Siti Naza Rayani-Fst

PENGUKURAN KEBERHASILAN DALAM KINERJA INDIVIDUAL
FLIP DENGAN MENGGUNAKAN MODEL DELONE & MCLEAN DAN
EFEK MODERASI TASK-TECHNOLOGY FIT (TTF)
SKRIPSI
Oleh:
SITI NAZA RAYANI
11150930000042
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA
2021 M/ 1443 H
i
i
SKRIPSI
Oleh:
SITI NAZA RAYANI
11150930000042
2021 M/ 1443 H
ii
SKRIPSI
Sebagai Salah Satu Syarat Untuk Memperoleh Sarjana Komputer
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Disusun Oleh:
SITI NAZA RAYANI
11150930000042
2021 M/ 1443 H
iii
LEMBAR PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-

BENAR HASIL KARYA SENDIRI DAN BELUM PERNAH DIAJUKAN
SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN
TINGGI ATAU LEMBAGA MANAPUN
Jakarta, September 2021
SITI NAZA RAYANI

11150930000042
vi
vi
ABSTRAK
Siti Naza Rayani – 1115093000042 Pengukuran Keberhasilan dalam Kinerja

Individual Flip dengan Menggunakan Model Delone & Mclean dan Efek Moderasi
Task-Technology Fit (TTF), di bawah bimbingan Dr. Qurrotul Aini, M.T dan
Bayu Waspodo, M.M.
Keberhasilan suatu sistem dapat digunakan untuk meningkatkan efisiensi

perusahaan dan memperoleh keunggulan kompetitif pada suatu perusahaan.
Penelitian keberhasilan sistem informasi mengevaluasi penciptaan, distribusi, dan
penggunaan informasi melalui teknologi yang efektif. Sistem informasi akan
dievaluasi berdasarkan kontribusinya terhadap realisasi misi dari organisasi.
Penelitian ini mengukur kinerja individual dari perusahaan dalam bidang FinTech
yaitu Flip dengan layanan utamanya mengedepankan transfer antar bank secara
gratis. Dalam implementasinya, Flip menghadapi berbagai permasalahan yang
bersumber dari keluhan para penggunanya seperti kesulitan menggunakan sistem
karena tidak sesuai ekspektasi pengguna baru karena merasa sistem Flip kompleks,
sistem yang dependensi dengan pelayanan bank sehingga jika layanan bank sedang
bermasalah maka salah satu layanan di Flip tidak bisa digunakan, pilihan bank yang
terbatas, dianggapnya tidak efesien dalam segi waktu karena adanya waktu
pemrosesan, serta dianggap buruk pelayanan dari customer service dalam
mesreponse kesulitan yang dihadapi pengguna sehingga dari permasalahan ini
mempengaruhi keberhasilan kinerja individual dari Flip. Salah satu model
pengukuran keberhasilan kinerja individual suatu sistem informasi adalah model
Delone & McLean dan TTF yang dapat menjelaskan tentang kinerja individu sistem
informasi pada tahap pasca adopsi sebagai manfaat bagi pengguna dimana adanya
kecocokan antara teknologi dengan pekerjaan pengguna yang didukung oleh
teknologi yang digunakannya yang dipengaruhi juga dari kemunculan rasa
kepuasan setelah menggunakannya. Penelitian ini mengadopsi pendekatan
peneliatian secara kuantitatif, menggunakan teknik purposive sampling sebanyak
432 responden dan dianalisa dengan metode PLS-SEM dengan SmartPLS 3.3.3.
Hasil dari pengukuran keberhasilan kinerja individual Flip menunjukan 13 dari 18
hipotesis yang diajukan diterima. Faktor-faktor yang mempengaruhi keberhasilan
kinerja individual Flip adalah Task-Technology Fit dan User Satifaction. Dari hasil
pengukuran ini kepada pihak Flip memperhatikan faktor-faktor yang
mempengaruhi keberhasilan kinerja individual terutama hipotesis yang ditolak
dalam penelitian ini yaitu Use atau Penggunaan dimana pengguna dapat
menggunakan sistem secara maksimal serta tingkat interaksi yang lebih aktif antara
pengguna terhadap sistem.
Kata Kunci: Delone & McLean, Flip, Keberhasilan Sistem Informasi, Kinerja
Individu, Task-Technology Fit
BAB 1 – 5 + xxi Halaman + 206 Halaman + 27 Gambar + 36 Tabel + Daftar Pustaka
+ Lampiran
Pustaka Acuan (147, 1949 – 2021)
vii
viii
KATA PENGANTAR
Bismi-llāhi ar-raḥmāni ar-raḥīmi

Assalamualaikum Wr. Wb.
Segala Puji bagi Allah SWT peneliti panjatkan karena atas limpahan rahmat dan
hidayah-Nya maka peneliti dapat menyelesaikan skripsi yang berjudul
“Pengukuran Keberhasilan dalam Kinerja Individual Flip dengan Menggunakan
Model Delone & Mclean dan Efek Moderasi Task Technology Fit (TTF).” 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. Bapak Ir. Nashrul Hakiem, S.Si., M.T., Ph.D selaku Dekan Fakultas Sains dan
Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.
2. Bapak Aang Subiyakto, Ph.D selaku Ketua Program Studi Sistem Informasi dan
Bapak Nuryasin, M.Kom selaku Sekretaris Prodi Sistem Informasi.
3. Ibu Dr. Qurrotul Aini, M.T selaku dosen pembimbing I dan Bapak Bayu
Waspodo, M.M selaku dosen pembimbing II yang telah membimbing dan
mengarahkan dalam penulisan laporan ini sehingga terselesaikan dengan baik.
4. Bapak Dr. Syopiansyah Jaya Putra, M.Si selaku dosen penguji I dan Bapak
Sarip Hidayatuloh, MMSI selaku dosen penguji II yang telah memberikan saran
dan masukan dalam penulisan laporan ini.
5. Dosen – dosen Program Studi Sistem Informasi yang telah memberikan ilmu
selama perkuliahan.
viii
6. Seluruh karyawan Fakultas Sains dan Teknologi yang telah banyak membantu
peneliti dalam administrasi akademik yang berkaitan dengan skripsi.
7. Kedua orang tua, Bapak Rohmani dan Ibu Faridah serta kakak Ade Sekarnia,
Nurma Firmansyah, dan Nahar Hasyim yang telah memberikan doa, motivasi,
dukungan secara moril dan materil kepada peneliti.
8. Mochammad Sya’ban Fadillah dan Keluarga yang telah memberikan doa,
motivasi, dukungan secara moril dan materil kepada peneliti.
9. Restri, Anjar, Rekha, Rina, Bang Surya yang telah membantu banyak peneliti
seperti memberi petunjuk dan edukasi, berdiskusi serta memberi saran kepada
peneliti untuk kelancaran dan penyelesaian laporan skripsi ini.
10. Teman-teman seperbimbingan yaitu Agam, Fikri, Tedi, Icha, Bernat, Yana yang
mau diajak sharing dan bimbingan bersama.
11. Sahabat SMP Dita, Desboy, Jilan yang telah memberikan dukungan sehingga
peneliti menjadi lebih semangat dan terlepas dari kemumetan penyusunan
laporan ini.
12. Sahabat-sahabat SMA Depe, Desy, Dica, Viqoh, Adhys, Mega yang selalu
membantu dan menyediakan waktu serta tempat untuk mencurahkan keluh
kesah selama penyusunan laporan ini.
13. Teman -teman SI seperti Dinda, Mely, Nurita, Nadinta, Alip, Safira, Apis, Arga,
Tyo, Heri, Piras serta teman teman terutama SI-B dan SI 2015 lainnya.
14. Himpunan Mahasiswa Sistem Informasi (HIMSI) yang memberikan dukungan
serta bekal pengetahuan dan pelatihan softskills yang tidak bisa didapatkan di
kelas mata kuliah.
ix
15. Teman – Teman KKN Parahita yang membantu peneliti tak luput dari proses
penyelesaian laporan ini.
16. Seluruh mahasiswa SI UIN, senior maupun junior yang telah banyak membantu
dalam kehidupan selama peneliti berkuliah.
17. Seluruh responden yang telah bersedia meluangkan waktu dan pikiran dalam
pengisian kuesioner penelitian ini sehingga penelitian ini dapat berjalan dengan
semestinya dan laporan skripsi ini dapat selesai.
18. Semua pihak yang terlibat dalam proses penulisan penelitian ini yang tidak
dapat disebutkan satu per satu namun tidak mengurangi rasa hormat dan terima
kasih dari peneliti.
Saat penyusunan skripsi ini, peneliti menyadari bahwa masih banyak
kekurangan karena terbatasnya ilmu pengetahuan maupun wawasan yang dimiliki
peneliti dan memohon maaf atas segala kekurangan serta tidak menolak segala
kritik dan saran bagi penulis melaui email snaza.rayani15@mhs.uinjkt.ac.id.
Akhir kata, peneliti berharap agar skripsi ini dapat bermanfaat bagi peneliti dan
semua yang membaca.
Jakarta, September 2021
Siti Naza Rayani

11150930000042
x
xi
DAFTAR ISI
LEMBAR PENGESAHAN ................................................................................. iv
LEMBAR PENGESAHAN UJIAN ......................................................................v
LEMBAR PERNYATAAN ................................................................................. vi
ABSTRAK ........................................................................................................... vii
KATA PENGANTAR ........................................................................................ viii
DAFTAR ISI......................................................................................................... xi
DAFTAR GAMBAR .......................................................................................... xvi
DAFTAR TABEL .............................................................................................. xxi
DAFTAR SINGKATAN .................................................................................. xxiii
BAB 1 PENDAHULUAN ......................................................................................1
1.1 Latar Belakang ..........................................................................................1
1.2 Identifikasi Masalah ................................................................................15
1.3 Rumusan Masalah ...................................................................................15
1.4 Batasan Masalah ......................................................................................16
1.5 Tujuan Penelitian.....................................................................................17
1.6 Manfaat Penelitian...................................................................................18
1.7 Metodologi Penelitian .............................................................................18
1.8 Model Penelitian .....................................................................................20
xi
1.9 Sistematika Penulisan ..............................................................................22
BAB 2 TINJAUAN PUSTAKA...........................................................................29
2.1 Konsep Dasar Pengukuran ......................................................................28
2.2 Konsep Dasar Keberhasilan Sistem ........................................................29
2.3 Model Keberhasilan Sistem Informasi ....................................................30
2.3.1 Model Theory of Reasoned Action (TRA)................................... 30
2.3.2 Model Theory of Planned Behaviour (TPB) ............................... 31
2.3.3 Technology Acceptance Model (TAM) ....................................... 32
2.3.4 Model HOT-Fit ............................................................................ 35
2.4 Model Delone & McLean .......................................................................36
2.4.1 System Quality (SYSQ) ............................................................... 39
2.4.2 Information Quality (INFQ) ........................................................ 40
2.4.3 Service Quality (SERQ) .............................................................. 41
2.4.4 Use (USE) .................................................................................... 42
2.4.5 User Satisfaction (US) ................................................................. 43
2.5 Model Task-Technology Fit (TTF) .........................................................44
2.5.1 Task Characteristics (TASC) ......................................................... 46
2.5.2 Technology Characteristics (TECC) .............................................. 47
2.6 Definisi Individual Performance (IP) .....................................................47
2.7 Variabel Moderasi (Moderating) ............................................................49
2.8 Financial Technology (FinTech) .............................................................51
xii
2.9 Penelitian Kuantitatif...............................................................................52
2.10 Populasi dan Sampel ...............................................................................53
2.10.1 Definisi Populasi ......................................................................... 53
2.10.2 Definisi Sampel ........................................................................... 54
2.10.3 Jenis-Jenis Sampel ....................................................................... 54
2.11 Structural Equation Modeling (SEM) .....................................................58
2.11.1 Karakteristik SEM ....................................................................... 59
2.11.2 Kelebihan SEM ........................................................................... 60
2.11.3 Kekurangan SEM ........................................................................ 61
2.12 Partial Least Square (PLS) .....................................................................61
2.13 SmartPLS ................................................................................................67
2.14 Penelitian Sejenis ....................................................................................69
BAB 3 METODOLOGI PENELITIAN .............................................................73
3.1 Pendekatan Penelitian .............................................................................73
3.2 Populasi dan Penetuan Sampel Penelitian ...............................................74
3.3 Metode Pengumpulan Data .....................................................................74
3.3.1 Observasi ..................................................................................... 74
3.3.2 Survei ........................................................................................... 75
3.3.3 Kajian Pustaka ............................................................................. 76
3.4 Metode Analisis Data ..............................................................................77
3.4.1 Penggunaan Model dan Hipotesis Penelitian .............................. 78
xiii
3.4.2 Indikator Penelitian ..................................................................... 92
3.4.3 Pembuatan Kuesioner .................................................................. 97
3.5 Skema Penelitian ...................................................................................103
BAB 4 HASIL DAN INTERPRETASI ............................................................106
4.1 Profil Objek Penelitian ..........................................................................106
4.1.1 Visi Flip ..................................................................................... 110
4.1.2 Misi Flip .................................................................................... 110
4.1.3 Layanan pada Flip ..................................................................... 110
4.2 Analisis Data Tes Awal (Pilot Study) ...................................................112
4.2.1 Hasil Analisis Demografi Pilot Study........................................ 113
4.2.2 Hasil Analisis Pengukuran Pilot Study ...................................... 114
4.3 Analisis Demografi ...............................................................................119
4.3.1 Hasil Analisis Demografi .......................................................... 120
4.3.2 Interpretasi dan Pembahasan Hasil Analisis Data Demografis . 120
4.4 Analisis Model Pengukuran (Outer Model/Measurement Model) ........129
4.4.1 Hasil Analisis Model Pengukuran (Outer Model/Measurement
Model).................................................................................................... 129
4.4.2 Interpretasi dan Pembahasan Hasil Analisis Model Pengukuran
(Outer Model/Measurement Model) ...................................................... 136
4.5 Analisis Model Struktural (Structural Model/Inner Model) .................140
4.5.1 Hasil Analisis Model Struktural (Structural Model/Inner
Model)…................................................................................................ 140
xiv
4.5.2 Interpretasi dan Pembahasan Hasil Analisis Model Struktural
(Structural Model/Inner Model) ............................................................ 150
4.6 Perbandingan Penelitian dengan Penelitian Sebelumnya......................176
4.7 Implikasi dan Limitasi Penelitian ..........................................................177
4.7.1 Implikasi Teoritis....................................................................... 177
4.7.2 Implikasi Praktis ........................................................................ 178
4.7.3 Limitasi Penelitian ..................................................................... 179
BAB 5 PENUTUP ..............................................................................................181
5.1 Kesimpulan............................................................................................181
5.2 Saran ......................................................................................................182
DAFTAR PUSTAKA .........................................................................................184
LAMPIRAN....................................................................................................... xxii
xv
DAFTAR GAMBAR
Gambar 1.1 Persentase Kepemelikan Rekening Penduduk Dewasa di Indonesia
Tahun 2011-2019 (Menko Perekonomian, 2018) .. Error! Bookmark not defined.
Gambar 1.2 Proses kerja FLIP (Flip Corporation, 2020) ...................................... 4
Gambar 1.3 Model Penelitian yang Diusulkan ................................................... 22
Gambar 2.1 Model Theory Reasoned Action (Ajzen & Fishbein, 1980) ............ 31
Gambar 2.2 Model Theory of Planned Behaviour (Ajzen, 1991) ...................... 32
Gambar 2.3 Model Technology Acceptance Model (Davis, 1985) ..................... 33
Gambar 2.4 Model End-User Computing Satisfaction (Doll & Torkzadeh, 1988)
............................................................................................................................... 34
Gambar 2.5 Model HOT-Fit (Yusof et al., 2008) ............................................... 36
Gambar 2.6 Model Keberhasilan Sistem Informasi D&M (DeLone & McLean,
1992) ..................................................................................................................... 37
Gambar 2.7 Model Keberhasilan Sistem Informasi D&M (Delone & McLean,
2003) ..................................................................................................................... 39
Gambar 2 8 Model Task-Technology Fit (Goodhue & Thompson, 1995). ......... 45
Gambar 2.9 Diagram Ranah Penelitian Sejenis .................................................. 72
Gambar 3.1 Model Delone & McLean Tahun 2003 Jalur User Satisfaction to
Intention to Use ..................................................................................................... 79
Gambar 3.2 Model Penelitian Usulan ................................................................. 80
Gambar 3.3 Contoh screenshot profil akun Flip ................................................. 98
Gambar 3.4 Skema Penelitian ........................................................................... 105
xvi
Gambar 4.1 Logo Flip ....................................................................................... 110
Gambar 4.2 Diagram Kategori Gender Responden........................................... 121
Gambar 4.3 Diagram Kategori Usia Responden ............................................... 122
Gambar 4.4 Diagram Kategori Pendidikan Terakhir Responden...................... 123
Gambar 4.5 Diagram Kategori Pekerjaan Responden....................................... 124
Gambar 4.6 Diagram Kategori Wilayah Tinggal Responden ........................... 125
Gambar 4.7 Diagram Kategori Pendapatan per Bulan Responden ................... 125
Gambar 4.8 Diagram Rentang Waktu Penggunaan Internet Responden .......... 126
Gambar 4.9 Diagram Rentang Penggunaan Flip Responden ............................ 127
Gambar 4.10 Diagram Jenis Layanan yang Sering Digunakan Responden ...... 128
Gambar 4.11 Hasil Uji Path Coefficient ........................................................... 141
Gambar 4.12 Hasil Pengujian t-test pada SmartPLS ......................................... 144
Gambar 4.13 Hasil t-test pada SmartPLS Hipotesis System Quality Terhadap Task-
Technology Fit .................................................................................................... 150
Gambar 4.14 Hasil Path Coefficient pada SmartPLS Hipotesis System Quality
Terhadap Task-Technology Fit ........................................................................... 150
Gambar 4.15 Hasil t-test pada SmartPLS Hipotesis System Quality Terhadap Use
............................................................................................................................. 151
Gambar 4.16 Hasil Path Coefficient pada SmartPLS Hipotesis System Quality
Terhadap Use ...................................................................................................... 151
Gambar 4.17 Hasil t-test pada SmartPLS Hipotesis System Quality Terhadap User
Satisfaction .......................................................................................................... 152
xvii
Gambar 4.18 Hasil Path Coefficient Pada SmartPLS Hipotesis System Quality
Terhadap User Satisfaction ................................................................................. 153
Gambar 4.19 Hasil t-test pada SmartPLS Hipotesis Information Quality Terhadap
Task-Technology Fit ........................................................................................... 154
Gambar 4.20 Hasil Path Coefficient pada SmartPLS Hipotesis Information Quality
Gambar 4.21 Hasil t-test Pada SmartPLS Hipotesis Information Quality Terhadap
Use ...................................................................................................................... 155
Gambar 4.22 Hasil Path Coefficient Pada SmartPLS Hipotesis Information Quality
Terhadap Use ...................................................................................................... 155
Gambar 4.23 Hasil t-test Pada SmartPLS Hipotesis Information Quality Terhadap
User Satisfaction ................................................................................................. 156
Gambar 4.24 Hasil Path Coefficient Pada SmartPLS Hipotesis Information Quality
Gambar 4.25 Hasil t-test Pada SmartPLS Hipotesis Service Quality Terhadap
Gambar 4.26 Hasil Path Coefficient Pada SmartPLS Hipotesis Service Quality
Gambar 4.27 Hasil t-test Pada SmartPLS Hiptesis Service Quality Terhadap Use
............................................................................................................................. 160
Terhadap Use ...................................................................................................... 160
xviii
Gambar 4.29 Hasil t-test Pada SmartPLS Hipotesis Service Quality Terhadap User
Satisfaction .......................................................................................................... 161
Gambar 4.31 Hasil t-test Pada SmartPLS Hipotesis Use Terhadap User
Satisfaction .......................................................................................................... 162
Gambar 4.32 Hasil Path Coefficient Pada SmartPLS Hipotesis Use Terhadap User
Satisfaction .......................................................................................................... 163
Gambar 4.33 Hasil t-test Pada SmartPLS Hipotesis Use Terhadap Individual
Performance ........................................................................................................ 164
Gambar 4.34 Hasil Path Coefficient Pada SmartPLS Hipotesis Use Terhadap
Individual Performance ...................................................................................... 164
Gambar 4.35 Hasil t-test Pada SmartPLS Hipotesis User Satisfaction Terhadap
Individual Performance ...................................................................................... 166
Gambar 4.36 Hasil Path Coefficient Pada SmartPLS Hipotesis User Satisaction
Terhadap Individual Performance ...................................................................... 166
Gambar 4.37 Hasil t-test Pada SmartPLS Hipotesis Task Characteristics Terhadap
Gambar 4.38 Hasil Path Coefficient Pada SmartPLS Hipotesis Task
Characteristics Terhadap Task-Technology Fit.................................................. 168
Gambar 4.39 Hasil t-test Pada SmartPLS Hipotesis Technology Characteristics
xix
Gambar 4.40 Hasil Path Coefficient Pada SmartPLS Hipotesis Technology
Characteristics Terhadap Task-Technology Fit.................................................. 169
Gambar 4.41 Hasil t-test Pada SmartPLS Hipotesisi Task-Technology Fit
Terhadap Use ...................................................................................................... 170
Gambar 4.42 Hasil Path Coefficient Pada SmartPLS Hipotesis Task-Technology
Fit Terhadap Use................................................................................................. 171
Gambar 4.43 Hasil t-test Pada SmartPLS Hipotesis Task-Technology Fit Terhadap
Individual Perfromance ...................................................................................... 171
Gambar 4.44 Hasil Path Coefficient Pada SmartPLS Hipotesis Task-Technology
Fit Terhadap Individual Performance ................................................................ 172
Gambar 4.45 Hasil t-test Pada SmartPLS Hipotesis TTF akan memoderasi efek
dari penggunaan terhadap kinerja individu, sehingga efeknya akan lebih kuat di
antara pengguna dengan TTF tinggi ................................................................... 173
Gambar 4.46 Hasil Path Coefficient Pada SmartPLS Hipotesis TTF akan
memoderasi efek dari penggunaan terhadap kinerja individu, sehingga efeknya
akan lebih kuat di antara pengguna dengan TTF tinggi ...................................... 173
Gambar 4.47 Hasil t-test Pada SmartPLS Hipotesis TTF akan memoderasi efek
dari kepuasan pengguna terhadap kinerja individu, sehingga efeknya akan lebih
lemah di antara pengguna dengan TTF tinggi .................................................... 175
Gambar 4.48 Hasil Path Coefficient Pada SmartPLS Hipotesis TTF akan
memoderasi efek dari kepuasan pengguna terhadap kinerja individu, sehingga
efeknya akan lebih lemah di antara pengguna dengan TTF tinggi ..................... 175
xx
DAFTAR TABEL
Tabel 1.1 Ulasan Kritik pada Flip .......................................................................... 5
Tabel 1.2 Perbandingan Jumlah Engagement Flip dengan Aplikasi Sejenis ......... 8
Tabel 1.3 Testimoni Pengguna Flip ..................................................................... 10
Tabel 2.1 Item-Item pengukuran dari variabel System Quality ............................ 40
Tabel 2.2 Item-Item pengukuran dari variabel Information Quality .................... 41
Tabel 2.3 Item-Item pengukuran dari variabel Service Quality ........................... 42
Tabel 2.4 Item-Item pengukuran dari variabel Use.............................................. 42
Tabel 2.5 Item-Item pengukuran dari variabel User Satisfaction ........................ 44
Tabel 2.6 Item-Item pengukuran dari variabel Individual Performance.............. 49
Tabel 2.7 Klasifikasi Variabel Moderasi.............................................................. 51
Tabel 3.1 Arti Dalam Setiap Tingkatan Skala Likert ........................................... 76
Tabel 3.2 Daftar Indikator yang Digunakan berdasarkan dari Setiap Variabel ... 94
Tabel 3.3 Daftar Pertanyaan Terkait Profil Responden ....................................... 98
Tabel 3.4 Daftar Pertanyaan Data Umum ............................................................ 99
Tabel 3.5 Keterangan dalam Singkatan Nilai pada Kuesioner........................... 100
Tabel 3.6 Daftar Pertanyaan bagian Pengujian Keberhasilan Flip..................... 100
Tabel 4.1 Hasil Analisis Demografi Pilot Study ................................................ 113
Tabel 4.2 Nilai Outer Loading Pilot Study ....................................................... 114
Tabel 4.3 Nilai Composite Reliability Pilot Study ............................................. 116
Tabel 4.4 Nilai Average Variance Extracted Pilot Study .................................. 116
Tabel 4.5 Nilai Fornell-Larcker Criteria Pilot Study ........................................ 117
xxi
Tabel 4.6 Demografi Data Responden ............................................................... 119
Tabel 4.7 Hasil Outer Loading yang Sudah Valid ............................................. 130
Tabel 4.8 Hasil Composite Reliability............................................................... 131
Tabel 4.9 Nilai Average Variance Extracted (AVE) ........................................ 132
Tabel 4.10 Nilai Cross Loading ......................................................................... 133
Tabel 4.11 Hasil Nilai Fornell-Larcker Criterion ............................................. 135
Tabel 4.12 Ringkasan Hasil Analisis Model Pengukuran (Measurement
Model/Outer Model) ........................................................................................... 138
Tabel 4.13 Nilai Pengujian Path Coefficientt (β) ............................................... 140
Tabel 4.14 Hasil Coefficient of Determination .................................................. 142
Tabel 4.15 Hasil Pengujian t-test ....................................................................... 143
Tabel 4.16 Hasil Pengujian Effect Size (f2) ........................................................ 145
Tabel 4.17 Hasil Pengujian Predictive Relevance ............................................. 145
Tabel 4.18 Hasil Uji Relative Impact ................................................................. 146
Tabel 4.19 Keseluruhan Hasil Analisis Model Struktural (Structural Model/Inner
Model) ................................................................................................................. 148
xxii
DAFTAR SINGKATAN
Singkatan Keterangan
AVE Average Variance Extracted
BCA Bank Central Asia
BI Bank Indonesia
BNI Bank Negara Indonesia
BPS Badan Pusat Statistika
BRI Bank Rakyat Indonesia
BTPN Bank Tabungan Pensiunan Nasional
CIMB Commerce International Merchant Bankers
CR Composite Reliability
CS Customer Service
DBS Development Bank of Singapore
D3 Diploma 3
D&M Delone & McLean
ECM Expectation Confirmation Model
FC Facilitating Conditions
EUCS End-User Computing Satisfaction
FinTech Financial Technology
Global System for Mobile Communications
GSMA
Association
HOT-Fit Human, Organization, Technology Fit
IDT Innovation Diffusion Theory
IND Indikator
INFQ Information Quality
IP Individual Performance
JABODETABEK Jakarta, Bogor, Depok, Tangerang, Bekasi
OJK Otoritas Jasa Keuangan
OL Outer Loading
OTP One Time Password
PE Performance Expectacy
PLS Partial Least Square
PPOB Paympent Point Online Bank
PR Predictive Relevance
Rp Rupiah
SDT Self-Determination Theory
SEM Structural Equation Modeling
SERQ Service Quality
SI Sistem Informasi
SMA Sekolah Menengah Atas
SMK Sekolah Menengah Kejuruan
SYSQ System Quality
xxiii
S1,S2,S3 Strata 1,2,3
TASC Task Characteristics
TAM Technology Acceptance Model
TB Tidak Berpengaruh
TCT Technology Continuance Theory
TECC Technology Characteristics
TPB Theory of Planned Behaviour
TRA Theory of Reasoned Action
TTF Task-Technology Fit
UI Usage Intentions
Unified Theory of Acceptance and Use of The
UTAUT
Technology
US User Satisfaction
VAR Variabel
xxiv
xxv
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Perkembangan Teknologi Informasi telah memacu cara baru bagi organisasi
dalam menjalan bisnis. Kemunculan FinTech telah menyita perhatian dari banyak
pihak dalam semua tingkatan level individu maupun organisasi di Indonesia.
Menurut Financial Stability Board (2019), FinTech adalah istilah yang mengacu
pada pengembangan produk atau proses baru yang terkait dengan industri jasa
keuangan. Menurut Griffoli (2017) kegiatan layanan industri jasa keuangan
berkaitan dengan pembayaran berbasis mobile (lembaga bank atau lembaga
keuangan non-bank), dompet elektronik (digital wallet), mata uang digital (digital
currencies) dan penggunaan teknologi buku besar terdistribusi (distributed ledger
technology) untuk infrastruktur pembayaran. Layanan yang disebutkan sebelumnya
sudah diterapkan di Indonesia salah satunya aktivitas pembayaran mobile.
Kehadiran layanan bank secara digital sudah diakui oleh masyarakat dinilai lebih
praktis tanpa adanya batasan apapun.
Menurut Delone & McLean (2016), penelitian keberhasilan Sistem Informasi
(SI) mengevaluasi penciptaan, distribusi, dan penggunaan informasi melalui
teknologi yang efektif. Sistem informasi akan dievaluasi berdasarkan kontribusinya
terhadap realisasi visi dan misi dari organisasi. Pandangan keberhasilan SI yang
diperluas, harus membantu organisasi mengidentifikasi seberapa baik sistem
1
informasi mendukung dan mempengaruhi mereka secara positif dari strategi bisnis
atau misi organisasi, serta kebutuhan dan kepentingan pengguna. Adanya
pengukuran keberhasilan sistem informasi tentu menjadi sebuah acuan bagaimana
pengguna bereaksi terhadap layanan atau fitur yang ditawarkan sehingga
keberhasilan suatu sistem dapat digunakan untuk meningkatkan efisiensi
perusahaan dan memperoleh keunggulan kompetitif pada suatu perusahaan.
Menurut Delone & McLean (2016), Gable & Sedera, (2004), Petter et al.
(2008) model Delone & McLean adalah sebuah kerangka kerja yang dapat
memahami dimensi kunci keberhasilan dan keterkaitannya untuk menciptakan
ukuran kesuksesan pada Teknologi Informasi yang komprehensif serta dapat
direplikasi. Setelah dipublikasi pada tahun 1992, telah terbukti digunakan secara
global dan dikutip banyak peneliti sebanyak 8000 kutipan berdasarkan Google
Scholar seperti digunakan dala penelitian Sharma & Sharma (2019), Rahi & Ghani
(2019), Lin et al. (2019), Angelina et al. (2019), Tam et al. (2019), Aldholay et al.
(2018), Alzahrani et al. (2019), Hamid & Ikbal (2017), dan Tam & Oliveira (2016).
Model Delone & McLean (D&M) dapat menjelaskan mengenai faktor-faktor yang
mempengaruhi keberhasilan sistem dengan konstruksinya terdiri dari system
quality, information quality, service quality, use, user satifsfaction, dan net benefits.
Seiring berjalannya waktu dan pengembangan penelitian model Delone & McLean,
salah satunya adanya bisa dihubungkan dengan model keberhasilan sistem lainnya
yaitu TTF. Menurut Goodhue & Thompson (1995), model TTF difokuskan pada
kesesuaian antara kesesuian tugas pengguna dan fungsionalitas teknologi.
2
Penelitian dengan model ini telah dilakukan juga dalam penelitian Lin et al.
(2019), Wang & Lin (2019), Rahi et al. (2020), Cheng (2019), dan Tam & Oliveira
(2016) yang digunakan untuk menyelidiki bagaimana kedua komponen ini yaitu:
karakteristik tugas dan karakteristik teknologi mempengaruhi persepsi pengguna
tentang kesesuaian teknologi dan niat mereka untuk menggunakannya terus
menerus.
Pastinya kita pernah melakukan transfer uang ke bank yang berbeda karena
keragaman bank yang beroperasi di Indonesia sangat banyak. Kegiatan transfer
antar bank pastinya terdapat biaya admin yang dibebankan kepada nasabah. Flip
hadir dengan ide berlandaskan dari pengalaman Ari sang founder Flip dimana saat
mereka masih menjadi mahasiswa merasa sangatlah rugi membayar beban biaya
admin sebesar Rp 6.500 untuk keperluan membayar utang yang nominalnya sedikit
tapi karena ada biaya admin tersebut dirasa menjadi nominal yang banyak.
Flip adalah aplikasi dengan jenis financial technology (FinTech) berbasis web
dan mobile (Android dan iOS) untuk melakukan transfer antar bank tanpa admin
dari bank dilansir dari Flip Corporation. Melalui Flip, pengirim melakukan transfer
terlebih dahulu ke rekening Flip dengan bank yang sama dengan bank pengirim.
Lalu, Flip akan meneruskan uang pengirim ke rekening tujuan. Proses transfer
dilakukan dengan menggunakan sistem bank, sehingga uang pengguna aman
sampai ke rekening tujuan. Kegiatan dalam Flip sudah terdaftar secara legal dan
terlisensi oleh Bank Indonesia dengan nomor izin 18/196/DKSP/68 tentang
perizinan penyelenggara dan pendukung jasa sistem pembayaran dan pastinya
diawasi oleh Bank Indonesia.
3
Gambar 1.1 Proses kerja FLIP (Flip Corporation, 2020)
Berjalan dari tahun 2016 sampai 2020, tentunya Flip menghadapi berbagai
rintangan serta tantangan tantangan baru dalam memberikan layanan yang
ditawarkan pasca adopsi Flip diluncurkan untuk digunakan oleh banyak pengguna.
Dilansir dari media sosial Instagram Flip, keluhan yang sering diajukan dari
pengguna yaitu: kesalahan pengguna dalam melakukan transfer dengan tidak
memakai kode unik, nominal yang ditransfer melebihi atau kurang dari seharusnya,
mentransfer lebih dari sekali ke rekening flip, dan lupa klik “saya sudah transfer”.
Berikut beberapa contoh kritikan/keluhan dari pengguna yang dipilih berdasarkan
kelompok “paling relevan” atau banyak yang dialami oleh pengguna pada Flip dari
pengguna Android dan iOS dilihat dari ulasan pada Google Play Store dan App
Store.
4
Tabel 1.1 Ulasan Kritik pada Flip
No. Nama Pengguna Platform Penilaian Keterangan
Maulida Purnama
Transaksi tidak ditemukan. Pengguna sudah memberikan bukti transfer tetapi
1. Penilaian diunggah pada Google Play Store 1/5 bintang
transaksi tetap tidak ditemukan. Melapor via email tidak ada respons.
13 Desember 2020
Zahra 19
2. Penilaian diunggah pada Google Play Store 1/5 bintang Proses refund sangat lama. Melapor via telepon tidak diangkat.
2 Februari 2021
Aplikasi terotomatis ter logout setelah 7 hari tidak diakses dan pengguna merasa itu
Ganesha Pradana99
sangat menyulitkan dan saat ingin akses kembali harus menggunakan kata sandi
dimana menurut pengguna lebih baik lagi untuk menggunakan kode verifikasi dari
5 November 2020
nomor telepon yang sudah didaftarkan.
Cristine Sitinjak
4. Penilaian diunggah pada Google Play Store 1/5 bintang Merasa tidak nyaman dengan sistem flip yang dinilai tidak praktis.
20 Januari 2021
Den Siwell
Pengguna merasa tidak nyaman karena saat mengecek nomor rekening tujuan tidak
muncul.
1 Desember 2020
Aisyah Cute
6. Penilaian diunggah pada Google Play Store 1/5 bintang Terlalu lama menunggu transaksi berhasil.
14 Januari 2021
Creative ART Design
Jayapura Group Pengguna merasa proses dari transaksi dirasa lambat dan respons keluhan dari
7. Google Play Store 1/5 bintang
Penilaian diunggah pada pengguna tidak diperhatikan oleh Flip
6 September 2020
Maria Ulfa Kesulitan untuk mengembalikan uang karena transaksi gagal setelah pengguna tidak
8. Penilaian diunggah pada Google Play Store 1/5 bintang memasukan kode unik untuk transfer pada aplikasi Flip, dimana saldo pengguna
17 Oktober 2020 sudah berkurang
Sara diva
Terlalu lama menunggu proses agar transaksi berhasil dan respons customer service
dirasa lama.
13 Desember 2020
5
Nita Komala Terlalu lama menunggu proses agar transaksi berhasil lalu pengguna memutuskan
10. Penilaian diunggah pada Google Play Store 1/5 bintang untuk refund dan prosesnya lama serta menghubungi via chat dan telepon tidak
28 Desember 2020 dibalas.
Fadila Yu
Terlalu lama menunggu proses agar transaksi berhasil dan pengguna merasa layanan
live chat pada Flip sangat buruk karena respons yang lama.
29 Desember 2020
Woro Handini
12. Penilaian diunggah pada Google Play Store 1/5 bintang Pengguna lupa password lalu bantuan pada Flip dirasa tidak diarahkan
21 Desember 2020
Gates 26 Terlalu lama menunggu proses agar transaksi berhasil karena ada gangguan dari
13. Penilaian diunggah pada Google Play Store 1/5 bintang bank, lalu pengguna memutuskan untuk melakukan refund dengan meminta bantuan
1 Januari 2021 via email tetapi pengguna merasa tidak terbantu. Melalui chat tidak ada balasan.
Tassiaamalia
Transaksi transfer di Flip gagal dan pengguna sudah mengirimkan bukti transfer
14. Penilaian diunggah pada App Store 1/5 bintang
tetapi transaksi tidak ditemukan
7 Oktober 2020
Dsyyyyyyyy
Pengguna lupa kode unik dan memutuskan untuk membatalkan transfer lalu
pengguna meminta untuk melakukan refund tetapi gagal
24 November 2020
Laviebunny
16. Penilaian diunggah pada App Store 1/5 bintang Layanan pada live chat sangat buruk
11 Desember 2020
Zahraalvirahma
Terlalu lama menunggu proses agar transaksi berhasil, telah menghubungi via chat
tidak dijawab.
13 Januari 2020
Cingulumdental
Transaksi lama, respons dari customer service via chat juga lama dan melalui telepon
pun sering sibuk.
30 Januari 2021
Aline_18
19. Penilaian diunggah pada App Store 1/5 bintang Proses refund lama.
2 Januari 2020
Tvndrn
20. Penilaian diunggah pada App Store 1/5 bintang Fitur live chat merespons dengan lambat serta transaksinya tidak berhasil.
1 Februari 2021
6
26tpb
Pengguna merasa tidak nyaman dengan adanya limit transaksi dan merasa proses
transaksi yang lambat.
2 Februari 2021
Dea71192253
Saat pengguna ingin membuat akun, email yang didaftarkan telah terdaftar
sebelumnya. Lalu tidak bisa merubah alamat email.
10 Februari 2021
Reflly Riansyach Kesan buruk pada penggunaan pertama. Transfer tidak terkirim dengan waktu yang
23. Penilaian diunggah pada App Store 1/5 bintang sangat lama. Menghubungi via chat dan email tidak dibalas dan melalui telepon
2 Februari 2020 ditolak.
Millynurul
24. Penilaian diunggah pada App Store 1/5 bintang Pengguna merasa pelayanan nya sangat buruk dan tidak menerima bukti transfer.
2 Februari 2020
Azsdrd Terlalu lama menunggu proses agar transaksi berhasil karena ada gangguan dari
25. Penilaian diunggah pada App Store 1/5 bintang bank, lalu pengguna memutuskan untuk melakukan refund tidak bisa juga karena ada
2 Februari 2020 gangguan dari bank. Meminta bantuan via chat lambat, via telepon tidak diangkat.
Dari hasil pengamatan peneliti dan data pada Tabel 1.1, berikut rangkuman permasalahan yang sering dialami oleh pengguna
saat menggunakan Flip, yaitu:
1. Jika terdapat masalah dari pihak bank otomatis layanan Flip juga terganggu yang berefek terjadinya kegagalan transaksi.
2. Belum sepenuhnya mendukung untuk layanan transfer ke virtual account (hanya BNI & BRI).
3. Resiko yang dihadapi pengguna untuk verifikasi hasil transfer karena hanya dibedakan dengan kode unik yang tertera di nominal
transfer ke Flip.
7
4. Salah persepsi mengenai konsep layanan yang ditawarkan Flip.
5. Jam operasional terbatas.
6. Dianggap tidak efisien dari segi waktu karena menunggu waktu
pemrosesan.
7. Tidak adanya mutasi kode unik yang masuk di saldo flip.
8. Saat pengguna tidak mengkonfirmasi pembayaran lewat aplikasi,
pembayaran dibatalkan (kode unik pada nominal transfer seharusnya sudah
bisa menjadi bukti verifikasi).
9. Jika terjadi kendala, respons customer service via live chat, email, dan
telepon dianggap buruk.
Berdasarkan data yang diperoleh dari similarweb.com untuk mengetahui jumlah
unduh dan engagement seperti unique user per hari nya dalam periode April sampai
dengan September 2020, Flip dinilai lebih rendah dibandingkan dengan pesaing-
pesaingnya ataupun aplikasi lain yang menyerupai seperti mobile banking dan e-
wallet.
Tabel 1.2 Perbandingan Jumlah Engagement Flip dengan Aplikasi Sejenis

