SKRIPSI

ANALISIS PENERIMAAN PENGGUNA APLIKASI MY PERTAMINA

MENGGUNAKAN MODEL UNIFIED THEORY OF ACCEPTANCE AND USE

TECHNOLOGY (UTAUT)

DARA ANNISA LIANDRY

11180930000038

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

2023 M / 1444 H

ii
 SKRIPSI

ANALISIS PENERIMAAN PENGGUNA APLIKASI MY PERTAMINA

MENGGUNAKAN MODEL UNIFIED THEORY OF ACCEPTANCE AND USE

TECHNOLOGY (UTAUT)

DARA ANNISA LIANDRY

11180930000038

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

2023 M / 1444 H

iii
vi
 LEMBAR PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-BENAR HASIL

KARYA SAYA SENDIRI DAN BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI ATAU

KARYA ILMIAH PADA PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.

viii
 ABSTRAK

Dara Annisa Liandry – 11180930000038. Analisis Penerimaan Pengguna Aplikasi My

Pertamina Menggunakan Model Unified Theory of Acceptance and Use Technology dibawah

bimbingan Nuryasin, S.Kom., M.Kom. dan Eri Rustamaji, Ir., M.BA.

Berkembangnya teknologi informasi menjadikan dunia persaingan bisnis semakin ketat.

Dimana bukan hanya perusahaan swasta dan UMKM yang melakukan pendekatan teknologi,

namun juga instansi pemerintah dan BUMN. Salah satunya adalah Pertamina yang

meluncurkan aplikasi My Pertamina dan mewajibkan penggunaan aplikasi My Pertamina dalam

transaksi pembelian pertalite dan solar subsidi semenjak September 2022. Setelah

diberlakukannya ketentuan ini tak sedikit pengguna menemukan kendala dalam

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

Performance Expectancy, Effort Expectancy, Social Influence, Facilitating Condition,

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

variable Performance Expectancy, Effort Expectancy, Social Influence memiliki pengaruh

positif terhadap Behavioral Intention dan Behavioral Intention memiliki pengaruh positif

ix
terhadap Use Behavior.

Kata Kunci : Penerimaan Pengguna, My Pertamina, UTAUT

Bab I-V + 139 Halaman + 17 Gambar + 27 Tabel + Daftar Pustaka + Lampiran

Pustaka Acuan (97, 1989-2022)

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

My Pertamina Menggunakan Model Unified Theory of Acceptance and Use Technology

(UTAUT)” dan dapat menyelesaikannya dengan baik. Shalawat serta salam semoga selalu

tercurahkan kepada suri tauladan kita Rasulullah Muhammad SAW.

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

keyakinan untuk dapat menyelesaikan penelitian ini.

2. Bapak Ir. Nashrul Hakiem, M.T, Ph.D. selaku Dekan Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta.

3. Bapak Aang Subiyakto, M.Kom., Ph.D. selaku Ketua Program Studi Sistem Informasi

dan Bapak Nuryasin M.Kom selaku Sekretaris Prodi Sistem Informasi.

xi
4. Bapak Nuryasin M.Kom. sebagai Dosen Pembimbing I yang tidak pernah lelah dan bosan

untuk membimbing, memotivasi, memberi semangat dan mengingatkan peneliti untuk

segera menyelesaikan skripsi ini. Sekali lagi, peneliti mengucapkan banyak terima kasih

untuk waktu, tenaga, dukungan, arahan, saran dan kritikan yang membangun agar skripsi

ini dapat terselesaikan dengan baik.

5. Bapak Eri Rustamaji, Ir., M.BA . sebagai Doosen Pembimbing II yang telah

membimbing dan mengarahkan dalam penulisan laporan ini sehingga terselesaikan

dengan baik.

6. Seluruh dosen Program Studi Sistem Informasi yang telah memberikan ilmu kepada

peneliti selama masa perkuliahan.

7. Kakak peneliti, Chiata Liandry Safitri yang telah memberikan semangat dan kesediannya

untuk menemani peneliti mengerjakan penelitian ini hingga larut malam.

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

memberikan semangat kepada peneliti.

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

berusaha dan tidak kenal lelah. You made it!

13. Semua pihak yang tidak dapat disebutkan satu per satu yang telah menemani peneliti dari

awal perkuliahan hingga laporan skripsi ini terselesaikan.

Peneliti menyadari masih banyak terdapat kekurangan yang disebabkan keterbasan

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

dapat disampaikan melaui email daraannisa.liandry18@mhs.uinjkt.ac.id. Akhir kata, peneliti

berharap agar skripsi ini dap bermanfaat bagi peneliti dan semua yang membaca. Aamiin Ya

Rabbal „Alamin.

Jakarta, Maret 2023

Dara Annisa Liandry

NIM. 11180930000038

xiii
 DAFTAR ISI

HALAMAN JUDUL ................................................................................................................. i

LEMBAR PENGESAHAN SKRIPSI ....................................................................................... ii

LEMBAR PERNYATAAN ....................................................................................................... iii

ABSTRAK ................................................................................................................................. iv

KATA PENGANTAR ............................................................................................................... v

DAFTAR ISI.............................................................................................................................. viii

DAFTAR GAMBAR ................................................................................................................. xii

DAFTAR TABEL ...................................................................................................................... xiii

BAB 1 PENDAHULUAN ......................................................................................................... 1

1.1. Latar Belakang .............................................................................................................. 1

1.2. Identifikasi Masalah...................................................................................................... 9

1.3. Rumusan Masalah ......................................................................................................... 9

1.4. Batasan Masalah ........................................................................................................... 10

1.5. Tujuan Penelitian .......................................................................................................... 11

1.6. Manfaat Penelitian ........................................................................................................ 11

1.7. Metodologi Penelitian ................................................................................................... 12

1.8. Sistematika Penelitian ................................................................................................... 13

BAB 2 LANDASAN TEORI..................................................................................................... 16

xiv
2.1 Definisi Analisis .............................................................................................................. 16

2.2 Konsep Dasar Sistem Informasi ...................................................................................... 17

2.2.1 Definisi Sistem ...................................................................................................... 17

2.2.2 Definisi Informasi ................................................................................................. 19

2.2.3 Definisi Sistem Informasi ..................................................................................... 21

2.3 Definisi Pengukuran ........................................................................................................ 22

2.4 Konsep Dasar Penerimaan Pengguna .............................................................................. 22

2.5 Definisi E-Commerce ...................................................................................................... 23

2.6 My Pertamina .................................................................................................................. 26

2.7 Definisi Teori Unified of Acceptance and Use of Technology (UTAUT) ...................... 27

2.7.1 Use Behavior ......................................................................................................... 33

2.7.2 Behavioral Intention.............................................................................................. 33

2.7.3 Facilitating Condition ........................................................................................... 34

2.7.4 Social Influence ..................................................................................................... 35

2.7.5 Effort Expectancy .................................................................................................. 37

2.7.6 Performance Expectancy ...................................................................................... 39

2.8 Skala Likert ..................................................................................................................... 41

2.9 Metode Pengumpulan Data ............................................................................................. 42

xv
 2.9.1 Studi Pustaka ......................................................................................................... 42

2.9.2 Observasi ............................................................................................................... 42

2.9.3 Wawancara ............................................................................................................ 43

2.9.4 Kuesioner .............................................................................................................. 44

2.9.5 Hipotesis................................................................................................................ 44

2.10 Populasi dan Sampel ..................................................................................................... 45

2.11 Teknik Pengambilan Sampling ..................................................................................... 45

2.11.1 Teknik Probability Sampling .............................................................................. 45

2.11.2 Teknik Nonprobality Sampling ........................................................................... 46

2.12 Ukuran Sampel .............................................................................................................. 47

2.13 PLS-SEM ...................................................................................................................... 48

2.13.1 Model Pengukuran (Outer Model).................................................................... 49

2.13.2 Model Struktural (Inner Model) ....................................................................... 51

2.14 SmartPLS ...................................................................................................................... 54

2.15 Penggunaan SmartPLS .................................................................................................. 56

2.16 Penelitian Sejenis .......................................................................................................... 61

BAB 3 METODOLOGI PENELITIAN .................................................................................... 73

3.1 Pendekatan Penelitian ..................................................................................................... 73

xvi
 3.2 Prosedur Penelitian.......................................................................................................... 73

3.3 Pengumpulan dan Pemrosesan Data ............................................................................... 74

3.3.1 Studi Pustaka ...................................................................................................... 75

3.3.2 Observasi ............................................................................................................ 75

3.3.3 Kuesioner ............................................................................................................ 75

3.4 Populasi dan Sampel Penelitian ...................................................................................... 76

3.5 Model Penelitian ............................................................................................................. 77

3.6 Hipotesis Penelitian ......................................................................................................... 77

3.7 Instrumen Penelitian........................................................................................................ 79

3.8 Pembuatan Kuesioner...................................................................................................... 84

3.9 Responden Penelitian ...................................................................................................... 90

3.10 Analisis Data dan Hasil Interprestasinya ...................................................................... 90

3.11 Kerangka Penelitian ...................................................................................................... 91

BAB 4 PEMBAHASAN ............................................................................................................ 94

4.1 Pilot Study ....................................................................................................................... 94

4.1.1 Uji Internal Consistency Reliability ................................................................... 94

4.1.2 Uji Average Variance Extracted (AVE) ....................................................................... 95

4.2 Hasil Analisis .................................................................................................................. 96

xvii
 4.2.1 Hasil Analisis Demografi ................................................................................... 96

4.2.2 Analisis Model Pengukuran (Outer Model) ....................................................... 100

4.2.3 Analisis Model Struktural (Inner Model) ........................................................... 111

4.3 Interprestasi dan Pembahasan Hasil Analisis .................................................................. 123

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

BAB 5 PENUTUP ..................................................................................................................... 133

5.1 Kesimpulan ..................................................................................................................... 133

5.2 Saran ................................................................................................................................ 134

xviii
 DAFTAR GAMBAR

Gambar 1.1 Rating Penilaian Aplikasi My Pertamina pada Apple Store ............................... ..3

Gambar 1.2 Kendala yang Dialami oleh Pengguna dalam Menggunakan

Aplikasi My Pertamina ............................................................... ...........................4

Gambar 1.3 Model Penelitian Unified Theory of Acceptance and Use of Technology ............ .13

Gambar 2.1 Model Sistem (Scott, 1996) .................................................................................. 18

Gambar 2.2 Model Hubungan Elemen Sistem (Mc.Leod, 1995) ............................................. 19

Gambar 2.3 Visual dari Aplikasi My Pertamina (Apple Store, 2022) ..................................... 27

Gambar 2.4 Model UTAUT (Sumber Venkatesh et al., 2003) ................................................ 29

Gambar 2.5 Tampilan SmartPLS versi 3.0............................................................................... 55

Gambar 2.6 Data Berhasil Diimport pada SmartPLS............................................................... 57

Gambar 3.1 Model Penelitian (Sumber Venkatesh et al., 2003) .............................................. 78

Gambar 3.2 Kerangka Penelitian.............................................................................................. 92

Gambar 4.1 Diagram Usia Responden ..................................................................................... 97

Gambar 4.2 Diagram Jenis Kelamin Responden...................................................................... 98

Gambar 4.3 Diagram Pekerjaan Responden............................................................................. 99

Gambar 4.4 Diagram Frekuensi Penggunaan Aplikasi My Pertamina .................................... 100

Gambar 4.5 Hasil Analisis Outer Model dengan SmartPLS 3.0 .............................................. 110

Gambar 4.6 Hasil Path Coefficient dengan SmartPLS 3.0....................................................... 113

xix
 DAFTAR TABEL

Tabel 2.1 Perbandingan Metode Kuantitatif dan Kualitatif .............................................. 16

Tabel 2.2 Definisi E-Commerce berdasarkan Kalakota & Whinson (1977) ..................... 24

Tabel 2.3 Variabel Independen dan Variabel Dependen ................................................... 29

Tabel 2.4 Delapan Dasar Model UTAUT ......................................................................... 30

Tabel 2.5 Konstruk Variabel Facilitating Condition ........................................................ 34

Tabel 2.6 Konstruk Variabel Social Influence .................................................................. 36

Tabel 2.7 Konstruk Variabel Effort Expectancy ............................................................... 37

Tabel 2.8 Konstruk Variabel Performance Expectancy .................................................... 39

Tabel 2.9 Sepuluh Penelitian Sejenis ................................................................................ 61

Tabel 3.1 Daftar Pernyataan dan Indikator Pengujian ...................................................... 79

Tabel 3.2 Skala Likert ....................................................................................................... 84

Tabel 3.3 Keterangan Lima Poin Skala Likert .................................................................. 86

Tabel 3.4 Daftar Pertanyaan Kuesioner ............................................................................ 86

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 4.10 Hasil Uji Coefficient of Determination (R-Square) ........................................ 114

Tabel 4.11 Hasil Uji T-Test dengan SmartPLS 3.0........................................................... 115

Tabel 4.12 Hasil Uji Effect Size dengan SmartPLS 3.0 .................................................... 116

Tabel 4.13 Hasil Uji Predictive Relevance ....................................................................... 117

Tabel 4.14 Hasil Relative Impact dengan SmartPLS 3.0 .................................................. 119

Tabel 4.15 Ringkasan Hasil Analisis Struktural Model .................................................... 120

Tabel 4.16 Hasil Uji Hipotesis .......................................................................................... 125

xxi
xxii
 BAB I

PENDAHULUAN

1.1 Latar Belakang

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

paling tinggi pada Pertamina.

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

data pada tahun 2017 hingga tahun 2021.

Melihat banyaknya peminat dari BBM subsidi, pemerintah Indonesia melakukan

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

dengan meluncurkan sebuah aplikasi bernama My Pertamina yang berintegrasi dengan

LinkAja pada Desember 2016. Aplikasi My Pertamina merupakan aplikasi yang bertujuan

untuk mempermudah customer Pertamina untuk melakukan transaksi non-tunai, menemukan

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

Rating
penilaian pada
aplikasi
MyPertamina

Bintang 1 Bintang 2 Bintang 3 Bintang 4 Bintang 5

Gambar 1.1 Rating Penilaian Aplikasi My Pertamina pada Apple Store

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

dialami pengguna dan diupload pada sosial media Twitter.

3
 Gambar 1.2 Kendala yang Dialami oleh Pengguna dalam Menggunakan

Aplikasi My Pertamina, Twitter 2022

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

yang mengarah kepada aspek pengukuran penerimaan pengguna, baik kemudahan

4
penggunaannya maupun hambatan lainnya. Dengan demikian belum ada masukan perbaikan

yang dapat meningkatkan pengembangan pada aplikasi My Pertamina. Disebutkan dalam

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

penerimaan pengguna aplikasi My Pertamina selama penerapannya. Penerimaan pengguna ini

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

Pada signifikasi positif terhadap penerimaan pengguna aplikasi Hijabenka.

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

ekspektasi kinerja terhadap minat pemanfaatan dan penggunaan masih di bawah

standar, begitu juga pada kategori kepentingan untuk ekspektasi kinerja terhadap

minat pemanfaatan dan penggunaan serta ekspektasi usaha terhadap minat

pemanfaatan dan penggunaan masih di bawah standar.

Adapun penelitian lainnya dari artikel international dengan judul “ Understanding the use

of management systems by undergraduate university students using UTAUT model: Credible

from Saudi Arabia dimana peneliti membahas mengenai mengetahui sejauh mana mahasiswa

di Saudi Arabia dalam penggunaan LMS. Studi ini menemukan bahwa niatan mahasiswa

menggunakan LMS bukan dikarenakan perfomance expectantions ataupun facilitating

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

pandang universitas Saudi Arabia.

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

investigasi eksplorasi terhadap faktor yang mempengaruhi behavioral intention masyarakat

untuk menerima COVID-19 Digital Tackling Technologies. Kesimpulan yang dapat diambil

adalah penelitian menunjukkan bahwa pengambil keputusan dan regulator harus

6
mempertimbangkan variabel pemicu seperti perfomance expectancy, facilitating conditions,

social influence, organization influence and benefits serta goverment expectancy and benefit,

yang memotivasi penerimaan dan penggunaan CDTT (Akinnuwesi, et al., 2022)

Selanjutnya terdapat pada penelitian “Analisis Faktor–Faktor yang Mempengaruhi Niat

Pengguna E-Commerce XYZ. Menggunakan Model UTAUT (Unified Theory of Accceptance

and Use of Technology)” pada tahun 2017 mengidentifikasi User Accepatance dengan

menggunakan variabel performance expectancy, effort expectancy dan social influence.

