kuesioner yang diperoleh berupa
penyebaran secara online melalui bantuan media sosial seperti Instagram, Whatsapp,
75
dan lain sebagainya menggunakan media Google Form untuk pengisian kuesioner.
aplikasi Ms. Excell 2016 serta diolah data menggunakan SmartPLS 3.0. Berdasarkan
data kuesioner yang telah tersebar, diperoleh data responden sebanyak 193
responden.
Karakteristik populasi dalam penelitian ini adalah pengguna aktif yang menggunakan
Pertamina Patra Niaga, terdapat 4 juta lebih pengguna yang sudah mendaftar sejak
responden kuesioner. Teknik purposive sampling ini bertujuan untuk mencari dan
karena pengguna aplikasi My Pertamina yang belum diketahui jumlah pastinya, peneliti
menggunakan cara yang sesuai menurut (Akdon & Riduwan, 2013) yaitu untuk menentukan
jumlah sampel ketika populasi tidak diketahui. Untuk perhitungan jumlah sampel
( )
Dapat dilihat pada hasil perhitungan di atas bahwa jumlah minimum sampel adalah
sebesar 96.04 dengan pembulatan angka menjadi 97 sampel, dimana jumlah yang digunakan
76
pada penelitian ini sebasar 193 responden.
Use of Technology, dimana dengan model tersebut akan dianalisa enam variabel yang dapat
use behavior, behavioral intention, facilitating condition, social influence, effort expectancy,
moderator. Namun peneliti mengambil keputusan untuk tidak menggunakannya hal ini
dikarenakan adanya penelitian sebelumnya yang menyatakan bahwa variabel tersebut tidak
memiliki dampak yang dapat memperkuat atau melemahkan faktor suatu penerimaan
teknologi. Variabel gender (jenis kelamin), age (usia) dan experience (pengalaman)
(kesukarelaan) tidak digunakan pada penelitian ini, dikarenakan pada aplikasi My Pertamina
hal ini didukung oleh penelitian sebelumnya pada penelitian Sedana & Wijaya (2010) yang
juga.
Morris, B Davis, & Davis, 2003). Model penelitian terdiri dari enam variabel Performance
Intention, dan Use Behavior terhadap aplikasi My Pertamina. Selain itu, pada penelitian ini
77
Experince, Voluntariness of Use.
Berdasarkan model penelitian yang digunakan peneliti memiliki beberapa hipotesis untuk
peelitian ini, hipotesis yang digunakan didasari oleh penelitian terdahulu (Muttaqin &
Prihandoko, 2018) dimana pada penelitian tersebut dinyatakan bahwa variabel Performance
Expectancy, Effort Expectancy, Social Influence, memiliki pengaruh positif Behavioral Intention
dalam menggunakan E-office dan penelitian lainnya (Gusi & Luh Putu, 2019) yang
memiliki pengaruh positif Behavioral Intention dalam menggunakan aplikasi OVO. Untuk
variabel Behavioral Intention dan Facilitating Condition memiliki pengaruh positif terhadap Use
78
2. Effort Expectancy (Ekspektasi Usaha) memiliki pengaruh positif terhadap Behavioral
3. Social Influence (Faktor Sosial) memiliki pengaruh positif Terhadap Behavioral Intention
Peneliti menggunakan dua bagian instrumen pada penelitian ini, yaitu surat permohoman
pengisian kuesioner dan pernyataan mengenai profil responden, aplikasi My Pertamina, serta
pernyataan yang mewakili pengukuran variabel. Berikut tabel 3.1 yang berisi daftar
79
Saya akan selalu
Berusaha
BI2 mencoba menggunakan
Menggunakan
aplikasi My Pertamina
kedepannya
Saya akan
merekomendasikasikan
Rekomendasi
BI4 aplikasi My Pertamina
Penggunaan
kepada orang – orang
disekitar saya
Saya menggunakan
disetiap saat
My Pertamina
80
Menggunakan aplikasi
My Pertamina
layanan
Dengan menggunakan
aplikasi My Pertamina,
transaksi
Aplikasi My Pertamina
meningkatkan
transaksi
81
Kinerja) penggunaan aplikasi My
Pertamina
diperlukan keterampilan
menggunakan aplikasi
My Pertamina
Aplikasi My Pertamina
Mudah
EF3 sangatlah mudah
Digunakan
digunakan
Aplikasi My Pertaminia
Mudah
EF4 sangatlah mudah
Dipelajari
dipelajari
Saya menggunakan
pemerintah
Social Influence ( Venkatesh, et
Saya menggunakan
Faktor Sosial) al., (2003)
aplikasi My Pertamina
Dukungan dari
SI2 karena adanya dukungan
Penyedia
dari penyedia
(pemerintah)
82
Saya terpengaruh
menggunakan aplikasi
Twitter, dsb)
My Pertamina
Saya mempunyai
My Pertamina
Saya memerlukan
Ketersediaan
FC4 bantuan orang lain dalam
Bantuan
menggunakan aplikasi
83
My Pertamina
Pada pengisian kuesioner, peneliti menggunakan skala likert dengan lima poin yang
dapat dijadikan sebagai alat ukur. Peneliti menggunakan lima alternatif jawaban untuk setiap
akan terhindar dari jawaban ragu–ragu, sehingga data yang dihasilkan dapat dijadikan acuan
perbaikan dengan pihak My Pertamina. Adapun pembobotan yang digunakan dengan rincian
pertanyaan yang tersedia disesuaikan dengan variabel yang digunakan pada model penelitian
84
yang ada. Berikut kuesioner responden pada penelitian ini:
6. Profil Responden
a. Nama Lengkap :
b. Email :
c. Usia :
o 17-24 Tahun
o 25-32 Tahun
o 33-38 Tahun
o >39 Tahun
d. Pekerjaan :
o Tidak Bekerja
o Pelajar
o Mahasiswa
o Karyawan Swasta
o Pegawai Negeri
7. Persyaratan Responden
85
o Tidak, saya tidak mengetahui dan menggunakan aplikasi My Pertamina
o 1-3 Bulan
o 4-6 Bulan
o 6-12 Bulan
o 1 Tahun
o 3 Tahun
8. Variabel Kuesioners
likert.
Tidak Setuju TS 2
Netral N 3
Setuju S 4
Sangat Setuju SS 5
No Pertanyaan Penilaian
86
STS TS TS TS TS
Behavioral Intention : Sejauh mana pengguna menggunakan suatu sistem atau aplikasi
saya. [BI4]
Use Behavior : Seberapa sering pengguna menggunakan suatu sistem atau aplikasi.
Pertamina. [UB2]
My Pertamina. [UB3]
87
membantu meningkatkan kinerjanya.
layanan. [PE1]
transaksi. [PE3]
transaksi. [PE4]
Pertamina. [EE2]
digunakan. [EE3]
88
Aplikasi My Pertamina sangat
4
mudah dipelajari. [EE4]
menggunakan sistem
Facilitating Condition : Sejauh mana pengguna percaya bahwa infrastruktur teknis ada
Pertamina. [FC1]
[FC2]
89
My Pertamina. [FC3]
Analisis data dibagi menjadi dua data yaitu data deskriptif dan data inferential. Data
responden juga dikelompokan berdasarkan usia, jenis kelamin, pekerjaan, dan berapa lama
untuk mengetahui apakah hipotesis yang diajukan memenuhi syarat. Pengolahan data
Tahapan ini dilakukan setelah semua data responden terkumpul. Analisis data dilakukan
melalui dua tahap, yaitu outer model (model pengukuran) dan inner model (model
struktural). Outer model dilakukan dengan tujuan untuk mengetahui apakah data yang
dimiliki sudah memiliki nilai validitas dan reliabilitas model yang sesuai dengan persyaratan.