Jumlah Unduh (April- Unique User
No Aplikasi Install
September 2020) (per hari)
1 FLIP 1.2 Juta 32 Ribu 1.42%
2 DANA 1.3 Juta 448 Ribu 13.70%
3 OVO 1.7 Juta 840 Ribu 23.07%
4 GOJEK 2.6 Juta 2.2 Ribu 39.32%
5 LINKAJA 2.6 Juta 297 Ribu 10.00%
6 M-BCA 2.1 Juta 1,6 Juta 17.68%
7 MANDIRI ONLINE 743 Ribu 790 Ribu 9.34%
BNI MOBILE
8 692 Ribu 467 Ribu 7.12%
BANKING
9 BRIMO BRI 862 Ribu 185 Ribu 3.79%
10 JENIUS 288 Ribu 73 Ribu 2.40%
Berdasarkan data pada Tabel 1.2, peneliti menginterpretasikan bahwa Flip masih
8
mengalami kendala dari faktor penggunanya dan sedikit terdapat masalah teknis
yang perlu diatasi sehingga ke depannya bisa menjadi peningkatan dari sisi
pengguna yaitu: mengerti kerja dari sistem yang telah disediakan oleh Flip.
Peningkatan dari segi sistem agar pengguna yang enggan menggunakan Flip dapat
merasakan manfaat jika menggunakan aplikasi tersebut dan pengguna yang tidak
ingin meneruskan kembali menggunakan aplikasi Flip dapat merasakan nyaman
menggunakan Flip kembali. Meskipun Flip memiliki engagement yang masih kecil,
tetapi Flip berusaha untuk meningkatkan pelayanannya. Oleh karena itu, peneliti
melakukan 9urvey dengan kuesioner open-ended answer yang disebarkan secara
online yang ditujukan pengguna Flip. Kuesioner disebar mulai dari tanggal 15
Februari 2021 sampai dengan 22 Februari 2021. Responden menjawab beberapa
pertanyaan seputar pengalaman pengguna menggunakan Flip serta harapan
peningkatan untuk Flip. Berikut adalah hasil dari 9urvey yang ditunjukkan pada
Tabel 1.3.
Dari data pada Tabel 1.3, peneliti dapat menginterpretasikan bahwa Flip sudah
melakukan usaha peningkatan untuk memberikan pelayanan yang terbaik dengan
adanya peningkatan dari segi sistem seperti:
1. Penambahan fitur top up e-wallet, pembelian pulsa & listrik.
2. Daftar riwayat (history) transaksi.
3. Countdown waktu proses transfer maksimal 10 menit.
4. Peningkatan dari user experience user interface sehingga lebih user friendly
untuk digunakan.
5. Peningkatan pada proses verifikasi data.
9
Tabel 1.3 Testimoni Pengguna Flip
Peningkatan seperti apa yang
Bagaimana respons pihak
Kendala yang dialami saat diharapkan oleh pengguna, apakah
No. Nama Peningkatan yang dirasakan Flip dalam mengatasi
menggunakan Flip Anda merasa nyaman dan terbantu
masalah
dalam menggunakan Flip
Respons yang dirasakan Peningkatan terhadap sisi pelayanan
Penambahan fitur yaitu adanya Pernah mengalami kendala saat lambat dan penjelasan terlebih lagi saat terjadi gangguan transaksi
1. Elma
top up e-wallet menggunakan Flip yang diberikan dirasa lain seperti: pembelian pulsa/paket data,
kurang memberikan solusi pembelian token listrik dan top up e-wallet
Langsung di proses dari
Peningkatan dari segi User Saat countdown pada proses
Flip keesokan harinya dan
Adli Experience, sudah lebih user transfer sudah menunjukkan Peningkatan pada waktu layanan proses
2. saat melakukan transfer
Muhammad friendly saat memasukkan 00:00 menit, transaksi belum transfer yang lebih fleksibel
kembali proses berjalan
rekening tujuan untuk transfer berhasil.
dengan normal
Peningkatan pada waktu layanan proses
Cukup jelas dengan adanya
Penambahan daftar bank yang Pernah mengalami kendala saat transfer yang lebih fleksibel dan
3. Rizqi informasi yang dibutuhkan
bisa melakukan transfer menggunakan Flip penambahan varian bank yang dapat
pada situs website Flip
didukung oleh Flip
Peningkatan dari user
interface dan user experience
sehingga dirasa lebih user
friendly untuk digunakan.
Chandra Belum ada kendala yang dialami Belum pernah berinteraksi Peningkatan pada waktu layanan proses
4. Terdapat batas maksimal
Syahputra saat menggunakan Flip dengan customer service transfer yang lebih fleksibel
countdown waktu untuk proses
transfer yaitu 10 menit.
Terdapat info akumulasi saldo
dari kode unik saat transfer.
Peningkatan dari sisi user
Tidak bisa ganti kata sandi pada
interface. Terdapat fitur Respons yang dirasakan
akun Flip karena sistem nya Penambahan varian bank yang dapat
5. Khairunnisa pembelian pulsa pada aplikasi cukup cepat serta instruksi
pada saat itu mengalami didukung oleh Flip
serta penambahan layanan yang diberikan jelas.
gangguan
transfer uang ke luar negeri
10
Instruksi yang diberikan
Peningkatan terhadap proses Beberapa transaksi transfer Penambahan varian bank yang dapat
6. Bahni Luvian cukup jelas dan mudah
verifikasi data sistem meminta bukti transfer didukung oleh Flip khususnya Bank DKI
dipahami
Penambahan varian bank yang dapat
didukung oleh Flip. Sering diadakannya
Penambahan daftar bank yang Belum ada kendala yang dialami Belum pernah berinteraksi
7. Ines giveaway untuk pengguna Flip dan saldo
bisa didukung oleh Flip saat menggunakan Flip dengan customer service
dari kode unik bisa digunakan untuk
transfer
Fitur dan pelayanan yang
tersedia sudah cukup
membantu meringankan beban Pernah mengalami kendala saat Respons yang diberikan Penambahan varian bank yang dapat
8. Ayu Ainun
biaya admin yang harusnya menggunakan Flip sangat responsive didukung oleh Flip
dibayarkan jika tidak
menggunakan Flip
Peningkatan pada proses login akun karena
Peningkatan pada Belum ada kendala yang dialami Belum pernah berinteraksi sering adanya timeout otomatis akun
9. Sultan rafi
responsibility sistem saat menggunakan Flip dengan customer service terlogout dan saat ingin login kembali
sering lupa dengan kata sandi.
Adanya fitur daftar riwayat Penambahan fitur fingerprint
Salim Belum ada kendala yang dialami Belum pernah berinteraksi
10. (history) transaksi pada authentication untuk mempermudah proses
Satriajati saat menggunakan Flip dengan customer service
halaman awal login kembali
Peningkatan dari segi sistem
Belum ada kendala yang dialami Belum pernah berinteraksi Peningkatan dari sisi keamanan yaitu
11. Nadin dan jam pelayanan yang
saat menggunakan Flip dengan customer service adanya otp untuk setiap proses transfer
diperpanjang
layanan untuk transfer ke rekening BCA
Penambahan daftar bank yang Proses transfer dengan tujuan Belum pernah berinteraksi
12. Iqbal Hadi perlu ditambah agar antrian (queue) tidak
bisa didukung oleh Flip bank BCA sangat lama dengan customer service
terlalu banyak
Waktu proses transfer yang
sudah tidak lama seperti Penambahan batas maksimal transfer
sebelumnya. Kemudahan Proses transfer gagal dan Respons yang diterima (maks 5 juta rupiah). Kolom “upload bukti
13. Agista
proses transfer yaitu tidak transaksi tidak ditemukan cepat dan jelas transfer” agar dihilangkan jika tidak terlalu
wajib untuk melakukan dibutuhkan.
pengunggahan bukti transfer.
11
Penambahan daftar bank yang
bisa melakukan transfer
Fitur dan pelayanan yang
tersedia sudah cukup
membantu meringankan beban Customer Service dirasa Peningkatan terhadap waktu proses
14. Candra Proses saat verifikasi data lama
biaya admin yang seharusnya cukup membantu verifikasi data agar prosesnya cepat
dibayarkan jika tidak
menggunakan Flip
Waktu proses transfer yang Peningkatan terhadap waktu proses
Juli Prasetio Belum ada kendala yang dialami Belum pernah berinteraksi
15. sudah tidak lama seperti pengembalian dana jika terjadi kesalahan
Utomo saat menggunakan Flip dengan customer service
sebelumnya transfer
Peningkatan pada user
interface yang dinilai lebih Peningkatan pada proses transfer agar
Dadi Ilham Pernah mengalami proses Belum pernah berinteraksi
16. bagus. Penambahan layanan lebih cepat. Menambah fitur baru seperti
Setiadi transaksi yang dirasa cukup lama dengan customer service
pada pembelian pulsa dan gamification dan promo-promo lainnya
listrik
Waktu proses transfer yang Saat pembelian pulsa, transaksi
Ginanjar Respons dari customer Fitur dan pelayanan yang tersedia sudah
17. sudah tidak lama seperti gagal karena gangguan dari
Ramadhan service lambat cukup membantu sesuai dengan kebutuhan
sebelumnya pihak provider
sudah tidak lama seperti Proses transfer terhambat karena
Yoga Qodar Respons dari customer Fitur dan pelayanan yang tersedia sudah
18. sebelumnya. Penambahan lupa menambahkan kode unik
Falah service cepat dan ramah cukup membantu sesuai dengan kebutuhan
daftar bank (BTPN) yang bisa pada nominal transfer
didukung oleh Flip
Respons yang dirasakan
cukup cepat serta instruksi
Pernah mengalami kendala saat yang diberikan jelas Fitur dan pelayanan yang tersedia sudah
19. Nur afifah sudah tidak lama seperti
menggunakan Flip sehingga membantu cukup membantu sesuai dengan kebutuhan
sebelumnya
mengatasi kendala yang
dialami
12
6. Peningkatan pada responsibility sistem.
Dari sisi pelayanan seperti:
1. Kemudahan proses transfer yang tidak mewajibkan unggah bukti transfer.
2. Waktu proses transaksi yang lebih cepat dari sebelumnya.
3. Penambahan jam layanan transfer.
4. Penambahan daftar bank yang didukung oleh Flip.
5. Penambahan layanan transfer uang ke luar negeri.
6. Customer service yang memberikan respons dengan cepat serta instruksi
yang jelas serta sesuai dengan kebutuhan pengguna.
Dari sisi informasi yaitu: terdapat informasi akumulasi saldo dari kode unik.
Meskipun hal peningkatan yang dilakukan Flip untuk memberikan pelayanan yang
terbaik sudah diimplementasikan ke pengguna, tentunya ada beberapa hal yang
belum dirasakan oleh pengguna dengan bukti bahwasannya pengguna masih
mengalami kendala-kendala dalam menggunakan Flip seperti:
1. Mengalami waktu proses transaksi melebihi 10 menit.
2. Kegagalan transaksi dan tidak ditemukannya transaksi tersebut.
3. Kegagalan pembelian pulsa.
4. Proses transaksi terhambat karena pengguna lupa menambahkan kode unik.
5. Tidak bisa mengganti kata sandi pada akun Flip karena sistem pada saat itu
mengalami gangguan.
6. Beberapa transaksi transfer sistem meminta bukti transfer.
7. Beberapa pengguna mengalami waktu proses verifikasi data lama.
13
Dari penjelasan permasalahan yang dialami Flip, variabel system quality menjadi
faktor penting karena beberapa keluhan berasalkan dari beberapa kegagalan
transaksi serta gangguang gangguan dari sistem. Tidak adanya riwayat dari mutasi
kode unik yang masuk sebagai simpanan saldo pengguna menjadi kekurangan dari
informasi yang diberikan Flip oleh pengguna sehingga peneliti menggunakan
variabel information quality. Beberapa poin disebutkan mengenai kualitas layanan
seperti bank pendukung terbatas, respon yang kurang dari customer service, proses
transaksi yang membutuhkan waktu, kesulitan dalam melakukan verifikasi
transaksi menjadi faktor yang bisa mempengaruhi penggunaan dan kepuasan
pengguna. Maka dari itu peneliti menggunakan variabel service quality, use, dan
user satisfaction. Variabel-variabel pendukung dari model TTF yang dapat menilai
apakah antara sistem dan kegiatan dari pengguna sudah sesuai dan seleras sesuai
dengan keinginan dan yang dibutuhkan oleh pengguna. Dari variabel-variabel yang
digunakan dalam penelitian keberhasilan kinerja individual Flip ini dapat
menjelaskan bahwa mempertahankan pengguna sama berharganya dengan
memikirkan tentang niat pengadopsi potensial karena sesuai dalam Kumar &
Telang (2012) dengan menjaga kualitas layanan secara keseluruhan dan
meningkatkan kinerja individu serta kemungkinan potensi masalah dapat dimitigasi
bersama dengan keluhan pengguna dimana keluhan-keluhan saat menggunakan
sistem menjadi masalah dalam mempertahankan pengguna untuk menggunakan
Flip secara terus menerus. Dengan mengintegrasikan model D&M dan TTF, yang
saling melengkapi, pekerjaan empiris peneliti berusaha memahami pendorong
penggunaan, kepuasan pengguna, TTF, dan kinerja individu. Maka dari itu, peneliti
14
melakukan penelitian dengan judul “Pengukuran Keberhasilan dalam Kinerja
Individual Flip dengan Menggunakan Model Delone & McLean dan Efek
Moderasi Task-Technology Fit (TTF)”.
1.2 Identifikasi Masalah
Berdasarkan fakta-fakta yang dialami pada Flip seperti yang telah diuraikan
pada latar belakang, maka diketahui permasalahan tersebut mempengaruhi
keberhasilan terhadap Flip dimana permasalahan ini berkaitan dengan variable
yang digunakan dalam penelitian ini yaitu system quality, information quality,
service quality, use, user satisfaction, task characteristics, technology
characteristics, task-technology fit, dan individual performance. Berikut adalah
uraian dari permasalahan berikut:
1. Pengguna merasa kesulitan saat pemakaian awal Flip sehingga banyak yang
salah dalam penggunaan layanan sampai pada akhirnya memutuskan untuk
tidak menggunakan Flip.
2. Seringnya pengguna salah mengirimakn nominal transfer yang harus
dikirimkan karena pembeda transaksi dari suatu pengguna diwakilkan oleh
kode unik pada nominal tersebut sehingga transaksi menjadi lebih lama
diproses atau gagal dilakukan dan pengguna harus melakukan refund yang
pada akhirnya pengguna merasa tidak nyaman menggunakan Flip.
3. Pengguna merasakan tidak efisien dari segi waktu karena adanya waktu
pemrosesan yang bergantung dari banyaknya permintaan dari pengguna lain,
terlebih lagi pilihan bank yang didukung terbatas dan sistem transfer antar bank
15
sangat bergantung dengan keadaan dari bank sehingga jika sistem bank sedang
terganggu maka layanan tersebut juga tidak dapat digunakan.
4. Response yang diberikan Flip terhadap pengguna yang mengalami kesulitan
atau trouble dalam penggunaan Flip dianggap tidak cepat dan responsive
walaupun Flip sudah mneghadirkan fitur live chat.
5. Adanya timeout jika pengguna tidak mengakses Flip dalam jangka waktu lama
sehingga saat pengguna melakukan relogin banyak pengguna merasa kesulitan
dalam login karena Flip tidak menyediakan sistem login by otp.
6. Terdapat beberapa fitur yang belum tersedia untuk memenuhi kebutuhan
pengguna seperti mutasi dari kode unik, penambahan layanan bank yang
didukung, kegiatan transfer yang tidak bergantung hanya dengan kode unik,
dan peningkatan security sistem login menggunakan nomor telepon dan di
setiap transaksi menggunakan PIN atau password.
1.3 Rumusan Masalah
Dari identifkasi masalah di atas, rumusan penelitian ini adalah:
1. Bagaimana tingkat keberhasilan kinerja individual terhadap Flip?
2. Apa saja faktor-faktor yang mempengaruhi keberhasilan Flip dari sisi
pengguna sehingga Flip dapat mempertahankan pengguna lama dan menarik
pengguna baru?
1.4 Batasan Masalah
Ruang lingkup dalam penelitian ini dibatasi pada:
a. Model dalam penelitian ini mengimplementasikan integrasi model Delone &
Mclean dan TTF oleh Tam dan Oliveira (2016), dimana jika digabungkan
16
terdiri atas sembilan variabel yaitu: System Quality (SYSQ), Information
Quality (INFQ), Service Quality (SERQ), Task Characteristics (TASC),
Technology Characteristics (TECC), Task-Technology Fit (TTF), Use (USE),
User Satisfaction (US), dan Individual Performance (IP).
b. Metode pada penelitian ini menggunakan pendekatan experimental research
dengan mengumpulkan data untuk sampel dalam bentuk kuesioner khusus
untuk pengguna Flip.
c. Penentuan sampel dilakuakn dengan cara perhitungan dengan teori Hair et al.
(2017) dan teknik purposive sampling. Untuk keakuratan penilaian yang
dinilai oleh responden, kuesioner penelitian berbentuk close-ended answer
dengan pilihan jawaban memakai 5 (lima) level skala likert.
d. Responden mengisi kuesioner pada Google Forms sebagai tool pendukung
yang disebarkan secara tidak langsung atau melalui daring, dibantu via media
sosial seperti Whatsapp, Twitter, Instagram, Email dan media lainnya.
e. Data yang terkumpul dianalisis metode Partial Least Sqaure-Structural
Equation Model (PLS-SEM) yang dibantu tool SmartPLS Versi 3.3.3.
1.5 Tujuan Penelitian
Pada penelitian ini terdapat tujuan yang dibagi menjadi 2 yaitu tujuan umum
dan tujuan khusus. Mengukur sejauh mana tingkat keberhasilan penggunaan Flip
adalah tujuan umum dari penelitian ini, sedangkan tujuan khusus, sebagai berikut:
1. Mengetahui seberapa besar tingkat keberhasilan kinerja individual Flip pada
tahap pasca adopsi.
17
2. Menguji faktor-faktor apa yang mempengaruhi terhadap tingkat keberhasilan
Flip yang akan menjadi bahan untuk pengembangan sistem kedepannya
berdasarkan hasil penelitian keberhasilan sistem.
1.6 Manfaat Penelitian
Manfaat yang dihasilkan dari penelitian ini adalah sebagai berikut:
1. Pihak Flip.id dapat menggunakan hasi penelitian ini untuk melakukan
perbaikan serta pengembangan untuk meningkatkan pelayanan yang sesuai
dengan kebutuhan pengguna.
2. Dapat meningkatkan kualitas Flip secara fungsional dan operasional.
3. Menghasilkan saran dan rekomendasi untuk peneliti selanjutnya sebagai
referensi pengembangan model Delone & McLean dan TTF.
1.7 Metodologi Penelitian
Tahapan sistematis yang dilakukan peneliti dalam penelitian adalah sebagai
berikut:
1. Metode dalam Penelitian Pendahuluan
a. Kajian Literatur
Pada tahap ini adalah peneliti mengumpulkan informasi dari bahan-bahan
literatur terkait dengan topik penelitian. Setelah mengumpulkan, peneliti
mempelajari teori-teori dari bahan literatur yang didapatkan dari buku, jurnal,
serta situs web penyedia layanan lain yang sesuai dengan pembahasan
penelitian.
b. Observasi
18
Dilakukan dengan cara meninjau serta mengamati secara langsung dari
objek penelitian terkait yaitu Flip untuk mengumpulkan data serta informasi
untuk mendukung penelitian.
2. Identifikasi Masalah
Setelah melakukan studi pendahuluan dengan cara kajian pustaka dan
obeservasi, selanjutnya peneliti mengidentifikasi masalah pada topik penelitian
yang berkaitan dengan pengukuran keberhasilan sistem informasi pada Flip.
3. Penentuan Model dan Variabel Penelitian serta Sumber Pengumpulan Data
Peneliti menentukan model penelitian yang digunakan serta variabel-variabel
dari model keberhasilan sistem informasi yang sesuai dengan latar belakang pada
penelitian ini. Kemudian menentukan sumber data yang dibutuhkan seperti
populasi dari pengguna Flip di Indonesia, perhitungan sampel dan teknik
pengambilan sampel yang digunakan. Lalu mengumpulkan subjek penelitian dan
responden yang telah memenuhi syarat dalam sampel.
4. Teknik Pengumpulan Data
Pengumpulan data dilakukan dengan menggunakan metode survei yang berupa
kuesioner. Dalam kuesioner yang digunakan, berisikan beberapa pertanyaan dari
tentang profil responden, pertanyaan umum serta pertanyaan mengenai pengukuran
keberhasilan Flip yang disebar untuk responden pengguna Flip. Penyusunan
kuesioner mengacu pada pemilihan indikator dari variabel di model yang digunakan
dalam penelitian.
5. Pengolahan dan Analisis Data
a. Pengolahan Data
19
Tahap ini dilakukan setelah data sudah dikumpulkan sesuai dengan jumlah
minimal sampel. Pengolahan data terdiri atas analisis demografi menggunakan
tool Microsoft Excel serta analisis outer model dan analisis inner model dengan
program SmartPLS 3.3.3.
b. Analisis Data
Menganalisa serta menginterpretasikan dari hasil pengolahan data yang
dilakukan sebelumnya. Analisa dan interpretasi hasil penelitian disesuaikan
dengan teori yang digunakan dan mengacu pada penelitian sebelumnya yang
menjadi bahan acuan.
6. Kesimpulan dan Rekomendasi
a. Menarik Kesimpulan
Kesimpulan berisikan hasil dari analisa data yang telah dilakukan dan
menyesuaikan dengan rumusan masalah penelitian dan tujuan penelitian serta
memberikan keterbatasan pada penelitian.
b. Hasil Rekomendasi
Rekomendasi hasil penelitian diperoleh dari hasil analisa/interpretasi serta
batasan atau limitasi yang ditemukan pada penelitian, maka muncul hasil
rekomendasi yang akan disarankan untuk dilanjutkan pada penelitian yang akan
datang.
1.8 Model Penelitian
Model yang digunakan pada penelitian ini adalah implementasi dari penelitian
Tam & Oliveira 2016 integrasi model Delone & McLean 1992, 2003 dengan TTF.
Model Delone & McLean ini sudah digunakan oleh penelitian sebelumnya seperti
20
Urbach et al.(2010), Sedera et al, (2013), Saputro et al. (2016) yang terdiri dari lima
variabel independen yaitu: System Quality (SYSQ) Information Quality (INFQ),
Service Quality (SERQ), Use (USE), User Satisfaction (US). Serta Model TTF ini
juga sudah digunakan oleh penelitian sebelumnya seperti Wang et al. (2016), Wu
& Chen (2017), Wang & Lin (2019) yang terdiri atas 3 variabel independen yaitu:
Task Characteristics (TASC), Technology Characteristics (TECC), Task-
Technology Fit (TTF).
Model dalam penelitian ini mengacu pada penelitian Tam dan Oliveira
(2016) yang mana dalam penelitian tersebut peneliti mengembangkan model
teoritis yang menggabungkan model DeLone & McLean (D&M) (DeLone &
McLean, 1992, 2003) dan model TTF (DL Goodhue & Thompson, 1995) dengan
memasukkan efek moderasi TTF pada hubungan antara penggunaan terhadap
kinerja individu, dan hubungan antara kepuasan pengguna terhadap kinerja
individu. Dengan penggabungan model ini menguji pentingnya model TTF yang
tidak hanya sebagai efek langsung pada kinerja individu, tetapi juga sebagai efek
moderator pada hubungan penggunaan dan kepuasan pengguna terhadap kinerja
individu yang diharapkan dapat menawarkan wawasan secara instrumental kepada
organisasi Flip agar dapat menerapkan kebijakan yang tepat untuk
mempertahankan pengguna dan menarik calon pengadopsi pengguna Flip.
Penggambaran model tersebut digambarkan seperti pada Gambar 1.3.
21
Gambar 1.1 Model Penelitian yang Diusulkan
1.9 Sistematika Penulisan
Urutan dari penulisan laporan ini terdiri atas 5 (lima) bab. Bagian awal diisi
dengan bab 1 mengenai pendahuluan, bab 2 tentang tinjauan pustaka, bab 3
berisikan metodologi penelitian, bab 4 pembahasan hasil analisis dan interpretasi,
serta bagian akhir yakni bab 5 mengenai kesimpulan dan saran. Berikut adalah
uraian lebih lanjut mengenai 5 (lima) bab yang ada dalam penelitian.
Bab 1 Pendahuluan
Diawali dengan melakukan studi pendahuluan pengamatan secara langsungdan
kajian pustaka, menentukan identifikasi masalah dari pemaparan latar belakang,
perumusan masalah, menentukan batasan masalah, menjelaskan tujuan dari
22
penelitian, menentukan model yang digunakan pada penelitian dan terkahir
penjelasan tentang sistematika penulisan.
Bab 2 Tinjauan Pustaka
Bab ini berisikan teori-teori yang dikemukakan oleh ahli serta teori yang
ditampilkan teori yang berkaitan dengan topik penelitian dan hasil penelitian
sebelumnya yang menjadi bahan acuan untuk memperkuat hasil pada penelitian ini
yang. Teori yang dimaksud seperti definisi dari pengukuran, konsep dasar
keberhasilan sistem, model keberhasilan sistem informasi, penjelasan model
Delone & McLean dan model TTF, pengertian penelitian kuantitatif, teori tentang
pengelompokan data, teknik pengumpulan data, skala likert, populasi dan sampel,
Structural Equation Model (SEM), Partial Least Square (PLS), pembahasan
aplikasi SmartPLS dan evaluasi dari penelitian sejenis.
Bab 3 Metodologi Penelitian
Bab yang membahas mengenai teknik yang digunakan dalam proses
pelaksanaan penelitian terdiri atas penjelasan mengenai pendekatan penelitian,
prosedur penelitian, populasi dan sampel sesuai dengan objek penelitian,
instrument atau indikator penelitian, metode pengumpulan data, dan pemrosesan
data, serta analisis data serta skema penelitian yang dilakukan.
Bab 4 Hasil Analisis dan Interpretasi
Bab ini diawali dengan membahas profil serta sejarah dari objek penelitian,
dilakukannya tahap pilot study serta pembahasaan hasil tahap tersebut. Pemaparan
mengenai hasil analisis dari analisis demografi, analisis model pengukuran, dan
analisis model struktural yang hasil dari analisis-analisis tersebut diinterpretasikan
23
serta didiskusikan. Analisis menggunakan metode PLS-SEM yang dibantu dengan
menggunakan aplikasi SmartPLS. Analisis yang menggunakan teknik PLS-SEM
yiatu: analisis model pengukuran dan analaisis model struktura. Selanjutnya hasil
tersebut diinterpretasikan dan didiskusikan dengan menyesuaikan dari teori dan
penelitian sebelumnya sebagai acuan penelitian dengan memperhatikan dan
menimbang pelaksanaan penelitian secara praktis yang sedang berlangsung.
Bab 5 Penutup
Bab yang menyimpulkan dari laporan penelitian yang terdiri hasil penelitian,
keterbatasan pada penelitian serta pemberian saran untuk objek penelitian dan
peneliti yang akan datang.
24
25
BAB 2
TINJAUAN PUSTAKA
2.1 Konsep Dasar Pengukuran
Pengukuran (measurement) menurut Sridadi (2007) adalah suatu proses yang
dilakukan secara sistematis guna memperoleh besaran kuantitatif dari suatu objek
tertentu dengan yang diukur dengan menggunakan alat ukur baku dengan tujuan
untuk mendapatkan informasi suatu objek yang dinyatakan dengan skala
kuantitatif. Menurut Cangelosi & Tedjasudana (1995) pengukuran adalah suatu
proses dalam pengumpulan data melalui pengamatan empiris untuk mendapatkan
informasi yang relevan dengan tujuan yang telah ditentukan.
Para peneliti menyatakan bahwa dengan mengetahui faktor-faktor yang
mempengaruhi suatu pengukuran dapat menjadikan awalan untuk mengetahui
adanya celah yang ada, pengukuran memiliki dua karakteristik yang sama yaitu:
penggunaan angka dan skala tertentu yang menurut aturan atau formula tertentu.
Pengukuran juga merupakan proses dimana kita dapat mengetahui dan
mendeskripsikan dari performa-performa seseorang menggunakan suatu skala
kuantitatif yang nantinya hasil kualitatif dari performa orang tersebut dapat
dinyatakan dengan angka-angka.
Pengukuran merupakan cara untuk dapat memantau dan menelusuri kemajuan
dari tujuan strategi, oleh karena itu pengukuran dapat disimpulkan sebagai tahapan
dalam mengumpulkan data-data yang dikolektif secara sistematis dengan
28
menggunakan angka maupun skala tertentu yang sudah diatur untuk dapat
dianalasis dan ditelusuri dari tujuan suatu strategi.
2.2 Konsep Dasar Keberhasilan Sistem
Menurut Poerwadarminta (2007) pada Kamus Besar Bahasa Indonesia sukses
berarti keberhasilan atau keberuntungan. Sedangkan dari Helmet pada Kholifatun
(2013) keberhasilan merupakan suatu pencapaian terhadap keinginan yang telah
diniatkan untuk dicapai atau kemampuan untuk melewati dan mengatasi dari satu
kegagalan ke kegagalan berikutnya tanpa kehilangan semangat. Keberhasilan erat
kaitannya dengan kecermatan dalam menentukan tujuan sedangkan tujuan
merupakan suatu sasaran yang sudah ditentukan.
Oleh karena itu dapat disimpulkan keberhasilan merupakan suatu pencapaian
serta keberuntungan atas sesuatu tujuan yang telah ditentukan sebelumnya dimana
melewati semua kegagalan yang akan menghalangi tujuan tersebut.
Dalam Teknologi Informasi menurut O’Briend & Marakas (2007)
keberhasilan diukur dengan keefektifan teknologi dalam mendukung kegiatan
bisnis di dalamnya. Menurut Triwijiyanti (2013) faktor utama yang menentukan
keberhasilan dari penerapan teknologi informasi dan komunikasi dalam organisasi
adalah sumber daya manusia. Sumber daya manusia menurut Hasibuan (2002) pada
Triwijiyanti (2013) adalah kemampuan terpadu dari daya pikir dan daya fisik yang
dimiliki individu. Perilaku dan sifatnya ditentukan oleh keturunan dan
lingkungannya, sedangkan prestasi kerjanya dimotivasi oleh keinginan untuk
memenuhi kepuasannya. Lalu sikap positif dari pengguna terhadap sistem
informasi akan sangat mendukung berhasil atau tidaknya penerapan sistem
29
informasi. Sikap positif dalam bentuk dukungan dan kompetensi dari pengguna,
serta hubungan yang baik antara user dengan teknisi merupakan faktor sikap yang
menguntungkan (favorable attitudes) dan sangat penting bagi berhasilnya
penerapan sistem informasi. Sikap positif menentukan tindakan dan akan berkaitan
dengan tingkat penggunaan yang tinggi (high levels of use) serta kepuasan
(satisfaction) terhadap sistem tersebut. Keterlibatan pengguna dalam desain dan
operasi sistem informasi memiliki beberapa hasil yang positif.
2.3 Model Keberhasilan Sistem Informasi
2.3.1 Model Theory of Reasoned Action (TRA)
Menurut Ajzen et al. (1980)Theory of Reasoned Action (TRA) teori yang
menghubungkan antara keyakinan (belief), sikap (attitude) kehendak (intention)
dan perilaku (behavior). Kehendak merupakan prediktor terbaik perilaku artinya,
jika ingin mengetahui apa yang akan dilakukan seseorang, cara terbaik adalah
mengetahui kehendak orang tersebut. Namun, seseorang dapat membuat
pertimbangan berdasarkan alasan-alasan yang sama sekali berbeda (tidak selalu