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

berpengaruh signifikan terhadap User Acceptance.

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

of PC Utilizaton (MPCU), Innovation Diffusion Theory, Social Cognitive Theory (SCT)

(Venkatesh V. , Morris, B Davis, & Davis, 2003).

Model UTAUT memiliki enam variabel yang mempengaruhi penerimaan pengguna

7
dalam teknologi informasi, yaitu variabel bebas (independen), variabel terikat (dependen),

serta variabel moderator. Variabel bebas meliputi Performance Expectancy, Effort

Expectancy, Social Influence, dan Facilitating Conditions, variabel terikat meliputi

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

UTAUT memiliki gabungan variabel–variabel yang dimiliki model sebelumnya. Sehingga

pengukuran penerimaan pengguna dapat dipahami dengan lebih baik (Winduwiratsoko,

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

tersebut peneliti memutuskan untuk tidak menggunakannya dikarenakan, pada aplikasi My

Pertamina tidak terdapat biaya dalam menggunakan aplikasi selain itu variabel Hedonic

8
 Motivation dan Habit tidak terlalu memberikan pengaruh terhadap penggunaan aplikasi My

Pertamina dikarenakan pengguna diwajibkan untuk menggunakan aplikasi My Pertamina

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

adalah sebagai acuan untuk memperbaiki dan mengembangkan aplikasi My Pertamina

menjadi lebih baik lagi.

Berdasarkan hal yang sudah dipaparkan sebelumnya, peneliti tertarik untuk melakukan

penelitian karya tulis ilmiah skripsi dengan judul: “Analisis Penerimaan Pengguna

Aplikasi My Pertamina Menggunakan Model Unified Theory of Acceptance and Use of

Technology”.

1.2 Identifikasi Masalah

Berdasarkan latar belakang yang telah dijabarkan sebelumnya, dapat diidentifikasikan

masalah sebagai berikut :

a. Ditemukannya beberapa kendala error dalam penggunaan aplikasi My Pertamina.

b. Belum diketahuinya penerimaan pengguna terhadap aplikasi My Pertamina.

1.3 Rumusan Masalah

Berdasarkan identifikasi masalah yang sudah dijabarkan sebelumnya, peneliti merumuskan

9
 permasalahan seperti sebagai berikut:

a. Bagaimana penerimaan pengguna terhadap aplikasi My Pertamina berdasarkan model

Unified Theory of Accceptance and Use of Technology (UTAUT).

b. Variabel apakah yang berpengaruh dalam penerimaan pengguna aplikasi My Pertamina

menggunakan model Unified Theory of Accceptance and Use of Technology (UTAUT).

1.4 Batasan Masalah

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

penelitian Venkatesh et al (2003) yaitu perfomance expectancy, effort expectancy, social

influence, facilitating conditions, behavioral intentions dan use behavior dalam aplikasi

My Pertamina.

c. Secara metodologi, peneliti akan menggunakan metode kuantitatif dengan

mengumpulkan data survei berbentuk kuesioner kepada pengguna aktif yaitu pengguna

dari aplikasi My Pertamina.

d. Adapun pengolahan data dan analisis kuesioner akan menggunakan alat bantu perangkat

lunak Smart PLS.

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:

a. Mengetahui bagaimana menganalisis penerimaan pengguna terhadap aplikasi My

Pertamina dengan model Unified Theory of Accceptance and Use of Technology

(UTAUT)

b. Mengetahui variabel apakah yang berpengaruh dalam penerimaan pengguna aplikasi My

Pertamina menggunakan model Unified Theory of Accceptance and Use of Technology

(UTAUT).

1.6 Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat sebagai berikut :

a. Bagi Peneliti :

Penelitian ini bermanfaat untuk memperluas pemahaman tentang penerimaan pengguna

dengan model Unified Theory of Accceptance and Use of Technology (UTAUT) baik itu

pada lembaga, perusahaan ataupun pada aplikasi My Pertamina dan menerapkan ilmu–

ilmu yang telah di dapat selama masa perkuliahan.

b. Bagi Universitas :

Penelitian ini dapat digunakan baik mahasiswa maupun pihak yang lain untuk dijadikan

sumber informasi dan referensi tambahan.

c. Bagi Lembaga :

Hasil penelitian ini diharapkan dapat memberikan kontribusi dan bermanfaat bagi My

Pertamina agar memperbaiki dan mengembangkan kembali teknologi informasi yang

sudah ada.

11
1.7 Metodologi Penelitian

1.7.1 Metodelogi Pengumpulan Data

Metode yang dilakukan guna mendapatkan data–data yang dibutuhkan penelitian

adalah sebagai berikut :

a. Studi pustaka

Melakukan identifikasi dan analisis berisikan informasi yang berkaitan dengan

topik dari penelitian dengan meninjau melalui buku, artikel, maupun data dari

website itu sendiri. Informasi yang didapat dapat diolah manjadi simpulan yang

mendasari argumen dalam penelititan.

a. Wawancara

Wawancara secara personal dengan pengguna website untuk mengetahui secara

lebih jelas bagaimana tanggapan mereka guna mendapatkan informasi terkait

keperluan penelitian.

b. Observasi

Kegiatan ini dilakukan dengan pengamatan objek penelitian yaitu aplikasi My

Pertamina.

c. Kuesioner

Adanya kuesioner untuk mempermudah mendapatkan responden lebih banyak

sehingga hasil yang didapatkan akurat berdasarkan langkah–langkah analilsis

yang telah ditentukan.

1.7.2 Model Penelitian

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

(Venkatesh V. , Morris, B Davis, & Davis, 2003). Berikut model penerimaan

teknologi infromasi menurut Venkatesh :

Gambar 1.3 Model Penelitian Unified Theory of Acceptance and Use of Technology

1.8 Sistematika Penulisan

Adapun penyusunan dalam laporan penelitian akan dibagi menjadi lima bab, berikut

penjelasan secara singkat dalam setiap bab:

BAB 1 PENDAHULUAN

Berisikan apa saja yang mendorong dilakukannya penelitian, dimulai dari latar

13
 belakang masalah, perumusan masalah, batasan masalah, tujuan penelitian,

manfaat penelitian, metode penelitian dan sistematika penulisan laporan.

BAB 2 LANDASAN TEORI

Dijelaskan secara singkat teori–teori yang mendukung penelitian seperti

penjelasan metode yang digunakan dan pemaparan secara singkat tentang aplikasi

yang akan dijadikan objek penelitian.

BAB 3 METODE PENELITIAN

Bab ini menjelaskan metodologi yang akan digunakan untuk menunjang

keperluan penelitian yaitu metode pengumpulan data dan model Unified Theory of

Accceptance and Use of Technology.

BAB 4 HASIL DAN PEMBAHASAN

Bab ini akan menjelaskan secara meluruh proses dan langkah–langkah yang

digunakan dalam mencapai hasil penerimaan pengguna aplikasi My Pertamina.

BAB 5 PENUTUP

Pada bab terakhir menjelaskan mengenai kesimpulan serta saran setelah

didapatkannya hasil penerimaan pengguna pada aplikasi My Pertamina.

14
15
 BAB II

LANDASAN TEORI

2.1 Definisi Analisis

Analisis adalah sebuah kegiatan untuk menemukan sebuah pola pikir yang berkaitan

dengan pengujian sistematis untuk mendapatkan sebuah hubungan antar bagian dan

keseluruhannya (Sugiyono, 2015). Sedangkan menurut Kamus Besar Bahasa Indonesia,

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

memperoleh kebenaran akan fenomena tersebut (Suharsono & Suki, 2012)

Maka dapat disimpulkan bahwa analisis merupakan proses dalam pemecahan masalah

dengan dimulai dugaan hingga terbuktinya kebenaran melalui berbagai tahap seperti

pengamatan, percobaan, dan lainnya.

Dalam melakukan analisis terdapat dengan dua metode, yaitu metode kuantitatif dan

metode kuliatitatif, berikut perbandingan antara dua metode tersebut:

Tabel 2.1 Perbandingan Metode Kuantitatif dan Kualitatif

No. Metode Kuantitatif Metode Kualitatif

1 Metode kuantitatif dilakukan dengan Metode kualitatif dilakukan dengan

menganalisis data numerik dalam menganalisis dalam bentuk narasi atau

16
 bentuk angka. text.

2 Semua diukur dengan skala 1 atau 0, Semua kesimpulan diakhiri dengan dasar

sehingga tidak ada kualitatif. kualitatif.

3 Hubungan kausal Hubungan makna atau arti

4 Objektivitas mencari pengukuran yang Peneliti termasuk instrumen penelitian

sesuai dan tepat didasari dengan alat serta subjektivitas berdasarkan hasil

instrumental yang reliabel dan valid. interpretasi peneliti.

5 Peneliti mengatahui dengan jelas apa Peneliti hanya mengetahui secara kasar

yang dicari sebelum dimulainya apa yang akan dicari.

penelitian.

6 Deduktif Induktif

7 Seluruh aspek studi diketahui dan Desain penelitian muncul ketika

didesain sebelum data dikumpulkan. dilakukannya penelitian.

2.2 Konsep Dasar Sistem Informasi

2.2.1 Definisi Sistem

Sistem merupakan hal yang penting dalam suatu organisasi maupun perusahaan.

Sistem yang baik akan membantu kinerja setiap bagiannya. Maka dari itu sistem

membutuhkan kerjasama yang baik diantara unsur-unsur yang ada didalamnya.

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

lingkungan yang kompleks.

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

lebih jelasnya bisa dilhat pada gambar 2.1.

Gambar 2.1 Model Sistem (Scott, 1996)

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)

2.2.2 Definisi Informasi

Informasi adalah suatu rekaman fenomena yang diamati, atau bisa juga berupa

keputusan-keputusan yang dibuat oleh seseorang. Sedangkan menurut peneliti lainnya,

Gie (2000) mengemukakan bahwa data adalah suatu peristiwa atau kenyataan yang

mengandung suatu pengetahuan untuk dijadikan dasar guna penyusunan baik

keterangan, pembuatan kesimpulan, ataupun penerapan keputusan.

Dalam penelitian Davis (2003) Nilai dari suatu informasi bisa ditentukan dengan

dasar sifatnya. Berikut 10 sifat yang menentukan nilai dari suatu informasi:

1. Kemudahan dalam memperoleh. Informasi memiliki nilai yang lebih sempurna

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.

3. Ketelitian. Informasi mempunyai nilai yang lebih sempurna apabila mempunyai

ketelitian yang tinggi/akurat. Informasi menjadi tidak bernilai jika tidak akurat,

karena akan mengakibatkan kesalahan pengambilan keputusan.

4. Kecocokan dengan pengguna. Informasi mempunyai nilai yang lebih sempurna

apabila sesuai dengan kebutuhan penggunanya. Informasi berharga dan penting

menjadi tidak bernilai jika tidak sesuai dengan kebutuhan penggunanya, karena

tidak dapat dimanfaatkan untuk pengambilan keputusan.

5. Ketepatan waktu. Informasi mempunyai nilai yang lebih sempurna apabila dapat

diterima oleh pengguna pada saat yang tepat. Informasi berharga dan penting

menjadi tidak bernilai jika terlambat diterima/usang, karena tidak dapat

dimanfaatkan pada saat pengambilan keputusan.

6. Kejelasan. Informasi yang jelas akan meningkatkan kesempurnaan nilai informasi.

Kejelasan informasi dipengaruhi oleh bentuk dan format informasi.

7. Fleksibilitas. Nilai informasi semakin sempurna apabila memiliki fleksibilitas

tinggi. Fleksibilitas informasi diperlukan oleh para manajer/pimpinan pada saat

pengambilan keputusan.

8. Dapat dibuktikan. Nilai informasi semakin sempurna apabila informasi tersebut

dapat dibuktikan kebenarannya. Kebenaran informasi bergantung pada validitas

20
 data sumber yang diolah.

9. Tidak ada prasangka. Nilai informasi semakin sempurna apabila informasi tersebut

tidak menimbulkan prasangka dan keraguan adanya kesalahan informasi.

10. Dapat diukur. Informasi untuk pengambilan keputusan seharusnya dapat diukur

agar dapat mencapai nilai yang sempurna.

2.2.3 Definisi Sistem Informasi

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

teknologi informasi yang saling berinterkasi untuk mengumpulkan, mengolah,

menyimpan dan menghasilkan keluaran informasi yang sesuai untuk mendukung

organisasi.

Sistem informasi dapat didefinisikan secara teknis sebagai seperangkat komponen

yang saling terkait yang mengumpulkan atau mengambil, memproses, menyimpan, dan

mendistribusikan informasi untuk mendukung pengambilan keputusan dan kontrol dalam

sebuah organisasi (Laudon & Laudon, 2014).

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

menghasilkan suatu output.

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.

Di pengertian lainnya pengukuran memiliki pengertian sebagai proses pengumpulan data

dengan melakukan pengamatan empiris yang bertujuan untuk memperoleh informasi

perfomance akan suatu objek yang akan di deskripsikan secara skala kuantitatif (Dena,

2018).

Menurut Hopkins dan Antes (1985) pengukuran merupakan suatu proses dengan cara

sistematis untuk menghasilkan gambaran seperti angka-angka berdasarkan pengamatan yang

telah dilakukan berkaitan dengan ciri-ciri suatu objek, orang ataupun peristiwa tertentu.

2.4 Konsep Dasar Penerimaan Pengguna

Penerimaan pengguna memiliki definisi sebagai keinginan untuk mengetahui fungsi

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

pengguna dalam menggunakan teknologi informasi yang bermanfaat untuk membantu

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

teknologi informasi dalam menunjang tugas yang dirancang untuk mendukung

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:

1. Orang akan cenderung untuk menggunakan atau tidaknya menggunakan suatu

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

sistem merupakan hal yang penting.

2.5 Definisi E-Commerce

E-Commerce atau internet commerce adalah proses berbisnis yang menggunakan

teknologi elektronik yang menghubungkan antara perusahaan, konsumen, dan masyarakat

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

telekomunikasi dan informasi sebagai alat bantunya.

Menurut Kalakota & Whinson (1977), pengertian e-commerce terbagi menjadi empat

perspektif, berikut penjelasannya pada tabel 2.2:

Tabel 2.2 Definisi E-Commerce berdasarkan Kalakota & Whinson (1977)

No. Perspektif Definisi

1 Komunikasi E-commerce adalah pengiriman barang, layanan,

informasi, ataupun pembayaran melalui jaringan

komputer atau peralatan.

2 Proses proses bisnis E-commerce merupakan aplikasi dari teknologi

yang menuju otomatisasi dari transaksi bisnis

dan aliran kerja.

3 Layanan E-commerce adalah suatu alat yang memenuhi

keinginan perusahaan, konsumen, dan

manajemen untuk memangkas biaya layanan

ketika meningkatkan kualitas barang dan

meningkatkan kecepatan layanan pengiriman.

4 Online E-commerce menyediakan kemampuan untuk

membeli dan menjual barang ataupun informasi

melalui internet dan sarana online lainnya.

24
 Pada umumnya e-commerce dapat diklasifikasikan berdasarkan tipe-tipe traknsaksi,

berikut menurut penelitian Turban et al. (2004):

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

perusahaan yang menyelidiki aplikasi e-commerce.

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

dan setelah itu penjualan dilakukan di website.

4. Consumer to Business

Kategori ini termasuk individual yang menjual produk atau jasa ke organisasi.

5. Non Business E-commerce

Institusi non bisnis seperti institusi akademik, organisasi non-profit, organisasi

keagamaan dan agen pemerintahan yang menggunakan e-commerce untuk menekan

25
 pengeluaran mereka

6. Intra Business (Organizational)

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

tujuan untuk memberi kemudahan dalam bertransaksi untuk pembelian produk–produk

pertamina. PT Pertamina merupakan perusahaan BUMN yang membuat serta menyuplai

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).

Dalam website resmi My Pertamina menyebutkan adanya beberapa keuntungan dalam

menggunakan aplikasi My Pertamina, diantaranya adalah setiap pembelian pertamax,

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

menggunakan cashlesss yang terintegrasi dengan aplikasi LinkAja.