Tahap ini terdiri dari empat tahapan pengujian, dimulai dari individual item reliability,
inner model dilakukan untuk mengetahui hubungan antar variabel laten. Pengujian inner
model terdiri dari enam tahap yaitu, Dimulai dengan pengujian path coefficient, coefficient of
determination ,t-test menggunakan metode bootstraping, effect siz, predictive relevance, dan
relative impact.
90
3.11 Kerangka Penelitian
Penelitian ini diawali dengan pencarian studi literatur terkait topik yang diambil, lalu
dilanjutkan dengan perumusan masalah dan model penelitian yang digunakan. Lalu
diakhiri dengan hasil interpretasi, kesimpulan dan saran yang diberikan oleh peneliti.
Berikut pemanparan lebih jelasnya mengenai kerangka penelitian yang digunakan peneliti
91
Gambar 3.2 Kerangka Penelitian
92
93
BAB IV
Pilot study merupakan tahap awal pada kuesioner yang telah dibuat untuk diuji coba.
Adanya pilot study bertujuan untuk menguji keefektifan instrument survei sebagai
2019). Suatu kuesioner dikatakan baik apabila hasil pilot study menunjukan nilai AVE
(Average Varian Extracted) diatas 0,5 sedangkan nilai CR (Composite Rebility) diatas 0,7.
aplikasi My Pertamina. Jumlah sampel yang digunakan pada pilot study yang ideal adalah 30
responden, dimana 30 responden akan mencapai daya tinggi yang baik untuk mengetahui
suatu masalah yang ada dalam kuesioner (Pernerger, Courvoisier, Hudelson, & Gayet-
Ageron, 2015). Berikut analisis hasil pilot study dengan melibatkan 30 responden sebagai
berikut:
Tabel 4.1 Hasil Pilot Study Composite Reliability dengan SmartPLS 3.0
Composite Reliability
94
Performance Expectancy 0.948
Dapat terlihat pada tabel pengujian pada tabel 4.1, bahwa hasil pilot study dari 30
responden diatas bahwa nilai Composite Reliability (CR) sudah melewati nilai 0,7
sebagai nilai ambang batas. Oleh karena itu, maka penelitian ini memenuhi syarat dan
valid.
Berikut ini merupakan hasil uji perhitungan nilai Average Varience Extracted (AVE)
terhadap 30 responden:
Tabel 4.2 Hasil Pilot Study Averange Variance Extrancted dengan SmartPLS 3.0
Composite Reliability
Performance 0.820
Expectancy
95
Social Influence 0.740
Menurut teori Barclay yang terdapat pada penelitian (Hair, Hult, Ringle, & Sartedt,
2017), nilai ambang batas AVE adalah 0,5. Berdasarkan data diatas, hasil nilai AVE
sudah melewati nilai ambang batas, sehingga memenuhi syarat dan dikatakan valid untuk
mendapatkan responden kurang dari sebulan (26 Oktober 202 –20 November 2022),
dengan jumlah 193 data responden. Data profil berisikan usia, jenis kelamin,
4.2.1.1 Usia
Dari 193 data yang valid, dapat dilihat pada gambar 4.1, bahwa jumlah
usia 33–38 tahun sebanyak 31 (16,1%), dan peringkat terakhir pada usia 39
96
kuisioner pada penelitian ini berdasarkan lingkup peneliti dimana
sebanya 83 (43%). Selengkapnya bisa dilihat pada gambar 4.2 dibawah ini.
Hal ini didasari oleh data sunesas pada tahun 2020 yang menunjukan
97
Gambar 4.2 Diagram Jenis Kelamin Responden
4.2.1.3 Pekerjaan
Dari 193 data yang valid, dapat terlihat pada gambar 4.3 bahwa
sebanyak 6 (3,1%). Hal ini didasari data status pekerjaan Indonesia pada
98
Gambar 4.3 Diagram Pekerjaan Responden
Dari 193 data yang valid, dapat terlihat pada gambar 4.4 bahwa banyak
99
Gambar 4.4 Diagram Frekuensi Penggunaan Aplikasi My Pertamina
Tahap ini terdiri dari empat tahapan pengujian, dimulai dari individual item
validity (Yamin, Sofyan, Lien A Rachmach, & Heri Kurniawan, 2011). Keempat
tahapan ini merupakan tahapan analisis pengukuran model atau biasa disebut
100
inilah yang menjelaskan sebesar apa korelasi setiap indikator dengan
konstruknya. Dimana nilai outer loading diatas 0,7 yang dapat dinyatakan
sebagai indikator yang meengukur kontruk secara benar dan valid. Apabila
nilai dibawah nilai ambang batas, maka indikator tersebut dinyatakan tidak
Tabel 4.3 Hasil Awal Uji Loading Factor dengan SmartPLS 3.0
BI1 0.921
BI2 0.911
BI3 0.916
BI4 0.889
EE1 0.869
EE2 0.862
EE3 0.921
EE4 0.922
FC1 0.835
FC2 0.864
FC3 0.886
FC4 0.392
PE1 0.890
101
PE2 0.896
PE3 0.907
PE4 0.900
SI1 0.831
SI2 0.587
SI3 0.861
UB1 0.916
UB2 0.924
UB3 0.913
Melihat dari data yang tertera pada tabel 4.3 terlihat ada dua indikator
yang tidak melewati nilai ambang batas, yaitu FC4 dan SI2, dengan nilai
FC4 0.392 sebesar dan SI2 sebesar 0.587. Dua indikator tersebut tidak
melewati nilai ambang batas yang seharusnya, yaitu 0,7. Maka adanya
penghapusan pada dua indikator yang memiliki nilai outer loading dibawah
standar yaitu FC4 dan SI2. Karena adanya penghapusan pada indikator FC4
dan SI2 maka perlu diuji kembali mennggunakan SmartPLS 3.0, seluruh
BI1 0.921
102
BI2 0.911
BI3 0.916
BI4 0.889
EE1 0.869
EE2 0.862
EE3 0.921
EE4 0.922
FC1 0.835
FC2 0.864
FC3 0.886
PE1 0.890
PE2 0.896
PE3 0.907
PE4 0.900
SI1 0.831
SI3 0.861
UB1 0.916
UB2 0.924
UB3 0.913
Pada tabel 4.4 dapat terlihat bahwa indikator yang memiliki nilai yang
103
tidak melewati 0,7 telah dihapus, sehingga seluruh hasil uji loading factor
pada tabel 4.4 sudah memenuhi syarat valid dan dapat dilanjutkan untuk
pengujian selanjutnya.
hasil nilai melewati ambang batas 0,7. Namun apabila hasil nilai berada
pada 0,6 sampai 0,7 masih dapat dinyatakan diterima (Hair, Hult, Ringle,
atau composite reliability. Berikut tabel 4.5 hasil perhitungan dari data
responden.
104
menunjukan bahwa tiap indikator dinyatakan valid dan diterima. Dengan
Behavior dan Effort Expectancy dengan nilai 0.941, dan urutan terakhir
variabel Social Influence dengan nilai 0.869. Berdasarkan nilai hasil uji
selanjutnya.
nilai convergent validity yang baik dan valid, hasil perhitungan nilai AVE
minimal 0,5. Artinya, variabel laten yang dimiliki dapat menjelaskan rata-
dibawah 0,5 maka variabel tidak dikatakan valid pada pengujian AVE.
Variabel AVE
105
Effort Expectancy 0.799
variance extracted, dapat dilihat pada tabel 4.6 bahwa tiap variabel sudah
melewati nilai 0,5. Sehingga dinyatakan bahwa setiap variabel valid dan
diterima. Dengan nilai variabel Use Behavior tertinggi sebesar 0.842, lalu
sebesar 0.768.
106
menggunakan SmartPLS.