berdasarkan kehendak). Konsep penting dalam teori ini adalah fokus perhatian
(salience), yaitu: mempertimbangkan sesuatu yang dianggap penting. Kehendak
(intention) ditentukan oleh sikap dan norma subjektif. Komponen pertama mengacu
pada sikap terhadap perilaku. Sikap ini merupakan hasil pertimbangan untung dan
rugi dari perilaku tersebut (outcome of the behavior). Di samping itu juga
dipertimbangkan pentingnya konsekuensi-konsekuensi yang akan terjadi bagi
individu (evaluation regarding the outcome). Di lain pihak, komponen norma
subjektif atau sosial mengacu pada keyakinan seseorang terhadap bagaimana dan
30
apa yang dipikirkan orang-orang yang dianggap penting dan motivasi seseorang
untuk mengikuti pikiran tersebut. Berikut merupakan model Theory of Reasoned
Action (TRA) dari Ajzen & Fishbein (1980).
Gambar 2.1 Model Theory Reasoned Action (Ajzen & Fishbein, 1980)
2.3.2 Model Theory of Planned Behaviour (TPB)
Menurut Sheppard et al. (1998) theory of planned behavior dari Ajzen et al.
(1980) adalah sebuah teori perluasan dari teori sebelumnya yaitu: theory of
reasoned action yang melanjutkan penjelasan mengenai ketertarikan perhatian
dalam psikologi. Kedua model mempertimbangkan proses yang disengaja
dilakukan dan implikasinya terhadap perilaku individu. Analisa gangguan untuk
memprediksi perilaku individu terhadap sikapnya. Theory of planned behavior
adalah teori yang menekankan pada rasionalitas dari tingkah laku manusia juga
pada keyakinan bahwa target tingkah laku berada di bawah kontrol kesadaran
individu. Pada Ajzen (2005) perilaku tidak hanya bergantung pada intensi
seseorang, melainkan juga pada faktor lain yang tidak ada di bawah kontrol dari
individu, misalnya ketersediaan sumber dan kesempatan untuk menampilkan
tingkah laku tersebut. Prinsip dalam teori ini adalah prinsip kesesuaian (principle
of compatibility) yang menjelaskan sikap dan perilaku yang dibagi dengan empat
elemen yaitu: aksi, target, konteks dan waktu, dan hubungan antara sikap dan
31
perilaku akan maksimal jika setiap elemennya berfungsi secara maksimal. Maka,
perilaku terdiri dari aksi atau perilaku yang dilakukan, performa target atau objek,
konteks, dan waktu. Teori ini secara jelas menggambarkan hubungan antara
keyakinan (beliefs), sikap (attitude), kehendak atau intense (intention), dan perilaku
(behavior). Berikut merupakan model Theory of Planned Behaviour (TPB) dari
Ajzen (1991). Kehendak atau intense (intention), dan perilaku (behavior).
Gambar 2.2 Model Theory of Planned Behaviour (Ajzen, 1991)
2.3.3 Technology Acceptance Model (TAM)
Technology Acceptance Model (TAM) merupakan salah satu model yang
dibangun untuk menganalisis dan memahami faktor‐faktor yang mempengaruhi
diterimanya penggunaan teknologi komputer yang diperkenalkan pertama kali oleh
Fred Davis pada tahun 1986. TAM merupakan hasil pengembangan dari Theory of
Reasoned Action (TRA), yang lebih dahulu dikembangkan oleh Fishbein dan Ajzen
pada 1980. Tujuan TAM lebih dikhususkan untuk menjelaskan perilaku para
pengguna komputer (computer usage behavior). Model TAM ini tidak hanya bisa
untuk memprediksi, namun juga bisa menjelaskan sehingga peneliti dan para
32
praktisi bisa mengidentifikasi mengapa suatu faktor tidak diterima dan memberikan
kemungkinan langkah yang tepat. Tujuan utama dari Technology Acceptance
Model (TAM) sesungguhnya adalah untuk memberikan dasar langkah dari dampak
suatu faktor eksternal pada kepercayaan intern (internal beliefs), sikap (attitude)
dan niat (intention). TAM dirancang untuk mencapai tujuan tersebut dengan cara
mengidentifikasi beberapa variabel dasar yang disarankan pada penelitian
sebelumnya yang setuju dengan faktor-faktor yang mempengaruhi secara kognitif
dan afektif pada penerimaan komputer (computer acceptance). TAM
memposisikan dua kepercayaan (beliefs), yaitu: perceived usefulness dan perceived
ease of use sebagai faktor utama perilaku penerimaan komputer. Dikemukakan pula
oleh Davis (1985) dalam Jogiyanto (2008) menjelaskan bahwa pengembangan
item-item konstruk ini difokuskan pada dua konstruk teoritis yaitu: kegunaan
persepsian (perceived usefulness) dan kemudahan penggunaan persepsian
(perceived ease of use) yang secara teori merupakan penentu-penentu dasar dari
penggunaan (use) dari sistem. Berikut merupakan model Technology Acceptance
Model (TAM) dari Fred Davis (1985).
Gambar 2.3 Model Technology Acceptance Model (Davis, 1985)
33
2.3.4 Model End-User Computing Satisfaction (EUCS)
Model evaluasi End-User Computing Satisfaction (EUCS) merupakan model
yang dikembangkan oleh Doll & Torkzadeh pada tahun 1988. Model ini
menekankan kepuasan (satisfaction) pengguna akhir terhadap aspek teknologi
dengan menilai accuracy, content, ease of use, format dan timeliness dari sistem.
Menurut Pratama, Afriyudi, dan Yadi (2012) EUCS merupakan metode untuk
mengukur tingkat kepuasan dari pengguna suatu sistem aplikasi dengan
membandingkan antara harapan dan kenyataan dari sebuah sistem informasi.
EUCS merupakan evaluasi secara keseluruhan atas sistem informasi yang
digunakan oleh pengguna sistem sehubungan dengan pengalaman penggunaan
sistem informasi tersebut. Dari penelitian Chin & Lee (2000) pengalaman
penggunaan sistem informasi tersebut diukur untuk mengetahui apakah sistem
informasi yang digunakan efektif dan sesuai dengan yang diinginkan. Berikut
merupakan model penelitian End-User Computing Satisfaction (EUCS) dari Doll
& Torkzadeh (1988).
Gambar 2.4 Model End-User Computing Satisfaction (Doll & Torkzadeh, 1988)
34
2.3.4 Model HOT-Fit
Model yang dikemukakan oleh Yusof et al. (2008). Dibuat dari dua model
evaluasi untuk sistem informasi, model tersebut adalah IS Success Model oleh
Delon & McLean (2003) dan IT Organization-Fit Model oleh Morton (1990).
Model ini juga diidentifikasi sebagai mampu mengidentifikasi elemen organisasi
utama yang dapat mempengaruhi sistem informasi dan juga menekankan
keselarasan penting atau kesesuaian di antara keduanya Selain itu, model ini
komprehensif karena mencakup faktor-faktor berikut: teknologi (TI), manusia
(peran dan keterampilan) dan organisasi (strategi, struktur dan proses manajemen).
Namun, faktor-faktor ini dapat dikategorikan menjadi dimensi yang lebih rinci
untuk memberikan dimensi evaluasi yang lebih spesifik. Misalnya, TI dapat
dikelompokkan lebih jauh ke dalam kualitas sistem dan kualitas informasi, seperti
yang diusulkan oleh DeLone dan McLean. Demikian pula, peran dan keterampilan
dapat dikaitkan dengan penggunaan dan kepuasan pengguna. Berdasarkan kekuatan
dan keterbatasan yang ditunjukkan pada kedua model, IT-Organization Fit dan IS
Success Model saling melengkapi dalam menghadirkan kerangka evaluasi yang
komprehensif. Faktor organisasi, yang kurang dalam IS Success Model, ditampilkan
dalam kesesuaian Organisasi-TI. Demikian pula, dimensi dan ukuran evaluasi
spesifik yang kurang sesuai dengan Organisasi IT, ditampilkan dalam IS Success
Model. Berdasarkan dua model yang dijelaskan di atas, kerangka evaluasi baru
disajikan pada konsep model Human, Organization and Technology Fit (HOT-Fit).
35
Berikut merupakan model Human, Organization and Technology Fit (HOT-Fit)
dari Yusof et al., (2008).
Gambar 2.5 Model HOT-Fit (Yusof et al., 2008)
2.4 Model Delone & McLean
Pada Delone & McLean (2016) William H. DeLone dan Ephraim R. McLean
melakukan tinjauan terhadap penelitian yang diterbitkan selama periode 1981–1990
dan menciptakan taksonomi kesuksesan sistem informasi berdasarkan Teori
Komunikasi dari Shannon dan Weaver (1949). Pada model tersebut, William H.
DeLone dan Ephraim R. McLean mencetuskan bahwa ada 6 dimensi yang
mempengaruhi kesuksesan suatu Sistem Informasi. Enam dimensi yang dicetuskan
oleh William H. DeLone dan Ephraim R. McLean adalah System Quality,
Information Quality, Use, User Satisfaction, Individual Impact dan Organizational
36
Impact. Model tersebut menjelaskan bahwa kualitas sistem akan mempengaruhi
penggunaan sistem dan kepuasan pengguna. Kualitas Informasi juga akan
mempengaruhi penggunaan serta kepuasan pengguna. Penggunaan dan kepuasan
pengguna pada akhirnya akan mempengaruhi Individual Impact, dan kumpulan-
kumpulan dari Individual Impact tersebut pada akhirnya akan mempengaruhi
Organizational Impact. (DeLone & McLean, 1992)
Gambar 2.6 Model Keberhasilan Sistem Informasi D&M (DeLone & McLean, 1992)
Keenam variabel tersebut bukanlah variabel independen melainkan variabel
interdependen, William H. DeLone dan Ephraim R. McLean mengatakan bahwa
jika salah satu dari keenam variabel tersebut mengalami kegagalan, maka seluruh
kesuksesan suatu sistem akan terganggu. Setelah publikasi Model D&M pada tahun
1992, sejumlah peneliti IS mulai mengusulkan modifikasi model. Misalnya, Seddon
(1997) mengusulkan beberapa perubahan pada Model D&M. Seddon juga
menyarankan bahwa konsep "Use" pada Model D&M sangat ambigu dan
menyarankan bahwa klarifikasi lebih lanjut diperlukan untuk konstruksi model.
Menanggapi saran ini William H. DeLone dan Ephraim R. McLean memutuskan
untuk menambahkan variabel "Intention to" ke konstruksi "Use". Pada akhirnya
37
tahun 2003, William H. DeLone dan Ephraim R. McLean menjelaskan konstruksi
baru, yaitu:
1. "Use harus mendahului “User Satisfaction” dalam suatu proses, tetapi
pengalaman positif dengan “Use” akan mengarah pada “User Satisfaction”
yang lebih besar dalam arti kausal dari Delone & McLean (2003)”. William H.
DeLone dan Ephraim R. McLean melanjutkan untuk menyatakan bahwa
peningkatan “User Satisfaction” akan mengarah pada “Intention to Use” yang
lebih tinggi yang akan memengaruhi “Use”.
2. Penambahan variabel “Service Quality” ditambahkan ke Model D&M yang
didasarkan pada Instrumen dari literatur pemasaran. Service Quality juga
menjadi bagian penting dalam literatur kesuksesan sistem informasi.
3. Mengelompokkan semua ukuran "Impacts" (Individual Impact dan
Organizational Impact) menjadi satu dampak atau kategori manfaat yang
disebut "Net Impacts".
4. Penambahan loop umpan balik dari "Net Impacts" kembali ke "Use/Intention to
Use" dan "User Satisfaction”.
Lebih lanjut model pembaharuan Delone & McLean pada tahun 2003 seperti
Gambar 2.7.
38
Gambar 2.7 Model Keberhasilan Sistem Informasi D&M (Delone & McLean, 2003)
2.4.1 System Quality (SYSQ)
Menurut Urbach dan Benjamin (2012) System Quality atau Kualitas Sistem
adalah karakteristik yang diinginkan dari suatu sistem informasi biasanya berfokus
pada aspek kegunaan dan karakteristik pada kinerja dari sistem yang sedang dinilai.
Dari Perez-mira (2010). Pada dasarnya seberapa baik perangkat keras dan
perangkat lunak bekerja sama. Penggunaan variabel ini sudah ada pada penelitian
Sharma&Shrama (2019), Rahi&Ghani (2019), Lin et al, (2019), Angelina et al.
(2019), Tam et al. (2019), Aldholay et al. (2018), Alzahrani et al. (2019),
Hamid&Ikbal (2017), dan Tam&Oliveira (2016). Berikut ini adalah contoh item-
item untuk mengukur kualitas sistem berdasarkan Urbach dan Benjamin (2012).
39
Tabel 2.1 Item-Item pengukuran dari variabel System Quality
Item Referensi
Access Gable (2008), McKinney et al., (2002)
Convenience Bailey & Pearson (1983), Iivari (2005)
Customization Gable (2008), Sedera & Gable (2004)
Data Accuracy Gable, (2008)
Data Currency Hamilton & Chervany (1981), Gable (2008)
Eae of Learning Gable (2008), Sedera & Gable (2004)
Ease of Use Doll dan Torkzadeh (1988), Gable (2008), Hamilton & Chervany
(1981), McKinney et al. (2002), Sedera & Gable (2004)
Efficiency Gable (2008)
Flexibility Bailey & Pearson (1983), Gable (2008), Hamilton & Chervany
(1981), Iivari (2005), Sedera & Gable (2004)
Integration Bailey & Pearson, Gable (2008), Iivari (2005), Sedera & Gable
(2004)
Interactivity McKinney et al. (2002)
Navigation McKinney et al. (2002)
Reliability Gable, (2008), Hamilton & Chervany (1981)
Response Time Hamilton & Chervany (1981), Iivari (2005)
Sophistication Gable, (2008), Sedera & Gable (2004)
System Accuracy Doll dan Torkzadeh (1988), Hamilton & Chervany (1981), Gable
(2008), Sedera & Gable (2004)
System Features Gable (2008), Sedera & Gable (2004)
Turnaround Time Hamilton & Chervany (1981)
2.4.2 Information Quality (INFQ)
Kualitas informasi mengacu pada kualitas informasi yang dihasilkan oleh
sistem apakah informasi yang dihasilkan jelas, konsisten dan relevan. Misalnya,
pada Bailey dan Pearson (1983) mengukur kualitas informasi dengan menanyakan
apakah keluaran sistem akurat, tepat, terkini, tepat waktu, andal, lengkap, ringkas,
relevan, dan dalam format yang disukai. Penggunaan variabel ini sudah ada pada
penelitian Sharma&Shrama (2019), Rahi&Ghani (2019), Lin et al, (2019),
Angelina et al. (2019), Tam et al. (2019), Aldholay et al. (2018), Alzahrani et al.
(2019), Hamid&Ikbal (2017), dan Tam&Oliveira (2016). Berikut ini adalah contoh
item-item untuk mengukur kualitas informasi berdasarkan Urbach dan Benjamin
(2012) dan Perez-mira (2010).
40
Tabel 2.2 Item-Item pengukuran dari variabel Information Quality
Item Referensi
Accuracy Bailey & Pearson (1983), Gable (2008), Iivari (2005), Rainer &
Watson (1995)
Adequacy McKinney et al. (2002)
Availability Gable (2008), Sedera & Gable (2004)
Completeness Bailey & Pearson (1983), Iivari (2005)
Conciseness Gable (2008), Rainer & Watson (1995), Sedera & Gable (2004)
Consistency Iivari (2005)
Corparability King & Epstein (1983)
Format Gable (2008), Iivari (2005), Sedera & Gable (2004)
Precision Bailey & Pearson (1983), Iivari (2005)
Quantitativeness King & Epstein (1983)
Relevance Gable (2008), McKinney et al. (2002), Rainer & Watson (1995), Sedera
& Gable (2004)
Reliability Bailey & Pearson (1983), McKinney et al. (2002)
Scope McKinney et al. (2002)
Sufficiency King & Epstein (1983)
Timeliness Bailey & Pearson (1983), Gable (2008), Iivari (2005), Doll & Torkzadeh
(1988), McKinney et al. (2002), Rainer & Watson (1995)
Understandability Gable (2008), McKinney et al. (2002), Sedera & Gable (2004)
Uniqueness Gable (2008)
Usability Gable (2008), Sedera & Gable (2004)
Usefulness McKinney et al. (2002)
2.4.3 Service Quality (SERQ)
Menurut Delone & McLean (2016) service quality merupakan kualitas yang
diterima oleh pengguna sistem dimana layanan yang diberikan oleh organisasi
sistem informasi dan para personel pendukung TI, dari Urbach dan Benjamin
(2012), misalnya seperti pelatihan, hotline, atau helpdesk. Menurut Gorla et al.
(2010) pada Al-Debei et al. (2013) kualitas layanan mengacu pada tingkat
perbedaan antara ekspektasi dan persepsi dari pengguna untuk layanan dan kinerja
dari penyedia sistem informasi/organisasi. Penggunaan variabel ini sudah ada pada
penelitian Sharma&Shrama (2019), Rahi&Ghani (2019), Lin et al, (2019),
Angelina et al. (2019), Tam et al. (2019), Aldholay et al. (2018), Alzahrani et al.
(2019), Hamid&Ikbal (2017), dan Tam&Oliveira (2016). Berikut ini adalah contoh
41
item-item untuk mengukur kualitas layanan berdasarkan Urbach dan Benjamin
(2012).
Tabel 2.3 Item-Item pengukuran dari variabel Service Quality
Item Referensi
Assurance Pitt et al. (1995)
Empathy Pitt et al. (1995)
Flexibility Chang & King (2005)
Interpersonal Quality Chang & King (2005)
Intrinsic Quality Chang & King (2005)
IS Training Chang & King (2005)
Reliability Pitt et al. (1995)
Responsiveness Chang & King (2005), Pitt et al. (1995)
Tangibility Pitt et al. (1995)
2.4.4 Use (USE)
Pada Delone & McLean (2016) use merupakan tingkat pengguna
memanfaatkan kemampuan dari suatu sistem informasi. Menurut Perez-mira
(2010) penggunaan sistem mengacu pada interaksi aktif antara penggunaan
terhadap sistem. Penggunaan variabel ini sudah ada pada penelitian Lin et al.
(2019), Angelina et al. (2019), Tam et al. (2019), Aldholay et al. (2018), Alzahrani
et al. (2019), Hamid&Ikbal (2017), dan Tam&Oliveira (2016). Berikut ini adalah
contoh item-item untuk mengukur penggunaan berdasarkan Urbach dan Benjamin
(2012).
Item Referensi
Actual Use Davis (1989)
Daily Use Almutairi & Subramanian (2005), Iivari (2005)
Frequency of Use Almutairi & Subramanian (2005), Iivari (2005)
Intention to (re)use Davis (1989), Wang (2008)
Nature of Use DeLone & McLean (2003)
Navigation Patterns DeLone & McLean (2003)
Number of Site Visits DeLone & McLean (2003)
Number of transactions DeLone & McLean (2003)
Tabel 2.4 Item-Item pengukuran dari variabel Use
42
2.4.5 User Satisfaction (US)
Menurut Delone & McLean (2016) user satisfaction adalah dimensi yang
mengukur sikap pengguna secara keseluruhan terhadap pengalaman mereka dengan
sistem. Menurut Ives et al. (1983) pada Al-Debei (2013) kepuasan pengguna telah
didefinisikan sebagai “sejauh mana pengguna percaya bahwa sistem informasi yang
ditawarkan bagi mereka memenuhi persyaratan informasi mereka. Pada Igbaria dan
Tan (1997), Bokhari (2005) kepuasan pengguna ditemukan sebagai penentu utama
penggunaan yang berkelanjutan. Seseorang merasa puas dengan sebuah teknologi
setelah uji coba awal mungkin memiliki niat yang lebih tinggi untuk terus
menggunakan. Pada penelitian Urbach dan Benjamin (2012) mengukur kepuasan
pengguna menjadi sangat berguna, saat penggunaan data sistem informasi adalah
wajib dan jumlah penggunaan bukan merupakan indikator keberhasilan sistem yang
tepat. Pada tingkat analisis individu pada penelitian Perez-mira (2010), kepuasan
pengguna mengacu pada perasaan bahwa pengguna menerima selama dan setelah
interaksi. Dimensi ini bermasalah karena kepuasan adalah sikap pribadi yang bisa
jadi sangat dipengaruhi oleh perbedaan individu pengguna. Penggunaan variabel
ini sudah ada pada penelitian Sharma&Sharma (2019), Lin et al. (2019), Angelina
et al. (2019), Tam et al. (2019), Aldholay et al. (2018), Alzahrani et al. (2019),
Hamid&Ikbal (2017) serta Tam&Oliveira (2016). Berikut ini adalah contoh item-
item untuk mengukur kepuasan pengguna berdasarkan Urbach dan Benjamin
(2012).
43
Tabel 2.5 Item-Item pengukuran dari variabel User Satisfaction
Item Referensi
Adequacy Almutairi & Subramanian (2005), Seddon & Yip (1992), Seddon & Kiew
(1994)
Effectiveness Almutairi & Subramanian (2005), Seddon & Yip (1992), Seddon & Kiew
(1994)
Efficiency Almutairi & Subramanian (2005), Seddon & Yip (1992), Seddon & Kiew
(1994)
Enjoyment Gable (2008)
Information Satisfaction Gable (2008)
Overall Satisfaction Almutairi & Subramanian (2005), Seddon & Yip (1992), Seddon & Kiew
(1994)
System Satisfaction Gable (2008)
2.5 Model Task-Technology Fit (TTF)
Task Technology Fit (TTF) dikembangkan oleh Goodhue dan Thompson
(1995). Inti dari Model Task Technology Fit adalah sebuah konstruk formal yang
dikenal sebagai Task-Technology Fit (TTF), yang merupakan kesesuaian dari
kapabilitas teknologi untuk kebutuhan tugas dalam pekerjaan yaitu: kemampuan
teknologi informasi untuk memberikan dukungan terhadap pekerjaan. Penelitian
yang menggunakan model ini sudah dilakukan oleh beberapa peneliti contohnya
ada pada dalam penelitian Lin et al. (2019), Wang&Lin (2019), Rahi et al. (2020),
Cheng (2019), dan Tam&Oliveira (2016). Model TTF memiliki 4 konstruk kunci
yaitu: Task Characteristics, Technology Characteristics, yang bersama-sama
mempengaruhi konstruk ketiga TTF yang balik mempengaruhi variabel outcome
yaitu: Performance atau Utilization. Model TTF menempatkan bahwa teknologi
informasi hanya akan digunakan jika fungsi dan manfaatnya tersedia untuk
mendukung aktivitas pengguna. Prioritas Task-Technology Fit (TTF) menurut
Goodhue & Thompson (1995) adalah interaksi antara tugas, teknologi, dan individu
44
dalam penelitiannya menyebutkan bahwa terdapat 8 faktor pengukur kesuksesan
TTF yaitu:
Prioritas Task-Technology Fit (TTF) menurut Goodhue & Thompson (1995)
adalah interaksi antara tugas, teknologi, dan individu dalam penelitiannya
menyebutkan bahwa terdapat 8 faktor pengukur kesuksesan TTF yaitu:
1. Data Quality (Kualitas Data)
2. Data Locatability (Penempatan Data)
3. Authorization to access data (Otorisasi untuk mengakses data)
4. Data compatibility (Kesesuaian Data)
5. Ease of use/training (Kemudahan dalam penggunaan/pelatihan)
6. Production timeliness (Ketepatan waktu)
7. System reliability (Keandalan sistem)
8. Relationship with users (Hubungan dengan pengguna)
Berikut merupakan model Task- Technology Fit (TTF) dari Goodhue &
Thompson (1995).
Gambar 2 8 Model Task-Technology Fit (Goodhue & Thompson, 1995).
45
2.5.1 Task Characteristics (TASC)
Tugas (task) didefinisikan oleh Jogiyanto (2008) sebagai tindakan-tindakan
yang dilakukan oleh individual-individual untuk merubah masukan masukan
menjadi keluaran-keluaran, maka menurut Stoner et al. (1994) karakteristik
tugas/pekerjaan diartikan sebagai sifat dari tugas yang meliputi tanggung jawab,
macam tugas dan tingkat kepuasan yang diperoleh dari pekerjaan itu sendiri.
Penggunaan variabel ini sudah ada pada penelitian Lin et al. (2019), Wang&Lin
(2019), Rahi et al. (2020), Cheng (2019), dan Tam&Oliveira (2016). Morgeson &
Humphrey (2006) mendefinisikan karakteristik pekerjaan sebagai cara yang
dilakukan untuk menyelesaikan suatu pekerjaan serta cakupan pekerjaan yang
diberikan. Menurut Hackman & Oldham (1975) dalam setiap pekerjaan setidaknya
harus memiliki lima karakter inti dari sebuah pekerjaan yaitu:
1. Skill Variety (Variasi Keterampilan)
2. Task Identity (Identitas tugas)
3. Task Significance (Signifikansi Tugas)
4. Autonomy (Otonomi)
5. Job Feedback (Umpan balik Pekerjaan)
Menurut Chung et al. (2015), terdapat dua karakteristik yang berkaitan dengan
tugas, yaitu:
1. Task mobility
Sejauh mana individu menggunakan perangkat mobile untuk tugas-tugas
mereka di lokasi geografis yang berbeda.
2. Task feedback
46
Sejauh mana tugas-tugas individu memberikan feedback tentang seberapa baik
individu melakukan pekerjaannya.
2.5.2 Technology Characteristics (TECC)
Dalam Chung et al. (2015) Teknologi dipandang sebagai alat yang digunakan
oleh individu dalam melaksanakan tugas-tugas mereka. Penggunaan variabel ini
sudah ada pada penelitian Lin et al. (2019), Wang&Lin (2019), Rahi et al. (2020),
Cheng (2019), dan Tam&Oliveira (2016). Karakteristik dasar dari Teknologi
Informasi menurut Maulina et al. (2015) yang dijadikan tolak ukur antara lain:
1. Mampu menyediakan informasi.
2. User friendly yang dimana dirancang dengan tepat untuk mempermudah akses
informasi bagi pengguna.
3. Handal.
4. Siklus inovasi yang cepat.
5. Mempunyai waktu respons yang minimal.
6. Teknologinya beragam dan sudah stabil.
7. Desentralisasi/individualism atau penggunaan teknologi ini cenderung
mengarahkan masyarakat menjadi individualis, karena kemudahan yang
ditawarkan.
2.6 Definisi Individual Performance (IP)
Pada penelitian Tulodo dan Solichin (2019) mendefinisikan kinerja individu
sebagai salah satu dimensi pengukuran kesuksesan sistem informasi dari sisi
variabel dampak individu (individual impact). Menurut Seddon (1997)
mendefinisikan kinerja individu sebagai persepsi individu atas sistem informasi
47
yang digunakannya dalam meningkatkan kinerja mereka dalam berorganisasi.
Kinerja individu pengguna sistem informasi merupakan kemampuan yang dimiliki
pengguna sistem informasi untuk dapat menyelesaikan semua pekerjaannya dan
dapat digunakan untuk menilai serta mengetahui apakah seorang telah
menyelesaikan pekerjaannya secara keseluruhan. Lalu menurut Tam dan Oliveira
(2016) kinerja seseorang akan dinilai semakin tinggi jika terjadi kombinasi
peningkatan dari sisi efektivitas, dan produktivitas. Kinerja individu sangat penting
untuk keseluruhan organisasi dan untuk individu yang bekerja di dalamnya. Dari
DeLone dan McLean (1992) menyatakan bahwa antara dampak penggunaan sistem
informasi terhadap kinerja individual dengan tingkat kepuasan pengguna (user
satisfaction) memiliki hubungan yang bersifat timbal balik (reciprocal). Pada
penelitian Seddon (1997) membuktikan dampak dari penggunaan sistem informasi
akan mempengaruhi tingkat kepuasan pemakai yang berupa meningkatnya kinerja
individu. Sedangkan kepuasan pengguna sendiri dipengaruhi oleh beberapa faktor,
yaitu: kualitas sistem informasi, kualitas informasi, kualitas layanan, dan kondisi
yang memfasilitasi Semakin tinggi tingkat kualitas sistem informasi, kualitas
informasi, kualitas layanan, maupun kondisi yang memfasilitasi maka akan
semakin tinggi pula tingkat kepuasan pengguna sistem informasi, sehingga akan
menyebabkan semakin tingginya tingkat kinerja individu pengguna sistem
informasi tersebut. Berdasarkan uraian sebelumnya, pada penelitian Laksmiyati dan
Meiranto (2015) dapat disimpulkan bahwa kinerja pengguna sistem informasi
secara langsung dipengaruhi oleh kepuasan penggunanya terhadap sistem tersebut
dan secara tidak langsung dipengaruhi oleh kualitas sistem informasi, kualitas
48
informasi, kualitas layanan, dan kondisi yang memfasilitasi. Berikut ini adalah
contoh item-item untuk mengukur kinerja individu berdasarkan dimensi individual
performance dalam Urbach dan Benjamin (2012).
Tabel 2.6 Item-Item pengukuran dari variabel Individual Performance
Item Referensi
Awareness/Recall Gable (2008), Sedera & Gable (2004)
Decision effectiveness Gable (2008), Sedera & Gable (2004)
Individual productivity Gable (2008), Sedera & Gable (2004)
Job effectiveness Davis (1989), Iivari (2005)
Job performance Davis (1989), Iivari (2005)
Job simplification Davis (1989), Iivari (2005)
Learning Gable (2008), Sedera & Gable (2004)
Productivity Davis (1989), Iivari (2005), Torkzadeh & Doll (1999)
Task Performance Davis (1989)
Usefulness Davis (1989), Iivari (2005)
Task Innovation Torkzadeh & Doll (1999)
2.7 Variabel Moderasi (Moderating)
Menurut Sugiyono (2014) variabel pemoderasi merupakan variabel yang
mempengaruhi baik memperkuat ataupun memperlemah hubungan antara variabel
dependen dengan independen. Penelitian ini menggunakan variabel pemoderasi
untuk mengetahui apakah variabel tersebut mampu memoderasi hubungan variabel
independen dengan dependen. Menurut Solimun (2011) variabel moderasi dapat
diklasifikasikan menjadi 4 jenis yaitu: pure moderasi (moderasi murni), quasi
moderasi (moderasi semu), homologiser moderasi (moderasi potensial) dan
predictor moderasi (moderasi sebagai prediktor).
1. Variabel Moderasi Murni (Pure Moderator)
Pure moderasi adalah jenis variabel moderasi yang dapat diidentifikasi melalui
koefisien b2 dinyatakan tidak signifikan tetapi koefisien b3 signifikan secara
statistika. Pure moderasi merupakan variabel yang memoderasi hubungan antara
49
variabel prediktor dan variabel tergantung di mana variabel moderasi murni
berinteraksi dengan variabel prediktor tanpa menjadi variabel prediktor.
2. Variabel Moderasi Semu (Quasi Moderator)
Quasi moderator adalah jenis variabel moderasi yang dapat diidentifikasi
melalui koefisien b2 dinyatakan signifikan dan koefisien b3 signifikan secara
statistika. Quasi moderator merupakan variabel yang memoderasi hubungan
antara variabel prediktor dan variabel tergantung di mana variabel moderasi
semu berinteraksi dengan variabel prediktor sekaligus menjadi variabel
prediktor.
3. Variabel Moderasi Potensial (Homologiser Moderator)
Homologiser moderator adalah jenis variabel moderasi yang dapat diidentifikasi
melalui koefisien b2 dinyatakan tidak signifikan dan koefisien b3 tidak
signifikan secara statistika. Homologiser moderasi merupakan variabel yang
potensial menjadi variabel moderasi yang mempengaruhi kekuatan hubungan
antara variabel prediktor dan variabel tergantung. Variabel ini tidak berinteraksi
dengan variabel prediktor dan tidak mempunyai hubungan yang signifikan
dengan variabel tergantung.
4. Variabel Prediktor Moderasi (Predictor Moderator Variable)
Predictor moderator adalah jenis variabel moderasi yang dapat diidentifikasi
melalui koefisien b2 dinyatakan signifikan dan koefisien b3 tidak signifikan
secara statistika. Artinya variabel moderasi ini hanya berperanan sebagai
variabel prediktor dalam model hubungan yang dibentuk.
Klasifikasi variabel moderasi secara ringkas dapat dilihat pada Tabel 2.7.
50
Tabel 2.7 Klasifikasi Variabel Moderasi
Hubungan antara variabel Hubungan Efek Moderasi