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

menjadi satu teori (Sendana & Wijaya, 2010)

Unified Theory of Acceptance and Use of Technology (UTAUT) merupakan sebuah

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

tersebut adalah sebagai berikut:

1. Theory of Reasoned Action (TRA)

2. Technology Acceptance Model (TAM)

3. Innovation Diffusion Theory (IDT)

4. Motivational Model (MM)

5. Theory of Planned Behavior (TPB)

6. Model of PC Utilization (MPTU), penggabungan TAM dan TPB

7. Social Cognitive Theory (SCT)

Selain delapan teori, UTAUT memiliki variabel moderator seperti Gender, Age,

Experience, dan Voluntariness of Use. UTAUT juga terdiri dari enam variabel yaitu

Performance Expectancy, Effort Expectancy, Social Influence, Facilitating Conditions,

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:

Tabel 2.3 Variabel Independen dan Variabel Denpenden

No. Variabel Independen Variabel Dependen

1 Performance Expectancy (PE) Behavioral Intention (BI)

2 Effort Expectancy (EE) Use Behavior (UB)

3 Social Influence (SI)

4 Facilitating Condition (FC)

Gambar 2.4 Model UTAUT (Sumber Venkatesh et al., 2003)

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

Influence, Facilitating Condition, Perceived Credibility, dan Anxiety (Sugiyono, 2011).

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

Voluntariness of Use (Kesukarelaan) termasuk kepada variabel moderator (Sugiyono, 2011).

Adapun penjabaran mengenai delapan model teori dasar UTAUT dapat dilihat pada tabel 2.4

dibawah ini :

Tabel 2.4 Delapan dasar model UTAUT

No. Nama Teori Pengertian

1. Theory of Reasoned Action Pada model Theory of Reasoned Action yang

(TRA) dikembangkan pada tahun 1975 ini perilaku manusia

dapat dijelaskan melalui tiga komponen kognitif utama

yaitu attitude, subjective norm, dan behavioral

intention. Proposi model ini merupakan ketika tindakan

sadar dan sukarela, maka behavior intention akan

30
 terpengaruh oleh komponen attitude dan subjective

norm. (Loo, Yeow, & Chong, 2011)

Theory of Planned Behavior Theory of Planned Behavior atau bisa disebut TPB
2
(TPB) adalah sebuah model pengembangan dari model

terdahulu yaitu Theory of Reasoned Action dengan

menambahkan konstruk perceived behavioral control

(Jugiyanto, 2007) TPB merupakan perceived behaivor

control atas kendali kendendak pada suatu tindakan

individu, selain itu model TPB behavioral control,

subjective norm, dan behavioral attitude dapat

mempengaruhi behavioral intention (Taherdoost, 2018).

Technology Accaptence Model TAM merupakan adopsi dari model Theory of

3.
Model (TAM) Reasoned Action, pada teori ini membuat perilaku

seseorang sebagai tujuan dan fungsi dari perilaku

tersebut. Model ini terdapat dua variabel yang dapat

menjelaskan aspek user intention yaitu usefulness dan

ease of use (David, 1989).

Motivation Model (MM) Model ini terdiri dari 2 tema yaitu adalah intrinsic
4.
motivation dan extrinsic motivation (Venkatesh, Morris,

& David, User Acceptance of Information Technology:

Toward a Unified View, 2005). Motivation model secara

signifikan mendukung teori motivasi umun akan

penjelasan pengunaan sistem dan memperkirakan

31
 penerimaan dengan dua jenis motivasi, yaitu motivasi

ekstrinsik dan instristik.

Combined TAM and TPB Model C-TAM-TPB merupakan yang menggabungkan

5.
(C-TAM-TPB) TPB dengan perceived usefulness TAM yang ditemukan

pada tahun 1995 oleh Taylor dan Todd (Venkatesh V. ,

Morris, B Davis, & Davis, 2003)

Model of Personal Model MPCU memprediksi penggunaan rentang suatu.

6.
Computing Unilization Teknologi informasi serta penerimaan individu (Juinn &

(MPCU) Tan, 2013). Model ini menyempurnakan konteks sistem

menengah serta memprediksi pemanfaatan komputer

pribadi. MPCU memiliki fungsi sebagai menilai

pengaruh dari faktor–faktor yang dapat mempengaruhi

serta memberi fasilitas, kompleksitas, kesesuaian tugas,

faktor sosial dan konsekuensi dari jangka panjang

terhadap pemanfaatan komputer pribadi (Venkatesh,

Morris, & David, User Acceptance of Information

Technology: Toward a Unified View, 2005).

Innovation Diffusion Theory Model IDT memiliki fungsi untuk mempelajari bahwa
7.
(IDT) inovasi dapat menjadi acuan mengukur persepsi

masyarakat (Venkatesh, Morris, & David, User

Acceptance of Information Technology: Toward a

Unified View, 2005). Model IDT yang ditemukan pada

1991 oleh Moore dan Benbasat berkembang menjadi

32
 beberapa faktor dimulai dengan voluntariness of use,

visibility, image, relative advantage, ease of ause,

compatibility serta result demostrability (Moore &

Benbasat, 1991).

Social Cognitive Theory Social Cognitive Theory merupakan salah satu teori
8.
(SCT) yang paling komprehensif mengenai perilaku manusia

(Juinn & Tan, 2013). Model ini fokus mengidentifikasi

perilaku manusia sebagai faktor pribadi, lingkungan dan

perilaku dengan tujuan untuk menmberikan kerangka

pemahaman, prediksi dan mengubah perilaku manusia.

2.7.1 Use Behavior

Use Behavioral adalah intesitas dari pemakaian teknologi informasi (Jati &

Laksito, 2012). Ketika seseorang memiliki niat untuk menggunakan teknologi

informasi akan memberikan manfaat, sehingga dia menggunakan teknologi informasi

tersebut secara berkelanjutan.

2.7.2 Behavioral Intention

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

sistem tersebut diyakinkan akan mempermudah kinerja kerjaannya dan pengguna

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.

2.7.3 Facilitating Condition

Kondisi–kondisi memfasilitasi atau biasa disebut dengan facilitating conditions

merupakan sejauh mana seseorang percaya bahwa adanya infrastruktur

organisasional dan teknikal yang lebih baik akan mendukung sistem. Menurut

pengertiannya, facilitating condition adalah tingkatan sejauh mana seorang pengguna

yakin bahwa infrastruktur organisasi dan teknis diciptakan untuk mendukung

penggunaan sistem (Venkatesh V. , Morris, B Davis, & Davis, 2003).

Pada variabel ini terdapat gabungan antara variabel yang didapat dari model

penelitian sebelumnya terkait penerimaan teknologi. Berikut konstruk dari variabel

ini yang dapat dijelaskan pada tabel 2.5:

Tabel 2.5 Konstruk Variabel Facilitating Condition

No. Konstruk Penjelasan Referensi

1 Perceived Behavioral Perceived Behavioral Ajzen dalam Venkatesh et al

Coconntrol (kontrol Control adalah penjelasan (2003)

perperilaku persepsi) persepsi mengenai kendala

internal maupun eksternal

terhadap perilaku serta

meliputi hal secara pribadi,

34
 kondisi yang

memfasilitasi, dan kondisi

teknologi yang

memfasilitasi.

2 Facilitating condition Facilitating condition Thompson dalam Venkatesh

(Kondisi yang adalah sejauh mana et al (2003)

memfasilitasi) seseorang percaya adanya

dukungan infrastruktur

dalam menggunakan suatu

sistem.

3 Compactibility Compactibility merupakan Moore and Benbasat (Moore

(kompatibilitas) sejauh mana suatu inovasi

and Benbasat 1991)
dipercayai oleh konsisten

pada nilai-nilai yang ada,

kebutuhan, dan

pengalaman dari

pengadopsi potensial.

2.7.4 Social Influence

Faktor sosial memiliki pengertian bahwa sejauh mana seseorang akan terpengaruh

menggunakan sistem baru ketika orang lain menggunakan suatu sistem baru. Dimana

seseorang tersebut menganggap lebih meyakinkan ketika orang lain menggunakan

35
 sistem baru tersebut (Venkatesh V. , Morris, B Davis, & Davis, 2003). Adapun

variabel acuan pada variabel ini pada tabel 2.6:

Tabel 2.6 Konstruk Variabel Social Influence

No. Konstruk Penjelasan Referensi

1 Subjective Norm (norma Subjective Norm adalah Davis et al. (Davis

subyektif) keyakinan bahwa 1989); Taylor &

kebanyakan orang merasa

Todd (Taylor and
penting untuk berfikir harus
Todd 1995a)
atau tidak seharusnya

melakukan perilaku yang

dimaksud.

2 Social Factors (Faktor Social factors adalah Thompson,et al.

sosial) pengaruh yang diberikan

(Thompson,
dari lingkungan pengguna
Higgins, and
dalam menggunakan suatu
Howell 1991)
sistem. Internalisasi individu

dari budaya subyektif

kelompok yang

berpengaruh, dan perjanjian

interpersonal spesifik yang

telah dibuat individu dengan

36
 orang lain dalam situasi

sosial tertentu

3 Image (Gambar) Image menurut Moore dan Moore and

Benbasat merupakan sejauh

Benbasat (Moore
mana penggunaan inovasi
and Benbasat
dalam suatu sistem
1991)
meningkatkan citra ataupun

status seorang pengguna.

2.7.5 Effort Expectancy

Effort expectancy merupakan tingkat sejauh mana seseorang merasakan

kemudahan yang dihubungkan dengan penggunaan suatu sistem (Venkatesh V. ,

Morris, B Davis, & Davis, 2003). Effort expectancy juga biasa disebut ekspentasi

usaha. Terdapat variabel acuan pada effort expectancy yaitu preceived ease of use,

complexcity serta 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:

Tabel 2.7 Konstruk Variabel Effort Expectancy

No. Konstruk Pengertian Referensi

1 Percieved Ease of Use Percieved Ease of Use (Venkatesh V. ,

(persepsi kemudahan adalah pengambaran Morris, B Davis, &

37
 pengguna) mengenai kemudahan Davis, 2003)

pengguna berpengaruh pada

penggunaan teknologi

informasi.

2 Complexity (kompleksitas) Complexity adalah sejauh (Venkatesh V. ,

mana inovasi dianggap Morris, B Davis, &

sebagai sesuatu yang relatif Davis, 2003)

tidak mudah untuk diartikan

dan digunakan oleh

individu.

3 Ease of use (Kemudahan Menurut Davis, Ease of use Davis (Davis 1989)

Pengguna) adalah Teknologi Informasi

yang tidak sulit untuk

dipahami, TI melakukan

proses dengan mudah sesuai

apa yang diingikan

pengguna, pengguna

menjadi lebih terampil

dalam menggunakan TI, dan

TI tidak sulit untuk

digunakan.

38
2.7.6 Perfomance Expectancy

Menurut (Venkatesh V. , Morris, B Davis, & Davis, 2003) performance

expectancy adalah sejauh mana kepercayaan seseorang dalam menggunakan sistem

bahwa hal tersebut akan membantu dia untuk mencapai keuntungan dalam kinerja

pekerjaannya. Selain itu PE merupakan prediktor yang paling kuat dan signifikan

dalam mengukur suatu sistem wajib ataupun sukarela.

Terdapat lima konstruk pada variabel ini yaitu perceived usefulness (TAM),

extrinsic motivation (MM), job-fit (MPCU), relative advantage (IDT), outcome

expectations (SCT)., berikut penjelasan setiap kontsruk:

Tabel 2.8 Konstruk Variabel Performance Expectancy

No. Konstruk Pengertian Referensi

1 Perceived usefulness Perceived usefulness Davis (Davis 1989)

(harapan yang dirasakan merupakan tingkatan sejauh

Davis et al. (Davis,
manfaatnya) mana seseorang percaya
Bagozzi, and
dengan menggunakan sistem
Warshaw
tersebut akan meningkatkan
1992)
pekerjaannya.

2 Extrinsic motivation Extrinsic motivation adalah Davis et al. (Davis,

(motivasi ektrinsik) suatu keyakinan atau persepsi Bagozzi, and

pengguna memiliki keinginan Warshaw

untuk melakukan kegiatan

1992)

39
 karena dianggap penting

dalam mengapai hasil, seperti

peningkatan kinerja, gaji

ataupun promosi jabatan.

3 Job-fit Job-fit adalah kemampuan Thompson et al.

suatu sistem dalam

(Thompson,
meningkatkan kinerja
Higgins, and
pekerjaan sesorang pengguna.
Howell 1991)

4 Relative advantage Relative advantage adalah Moore

(keunggulan relatif) suatu tingkatan dalam &

menggunakan inovasi Benbasat

dianggap lebih baik bila

(1991)
dibandingkan dengan

menggunakan pendahulunya.

5 Outcome expectations Outcome expectations adalah

(harapan hasil) variabel yang berkaitan

dengan konsekuensi perilaku.

Variabel ini dipisahkan oleh

dua yaitu, harapan kinerja

dan harapan pribadi.

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

tertinggi ke terendah ataupun sebaliknya., antara lain sebagai berikut:

1. Sangat setuju dengan nilai skor sebesar 5.

2. Setuju dengan nilai skor sebesar 4.

3. Netral dengan nilai skor sebesar 3.

4. Tidak setuju dengan nilai skor sebesar 2.

5. Sangat tidak setuju dengan nilai skor sebesar 1.

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

lengkap serta memungkinkan memperoleh skala yang handal (Betram, 2013).

2.9 Metode Pengumpulan Data

2.9.1 Studi Pustaka

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

atau library research penelurusan pustaka merupakan memanfaatkan sumber– sumber

kajian aau referensi yang terdapat pada perpustakaan dengan maksud tujuan untuk

mendapatkan data penelitian (Zed, 2014). Dalam pengertian lainnya disebutkan

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

misalnya foto, sketsa, diagram, kutipan ataupun lainnya.

Setelah melihat beberapa pengertian sebelumnya, studi pustaka merupakan suatu

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

beroperasi untuk memperoleh perspektif dan pemahaman mengenai cara sistem

bekerja dengan lebih baik. Observasi adalah kegiatan melakukan pengamatan serta

terlibat dalam kegiatan lapangan yang berkaitan dengan studi kasus pada penelitan

(Kurniawan, 2011).

Observasi memiliki manfaatan dan tujuan dalam kegiatannya, diantara lain

manfaat dari observasi (Sugiyono, Memahami Penelitian Kuantitatif, 2007) :

a. Observasi membantu peneliti lebih memahami kondisi di lapangan.

b. Adanya observasi memungkinkan adanya penemuan, hal ini dikarenakan

peneliti memungkinkan pendekatan induktif. Dimana pendekatan induktif

merupakan konsep yang tidak dipengaruhi oleh pandangan sebelumnya.

c. Peneliti mempunyai kesempatan untuk meilhat hal–hal yang belum

diperhatikan sebelumnya, karena biasanya tidak terungkap dalam wawancara.

d. Dengan adanya observasi, peneliti dapat mengetahui detail informasi hingga

ke hal–hal yang bersifat sensitif atau data–data yang tidak ingin diketahui

pihak luar.

e. Melalui observasi, peneliti juga mendapatkan pengalaman dan kesan personal.

2.9.3 Wawancara

Wawancara merrupakan proses tanya jawab dengan tujuan untuk memperoleh

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

didapatkan suatu makna dalam topik tertentu (Sugiyono, 2015). Wawancara

memiliki dua jenis, yaitu wawancara terstruktur dan wawancara tidak terstruktur.

2.9.4 Kuesioner

Dalam berbagai penelitian ilmiah banyak sekali yang menggunakan 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

teknik mengumpulkan data yang berisikan beberapa pertanyaan atau pernyataan

tertulis yang akan dijawab oleh responden (Sugiyono, 2013).

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

pertanyaan. Hipotesis disebut jawaban sementara karena jawaban tersebut hanya

didasari oleh teori yang relevan dan belum didasarkan dengan nilai empiris yang

didapatkan dengan melakukan pengumpulan data (Sugiyono, 2015).

Hipotesis memiliki berapa fungsi, yaitu sebagai berikut (Sarwono, 2006) :

a. Memberikan gagasan baru untuk mengembangkan suatu teori.

44
 b. Untuk menguji kebenaran akan suatu teori.

c. Memperluas pengetahuan dari peneliti mengenai suatu peristiwa yang sedang

dipelajari.

2.10 Populasi dan Sampel

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

merupakan teknik pengambilan sampel. Pengambilan sampel adalah pemilihan beberapa

elemen dari populasi. Menurut (Sugiyono, 2019) sampel adalah bagian dari jumlah

kuantitas serta sifat dari populasi tersebut.