Facilitatin
107
PE4 0.761 0.703 0.531 0.900 0.743 0.747
Berdasarkan pada tabel 4.7 diatas, maka dapat dilihat bahwa terbukti nilai
data dengan warna abu-abu memiliki nilai outer landing yang lebih tinggi
membandingkan nilai akar AVE setiap variabel dengan variabel lainnya. Maka
diperoleh hasil pengujian yang ditampilkan pada tabel 4.8 dibawah ini.
Facilitatin Performanc
Behavioral
Intention 0.909
108
(BI)
Effort
Expectancy
Facilitating
Condition
Performanc
Expectancy
Social
Influence
Use
Behavior
Berdasarkan hasil pada tabel 4.8 dapat dilihat bahwa pada dua tahap cross
validitas lebih besar 0,7 dan nilai akar AVE lebih tinggi dibandingkan nilai
109
Gambar 4.5 Hasil Analisis Outer Model dengan SmartPLS 3.0
bahwa data yang diperoleh oleh responden dinyatakan cukup ideal sehingga
memenuhi syarat pada setiap pengujian. Dimulai dengan hasil individual construct
reliability yang sudah menghapus nilai yang dibawah ambang batas 0,7 sehingga
data yang digunakan sudah valid dan dapat diterima. Lalu hasil pengujian internal
valid. Pada pengujian AVE dan discriminant validity dinytatakan ideal karena
setiap variabel sudah sesuai dengan persyaratan. Maka dari itu, penelitian dapat
110
dilanjutkan pada tahap selanjutnya yaitu model struktural.
Model struktural atau biasa disebut dengan inner model terdiri dari enam tahap
test menggunakan metode bootstraping, effect siz, predictive relevance, dan relative
impact.
path yang pengaruh apabila hasil yang didapat melewati nilai ambang batas
sebesar 0.1 (Subiyakto, Ahlan, Kartiwi, & Sukmana, 2015). Berikut adalah
111
Facilitating Condition > Use Behavior 0.023
Berdasarkan hasil pengujian path coefficient pada tabel 4.9 diatas, ada
empat variabel yang memiliki nilai diatas ambang batas, yaitu Behavioral
Intention dengan nilai 0.206. Namun terdapat satu variabel yang dinyatakan
Condition terhadap Use Behavior dengan nilai 0,023. Berikut hasil model
112
Gambar 4.6 Hasil Path Coefficient dengan SmartPLS 3.0
variabel yang dipengaruhi oleh variabel lainnya yang ada pada model
113
pengujian, berikut hasil uji coefficient of determination.
Intention dan Use Behavior memiliki perolehan nilai diatas 0,67. Hasil
tingkat signifikan sebesar 5%. Apabila hasil t-test melebihi 1,96, maka
& Mena, 2012) . Apabila hasil nilai tidak melewati 1,96 maka hipotesis
114
Tabel 4.11 Hasil Uji T-Test dengan SmartPLS 3.0
terhadap Use Behavior memiliki nilai sebesar 0,494 < 1,96, sehingga
diterima dengan nilai positif 4,614, lalu pada H2 Effort Expectancty >
Social Influence > Behavioral Intention diterima dengan nilai 3.255 dan
yang diterima.
115
tertentu terhadap variabel lainnya dalam model dengan syarat nilai
ambang batas sekitar 0,35 untuk pengaruh besar, 0,15 untuk pengaruh
menengah dan sekitar 0,02 untuk pengaruh kecil. Pengujian ini dilakukan
Hipotesis Analisis
Path
116
H5 BI > UB 0.745 0.815 -0,27 KECIL
Pada Tabel 4.12 dapat dilihat adanya lima hipotesis yang memiliki
0,27.
variabel lainnya dalam model dengan nilai ambang batas melebihi nol.
Variabel Endogen
relevance dari setiap variabel memiliki diatas nol, dengan nilai 0,631
117
pada variabel Behavioral Intention dan 0.620 pada variabel Use
sebesar 0,35 untuk pengaruh besar, 0,15 untuk pengaruh menengah dan
118
Hipotesis Analisis
Path
Pada Tabel 4.14 dapat dilihat bahwa semua hipotesis memiliki pengaruh kecil, yaitu
Effort Expectancy terhadap Behavioral Intention dengan relatif kecil sebesar 0,04,
Facilitating Condition terhadap Use Behavior dengan relatif kecil sebesar 0, Behavioral
Intention terhadap Use Behavior dengan relatif kecil sebesar -0,38, performance expectancy
terhadap behavioral intention dengan relatif kecil sebesar 0,09 dan social influence terhadap
119
Tabel 4.15 Ringkasan Hasil Analisis Struktural Model
Hipotesis Analisis
β t-test
No Path β t-test
PE
0.77 0.72 - 0.63 Diterim Predictive
H1 > 0.444 4.614 0.772 0.597 0,09 0.631 Sign Substansial Kecil Kecil
6 9 0,285 1 a Relevance
BI
EE
0.77 0.75 - 0.63 Diterim Predictive
H2 > 0.206 3.520 0.772 0.615 0,04 0.631 Sign Substansial Kecil Kecil
6 3 0,309 1 a Relevance
BI
FC
0.74 0.74 0.62 Not Predictive
H4 > 0.023 0.494 0.745 0.03 0.620 0 0.620 Ditolak Substansial Kecil Kecil
4 4 0 Sign Relevance
UB
120
UB 5
Keterangan:
Sign = Signifikan
121
4.3 Interpretasi dan Pembahasan Hasil Analisis
4.3.1.1 Usia
bahwa dari 193 data responden, dapat diketahui didominasi oleh responden
dengan usia sekitar 17-24 tahun sebanyak 81 orang (41,5%), diikuti dengan
responden dengan usia sekitar 25-32 tahun sebanyak 55 orang (29%), lalu
dilanjutkan dengan responden usia 33-38 tahun sebanyak 31 orang (16,1%) dan
yang terakhir adalah responden dengan usia 39 tahun keatas sebanyak (13,5%).
Hal ini didasari dengan umur peneliti yang berusia 22 tahun, sehingga responden
yang dijumpai oleh peneliti kurang lebih memiliki umur yang sama.
Pada gambar 4.2 dapat ditarik kesimpulan bahwa jenis kelamin laki-laki
pada saat pengisian kuesioner online yang dilakukan pada google form lebih
4.3.1.3 Pekerjaan
Berdasarkan data pada gambar 4.3 dapat dilihat bahwa banyaknya responden
yang memiliki latar sebagai karyawan swasta sebanyak 105 orang (54,9%), lalu
123
sebanyak 18 orang (9,3%), dan yang terakhir responden pegawai negeri sebanyak
terbanyak berada pada jangka waktu 1-3 bulan dengan jumlah responden 111
orang (57,5%). Lalu diikuti dengan jangka waktu 4-6 bulan dengan jumlah
lebih dari setahun sebanyak 12 (6,2%), dan uratan terakhir pada jangka waktu 6-
12 bulan dengan jumlah responden sebanyak 11 orang (5,7%). Hal ini didasari
4.3.2 Interpretasi dan Pembahasan Hasil Analisis Model Pengukuran (Outer Model)
melihat adanya beberapa penjelasan yang harus diperhatikan pada tahapan ini. Pada
pengujian awal individual item realiability terdapat indikator yang perlu dihapus
dikarenakan memiliki nilai dibawah ambang batas 0,7 yaitu indikator FC4 dan SI2.