moderator dengan variabel
Signifikan Tidak Signifikan
dependen
Variabel Prediktor Moderasi
Variabel Moderasi Semu
(Predictor Moderator
Signifikan (Quasi Moderator)
Variable)
Variabel Moderasi Murni Variabel Moderasi Potensial

Tidak Signifikan (Pure Moderator) (Homologiser Moderator)
2.8 Financial Technology (FinTech)
Menurut Global System for Mobile Communications Association (GSMA)
dalam Thompson (2017) financial technology adalah teknologi terbarukan yang
membuat layanan dan proses keuangan lebih efisien dan bertujuan untuk
memperkenalkan inklusi keuangan. Fintech juga dijelaskan dalam Financial
Stability Board (2019) sebagai inovasi teknologi dalam layanan keuangan yang
dapat menghasilkan model model bisnis, aplikasi, proses atau produk-produk
dengan efek material yang terkait dengan penyediaan layanan keuangan.
Dari uraian sebelumnya dapat disimpulkan FinTech merupakan layanan keua-
ngan yang berupa teknologi untuk meningkatkan kualitas layanan. Posisi Financial
Technology dimaksudkan untuk memudahkan manusia dalam melakukan kegiatan
keuangan. Islam telah menghendaki kemudahan dan tidak memberikan kesusahan
kepada umatnya, justru Islam selalu menghendaki kemudahan bagi seluruh
pemeluknya. Sebagaimana tercantum di dalam surah Al-Baqarah ayat 185 yang
berbunyi:
51
Artinya: “...Allah menghendaki kemudahan bagimu, dan tidak menghendaki
kesukaran bagimu.”
Maka dari itu, sesuai dengan potongan ayat di atas, Financial Technology dapat
diterapkan dalam ekonomi Islam menurut Sugiyono (2014).
2.9 Penelitian Kuantitatif
Pendekatan kuantitatif memandang tingkah laku manusia sebagai sesuatu yang
dapat diramal dan dapat diukur. Pendekatan kuantitatif dalam penggunaannya
menggunakan instrumen yang valid dan reliabel serta analisis statistik yang tepat
dan sesuai sehingga menghasilkan hasil yang maksimal sesuai dengan kondisi
sesungguhnya menurut Yusuf (2014). Dari Siyoto & Sodik (2015), penelitian
kuantitatif merupakan pengukuran data angka dan statistik objektif melalui
perhitungan ilmiah yang berasal dari sampel. Menurut Sugiyono (2014) metode
pengumpulan data bersifat kuantitatif atau statistik dengan tujuan untuk menguji
hipotesis yang telah ditetapkan. Metode ini berlandaskan pada filsafat positivisme
yang melihat dari realitas/gejala/fenomena yang dapat diklasifikasikan, relatif tetap,
konkrit, teramati, terukur, dan hubungan gejala bersifat sebab akibat. Beberapa
metode kuantitatif yang cukup sering digunakan sebagai metodologi penelitian
yaitu: survei dan eksperimen menurut Siyoto & Sodik (2015) adalah sebagai
berikut:
52
1. Metode Survei
Metode survei adalah metodologi penelitian yang menggunakan kuesioner
sebagai instrumen pengumpulan data. Penelitian dengan menggunakan metode
survei membutuhkan responden dengan jumlah yang cukup untuk mendapatkan
hasil analisis yang baik dan valid.
2. Metode Eksperimen
Metode eksperimen adalah metode penelitian yang bertujuan untuk
menjelaskan hubungan sebab akibat (kausalitas) antara satu variabel dengan
variabel yang lainnya. Untuk menjelaskan hubungan kausalitas tersebut, perlu
adanya kontrol dan pengukuran terhadap variabel-variabel penelitian yang ada.
2.10 Populasi dan Sampel
2.10.1 Definisi Populasi
Menurut Harinaldi (2005) populasi adalah kumpulan dari keseluruhan
pengukuran, objek, atau individu yang sedang diteliti. Jadi tidak terbatas pada
sekelompok atau kumpulan orang-orang, tetapi mengacu pada seluruh ukuran,
hitungan, atau kualitas yang menjadi fokus suatu penelitian. Sedangkan menurut
Sugiyono (2014) populasi bukan hanya sekedar jumlah yang ada pada objek yang
diamati, tetapi keseluruhan sifat dan karakteristik yang dimiliki oleh suatu objek
tersebut. Dari Bungin (2005) berdasarkan kompleksitas objek populasi dapat
dibedakan menjadi populasi homogen dan populasi heterogen. Populasi homogen
adalah keseluruhan individu yang menjadi anggota populasi yang memiliki sifat
dan karakteristik yang relatif sama satu sama lainnya. Populasi heterogen adalah
53
semua individu anggota populasi relatif yang memiliki sifat individual, dimana sifat
tersebut membedakan individu anggota populasi yang satu dengan yang lainnya.
Berdasarkan uraian sebelumnya dapat disimpulkan bahwa populasi yaitu:
keseluruhan dari objek yang memiliki karakteristik relatif sama satu sama lainnya
yang membedakan dengan anggota populasi satu dengan populasi lainnya.
2.10.2 Definisi Sampel
Sampel adalah sebagian atau subset (himpunan bagian) dari sebuah populasi.
Sampel digunakan untuk mempermudah peneliti melakukan penelitian karena tidak
mungkin semua yang ada di populasi diteliti menurut Harinaldi (2005). Sedangkan
menurut Sugiyono (2014) sampel adalah bagian dari jumlah dan karakteristik suatu
populasi. Sampel yang baik adalah sampel yang dapat merepresentatifkan
populasinya. Sampel yang tidak representatif memungkinkan terjadinya kesalahan
pada saat pengambilan kesimpulan terkait populasi tersebut. Berdasarkan uraian di
atas dapat disimpulkan sampel adalah sebagian dari jumlah populasi yang
merepresentatifkan populasinya.
2.10.3 Jenis-Jenis Sampel
Teknik sampling dapat dibagi menjadi dua kategori yang luas, yaitu: sampel
probabilitas dan sampel non probabilitas. Pada sampel probabilitas, semua anggota
populasi mempunyai kesempatan yang besar untuk dimasukkan ke dalam sampel.
Kesempatan untuk dimasukkan ke dalam sampel. Kesempatan untuk dimasukkan
ke dalam sampel yang tidak sama, tetapi semua orang mempunyai probabilitas yang
dikenal untuk memasukkan ke dalam sampel. Sebaliknya, sampel non probabilitas
tidak ada acara untuk mengestimasi probabilitas bahwa setiap unsur populasi akan
54
dimasukan ke dalam sampel. Menurut Churchill (2005) tidak ada cara untuk
menunjukkan bahwa setiap unsur populasi masuk ke dalam sampel. Beberapa
macam teknik pengambilan sampel dengan pendekatan probabilitas menurut
Eriyanto (2007) yaitu:
a. Simple Random Sampling
Simple random sampling ini adalah teknik pengambilan sampel yang paling
sederhana dengan mengambil secara acak dari anggota setiap populasi
sederhana dengan mengambil secara acak dari anggota setiap populasi. Semua
anggota populasi mempunyai kesempatan dan perlakuan yang sama untuk
dijadikan sebagai sampel. Teknik ini akan efektif jika di pakai apabila populasi
tidak besar dan relatif homogen.
b. Systematic Random Sampling
Systematic random sampling pada dasarnya memilih sampel dalam populasi
secara sistematis. Teknik pengambilan sampel ini dilakukan secara acak untuk
unsur pertama dari populasi. Untuk unsur berikutnya mengikuti deret atau
sistematika tertentu.
c. Stratified Random Sampling
Stratified random sampling adalah penarikan sampel dengan melakukan
stratifikasi populasi terlebih dahulu berdasarkan pada suatu karakteristik
sebelum menentukan sampel pada populasi. Teknik pengambilan sampel ini
menghasilkan sampel yang lebih representatif dibandingkan dengan teknik
pengambilan secara acak sederhana atau sistematis dengan menggunakan
rumus slovin. Rumus slovin merupakan sebuah rumus untuk menghitung
55
jumlah sampel minimal yang dikembangkan oleh Slovin (1960). Menurut
Husein (2003), rumus ini digunakan dalam penelitian yang jumlah populasi
yang sangat besar dan dibutuhkan sebuah formula untuk mendapatkan sampel
yang sedikit dan mewakili keseluruhan populasi. Untuk menentukan jumlah
minimal sampel yang dibutuhkan jika ukuran populasinya diketahui dapat
digunakan rumus:
#
!=
$ + #&!
(2.1)
dimana:
n = ukuran sampel
N = ukuran populasi
e = kelonggaran ketidaktelitian karena kesalahan pengambilan sampel yang
dapat ditolerir
d. Cluster Random Sampling
Cluster random sampling adalah penarikan sampel dari gugus atau klaster
tertentu dalam populasi. Semua klaster harus bisa diidentifikasikan. Dengan
teknik ini dapat memungkinkan semua populasi terpilih menjadi sampel, karena
cluster random sampling berusaha membuat sampel yang tersebar menjadi
kelompok.
56
e. Multistage Random Sampling
Multistage random sampling merupakan pengembangan dari cluster sampling.
Namun, pada multistage random sampling sangat besar sehingga
memungkinkan untuk dipecah kembali menjadi beberapa gugus dan baru
diambil sampelnya. Teknik ini dilakukan jika populasi yang luas dan
heterogen.
f. Area Random Sampling
Area random sampling adalah bentuk lain dari multistage random sampling.
Teknik ini digunakan untuk populasi yang bisa diidentifikasikan secara
geografis. Beberapa macam teknik pengambilan sampel dengan pendekatan
non probabilitas menurut Eriyanto (2007) yaitu:
1. Convenience Sampling
Convenience sampling adalah teknik pengambilan sampel tanpa ditentukan
mekanisme tertentu. Menurut pengambilan sampel ini tidak mewakili
populasi.
2. Quota Sampling
Quota sampling adalah penarikan sampel dengan adanya pembatasan
jumlah (kuota) dan kriteria tertentu yang dapat dijadikan responden.
Teknik penarikan sampel ini biasanya digunakan dalam survei opini
publik.
3. Purposive Sampling
Purposive sampling adalah pengambilan sampel yang diambil sesuai
dengan kriteria, pemikiran, atau pengetahuan pengambilan sampel. Sampel
57
yang diambil dipengaruhi oleh pemahaman pengambilan sampel terhadap
populasi, sehingga sampel benar-benar mewakili seluruh populasi.
4. Snowball Sampling
Snowball sampling adalah teknik pengambilan sampel yang dimulai dari
sampel kecil, kemudian mengambil sampel berikutnya dengan
rekomendasi dari sampel sebelumnya. Dari Churchill (2005) peneliti yang
menggunakan snowball sampling harus mampu menentukan set awal
responden sesuai dengan karakteristik yang diinginkan, kemudian sampel
yang sudah ada menjadi informan untuk pengambilan sampel yang lain.
2.11 Structural Equation Modeling (SEM)
Menurut Yamin & Kurniawan (2011), Structural Equation Modeling (SEM)
adalah teknik statistik yang mempunyai kemampuan untuk menganalisis hubungan
pola antara variabel laten dan indikatornya, variabel laten yang satu dengan lainnya
secara kesalahan pengukuran secara langsung. SEM memungkinkan peneliti
melakukan pengujian secara eksplisit tingkat konsistensi suatu alat ukur dan
reliabilitas suatu model penelitian yang saling terhubung secara terstruktur
sehingga dapat dihasilkan estimasi secara akurat. Menurut Abdillah & Mustakini
(2015), SEM dapat melakukan analisis faktor, analisis jalur, dan regresi. Terdapat
dua tipe SEM yaitu: Covariance Based SEM (CB-SEM) atau SEM berbasis
kovarian yang biasanya digunakan untuk menerima atau menolak teori hubungan
antara beberapa variabel yang dapat diuji secara empiris. Hal ini menurut Hair et
al. (2017) dilakukan dengan menentukan seberapa baik model teoritik yang
diusulkan dapat memperkira kan matriks kovarian untuk kumpulan data sampel.
58
SEM berbasis kovarian menurut Abdillah & Mustakini (2015) melakukan
interkorelasi atau membebaskan indikator dari setiap variabel untuk berkorelasi
dengan indikator dan variabel laten yang lainnya. Sebaliknya, Partial Least Square
(PLS) SEM menurut Hair yang lainnya. Sebaliknya, Partial Least Square (PLS)
SEM menurut Hair et al., (2017) digunakan untuk mengembangkan teori dalam
penelitian eksplorasi. PLS SEM berfokus untuk menjelaskan varian dalam variabel
dependen ketika memeriksa model. SEM berbasis varian menurut Abdillah &
Mustakini (2015) adalah SEM yang menggunakan proses terasi atau blok varian
antar indikator atau parameter yang diestimasi dalam satu variabel laten dan tidak
mengkorelasikan indikator-indikator dalam satu model penelitian.
2.11.1 Karakteristik SEM
Dalam praktiknya, SEM merupakan gabungan dari dua metode statistika
yang terpisah yang melibatkan analisis faktor (factor analysis) yang dikembangkan
dipsikologi dan psikometri dan model persamaan simultan (simultaneous equation
modelling) yang dikembangkan di ekonometrika. Dalam Ghozali dan Fuad (2008)
menunjukkan perbedaan antara teknik SEM dengan teknik regresi dan multivariate
lainnya, melalui 2 karakteristik SEM seperti berikut:
1. Estimasi terhadap multiple interrelated dependence relationships yang istilah
sederhananya adalah susunan beberapa persamaan regresi berganda yang
terpisahkan tetapi saling berkaitan. Susunan persamaan ini dispesifikasikan
dalam bentuk model struktural dan diestimasi oleh SEM secara simultan.
Perbedaan yang paling kelihatan antara SEM dengan susunan regresi berganda
biasa ialah pada SEM sebuah variabel bebas (independent variable) pada satu
59
persamaan biasa menjadi variabel terikat (dependent variable) pada persamaan
yang lain.
2. Kemampuan untuk menunjukan beberapa konsep tidak teramati (unobserved
concepts) serta beberapa hubungan yang ada di dalamnya, dan perhitungan
terhadap beberapa kesalahan pengukuran dalam proses estimasi. SEM
menyajikan konsep tidak teramati melalui penggunaan beberapa variabel laten.
2.11.2 Kelebihan SEM
Menurut Sarwono (2010) kelebihan dari SEM yaitu:
1. Memungkinkan adanya asumsi-asumsi yang lebih fleksibel.
2. Penggunaan analisis faktor penegasan (confirmatory factor analysis) untuk
mengurangi kesalahan pengukuran dengan memiliki banyak indikator dalam
satu variabel laten.
3. Daya Tarik interface pemodelan grafis untuk memudahkan pengguna membaca
keluaran hasil analisis.
4. Kemungkinan adanya pengujian model secara keseluruhan daripada koefisien-
koefisien secara sendiri-sendiri.
5. Kemampuan untuk menguji model-model dengan menggunakan beberapa
variabel tergantung.
6. Kemampuan untuk membuat model terhadap variabel-variabel perantara.
7. Kemampuan untuk membuat model gangguan kesalahan (error term).
8. Kemampuan untuk menguji koefisien-koefisien di luar antara beberapa
kelompok subjek.
60
9. Kemampuan untuk mengatasi data yang sulit, seperti data time series dengan
kesalahan autokorelasi, data yang tidak normal, dan data yang tidak lengkap.
2.11.3 Kekurangan SEM
Beberapa kekurangan dari SEM yaitu:
1. Pada Sarwono (2010) ukuran sampel tidak boleh terlalu kecil karena SEM
bergantung pada pengujian-pengujian yang sensitif terhadap ukuran sampel dan
magnitude perbedaan-perbedaan matriks kovarian. Sampel di bawah 100 akan
kurang baik hasilnya jika menggunakan SEM.
2. Dalam Yamin dan Sofyan (2009), SEM digunakan bukan untuk merancang
suatu teori, tetapi lebih ditujukan untuk memeriksa dan membenarkan suatu
model. Sangat tidak cocok untuk penelitian dengan model yang baru dirancang.
2.12 Partial Least Square (PLS)
Menurut Wold et al. (1985) dalam Ghozali & Latan (2015) Partial Least
Square (PLS) merupakan metode analisis yang powerfull dan disebut juga sebagai
soft modeling karena meniadakan asumsi-asumsi Ordinary Least Square (OLS)
regresi. Menurut Abdillah & Mustakini (2015) PLS adalah teknik statistika
multivarian yang melakukan perbandingan antara variabel dependen berganda dan
variabel independen berganda. PLS adalah analisis SEM berbasis varian yang dapat
melakukan pengujian model pengukuran sekaligus struktural. Model pengukuran
digunakan untuk uji validitas dan reliabilitas, sedangkan model struktural
digunakan untuk uji kausalitas (pengujian hipotesis dengan model prediksi). PLS
sebagai model prediksi tidak mengasumsikan distribusi tertentu untuk
mengestimasikan parameter dan memprediksi hubungan kausalitas. Oleh karena itu
61
, teknik parametrik untuk menguji signifikansi parameter tidak diperlukan dan
evaluasi untuk prediksi bersifat non-parametrik. Dari Yamin & Kurniawan (2011)
evaluasi model PLS dilakukan dengan mengevaluasi outer model (model
pengukuran) dan inner model (model struktural).
1. Evaluasi Model Pengukuran (Outer Model)
Model ini terdiri atas pemeriksaan individual item reliability, internal
consistency, average variance extracted dan discriminant validity. Measurement
model dilakukan untuk mengetahui hubungan antara variabel dengan indikator-
indikatornya. Pemeriksaan individual indikator reliability, dapat melihat dari nilai
outer loading. Nilai ini menggambarkan besarnya korelasi antara setiap indikator
dengan variabelnya. Menurut Yamin & Kurniawan (2011), nilai outer loading di
atas 0.7 dapat dikatakan ideal. Jika nilai outer loading antara 0.5 s.d 0.6 dikatakan
cukup menurut Ghozali & Latan (2015). Indikator dengan nilai outer loading yang
lemah biasanya dieliminasi atau dihapus. Nilai outer loading 0.4 s.d 0.7 sebaiknya
dipertimbangkan terlebih dahulu sebelum dihapus jika nilai composite reliability
atau average variance extracted masih memenuhi syarat. Dari Hair et al. (2017)
indikator yang mempunyai nilai outer loading di bawah 0.4 biasanya dihapus.
Selanjutnya melihat internal consistency reliability dari nilai composite reliability.
Composite reliability lebih baik dalam mengukur internal consistency
dibandingkan dengan cronbach’s alpha dalam model SEM dikarenakan composite
reliability tidak mengasumsikan kesamaan boot dari setiap indikator. Cronbach’s
alpha cenderung menaksir lebih rendah construct reliability dibandingkan
composite reliability. Menurut Abdillah & Mustakini (2015), Hair et al. (2017),
62
Yamin & Kurniawan (2011) nilai composite reliability 0.6 s.d 0.7 dikatakan dapat
diterima sedangkan nilai 0.7 s.d 0.9 dikatakan sangat memuaskan.
Rumus untuk menghitung composite reliability:
(+," )!
'( =
+,!" + +" ./01(")
(2.2)
dimana:
'( = nilai batas yang diterima untuk tingkat realibiltas komposit
λi = loading factor pada butir ke-i
ε(i) = 1 – λi2
Selanjutnya menguji nilai average variance extracted (AVE). Nilai ini
menggambarkan besaran varian atau keragaman variabel manifes yang dapat
dikandung oleh konstruk laten. Dari Abdillah & Mustakini (2015), Hair et al.
(2017), Yamin & Kurniawan (2011) nilai AVE minimal adalah 0,5 menunjukkan
ukuran convergent validity yang baik. Ini berarti bahwa variabel laten dapat
menjelaskan rata-rata lebih dari setengah varian dari indikator- indikatornya. Nilai
ini diperoleh dari penjumlahan kuadrat outer loading dibagi dengan error.
Persamaan dari AVE:
&'"!
!"# =
&'"! + &! )*+,(!)
(2.3)
dimana:
234 = besaran varian atau keragaman variabel
63
λi = loading factor pada butir ke-i
ε(i) = 1 – λi2
Setelah itu, melakukan uji discriminant validity melihat nilai cross loading dan
Fornell-Larcker criterion. Pada cross loading, membandingkan nilai outer loading
indikator dengan variabelnya dan variabel pada blok lainnya. Bila nilai antara
indikator dengan variabelnya lebih tinggi dari korelasi dengan variabel blok yang
lain, maka variabel tersebut memprediksi ukuran pada blok mereka lebih baik dari
blok lainnya. Pada Fornell-Larcker criterion, membandingkan nilai AVE dengan
kuadrat nilai korelasi antar konstruk. Nilai akar AVE harus lebih tinggi
dibandingkan dengan korelasi antara konstruk dengan konstruk lainnya atau nilai
AVE lebih tinggi daripada kuadrat korelasi antara konstruk.
2. Model Struktural (Inner Model)
Menurut Abdillah & Mustakini (2015) dalam evaluasi model struktural ada
beberapa tahap. Pertama yaitu: melihat signifikansi hubungan antara konstruk. Hal
ini dilihat dari koefisien jalur (path coefficient) yang menunjukkan tingkat
signifikansi dalam pengujian hipotesis atau menggambarkan kekuatan hubungan
antara konstruk. Path coefficient (β) diuji dengan nilai ambang batas di atas 0,1
untuk menyatakan bahwa jalur (path) yang dimaksud mempunyai hubungan antara
konstruk. Path coefficient (β) diuji dengan nilai ambang batas di atas 0,1 untuk
menyatakan bahwa jalur (path) yang dimaksud mempunyai pengaruh dalam model.
Dilanjutkan tahap kedua yaitu: mengukur tingkat variasi perubahan variabel
independen dan variabel dependen dengan melihat nilai R2. Pengklasifikasian nilai
R2 menurut Yamin & Kurniawan (2011) dibagi menjadi tiga yaitu: 0.67 sebagai sub
64
stansial, 0.33 sebagai moderat, dan 0.19 sebagai tingkat varian yang lemah. Tahap
ketiga dilakukan dengan melihat nilai t-test dengan metode bootstrapping
menggunakan uji one-tailed/two-tailed dengan nilai tingkat signifikansi. Besar
tingkat signifikansi yang akhir-akhir ini dipakai untuk uji one-talied/two-tailed
adalah 1.65 (tingkat signifikan 10%), 1.96 (tingkat signifikan 5%), dan 2.57
(signifikan 1%) (Hair et al. 2017; Yamin & Kurniawan, 2011). Nilai t-test ini untuk
menguji hipotesis-hipotesis penelitian. Bila nilai t-test lebih besar dari tingkat
signifikansi yang digunakan, menurut Hair et al. (2017) hipotesis penelitian yang
diajukan dapat diterima. Selain itu, banyak peneliti yang menggunakan p value
untuk menilai tingkat signifikansi. Jika ingin mengasumsikan tingkat signifikan 5%
maka nilai p value harus lebih kecil dari 0.05 untuk menyimpulkan bahwa hipotesis
tersebut memiliki tingkat signifikan 5%. Begitu juga dengan 10% (p value < 0.1)
dan 1% (p value < 0.01). Langkah keempat yaitu: melakukan pengujian f 2 (effect
size). Menurut Hair et al. (2017), Yamin & Kurniawan (2011). Pengujian ini
dilakukan untuk memprediksi pengaruh variabel tertentu terhadap variabel lainnya
dalam struktur model dengan nilai ambang batas sekitar 0.02 untuk pengaruh kecil,
0.15 untuk pengaruh menengah, dan 0.35 untuk pengaruh yang besar, sementara
nilai effect size di bawah 0.02 mengindikasikan tidak memiliki pengaruh struktur
model.
Persamaan f 2 (effect size):