2.11 Teknik Pengambilan Sampling

Menurut (Sugiyono, 2013) terdapat dua jenis teknik yang dapat digunakan dalam

penelitian, yaitu :

2.11.1 Teknik Probability Sampling

Probilitas merupakan suatu teknik penarikan sampel dengan memberikan peluang

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:

a. Simple Random Sampling

Metode ini dikatakan sederhana dikarenakan pengambilan sampel

menggunakan cara yang paling mudah. Metode ini dilakukan tanpa

memperhatikan klasifikasi maupun strata dalam populasi.

b. Stratified Random Samplling

Pengambilan sampel pada metode ini adalah dengan membagi suatu populasi

menjadi subpopulasi yang kemudian akan di acak sederhana serta dapat

dilakukan dalam masing–masing subpopulasi (Jogiyanto, 2008).

c. Cluster Sampling

Metode ini digunakan apabila sumber data sangat luas, contohnya penduduk

provinsi tertentu atau karyawan yang bekerja di perusahaan di seluruh dunia

(Supriyadi, 2014).

2.11.2 Teknik Nonprobability Sampling

Pada metode nonprobability sampling populasi tidak memiliki peluang yang sama

dalam pemilihan sampel dan pemilihan elemen populasi tidak dapat ditemukan.

Dalam penelitian yang menggunakan metode ini, seakan–akan hanya ingin

memperoleh kesan mengenai hal tertentu (Efendi & Tukiran, 2012). Teknik

nonprobability sampling memiliki beberapa model, sebagai berikut:

a. Quota Sampling

Menurut (Zulkarnain, 2013). Quota sampling merupakan teknik penarikan

46
 sampel yang memiliki batas atau jumlah responden yang diigiinkan dari suatu

populasi dengan ciri – ciri tertentu.

b. Purposive Sampling

Metode penarikan sampling ini merupakan metode yang paling umum dan

sering digunakan oleh banyak penelitian ilmiah. Pemilihin sampel pada

metode ini disesuaikan dengan kebutuhan waktu dan tempat dari penelitian

yang akan digunakan (Archarya, Saxena, & Nigam, 2013). Purposive

sampling adalah pengumpulan sampel dengan pemilihan random unit

sampling dalam segmen dengan menggunakan karakteristik yang menarik

(Guarte & Barrios, 2006).

c. Convience Sampling

Teknik ini dapat dikatakan tidak mewakili populasi, dikarenakan pada tahap

penarikan sampel peneliti tidak menggunakan mekanisme tertentu. Convience

sampling sering dilakukan untuk penelitian eksplorasi.

d. Snowball Sampling

Metode snowball sampling merupakan teknik penarikan sampel dengan cara

meminta resonde yang telah mengerjakan kuesioner untuk menunjuk

responden selanjutnya secara berantai.

2.12 Ukuran Sampel

Menurut Wisbono dalam (Akdon & Riduwan, 2013) menentukan jumlah sampel yang

tidak diketahui berapa populasinya dapat menggunakan rumus sebagai berikut :

47
 ( )

Dengan keterangan rumus :

= Jumlah sampel

= Standar deviasi populasi (pendugaan sampel dengan perwakilan 0,5 x 0,5 = 0,25)

= nilai z adalah tingkat kepercayaan 95% yaitu sebesar 1.96

= tingkat kesalahan maksimum yang bisa ditolerir sebesar 5%

Di penelitian lainnya, Roscoe dalam (Wahyudi, 2017) menyebutkan bahwa ukuran

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

jumlah variabel yang dipakai dalam penelitian.

2.13 PLS-SEM

PLS-SEM atau Partial Least Square-Structural Equation Modelling dikembangkan

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

multivariate, meniadakan multikolonieritas antar variabel eksogen, terdistribusi bebas

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

penggunaan PLS-SEM oleh banyak penelitian, yaitu sebagai berikut:

1. PLS dapat digunakan walaupun distribusi data skew (miring)

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

dalam estimasi data

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

baik apabila kondisinya sebagai berikut:

1. Spesifikasi model yang benar tidak dapat dipastikan.

2. keakuratan prediksi yang terpenting.

3. Aplikasi memiliki sedikit teori yang tersedia.

4. Ukuran sampel penelitian yang kecil.

Teknik PLS terdiri atas dua model yang berisikan beberapa pengujian, yaitu dimulai dengan

model struktural dan model pengukuran.

2.13.1 Model Pengukuran (Outer Model)

49
 Model ini terdiri dari beberapa pengujian yang terbagi menjadi dua kategori.

Convergent validity memiliki tujuan untuk mengukur besarnya kolerasi antara

konstrak dengan variabel laten. kategori ini terdiri dari tiga pengujian yaitu

individual item reliability, internal consistency atau construct reliability, dan average

variance extracted (AVE). pengujian lainnya adalah discriminant validity.

1. Individual Item Reliability

Pengujian ini dilihat dari nilai loading factor, dimana nilai loading factor

menggambarkan besarnya kolerasi masing-masing indikator dengan

konstraknya. Loading factor dinyatakan valid apabila memiliki nilai yang

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

Untuk melihat internal consistency dapat dinilai dengan composite reliability

atau cronbach’s alpha. Namun composite reliability dapat lebih baik mengukur

dalam model SEM bila dibandingkan dengan cronbach’s alpha, hal ini

dikarenakan cronbach’s alpha cenderung menaksir lebih rendah construct

reliability. Apabila nilai yang dihasilkan melebihi 0,7 makan dikatakan dapat

diterima (Ghozali, 2013).

3. Average Variance Extracted (AVE)

AVE dilakukan untuk mengevaluasi convergent validity, dimana nilai yang

50
 didapat menggambarkan besaran dari varian atau variabel manifes yang

dikandung oleh konstrak laten. Pengujian AVE dilakukan dengan melihat

apakah nilai yang dihasilkan melebihi 0,5, Apabila nilai melebihi syarat, maka

dapati dikatakan telah menunjukan convergent validity yang baik (Ghozali,

2013).

4. Discriminant Validity

Pengujian ini dilakukan dengan dua metode yaitu dengan melihat hasil nilai

cross landing dan hasil nilai Fornell-Larcker.Pengujian cross landing dilakukan

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

blok lainnya. Sedangkan menurut Fornell-Larcker dilakukan dengan

membandingkan nilai AVE dengan kuadrat yang harus bernilai tinggi dengan

kuadrat relasi lainnya (Yuniarti, 2016).

2.13.2 Model Struktural (Inner Model)

Setelah melakukan model pengukuran, langkah selanjutnya adalah model struktural.

Model ini terdiri dari enam pengujian yaitu path coefficient, coefficient of

determination ,t-test menggunakan metode bootstraping, effect size, predictive

relevance, dan relative impact (Yamin, 2011). Model struktural dilakuakan dengan

tujuan untuk mengetahui hubungan antara konstruk variabel dengan variabel lainnya

sesuai dengan hipotesis yang diajukan oleh peneliti.

51
1. Path Coefficient

Pengujian ini dilakukan dengan melihat signifikasi hubungan antara konstruk.

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

Pengujian ini menjelaskan seberapa besar variabel laten dependen dijelaskan

oleh variabel laten indenpenden. Pengujian coefficient of determination memiliki

standar, apabila nilai yang dihasilkan 0,67 atau lebih maka dikatakan substansial

atau kuat, sedangkan nilai yang dihasilkan 0,33 maka dikatakan moderat, dan

apabila nilai yang dihasilkan 0,19 maka dikatakan lemah.

3. T-test

T-test dilakukan dengan metode bootsrapping dan menggunakan uji two-tailed

serta signifikasi sebesar 5%. Pengujian ini ditujukan untuk menguji hipotesis-

hipotesis yang digunakan pada penelitian. Hipotesis dinyatakan valid atau

diterima apabila hasil t-test lebih besar dari 1,96.

4. Effect Size

Pengujian effect size dilakukan dengan tujuan memprediksi pengaruh variabel

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:

Dengan keterangan rumus:

: Hasil nilai Relative Impact

: Nilai yang didapat setelah konstruk eksogen dimasukin pada

model.

: Nilai yang didapat setelah konstruk eksogen dikeluarkan pada

model.

5. Predictive Relevance

Pengujian ini dilakukan menggunakan metode blindfolding dengan tujuan

memberikan bukti bahwa pada variabel tertentu mempunyai keterkaitan prediktif

dengan variabel lainnya dengan ambang batas nol dalam model penelitian yang

digunakan.

6. Relative Impact

Pengujian relative impact dilakukan menggunakan metode blindfolding dengan

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

untuk mengetahui ukuran pengaruh relatif dari keterkaitan antara prediktif

variabel tertentu dengan variabel lainnya. Relative impact menggunakan rumus

berikut:

53
 =

Dengan keterangan rumus:

: Hasil nilai Relative Impact

: Nilai yang didapat setelah konstruk eksogen dimasukin pada

model.

: Nilai yang didapat setelah konstruk eksogen dikeluarkan pada

model.

2.14 Smart-PLS

SmartPLS merupakan perangkat lunak yang dikembangkan di Universitas of Hamburg

Jerman. SmartPLS adalah perangkat untuk analisis statistik dengan pendekatan PLS-SEM

(Sander & Teh, 2014). Perangkat ini dibuat pada tahun 2005 oleh Profesor. Cristian M.

Ringle, Sven Wended dan Alexander Wil.

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

diigunakannya SmartPLS adalah:

a. SmartPLS dapat digunakan pada saat distribusi data sangat miring dan

independensi antara pengamatan tidak bisa terjamin.

b. Perangkat ini dapat digunakan bahkan untuk jumlan sampel yang kecil dengan

model yang sangat kompleks.

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

diukur secara langsung

2.15 Pengunaan SmartPLS

Berikut langkah – langkah dalam mengolah data menggunakan SmartPLS yang dilakukan

dalam penelitian ini adalah:

1. Buka aplikasi SmartPLS. Kemudian akan muncul tampilan halaman awal.

2. Langkah selanjutnya, membuat project baru dengan cara klik “file”, lalu pilih

“Create New Project”.

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

dengan format csv (comma delimited).

4. Jika data berhasil diimport, maka tampilannya adalah sebagai berikut.

Gambar 2.6 Data Berhasil Diimport pada SmartPLS

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

berubah menjadi biru

Setelah data sudah siap, maka tahap selanjutnya adalah pengujian outer model.

Pengujian outer model dimulai dengan individual indicator reliability, internal consistency

reliability, average variance extracted, dan discriminant validity. Berikut langkah-

langkahnya:

1. Tahap pengujian individual indicator reliability dilakukan untuk melihat hasil outer

loading dengan cara Klik Calculate > pilih PLS Algorithm.

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.

4. Selanjutnya pengujian Internal Consistency Reliability dengan cek nilai Construct

Reliabilitty and Validity. Perhatikan nilai Composite Reliability (CR) dengan

ambang batas yang digunakan CR adalah 0.7.

5. Pengujian Average Variance Extracted (AVE) dengan Klik Construct Reliabilitty

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 >

pilih cross loadings (lingkaran merah). Kemudian bandingkan korelasi antara

indikator dengan variabelnya. Korelasi antar indikator dengan variabelnya (kotak

merah) harus lebih tinggi dari variabel lainnya (kotak biru).

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

determination, t-test menggunakan metode bootstraping, effect size, predictive relevance,

dan relative impact. Berikut langkah-langkah selanjutnya:

1. Pengujian path coefficient (β) dengan cara klik “Calculate” > pilih “PLSAlgorithm”

> klik “start calculation” > klik “Path Coefficients”.

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

calculation”. Lihat nilai “T statistic” atau “t-test”yang dikotak merah.

4. Pengujian Effect Size (f2) dilakukan untuk memprediksi seberapa besar pengaruh

hubungan variabel tertentu terhadap variabel lainnya dalam struktural model.

Dihitung dengan menggunakan rumus:

5.

Dengan keterangan berikut:

: Hasil nilai Relative Impact

: Nilai yang didapat setelah konstruk eksogen dimasukin pada

model.

: Nilai yang didapat setelah konstruk eksogen dikeluarkan

pada model.

Untuk dapat menghitung nilai f2 maka harus dilakukan beberapa langkah:

a. Mengetahui nilai R2 include, diketahui nilai R2 include merupakan nilai yang

sama dengan nilai R2 (Coefficient of Determination) atau nilai R2 yang

diperoleh ketika konstruk eksogen dimasukkan ke model. Nilai R2 include

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

contohnya untuk mengetahui R2 exclude dari hubungan IQ →U, caranya

dengan hapus sementara atau keluarkan konstruk eksogen yaitu IQ.

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.

c. Setelah mengetahui nilai R2 include dan nilai R2 exclude dari seluruh

hubungan antar variabel maka langkah selanjutnya dapat menghitung nilai

effect size dengan menggunakan rumus yang terdapat diatas.

6. Pengujian Predictive Relevance (Q2) dengan cara klik “calculate” > pilih

“blindfolding” > klik “start calculation”.

7. Pengujian Relative Impact (q2) dilakukan dengan menggunakan rumus yang

sebelumnya harus diketahui nilai Q2 include dan 2 exclude dengan cara klik

“calculate” > pilih “blindfolding” > klik “start calculation”.

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

gambar model diSmartPLS. Sehingga selanjutnya dapat dilakukan perhitungan

pengujian q2 (Relative Impact).

60
 Dengan keterangan berikut:

: Hasil nilai Relative Impact

: Nilai yang didapat setelah konstruk eksogen dimasukin pada

model.

: Nilai yang didapat setelah konstruk eksogen dikeluarkan

pada model.

2.16 Penelitian Sejenis

Berikut merupakan beberapa penelitian terdahulu yang sejalan dengan metode yang dipakai

pada penelitian, yang dapat dilihat pada tabel 2.9:

Tabel 2.9 Sepuluh Penelitian Sejenis

1 Peneliti Hailiang Wang, Da Tao, dan Xingda Qu

Judul Penelitian Understanding Costumer Acceptance of Healthcare

Wearable Devices: An Integrated Model of UTAUT and

TTF

Tahun 2020

Model Penelitian Unified Theory of Acceptance and Use of Technology

(UTAUT) dan Task-Technology Fit (TTF)

Variabel Penelitian task technology fit, task characteristic, technology

characteristic, behavioral intention, effort expectancy,

facilitating conditions dan sosial influence

Hasil Hasil penelitian adalah model ini mampu memberikan

penjelasan mengenai model UTAUT dan TTF secara

61
 68.0% dari varians karakteristik tugas dan teknologi

keduanya merupakan penentu signifikan kesesuaian

tugas.

2 Peneliti Ali AbdallahAlalwan, Yogesh K.Dwivedi, dan Nripendra

P.Rana

Judul Penelitian International Journal of Information Management factors

Influencing Adoption of Mobile Banking by Jordanian

Bank

Tahun 2019

Model Penelitian Unified Theory of Acceptance and Use of Technology

(UTAUT) 2

Variabel Penelitian Performance expectancy, effort expectancy, Social

Influence, Facilitating Conditon, hedonic motivation,

price value, trust, Behavioral Intention dan Use

Behavior.

Hasil Penelitian ini mempunyai tujuan untuk memberi ide dan

menguji teori konseptual yang paling tepat untuk

memberikan penjelasan mengenai faktor utama yang

dapat mempengaruhi niat pelanggan Yordania serta

adopsi perbankan internet. Penelitian ini mampu

memberikan kontribusi akademis dan signifikan secara

praktisi. Alalwan et al menyimpulkan bahwa kondisi

yang memfalisitasi akan berpengaruh positif terhadap

62
 pemnafaatan sistem informasi namun tidak secara

signifikan. Hasil statistik utama mendukung prediksi

validitas model konseptual dengan memperhitungkan

sekitar 64% varian dalam niat pelanggan Yordania untuk

mengadopsi Mobile banking. Performance expectancy,

effort expectancy, hedonic motivation, price value dan

trust semua disetujui menjadi prediktor signifikan dari

niat perilaku. Baik niat perilaku maupun kondisi yang

memfasilitasi juga didukung menjadi faktor yang

signifikanmemprediksi adopsi aktual Mobile banking.

Hasil menunjukkan bahwa model terintegrasi kami

menjelaskan 68,0% dari varians dalam niat perilaku untuk

menggunakan HWDs, mendukung sepuluh dari sebelas

hipotesis yang diajukan.

3 Peneliti Resti Anindya Putrid dan Helni Mutiarsih Jumhur

Judul Penelitian Peminat Aplikasi Blibli.Com dengan Menggunakan

Model Unified Theory of Acceptance and Use Of

Technology (Utaut)

Tahun 2019

Model Penelitian Unified Theory of Acceptance and Use of Technology

(UTAUT)

Variabel Penelitian social influence, facilitating condition, effort expectancy,

perfomance expectancy, behavioral intention, use

63
 behavioral dan trust

Hasil Hasil penelitian yang dapat diambil dari penelitian ini

adalah performance expectancy berpegaruh dengan trust,

sementara social influence berpengaruh dengan

behavioral intention dengan hasil uji menunjukan bahwa

behavioral intention berpengaruh terhadap use dan effort

expectancy tidak mempunyai pengaruh signifikan

terhadap trust.