Hal ini dikarenakan pada FC4 berisikan pernyataan Saya memerlukan bantuan orang
lain dalam menggunakan aplikasi My Pertamina dan SI2 yang berisikan pernyataan
124
kesalahpamahaman mengenai makna pernyataan pada kuesioner oleh responden dan
peneliti tidak memiliki kapabilitas untuk memberikan arahan langsung kepada setiap
dengan individual awal item realiability dengan nilai ambang batas 0,7, lalu
pengujian internal consistency reliabity dengan nilai ideal diatas 0,7, lalu nilai AVE
yang melewati 0,5 sehingga dinyatakan ideal, dan terpenuhinya syarat pengujian
discriminant validity.
4.3.3 Interpretasi dan Pembahasan Hasil Analisis Struktural Model (Inner Model)
Pada analisis struktural model terdiri dari 6 tahapan pengujian, path coefficient,
predictive relevance, dan relative impact. Berikut hasil pengujian pada hipotesis-
Hx Path β T-test
125
H3 SI > BI 0.297 3.255 Signifikan Diterima
Signifikan
aplikasi My Pertamina.
Intention dengan nilai t-test sebesar 4.461. Hal ini sejalan dengan penelitian
layanan transportasi online dengan nilai 3,303 yang melewati ambang batas
1,96. Selain itu hasil penelitian (Pertiwi & Dodik, 2017) juga menyatakan
126
aplikasi My Pertamina memiliki pengaruh terhadap niat pengguna dalam
terhadap Behavioral Intention dapat diterima dengan nilai t-test positif 3.520.
Selain itu dengan nilai 0.206, Effort Expectancy memiliki pengaruh secara
Mobile. Selanjutnya terdapat penelitian lain (Gusi & Luh Putu, 2019) yang
127
setiap transaksi menjadi penting. Semakin kecil usaha yang digunakan oleh
My Pertamina.
berdasarkan nilai melewati t-tabel 1,96 dengan nilai 3.255. Selain itu
determination dengan nilai 0.772 yang melewati syarat 0,67 untuk mendapat
Morris, B Davis, & Davis, 2003). Selain itu, hipotesis ini sejalan dengan
pengaruh positif terhadap Social Influence dengan hasil uji nilai sebesar 5,37
pada pengujian t-test (Resti & Helni, 2019). Terdapat penelitian lainnya yang
sejalan yaitu (Ika, Evi, & Wildan, 2018) yang menyatakan bahwa Social
128
Work Order android (Wondroid). Hal ini menandakan bahwa pentingnya
ditolak dengan nilai 0.494 pada t-test sehingga tidak memiliki signifikansi
Facilitating Condition terhadap Use Behavior. Hal ini dikarenan hasil nilai t-
test pada hipotesis ini tidak melewati 1,96 sehingga H4 ditolak.. Hasil ini
juga pernah terjadi pada penelitian lainnya (Ting & Yanhong, 2012) yang
lainnya juga disebutkan bahwa (Lusi & Anggi, 2020) bahwa facilitating
129
Iintention” pada penelitian ini dinyatakan ditolak.
aplikasi My Pertamina.
hipotesis ini memiliki nilai t-test dengan tingkat signifikansi 5% hipotesis dan
memiliki nilai diatas 1,96 yaitu dinyatakan positif 25.565 maka Behavioral
Intention memiliki pengaruh secara positif terhadap Use Behavior. Selain itu,
Behavior. Hal ini dikarenakan nilai path coefficient pada hipotesis adalah
0.849 yang berati melewati nilai ambang batas. Hal ini menandakan bahwa
dan didukung oleh penelitan lain (suki & suki, 2017) yang berisikan bahwa
Selain itu terdapat penelitian lainnya (Putra, 2019) yang menyatakan baha
menggunakan Bitcoin. Pada penelitian lainnya (Gusi & Luh Putu, 2019)
130
yang sebenarnya. Sehingga dapat disimpulkan bahwa Hipotesis 5
131
132
BAB 5
PENUTUP
5.1 Kesimpulan
Acceptance and Use Technology (UTAUT), maka dapat diambil kesimpulan sebagai
berikut:
1. Faktor yang memiliki pengaruh paling besar adalah Behavioral Intention. Hal ini
tersebut. Selain itu pada aplikasi My Pertamina sudah memiliki kebijakan yang tepat
3. Faktor yang tidak memiliki pengaruh pada penerimaan pengguna aplikasi My Pertamina
adalah Facilitating Condition. Sehinga secara tidak langsung variabel tersebut tidak
133
dikarenakan fasilitas yang memadai tidak menjadi penentu seorang pengguna dalam
5.2 Saran
Pertamina, peneliti melihat adanya potensi besar untuk dikembangkan menjadi lebih baik
dan lebih lengkap. Maka dari itu peneliti memiliki beberapa saran dan rekomendasi yang
Credibility.
Pertamina sehingga penerimaan pengguna terhadap sistem dapat terus meningkat. Hal
ini didasari dengan hasil pengujian data pada tabel 4.16 dengan hasil bahwa variabel
dan Use Behavior, dimana kinerja sistem memiliki pengaruh terhadap minat
pemanfaatan aplikasi. Sehingga dalam hal ini, perlunya kinerja sistem yang lebih baik
agar pengguna tidak merasa terganggu dan terus menggunakan aplikasi My Pertamina
kedepannya.
134
135
DAFTAR PUSTAKA
Abdillah, M., & Mustakaini, J. (2015). Partial Least Square (PLS) Alternatif Structural Modelling (SEM)
dalam Penelitian Bisinis. Yogyakarta: ANDI.
Akdon, & Riduwan. (2013). Rumus dan Data dalam Analisis Statistika. Bandung: CV. Alfabeta.
Akinnuwesi, B., Uzoka, F.-M., Fashoto, S., Mbunge, E., Odumabo, A., Amusa, O., et al. (2022). A
modified UTAUT model for the acceptance and use of digital technology for tackling COVID-19.
Al-Mamary, Y. H. (2022). Understanding the use of learning management systems by undergraduate
university students using the UTAUT model: Credible evidence from Saudi Arabia.
Alter. (2001). Analisis dan Perancangan Sistem Informasi dengan Metodologi Berorientasi Objek.
Bandung: Informatika.
Anggraeni, E. Y., & Irviani, R. (2017). Pengantar Sistem Informasi. ANDI.
Archarya, A., Saxena, P., & Nigam, A. (2013). Sampling: Why and How of It. 4 (2)(330-333).
Ariyani, W. (2019). Evaluasi Penerimaan Pengguna Aplikasi Feeder PDDIKTI PUSDATIN Kementerian
Riset, Teknologi, dan Pendidikan Tinggi Menggunakan UTAUT (Unified Theory of Accepatance
and Use of Technology) (Studi Kasus: Perguruan Tinggi di Indonesia). Jakarta.
Ashari, H. (2022, September 14). Subsidi BBM dan LPG, Siapakah yang berhak menerima? Retrieved
Maret 21, 2023 from KEMENKEU LEARNING CENTER:
https://klc2.kemenkeu.go.id/kms/knowledge/subsidi-bbm-dan-lpg-siapakah-yang-berhak-
menerima-c86b7e09/detail/
Betram, D. (2013). Likert Scales. Retrieved November (Vol. 2).
Budiaji, W. (2013). Skala Pengukuran dan Jumlah Respon Skala Likert. 127-133.
Chiew, K., & Salim, S. (2003). WEBUSE: Website Usability Evaluation Tool. Malaysian Journal of
Computer Science, 47-57.
David, F. D. (1989). Perceived Usefulness, Perceived Ease of Use dan Accaptance of Information Sistem
Technology (Vols. 13-5). MIS Quartery.
Davis, F. (1989). Perceived Ease of USe dan Acceptance of Information Sistem Technology.
Dena, A. A. (2018). Pengukuran Atas Penerapan Sistem Informasi Perhotelan Bluefish Menggunakan
Extended Human Organization Technology HOT FIT Model Studi Kasus : PT Karmata Wijaya
Sakti, UIN Syarif Hidayatullah Jakarta.