f2 = R2include – R2exclude
1 – R2include
(2.4)
Keterangan:
65
R2include : Nilai R2 yang diperoleh ketika konstruk eksogen dimasukkan
ke model
R2exclude : Nilai R2 yang diperoleh ketika konstruk eksogen dikeluarkan
ke model
Tahapan selanjutnya dengan melihat Q2 (predictive relevance) menggunakan
metode blindfolding untuk membuktikan jika variabel yang digunakan memiliki
keterkaitan prediktif dengan variabel yang lainnya. Nilai Q2 lebih besar dari 0
menunjukkan bahwa model memiliki nilai predictive relevance, sedangkan jika
nilai kurang dari 0 menunjukkan bahwa model kurang memiliki predictive
relevance.
Tahap keenam adalah pengujian q2 dengan menggunakan metode blindfolding
untuk mengukur pengaruh relatif dari sebuah keterkaitan prediktif variabel tertentu
dengan variabel lainnya. Nilai batas ambang untuk nilai q2 terbagi menjadi tiga
yaitu: 0.02 berarti kecil, 0.15 berarti sedang, dan 0.35 berarti besar sesuai dalam
Hair et al. (2017); Yamin & Kurniawan (2011).
Persamaan q2 (relative impact):

q2 = q2include – q2exclude
1 – q2include
(2.5)
Keterangan:
q2include : Nilai Q2 yang diperoleh ketika konstruk eksogen dimasukkan
ke model
66
q2exclude : Nilai Q2 yang diperoleh ketika konstruk eksogen dikeluarkan
ke model
2.13 SmartPLS
Dalam Sander & Lee (2014) SmartPLS adalah alat yang valid untuk menguji
model dan untuk menggambarkan struktur yang kompleks. Program ini membantu
untuk membuat model dan mengevaluasi model. Pada Hair et al. (2017), SmartPLS
sangat populer dikalangan peneliti setelah dikembangkan oleh Ringle, Wende, dan
Will pada tahun 2005 pada bagian tatap muka grafisnya. Tatap muka grafis yang
dikembangkan memungkinkan pengguna untuk memperkirakan path model yang
digunakan.
Menurut Shackman (2013) PLS memiliki kekuatan statistik yang lebih besar
untuk mendeteksi hubungan yang signifikan secara statistik dalam jenis model lain.
Berikut beberapa komponen pada SmartPLS dalam Hussein (2015), yaitu:
a. Konstruk Eksogen
Konstruk eksogen merupakan variabel independen yang terdapat pada suatu
model yang tidak dapat diprediksi oleh variabel lainnya. Konstruk ini yang
nantinya mempengaruhi konstruk endogen.
b. Konstruk Endogen
Konstruk endogen merupakan variabel dependen yang menjadi faktor-
faktor yang dapat memprediksi satu atau beberapa konstruk endogen lain-
nya, namun hanya dapat berhubungan kausal dengan konstruk endogen.
c. Variabel Laten
67
Variabel yang tidak dapat diamati dan diukur secara langsung. Variabel
laten ini terbagi menjadi dua yaitu: variabel eksogen (bersifat independen)
dan variabel endogen (bersifat dependen), dimana variabel eksogen adalah
variabel yang mempengaruhi variabel endogen.
d. Observed Variable
Observed Variable biasa dikenal variabel manifest adalah variabel yang
besaran kuantitatif nya dapat diketahui secara langsung, misalnya dari skor
respons subjek terhadap instrumen pengukuran.
SmartPLS dapat menggunakan berbagai variabel untuk mengidentifikasi hasil.
SmartPLS dapat menggunakan skala metrik, kuasimetrik, ordinal, atau kategoris.
Menurut Hair, Ringle, dan Sarstedt (2013) pernyataan tersebut sangat menarik
untuk menggunakan metode ini untuk memvalidasi model karena ada fleksibilitas
yang besar. Henseler, Ringle, dan Sinkovics (2009) menyatakan bahwa SmartPLS
dapat digunakan untuk sangat model kompleks dengan banyak variabel laten dan
manifes dengan skala berbeda. Selain itu, dalam Sander & Lee (2014) SmartPLS
memiliki keunggulan lain yaitu:
a. SmartPLS dapat digunakan pada penelitian dengan populasi yang sangat
spesifik.
b. SmartPLS tidak membutuhkan adanya asumsi distribusi, sedangkan
aplikasi SEM lainnya membutuhkan asumsi distribusi data yang normal.
c. SmartPLS dapat digunakan pada penelitian ilmiah dengan objektif yang
berbeda.
68
d. SmartPLS memiliki kemampuan untuk menggunakan skala yang reflektif
dan formatif.
e. SmartPLS tidak membatasi penggunaan model formatif dan reflektif pada
satu konstruk.
Selain itu, SmartPLS juga memiliki beberapa kelemahan dalam pengguna-
annya, diantaranya:
a. Model evaluasi harus dilakukan pada R2 dari variabel mediasi dan variabel
dependen yang berbeda.
b. Kompleksitas realita tidak dapat ditunjukkan dengan sempurna dengan
SmartPLS.
c. Seringkali terjadi bias karena ketidaksesuaian model yang ada dengan
kompleksitas realita.
d. SmartPLS harus mengidentifikasi reliabilitas dan validitas dengan metode
statistik yang lebih sedikit dibandingkan dengan konstruksi kovarians.
Itulah alasan untuk menggunakan prosedur resampling misalnya dengan
bootstrap untuk mendapatkan informasi tentang validitas dan reliabilitas
model. Ini adalah kerugian tapi dalam Fuchs (2011) masalah ini bisa diatasi
dengan peningkatan ukuran sampel sehingga hal tersebut ini tidak terlihat.
2.14 Penelitian Sejenis
Pengamatan yang penulis lakukan adalah dengan membaca referensi dari
beberapa penelitian sebelumnya. Penelitian sejenis dilakukan oleh peneliti pada
Gambar 2.9 yang berisikan 12 paper mengenai penelitian keberhasilan sistem
informasi yang menggunakan model Delone & McLean dan Task-Technology Fit
69
(TTF) yang dibagi menjadi 5 sub bidang objek penelitian yaitu, pada penelitian
Aldholay et al. (2018), Alzahrani et al. (2019), dan Cheng (2019) membahas
penelitian keberhasilan e-learning dimana pada Aldholay et al. (2018)
menggunakan model Delone & McLean 2003 dan penambahan variabel Self
Effcicacy. Pada Alzahrani et al. (2019) menggunakan model Delone & McLean
2003 dan penambahan variabel Behavioural Intentions serta Actual Usage dan pada
Cheng (2019) menggunakan model Task-Technology Fit dan penambahan variabel
Expectation Confirmation Model.
Pada objek penelitian layanan e-commerce terdapat pada penelitian Angelina et al.
(2019) dengan menggunakan model Delone & McLean 2003. Lalu dalam penelitian
Tam et al. (2019) menggunakan model Delone & McLean 1992, 2003 dan
penambahan variabel Overall Trust. Pada Hamid & Ikbal (2017) menggunakan
model Delone & McLean 2003 dan penambahan variabel Trust.
Bidang selanjutnya penelitian keberhasilan sistem dengan objek e-wallet yang ada
pada penelitian Lin et al. (2019) yang menggunakan model Delone & McLean, TTF
serta UTAUT. Di bidang selanjutnya yaitu menggunakan objek e-health ada pada
penelitian Wang & Lin (2019) dengan menggunakan model TTF dan Inovation
Diffusion Theory (IDT).
Bidang terakhir yaitu pada objek Fintech terdapat 4 paper yaitu pada penelitian
Tam & Oliveira (2016), Sharma & Sharma (2019), Rahi&Ghani (2019) dan Rahi
et al. (2017). Pada Tam & Oliveira (2016) menggunakan model Delone & McLean
1992, 2003 dan TTF. Pada Sharma&Sharma (2019) menggunakan model Delone&
McLean dengan penambahan variabel Trust. Penelitian Rahi&Ghani (2019) meng-
70
gunakan model Delone & Mclean dan Self Determination Theory dan dalam Rahi
et al. (2017) menggunakan model Technology Continuance Theory dan TTF.
71
Penelitian Sejenis (Evaluasi Keberhasilan Sistem Informasi)

Metode Delone & McLean (D&M) dan Task-Technology Fit (TTF)
Metode Delone & McLean (D&M) dan Task-Technology Fit (TTF)
Metode Delone & McLeanE-Commerce E-Wallet
(D&M) dan Task-Technology Fit (TTF) FinTech
E-Health E-Learning
Metode Delone & McLeanE-Commerce E-Wallet