4 Peneliti Sujeet KumarSharma, AliAl-Badi, Nripendra P.Rana, dan

LailaAl-Azizi

Judul Penelitian Mobile Application in Goverment Services (mG-App)

from User’s Perspective: A Predictive Modelling

Approach

Tahun 2018

Model Penelitian Unified Theory of Acceptance and Use of Technology

(UTAUT)

Variabel Penelitian Performance expectancy, effort expectancy, Social

Influence, Facilitating Conditon, trust,Information

Qualit, dan Behavioral Intention.

Hasil Penelitian ini menggunakan AMOS sebagai tools

penelitian. Peneliti menemukan bahwa pengaruh sosial

tidak mempengaruhi niat perilaku sedangkan faktor –

faktor seperti harapan usaha, harapan kinerja,

64
 kepercayaan kondisi fasilitas, serta kualitas informasi

mempengaruhi niat perilaku secara positif. Temuan

menunjukkan bahwa faktor-faktor seperti ekspektasi

kinerja, ekspektasi upaya, kondisi fasilitasi, kepercayaan,

dan kualitas informasi berpengaruh positif terhadap niat

perilaku. Faktor-faktor tersebut sangat mempengaruhi

keputusan untuk menggunakan mG-App. Lebih lanjut,

temuan juga menunjukkan bahwa pengaruh sosial tidak

mempengaruhi niat perilaku, yang menandakan bahwa

penduduk di Oman tidak dapat dipengaruhi oleh pendapat

orang lain terkait penggunaan mG-App.

5 Peneliti Muhammad Muttaqin dan Prihandoko

Judul Penelitian Analisa Pemanfaatan Sistem Formasi E-Officer Pada

Universitas Pembangun Panca Budi Medan dengan

Menggunakan Model UTAUT

Tahun 2018

Model Penelitian Unified Theory of Acceptance and Use of Technology

(UTAUT)

Variabel Penelitian Performance expectancy, effort expectancy, Social

Influence, Facilitating Conditon, Behavioral Intention

dan Use Behavior.

Hasil Peneliti menggunakan metode pengumpulan data

65
 kuesioner dimana hasil penelitian yang didapat adalah

pengujian hipotesis dapat diterima oleh responden.

Adanya beberapa konstrak yang mempunyai pengaruh

rendah seperti kategori kepuasaan pada ekpektansi kinerja

dengan pemanfaatan dan penggunaan serta espektasi

kinerja terhadap minat pemanfaatan dan penggunaan

yang masih dinilai dibawah standard. Setelah dilakukan

pengujian hipotesis terhadap tingkat kepuasan dan

kepentingan responden dalam menggunakan sistem

informasi E-Office, dapat di simpulkan bahwasanya

kelima konstruk pada model UTAUT yang di

antaranya ekspektasi kinerja, ekspektasi usaha

berpengaruh signifikan atau dapat di terima

terhadap minat pemanfaatan dan penggunaan,

begitu juga dengan kondisi-kondisi yang

memfasilitasiserta minat pemfaatan dan penggunaan

berpengaruh signifikan atau dapat di terima terhadap

perilaku pengguna

6 Peneliti M Indah dan H Agustin

Judul Penelitian Penerapan Model Utaut (Unified Theory Of Acceptance

And Use Of Technology) Untuk Memahami Niat Dan

Perilaku Aktual Pengguna Go-Pay Di Kota Padang

Tahun 2019

66
Model Penelitian Unified Theory of Acceptance and Use of Technology

(UTAUT)

Variabel Penelitian Performance expectancy, effort expectancy, Social

Influence, Facilitating Conditon, trust,Information

Quality, dan Behavioral Intention.

Hasil
Penelitian ini bertujuan untuk Memahami Niat dan

Perilaku Aktual Pengguna Go-Pay di Kota Padang.

Peneliti menggunakan perangkat lunak SmartPLS

ver.3.2.8 untuk menganalisis data yang diperoleh dari

kuesioner. Hasil penelitian menunjukan bahwa

Performance Expectancyd dan Social Influence memiliki

pengaruh postif terhadap Behavioral Intention serta

Condition Facilitating dan Behavioral Intention memiliki

pengaruh postif terhadap Behavioral Use. Namun untuk

Effort Expectancy mempunyai pengaruh negatif terhadap

Behavioral Use. Sebagai kesimpulan, penelitian ini

memberikan pemahaman yang komprehensif tentang

faktor-faktor kritis. Temuan juga menunjukkan bahwa

pengaruh sosial tidak mempengaruhi niat berperilaku,

yang menandakan bahwa penduduk di Oman tidak dapat

dipengaruhi oleh pendapat referensi orang lain sejauh

penggunaan mG- Aplikasi khawatir. Oleh karena itu,

penduduk Oman seharusnya menggunakan mG-Apps

67
 karena kegunaan dan kemudahan pengoperasiannya.

7 Peneliti Fellasuah Diniyah

Judul Penelitian Faktor yang mempengaruhi Niat Perilaku Muslim

Menggunakan Platform Crowdfunding Waqf: Teori

UTAUT Model

Tahun 2021

Model Penelitian Unified Theory of Acceptance and Use of Technology

(UTAUT)

Variabel Penelitian Performance expectancy, effort expectancy, Social

Influence, Facilitating Conditon, dan Behavioral

Intention.

Hasil
Penelitian yang dilakukan Fellasufah Diniyah dengan

mengumpulkan sampel kuesioner dengan karakteristik

pengguna muslim crowdfunding di Jawa Barat, peneliti

menghasilkan bahwa indikator variavel perfomance

expectancy, effort expectancy, dan facilitating conditions

mempunyai pengaruh positif terhadap niat pengguna

muslim crowdfunding. Sedangkan, terdapat pengaruh

negatif dan tidak adanya pengaruh yang signifikan pada

variabel social influence.

8 Peneliti Rizqa Elisa Rahmawati dan M. Ruslianor Maika

Judul Penelitian Penerapan Model UTAUT terkait Akseptasi Mahasiswa

68
 Terhadap Cashless Payment di Masa Pandemi COVID-19

Tahun 2021

Model Penelitian Unified Theory of Acceptance and Use of Technology

(UTAUT)

Variabel Penelitian Performance expectancy, effort expectancy, Social

Influency, dan Facilitating Conditon

Hasil Penelitian ini bertujuan untuk mengetahui ukuran tingkat

akseptasi mahasiswa pada jaman cashless society demi

upaya menghindari dari penyebaran virus Covid-19.

Hasil penelitian mengungkapkan bahwa tingkat akseptasi

mahasiswa sudah cukup baik dengan penggunaan

cashless payment dan sudah sesuai dengan minat

mahasiswa. Berdasarkan hasil penelitian tingkat

akseptasi mahasiswa terhadap sistem pembayaran

non-tunai dipengaruhi oleh beberapa faktor

yaitu tingkat seberapa bermanfaatkah

teknologi pembayaran, tingkat kemudahan dalam

menggunakan teknologi pembayaran, tingkat

peminatan mahasiswa untuk beralih menggunakan

pembayaran non-tunai, dan bagaimana tingkat

fasilitas yang ada mampu mempengaruhi

minat mahasiswa dalam menggunakan pembayaran

non-tunai.

69
9 Peneliti Ferdy Setiawan dan Dien Novita.

Judul Penelitian Analisas Penerimaan Masyarakat Terhadap Layanan

Transportasi Online Menggunakan UTAUT (Unified

Theory of Accaaptance and Use of Technology)

Tahun 2020

Model Penelitian Unified Theory of Acceptance and Use of Technology

(UTAUT)

Variabel Penelitian Performance expectancy, effort expectancy, Social

Influence, Facilitating Conditon, Behavioral Intention

dan Use Behavior.

Hasil Penelitian ini berhasil menenukan bahwa penerimaan

masyarakat terhadap layanan transportasi online

dipengaruhi dengan variabel perfomance expectancy,

facilitating conditions, effort expectancy dan behavioral

intentions. Namun lain dengan variabel social influence

tidak memiliki pengaruh terhadap layanan transportasi

online.

10 Peneliti S Nurhayati, D Anandari, & W Ekowati

Judul Penelitian The Evaluation of Nutrition Information Systems Using

Combined Method of Unified Theory of Technology

(UTAUT) and Task Technology Fit (TTF)

Tahun 2019

70
Model Penelitian Unified Theory of Acceptance and Use of Technology

(UTAUT)

Variabel Penelitian condition, ease level, performancce expectancy dan task

technology fit.

Hasil Adapun hasil penelitian yang didapat adalah terdapat

hubungan yang cukup kuat antara task characteristic

dengan technology characteristic sebesar 49.2% terhadap

TTF. Sedangkan untuk pengaruh TTF terhadap

perfomance expactancy sebesar 35.7% serta

ditemukannya facility condition yang tidak ada

hubungannya dengan penerimaan pengguna.

71
72
 BAB III

METODOLOGI PENELITIAN

3.1 Pendekatan Penelitian

Penelitian ini dilakukan secara umum dengan menggunakan pendekatan kuantitatif,

dimana peneliti memiliki tujuan untuk mengetahui sejauh mana tingkat penerimaan

pengguna aktif aplikasi My Pertamina serta mengetahui variabel apa saja yang

mempengaruhi penerimaan pengguna aplikasi My Pertamina. Hasil penelitian ini dapat

diajukan sebagai bahan rekomendasi atau saran bagi pengembang aplikasi My Pertamina

yang berguna untuk kemajuan aplikasi.

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

pengamatan aplikasi My Pertamina, instrumen kuesioner yang ditujukan kepada pengguna

aktif My Pertamina secara tidak langsung. Penyebaran kuesioner melalui penggunaan media

sosial, seperti Whatsapp, Instagram, Email, dan Facebook.

Sedangkan untuk metode analisis, peneliti menggunakan perangkat lunak pengolah

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

menggunakan SmartPLS versi 3.2.9.

3.2 Prosedur Penelitian

Penelitian akan dilakukan dengan delapan tahap. Prosedur yang digunakan mengadopsi

73
 tahapan menurut (Subiyakto, Ahlan, Kartiwi, & Sukman, 2015). Tahap–tahap ini

dilakukan secara berurutan dimulai dengan mencari permasalahan, kajian pustaka,

perancangan penelitian, penetapan tema penelitian, pembuatan instrumen penelitian,

pengumpulan data, Analisis dan interpretasi data dan yang terakhir pembuatan laporan.

Variabel yang akan digunakan penelitian ini terbagi menjadi dua jenis, yaitu variabel

dependen dan variabel independen, dengan penjelasan sebagai berikut :

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

variabel dependen adalah sebagai berikut:

a. BI – Behavioral Intention (Minat Perilaku)

b. UB – Use Behavior (Perilaku Pengguna)

2. Variabel Independen

Variabel indenpenden merupakan suatu variabel yang dapat mempengaruhi variabel

lainnya. Selain itu variabel ini juga memiliki nama lain yaitu variabel yang mendahului

atau antecedent variabl. Pada penelitian ini, variabel indenpenden adalah sebagai berikut:

a. PE – Perfomance Expectancy (Ekspektasi Kinerja)

b. EE – Effort Expectancy (Ekspektasi Usaha)

c. SI – Social Influence (Faktor Sosial)

d. FC – Facilitating Condition (Kondisi Fasilitas)

3.3 Pengumpulan dan Pemrosesan Data

74
3.3.1 Studi Pustaka

Studi pustaka yang terdapat pada penelitian ini diperoleh dengan membaca dan

mempelajari buku–buku, artikel penelitian yang sejenis, teori–teori hingga informasi

yang terdapat pada situs web. Pustaka yang dicari adalah tentang model UTAUT,

penerimaan pengguna serta objek penelitian yaitu aplikasi My Pertamina.

3.3.2 Observasi

Peneliti melakukan observasi ada aplikasi My Pertamina yang dimulai dari

kolom rating bintang hingga kolom komentar yang diberikan oleh pengguna aplikasi

My Pertamina baik di Play Store maupun Apple Store.

Informasi tersebut dirangkum menjadi hasil observasi, dimana peneliti

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

Tahap ini peneliti menyebarkan kumpulan penyataan dan pertanyaan

mengenai profil responden, pengalaman dalam menggunakan aplikasi My Pertamina,

dan pernyataan pengujian untuk mengetahui penerimaan penggunaan aplikasi My

Pertamina. Pernyataaan yang diberikan juga mewakili dari variabel yang dipakai

yaitu use behavior, behavioral intention, facilitating condition, social influence,

effort expectancy, dan perfomance expectancy. Data kuesioner yang diperoleh berupa

penilaian terhadap variabel yang dimiliki UTAUT. Kuesioner dilakukan dengan

penyebaran secara online melalui bantuan media sosial seperti Instagram, Whatsapp,

75
 dan lain sebagainya menggunakan media Google Form untuk pengisian kuesioner.

Semua kuesioner yang terkumpul nantinya diklasifikan menggunakana

aplikasi Ms. Excell 2016 serta diolah data menggunakan SmartPLS 3.0. Berdasarkan

data kuesioner yang telah tersebar, diperoleh data responden sebanyak 193

responden.

3.4 Populasi dan Sampel Penelitian

Karakteristik populasi dalam penelitian ini adalah pengguna aktif yang menggunakan

aplikasi My Pertamina. Berdasarkan data yang diungkapkan oleh Corporate Secretary PT

Pertamina Patra Niaga, terdapat 4 juta lebih pengguna yang sudah mendaftar sejak

munculnya pemberitaan mengenai penggunaan aplikasi My Pertamina di setiap transaksi

pada pom bensin.

Penelitian ini menggunakan teknik purposive sampling sebagai metode penentuan

responden kuesioner. Teknik purposive sampling ini bertujuan untuk mencari dan

menyeleksi responden pengguna aktif yang menggunakan aplikasi My Pertamina. Tetapi

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

minimumnya dapat menggunakan rumus berikut:

( )

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.

3.5 Model Penelitian

Penelitian dilakukan dengan menggunakan model Unified Theory of Acceptance and

Use of Technology, dimana dengan model tersebut akan dianalisa enam variabel yang dapat

mengukur penerimaan penggunaan aplikasi My Pertamina. Enam variabel tersebut adalah

use behavior, behavioral intention, facilitating condition, social influence, effort expectancy,

dan perfomance expectancy. Pada penelitian terdahulu, Venkatesh terdapat variabel

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)

ditampilkan sebagai karakteristik responden, sedangkan variabel voluntariness of use

(kesukarelaan) tidak digunakan pada penelitian ini, dikarenakan pada aplikasi My Pertamina

diwajibkan untuk mendaftarkan nomor kendaraannya sehingga bersifat mandatory (wajib),

hal ini didukung oleh penelitian sebelumnya pada penelitian Sedana & Wijaya (2010) yang

tidak menggunakan variabel voluntariness of use dikarenakan memiliki sifat mandatory

juga.

3.6 Hipotesis Penelitian

Model penelitian pada penelitian ini menggunakan model UTAUT (Venkatesh V. ,

Morris, B Davis, & Davis, 2003). Model penelitian terdiri dari enam variabel Performance

Expectancy, Effort Expectancy, Social Influence, Facilitating Conditions, Behavioral

Intention, dan Use Behavior terhadap aplikasi My Pertamina. Selain itu, pada penelitian ini

peniliti menggunakan mediator variabel yaitu menggunakan variabel Gender, Age,

77
 Experince, Voluntariness of Use.

Gambar 3.1 Model Penelitian (Sumber Venkatesh et al., 2003)

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

menyatakan bahwa variabel Performance Expectancy, Effort Expectancy, Social Influence,

memiliki pengaruh positif Behavioral Intention dalam menggunakan aplikasi OVO. Untuk

variabel Behavioral Intention dan Facilitating Condition memiliki pengaruh positif terhadap Use

Behavior dalam menggunakan E-office. Berikut hipotesis pada penelitian ini:

1. Performance Expectancy (Ekspektasi Kinerja) memiliki pengaruh positif terhadap

Behavioral Intention (Minat Pemanfaatan) dalam menggunakan aplikasi My Pertamina.

78
2. Effort Expectancy (Ekspektasi Usaha) memiliki pengaruh positif terhadap Behavioral

Intention (Minat Pemanfaatan) dalam menggunakan aplikasi My Pertamina.