Dewi, I. K., Mursityo, Y. T., & Putri, R. R. (2018). Analisis UsabilityAplikasi MobilePemesanan
Layanan Taksi Perdana Menggunakan Metode Webusedan Heuristic Evaluation. Jurnal
Pengembangan Teknologi Informasi dan Ilmu Kompute.
Djaali. (2008). Psikologi Pendidikan.
Efendi, S., & Tukiran. (2012). Metode Penelitian Survei. Jakarta: LP3ES.
Ferdy, S., & Dien , N. (2020). Analisis Penerimaan Masyarakat Terhadap Layanan Transportasi Online
Menggunakan UTAUT (Unified Theory of Accaptance and USe of Technology). JTSI.
Firmansyah, R. (2017). Web Klarifikasi Berita untuk Meminimalisir Penyebaran Berita Hoax. Jurnal
Informatika, 2.
Guarte, J., & Barrios, E. (2006). Estimation Under Purposive Sampling. 35 (2)(277-284).
Guritno, S., Sudayono, & Rahardja, U. (2011). Theory and Application of IT Research: Metodologi
Penelitian Teknologi Informasi, Edisi 1. Yogyakarta: Andi.
Gusi, P., & Luh Putu, K. (2019). Analisis Penerimaan dan Penggunaan Aplikasi OVO dengan
Menggunakan Unfied Theory of Accaptance and Use of Technology (UTAUT) di Kota
Denpasar. Jurnal Ilmiah Akuntansi dan Bisnis.
Hair, J., Hult, G., Ringle, C., & Sartedt, M. (2017). A Primer on Partial Least Square Structural Equation
136
Modelling (PLS-SEM) Second Edition (SAGE Publi).
Hair, J., Sarstedt, M., Ringle, C., & Mena, J. (2012). An assessment of the use of partial least squares
strcutural equation modeling in marketing research. Journal of the Academy of Marketing
Science, 414-433.
Hidayat, M. T., Aini, Q., & Fetrina, E. (2020). Penerimaan Pengguna E-Wallet Menggunakan UTAUT 2
(Studi Kasus)(User Acceptance of E-Wallet Using UTAUT 2 – A Case Study. Jurnal Nasional
Teknik Elektro dan Teknologi Informasi, 2.
Ibrahim, R., & Moelino, N. K. (2020). Pengaruh Manfaat, Kepercayaan, Efikasi Diri, Kemudahan
Penggunaan, Keamanan Terhadap Persepsi Konsumen pada My Pertamina (Studi Kasus
Penggunaan My Pertamina Kota Bandung). 5.
Ika, W., Evi, D., & Wildan, S. (2018). Analisis Penerimaan dan Penggunaan Aplikasi Work Order
Android Menggunakan Metode UTAUT Pada PDAM Kota Malang. Journal of Computer and
Information Technology, 82-89.
Indriatiningtias, R., Hartono, B., & Subagyo. (2019). Pilot study: Organizational creativity in Indonesia's
creative industries. Proceedings of the International Conference on Idustrial Engineering and
Operations Management, 3080-3087.
Jati, N., & Laksito, H. (2012). Analisis Faktor - Faktor yang Mempengaruhi Minat Pemanfaatan dan
Penggunaan Sistem E-Ticket. (1-15).
Jogiyanto. (2008). Metologi Penelitian Sistem Informasi. Yogyakarta: Andi.
Jugiyanto, H. (2007). Metodologi Penelitian Bisnis : Salah Kaprah dan Pengalaman - Pengalaman.
Yogyakarta: BPFE.
Juinn, P., & Tan, B. (2013). Applying the UTAUT to Understand Factors Affecting the Use of English E-
Learning Website in Taiwan.
Kurniawan, A. S. (2011). Visualisasi Tiga Dimensi Proses Fotosintesis Tumbuhan Menggunakan Particle
System (Efek Partikel) (Studi Kasus SDN Kebayoran Lama Selatan 13 Pagi).
Loo, W., Yeow, H., & Chong, S. (2011). Acceptability of Multipurpose Smart National Identity Card: An
Empirical Study. 1-10.
Lusi, M., & Anggi, P. (2020). Analisis Penerimaan Pengguna Aplikasi Mobile JKN pada Peserta BPJS
Kesehatan Kota Surakarta dengan Menggunakan Metode Unified Theory of Accaptance and Use
of Technology (UTAUT).
Marimin, Tanjung, H., & Prabowo, H. (2006). Sistem Infromasi Manajemen Sumber Daya Manusia.
Jakarta: Grasindo.
Moore, G., & Benbasat, I. (1991). Development of an instrument to measure the perception of adopting
an infromation technology innocation. 192-222.
Munawar, & Kholil. (2009). E-Commerce.
Mustamu, D., & Putri, Y. (2019). Pengaruh Promosi Melalui Aplikasi My Pertamina Terhadap Keputusan
Pembelian Bahan Bakar Pertamax di Masyarakat Kota Bandung. 6.
Muttaqin, M., & Prihandoko. (2018). Analisa Pemanfaatan Sistem Informasi E-Office pada Universitas
Pembangunan Panca Budi Medan dengan Menggunakan Metode UTAUT. Jurnal Teknik dan
Informatika.
Nasir, M. (2013). Evaluasi Penerimaan Teknologi Informasi Mahasiswa di Palembang Menggunakan
Model UTAUT. Seminar Nasional Aplikasi Teknologi Informasi, 12.
Nasir, M. (2013). Evaluasi Penerimaan Teknologi Informasi Mahasiswa di Palembang Menggunakan
Model UTAUT. C36-C40.
Nazir, M. (2005). Metode Penelitian. Bogor: Ghalia Indonesia.
Nurhayati, & Sylvianti Angraini. (2021). Perempuan Indonesia 2021. Jakarta: Kementerian
Pemberdayaan Perempuan dan Perlindungan Anak ( Kemen PPPA).
Nursiyono, J. (2015). Kompas Teknik Pengambilan Sampel. Bogor: In Media.
Pernerger, T., Courvoisier, D., Hudelson, P., & Gayet-Ageron, A. (2015). Sample size for pre-test of
questionnaires. Quality of Life Reasearch, 147-151.
Pertiwi, N., & Dodik, A. (2017). Penerapan Model UTAUT 2 untuk Menjelaskan Minat dan Perilaku
137
Penggunaan Mobile Banking Di Kota Denpasar. Journal of Chemical Information and Modelling
.
Pramiyati, T., Jayanta, & Halim, M. (2019). Analisis Tingkat Penerimaan Pengguna Terhadap
SIMBUMIL (Hasil Survei Penerimaan SIMBUMIL di Puskesmas Mandalawangi).
Rachmadi, D., Sunarto, D., & Mastan, I. (2011). Measurement Acceptance of UWKS Academic Smart
Mobile Applikations Using UTAUT (Unfied Theory of Acceptance and Use of Technology).
Jurnal Sistem Informasi dan Komputer Akuntansi, No. 11.
Ravel, S. (2022, Maret 14). Paling Banyak Dikonsumsi, Pertalite Jadi BBM Favorit Masyarakat.
Retrieved Maret 21, 2023 from Kompas.com:
https://otomotif.kompas.com/read/2022/03/14/072200715/paling-banyak-dikonsumsi-pertalite-
jadi-bbm-favorit-masyarakat
Resti, A., & Helni, M. (2019). Peminat Aplikasi Blibli.com dengan Menggunakan Model Unfied Theory
of Accaptance and Use of Technology (UTAUT). Jurnal Riset Bisnis dan Manajemen, 16-23.
Rifki, R. M. (2019). Analisis Unified Theory of Acceptance and Use of Technology 2 (UTAUT 2) Pada
Aplikasi Mobile Pengadaian Digital.