(D&M) dan Task-Technology Fit (TTF) TamFinTech
& Oliveira
E-Health E-Learning Lin et al.
Wang & Lin Aldholay et al. Angelina et al. (2016)
(2018) (2019)
E-Wallet
(2019) E-Learning (2019) FinTech
E-Health E-Commerce Modifikasi D&M
Ekstensi Delone & Modifikasi D&M, 1992,2003 dengan
Integrasi Task- Delone & McLean TTF,E-Wallet
dan UTAUT
E-Health McLean 2003 dan
E-Learning E-Commerce FinTech
TTF terhadap
2003 terhadap Kakaopay
Technology Fit Self-Efficacy pengguna mobile
(TTF) terhadap Bukalapak, pada pengguna di
terhadap online Lazada, dan Shopee banking di Portugal
dan Innovation learning di Yemen Cina dan Korea terhadap pengguna
Diffusion Theory mobile banking di
(IDT) pada Analisis Delone & McLean Modifikasi D&M,
Ekstensi Delone & Tam
2003et al. Portugal
Big Data dalam TTF, dan UTAUT
McLean 2003
Alzahrani dan
et al. terhadap(2019)
Bukalapak,
sistem layanan terhadap
RahiKakaopay
et al.
Self-Efficacy
(2019) Lazada, dan Shopee
kesehatan berbasis Kombinasi D&M pada pengguna
(2017) di
terhadap online
cloud mobile Cina dan Korea Sharma&Sharma
Modifikasi
learning D&M
di Yemen 1992 dan 2003 +
Delonetrust
& McLean Ekstensi (2019)
2003 dengan overall terhadap
Behavioural 2003
mahasiswa di Technology
Modifikasi D&M,
Ekstensi Delone & terhadap Bukalapak, Rahi et al., Modifikasi D&M
Intentions terhadap perserikatan Eropa Continuance
TTF, dan UTAUT
(2020)
McLean 2003 dan Lazada, dan Shopee dengan Trust
Actual Usage pada untuk pembelian TheoryKakaopay
terhadap (TCT)
Self-Efficacy terhadap Actual
dengan
pada Task
Gambar 2.9 Diagram perpustakan digital
terhadap online pada platform online
Delone & McLean Rahi et al.,Fitdi
pengguna
Technology Usage pada m-
Ranah Penelitian Sejenis di Malaysia
learning di Yemen Cina(2020)
dan Korea banking di Oman
2003 D&M (TTF) pada 2 e-
Kombinasi
terhadap
Hamid Bukalapak,
&2003
Ikbal banking di
Modifikasi
Ekstensi D&M&
Delone 1992 dan + Modifikasi
Rahi D&M,
et al., Modifikasi D&M
Cheng Lazada, dan Shopee
(2017) Pakistan
2003
McLean dengan overall trust terhadap TTF, dan UTAUT
(2019) dan
2003
Behavioural mahasiswa di
(2020)
terhadap Kakaopay
dengan
Rahi Trust
& Ghani
Self-Efficacy Kombinasi terhadap Actual
Intentions
terhadapterhadap
Integrasi Task-
online perserikatanDelone
Eropa & padaEkstensi
pengguna di (2019)
Usage pada m-
McLean 2003 + Trust Technology
Actual Usage
Technology
learning pada
Fit
di Yemen untuk pembelian
terhadap penggunaan Rayanidan
Cina Korea
– on going banking di Oman
Kombinasi D&M
perpustakan digital pada platform online Continuance
(TTF) dan (2021) dan Self-
di Malaysia e-commerce di Theory (TCT)
Expectation kalangan UMKM determination
Modifikasi D&M
dengan
Modifikasi D&M Task
1992, 2003
Confirmation Kombinasi D&M
Kota Palopo Rayani – on going theory
dengan(SDT)
Trust
Technology
dan TTF terhadapFitkinerja
Modifikasi
Model (ECM) D&M
pada 1992
72 dan 2003 + (2021) Extrinsic
terhadap Actual
(TTF)
individual pada
pada 2 e-
Flip Indonesia
2003 dengan
pembelajaran overall trust terhadap Motivation
Usage padapada
m- 2
banking di
Behavioural
daring berbasis mahasiswa di Rayani – on going internet di
banking banking
Oman
Intentions terhadap
komputasi awan di
Kombinasi
72
perserikatan Delone
Eropa & ModifikasiPakistan
D&M 1992, 2003 di Pakistan
McLean 2003 + Trust (2021)
ActualTaiwan
Usage pada untuk pembelian dan TTF terhadap kinerja
terhadap penggunaan individual Ekstensi
pada Flip Indonesia Modifikasi D&M
73
BAB 3
METODOLOGI PENELITIAN
3.1 Pendekatan Penelitian
Tahapan ini dilakukannya pengujian hipotesis mengenai faktor-faktor dalam
keberhasilan penggunaan Flip menurut perspektif pengguna akhir. Pengujian
hipotesis ini memanfaatkan studi empiris guna mempelajari pengaruh antara
variabel satu dengan variabel lainnya atau sering dikenal dengan penelitian kausal.
Dalam Sugiyono (2014) pendekatan kuantitatif adalah pendeketan penelitian yang
digunakan pada penelitian ini yang didasarkan pengukuran penelitian berbentuk
perhitungan angka secara statistik untuk menguji hipotesis yang telah ditetapkan
sebelumnya. Pada Burns & Bush yang dijelaskan di Mangkunegara (2011),
penelitian dengan pendekatan kuantitatif merupakan survei dengan memberikan
lebih banyak pilihan jawaban dalam penggunaan dari struktur pertanyaan dan
menanyakan sejumlah besar responden. Bentuk yang dihasilkan adalah format
numeric. Kuesioner yang merupakan perangkat dari survei digunakan untuk
mengumpulkan data, dibagikan khusus pengguna Flip di Indonesia. Setelah
terkumpulnya data yang dibutuhkan, lalu dilakukannya analisis data secara statistik
dengan memakai aplikasi untuk membantu proses ini seperti Microsoft Word versi
2013 untuk penulisan hasil penelitian, Microsoft Excel versi 2013 sebagai
perhitungan analisis secara demografi, data hasil angka dari kuesioner, pengolahan
data menggunakan SmartPLS Versi 3.3.3, draw.io untuk membuat visual yang
digunakan sebagai pendukung dalam penyusunan secara tertulis dari hasil peneliti-
73
an, google forms untuk media responden mengisi kuesioner. Terakhir, untuk
penulisan referensi yang digunakan pada penulisan laporan menggunakan aplikasi
Mendeley versi 1.19.8.
3.2 Populasi dan Penetuan Sampel Penelitian
Seluruh pengguna Flip menjadi populasi dalam penelitian. Menurut informasi
yang diperoleh dari situs Flip yang dikunjungi pada Januari 2021, Flip memiliki
sekitar 2 juta pengguna. Berdasarkan informasi ini, populasi untuk survei ini
diketahui sebanyak 2 juta akun. Metode penentuan sampel yang digunakan dalam
penelitian ini dengan menggunakan teknik purposive sampling. Penentuan sampel
diambil sesuai dengan kriteria atau syarat yang telah ditentukan sesuai dengan
penelitian karena dengan cara penentuan sampel tersebut dianggap dapat menjadi
perwakilan dari jumlah populasi. Peneliti menggunakan metode dalam Hair et al.
(2017) untuk penentuan minimal sampel yang digunakan dalam perhitungan PLS-
SEM sebesar 10 kali dari jumlah arah yang menunjuk ke variabel laten atau 10 kali
dari jumlah asumsi dalam model yang digunakan. Pada penelitian ini terdapat 18
hipotesis sehingga dapat dikatakan sesuai dengan ketentuan tersebut jumlah paling
sedikit sampel yang harus dikumpulkan sebanyak 180 responden.
3.3 Metode Pengumpulan Data
3.3.1 Observasi
Menurut Siregar & Syofian (2013) observasi adalah merupakan kegiatan
pengumpulan data untuk mengetahui secara langsung kondisi lingkungan pada
objek penelitian dan mendukung kegiatan survei untuk memahami secara jelas
kondisi objek tersebut. Kegiatan pengamatan dilaksanakan untuk menjalani tahap
74
pada studi pendahuluan agar memperkuat landasan pada penelitian. Peneliti melihat
kinerja Flip melalui ulasan atau penilaian Flip yang ditulis oleh pengguna di
platform App Store untuk pengguna sisten operasi iOS dan Google Play Store bagi
pengguna android, memasang aplikasi dan menjadi pengguna untuk melakukan
pengalaman langsung menggunakan Flip serta melacak perkembangan aplikasi Flip
berdasarkan jumlah install dan unique user nya melalui similarweb.com dan
melakukan survei ke beberapa pengguna Flip untuk mengetahui pengalaman
selama menggunakan Flip. Hasil yang diperoleh dari observasi yang peneliti
lakukan adalah peneliti mendapatkan informasi-informasi bahwa masih terdapat
masalah teknis dari Flip dan masalah dari penggunanya juga seperti kendala-
kendala yang dirasakan oleh pengguna Flip, dan jumlah persentase install dan
unique user pada Flip terbilang cukup di bawah dengan aplikasi sejenis dari Flip.
3.3.2 Survei
Dalam penelitian dengan pendekatan kuantitatif, survei menjadi metode yang
populer. Penggunaan kuesioner dalam metode survei oleh Siyoto & Sodik (2015)
sebagai alat pengumpulan data dan menganalisisnya menjadi informasi yang
efektif. Menurut Sugiyono (2011), kuesioner adalah instrumen dalam
mengumpulkan data dengan menghadirkan serangkaian pertanyaan yang nantinya
dijawab oleh responden. Penggunaan kuesioner dimaksudkan untuk memberikan
peneliti informasi yang peneliti butuhkan dan untuk mendukung penelitian. Untuk
mempermudah penilaian yang dinilai oleh responden, kuesioner penelitian
berbentuk close-ended answer dengan pilihan jawaban memakai 5 (lima) level
skala likert. Penggunaan skala likert bermakna dalam mewakili sikap, pendapat dan
75
persepsi individu atau kelompok orang tentang fenomena sosial. Skala Likert
menerjemahkan variabel yang diukur menjadi indikator. Indikator ini digunakan
sebagai titik awal untuk memodifikasi elemen alat yang dapat dibuat sebagai
laporan dan survei. Respon setiap item pada alat pada penggunaan skala likert
memiliki hierarki dari sangat positif hingga sangat negatif. Berikut Tabel 3.1
menampilkan arti dari setiap level pada skala likert dari 1 (satu) sampai 5 (lima)
yang digunakan pada penelitian.
Tabel 3.1 Arti Dalam Setiap Tingkatan Skala Likert
Skor Keterangan
5 Sangat Penting/Sangat Setuju/Sangat Benar/Sangat Tinggi/Selalu
4 Penting/Setuju/Benar/Tinggi/Sering
3 Cukup Penting/Netral/Cukup Benar/Cukup Tinggi/Kadang-kadang
2 Tidak Penting/Tidak Setuju/Tidak Benar/Kurang/Jarang
1 Sangat Tidak Penting/Sangat Tidak Benar/Sangat Kurang/Sangat Tidak Setuju/Tidak
Pernah
Skala likert mewakili atau merepresentasikan penilaian oleh para responden untuk
bisa diinterpretasikan maksdunya dan dapat dijadikan kesimpulan.
Dalam survei ini, kuesioner dibagikan secara tidak langsung karena
menyesuaikan keadaan pandemi yang sedang berlangsung saat penelitian ini
dilakuakan. Distribusi pengisian survei ini dibantu media sosial seperti whatsapp,
email, Instagram dan media sosial serupa yang dibantu dengan pemakaian Google
Formulir sebagai media untuk responden mengisi kuesioner.
3.3.3 Kajian Pustaka
Teknik ini peneliti mengumpulkan informasi dari bahan-bahan literatur
terkait dengan topik penelitian. Setelah mengumpulkan, peneliti mempelajari teori-
teori dari bahan literatur yang didapatkan dari buku, jurnal, serta situs web penyedia
76
layanan lain yang sesuai dengan pembahasan penelitian yang tersajikan dalam Bab
2.
3.4 Metode Analisis Data
Penganalisisan data untuk penelitian ini dibagi menjadi analisis demografi dan
analisis statistik inferensial. Pertama, peneliti menggunakan Microsoft Excel 2013
untuk melakukan analisis demografi. Data analisis demografi dibedakan sesuai
dengan kategori seperti usia, pekerjaan, gender, pendapatan per bulan, pendidikan
terakhir, wilayah tempat tinggal, penggunaan internet, penggunaan flip, dan durasi
penggunaan Flip. Peneliti kemudian melakukan analisis statistik menggunakan
SmartPLS versi 3.3.3.
Pada fase ini, dua analisis dilakukan menurut Hussein (2015); Ghozali & Latan
(2015); Alfa et al. (2017); dan Hair et al. (2017); yaitu: outer model (measurement
model) atau model pengukuran dan inner model (structural model) atau model
struktural. Pengujian dalam tahap Outer Model terdiri dari pengujian melihat nilai
outer loadings pada indikator atau yang disebut pengujian individual indicator
reliability, pengujian internal consistency reliability dengan melihat nilai
composite reliability (CR), pengujian pada convergent validity yang dilihat dari
nilai AVE, dan tahap terakhir yaitu discriminant validity dengan melihat nilai cross
loading dan mengecek nilai fornell-larcker. Selanjutnya, dalam tahap inner model
terdiri atas pengujian dengan melihat nilai path coefficient (β), nilai coefficient of
determination (R2), nilai t-statistics atau t-test dengan metode perhitungan
menggunakan bootstrapping, menghitung nilai effect size (f2), nilai predictive
relevance (Q2), dan menghitung nilai relative impact (q2) menggunakan teknik uji
77
blindfolding sebagai perhitungan.
Hasil dari profil responden kemudian digambarkan sebagai hasil analisis
demografi yang diinterpretasikan dalam situasi saat ini dan interpretasi serta
penjabaran hasil analisis measurement model dan structural model berisikan hasil
penelitian ini yang disesuaikan lalu membandingkannya pada acuan penelitian
sebelumnya dimana hasil dan interpretasi penelitian ini akan lebih jelas dibahas
dalam Bab 4.
3.4.1 Penggunaan Model dan Hipotesis Penelitian
Pemilihan model yang digunakan dalam penelitian didasarkan pada kajian
pustaka yang peneliti lakukan sehingga peneliti memutuskan
menggunakan/mengimplementasikan model integrasi Delone & Mclean dengan
TTF yang dikembangkan oleh Tam & Oliveira (2016) sebagai model dasar
penelitian karena model tersebut dinilai cocok dan sesuai yang dapat memberikan
penjelasan terhadap keberhasilan yang menjelaskan pula faktor-faktor yang
berpengaruh pada keberhasilan dari Flip dalam perspektif kinerja individual. Pada
implementasi atau replikasi model penelitian ini, terdapat pengahapusan jalur
pengulangan (iteration) dari user satisfaction ke use. Sesuai dengan konstruksi
model Delone & McLean (2003) yang dapat dilihat pada Gambar 3.1, adanya
pemisahan antara niat untuk menggunakan dan penggunaan. Dimana dalam
konstruksi tersebut menjelaskan bahwa variabel pengguna berhubungan dengan
variabel kepuasan pengguna yang dari hasil tersebut mempengaruhi variabel niat
menggunakan kembali sehingga peneliti mengasumsikan bahwa jalur hubungan
user satisfaction ke use tidak perlu karena hubungan tersebut menjelaskan niat un-
78
tuk menggunakan yang peneliti anggap tidak cocok dalam menjelaskan
keberhasilan sistem Flip pada tahap pasca-adopsi.
Gambar 3.1 Model Delone & McLean Tahun 2003 Jalur User Satisfaction to Intention to Use
Penelitian keberhasilan Sistem Informasi mengevaluasi penciptaan, distribusi,
dan penggunaan informasi melalui teknologi yang efektif. Keberhasilan SI harus
membantu organisasi mengidentifikasi seberapa baik sistem informasi mendukung
dan mempengaruhi sistem secara positif dari strategi bisnis atau misi organisasi,
serta kebutuhan dan kepentingan pengguna.
79
Pada penelitian Tam & Oliveira (2016) kombinasi dari Delone & McLean
dengan TTF berguna untuk memahami dampak kinerja individual dan disiplin
sistem informasi serta melengkapi kelemahan dari masing-masing model. Model
TTF terdapat teori tentang seberapa baik karakteristik teknologi sesuai dengan
karakteristik tugas yang hal tersebut tidak ada di model D&M dan di model D&M
membahas aspek kualitas sistem, kualitas layanan, dan kualitas informasi terhadap
kepuasan pengguna yang dimana hal tersebut tidak ada di TTF. Dari hal tersebut
menjadi salah satu pertimbangan peneliti mengimplementasikan penggabungan
model Delone & McLean dan TTF. Berikut pada Gambar 3.2 merupakan penggam-
baran model yang telah dijelaskan di atas sekaligus di bawah Gambar 3.2 terdapat
penjelasan variabel-variabel yang menggambarkan dari usulan model penelitian
serta hubungan antara variabel-variabel yang membentuk hipotetesis pada
penelitian.
Gambar 3.2 Model Penelitian Usulan
80
1. System Quality (Kualitas Sistem)
Indikator yang digunakan dalam variabel kualitas sistem adalah Convenience,
Navigation, Security, dan Flexibility. Convenience dalam Fernandes & Awamleh
(2005) merujuk pada kemungkinan pengguna dapat mengakses layanan dimanapun
pada saat kapanpun sehingga pengguna merasakan kenyamanan dalam mengakses
sistem. Navigation menurut Erlang Prima Insani (2013) adalah penempatan dalam
suatu sistem dimana berpengaruh terhadap pengguna agar tidak menghabiskan
lebih banyak waktu pada pencarian informasi karena navigasi yang kurang efisien
dan tata letak yang tidak jelas sehingga akan meningkatkan kesulitan pada penggu-
guna dan mengurangi kegunaan yang dirasakan. Security merupakan faktor penting
dalam mengukur kualitas sistem agar pengguna merasa aman untuk menggunakan
sistem. Data pengguna ini menurut Urbach dan Muller (2012) data yang disimpan
dalam sistem informasi harus dijaga kerahasiaannya sehingga tidak ada yang bisa
dengan bebas mengakses data para pengguna. Jika data benar-benar disimpan
dengan baik maka kemungkinan orang lain menyalahgunakan data tersebut akan
minim terjadinya penyalahgunaan. Flexibility dalam Bailey & Pearson (1983)
adalah kemampuan dalam sistem informasi untuk berubah atau menyesuaikan diri
dengan kondisi, tuntutan atau keadaan baru sesuai dengan pengguna butuhkan.
Berdasarkan uraian sebelumnya maka dapat disimpulkan bahwa kualitas
sistem yang lebih tinggi diharapkan berdampak positif terhadap kesesuaian tugas-
teknologi yang lebih besar, lebih banyak penggunaan, dan peningkatan dalam
kepuasan pengguna yang akan berdampak positif pada kinerja individu.
81
Penelitian sebelumnya telah menunjukkan bahwa ada hubungan yang
berpengaruh antara variabel kualitas sistem dan variabel lainnya. Dalam penelitian
Diar et al. (2019) mengatakan bahwa kualitas sistem memiliki pengaruh secara
positif terhadap kesesuaian tugas-teknologi. Penelitian Iivari (2005) dan Al-Debei
et al. (2013) mengatakan bahwa kualitas sistem memiliki pengaruh secara positif
terhadap kepuasan pengguna dan penggunaan. Dari hal tersebut, penelitian ini
menggunakan hipotesis yakni:
H1: System Quality (SYSQ) berpengaruh secara positif terhadap Task-
Technology Fit (TTF)
H2: System Quality (SYSQ) berpengaruh secara positif terhadap Use (USE)
H3: System Quality (SYSQ) berpengaruh secara positif terhadap User
Satisfaction (US)
2. Information Quality (Kualitas Informasi)
Mengacu dalam Gao & Bai (2014), indikator yang diambil pada variabel
kualitas informasi ini adalah Completeness, Accuracy, dan Relevance.
Completeness atau Kelengkapan sangat dibutuhkan oleh pengguna untuk membuat
82
keputusan. Kelengkapan Informasi ini mencakup semua data yang dibutuhkan
untuk pengguna dalam menggunakan suatu sistem. Accuracy atau Akurat artinya
harus bebas dari kesalahan dan tidak merugikan atau menyesatkan. Akurasi juga
berarti bahwa informasinya jelas. Hal ini mencerminkan tujuan dari informasi yang
disediakan oleh sistem informasi. Relevance atau Relevansi adapun sistem yang
baik mempunyai kualitas informasi diperlukan untuk memenuhi kebutuhan
penggunanya yang dapat bermanfaat bagi mereka. Relevansi informasi untuk setiap
pengguna tergantung pada kebutuhan pengguna.
Dari uraian sebelumnya dapat disimpulkan bahwa kualitas informasi berperan
penting dalam menumbuhkan sikap positif terhadap manfaat penggunaan dari suatu
teknologi informasi tertentu. Dalam Urbach & Müller (2012) "kualitas informasi
sering dilihat sebagai kunci dari kepuasan pengguna". Kualitas informasi menurut
Wixom & Todd (2005) membentuk sikap tentang informasi dan kepuasan sistem,
yang pada gilirannya mempengaruhi keyakinan perilaku, seperti kegunaan yang
dirasakan dan kemudahan penggunaan yang dirasakan, dan berpengaruh juga
terhadap sikap perilaku dan niat penggunaan.
Seperti dalam penelitian Tam & Oliveira (2016) menghasilkan adanya variabel
kualitas informasi memiliki hubungan positif dengan kesesuaian tugas-teknologi
dan pada penelitian Al-Debei et al. (2013), Wei et al. (2017) menyatakan bahwa
variabel kualitas informasi menghasilkan hubungan secara positif dengan kepuasan
pengguna dan penggunaan. Dari hal tersebut, penelitian ini menggunakan hipotesis
yakni:
H4: Information Quality (INFQ) berpengaruh secara positif terhadap Task
83
H5: Information Quality (INFQ) berpengaruh secara positif terhadap Use
(USE)
H6: Information Quality (INFQ) berpengaruh secara positif terhadap User
Satisfaction (US)
3. Service Quality (Kualitas Layanan)
Dalam variabel kualitas layanan menurut Pitt et al. (1995) dan Urbach & Muller
(2012), indikator yang diambil dalam penelitian ini adalah Assurance, Reliability,
Responsiveness, dan Empathy. Assurance adalah suatu jaminan pada sistem agar
berjalan dengan lancar dalam pengguna menggunakan sistem tersebut sesuai
dengan kebutuhan dari pengguna. Reliability adalah kemampuan dari organisasi
untuk menawarkan layanan dan sistem yang dijanjikan dengan andal dan akurat.
Responsiveness merupakan sikap kesediaan untuk membantu pengguna dan
memberikan layanan yang cepat. Empathy adalah sikap kepedulian dari pihak
organisasi dalam mengatasi atau menjawab hal hal yang pengguna tanyakan atau
keluhkan terhadap sistem serta memahami apa yang pengguna butuhkan.
84
Berdasarkan penjelasan di atas bahwa kualitas layanan sebagai instrumen
populer untuk mengukur fungsi dari SI. Menurut Pitt et al. (1995) bahwa sebagian
besar ukuran efektivitas SI berfokus pada produk daripada layanan dan efektivitas
SI akan diperkirakan secara tidak benar jika kualitas layanan SI tidak diperhatikan.
Karena dimensi fisik dari perangkat terdapat beberapa masalah yang dihadapi oleh
sistem, seperti masalah kegunaan. Memastikan kualitas dukungan secara
keseluruhan dapat mengurangi atau bahkan menghilangkan potensi masalah
penggunaan. Oleh karena itu, peneliti mengambil hipotesis sesuai dalam penelitian
Abbas et al. (2018), Diar et al. (2019), dan Tam & Oliveira (2016) sebagai berikut:
H7: Service Quality (SERQ) berpengaruh secara positif terhadap Task-
H8: Service Quality (SERQ) berpengaruh secara positif terhadap Use (USE)
H9: Service Quality (SERQ) berpengaruh secara positif terhadap User
Satisfaction (US)
4. Use (Penggunaan)
Dalam variabel penggunaan, indikator yang diambil dalam penelitian ini adalah
Nature of Use, Attitude Towards Use, dan Intention to Reuse. Nature of Use
didefinisikan menurut Nugroho et al. (2017) digunakan untuk tujuan yang
dimaksudkan untuk menyediakan jenis informasi yang sesuai untuk penggunaan
sistem. Attitude Towards Use Davis (1989) dalam Chauhan (2015) mendefinisikan
sikap terhadap penggunaan sebagai sejauh mana seseorang mengevaluasi teknologi
baru dan mengaitkannya dengan pekerjaan. Intention to Reuse atau Niat untuk
menggunakan kembali dalam Anderson & Srinivasan (2003) dapat didefinisikan
85
sebagai sikap yang menguntungkan pengguna terhadap suatu sistem yang
menghasilkan perilaku penggunaan/pemakaian berulang.
Berdasarkan uraian sebelumnya, maka dapat disimpulkan bahwa penggunaan
merepresentasikan cara sebuah sistem informasi digunakan oleh penggunanya
dilihat dari perilaku pengguna. Penelitian pada Al-Debei et al. (2013) dan Abbas
et al. (2018) menghasilkan penggunaan mempunyai hubungan secara positif
terhadap kepuasan pengguna dan kinerja individu. Dari hal di atas, penelitian ini
menggunakan hipotesis yakni:
H10: Use (USE) berpengaruh secara positif terhadap User Satisfaction (US)
H11.: Use (USE) berpengaruh secara positif terhadap Individual Performance
(IP)
5. User Satisfaction (Kepuasan Pengguna)
Dalam variabel kepuasan pengguna, menurut Urbach & Muller (2012) indikator
yang diambil dalam penelitian ini adalah Enjoyment, Efficiency, Information
Satisfaction, dan Overall Satisfaction. Enjoyment dalam Juniwati (2015)
didefinisikan sebagai persepsi sensorik total ketika seseorang sepenuhnya terlibat
dalam aktivitas tertentu. Dalam instrumen kepuasan pengguna enjoyment dipahami
sebagai suatu kondisi dimana aktivitas penggunaan suatu sistem tertentu dapat
memunculkan rasa menyenangkan, selain dari setiap dampak kinerja dari
penggunaan sistem tersebut. Dalam Sensuse & Prayoga (2012) efficiency
menjelaskan bahwa sistem yang efisien dapat menyajikan informasi dengan cepat.
Pada Nugroho et al. (2017) information satisfaction adalah kepuasan dari sisi
informasi yang dihasilkan dari perbandingan antara harapan dan kebutuhan sistem
86
informasi dengan kinerja sistem yang yang disediakan. Overall satisfaction adalah
bentuk kepuasan secara menyeluruh pada sistem yang diberikan dan adanya
interaksi yang menunjukan tingkat kepuasan seseorang untuk layanan sistem dan
informasi dari proses input sampai proses output yang dilakukan oleh pengguna.
Berdasarkan uraian sebelumnya, maka dapat disimpulkan kepuasan pengguna
berarti diartikan seberapa besar tingkat kepercayaan pengguna bahwa sistem
informasi yang mereka gunakan sudah memenuhi informasi yang pengguna
butuhkan sesuai dalam Ives et al. (1983). Kepuasan pengguna dalam McGill et al.
(2003) mencerminkan persepsi pengguna terhadap kedua kualitas sistem itu sendiri
dan kualitas informasi yang dapat diperoleh dari pengguna.
Penelitian sebelumnya seperti Antong (2017), Tulodo & Solichin (2019) dan
Aldholay et al. (2018) menunjukan hasil terdapatnya hubungan secara positif
kepuasan pengguna terhadap variabel kinerja individu. Dari hal di atas, penelitian
ini menggunakan hipotesis yakni:
H12: User Satisfaction (US) berpengaruh secara positif terhadap Individual Per-
formance (IP)
6. Task Characteristics (Karakteristik Tugas)
Menurut Zhou et al. (2010) dalam variabel karakteristik tugas, terdapat tiga item
karakteristik tugas mencerminkan tiga aspek pengguna persyaratan tugas atau task
requirements seperti; manajemen akun di mana-mana (ubiquitous account
management), transfer uang dan pengiriman uang (money transfer and remittance),
dan penyelidikan informasi akun waktu nyata (real-time account information
inquiry). Peneliti menambahkan satu item lagi dari penelitian Goodhue & Thomp-
87
son (1995) yaitu: Task Equivocality, equivocality pada D’ambra et al. (1998) sendiri
artinya keraguan. Keragu-raguan mengarah pada pertukaran pandangan subjektif di
antara masing-masing individu, keraguan pada individu dapat dikurangi dengan
adanya informasi ataupun pengetahuan.
Berdasarkan penjelasan di atas, peneliti menyimpulkan bahwa karakteristik
tugas menurut Goodhue & Thompson (1995) dalam perspektif TTF dijelaskan
sebuah aksi yang dilakukan oleh seseorang ketika mengubah masukkan (input)
menjadi keluaran (output) untuk memenuhi kebutuhan informasi. Karakteristik
tugas adalah karakteristik yang memungkinkan pengguna menggunakan teknologi
informasi. Tugas menjadi lebih kompleks atau teknologi informasi menawarkan
fungsionalitas yang lebih sedikit sehingga mempengaruhi evaluasi pengguna
terhadap teknologi informasi akan menurun. Sesuai dalam penelitian sebelumnya
oleh penelitian Hijriyanti et al. (2017), Maulina et al. (2015), dan Virdyananto et
al. (2017) menunjukan bahwa adanya hubungan positif antara task characteristics
terhadap task-technology fit. Dari hal di atas, penelitian ini menggunakan hipotesis
yakni:
H13: Task Characteristics (TASC) berpengaruh secara positif terhadap
Task-Technology Fit (TTF)
7. Technology Characteristics (Karakteristik Teknologi)
Menurut Goodhue & Thompson (1995), karakteristik teknologi adalah alat
perangkat keras, perangkat lunak, data) yang digunakan oleh pengguna akhir untuk
melakukan tugas mereka. Karakteristik teknologi pada Flip membuat teknologi
menarik bagi pengguna, dan memungkinkan tugas-tugas seperti mentransfer uang
88
antar bank tanpa biaya admin, dapat melakukan transfer uang ke luar negeri,
membeli pulsa/data, membayar listrik pascabayar dan membeli token listrik dengan
harga yang dapat bersaing dengan platform lain, dan top up e-wallet. Aspek penting
lainnya adalah desain. Menurut Fildes et al. (2006), rancangan mempengaruhi
bagaimana, dan seberapa banyak teknologi akan digunakan. Dengan demikian,
pilihan desain yang buruk akan mengakibatkan teknologi diabaikan atau dibayangi
oleh yang lain. Sesuai dengan penjabaran di atas, penggunaan indikator pada
variabel ini adalah immediacy yang diambil dalam Zhou et al. (2010), user friendly,
dan fast innovation pada penelitian Maulina et al. (2015). Adanya hubungan yang
positif antara karakteristik tugas dengan kesesuian tugas-teknologi terdapat pada
penelitian Puspitasari et al. (2013), Ofani et al. (2015), Aurealia & Siregar (2017).
Dari hal di atas, penelitian ini menggunakan hipotesis yakni:
H14: Technology Characteristics (TECC) berpengaruh positif terhadap
Task Technology Fit (TTF)
8. Task-Technology Fit (Kesesuaian Tugas-Teknologi)
Dalam variabel ini, penggunaan indikator sebagai pendukung pengukuran
adalah Currency, Accessibility, IS Performance, dan Overall Fit. Currency menurut
Goodhue & Thompson (1995) adalah kemampuan sistem dalam menyediakan data
yang cukup terkini untuk kebutuhan pengguna. Dalam Goodhue et al. (2000)
accessibility adalah kemampuan sistem dalam menyediakan akses data yang
dibutuhkan oleh pengguna secara mudah dan cepat. IS Performance dalam
penelitian Goodhue & Thompson (1995) kemampuan sistem dalam menunjang
kebutuhan pengguna sesuai dengan layanan/fitur yang ditawarkan oleh pihak pe-
89
nyedia layanan. Overall fit adalah salah satu indikator pengukuran dalam penelitian
Lin & Huang (2008) adalah kemampuan sistem secara keseluruhan yang sudah
sesuai dengan tugas dan kebutuhan dari pengguna atau sinkronisasi antara sistem
yang tersedia dengan tugas/pekerjaan dari pengguna.
Dari uraian sebelumnya, dapat disimpulkan bahwa kesesuaian tugas-teknologi
menurut Goodhue & Thompson (1995), Goodhue (1998) adalah persepsi kesesuai-
an antara karakteristik teknologi dan karakteristik tugas yang secara positif akan
mempengaruhi penggunaan teknologi dan kinerja individu. Ketika pengguna
merasa bahwa teknologi tersebut mampu mendukung tugas yang sedang
dikerjakan, mereka menunjukkan kinerja individu yang baik.
Dalam penelitian Tam dan Oliveira (2016) mengatakan bahwa efek TTF
memoderasi efek dari penggunaan terhadap kinerja individu. Menurut Tam dan
Oliveira (2016) karakteristik tugas dan karakteristik teknologi dari sistem akan
mendorong penggunaan pada layanan m-banking ataupun sejenisnya. Ada
kemungkinan bahwa ketika pengguna merasa suatu teknologi mendukung
persyaratan dari tugas pengguna akhir, TTF akan tinggi. Ketika pengguna mulai
menggunakan teknologi tertentu seperti m-banking maupun sejenisnya seperti
FinTech, pengguna akan lebih memperhatikan kebaruan dan tugas-tugas yang
mendukung menurut Venkatesh, Thong, dan Xu (2012). Saat pengalaman
meningkat, pengguna akan mengharapkan bahwa TTF yang lebih tinggi akan
secara positif memoderasi efeknya pada kinerja individu. Di sisi lain, efek moderasi
TTF pada kepuasan pengguna untuk menjelaskan kinerja individu lebih lemah
untuk pengguna m-banking dengan TTF tinggi. Berdasarkan hal tersebut, peneliti
90
berharap kepuasan pengguna menjadi kurang penting dalam menjelaskan kinerja
individu ketika level TTF tinggi.
Sesuai dengan penelitian sebelumnya yaitu: penelitian Tam & Oliveira (2016),
Abbas et al. (2018), Diar et al. (2019) menunjukan adanya hubungan secara positif
dan signifikan antara kesesuaian tugas-teknologi terhadap penggunaan dan dalam
Diar et al. (2019) menunjukkan hasil adanya hubungan secara positif dan signifikan
dari kesesuaian tugas-teknologi terhadap kinerja individu. Dari hal di atas,
penelitian ini menggunakan hipotesis yakni:
H15: Task-Technology Fit (TTF) berpengaruh secara positif terhadap Use
(USE)
H16: Task-Technology Fit (TTF) berpengaruh secara positif terhadap Individu-
ual Performance (IP)
H17: TTF akan memoderasi efek dari penggunaan terhadap kinerja individu,
sehingga efeknya akan lebih kuat di antara pengguna dengan TTF tinggi
H18: TTF akan memoderasi efek dari kepuasan pengguna terhadap kinerja
individu, sehingga efeknya akan lebih lemah di antara pengguna dengan
TTF tinggi
9.Individual Performance (Kinerja Individu)
Sesuai dalam penelitian Urbach et al. (2010), Davis (1989), dan Delone &
McLean (2016), penggunaan indikator pada variabel kinerja individu adalah
Usefulness, Effectiveness, dan Individual Productivity. Kegunaan atau Usefulness
adalah indikator ini menunjukkan bahwa sistem yang digunakan dinilai membantu
kebutuhan atau bisa dikatakan menyelesaikan pekerjaan mereka. Dalam hal ini,
91
efektif atau Effectivenes berarti dengan menggunakan sistem pekerjaan dari
pengguna dapat diselesaikan dengan hasil yang tepat dan memakan waktu yang le
bih cepat. Produktivitas Individu atau Individual Productivity adalah peningkatan
produktivitas yang dirasakan oleh pengguna yang terjadi saat mereka menggunakan
suatu sistem.
Berdasarkan uraian sebelumnya, maka dapat disimpulkan kinerja individu
menjadi variabel yang penting dalam pengukuran keberhasialn sistem informasi
yang didapat dari sisi variabel dampak individu (individual impact) menurut Tulodo
& Solichin (2019). Kinerja individu pada pengguna sistem informasi adalah
kemampuan dari pengguna sistem informasi untuk melakukan semua tugas dan
dapat digunakan untuk menilai dan memvalidasi apakah seorang telah
menyelesaikan tugas mereka secara keseluruhan. Pada penelitian Laksmiyati &
Meiranto (2015) menghasilkan adanya secara langsung kinerja dari pengguna
sistem informasi dipengaruhi oleh penggunaan sistem dan kepuasan pengguna serta
hubungan tidak langsung secara melalui kualitas informasi, kualitas layanan, dan
kualitas sistem. Kepuasan pengguna yang dilalui oleh penggunaan diintegrasikan
kembali dengan TTF terhadap kinerja individu sesuai dengan penelitian
sebelumnya oleh Tam & Oliveira (2016).
3.4.2 Indikator Penelitian
Pemilihan indikator untuk digunakan menjadi instrumen penelitian yang
menjadi landasan pembuatan kuesioner didasarkan pada penjelasan variabel dalam
model dan jalur hipotesa yang digunakan dala penelitian. Untuk memastikan
reliabilitas dan kevaliditasan indikator, peneliti memilih berdasarkan indikator yang
92
mewakili definisi dari variabel dan menyesuaikan dengan objek yang dilihat pada
acuan studi pendahulu yang meliputi Bailey & Pearson (1983); Davis (1989); Pitt
et al.(1995); Goodhue & Thompson (1995); McKinney et al. (2002); Iivari (2005);
Lee et al. (2002); Almutairi & Subramanian (2005); Lin & Huang (2008); Roses
et al. (2009); Urbach et al. (2010); Zhou et al. (2010); Urbach dan Muller (2012);
Wibowo (2013); Wijayanto (2013); Gao & Bai (2014); Chauhan (2015); Juniwati
(2015); Maulina et al. (2015); Delone & McLean (2016) dan Saputro et al. (2016).
Berikut Tabel 3.2 menunjukan daftar indikator-indikator apa saja yang pakai untuk
penelitian ini.
93
Tabel 3.2 Daftar Indikator yang Digunakan berdasarkan dari Setiap Variabel
Variabel Indikator Pernyataan Sumber

Kode Nama Indikator
System Quality SYSQ1 Convenience Kenyamanan yang dirasakan oleh pengguna dalam menggunakan Flip
(Kualitas Sistem) (Kenyamanan) Iivari (2005),
Saputro et al. (2016), Urbach
SYSQ2 Navigation Kemampuan sistem pada Flip dalam menyediakan fungsi navigasi yang
et al. (2010), Bailey &
(Navigasi) baik
Pearson (1983), Gao & Bai
SYSQ3 Security Kemampuan sistem Flip dalam memberikan keamanan dalam
(2014), McKinney et al.
(Keamanan) bertransaksi
(2002), Delone & McLean
SYSQ4 Flexibility Kemampuan sistem dalam merubah data yang tersedia sebagai respons
(2016)
(Fleksibilitas) terhadap kondisi dan sesuai dengan kebutuhan pengguna
Information INFQ1 Completeness Kemampuan sistem Flip dalam menghadirkan informasi yang lengkap Bailey & Pearson (1983),
Quality (Kualitas (Kelengkapan) sesuai dengan kebutuhan pengguna Lee et al. (2002), Iivari
Informasi) INFQ2 Accuracy Kemampuan sistem Flip dalam menghadirkan informasi yang akurat atau (2005), McKinney et al.
(Akurasi) yang sebenar-benarnya (2002), Urbach et al. (2010),
INFQ3 Relevance Kemampuan sistem Flip dalam menyediakan informasi yang relevan Delone & McLean (2016)
(Relevan) dalam pengguna memutuskan untuk transaksi
Service Quality SERQ1 Assurance Kemampuan Flip dalam menjamin layanan yang tersedia berjalan sesuai
(Kualitas (Jaminan) dengan kebutuhan pengguna
Layanan) SERQ2 Reliability Kemampuan layanan pada Flip yang dapat diandalkan sesuai dengan Pitt et al. (1995), Wibowo
(Keandalan) janji yang diberikan untuk pengguna (2013), Urbcah et al. (2010),
SERQ3 Responsiveness Kemampuan Flip dalam memberikan layanan serta bantuan yang cepat Roses et al. (2009), Delone
(Responsivitas) untuk penggunanya & McLean (2016)
SERQ4 Empathy Perhatian dan kepedulian yang diberikan oleh Flip kepada pengguna
(Empati)
Use (Penggunaan) USE1 Nature of Use Penggunaan aplikasi Flip sesuai dengan fungsinya Chauhan (2015), Delone &
(Sifat McLean (2016), Urbach &
Penggunaan) Muller (2012)
94
USE2 Attitude Towards Sikap dari pengguna mengevaluasi sistem dengan target pekerjaannya
Use
(Sikap
Penggunaan)
USE3 Intention to Reuse Niat menggunakan kembali
(Niat
Menggunakan
Kembali)
User Satisfaction US1 Enjoyment Pengalaman menyenangkan yang dirasakan oleh pengguna ketika
(Kepuasan (Kesenangan) berinteraksi dengan Flip
Pengguna) US2 Efficiency Tingkat efisiensi pengguna ketika menggunakan Flip
(Efisiensi)
Juniwati (2015), Urbach et
US3 Information Tingkat kepuasan dari sisi informasi pada sistem yang sesuai dengan apa
al. (2010), Wijayanto (2013)
Satisfaction yang diharapkan dan dibutuhkan oleh pengguna
Almutairi & Subramanian
(Kepuasan pada
Informasi)
(2016)
US4 Overall Tingkat kepuasan pengguna secara menyeluruh
Satisfaction
(Kepuasan secara
Keseluruhan)
Task TASC1 Money transfer Kemampuan sistem agar pengguna dapat bertransaksi dimana saja dan
Characteristics and remittance kapan saja
(Karakteristik (Transfer uang
Tugas) dan pengiriman
uang)
Goodhue & Thompson
(1995), Zhou et al. (2010)
TASC2 Real-time account Kemampuan sistem agar pengguna dapat mendapatkan informasi dimana
information saja dan kapan saja
(Informasi pada
akun pada waktu
yang sebenarnya)
95
TASC3 Ubiquitous Kemampuan sistem agar pengguna dapat mengelola akun Flip dimana
account saja dan kapan saja
management
(Manajemen akun
di mana-mana)
TASC4 Task Equivocality Kemampuan pengguna yang dapat mengerti pertanyaan bisnis yang
(Kesetaraan belum pernah ditanyakan sebelumnya.
Tugas)
Technology TECC1 Immediacy Kemampuan sistem dalam memberikan layanan yang real time dan cepat
Characteristics (Kesegeraan)
(Karakteristik TECC2 User Friendly Desain pada sistem yang dibuat dapat dengan mudah digunakan bagi
Zhou et al. (2010), Maulina
Teknologi) (Mudah pengguna
et al. (2015)
Digunakan)
TECC3 Innovation Pembaruan terhadap fitur atau layanan yang disediakan dari Flip sesuai
(Inovasi) dengan kebutuhan pengguna
Task-Technology TTF1 Currency Kemampuan Flip dalam menghadirkan data yang terkini sesuai dengan
Fit (Kesesuian (Terkini) tujuan pengguna
Tugas-Teknologi) TTF2 Accessibility Kemampuan Flip dalam menyediakan akses data yang dibutuhkan oleh
(Aksesibilitas) pengguna secara mudah dan cepat Goodhue & Thompson
TTF3 IS Performance Kemampuan sistem dalam menunjang kebutuhan pengguna sesuai (1995), Goodhue et al.
(Performa SI) dengan layanan/fitur yang ditawarkan oleh Flip (2000), Zhou et al. (2010),
TTF4 Overall Fit Kemampuan fungsionalitas pada Flip yang sudah sesuai dengan tugas Lin & Huang (2008)
(Kesesuaian dan kebutuhan dari pengguna
secara
Keseluruhan)
Individual IP1 Usefulness Sistem yang dapat bermanfaat dalam menyelesaikan kegiatan transaksi
Performance (Kegunaan)
(Kinerja Individu) IP2 Effectiveness Kemampuan sistem yang memungkinkan pengguna dapat menyelesaikan
Davis (1989), Urbach et al.
(Efektivitas) transaksi lebih cepat
IP3 Individual Peningkatan terhadap produktivitas pengguna saat menggunakan Flip
(2016)
Productivity
(Produktivitas
Individu)
96
3.4.3 Pembuatan Kuesioner
Kuesioner dibuat berlandaskan dari penyusunan indikator yang telah
dilakukan sebelumnya yang pada Tabel 3.2 dan daftar pertanyaan yang ada dalam
kuesioner yang tersaji dalam Tabel 3.3, Tabel 3.4, dan Tabel 3.6. Kuesioner dibagi
menjadi 2 segmen, segmen yang pertama berisikan kalimat pengantar dalam
berbentuk seperti surat dari peneliti untuk permohonan kepada responden yang
nantinya akan mengisi kuesioner. Segmen yang kedua berisikan sejumlah
pertanyaan berkaitan erat dengan penelitian dimana pertanyaan tersebut meliputi
profil dari respoden yang dapat dilihat pada Tabel 3.3. yang berisikan 6 (enam) butir
pertanyaan seperti usia, wilayah tinggal, pendidikan terkahir, pekerjaan,
pendapatan per bulan, dan gender. Tabel 3.4 berisikan pertanyaan umum mencakup
pengguanaan Flip terdiri dari 3 (tiga) butir pertanyaan yaitu: penggunaan internet,
penggunaan Flip dan layanan yang dipakai dan 32 (tiga puluh dua) butir pertanyaan
lain yang tersaji pada Tabel 3.6 menyesuaikan dengan indikator dalam variabel
yang ada pada model Delone & McLean dan TTF.
Responden yang mengisi kuesioner penelitian ini khusus pengguna Flip
dimana konfirmasi pengisi kuesioner ini benar-benar pengguna adalah dengan
melampirkan screenshot profil akun flip yang akan disamakan dengan alamat email
responden.
97
Gambar 3.3 Contoh screenshot profil akun Flip
A. Profil Responsden
Responden akan diminta untuk menjawab pertanyaan berikut dengan
memasukkan data pribadi mereka dan memilih salah satu jawaban yang tersedia
dan diharapkan diisi dengan data yang sebenar-benarnya.
Tabel 3.3 Daftar Pertanyaan Terkait Profil Responden
No. Pertanyaan Pilihan Jawaban

1. Nama
2. Nomor Telepon
3. Email
4. Gender o Laki-laki
o Perempuan
5. Usia o 17-25 Tahun
o 26-35 Tahun
o 36-45 Tahun
o 46-55 Tahun
o >55 Tahun
6. Pendidikan Terakhir o SMA/SMK/sederajat
o S1
o S2
o S3
o Lainnya _____________________
98
7. Pekerjaan o Pelajar/Mahasiswa
o Karyawan Swasta
o Wiraswasta
o Guru/Dosen
o PNS/TNI/POLRI
o Lainnya_____________________
8. Wilayah Tinggal o JABODETABEK
Pilihan "Lainnya" untuk o Lainnya_____________________
responden yang
bertempat tinggal di
luar JABODETABEK.
Untuk yang memilih
"Lainnya" WAJIB
mengisi provinsi tempat
Anda tinggal
9. Pendapatan per Bulan o <Rp 3.000.000
o Rp 3.000.000 – Rp 6.000.000
o Rp 6.000.001 – Rp 10.000.000
o >Rp 10.000.000
B. Pertanyaan Umum
Tabel 3.4 Daftar Pertanyaan Data Umum
No. Pertanyaan Pilihan Jawaban

1. Sudah berapa lama Anda o < 1 Tahun
menggunakan internet? o 1-5 Tahun
o 6-10 Tahun
o > 10 Tahun
2. Sudah berapa lama Anda o < 1 Tahun
menggunakan Flip? o 1-3 Tahun
o > 3 Tahun
3. Layanan yang sering Transfer antar bank
digunakan dalam Pembelian pulsa/paket data
menggunakan Flip (pilihan Pembelian token listrik/ pembayaran listrik
bisa lebih dari satu) pascabayar
Top up e-wallet
Kirim uang ke luar negeri
Multi transfer (Big Flip)
C. Pengukuran Keberhasilan Flip
Pengukuran pada kuesioner bagian ini menggunakan skala Likert dengan skala
1 – 5 dengan keterangan penilaian dapat dilihat pada Tabel 3.5. Dimohon responden
99
menjawab pertanyaan dengan memilih penilaian 1/2/3/4/5 pada kolom jawaban
yang telah disediakan.
Tabel 3.5 Keterangan dalam Singkatan Nilai pada Kuesioner
Tingkatan Singkatan Jawaban