3. Social Influence (Faktor Sosial) memiliki pengaruh positif Terhadap Behavioral Intention

(Minat Pemanfaatan) dalam menggunakan aplikasi My Pertamina.

4. Facilitating Condition (Kondisi yang Memfasilitasi) memiliki pengaruh positif terhadap

Use Behavior (Perilaku Penggunaan) dalam menggunakan aplikasi My Pertamina.

5. Behavioral Intention (Minat Pemanfaatan) memiliki pengaruh positif terhadap Use

Behavior (Perilaku Pengguna) dalam menggunakan aplikasi My Pertamina.

3.7 Instrumen Penelitian

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

pernyataan dan indikator pengujiannya:

Tabel 3.1 Daftar Pernyataan dan Indikator Pengujian

Variabel Kode Indikator Pernyataan Referensi

Saya memiliki niat untuk

Behavioral
Berniat terus menggunakan Venkatesh, et
Intention (Minat BI1
Menggunakan aplikasi My Pertamina al., (2003)
Pengguna)
kedepannya

79
 Saya akan selalu
Berusaha
BI2 mencoba menggunakan
Menggunakan
aplikasi My Pertamina

Saya berencana untuk

Berencana menggunakan aplikasi

BI3
Menggunakan My Pertamina

kedepannya

Saya akan

merekomendasikasikan
Rekomendasi
BI4 aplikasi My Pertamina
Penggunaan
kepada orang – orang

disekitar saya

Saya menggunakan

UB1 Penggunaan aplikasi My Pertamina

disetiap saat

Use Behavior Saya senang ketika

Venkatesh, et
(Perilaku UB2 Perilaku menggunakan aplikasi
al., (2003)
Pengguna) My Pertamina

Sekarang saya selalu

UB3 Pengaruh menggunakan aplikasi

My Pertamina

80
 Menggunakan aplikasi

My Pertamina

PE1 Efisiensi menghemat waktu yang

saya gunakan pada

layanan

Dengan menggunakan

aplikasi My Pertamina,

PE2 Kemudahan memungkinkan saya

Perfomance untuk mendapatkan

Expectancy layanan yang lebih cepat Venkatesh, et

(Ekspektasi Menurut saya, aplikasi al., (2003)

Kinerja) My Pertamina sangat

PE3 Manfaat bermanfaat untuk

melakukan segala macam

transaksi

Aplikasi My Pertamina

meningkatkan

PE4 Produktivitas produtivitas dalam

berbagai layanan dan

transaksi

Effort Expectancy Saya dapat dengan Venkatesh, et

EF1 Mudah Pahami
(Ekspentasi mudah memahami al., (2003)

81
 Kinerja) penggunaan aplikasi My

Pertamina

Menurut saya, tidak

diperlukan keterampilan

EF2 Terampil khusus untuk

menggunakan aplikasi

My Pertamina

Aplikasi My Pertamina
Mudah
EF3 sangatlah mudah
Digunakan
digunakan

Aplikasi My Pertaminia
Mudah
EF4 sangatlah mudah
Dipelajari
dipelajari

Saya menggunakan

Pengaruh dari aplikasi My Pertamina

SI1
Penyedia karena pengaruh pihak

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

Pengaruh dari My Pertamina karena

SI3
Sosial Media sosial media (Instagram,

Tik Tok, Facebook,

Twitter, dsb)

Saya mempunyai sumber

Ketersediaan daya yang cukup dalam

FC1
Sumber Daya menggunakan aplikasi

My Pertamina

Saya mempunyai

Memiliki pengetahuan yang cukup

FC2
Pengetahuan untuk menggunakan
Facilitating
aplikasi My Pertamina Venkatesh, et
Conditions
Saya menggunakan al., (2003)
(Kondisi Fasilitas)
layanan sesuai dengan
Ketersediaan
FC3 petunjuk teknis yang
Petunjuk Teknis
disediakan oleh aplikasi

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

pernyataan pada indikator masing–masing. Dengan menggunakan lima alternatif jawaban

akan terhindar dari jawaban ragu–ragu, sehingga data yang dihasilkan dapat dijadikan acuan

perbaikan dengan pihak My Pertamina. Adapun pembobotan yang digunakan dengan rincian

pada tabel 3.2 sebagai berikut:

Tabel 3.2 Skala Likert

Keterangan Nilai Rentang

Sangat Setuju 5 point 0 – 0,99

Setuju 4 point 1 – 1,99

Netral 3 point 2 – 2,99

Tidak Setuju 2 point 3 – 3,99

Sangat Tidak Setuju 1 point 4 – 4,99

3.8 Pembuatan Kuesioner

Pada pembuatan kuesioner dibuat berdasarkan model UTAUT, adapun pertanyaan-

pertanyaan yang tersedia disesuaikan dengan variabel yang digunakan pada model penelitian

84
yang ada. Berikut kuesioner responden pada penelitian ini:

6. Profil Responden

Jawablah sesuai dengan pilihan yang tersedia.

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

1. Apakah Anda mengetahui dan menggunakan aplikasi My Pertamina

o Ya, saya mengetahui dan menggunakan aplikasi My Pertamina

85
 o Tidak, saya tidak mengetahui dan menggunakan aplikasi My Pertamina

2. Sudah berapa lama Anda 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

Responden menjawab pertanyaan kuesioner dengan menggunakan lima poin skala

likert.

Tabel 3.3 Keterangan Lima Poin Skala Likert

Jawaban Singkatan Nilai

Sangat Tidak Setuju STS 1

Tidak Setuju TS 2

Netral N 3

Setuju S 4

Sangat Setuju SS 5

Tabel 3.4 Daftar Pertanyaan Kuesioner

No Pertanyaan Penilaian

86
 STS TS TS TS TS

Behavioral Intention : Sejauh mana pengguna menggunakan suatu sistem atau aplikasi

secara terus menerus dalam jangka lama.

1 Saya memiliki niat untuk terus menggunakan

aplikasi My Pertamina kedepannya. [BI1]

2 Saya akan selalu mencoba menggunakan

aplikasi My Pertamina. [BI2]

3 Saya berencana untuk menggunakan aplikasi

My Pertamina kedepannya . [BI3]

4 Saya akan merekomendasikan aplikasi My

Pertamina kepada orang–orang di sekitar

saya. [BI4]

Use Behavior : Seberapa sering pengguna menggunakan suatu sistem atau aplikasi.

1 Saya menggunakan aplikasi My Pertamina di

setiap saat . [UB1]

2 Saya senang ketika menggunakan aplikasi My

Pertamina. [UB2]

3 Sekarang saya selalu menggunakan aplikasi

My Pertamina. [UB3]

Performance Expectancy : Sejauh mana pengguna percaya bahwa sistem dapat

87
membantu meningkatkan kinerjanya.

1 Dengan menggunakan aplikasi My Pertamina,

menghemat waktu yang saya gunakan pada

layanan. [PE1]

2 Dengan menggunakan aplikasi My Pertamina,

memungkinkan saya mendapatkan layanan

yang lebih cepat. [PE2]

3 Menurut saya, aplikasi My Pertamina sangat

bermanfaat untuk melakukan segala macam

transaksi. [PE3]

4 Aplikasi My Pertamina meningkatkan

produtivitas dalam berbagai layanan dan

transaksi. [PE4]

Effort Expectancy : Sejauh mana kemudahan dalam menggunakan sistem

1 Saya dapat dengan mudah memahami

penggunaan aplikasi My Pertamina. [EE1]

2 Menurut saya, tidak diperlukan keterampilan

khusus dalam menggunakan aplikasi My

Pertamina. [EE2]

3 Aplikasi My Pertamina sangat mudah

digunakan. [EE3]

88
 Aplikasi My Pertamina sangat
4
mudah dipelajari. [EE4]

Social Influence : Sejauh mana lingkungan memberikan pengaruh pengguna untuk

menggunakan sistem

Saya menggunakan aplikasi My Pertamina

1
karena pengaruh pihak pemerintah. [SI1]

Saya terpengaruh menggunakan aplikasi My

2
Pertamina karena adanya dukungan dari

penyedia (pemerintah). [SI2]

Saya terpengaruh menggunakan aplikasi My

3
Pertamina karena sosial media (Instagram,

Tik Tok, Facebook, Twitter, dsb). [SI3]

Facilitating Condition : Sejauh mana pengguna percaya bahwa infrastruktur teknis ada

untuk menunjang penggunaan sistem

Saya mempunyai sumber daya (device) yang

1
memadai dalam menggunakan aplikasi My

Pertamina. [FC1]

Saya mempunyai pengetahuan yang cukup

2
untuk menggunakan aplikasi My Pertamina.

[FC2]

Saya menggunakan layanan sesuai dengan

3
petunjuk teknis yang disediakan oleh aplikasi

89
 My Pertamina. [FC3]

Saya memerlukan bantuan orang lain dalam

4
menggunakan aplikasi My Pertamina. [FC4]

3.9 Responden Penelitian

Responden penelitian ini adalah pengguna aktif aplikasi My Pertamina.

3.10Analisis Data dan Hasil Interprestasinya

Analisis data dibagi menjadi dua data yaitu data deskriptif dan data inferential. Data

responden juga dikelompokan berdasarkan usia, jenis kelamin, pekerjaan, dan berapa lama

penggunaan aplikasi My Pertamina. Selanjutnya, pengolahan data inferential dengan tujuan

untuk mengetahui apakah hipotesis yang diajukan memenuhi syarat. Pengolahan data

inferential dilakukan dengan menggunakan software SmartPLS versi 3.0.

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,

internal consistency reliability, average extracted, dan discriminant validity. Sedangkan

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

dalam penelitian ini secara bertahap.

91
Gambar 3.2 Kerangka Penelitian

92
93
 BAB IV

HASIL DAN PEMBAHASAN

4.1 Pilot Study

Pilot study merupakan tahap awal pada kuesioner yang telah dibuat untuk diuji coba.

Adanya pilot study bertujuan untuk menguji keefektifan instrument survei sebagai

komunikasi anatara peneliti dengan responden (Indriatiningtias, Hartono, & Subagyo,

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.

Peneliti menyebarkan kuesioner online yang berisikan beberapa pernyataan terkait

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:

4.1.1 Uji Internal Consistency Reliability

Tabel 4.1 Hasil Pilot Study Composite Reliability dengan SmartPLS 3.0

Composite Reliability

Behavioral Intention 0.968

Use Behavior 0.964

94
 Performance Expectancy 0.948

Effort Expectancy 0.885

Social Influence 0.895

Facilitating Condition 0.870

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.

4.1.2 Uji Average Variance Extracted (AVE)

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

Behavioral Intention 0.885

Use Behavior 0.898

Performance 0.820

Expectancy

Effort Expectancy 0.658

95
 Social Influence 0.740

Facilitating Condition 0.627

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

digunakan dalam model penelitian ini.

4.2 Hasil Analisis

4.2.1 Hasil Analisis Demografi

Tahap ini merupakan melakukan ananlisis terhadap jawaban bagian profil

responden dan pertanyaan lainnya terkait aplikasi My Pertamina. Peneliti berhasil

mendapatkan responden kurang dari sebulan (26 Oktober 202 –20 November 2022),

dengan jumlah 193 data responden. Data profil berisikan usia, jenis kelamin,

pekerjaan serta frekuensi penggunaan dari aplikasi My Pertamina. Berikut disajikan

data hasil analisis demografis:

4.2.1.1 Usia

Dari 193 data yang valid, dapat dilihat pada gambar 4.1, bahwa jumlah

responden yang berusia 17 – 24 tahun lebih banyak yaitu 81 (41,5%,), lalu

disusul dengan responden berusia 25 – 32 tahun sebanyak 55 (29%), lalu

usia 33–38 tahun sebanyak 31 (16,1%), dan peringkat terakhir pada usia 39

tahun keatas dengan jumlah 26 (13,5%). Hal ini dikarenakan penyebaran

96
 kuisioner pada penelitian ini berdasarkan lingkup peneliti dimana

didominasi oleh usia dengan rentang umur 17-24 tahun.

Gambar 4.1 Diagram Usia Responden

4.2.1.2 Jenis Kelamin

Dari 193 data yang valid, dapat disimpulkan bahwa laki-laki

mendominasi responden kuesioner dibandingkan responden perempuan.

Jumlah responden laki-laki sebanyak 110 (57%) dan responden perempuan

sebanya 83 (43%). Selengkapnya bisa dilihat pada gambar 4.2 dibawah ini.

Hal ini didasari oleh data sunesas pada tahun 2020 yang menunjukan

bahwa penduduk secara nasional didominasi oleh laki-laki 50,26% dan

perempuan sebesar 49,74% (Nurhayati & Sylvianti Angraini, 2021).

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

karyawan swasta mendominasi jumlah responden pada kategori pekerjaan

responden sebanyak 105 (54,9%), lalu disusul dengan mahasiswa sebanyak

38 (19,7%), lalu tidak bekerja sebanyak 26 (13%), lalu pelajar dengan

jumlah responden sebanyak 18 (9,3%) dan yang terakhir pegawai negeri

sebanyak 6 (3,1%). Hal ini didasari data status pekerjaan Indonesia pada

tahun 2017 yang menyatakan bahwa pegawai swasta atau karyawan

memiliki persentase tertinggi sebanyak hampir 40% (Statistik, 2017).

98
 Gambar 4.3 Diagram Pekerjaan Responden

4.2.1.4 Frekuensi pengunaan aplikasi My Pertamina

Dari 193 data yang valid, dapat terlihat pada gambar 4.4 bahwa banyak

responden yang menggunakan selama 1 – 3 bulan mendominasi jumlah

responden sebanyak 111 (57,5%), lalu disusul dengan penggunaan selama 4

– 6 bulan sebanyak 59 (30,1%), lalu penggunaan selama lebih dari setahun

sebanyak 12 (6,2%), dan peringkat terakhir adalah penggunaan selama 6 –

12 bulan sebanyak 11 (5,7%). Hal ini didasari dengan penyebaran kuesioner

dilakukan pada bulan Oktober 2022 dan meningkatnya penggunaan aplikasi

My Pertamina setelah adanya kebijakan wajib mendaftarkan nomor

kendaraan terhitung mulai September 2022 (Okezone, 2022).

99
 Gambar 4.4 Diagram Frekuensi Penggunaan Aplikasi My Pertamina

4.2.2 Analisis Model Pengukuran (Measurement / Outer Model)

Tahap ini terdiri dari empat tahapan pengujian, dimulai dari individual item

reliability, internal consistency reliability, average extracted, dan discriminant

validity (Yamin, Sofyan, Lien A Rachmach, & Heri Kurniawan, 2011). Keempat

tahapan ini merupakan tahapan analisis pengukuran model atau biasa disebut

measurement model. Untuk pengujian individual reliability, internal consistency

reliability, dan average variance extracted merupakan pengujian convergent validy,

pengujian dihitung dengan mengukur besarnya kolerasi antara indikator dengan

variabel laten. Berikut hasil dari pengukuran model beserta penjelasannya.

4.2.2.1 Uji Individual Item Reliability

Pada pengujian individual item reliability dilakukan dengan

memperhatikan hasil nilai standarlized loading factor. Nilai outer loading

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

valid dan harus dihapus.

Tabel 4.3 Hasil Awal Uji Loading Factor dengan SmartPLS 3.0

Indika Behavioral Effort Facilitating Performance Social Use

tor Intention Expectancy Condition Expectancy Influence Behavior

(BI) (EE) (FC) (PE) (SI) (UB)

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

outer loading sudah melewati nilai ambang batas.

Tabel 4.4 Hasil Uji Loading Factor Setelah Penghapusan Indikator

Indika Behavioral Effort Facilitating Performance Social Use

tor Intention Expectancy Condition Expectancy Influence Behavior

(BI) (EE) (FC) (PE) (SI) (UB)

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.

4.2.2.2 Uji Internal Consistency Reliability

Pengujian Internal Consistency Reliability dinyatakan ideal apabila

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,

& Sartedt, 2017). Pengujian ini dilakukan dengan menghitung nilai CR

atau composite reliability. Berikut tabel 4.5 hasil perhitungan dari data

responden.