Rudika , H. (2014). ANALISIS LAYANAN WEBSITE SEBAGAI MEDIA PROMOSI, MEDIA.
JURNAL STIE SEMARANG.
Sander, T., & Teh, P. (2014). SmartPLS for The Human Resources Field to Value a Model.
Sarja, N. (2015). Analisis Penerimaan Sistem Informasi Dosen Menggunakan Technology Acceptance
Model (TAM).
Sarwono, J. (2006). Metode Peneltian Kuantitatif dan Kualitatif. Yogyakarta: Graha Ilmu.
Sarwoto. (2010). Dasar - Dasar Organisasi dan Manajemen.
Sedana, I., & Wijaya, S. (2010). UTAUT Model for Understanding Learning Management System.
Internet working Indonesia Journal.
Sendana, I., & Wijaya, S. (2010). UTAUT Model for Understanding Learning Management System.
Simarmata, J., Romindo, Putra, S. H., Prasetio, A., Hasan Siregar, M. N., Purba, B., et al. (2020).
Teknologi Informasi dan Sistem Informasi Manajemen. Jakarta: Yayasan Kita Menulis.
Siregar, F. H., Siregar, Y. H., & Melani. (2018). Perancangan Aplikasi Komik Berbasis Multimedia.
Jurnal Teknologi Informasi, 1.
Siregar, S. (2012). Metode Penelitian Kuantitatif. Jakarta: PT. Fajar Interpratama Mandiri.
Sridadi. (2007). Teknik Pengukuran dan Penilaian. Yogyakarta: MItra Cendekia Pres.
Statistik, B. P. (2017, Agustus). Lokadata. Retrieved Maret, 2023 from Status pekerjaan penduduk
Indonesia: https://lokadata.beritagar.id/chart/preview/status-pekerjaan-penduduk-indonesia-
1524658232
Subiyakto, A., Ahlan, A., Kartiwi, M., & Sukman, H. (2015). Measurement of Information System
Project Success Based on Perceptions of the INternal Stakeholders. 5 No. 2(271-279).
Subiyakto, A., Ahlan, A., Kartiwi, M., & Sukmana, H. (2015). Influences of the Inout Factors toward
Sucess of An Information System Project. TELEKOMNIKA (Telecommunication Computing
Electronics and Control, 686-693.
Sugiyono. (2007). Memahami Penelitian Kuantitatif. Bandung: CV. Alfabeta.
Sugiyono. (2011). Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung: Alfabeta.
Sugiyono. (2013). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: CV. Alfabeta.
Sugiyono. (2014). Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif, dan R&D.
Sugiyono. (2015). Metode Penelitian Kuantitatif dan R&B.
Sugiyono. (2015). Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif dan R&D. Bandung:
Alfabeta.
Sugiyono. (2017). Metodologi Penelitian Kualitatif. Bandung: Alfabeta.
Sugiyono. (2019). Metode Penelitian Kuantitatif, Kuanlitatif, dan R&D Edisi Kedua. Bandung: CV.
Alfabeta.
Suharsono, & Suki, N. (2012). Kamus Besar Bahasa Indonesia Edisi Lux. Semarang: Widya Karya.
Supriyadi, E. (2014). SPSS+AMOS Statical Data Analysis. Jakarta: In Media.
138
Syahlan, M. F. (2021). Penerimaan Pengguna Aplikasi Menggunakan Unfied Theory of Acceptance and
Use of Technlogy.
Syamsuar, & Reflianto. (2018). PENDIDIKAN DAN TANTANGAN PEMBELAJARAN BERBASIS
TEKNOLOGI. Jurnal Ilmiah Teknologi Pendidikan.
Taherdoost, H. (2018). A Riview pof technology accapptance and adoption models and theories. 22.
Tilley, S., & Rosenblatt, H. (2017). System Analysis and Design. Boston: Cengage Learning.
Ting, G., & Yanhong, D. (2012). A study on users' accaptance behavior to mobile e-books applicatin
based on UTAUT model. IEEE INternational Conference on COmputer Science and Automation
Engineering.
Tyoso, M., & Wibawanto, S. (2016). Sistem Infromasi Manajemen. Deepublish.
Venkatesh, V., Morris, G., B Davis, & Davis, F. (2003). User Aceptance od Information Technology:
Toward a Unified View. International Journal of Software Engineering and Its Applications.
Venkatesh, V., Morris, M., & David, G. (2005). User Acceptance of Information Technology: Toward a
Unified View. 427-478.
Venkatesh, V., Thong, J., & Xu, X. (2012). Consumer Acceptance and Use of Information Technology:
Extending the Unified Theory of Acceptance and Use of Technology. 2015 IEEE MTT-S
International Mocrowave Symposium, 157-178.
Wahyudi, S. T. (2017). Statistika Ekonomi Konsep, Teori, dan Penerapan. Malang: Universitas
Brawijaya Press.
whitten, J., & Bentley, L. (2007). Systems Analysis dan Design Methods (&tn Edition). New York:
McGraw-Hill.
Winduwiratsoko. (2018). Analisis Penerapan Model Unfied Theory of Acceptance and Use of
Technology (UTAUT) untuk Memahami oenerimaan dan Penggunaan Layanan E-Banking Oleh
Nasabah di Provinsi Daerah Istimewa Yogyakarta.
Winduwiratsoko. (2018). Analisis Penerapan Model Unified Theory of Acceptance and Use of
Technology (UTAUT) untuk Memahami Penerimaan dan Penggunaan Layanan E-Banking oleh
Nasabah di Provinsi Daerah Istimewa Yogyakarta.
Wong, K. (2013). Partial Least Square Structural Equation Modelling (PLS-SEM) Techniques Using
SmartPLS. 24(1)(1-32).
Wong, K.-K. (2013). Partial least squares structural equation modelling (PLS-SEM) techniques using
SmartpLS. Marketing Bulletin.
Yamin, S., & Kurniawan, H. (2011). Generasi Baru Mengolah Data Penelitian dengan Partial Least
Square Path Modelling. Jakarta: Salemba Infotek.
Yamin, Sofyan, Lien A Rachmach, & Heri Kurniawan. (2011). Regresi dan Korelasi dalam Genggaman
Anda. Jakarta: Salemba Empat 50.
Zaki, A. (2009). Kiat Jitu Membuat Website Tanpa Modal. Jakarta: Penerbit Elexmedia.
Zed, M. (2014). Metode Penelitian Kepustakaan. Jakarta: Yayasan Obor Indonesia.
Zulkarnain, R. M. (2013). Analisis Faktor yang Mempengaruhi Terjadinya Fraud pada Dinas Kota
Surakarta. 22.
139
LAMPIRAN
140
LAMPIRAN I
KUESIONER
141
142
143
144
145
No Pertanyaan Penilaian
STS TS TS TS TS
Behavioral Intention : Sejauh mana pengguna menggunakan suatu sistem atau aplikasi
saya. [BI4]
Use Behavior : Seberapa sering pengguna menggunakan suatu sistem atau aplikasi.