1 STS Sangat Tidak Setuju
2 TS Tidak Setuju
3 N Netral
4 S Setuju
5 SS Sangat Setuju
Tabel 3.6 Daftar Pertanyaan bagian Pengujian Keberhasilan Flip
System Quality
No. Pertanyaan 1 2 3 4 5
Secara keseluruhan pertanyaan mengenai apakah kualitas sistem mempengaruhi
penilaian Anda terhadap keberhasilan Flip?
1. Anda merasa nyaman dan mudah dalam
menggunakan Flip
2. Sistem pada Flip menyediakan fungsi
navigasi (tata letak) dengan baik dan
jelas sehingga Anda tidak kesulitan
dalam menggunakan Flip
3. Anda merasa aman dalam bertransaksi
menggunakan Flip
4. Anda dapat menggunakan Flip dengan
merubah atau memasukkan data dengan
mudah sesuai kebutuhan Anda
Information Quality
Secara keseluruhan pertanyaan mengenai apakahkualitas informasi mempengaruhi
1. Informasi yang tersedia pada Flip sudah
lengkap sesuai dengan kebutuhan Anda
2. Informasi yang ditampilkan dalam Flip
adalah informasi yang benar atau akurat
3. Informasi yang ada pada Flip relevan
sehingga Anda dapat memutuskan untuk
bertransaksi menggunakan Flip
Service Quality
Secara keseluruhan pertanyaan mengenai apakah kualitas layanan mempengaruhi
1. Customer Service menjamin dapat
memberikan bantuan terhadap
100
permintaan atau berkaitan dengan
kendala yang Anda alami
2. Layanan dari customer service dapat
diandalkan dalam saat Anda mengalami
kendala dalam menggunakan Flip
3. Customer Service dapat bertanggung
jawab dalam memberikan layanan pada
waktu yang dijanjikan
4. Customer Service Flip bersedia
memberikan perhatian penuh ketika
Anda mengalami kendala dalam
menggunakan Flip
Use
Secara keseluruhan pertanyaan mengenai apakah penggunaan mempengaruhi penilaian
Anda terhadap keberhasilan Flip?
1. Anda menggunakan Flip untuk
kepentingan transfer antar bank
2. Anda suka dengan ide mentransfer uang
melalui Flip
3. Anda berniat untuk menggunakan
kembali Flip
User Satisfaction
Secara keseluruhan pertanyaan mengenai apakah kepuasan Anda mempengaruhi
penilaian terhadap keberhasilan Flip?
1. Flip memberikan pengalaman yang
menyenangkan untuk Anda
2. Flip meningkatkan efisiensi Anda dalam
bertransaksi transfer antar bank
3. Anda puas dengan semua informasi yang
tersedia pada Flip
4. Secara keseluruhan, apakah Anda puas
menggunakan Flip
Task Characteristics
Secara keseluruhan pertanyaan mengenai apakah karakteristik tugas pada sistem
mempengaruhi penilaian Anda terhadap keberhasilan Flip?
1. Anda dapat bertransaksi menggunakan
Flip dimana saja dan kapan saja
2. Anda dapat mengetahui informasi Flip
dimana saja dan kapan saja
3. Anda dapat mengelola akun Flip Anda
dimana saja dan kapan saja
4. Anda sering menghadapi pertanyaan
bisnis yang belum pernah ditanyakan
sebelumnya kepada Anda (pertanyaan
bisnis yang dimaksud contohnya seperti
alur bisnis yang ada saat penggunaan
aplikasi Flip maupun aplikasi yang
sejenis dengan Flip seperti mobile
banking, e-commerce, atau e-wallet)
Technology Characteristics
101
Secara keseluruhan pertanyaan mengenai apakah karakteristik teknologi pada sistem
102
1. Flip memberikan layanan yang real time
dan cepat saat Anda menggunakan Flip
2. Desain pada sistem dapat dengan mudah
Anda gunakan
3. Pembaruan terhadap fitur atau layanan
yang disediakan oleh Flip sudah sesuai
dengan kebutuhan Anda
Task-Technology Fit
Secara keseluruhan pertanyaan mengenai apakah kesesuaian antara tugas dan teknologi
1. Flip menyediakan data yang terkini
sesuai dengan tujuan Anda menggunakan
Flip
2. Data yang Anda butuhkan dalam Flip
dapat diakses dengan mudah dan cepat
3. Flip sudah menunjang kebutuhan Anda
sesuai dengan layanan/fitur yang
ditawarkan
4. Fungsionalitas pada Flip sudah sesuai
dengan tugas dan kebutuhan dari Anda
Individual Performance
Secara keseluruhan pertanyaan mengenai, apakah kinerja individu mempengaruhi
1. Anda merasakan manfaat setelah
bertransaksi menggunakan Flip
2. Anda merasakan dapat melakukan
transaksi lebih cepat dengan
menggunakan Flip
3. Produktivitas Anda meningkat saat
menggunakan Flip
3.5 Skema Penelitian
Skema penelitian merupakan proses secara sistematis yang dilakukan peneliti
dalam melakukan penelitian ini yang disinggung pada Bab 1 bagian 1.7 metodologi
penelitian. Tahapan ini terdiri atas beberapa langkah yang diawali dengan
melakukan studi pendahuluan pengamatan secara langsung dan kajian pustaka,
menentukan identifikasi masalah dari pemaparan latar belakang, perumusan
masalah, menentukan batasan masalah, menjelaskan tujuan dari penelitian,
menentukan model yang digunakan pada penelitian serta hipotesis, menentukan va-
103
riabel dan indikator penelitian, menentukan sumber data yaitu: populasi,
perhitungan sampel dan penentuan subjek penelitian, mengumpulkan data yang
dapat menggambarkan secara umum mengenai objek penelitian dan data dari hasil
kuesioner diawali dengan data tes awal atau pilot study. Setelah tahap data tes awal
sudah memenuhi syarat, dilanjutkan dengan menganalisis data dibantu dengan tool
SmartPLS, melakukan analisis dan interpretasi dari hasil penelitian yang didukung
oleh penelitian sebelumnya, menarik kesimpulan dan saran sesuai dengan hasil
akhir yang tersaji pada Gambar 3.4.
104
Gambar 3.4 Skema Penelitian
105
106
BAB 4
HASIL DAN INTERPRETASI
4.1 Profil Objek Penelitian
Berawal dari ide Rafi Putra Arriyan (Ari) dan 2 teman lainnya, Ginanjar
(Anjar) dan Luqman. Hal tersebut muncul dari masalah pembayaran beban admin
untuk transfer antar bank yang sering mereka temui sewaktu mereka masih sebagai
mahasiswa. Apalagi jika jumlah yang ingin mereka bayarkan bernominal sedikit.
Ari dan rekan-rekannya mulai membangun aplikasi Flip menggunakan sistem
repositori yang dibuat saat membuat Pushla. Pushla adalah proyek yang dibuat saat
kuliah yaitu sistem pemberian donasi dengan memakai pulsa sebagai uang yang
didonasikan. Mereka pikir ide untuk aplikasi tersebut tidak banyak peminat,
akhirnya munculah gagasan perancangan aplikasi Flip.
Untuk memulai bisnis ini, mereka menggunakan uang pribadi yang
dikumpulkan dari berbagai proyek pengembangan perangkat lunak yang mereka
lakukan untuk bekal modal. Alur bisnis awal pada Flip masih terbilang sangat
sederhana dengan membuka situs Goflip.me lalu pengguna diarahkan untuk
mengisi formulir dengan menggunakan bantuan formulir google. Setelah pengisian
formulir dan transfer sudah dilakukan, Flip akan mentransferkan sesuai dengan
nominal yang diajukan oleh pengguna secara manual ke rekening tujuan
menggunakan perbankan elektronik. Kegiatan tersebut saat itu masih memakai
akun pribadi. Baru berjalan 4 hari layanan dimunculkan, Ari dan temannya tidak
sanggup melayani permintaan transfer karena terlalu banyak. Dalam sehari sistem
106
memproses kurang lebih 30 pengajuan pengiriman uang. Pada saat itu juga kru
karyawan terdiri atas 3 kru saja dan mesti berbagi pekerjaan untuk menyelesaikan
transfer, menanggapi permintaan dari pengguna, dan terus mengembangkan situs.
Akhirnya, layanan ditutup sementara dan Ari mempekerjakan beberapa anggota tim
operasi untuk membantu para pendiri fokus mengembangkan sitem Flip.
Pada awal November 2015, mereka akhirnya berhasil meluncurkan sistem baru
yang mampu menangani pengiriman uang secara otomatis yang perlu Flip lakukan
adalah membuat persetujuan di akhir dan semua transaksi akan dijalankan sesuai
kebutuhan. Seiring dengan promosi email dan whatsApp, Flip juga mendapatkan
popularitas yang akhirnya membuat daftar tunggu (antrian) untuk menangani
semua permintaan di waktu yang sama. Baru pada Februari 2016, fitur dari daftar
tunggu dihilangkan. Flip terus berkembang hingga jumlah transaksi yang dilakukan
aplikasi mencapai 13 miliar rupiah pada Juni 2016 dan jumlah pengguna mencapai
puluhan ribu orang.
Dalam membangun bisnis, sebagai pemilik atau wirausahaan harus
memperhatikan dari faktor politik. Kebijakan yang dibuat oleh pihak berwenang
semata-mata untuk menstabilkan kondisi finansial negara. Sesuai dalam
Wahyuningsih & Waspodo (2019) kondisi pada area di luar internal bisnis menjadi
masalah yang cukup penting untuk kemajuan dari kegiatan perusahaan. Pencapaian
ini menarik perhatian Flip ke Bank Indonesia (BI). Pada Juli 2016, Flip menerima
telepon dan meminta datang ke kantor Bank Indonesia untuk memperkenalkan
layanan tersebut. Sebelum ada panggilan dari Bank Indonesia (BI), Flip sudah
mencoba untuk datang ke Bank Indonesia untuk melakukan konsultasi tetapi tidak
107
ditanggapi karena BI menganggap Flip adalah layanan baru yang belum
berkembang.
Pada saat Flip melakukan presentasi mengenai alur transaksi yang ditawarkan
serta jumlah transaksi yang sudah dilayani hingga saat 2016, ternyata reaksi pihak
BI cukup terkejut dan menginstruksikan agar Flip untuk menutup layanannya
karena dirasa layanan pada Flip seharusnya mempunyai izin dan Flip harus
mengurus izin tersebut dalam waktu yang cepat. Setelah mengikuti prosedur yang
diinstruksikan oleh BI selama 10 minggu, akhirnya Flip mendapat izin resmi dari
Bank Indonesia.
Masalah yang dihadapi Flip setelah mendapat izin dari BI belum selesai sampai
disitu. Ada aturan lain dari BI yaitu: Pengguna Flip harus diverifikasi dengan cara
pengguna berhadapan langsung dengan tim dari Flip. Aturan tersebut memunculkan
masalah, yakni perbedaan lokasi yang cukup jauh dengan keadaan tenaga kerja Flip
kurang dari sepuluh karyawan. Flip pernah mencoba meminta izin menggunakan
cara lain untuk verifikasi dengan panggilan video, tetapi BI menolak gagasan itu.
Pada saat itu, akhirnya Flip mengirim email ke para pengguna awal yang telah
menggunakan Flip dimana waktu itu Bank Indonesia menuntut untuk penutupan
layanan, meminta mereka untuk berada di suatu tempat yang telah ditentukan,
seperti di stasiun untuk agenda konfirmasi. Selama proses verifikasi, pengguna
cukup temui karyawan Flip pada tempat yang sudah disesuikan dan tunjukkan ID
KTP untuk langsung mengaktifkan akun Flip. Untuk pengguna yang jauh dari
stasiun, Flip telah membuat grup WhatsApp untuk memungkinkan pengguna dan
pengguna terdekat lainnya menentukan tempat untuk verifikasi. Flip berekspektasi
108
bahwa menggunakan proses otentikasi seperti itu para pengguna akan segera tidak
menggunakan aplikasi ini. Ternyata pengguna memilih untuk melanjutkan,
sehingga proses verifikasi berubah menjadi kegiatan berkumpul sesama pengguna.
Ari mengakui, proses ini masih sulit bagi sebagian pengguna. Alhasil, Flip hanya
mampu mengaktifkan sekitar 7.000 akun pengguna dari puluhan ribu pengguna
sebelum ditutup oleh BI. Rencana Flip selanjutnya akan membuat proses validasi
data pengguna lebih mudah dari yang sebelumnya.
Setelah beberapa lama Ari memperhatikan bahwa mayoritas pengguna
menggunakan layanan ini di perangkat seluler mereka. Jadi Flip mulai membangun
aplikasi seluler pada Desember 2016. Setelah Flip hadir di perangkat seluler, Flip
mengambil alih posisi pertama aplikasi Jenius dari BTPN di Google Play.
Selain itu, Flip juga menghasilkan uang dengan dua ide agar bisnis Flip tetap
berjalan. Ide awal adalah memberikan tarif untuk pengiriman uang antar bank
dengan harga yang bersaing ke organisasi yang telah menjadi langganan Flip.
Kedua, membebankan ke pengguna yang ingin menyetor uang dalam jumlah lebih
tinggi dari batas Flip yang ditentukan sebesar Rp 5 juta. Pada akhirnya, kedua ide
itu dapat terwujud. Berjalannya sampai sekarang pada Maret 2021, Flip sudah
mempunyai berbagai layanan yang ditawarkan, jumlah pengguna 2 juta lebih dan
sudah memproses transaksi senilai lebih dari 24 triliun rupiah. Walaupun layanan
utama Flip yaitu menyediakan transfer antar bank tanpa biaya admin, sesuai dari
informasi yang ada pada situs Flip (masukin webnya) yang diakses pada September
2021, Flip terus berjalan dengan mengambil keuntungan dari layanan lain yaitu
Flip+, Big Flip for Business, dan Flip Globe yang terdapat
109
biaya transfer pada setiap transaksinya. Selain itu, Flip juga mendapatkan
keuntungan dari penjualan produk digital seperti pulsa, paket data, listrik PLN, dan
pengisian E-Wallet. Berikut adalah logo Flip pada Gambar 4.1.
Gambar 4.1 Logo Flip
4.1.1 Visi Flip
Menjadi perusahaan paling customer centric di muka bumi yang membuat
pengguna dapat melakukan transaksi finansial yang fair dari mana saja ke siapa
saja.
4.1.2 Misi Flip
Memberikan Layanan terbaik dan Kenyamanan maksimal dengan Biaya
yang fair. Dan value: Fairness.
4.1.3 Layanan pada Flip
Berikut layanan yang disediakan dalam Flip berdasarkan pada Google Play
Store dan App Store serta situs Flip, sebagai berikut:
1. Pengiriman uang antar bank ternama yang beroperasi di Indonesia secara gratis
yang sudah didukung lebih dari 93 bank.
2. Jika pihak tujuan tidak mempunyai akun Flip, penerimaan transfer yang
dilakukan dengan sistem Flip tetap berjalan.
110
3. Peminimalisiran kesalahan dalam salah pengiriman karena adanya pemeriksaan
secara langsung untuk memastikan rekening tujuan benar.
4. Adanya bukti pengiriman uang yang berbentuk foto jika transfer sudah berhasil
yang dikirimkan melalui email dan aplikasi Flip serta adanya tautan (Flip link)
sehingga bisa diberikan untuk penerima transfer.
5. Adanya fitur in-app live chat yang dapat berinteraksi dengan pengguna jika
pengguna ingin menanyakan pertanyaan seputar penggunaan Flip maupun
membantu dalam mengatasi kendala yang dihadapi pengguna.
6. Data pribadi dari pengguna sudah terenkripsi sehingga data penting dari peng-
guna sangat aman dan mencegah adanya kebocoran data sehngga tidak
digunakan untuk hal-hal yang merugikan pengguna.
7. Fitur untuk pengisian dompet digital seperti shopeepay, OVO, GoPay, LinkAja
maupun saldo untuk Flip sendiri
8. Adanya fitur PPOB sehingga pengguna Flip bisa mengisi pulsa, membeli paket
data internet yang sudah didukung semua provider nasional dan mendukungnya
pembelian token listrik dan pembayaran listrik dari sistem prabayar maupun
pascabayar dengan tariff agen sehingga lebih murah jika membeli di konter.
9. Semua kegiatan transaksi dalam Flip sudah legal dan mempunyai izin resmi
serta sudah terlisensi oleh Bank Indonesia dengan nomor izin 18/196/DKSP/68.
10. Mendukung kegiatan pengiriman uang ke banyak bank (multi transfer) melalui
situs Flip.
111
11. Fitur Big Flip untuk mengirim uang ke banyak tujuan penerima sekaligus pada
waktu yang sama dengan tarif bersaing. Fitur ini berfokus dalam operasional
keuangan untuk penggajian, transaksi dengan kolega bisnis serta pengembalian
dana ke pelanggan mereka.
12. Dengan Flip, pengguna bisa transfer sampai ke luar negeri dengan tarif bersaing
atau yang disebut dengan fitur Flip Globe. Untuk saat ini, negara yang bisa
dijangkau oleh Flip meliputi Australia, China, England, Hongkong, India,
Japan, Malaysia, Philippines, Singapore, South Korea, Thailand, dan Turkey.
13. Akumulasi dari nominal kode unik pada setiap transfer bisa dikirmkan kembali
ke rekening dengan minimal 10 ribu rupiah yang ada di saldo/koin Flip.
4.2 Analisis Data Tes Awal (Pilot Study)
Proses pilot study dilakukan setelah penyusunan kuesioner telah dibuat
berdasarkan indikator dari variabel pada model penelitian yang digunakan. Menurut
Subiyakto et al. (2015) pilot study atau pretest adalah proses verifikasi bahwa
metrik survei dapat dipahami oleh calon pengisi kuesioner atau responden potensial
dimana kuesioner tersebut tersampaikan secara relevan dan tidak mengagalkan niat
untuk pengisian survei.. Tujuan dilakukan pilot study adalah untuk menguji
validitas dan seberapa besar tinggi rendahnya tingkat reliabilitas yang menunjukkan
indikator yang digunakan telah mewakili konsep yang diukur. Menurut Perneger
et al. (2015) penentuan minimal sampel untuk tahap pilot study adalah 30 sampel
karena ukuran tersebut sudah bisa dinilai baik untuk mendeteksi masalah pada
kuesioner. Sesuai dengan ketentuan tersebut, kuesioner disebar ke 40 pengguna
Flip. Selain menjawab pertanyaan yang disediakan, peneliti berpesan kepada res-
112
ponden untuk memberikan saran terhadap kuesioner penelitian ini contohnya jika
terdapat ada kalimat dari pertanyaan yang dirasa kurang dipahami. Sehingga, pada
proses ini dilakukan juga pengkoreksian susunan kalimat maupun makna dari
kalimat dalam kuesioner agar mudah dipahami oleh responden. Di bawah ini hasil
dari pilot study yang telah dilakukan oleh peneliti. Data yang berhasil dikumpulkan
akan diolah menggunakan tool SmartPLS.
4.2.1 Hasil Analisis Demografi Pilot Study
Data profil dari responden menampilkan hasil analisis yang menunjukkan
informasi demografi dari 40 karakteristik responden dalam bentuk presentase yang
tersaji pada Tabel 4.1.
Tabel 4.1 Hasil Analisis Demografi Pilot Study
Kategori Item Persentase

Gender Laki-Laki 35
Perempuan 65
Pendidikan Terakhir 17-25 Tahun 100
26-35 Tahun 0
36-45 Tahun 0
46-55 Tahun 0
Pendidikan Terakhir SMA/SMK/Sederajatnya 32.5
S1 67.5
S2 0
S3 0
Lainnya 0
Pekerjaan Pelajar/Mahasiswa 35
Karyawan Swasta 52.5
Wiraswasta 2.5
Guru/Dosen 5
PNS/TNI/POLRI 0
Lainnya 5
Wilayah Tinggal JABODETABEK 92.5
Lainnya 7.5
Pendapatan per Bulan < Rp 3.000.000 42.5
Rp 3.000.001 – Rp 6.000.000 55
Rp 6.000.001 – Rp 10.000.000 2.5
>Rp 10.000.000 0
Sudah berapa lama < 1 Tahun 0
Anda menggunakan 1 – 5 Tahun 2.5
internet? 6 – 10 Tahun 25
113
>10 Tahun 72.5
Sudah berapa lama < 1 Tahun 75
Anda menggunakan 1 – 3 Tahun 20
Flip? >3 Tahun 5
Layanan yang sering Transfer antar bank 63,3
digunakan (pilihan Pembelian pulsa/paket data 16.7
bisa lebih dari satu) Pembelian token 5
listrik/pembayaran listrik
pascabayar
Top up e-wallet 10
Kirim uang ke luar negeri 0
Multi transfer (Big Flip) 0
4.2.2 Hasil Analisis Pengukuran Pilot Study
1. Individual Item Reliability
Pengujian ini dilakukan dengan memeriksa nilai outer loadings yang
mewakili besaran korelasi antara masing-masing 114ndicator pada
114ndicato outer loadings, jika nilai lebih besar dari 0.7 dapat dianggap valid.
Setelah dilakukan perhitungan pada pilot study ini yang dapat dilihat pada
Tabel 4.2. Dari hasil tersebut, nilai outer loading yang memiliki nilai kurang
dari 0.7 dimana tidak sesuai dengan syarat terdapat 3 (tiga) 114ndicator yaitu:
pada 114ndicator SYSQ4, USE1, dan TASC4. Sisa sejumlah 31 (tiga puluh
satu) 114ndicator lain yang mempunyai nilai outer loading di atas 0.7 yang
sudah sesuai dengan syarat nilai ambang batas.
Tabel 4.2 Nilai Outer Loading Pilot Study
USE
US
SYSQ INFQ SERQ USE US TASC TECC TTF IP X
XTTF
TTF
SYSQ1 0.826
SYSQ2 0.719
SYSQ3 0.771
SYSQ4 0.572
INFQ1 0.835
INFQ2 0.854
INFQ3 0.939
SERQ1 0.732
SERQ2 0.831
SERQ3 0.900
114
SERQ4 0.852
USE1 0.641
USE2 0.908
USE3 0.852
US1 0.706
US2 0.758
US3 0.876
US4 0.781
TASC1 0.875
TASC2 0.872
TASC3 0.850
TASC4 -0.022
TECC1 0.807
TECC2 0.885
TECC3 0.870
TTF1 0.846
TTF2 0.878
TTF3 0.899
TTF4 0.864
IP1 0.803
IP2 0.812
IP3 0.847
USE X 1.018
TTF
US X 0.909
TTF
Selanjutnya dilakukan perhitungan kembali dengan menghapus 1 (satu) item
indikator yaitu: TASC4 yang menunjukkan hasil semua outer loading pada
indikator lain dinyatakan sudah valid dan nilai outer loading pada indikator
lain yang tidak dihapus tidak mengalami perubahan nilai.
2. Internal Consistency Reliability
Pengujian ini melihat nilai dari hasil Composite Reliability (CR), nilai yang
memenuhi syarat untuk dapat diterima berkisar 0.6 sampai 0.7. Dalam pilot
study telah menunjukan bahwa perhitungan tingkat realibilitas yang baik
dengan nilai lebih besar dari 0.7. Pada perhitungan tingkat validitas yang baik
dengan nilai lebih besar dari 0.7. Pada perhitungan tingkat validitas yang baik
115
dengan nilai Average Variance Extracted (AVE) lebih besar dari 0.5
menunjukkan nilai CR dari semua variabel di atas 0.7 untuk memenuhi
persyaratan sehingga model dikatakan valid untuk digunakan dalam penelitian
ini.
Tabel 4.3 Nilai Composite Reliability Pilot Study
Variabel Composite Reliability (CR)

SYSQ 0.816
INFQ 0.909
SERQ 0.899
USE 0.847
US 0.863
TASC 0.901
TECC 0.890
TTF 0.926
IP 0.861
USE X TTF 1.000
US X TTF 1.000
3. Average Variance Extracted
Pada tahap ini dilakukan uji Convergent Validity yang ditegaskan dengan nilai
AVE, dengan ketentuan nilai terkecil yang dapat dianggap baik adalah 0.5. Ta-
bel 4.4 menunjukkan hasil nilai AVE untuk semua variabel di atas ambang
batas 0.5, sehingga hasilnya dapat diterima.
Tabel 4.4 Nilai Average Variance Extracted Pilot Study
Variabel Average Variance Extracted (AVE)

SYSQ 0.530
INFQ 0.769
SERQ 0.691
USE 0.653
US 0.613
TASC 0.753
TECC 0.731
TTF 0.759
IP 0.674
USE X TTF 1.000
US X TTF 1.000
116
4. Discriminant Validity
Pada tahap ini membandingkan nilai AVE dengan Fornell-Larcker dimana
nilai akar AVE harus lebih besar dari korelasi antara variabel dengan variabel
yang lainnya. Hasil pada tahap ini ditunjukkan pada Tabel 4.5, nilai Fornell-
Larcker lebih besar dari nilai AVE.
Tabel 4.5 Nilai Fornell-Larcker Criteria Pilot Study
US USE
INF SER SYS TASC TEC
IP TTF X USE X US
Q Q Q C C
TTF TTF
0.82
IP
1
INF 0.60 0.87
Q 0 7
SER 0.55 0.65
0.831
Q 2 7
SYS 0.47 0.58
0.296 0.728
Q 1 8
TAS 0.68 0.51
0.391 0.533 0.868
C 1 0
0.52 0.72 0.87
TTF 0.473 0.577 0.595
0 4 1
TEC 0.43 0.69 0.61
0.387 0.684 0.481 0.855
C 5 4 3
- - -
US X - - -
0.01 0.29 -0.115 0.33 1.00
TTF 0.212 0.304 0.294
2 8 1
-
0.64 0.63 0.65 0.80
USE 0.379 0.514 0.645 0.514 0.08
4 2 6 8
1
USE - - - -
- - 0.52 1.00
X 0.11 0.19 0.012 -0.315 0.30 0.40
0.171 0.073 9 0
TTF 9 0 7 1
- -
0.63 0.67 0.67 0.59 0.78
US 0.388 0.654 0.676 0.772 0.11 0.07
6 9 3 2 3
3 2
Dari hasil pada tahap pilot study dihasilkan indikator dengan perbaikan yaitu:
penghapusan item indikator TASC4 karena nilai outer loading nya -0.022 dan
masih mempertahankan item indikator SYSQ4 dan USE1 yaitu: 0.572 dan 0.641
117
karena nilai tersebut dianggap masih berpotensial baik atau memenuhi syarat
minimal yaitu: 0.7 jika telah dilakukan perhitungan dengan data yang lengkap me-
118
ngingat pilot study hanya menggunakan sebanyak 40 data yang diolah.
4.3 Analisis Demografi
4.3.1 Hasil Analisis Demografi
Peneliti berhasil mengumpulkan data yang dilakukan dari 25 Mei 2021
sampai tanggal 14 Juni 2021 atau selama 21 hari sejumlah 435 responden. Analisis
demografi diolah dari data profil responden dan data dari pertanyaan umum yang
tersaji dalam Tabel 3.3 dan Tabel 3.4 pada bab 3. Dari 435 responden terdapat 3
(tiga) responden yang tidak valid sehingga final data yang diproses sebanyak 432
responden. Berikut Tabel 4.6 menyajikan hasil pada jawaban para responden
menghasilkan informasi tentang karakteristik yang dapat dikategorikan seperti usia,
wilayah tinggal, gender, pendidikan terakhir, pekerjaan, pendapatan per bulan,
rentang waktu penggunaan internet, waktu penggunaan Flip, dan layanan apa yang
sering digunakan pengguna dalam menggunakan Flip.
Tabel 4.6 Demografi Data Responden
No. Kategori Item Jumlah Presen

1. Gender Laki-Laki 149 34.5
Perempuan 283 65.5
2. Usia 17-25 Tahun 360 83.3
26-35 Tahun 41 9.5
36-45 Tahun 14 3.2
46-55 Tahun 15 3.5
>55 Tahun 2 0.5
3. Pendidikan SMA/SMK/Sederajatnya 265 61.3
Terakhir S1 145 33.6
S2 7 1.6
S3 0 0
Lainnya 15 3.5
119
4. Pekerjaan Pelajar/Mahasiswa 161 37.3
Karyawan Swasta 179 41.4
Wiraswasta 22 5.1
Guru/Dosen 12 2.7
PNS/TNI/POLRI 15 3.5
5. Wilayah Tinggal JABODETABEK 370 85.6
Lainnya 62 14.4
6. Pendapatan per < Rp 3.000.000 191 44.2
Bulan Rp 3.000.001 – Rp 6.000.000 187 43.3
Rp 6.000.001 – Rp 10.000.000 39 9
>Rp 10.000.000 15 3.5
7. Sudah berapa lama < 1 Tahun 6 1.4
Anda 1 – 5 Tahun 24 5.6
menggunakan 6 – 10 Tahun 121 28
internet? >10 Tahun 281 65
8. Sudah berama < 1 Tahun 304 70.4
lama Anda 1 – 3 Tahun 106 24.5
menggunakan >3 Tahun 22 5.1
Flip?
9. Layanan yang Transfer antar bank 388 61.3
sering digunakan Pembelian pulsa/paket data 121 19.1
(pilihan bisa lebih Pembelian token 41 6.5
dari satu) listrik/pembayaran listrik
pascabayar
Top up e-wallet 58 9.2
Kirim uang ke luar negeri 16 2.5
Big Flip 9 1.4
4.3.2 Interpretasi dan Pembahasan Hasil Analisis Data Demografis
Berikut ini adalah interpretasi dari peneliti berdasarkan data analisis
demografis yang tersaji dalam Tabel 4.6, yang dijelaskan di bawah ini:
1. Gender
Jumlah responden didominasi dengan gender perempuan dengan jumlah 283
responden atau sebesar 65.5% dari jumlah responden dari penelitian ini. Di sisi
lain, informan dengan kategori gender laki-laki terdapat 149 partisipan atau
sebanyak 34.5%. Berdasarkan data tersebut dapat disimpulkan kesediaan dalam
pengisian kuesioner ini yaitu berasal dari kategori gender perempuan dengan
jumlah yang lebih besar dibandingkan dengan kategori gender laki-laki. Jika
dihubungkan dengan kepemilikkan rekening bank, menurut World Bank Group
120
dalam laporan The Global Findex Database oleh Demirguc-Kunt et al. (2018)
pada negara Indonesia kategori perempuan lebih memiliki rekekning bank
dibandingkan dengan laki-laki.
GENDER
Laki-Laki
34,5%
Perempuan
65,5%
Gambar 4.2 Diagram Kategori Gender Responden
2. Usia
Usia 17-25 tahun mendominasi dalam penelitian ini, sejumlah 360 orang atau
sebesar 83.3% Selanjutnya pada rentang umur 26 sampai 35 tahun terdapat 41
partisipan atau sebanyak 9.5%, rentang umur 36 sampai 45 tahun sejumlah 14
informan atau sebanyak 3.2%, rentang usia 45-55 tahun terdapat 15 orang
sebesar 3.5% dan rentang usia paling sedikit di atas 55 tahun terdapat 2 orang
atau sebesar 0.5%. Dari data di atas, pada kategori usia ini peneliti berasumsi
bahwa pada rentang usia 17-25 tahun adalah usia produktif dalam menggunakan
teknologi dan disebabkan relasi yang dimiliki oleh peneliti didominasi oleh
rentang usia tersebut.
121
45-55 Tahun
USIA
3,5% >55 Tahun
36-45 Tahun 0,5%
3,2%
26-35 Tahun
9,5%
17-25 Tahun
83,3%
Gambar 4.3 Diagram Kategori Usia Responden
3. Pendidikan Terakhir
Pada kategori ini, lulusan SMA/SMK/sederajatnya menjadi paling dominan
pada profil pendidikan terakhir para responde yang berjumlah 265 responden
atau sebanyak 61.3% disusul dengan lulusan S1 berjumlah 145 responden atau
sebanyak 33.6%, lulusan S2 berjumlah 7 responden atau sebanyak 1.6%,
kategori lainnya seperti lulusan D3 sebanyak 15 responden atau sebanyak 3.5%,
serta tidak ada responden yang berasal dari kategori lulusan S3. Sesuai dengan
data pada BPS yang dapat dilihat pada web site BPS yang diakses pada 29 Juni
2021, bahwa penduduk Indoensia dengan usia rata-rata 25 tahun ke atas sudah
mempunyai kualifikasi atau sudah menjalani masa pendidikan selama 8,34
tahun (hampir sama dengan waktu yang dibutuhkan untuk menyelesaikan kelas
sembilan). Hal tersebut peneliti berasumsi sesuai dengan hasil persentase dari
122
kategori usia dimana didominasi rentang usia 17-25 tahun yang sesuai dengan
pada saat usia tersebut para responden sudah lulus pada tingkat pendidikan
SMA/SMK/sederajatnya.
4. Pekerjaan
Karyawan swasta menjadi kategori yang mendominasi dengan jumlah 179
orang atau sebanyak 41.4%. Sedangkan kategori status pelajar/mahasiswa
menduduki peringkat kedua dengan adanya 161 informan lainnya atau
sebanyak 37.3%. Lalu dengan status pekerjaan sebagai wiraswasta berjumlah
22 atau sebanyak 5.1%, PNS/TNI/POLRI berjumlah 15 orang atau sebanyak
3.5%. Pada kategori lainnya seperti sebagai freelancer, ibu rumah tangga,
pegawai pemerintah non PNS dan lainnya berjumlah 43 orang atau sebanyak
PENDIDIKAN TERAKHIR
S2 Lainnya
1,6% 3,5%
SMA/SMK/sederaj
atnya…
S1
33,6%
Gambar 4.4 Diagram Kategori Pendidikan Terakhir Responden
10%. Kategori paling sedikit guru/dosen sebanyak 12 atau sebanyak 2.7%.
Dari data diatas, peneliti mengindikasi adanya keterkaitannya dengan hasil
123
pada kategori usia 17 – 25 tahun dan Pendidikan terakhir
SMA/SMK/sederajatnya.
5. Wilayah Tinggal
Berdasarkan wilayah tinggal para responden didominasi pada daerah
JABODETABEK yang berjumlah 370 responden atau sebanyak 85.6%. Pada
pilihan Lainnya responden terdapat berasal dari berbagai provinsi di Indonesia
PEKERJAAN
PNS/TNI/POLRI Lainnya
3,5% 10,0%
Guru/Dosen
2,7%
Wiraswasta
5,1%
Pelajar/Mahasiswa
37,3%
Karyawan
Swasta
41,4%
Gambar 4.5 Diagram Kategori Pekerjaan Responden
yang berada di luar JABODETABEK seperti Banten, Jawa Tengah, Sumatra
Barat, Jawa Barat, Lampung, Bengkulu, Bali, Jawa Timur, Kalimantan Barat,
Jambi, Aceh, Sumatra Selatan, Sumatra Utara, Kalimantan Selatan, dan Sula-
wesi Utara dengan junlah 62 responden atau sebanyak 14.4%. Berdasarkan
data diatas, peneliti menyimpulkan faktor responden berasal dari wilayah
JABODETABEK karena wilayah tersebut menjadi daerah Ibukota Indonesia
dan daerah sekitar ibukota yang dikatakan menjadi pusat pertumbuhan di
124
wilayah Indonesia dan masyarakatnya yang dikenal sangat mengandalkan
teknologi sebagai kebutuhan dalam kehidupan sehari-hari sehingga pengguna
Flip didominasi pada masyarakat JABODETABEK.
WILAYAH TINGGAL
Lainnya
14,4%
JABODETABEK
85,6%
Gambar 4.6 Diagram Kategori Wilayah Tinggal Responden
6. Pendapatan per Bulan
Dalam kategori ini didominasi pendapatan per bulan responden (dengan
rupiah) dalam rentang kurang dari 3 (tiga) juta yang sebanyak 44.2% atau
sejumlah 191 responden disusul dengan informan lainnya yang
PENDAPATAN PER BULAN