Tabel 4.5 Hasil Internal Consistency Reliability dengan SmartPLS 3.0

Variabel Composite Reliability

Behavioral Intention 0.950

Use Behavior 0.941

Performance Expectancy 0.944

Effort Expectancy 0.941

Social Influence 0.869

Facilitating Condition 0.924

Setelah dilakukannya perhitungan composite reliability, hasil setiap

variabel melewati nilai compisite reliability ambang batas 0,7. Sehingga

104
 menunjukan bahwa tiap indikator dinyatakan valid dan diterima. Dengan

nilai variabel tertinggi oleh variabel Behavioral Intention sebesar 0.950,

disusul variabel Performance Expectancy sebesar 0.944, lalu variabel Use

Behavior dan Effort Expectancy dengan nilai 0.941, dan urutan terakhir

variabel Social Influence dengan nilai 0.869. Berdasarkan nilai hasil uji

compisite reliability, maka penelitian bisa dilanjutkan pada pengujian

selanjutnya.

4.2.2.3 Uji Average Extracted

Nilai pada pengujian AVE ini menjelaskan keragaman pada variabel

manifes yang dapat dikandung oleh variabel laten. Untuk mendapatkan

nilai convergent validity yang baik dan valid, hasil perhitungan nilai AVE

minimal 0,5. Artinya, variabel laten yang dimiliki dapat menjelaskan rata-

rata lebih dari setengah varian dari indikator-indikatornya.Apabila nilai

dibawah 0,5 maka variabel tidak dikatakan valid pada pengujian AVE.

Tabel 4.6 Hasil Averange Variance Extrancted dengan SmartPLS 3.0

Variabel AVE

Behavioral Intention 0.827

Use Behavior 0.842

Performance Expectancy 0.807

105
 Effort Expectancy 0.799

Social Influence 0.768

Facilitating Condition 0.801

Setelah dilakukannya pengujian dengan menghitung nilai average

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

disusul oleh variabel Behavioral Intention sebesar 0.827, selanjutnya

variabel Performance Expectancy dengan nilai 0.807, lalu variabel

selanjutnya Facilitating Condition dengan nilai 0.801, lalu dilanjut variabel

Effort Expectancy sebesar 0.799 dan terakhir variabel Social Influence

sebesar 0.768.

4.2.2.4 Uji Discriminant Validity

Pengujian discriminant validity dilakukan dengan dua cara.

Perhitungan pertama yaitu dengan menghitung nilai cross landing. Lalu

metode selanjutnya dengan menghitung nilai Fornell-Lacker Criterion.

Setiap metode memiliki syarat yang berbeda. Metode cross landing

memiliki syarat nilai outer loading dengan variabelnya diharuskan untuk

melebihi variabel pada blok lainnya. Sedangkan untuk metode Fornell-

Larcker Criterion memiliki syarat dimana nilai variabel melebihi variabel

lainnya. Berikut hasil pengujian dengan metode cross landing dengan

106
 menggunakan SmartPLS.

Tabel 4.7 Hasil Uji Cross Landing dengan SmartPLS 3.0

Facilitatin

Behavioral Effort g Performance Social Use

Intention Expectanc Condition Expectancy Influence Behavior

(BI) y (EE) (FC) (PE) (SI) (UB)

BI1 0.921 0.654 0.493 0.791 0.767 0.807

BI2 0.911 0.681 0.619 0.740 0.699 0.751

BI3 0.916 0.692 0.540 0.771 0.746 0.771

BI4 0.890 0.629 0.525 0.790 0.765 0.806

EE1 0.639 0.869 0.652 0.636 0.610 0.566

EE2 0.566 0.862 0.614 0.569 0.533 0.488

EE3 0.686 0.921 0.628 0.683 0.624 0.604

EE4 0.708 0.922 0.702 0.705 0.636 0.627

FC1 0.461 0.623 0.866 0.495 0.418 0.396

FC2 0.514 0.630 0.910 0.418 0.418 0.439

FC3 0.606 0.690 0.909 0.599 0.525 0.560

PE1 0.759 0.609 0.475 0.890 0.841 0.797

PE2 0.779 0.684 0.549 0.896 0.778 0.734

PE3 0.758 0.620 0.497 0.907 0.736 0.746

107
PE4 0.761 0.703 0.531 0.900 0.743 0.747

SI1 0.698 0.603 0.464 0.829 0.869 0.703

SI3 0.738 0.580 0.438 0.688 0.884 0.841

UB1 0.744 0.511 0.443 0.734 0.749 0.916

UB2 0.828 0.619 0.538 0.818 0.805 0.924

UB3 0.798 0.632 0.473 0.760 0.872 0.913

Berdasarkan pada tabel 4.7 diatas, maka dapat dilihat bahwa terbukti nilai

data dengan warna abu-abu memiliki nilai outer landing yang lebih tinggi

diantara nilai indikator variabel lainnya. Sehingga pengujian dapat dilanjutkan

pada tahap selanjutnya yaitu pengujian Fornell-Larcker Criterion dengan

membandingkan nilai akar AVE setiap variabel dengan variabel lainnya. Maka

diperoleh hasil pengujian yang ditampilkan pada tabel 4.8 dibawah ini.

Tabel 4.8 Hasil Uji Fornell-Larcker Criterion dengan SmartPLS 3.0

Facilitatin Performanc

Behaviora Effort g e Social Use

l Intention Expectanc Condition Expectancy Influenc Behavio

(BI) y (EE) (FC) (PE) e (SI) r (UB)

Behavioral

Intention 0.909

108
 (BI)

Effort

Expectancy

(EE) 0.730 0.894

Facilitating

Condition

(FC) 0.597 0.727 0.895

Performanc

Expectancy

(PE) 0.851 0.728 0.571 0.898

Social

Influence

(SI) 0.819 0.674 0.514 0.863 0.877

Use

Behavior

(UB) 0.863 0.642 0.530 0.841 0.883 0.918

Berdasarkan hasil pada tabel 4.8 dapat dilihat bahwa pada dua tahap cross

landing tidak memiliki masalah,dengan hasil masing-masing variabel pada uji

validitas lebih besar 0,7 dan nilai akar AVE lebih tinggi dibandingkan nilai

variabel lainnya. Sehingga penelitian dapat melanjutkan ke tahap selanjutnya.

109
 Gambar 4.5 Hasil Analisis Outer Model dengan SmartPLS 3.0

Setelah melewati empat tahapan pengujian pengukuran model, dapat dilihat

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

consistency reliability dengan setiap variabel melewati 0,7 sehingga dinyatakan

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.

4.2.3 Analisis Model Struktural (Inner Model)

Model struktural atau biasa disebut dengan inner model terdiri dari enam tahap

pengujian. Dimulai dengan pengujian path coefficient, coefficient of determination ,t-

test menggunakan metode bootstraping, effect siz, predictive relevance, dan relative

impact.

4.2.3.1 Uji Path Coefficient

Pengujian path coefficient dilakukan untuk mengetahui seberapa besar dan

kuat nilai koefisien pada hubungan variabel independent dengan variabel

dependen. Hasil uji dengan prosedur Bootstraping ini dikatakan memiliki

path yang pengaruh apabila hasil yang didapat melewati nilai ambang batas

sebesar 0.1 (Subiyakto, Ahlan, Kartiwi, & Sukmana, 2015). Berikut adalah

hasil pengujian path coefficient dari data responden.

Tabel 4.9 Hasil Uji Path Coefficient dengan SmartPLS 3.0

Hubungan antar variabel Path Coefficient

Performance Expectancy > Behavioral Intention 0.444

Effort Expectancty > Behavioral Intention 0.206

Social Influence > Behavioral Intention 0.297

111
Facilitating Condition > Use Behavior 0.023

Behavioral Intention > Use Behavior 0.849

Berdasarkan hasil pengujian path coefficient pada tabel 4.9 diatas, ada

empat variabel yang memiliki nilai diatas ambang batas, yaitu Behavioral

Intention terhadap Use Behavior dengan pengaruh tertinggi dengan nilai

0.849, lalu dilanjut dengan Performance Expectancy terhadap Behavioral

Intention dengan nilai 0.444, lalu Social Influence terhadap Behavioral

Intentions dengan nilai 0.297 dan Effort Expectancy terhadap Behavioral

Intention dengan nilai 0.206. Namun terdapat satu variabel yang dinyatakan

tidak memiliki pengaruh siginifikan dan tidak berhubungan postif

dikarenakan memiliki nilai dibawah ambang batas 0,1 yaitu Facilitating

Condition terhadap Use Behavior dengan nilai 0,023. Berikut hasil model

path coefficient dapat dilihat pada gambar 4.1.

112
 Gambar 4.6 Hasil Path Coefficient dengan SmartPLS 3.0

4.2.3.2 Uji Coeffiicient of Determination (R-Square)

Nilai coefficient of determination didapat dengan menghitung nilai

R-Square. Pengujian ini bertujuan untuk menjelaskan varian pada setiap

variabel yang dipengaruhi oleh variabel lainnya yang ada pada model

atau biasa disebut sebagai variabel endogen. Pada hasil pengujian

coefficient of determination diberikan keterangan berdasarkan nilai yang

diperoleh. Apabila nilai R-Square sebesar 0,33 maka dinyatakan lemah,

lalu R-Square dengan nilai 0,33-0,67 dinyatakan moderat, dan R-Square

dengan nilai lebih dari 0,67 dinyatakan substasial. Setelah melakukan

113
 pengujian, berikut hasil uji coefficient of determination.

Tabel 4.10 Hasil Uji Coefficient of Determination (R-Square)

Variabel Endogen R-Square Keterangan

Behavioral Intention 0.772 Substansial

Use Behavior 0.745 Substansial

Berdasarkan hasil pengujian R-Square kedua variabel dinyatakan

substansial, hal ini dikarenakan nilai R-Square pada variabel Behavioral

Intention dan Use Behavior memiliki perolehan nilai diatas 0,67. Hasil

pada tabel 4.11 menunjukan bahwa variabel Behavioral Intention

memiliki nilai 0.772 dan Use Behavior dengan nilia 0.745.

4.2.3.3 Uji T-test

Pengujian T-Test dilakukan dengan tujuan untuk mengetahui batas

penerimaan suatu hipotesis dan menguji apakah suatu hipotesis dapat

dinyatakan layak dipercaya atau tidak. Pengujian ini dapat dilakukan

dengan menggunakan metode Bootstrapping dengan uji two-tailed dan

tingkat signifikan sebesar 5%. Apabila hasil t-test melebihi 1,96, maka

hipotesis tersebut dinyatakan diterima atau valid (Hair, Sarstedt, Ringle,

& Mena, 2012) . Apabila hasil nilai tidak melewati 1,96 maka hipotesis

dinyatakan tidak memiliki pengaruh positif. Berikut hasil pengujian

hipotesis dengan t-test.

114
 Tabel 4.11 Hasil Uji T-Test dengan SmartPLS 3.0

Hubungan antar variabel Path Coefficient

Performance Expectancy > Behavioral Intention 4.614

Effort Expectancty > Behavioral Intention 3.520

Social Influence > Behavioral Intention 3.255

Facilitating Condition > Use Behavior 0.494

Behavioral Intention > Use Behavior 25.565

Tabel 4.11 menunjukan bahwa hipotesis Facilitating Condition

terhadap Use Behavior memiliki nilai sebesar 0,494 < 1,96, sehingga

hipotesis tersebut dinyatakan ditolak. Namun hasil uji t-test yang

dilakukan pada H1 Performance Expectancy > Behavioral Intention

diterima dengan nilai positif 4,614, lalu pada H2 Effort Expectancty >

Behavioral Intention diterima dengan nilai positif 3.520, selanjutnya H3

Social Influence > Behavioral Intention diterima dengan nilai 3.255 dan

H5 Behavioral Intention > Use Behavior diterima dengan nilai positif

25.565. Maka kesimpulannya dari lima hipotesis, hanya empat hipotesis

yang diterima.

4.2.3.4 Uji Effect Size

Pengujian effect size bertujuan untuk mengetahui pengaruh variabel

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

dengan menggunakan rumus ataupun dengan menggunakan SmartPLS.

Berikut rumus yang digunakan

Dengan keterangan berikut:

: Hasil nilai Relative Impact

: Nilai yang didapat setelah konstruk eksogen

dimasukin pada model.

: Nilai yang didapat setelah konstruk eksogen

dikeluarkan pada model.

Tabel 4.12 Hasil Uji Effect Size dengan SmartPLS 3.0

Hipotesis Analisis

Path

H1 PE > BI 0.772 0.729 -0,285 KECIL

H2 EE > BI 0.772 0.753 -0,309 KECIL

H3 SI > BI 0.772 0.750 -0,100 KECIL

H4 FC > UB 0.745 0.744 0.03 KECIL

116
H5 BI > UB 0.745 0.815 -0,27 KECIL

Pada Tabel 4.12 dapat dilihat adanya lima hipotesis yang memiliki

nilai effect size kecil, yaitu Performance Expectancy terhadap Behavioral

Intention dengan pengaruh kecil sebesar -0,285, Effort Expectancy terhadap

Behavioral Intention dengan pengaruh kecil sebesar -0,309, Social Influence

terhadap Behavioral Intention dengan pengaruh kecil sebesar -0,100 dan

Facilitating Condition terhadap Use Behavior dengan pengaruh kecil sebesar -

0,27.

4.2.3.5 Uji Predictive Relevance

Tahap ini merupakan pengujian dengan metode blindfolding.

Pengujian ini bertujuan untuk membuktikan bahwa variabel tertentu

yang digunakan mempunyai ketertarikan secara prediktif dengan

variabel lainnya dalam model dengan nilai ambang batas melebihi nol.

Tabel 4.13 Hasil Uji Predictive Relevance

Variabel Endogen

Behavioral Intention 0.631

Use Behavior 0.620

Terlihat pada tabel 4.13 menunjukan bahwa hasil uji predictive

relevance dari setiap variabel memiliki diatas nol, dengan nilai 0,631

117
 pada variabel Behavioral Intention dan 0.620 pada variabel Use

Behavior. Sehingga dapat dinyatakan bahwa setiap variabel yang ada

dalam model memiliki ketertarikan secara prediktif.

4.2.3.6 Uji Relative Impact

Tahap ini dilakukan dengan melakukan perhitungan metode

Blindfolding, dengan tujuan untuk mengetahui relatif pada suatu

variabel tertentu dengan variabel lainnya dengan nilai ambang batas

sebesar 0,35 untuk pengaruh besar, 0,15 untuk pengaruh menengah dan

0,02 untuk pengaruh kecil. Untuk mengetahui hasil relative impact

dapat dilakukan dengan rumus berikut.

Dengan keterangan berikut:

: Hasil nilai Relative Impact

: Nilai yang didapat setelah konstruk eksogen

dimasukin pada model.

: Nilai yang didapat setelah konstruk eksogen

dikeluarkan pada model.

Tabel 4.14 Hasil Relative Impact dengan SmartPLS 3.0

118
 Hipotesis Analisis

Path

H1 PE > BI 0.631 0.597 0,09 KECIL

H2 EE > BI 0.631 0.615 0,04 KECIL

H3 SI > BI 0.631 0.615 0,04 KECIL

H4 FC > UB 0.620 0.620 0 KECIL

H5 BI > UB 0.620 0.673 -0,38 KECIL

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

behavioral intention dengan relatif kecil sebesar 0,4.

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

SI > 0.77 0.75 - 0.63 Diterim Predictive

H3 0.297 3.255 0.772 0.615 0,04 0.631 Sign Substansial Kecil Kecil
BI 6 0 0,100 1 a Relevance

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

BI 0.74 0.81 0.62 Diterim Predictive

H5 0.849 25.56 0.745 -0,27 0.673 -0,38 0.620 Sign Substansial Kecil Kecil
> 4 5 0 a Relevance

120
UB 5

Keterangan:

Sign = Signifikan

Not Sign = Tidak Signifikan

121
4.3 Interpretasi dan Pembahasan Hasil Analisis

4.3.1 Interpretasi dan Pembahasan Hasil Analisis Data Demografi

4.3.1.1 Usia

Berdasarkan gambar 4.1 menunjukan hasil demografis yang menunjukan

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.

4.3.1.2 Jenis Kelamin

Pada gambar 4.2 dapat ditarik kesimpulan bahwa jenis kelamin laki-laki

mendominasi responden yang ada. Responden dengan jenis kelamin laki-laki

sebanyak 110 orang (57%), sedangkan responden dengan jenis kelamin

perempuan sebanyak 83 orang (43%). Hal ini dikarenakan responden laki-laki

pada saat pengisian kuesioner online yang dilakukan pada google form lebih

banyak yang berpartisipasi bila dibandingkan dengan perempuan.

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

diikuti dengan responden mahasiswa sebanyak 38 orang (19,7%), selanjutnya

responden tidak bekerja sebanyak 26 orang (13%), lalu responden pelajar

123
 sebanyak 18 orang (9,3%), dan yang terakhir responden pegawai negeri sebanyak

6 orang (3,1%). Hal ini dikarenakan berdasarkan lingkungan peneliti yang

didominasi dengan mahasiswa dan karyawan swasta.