Pertamina. [UB2]
My Pertamina. [UB3]
146
Performance Expectancy : Sejauh mana pengguna percaya bahwa sistem dapat
layanan. [PE1]
transaksi. [PE3]
transaksi. [PE4]
Pertamina. [EE2]
147
digunakan. [EE3]
menggunakan sistem
Facilitating Condition : Sejauh mana pengguna percaya bahwa infrastruktur teknis ada
Pertamina. [FC1]
[FC2]
148
petunjuk teknis yang disediakan oleh aplikasi
My Pertamina. [FC3]
149
LAMPIRAN II
BUKTI PENYEBARAN
KUESIONER
150
4.3.3.5.1.1.1.1 Whatsapp Group
151
152
LAMPIRAN III
DATA KUESIONER
153
BI1 BI2 BI3 BI4 UB1 UB2 UB3 PE1 PE2 PE3 PE4 EE1 EE2 EE3 EE4 SI1 SI3 FC1 FC2 FC3
3 4 3 3 3 4 4 4 4 3 3 4 4 4 4 4 4 4 4 4
4 4 4 4 2 3 3 4 4 3 3 4 5 4 4 4 4 5 5 5
2 3 2 3 1 2 2 1 3 3 3 4 4 4 4 2 3 4 4 4
3 4 2 4 3 3 2 3 3 4 3 3 3 3 4 3 2 3 3 4
3 3 4 4 4 3 4 3 4 2 4 3 4 3 3 3 4 4 4 4
4 5 4 5 3 5 3 4 4 5 2 3 4 3 4 5 3 5 5 4
3 3 3 3 3 3 3 4 4 4 5 4 4 4 4 4 3 4 3 3
4 5 5 4 5 3 3 4 3 4 4 3 4 3 4 3 3 3 4 4
3 4 4 4 2 3 3 3 2 4 3 4 4 4 4 3 3 4 5 4
5 4 5 4 5 5 5 4 3 4 4 2 2 2 2 4 5 2 2 2
2 2 4 2 1 2 2 1 1 3 3 4 1 5 4 2 2 3 3 2
2 2 2 2 2 2 2 4 4 2 2 4 4 4 4 4 2 4 4 4
5 5 5 5 4 5 5 4 5 4 4 5 4 5 4 5 5 4 5 4
4 4 3 4 2 3 4 2 2 2 4 4 5 4 4 2 4 5 4 4
3 3 4 5 2 3 3 4 4 3 3 3 5 4 3 4 3 3 2 3
3 3 3 2 2 3 2 3 3 2 3 5 4 4 4 5 2 5 5 5
2 3 3 2 2 1 2 2 2 2 2 4 4 3 3 2 2 5 5 3
155
4 4 4 3 2 3 2 3 4 4 4 4 5 5 4 5 2 4 4 4
3 3 4 4 3 3 3 3 3 3 3 3 3 3 3 4 3 3 3 3
4 3 2 3 1 2 4 2 3 5 4 2 3 3 2 2 4 3 3 3
4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 5 4 4
3 4 3 3 3 3 2 4 5 3 4 4 5 4 4 4 2 5 4 5
2 2 2 3 2 3 2 3 4 3 3 3 4 3 3 3 2 4 3 4
4 4 4 3 3 3 2 4 5 4 5 4 4 4 4 4 2 5 3 3
5 5 5 5 3 5 4 4 5 5 4 4 4 5 4 4 4 4 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 5 5 5 1 3 3 3 5 5 5 5 5 5 5 3 3 5 5 5
1 2 2 2 2 1 1 2 1 2 1 2 1 1 1 2 1 5 5 5
3 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 4 4 4
3 4 3 2 1 3 2 3 3 1 2 5 5 4 4 3 2 3 5 5
3 3 3 3 3 3 3 3 3 3 3 4 3 2 3 3 3 3 3 3
3 3 3 3 3 3 3 3 2 3 3 2 2 2 2 3 3 2 2 3
2 2 2 3 2 3 1 3 4 4 4 2 4 3 3 3 1 3 2 4
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
156
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 2 2 2 2 3 3 3 3 3 3 3 3 2 2 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 5 4 5 3 4 4 3 4 4 4 4 5 4 4 5 4 5 5 5
3 2 4 4 3 3 2 5 5 4 4 5 5 5 4 5 2 5 5 5
5 5 5 5 5 5 4 5 4 5 4 4 3 3 3 5 4 3 4 3
2 3 2 2 1 2 2 2 1 2 3 4 4 4 4 2 2 5 5 4
2 3 3 2 2 3 2 2 4 4 4 4 4 4 4 2 2 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
1 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 4 3 3
2 2 2 2 2 3 2 2 2 3 3 3 3 4 4 2 2 4 4 4
4 3 4 4 2 4 2 4 2 3 4 4 4 4 4 4 2 5 4 4
5 5 5 4 4 4 4 5 4 4 5 4 4 4 4 5 4 4 4 4
3 4 3 3 2 3 3 3 3 4 4 5 5 4 5 3 3 4 5 5
3 4 4 3 2 3 2 3 4 4 4 4 3 4 4 5 2 5 4 3
4 4 5 5 4 4 4 5 4 5 4 3 4 4 4 5 4 4 4 5
2 3 2 3 2 3 2 3 3 4 4 3 3 3 3 3 2 5 2 3
5 5 5 4 2 2 4 2 4 2 2 5 5 4 5 2 4 5 5 5
157
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 5 5 4 5 5 5 5 5 5 5 3 4 4 5 5 4 4 4
4 4 4 5 4 4 4 5 5 5 5 5 3 4 4 5 4 4 4 4
5 4 4 4 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4
5 5 5 4 5 4 5 5 4 5 5 4 5 5 4 5 5 5 4 5
5 5 4 5 4 5 5 5 5 5 5 5 3 4 4 5 5 4 4 5
5 5 4 5 4 5 4 4 4 4 5 4 4 4 4 4 4 4 4 4
4 4 4 3 4 4 4 4 4 3 3 3 4 4 4 4 4 3 3 3
5 5 4 4 5 4 4 5 5 5 5 5 3 5 5 5 4 4 4 4
5 4 5 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 4 4 4 4 4 4 4 3 4 4 4 4 4 4 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5
4 3 5 4 5 5 3 4 4 4 4 3 3 4 4 4 3 4 3 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 3 3 4 5 5 4 5 5 5 5 5 5 4 4 4 4
158
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 4 4 4 4 5 4 4 5 5 5 4 5 4 5 4 4 5 5 5
5 5 4 5 5 5 5 4 4 4 5 4 5 5 5 4 4 3 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4
2 2 2 3 2 2 2 2 2 2 3 3 3 3 3 2 3 3 4 4
4 3 4 3 3 3 4 3 3 4 3 3 3 4 3 3 4 3 3 1
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
2 3 3 3 4 3 3 2 3 2 2 3 3 3 3 2 3 3 3 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 4 3 2 3 2 2 3 3 3 3 3 3 3 2 2 3 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 3 3 4
4 3 4 4 5 4 5 4 4 4 4 4 4 4 4 4 5 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5
5 5 5 5 5 4 4 4 4 5 5 5 5 5 5 4 4 5 5 5
4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5
159
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 5 5 4 4 4 4 5 5 5 5 4 4 4 4 5 4 4 4 5
3 3 3 3 3 3 3 3 3 3 4 3 4 4 4 3 3 3 3 3
3 5 3 4 3 4 3 2 5 4 3 3 4 5 5 2 3 5 4 4
4 5 3 3 2 3 2 2 2 3 3 4 4 4 4 2 2 5 4 4
3 3 4 3 3 4 4 2 3 3 4 3 3 4 4 2 4 5 5 5
2 2 2 2 1 1 1 1 1 1 2 3 3 2 2 1 1 2 2 2
4 4 4 3 2 3 3 4 4 3 3 4 4 4 4 4 3 5 4 4
3 2 2 2 2 3 1 2 2 2 2 3 2 2 2 2 1 4 4 2
3 3 3 3 1 2 2 2 3 2 2 2 2 2 1 2 2 2 4 3
3 2 4 3 3 3 2 2 4 2 2 2 2 2 3 2 3 3 3 3
3 2 3 2 2 2 4 3 3 4 3 3 3 3 3 4 4 3 3 3
3 3 2 2 3 2 2 2 2 4 2 2 3 3 3 2 2 3 3 3
4 3 3 2 1 3 2 3 3 3 3 3 3 2 3 4 2 3 2 3
4 4 4 3 4 3 3 3 3 3 3 3 4 3 3 4 3 3 3 3
2 2 2 2 3 2 2 3 2 2 2 2 3 2 3 3 2 3 3 3
3 3 3 3 3 3 3 3 2 4 3 3 3 3 3 3 3 4 3 3
160
3 3 3 3 3 3 2 3 3 4 3 3 3 2 3 3 2 3 3 3
3 3 3 3 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
2 2 2 1 2 2 2 2 2 3 3 2 2 2 2 2 2 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 2 2 2 3 3 3 3 3
3 3 3 3 2 2 2 3 3 3 3 3 3 3 3 3 2 3 3 3
3 3 3 2 2 3 2 3 3 3 3 3 3 3 3 3 2 3 3 3
3 3 3 3 3 3 3 2 2 3 2 3 3 3 3 2 4 3 3 3
2 2 2 2 2 3 2 3 3 3 3 3 3 3 3 3 2 5 3 3
4 4 3 4 3 4 4 3 3 4 3 4 3 3 3 3 4 4 4 4
4 3 3 4 4 4 4 4 3 3 3 3 3 3 3 4 4 3 3 3
3 4 4 4 3 4 3 4 4 4 3 4 3 3 3 5 3 4 4 3
1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
3 3 4 4 3 3 4 4 4 4 4 3 3 4 3 4 4 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4
3 3 3 2 3 3 2 2 3 3 3 3 2 3 2 2 2 3 3 3
2 2 2 2 2 2 2 4 4 3 3 3 3 3 2 4 2 3 2 3
3 4 4 3 3 4 3 3 4 3 3 3 4 3 3 3 3 3 4 4
4 4 4 5 4 5 4 4 4 4 4 4 3 3 3 4 4 4 4 4
161
4 4 4 4 4 4 3 3 3 3 3 3 4 3 3 3 3 4 4 4
3 3 3 3 3 2 2 3 3 3 3 3 3 3 3 3 2 3 3 3
4 5 4 5 4 4 4 5 5 5 4 3 3 4 4 5 4 5 4 4
3 3 3 3 2 2 3 2 3 3 3 3 3 3 3 2 3 3 4 3
3 3 4 3 3 3 4 3 3 3 3 4 3 3 3 3 4 4 4 4
3 3 4 3 2 3 4 2 3 3 3 4 5 5 4 2 4 3 3 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4
3 3 3 3 3 3 3 3 3 3 3 4 4 3 3 3 4 3 3 3
5 5 5 4 4 4 5 4 5 4 4 4 4 4 4 4 4 4 5 4
4 4 4 3 3 3 3 3 3 3 4 4 4 5 5 3 3 5 5 5
2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 4 4 4 4 4 4 4 5 4 4 3 3 3 4 4 4 5 4 4
4 5 5 5 4 3 4 4 5 4 4 3 3 4 4 4 4 4 4 4
4 4 4 3 4 4 4 4 4 4 4 3 5 5 4 4 4 5 4 4
2 2 3 1 2 1 2 1 1 2 1 5 5 5 5 1 2 5 5 3
5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 4 5 5 5
4 4 4 4 4 3 4 4 3 4 4 4 4 4 5 3 4 4 5 4
5 3 4 4 1 4 3 5 5 5 5 4 5 5 5 5 3 5 3 3
162
5 4 4 5 4 5 4 5 4 4 5 5 4 4 4 5 4 5 3 4
5 4 4 4 5 5 5 5 5 5 4 4 4 4 4 5 5 5 4 4
2 1 1 1 1 1 3 1 1 1 1 1 3 3 3 1 3 1 1 1
5 5 4 5 5 4 4 5 4 4 5 4 4 4 4 5 3 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 1 5
3 3 3 3 3 3 4 3 3 3 3 3 3 3 3 3 4 3 3 3
2 2 2 2 3 2 2 2 2 2 2 3 3 3 3 2 2 3 3 3
5 4 4 4 4 4 4 5 4 4 4 5 5 4 5 5 4 4 4 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 2 3 3 2 2 4 2 2 4 4 4 4 4 4 2 4 4 4 4
4 3 3 3 2 2 3 4 4 3 3 3 5 3 4 5 3 3 3 2
3 3 4 4 3 3 3 4 4 4 3 4 4 4 4 4 2 3 3 3
5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 3 4 4 1 5 4 4 4 5 4 5 5 4 4 4 4
4 4 4 3 3 4 4 5 4 3 4 5 5 4 4 5 4 3 4 5
2 3 1 2 3 2 3 2 1 1 3 2 2 3 3 2 4 4 5 4
4 3 3 2 2 4 3 2 3 1 2 3 3 2 3 2 3 2 3 3
163
4 4 3 3 4 4 3 4 3 3 2 3 4 5 3 3 3 3 4 3
1 2 3 4 3 3 4 4 3 2 2 4 4 3 3 4 4 4 4 4
4 5 4 3 4 3 3 4 5 3 2 3 4 2 5 4 3 5 5 4
3 2 2 4 4 4 2 3 1 2 3 4 4 3 2 3 2 3 4 3
4 3 4 1 3 4 3 4 3 5 4 2 3 3 4 4 2 3 5 5
4 3 4 4 2 4 3 4 3 2 3 4 2 5 4 4 3 5 5 3
3 2 3 5 3 4 3 2 4 3 4 4 3 3 4 4 3 3 5 4
3 3 4 2 2 3 4 3 4 2 3 5 4 4 2 3 4 3 4 2
3 3 4 3 2 3 1 2 3 1 2 3 4 4 2 4 1 3 4 3
2 3 4 5 4 3 3 3 4 3 3 5 5 3 3 3 3 4 4 5
2 3 2 1 3 3 2 3 3 2 3 3 3 2 3 3 3 5 4 4
1 1 1 1 1 1 1 3 1 1 1 1 1 1 1 3 1 1 1 1
5 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 3 3 4
5 5 5 5 4 5 5 5 5 4 2 2 5 5 5 4 5 5 5 5
3 2 3 3 3 3 3 3 3 4 4 3 3 3 3 3 3 3 3 3
3 4 4 4 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 5 5 4 3 4 4 4 4 3 4 4 3 4 4 2 3 3 4 3
4 4 4 5 4 4 4 5 4 4 4 3 3 4 4 5 4 4 4 3
164
5 4 4 4 4 4 4 4 4 5 4 4 3 4 4 4 4 4 4 4
5 3 4 5 3 4 4 4 4 5 5 4 3 4 4 4 4 4 4 4
4 4 4 5 4 4 4 4 4 4 4 3 4 4 4 1 4 4 3 4
5 3 3 4 3 5 4 4 4 5 4 3 3 5 5 4 4 5 5 4
5 5 4 4 4 4 5 5 4 4 4 3 3 5 5 5 4 4 4 4
5 5 5 4 3 5 3 4 4 4 5 4 4 5 5 4 5 3 4 4
5 4 5 5 5 5 4 4 4 5 5 4 3 4 4 4 5 4 4 4
4 3 3 5 5 5 4 4 4 4 5 4 4 4 4 5 4 5 5 4
4 4 3 4 4 5 5 5 5 4 4 4 4 3 3 5 4 4 4 4
5 5 4 4 4 4 5 4 3 4 4 5 4 4 4 4 4 4 3 4
5 5 4 4 5 4 4 4 4 5 5 4 5 4 4 4 4 4 4 4
5 5 4 5 4 5 3 4 4 4 5 4 4 4 4 4 4 4 4 4
5 5 4 5 4 5 5 4 4 4 4 4 3 4 4 3 5 4 4 4
5 5 4 5 5 4 4 4 4 3 5 4 3 5 5 4 4 3 4 4
165
LAMPIRAN IV
SURAT PENDUKUNG
167
168