4.3.1.4 Frekuansi Penggunaan Aplikasi My Pertamina

Pada gambar 4.4, terlihat mayoritas penggunaan aplikasi My Pertamina

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

responden sebanyak 59 (30,1%), disusul dengan responden dengan jangka waktu

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

dengan penggunaan aplikasi My Pertamina baru banyak digunakan setelah

pemerintah dan pihak pertamina mewajibkan pelanggan untuk menggunakan

aplikasi My Pertamina untuk setiap transaksi pengisian bahan bakar di SPBU.

4.3.2 Interpretasi dan Pembahasan Hasil Analisis Model Pengukuran (Outer Model)

Setalah melewati beberapa pengujian pada model pengkuran, maka peneliti

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

Saya menggunakan aplikasi My Pertamina karena adanya dukungan dari penyedia

(pemerintah) belum cukup mudah dipahami sehingga memungkinakan adanya

124
 kesalahpamahaman mengenai makna pernyataan pada kuesioner oleh responden dan

dikarenakan penyebaran kuesioner dilakukan secara online serta meluas sehingga

peneliti tidak memiliki kapabilitas untuk memberikan arahan langsung kepada setiap

responden yang mengisi kuesioner.

Namun setelah dilakukannnya penghapusan dua indikator tersebut, analisis

menunjukan model pengukuran telah memenuhi syarat setiap pengujiannya. Dimulai

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,

coefficient of determination ,t-test menggunakan metode bootstraping, effect size,

predictive relevance, dan relative impact. Berikut hasil pengujian pada hipotesis-

hipotesis yang diajukan pada penelitian ini:

Tabel 4.16 Hasil Uji Hipotesis

Hipotesis Β T-test Keterangan

Hx Path β T-test

H1 PE > BI 0.444 4.614 Signifikan Diterima

H2 EE > BI 0.206 3.520 Signifikan Diterima

125
H3 SI > BI 0.297 3.255 Signifikan Diterima

H4 FC > UB 0.023 0.494 Tidak Ditolak

Signifikan

H5 BI > UB 0.849 25.565 Signifikan Diterima

4.3.3.1 H1 Performance Expectancy (Ekspektasi Kinerja) memiliki pengaruh

positif terhadap Behavioral Intention (Minat Pemanfaatan) dalam

aplikasi My Pertamina.

Berdasarkan hasil pengujian path coefficient, hipotesis ini mendapatkan

nilai 0.444 yang berati Performance Expectancy berpengaruh secara

signifikan terhadap Behavioral Intention. Pada pengujian t-test hipotesis ini

juga memiliki nilai diatas 1.96 sehingga diartikan bahwa Performance

Expectancy berpengaruh memiliki pengaruh positif terhadap Behavioral

Intention dengan nilai t-test sebesar 4.461. Hal ini sejalan dengan penelitian

sebelumnya (Venkatesh V. , Morris, B Davis, & Davis, 2003) dan pada

penelitian yang melakukan pengujian pada layanan transportasi online dengan

model UTAUT (Ferdy & Dien , 2020) mendapatkan hasil Performance

Expectancy memiliki pengaruh positif terhadap Behavioral Intention pada

layanan transportasi online dengan nilai 3,303 yang melewati ambang batas

1,96. Selain itu hasil penelitian (Pertiwi & Dodik, 2017) juga menyatakan

bahwa ekspektasi kinerja berpengaruh positif terhadap minat pengguna pada

mobile banking. Pada penelitian ini membuktikan bahwa ekspektasi kinerja

126
 aplikasi My Pertamina memiliki pengaruh terhadap niat pengguna dalam

menggunakan aplikasi. Sehingga Hipotesis 1 “Performance Expectancy

memiliki pengaruh positif terhadap Behavioral Intention” dinyatakan

diterima pada penelitian ini.

4.3.3.2 H2 Effort Expectancy (Ekspektasi Usaha) memiliki pengaruh positif

terhadap Behavioral Intention (Minat Pemanfaatan) dalam

menggunakan aplikasi My Pertamina.

Berdasarkan hasil pengujian t-test H2 memiliki nilai yang melewati

nilai 1,96 pada tingkat signifikansi 5% sehingga hipotesis Effort Expectancy

terhadap Behavioral Intention dapat diterima dengan nilai t-test positif 3.520.

Selain itu dengan nilai 0.206, Effort Expectancy memiliki pengaruh secara

signifikasi dengan Behavioral Intention. Hal ini sejalan dengan penelitian

lainnya oleh Rahmantanto dan Ramantoko (2019) yang mengatakan bahwa

besarnya usaha yang digunakan pengguna akan mempengaruhi minat nasabah

PT Bank Rakyat Indonesia dalam menggunakan aplikasi layanan BRI

Mobile. Selanjutnya terdapat penelitian lain (Gusi & Luh Putu, 2019) yang

mengatakan bahwa Ekspektasi Kinerja memiliki pengaruh positif terhadap

Minat Penggunaan dalam apikasi OVO, sehingga dinyatakan pengguna

merasakan kemudahakan dalam menggunakan aplikasi OVO, sehingga

pengguna merasa menjadi efisien baik dalam tenaga yang dikeluarkan

ataupun waktu dalam prose transakasi. Berdasarkan analisis H2, Kemudahan

pengguna dalam menggunakan aplikasi My Pertamina dalam menjalankan

127
 setiap transaksi menjadi penting. Semakin kecil usaha yang digunakan oleh

pengguna My Pertamina untuk menggunakan aplikasi, maka semakin

mendorong pengguna untuk menggunakan aplikasi My Pertamina. Sehingga

Hipotesis 2 “Effort Expectancy memiliki pengaruh positif terhadap

Behavioral Intention” dinyatakan diterima dalam penelitian ini.

4.3.3.3 H3 Social Influence (Faktor Sosial) memiliki pengaruh positif Terhadap

Behavioral Intention (Minat Pemanfaatan) dalam menggunakan aplikasi

My Pertamina.

Berdasarkan hasil pengujian path coefficient, Social Influence memiliki

pengaruh secara signifikansi terhadap Behavioral Intention dengan nilai

0.297. Hipotesis ini juga mendapatkan hasil pengujian t-test diterima,

berdasarkan nilai melewati t-tabel 1,96 dengan nilai 3.255. Selain itu

hipotesis ini juga mendapatkan nilai substansial pada pengujian coefficient of

determination dengan nilai 0.772 yang melewati syarat 0,67 untuk mendapat

nilai substansial. Hal ini sesuai dengan penelitian sebelumya (Venkatesh V. ,

Morris, B Davis, & Davis, 2003). Selain itu, hipotesis ini sejalan dengan

penelitian yang pengujian model UTAUT pada aplikasi Blibli.com. pada

penelitian tersebut dinyakatakan bahwa Performance Expectancy memiliki

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

Influence berpengaruh positif terhadap behavioral intention pada aplikasi

128
 Work Order android (Wondroid). Hal ini menandakan bahwa pentingnya

pengaruh atau rekomendasi dari orang-orang sekitar untuk menaruh minat

pengguna untuk menggunakan aplikasi My Pertamina. Sehingga Hipotesis 3

“Social Influence memiliki pengaruh positif terhadap Behavioral

Intention” dinyatakan diterima pada penelitian ini.

4.3.3.4 H4 Facilitating Condition (Kondisi yang Memfasilitasi) memiliki

pengaruh positif terhadap Use Behavior (Perilaku Penggunaan) dalam

menggunakan aplikasi My Pertamina.

Berdasarkan pengujian yang sudah dilakukan, hipotesis ini dinyatakan

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

bertentang pada penelitian terdahulu Venkatesh et al (2003). Namun hal ini

juga pernah terjadi pada penelitian lainnya (Ting & Yanhong, 2012) yang

menyatakan bahwa facilitating condition tidak memiliki pengaruh terhap

perilaku pengguna dalam menggunakan sistem. Selain itu pada penelitian

lainnya juga disebutkan bahwa (Lusi & Anggi, 2020) bahwa facilitating

condidtion tidak memiliki pengaruh positif terhadap perilaku penggunaan

aplikasi Mobile JKN, dimana menunjukan bahwa kondisi fasilitas tidak

mempengaruhi perilaku Mobile JKN. Pada penelitian ini, kondisi fasilitas

yang dimiliki pengguna tidak berpengaruh positif terhadap perilaku

pengguna dalam mengggunakan aplikasi My Pertamina. Sehingga Hipotesis

4 “Facilitating Condition memiliki pengaruh positif terhadap Behavioral

129
 Iintention” pada penelitian ini dinyatakan ditolak.

4.3.3.5 Behavioral Intention (Minat Pemanfaatan) memiliki pengaruh positif

terhadap Use Behavior (Perilaku Pengguna) dalam menggunakan

aplikasi My Pertamina.

Berdasarkan hasil analisis struktural model, dapat dilihat bahwa

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,

Behavioral Intention memiliki pengarah secara signifika terhadap Use

Behavior. Hal ini dikarenakan nilai path coefficient pada hipotesis adalah

0.849 yang berati melewati nilai ambang batas. Hal ini menandakan bahwa

hipotesis ini sesuai dengan penelitian sebelumnya Venkatesh et al. (2003),

dan didukung oleh penelitan lain (suki & suki, 2017) yang berisikan bahwa

niat perilaku dalam menggunakan sistem menentukan perilaku pengguna.

Selain itu terdapat penelitian lainnya (Putra, 2019) yang menyatakan baha

Behavioral Intention memiliki pengaruh positif terhadap use behavior dalam

menggunakan Bitcoin. Pada penelitian lainnya (Gusi & Luh Putu, 2019)

mengatakan bahwa berdasarkan analisis pengujian, apabila Behavioral

Intention meningkat maka selanjutnya Use Behavior akan meningkat pula

pada penerimaan dan penggunaan aplikasi OVO di Kota Denpasar. Hipotesi

pada penelitian ini dinyatakan bahwa Minat Pengguna dalam aplikasi

memiliki pengaruh langsung terhadap penggunaan aplikasi My Pertamina

130
yang sebenarnya. Sehingga dapat disimpulkan bahwa Hipotesis 5

“Behavioral Intention memiliki pengaruh positif terhadap Use Behavior”

diterima pada penelitian ini.

131
132
 BAB 5

PENUTUP

5.1 Kesimpulan

Setelah dilakukannya tahap-tahap pada kerangkan penelitian terkait Analisis

Penerimaan Pengguna aplikasi My Pertamina Menggunakan Model Unified Theory of

Acceptance and Use Technology (UTAUT), maka dapat diambil kesimpulan sebagai

berikut:

1. Faktor yang memiliki pengaruh paling besar adalah Behavioral Intention. Hal ini

menjelaskan bahwa semakin pengguna memiliki keyakinan bahwa dengan menggunakan

aplikasi My Pertamina pengguna mendapatkan kemudahan dan meningkatkan kinerja,

maka pengguna akan lebih sering menggunakan aplikasi My Pertamina.

2. Hipotesis yang paling berpengaruh adalah hubungan antara niat keberlanjutan

(Behavioral Intention) terhadap perilaku penggunaan (Use Behavior). Hal ini

menjelaskan bahwa bahwa besarnya minat pengguna dalam menggunakan aplikasi My

Pertamina memiliki pengaruh terhadap seberapa banyak frekuensi pemakaian aplikasi

tersebut. Selain itu pada aplikasi My Pertamina sudah memiliki kebijakan yang tepat

dalam mewajibkan aplikasi My Pertamina pada pembelian BBM bersubsidi sehingga

pengguna memiliki niat keberlanjutan dan berujung kepada peningkatan frekuensi

pengguna aplikasi My Pertamina.

3. Faktor yang tidak memiliki pengaruh pada penerimaan pengguna aplikasi My Pertamina

adalah Facilitating Condition. Sehinga secara tidak langsung variabel tersebut tidak

mempengaruhi peningkatan frekuensi penggunaan aplikasi My Pertamina. Hal ini

133
 dikarenakan fasilitas yang memadai tidak menjadi penentu seorang pengguna dalam

penerimaan suatu aplikasi.

5.2 Saran

Setelah melakukan penelitian terkait pengukuran tingkat penerimaan pada aplikasi My

Pertamina, peneliti melihat adanya potensi besar untuk dikembangkan menjadi lebih baik

dan lebih lengkap. Maka dari itu peneliti memiliki beberapa saran dan rekomendasi yang

nantinya dapat berguna bagi penelitian di masa depan:

1. Bagi peneliti selanjutnya bisa menambahkan variabel Anxiety dan Perceived

Credibility.

2. Untuk melanjutkan penelitian ini, peneliti kedepannya bisa menggunakan model

UTAUT 2 sebagai pembanding dengan model penelitian ini.

3. Bagi penyedia aplikasi My Pertamina, kedepannya bisa memperbaiki sistem untuk

menghindari kendala yang dirasakan pengguna pada saat penggunaan aplikasi My

Pertamina sehingga penerimaan pengguna terhadap sistem dapat terus meningkat. Hal

ini didasari dengan hasil pengujian data pada tabel 4.16 dengan hasil bahwa variabel

Performance Expectancy, Effort Expectancy, Social Influence, Behavioral Intention,

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

secara terus menerus dalam jangka lama.

1 Saya memiliki niat untuk terus menggunakan

aplikasi My Pertamina kedepannya. [BI1]

2 Saya akan selalu mencoba menggunakan

aplikasi My Pertamina. [BI2]

3 Saya berencana untuk menggunakan aplikasi

My Pertamina kedepannya . [BI3]

4 Saya akan merekomendasikan aplikasi My

Pertamina kepada orang–orang di sekitar

saya. [BI4]

Use Behavior : Seberapa sering pengguna menggunakan suatu sistem atau aplikasi.

1 Saya menggunakan aplikasi My Pertamina di

setiap saat . [UB1]

2 Saya senang ketika menggunakan aplikasi My

Pertamina. [UB2]

3 Sekarang saya selalu menggunakan aplikasi

My Pertamina. [UB3]

146
Performance Expectancy : Sejauh mana pengguna percaya bahwa sistem dapat

membantu meningkatkan kinerjanya.

1 Dengan menggunakan aplikasi My Pertamina,

menghemat waktu yang saya gunakan pada

layanan. [PE1]

2 Dengan menggunakan aplikasi My Pertamina,

memungkinkan saya mendapatkan layanan

yang lebih cepat. [PE2]

3 Menurut saya, aplikasi My Pertamina sangat

bermanfaat untuk melakukan segala macam

transaksi. [PE3]

4 Aplikasi My Pertamina meningkatkan

produtivitas dalam berbagai layanan dan

transaksi. [PE4]

Effort Expectancy : Sejauh mana kemudahan dalam menggunakan sistem

1 Saya dapat dengan mudah memahami

penggunaan aplikasi My Pertamina. [EE1]

2 Menurut saya, tidak diperlukan keterampilan

khusus dalam menggunakan aplikasi My

Pertamina. [EE2]

3 Aplikasi My Pertamina sangat mudah

147
 digunakan. [EE3]

Aplikasi My Pertamina sangat

4
mudah dipelajari. [EE4]

Social Influence : Sejauh mana lingkungan memberikan pengaruh pengguna untuk

menggunakan sistem

Saya menggunakan aplikasi My Pertamina

1
karena pengaruh pihak pemerintah. [SI1]

Saya terpengaruh menggunakan aplikasi My

2
Pertamina karena adanya dukungan dari

penyedia (pemerintah). [SI2]

Saya terpengaruh menggunakan aplikasi My

3
Pertamina karena sosial media (Instagram,

Tik Tok, Facebook, Twitter, dsb). [SI3]

Facilitating Condition : Sejauh mana pengguna percaya bahwa infrastruktur teknis ada

untuk menunjang penggunaan sistem

Saya mempunyai sumber daya (device) yang

1
memadai dalam menggunakan aplikasi My

Pertamina. [FC1]

Saya mempunyai pengetahuan yang cukup

2
untuk menggunakan aplikasi My Pertamina.

[FC2]

Saya menggunakan layanan sesuai dengan

3

148
 petunjuk teknis yang disediakan oleh aplikasi

My Pertamina. [FC3]

Saya memerlukan bantuan orang lain dalam

4
menggunakan aplikasi My Pertamina. [FC4]

149
 LAMPIRAN II

BUKTI PENYEBARAN

KUESIONER

150
4.3.3.5.1.1.1.1 Whatsapp Group

4.3.3.5.1.1.1.2 Social Media

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