Rp 6.000.0001 - > Rp 10.000.000
Rp 10.000.000 3,5%
9,0%
< Rp 3.000.000
Rp 3.000.001- 44,2%
Rp 6.000.000
43,3%
Gambar 4.7 Diagram Kategori Pendapatan per Bulan Responden
125
berpenghasilan lebih dari 3 (tiga) juta sampai 6 (enam) juta sebanyak 43.2%
atau sejumlah 187 responden. Lalu kategori penghasilan lebih dari 6 (enam)
juta sampai 10 (sepuluh) juta sebanyak 9% atau sejumlah 39 orang. Kategori
dengan penghasilan lebih dari 10 (sepuluh) juta per bulan menjadi kategori
yang paling sedikit respondennya yang berjumlah 15 orang atau sebanyak
3.5%. Dalam hal ini peneliti mengidentifikasikan dengan hasil yang berkaitan
dengan kategori status pekerjaan para responden yang masih menjadi
pelajar/mahasiswa dan berasumsi bahwa Flip ini merupakan aplikasi yang
cocok dengan keadaan keuangan pelajar/mahasiswa.
7. Rentang Waktu Penggunaan Internet
Berdasarkan berapa lama mereka menggunakan internet, responden yang
paling yakni penggunaan internet sudah > 10 tahun sebanyak 281 partisipan
atau sebanyak 65%. Lalu pada rentang waktu 6-10 tahun terdapat 121
responden atau sebanyak 28%. Setelah itu pada rentang 1-5 tahun terdapat 4
responden atau sebanyak 5.6% dan yang paling sedikit pemakaian i
RENTANG WAKTU
PENGGUNAAN INTERNET
< 1 Tahun 1 - 5 Tahun
1,4% 5,6%
6 - 10 Tahun
> 10 Tahun
28,0%
65,0%
Gambar 4.8 Diagram Rentang Waktu Penggunaan Internet Responden
126
nternet pada rentang waktu kurang dari setahun sejumlah 6 orang atau
sebanyak 1.4%. Dari data di atas, umumnya para responden sudah memiliki
pengalaman dan familiar dalam menggunakan internet dalam kegiatan sehari-
hari sesuai dengan usia para responden yang masuk dalam kelompok milenial
dan gen z. Hal ini juga berkaitan dengan hasil pada kateegori wilayah tinggal
responden yang berdomisili di JABODETABEK serta usia para responden.
8. Rentang Waktu Penggunaan Flip
Kategori lama nya penggunaan Flip paling banyak yakni penggunaan <
setahun dengan jumlah partisipan 304 orang atau sebanyak 70.4%. Lalu pada
waktu rentang waktu 1-3 tahun sejumlah 106 orang atau sebanyak 24.5% dan
rentang waktu lebih dari 3 tahun sejumlah 22 orang atau sebanyak 5.1%. Dari
data di atas, peneliti berasumsi pengguna baru mendominasi dari penelitian ini
yang bisa dipengaruhi oleh gerakan campaign dari Flip yang terbilang gencar
gencarnya dalam setahun belakangan ini yang terlihat dari halaman youtube
Flip Indonesia dan sebagian responden juga memiliki pengalaman
menggunakan Flip sudah lama karena Flip sendiri muncul tahun 2016.
RENTANG PENGGUNAAN FLIP

>3 Tahun
5,1%
1-3 Tahun
24,5%
< 1 Tahun
70,4%
Gambar 4.9 Diagram Rentang Penggunaan Flip Responden
127
9. Jenis Layanan yang Sering Digunakan
Dalam kategori ini layanan yang mendominasi adalah transfer antar bank yaitu:
sebanyak 61.3% responden menggunakan layanan ini. Disusul dengan layanan
pembelian pulsa/data sebanyak 19.1%. Selanjutnya layanan top up e- wallet
sebanyak 9.2%, lalu layanan pembelian token listrik/pembayaran listrik pascabayar
sebanyak 6,5%, layanan multi transfer (big flip) sebanyak 2,5%, dan layanan kirim
uang ke luar negeri merupakan layanan yang paling jarang digunakan yaitu:
sebanyak 1,4%. Dalam hal ini, peneliti berasumsi layanan transfer antar bank
menjadi tujuan utama pengguna menggunakan sistem Flip dan sesuai dengan judul
di platform Play Store serta App Store dinamakan “Flip: Transfer Antar Bank
Tanpa Biaya Admin”.
JENIS LAYANAN YANG SERING

DIGUNAKAN
Top up e- Multi Transfer (Big Flip)
wallet 1,4%
9,2%
Kirim uang ke
Pembelian luar negeri
token 2,5%
listrik/pembay
aran listrik
pascabayar
6,5% Transfer antar
bank
Pembelian 61,3%
pulsa/data
19,1%
Gambar 4.10 Diagram Jenis Layanan yang Sering Digunakan Responden
128
4.4 Analisis Model Pengukuran (Outer Model/Measurement Model)
4.4.1 Hasil Analisis Model Pengukuran (Outer Model/Measurement Model)
Sesuai dengan Hair et al. (2017) pengujian pada tahap analisis model
pengukuran dilakukan dengan 4 (empat) cara yang terdiri atas individual item
reliability, internal consistency reliability, average variance extracted, dan discri-
minant validity. Menurut Yamin & Kurniawan (2011) pengujian tahap model
pengukuran dijalankan untuk diketahuinya hubungan antar variabel atau konstruk
dengan masing-masing indikatornya serta menguji kesalahan pengukuran
(measurement error). Berikut hasil serta penjabaran dari tahapan pada
measurement model/outer model.
1. Individual Item Reliability
Pengujian cara ini berfokus terhadap nilai outer loading. Makna dari nilai outer
loading dapat memperlihatkan sejauh mana korelasi antara setiap indikator
dengan variabelnya. Dalam Yamin & Kurniawan (2011) nilai yang ideal adalah
nilai outer loading di atas 0.7 tetapi jika terdapat adanya nilai outer loading
sekitar 0.5 – 0.6 masih dikatakan cukup dan bisa untuk tidak dihapus.
Sesuai dengan hasil pilot study yang dilakukan oleh peneliti sebelumnya,
adanya penghapusan 1 item indikator yaitu: TASC4. Berdasarkan hasil
pengujian, setalah penghapusan TASC4, indikator lainnya menghasilkan nilai
yang ideal serta valid karena bernilai di atas 0.7 yang berarti dapat dilakukannya
ke proses pengujian selanjutnya yaitu internal consistency reliability. Berikut
Tabel 4.7 mensajikan keseluruhan nilai outer loading pada setiap indicator.
129
Tabel 4.7 Hasil Outer Loading yang Sudah Valid
SYSQ INFQ SERQ USE US TASC TECC TTF IP USE X TTF US X TTF
SYSQ1 0.844
SYSQ2 0.796
SYSQ3 0.815
SYSQ4 0.802
INFQ1 0.854
INFQ2 0.867
INFQ3 0.869
SERQ1 0.880
SERQ2 0.886
SERQ3 0.895
SERQ4 0.896
USE1 0.891
USE2 0.922
USE3 0.877
US1 0.859
US2 0.839
US3 0.874
US4 0.879
TASC1 0.840
TASC2 0.906
TASC3 0.910
TECC1 0.824
TECC2 0.864
TECC3 0.875
TTF1 0.879
130
TTF2 0.893
TTF3 0.889
IP1 0.865
IP2 0.839
IP3 0.865
USE X TTF 1.613
US X TTF 1.645
2. Internal Consistency Reliability
Pengujian cara ini berfokus terhadap nilai composite realiability (CR). Ambang batas sesuai dalam Ghozali & Latan (2015)
adalah bernilai 0.7. Dari hasil pengujian tahap ini menghasilkan nilai CR telah memenuhi syarat yang dapat diartikan juga bahwa
setiap variabel yang ada pada model penelitia ini ideal untuk digunakan. Secara lengkapnya dapat melihat Tabel 4.8.
Tabel 4.8 Hasil Composite Reliability

SYSQ 0.887
INFQ 0.898
SERQ 0.938
USE 0.925
US 0.921
TASC 0.916
TECC 0.891
TTF 0.936
131
IP 0.892
USE X TTF 1.000
US X TTF 1.000
3. Average Variance Extracted
Pengujian cara ini berfokus terhadap nilai Average Variance Extracted
(AVE). Menurut Hair et al. (2017) dan Ghozali & Latan (2015) convergent
validity yang dapat dikatakan baik jika nilai AVE menghasilkan minimal
0.5. Pada Tabel 4.9 menunjukkan bahwa hasil uji analisis nilai AVE pada
setiap variabel memiliki nilai >0.5 yang berarti nilai AVE pada penelitian
ini dapat diterima dan telah memenuhi syarat
Tabel 4.9 Nilai Average Variance Extracted (AVE)
Variabel Average Variance Extracted (AVE)

SYSQ 0.663
INFQ 0.745
SERQ 0.791
USE 0.805
US 0.744
TASC 0.785
TECC 0.731
TTF 0.786
IP 0.733
USE X TTF 1.000
US X TTF 1.000
4. Discriminant Validity
Discrimanant Validity menjadi tahapan terakhir dalam analisis model
pengukuran. Tahap ini tidak hanya berfokus pada nilai cross loading tetapi
juga melihat nilai fornell-larcker. Hal pertama yaitu: pengecekkan nilai
cross loading dengan membandingkan nilai-nilai korelasi indikator dengan
variabelnya dan variabel dari blok kiri, kanan, atas dan bawahnya. Nilai
132
cross loading yang valid harus lebih besar dengan nilai pada variabel blok
lainnya menyesuaikan pada teori Hair et al. (2017). Untuk lebih lanjut,
dapat melihat Tabel 4.10 hasil dari nilai cross loading pada penelitian ini.
Tabel 4.10 Nilai Cross Loading
SYS INF SER US US TAS TEC TT IP USE US

Q Q Q E C C F X XT
TTF TF
SYSQ - -
0.63 0.49 0.62 0.71 0.63 0.63
1 0.844 0.462 0.624 0.40 0.37
1 8 7 5 3 6
3 7
SYSQ - -
0.58 0.46 0.52 0.59 0.57 0.54
2 0.796 0.393 0.564 0.32 0.33
7 4 8 6 3 5
6 0
SYSQ - -
0.61 0.47 0.54 0.57 0.60 0.56
3 0.815 0.451 0.548 0.32 0.26
3 8 8 4 7 0
7 8
SYSQ - -
0.61 0.46 0.51 0.60 0.62 0.56
4 0.802 0.524 0.583 0.33 0.31
7 0 7 5 9 2
3 3
INFQ - -
0.85 0.52 0.49 0.63 0.61 0.51
1 0.609 0.472 0.568 0.26 0.28
4 2 7 0 2 5
9 9
INFQ - -
0.86 0.59 0.53 0.65 0.67 0.57
2 0.640 0.538 0.592 0.32 0.31
7 5 1 4 8 7
1 8
INFQ - -
0.86 0.57 0.65 0.69 0.69 0.64
3 0.692 0.532 0.623 0.37 0.32
9 3 4 3 8 4
6 3
SERQ 0.553 0.58 0.88 0.43 0.57 0.404 0.556 0.53 0.50 - -
1 0 0 2 7 9 4 0.23 0.23
5 0
SERQ - -
0.58 0.88 0.40 0.54 0.51 0.52
2 0.507 0.402 0.509 0.24 0.25
6 6 5 7 0 2
9 6
SERQ - -
0.58 0.89 0.39 0.54 0.55 0.54
3 0.526 0.428 0.547 0.21 0.19
2 5 2 5 3 0
5 4
SERQ - -
0.57 0.89 0.42 0.57 0.56 0.54
4 0.491 0.402 0.529 0.24 0.22
6 6 1 1 3 0
4 9
USE1 -
-
0.57 0.39 0.89 0.64 0.58 0.55 0.52
0.588 0.450 0.514 0.39
4 0 1 4 1 6 2
6
USE2 -
-
0.60 0.40 0.92 0.68 0.60 0.61 0.49
0.630 0.493 0.535 0.38
4 4 2 3 4 6 2
7
133
SYS INF SER USE US TAS TEC TTF IP US US
Q Q Q C C EX XTTF
TT
F
USE3 -
0.62 0.58 0.45 0.87 0.70 0.44 0.56 0.60 0.62 0.39
-0.312
0 1 4 7 4 7 7 6 8 4
US1 -
0.66 0.64 0.53 0.70 0.85 0.54 0.66 0.66 0.64
0.36 -0.361
8 9 9 1 9 9 3 9 0
0
US2 -
0.62 0.61 0.49 0.64 0.83 0.52 0.65 0.62 0.71
0.36 -0.343
7 6 9 6 9 1 6 3 7
4
US3 -
0.65 0.70 0.60 0.57 0.87 0.61 0.70 0.69 0.64
0.30 -0.304
9 1 2 1 4 4 2 9 8
0
US4 -
0.69 0.67 0.53 0.68 0.87 0.56 0.69 0.72 0.70
0.40 -0.399
3 5 6 6 9 4 5 9 7
1
TAS -
0.45 0.45 0.34 0.43 0.52 0.84 0.46 0.52 0.53
C1 0.28 -0.287
1 0 3 0 8 0 5 4 3
4
TAS -
0.53 0.58 0.47 0.47 0.59 0.90 0.56 0.63 0.54
C2 0.23 -0.272
5 2 0 5 8 6 3 5 7
8
TAS -
0.50 0.54 0.40 0.46 0.60 0.91 0.57 0.60 0.57
C3 0.28 -0.284
2 5 1 6 1 0 0 2 0
1
TEC -
0.55 0.55 0.47 0.48 0.66 0.53 0.82 0.65 0.63
C1 0.32 -0.346
4 3 9 2 0 6 4 2 8
4
TEC -
0.63 0.58 0.52 0.55 0.66 0.50 0.86 0.69 0.61
C2 0.32 -0.335
5 4 4 5 6 0 4 2 7
9
TEC -
0.63 0.63 0.54 0.50 0.69 0.51 0.87 0.70 0.59
C3 0.27 -0.285
6 1 1 4 2 5 5 9 1
7
TTF1 -
0.67 0.68 0.55 0.58 0.69 0.61 0.74 0.87 0.65
0.33 -0.336
9 2 9 3 9 5 4 9 4
1
TTF2 -
0.66 0.69 0.54 0.56 0.71 0.60 0.73 0.89 0.69
0.32 -0.379
5 5 6 4 0 8 0 3 3
6
TTF3 -
0.67 0.70 0.54 0.62 0.69 0.57 0.68 0.88 0.67
0.35 -0.361
2 3 0 0 4 6 6 9 7
0
TTF4 -
0.64 0.64 0.51 0.59 0.69 0.56 0.68 0.88 0.70
0.33 -0.356
3 9 4 4 3 0 0 4 3
8
IP1 -
0.68 0.66 0.52 0.69 0.74 0.57 0.67 0.75 0.86
0.41 -0.398
3 8 1 4 1 5 2 9 5
9
134
SYS INF SER USE US TAS TEC TTF IP US US
Q Q Q C C EX XTTF
TT
F
IP2 -
0.53 0.49 0.48 0.47 0.63 0.46 0.60 0.58 0.83
0.32 -0.326
6 7 8 4 3 4 1 7 9
2
IP3 -
0.58 0.54 0.50 0.52 0.63 0.54 0.56 0.60 0.86
0.27 -0.249
4 6 9 5 0 3 1 7 5
3
USE - - - - - - - - -
1.00
X 0.42 0.37 0.26 0.52 0.41 0.30 0.36 0.37 0.40 0.876
0
TTF 8 6 5 1 4 0 2 9 1
US X - - - - - - - - -
0.87
TTF 0.39 0.36 0.25 0.40 0.40 0.31 0.37 0.40 0.38 1.000
6
7 0 5 6 9 6 6 4 5
Selanjutnya dalam memeriksa nilai fornell-larcker criterion dengan cara
melihat nilai akar dari AVE. Menurut Hair et al. (2017) nilai akar AVE harus lebih
besar daripada korelasi antar konstruk dengan konstruk lainnya dengan
menggunakan bantuan aplikasi SmartPLS nilai fornell-larcker sudah tersajikan
yang dapat dilihat pada Tabel 4.11 dengan hasil nilai fornell-larcker penelitian ini
adalah nilai akar AVE lebih besar dari korelasi antar konstruk dengan konstruk
lainnya.
Tabel 4.11 Hasil Nilai Fornell-Larcker Criterion
IP INF SER SYS TAS TTF TEC US USE USE US

Q Q Q C C X X
TTF TTF
IP 0.85
6
INFQ 0.67
0.863
4
SER 0.59
0.653 0.889
Q 2
SYS 0.70
0.752 0.584 0.815
Q 9
TAS 0.62
0.597 0.460 0.562 0.886
C 0
TTF 0.76 0.88
0.770 0.609 0.750 0.665
9 6
TEC 0.71 0.80
0.690 0.602 0.713 0.604 0.855
C 9 1
135
US X - -
- - - - - 1.00
TTF 0.38 0.40
0.360 0.255 0.397 0.316 0.376 0
5 4
USE -
0.67 0.66 0.89
0.654 0.464 0.684 0.517 0.602 0.40
0 6 7
6
USE - - -
- - - - - 0.87 1.00
X 0.40 0.37 0.52
0.376 0.265 0.428 0.300 0.362 6 0
TTF 1 9 1
US - -
0.78 0.78 0.75 0.86
0.765 0.630 0.767 0.651 0.787 0.40 0.41
6 9 5 3
9 4
Dari hasil di atas, semua pengujian pada analisis model pengukuran
(measurement model/outer model) ditunjukkan dalam tahap demi tahap telah
memenuhi standar atau ketentuan yang sudah ditetapkan. Dapat disimpulkan bahwa
model penelitian valid dan sudah memenuhi karakteristik yang dinilai baik.
4.4.2 Interpretasi dan Pembahasan Hasil Analisis Model Pengukuran (Outer
Model/Measurement Model)
Kesimpulan yang dapat ditarik dalam pengujian analasis model pengukuran
(measurement model/outer model) yaitu:
1. Pada pengujian individual item reliability semua nilai outer loading sudah
ideal dan telah memenuhi syarat yang bernilai di atas 0.7.
2. Pada pengujian internal consistency reliability semua nilai CR bernilai lebih
dari ambang batas yang ditentukan yaitu 0.7.
3. Pada pengujian average variance extracted (AVE) semua variabel bernilai di
atas 0.5.
4. Pada pengujian discriminant validity dengan 2 tahapan yaitu melihat nilai
cross loading dan fornell-larcker dihasilkan telah memenuhi syarat sesuai
dengan ketentuan pada teori Hair et al. (2017)
136
5. Dari data di atas, proses pengujian analisis model pengukuran sudah dilakukan
dengan semestinya dan bisa dilanjutkan ke tahapan analisis model struktural
(structural model/inner model). Berikut Tabel 4.12 menyajikan secara lengkap
semua hasil pada proses pengujian model pengukuran
137
Tabel 4.12 Ringkasan Hasil Analisis Model Pengukuran (Measurement Model/Outer Model)
Cross Loading
VAR IND OL US E US X CR AVE
SYSQ INFQ SERQ USE US TASC TECC TTF IP
X TTF TTF
SYSQ1 0.844 0.844 0.631 0.498 0.627 0.715 0.462 0.624 0.633 0.636 -0.403 -0.377
SYSQ2 0.796 0.796 0.587 0.464 0.528 0.596 0.393 0.564 0.573 0.545 -0.326 -0.330
SYSQ 0.887 0.663
SYSQ3 0.815 0.815 0.613 0.478 0.548 0.574 0.451 0.548 0.607 0.560 -0.327 -0.268
SYSQ4 0.802 0.802 0.617 0.460 0.517 0.605 0.524 0.583 0.574 0.562 -0.333 -0.313
INFQ1 0.854 0.609 0.854 0.522 0.497 0.630 0.472 0.568 0.612 0.515 -0.269 -0.289
INFQ INFQ2 0.867 0.640 0.867 0.595 0.531 0.654 0.538 0.592 0.678 0.577 -0.321 -0.318 0.898 0.745
INFQ3 0.869 0.692 0.869 0.573 0.654 0.693 0.532 0.623 0.698 0.644 -0.376 -0.323
SERQ1 0.880 0.553 0.580 0.880 0.432 0.577 0.404 0.556 0.539 0.504 -0.235 -0.230
SERQ2 0.886 0.507 0.586 0.886 0.405 0.547 0.402 0.509 0.510 0.522 -0.249 -0.256
SERQ 0.938 0.791
SERQ3 0.895 0.526 0.582 0.895 0.392 0.545 0.428 0.547 0.553 0.540 -0.215 -0.194
SER4 0.896 0.491 0.576 0.896 0.421 0.571 0.402 0.529 0.563 0.540 -0.244 -0.229
- -0.522
USE1 0.891 0.588 0.574 0.390 0.891 0.644 0.450 0.514 0.581 -0.396
0.521
USE2 - -0.492
USE 0.922 0.630 0.604 0.404 0.922 0.683 0.493 0.535 0.604 -0.387 0.925 0.805
0.491
USE3 - -0.394
0.877 0.620 0.581 0.454 0.877 0.704 0.447 0.567 0.606 -0.311
0.393
US1 0.859 0.668 0.649 0.539 0.701 0.859 0.549 0.663 0.669 0.640 -0.360 -0.312
US2 0.839 0.627 0.616 0.499 0.646 0.839 0.521 0.656 0.623 0.717 -0.364 -0.361
US 0.921 0.744
US3 0.874 0.659 0.701 0.602 0.571 0.876 0.614 0.702 0.699 0.648 -0.300 -0.304
US4 0.879 0.693 0.675 0.536 0.686 0.879 0.564 0.695 0.729 0.707 -0.401 -0.399
TASC1 0.840 0.451 0.450 0.343 0.430 0.528 0.840 0.465 0.524 0.533 -0.284 -0.287
TASC TASC2 0.906 0.535 0.582 0.470 0.475 0.598 0.906 0.563 0.635 0.547 -0.238 -0.272 0.916 0.785
TASC3 0.910 0.502 0.545 0.401 0.466 0.601 0.910 0.570 0.602 0.570 -0.281 -0.284
TECC1 0.824 0.554 0.553 0.479 0.482 0.660 0.536 0.824 0.652 0.638 -0.324 -0.346
TECC TECC2 0.864 0.635 0.584 0.524 0.555 0.666 0.500 0.864 0.692 0.617 -0.329 -0.335 0.891 0.731
TECC3 0.875 0.636 0.631 0.541 0.504 0.692 0.515 0.875 0.709 0.591 -0.277 -0.285
138
TTF1 0.879 0.679 0.682 0.559 0.583 0.699 0.615 0.744 0.879 0.654 -0.331 -0.336
TTF2 0.893 0.665 0.695 0.546 0.564 0.710 0.608 0.730 0.893 0.693 -0.326 -0.379
TTF 0.936 0.786
TTF3 0.889 0.672 0.703 0.540 0.620 0.694 0.576 0.686 0.889 0.677 -0.350 -0.361
TTF4 0.884 0.643 0.649 0.514 0.594 0.693 0.560 0.680 0.884 0.703 -0.338 -0.356
IP1 0.865 0.683 0.668 0.521 0.694 0.741 0.575 0.672 0.759 0.865 -0.419 -0.398
IP IP2 0.839 0.536 0.497 0.488 0.474 0.633 0.464 0.601 0.587 0.839 -0.322 -0.326 0.892 0.733
IP3 0.865 0.584 0.546 0.509 0.525 0.630 0.543 0.561 0.607 0.865 -0.273 -0.249
- - - - -
USE X TTF 1.613 -0.428 -0.265 -0.300 -0.362 1.000 0.876 1.000 1.000
0.376 0.521 0.414 0.379 0.401
- - - - -
US X TTF 1.645 -0.397 -0.255 -0.316 -0.376 0.876 1.000 1.000 1.000
0.360 0.406 0.409 0.404 0.385
Keterangan:
** : dihapus INFQ : Information Quality IP : Individual
VAR : Variabel SERQ : Service Quality Performance

IND : Indikator USE : Use USE X TTF: Efek Moderasi Use
OL : Outer Loading US : User Satisfaction dengan TTF
AVE : Average Variance Extracted TASC : Task Characteristics US X TTF: Efek
CR : Composite Reliability TECC : Technology Characteristics Moderasi User Satis-
SYSQ : System Quality TTF : Task-Technology Fit faction dengan TTF
139
4.5 Analisis Model Struktural (Structural Model/Inner Model)
4.5.1 Hasil Analisis Model Struktural (Structural Model/Inner Model)
Tahapan pada analisis model struktural terbagi menjadi 6 (enam) tahapan.
Tahapan-tahapan tersebut dalam Abdillah & Mustakini (2015), Hair et al, (2017),
dan Yamin & Kurniawan (2011) adalah pengujian path coefficient (β), coefficient
of determinant (R2), t-test menggunakan metode bootstrapping, effect size (f2),
predictive relevance (Q2), dan relative impact (q2). Berikut adalah penjelasan dari
setiap pengujian yang dilakukan pada penelitian ini:
1. Uji Path Coefficient (β)
Dalam pengujian path coefficient, menurut Hair et al. (2017) berfokus pada nilai
path coefficient dengan kriteria minimal mempunyai nilai 0.1 sehingga model
yang digunakan bisa dinilai mempunyai memiliki pengaruh. Berikut Tabel 4.13
disajikan nilai path coefficient dari setiap hipotesis.
Tabel 4.13 Nilai Pengujian Path Coefficientt (β)
Hipotesis Hubungan antar Variabel Path Coefficient (β) Keterangan

H1 SYSQ → TTF 0.173 Signifikan
H2 SYSQ → USE 0.346 Signifikan
H3 SYSQ → US 0.252 Signifikan
H4 INFQ → TTF 0.252 Signifikan
H5 INFQ → USE 0.217 Signifikan
H6 INFQ → US 0.240 Signifikan
H7 SERQ → TTF 0.036 Tidak Signifikan
H8 SERQ → USE -0.040 Tidak Signifikan
H9 SERQ → US 0.163 Signifikan
H10 USE → US 0.351 Signifikan
H11 USE → IP 0.088 Tidak Signifikan
H12 US → IP 0.407 Signifikan
H13 TASC → TTF 0.173 Signifikan
H14 TECC → TTF 0.377 Signifikan
H15 TTF → USE 0.246 Signifikan
H16 TTF → IP 0.375 Signifikan
H17 USE X TTF → IP -0.047 Tidak Signifikan
H18 US X TTF → IP 0.022 Tidak Signifikan
140
Gambar 4.11 Hasil Uji Path Coefficient
Dari hasil Tabel 4.13 dan Gambar 4.11 dihasilkan adanya 5 (lima) hipotesis
dari 18 (delapan belas) hipotesis yang insignificant karena hipotesis tersebut
mempunyai nilai di bawah kriteria minimal 0.1, yaitu: H7 adalah jalur Service
Quality terhadap TTF, H8 Service Quality terhadap Use, H11 Use terhadap
Individual Performance, H17 efek moderasi TTF dari Use ke Individual
Performance, dan H18 efek moderasi TTF dari User Satisfaction ke Individual
Performance.
2. Coefficient of Determinant (R2)
Pengujian ini bertujuan untuk mengukur seberapa besar variabel laten
independen mempengaruhi variabel laten dependen. Klasifikasi pengukuran
141
dalam nilai R2 sesuai dalam Yamin & Kurniawan (2011) dikelompokkan
menjadi 3 yaitu: jika minimal nilai 0.19 dikatakan tingkat varian lemah, nilai
0.33 dikategorikan varian moderat dan 0.67. Pada Tabel 4.14 ditampilkan hasil
pengujian R2 penelitian ini.
Tabel 4.14 Hasil Coefficient of Determination

Variabel R2 Keterangan
TTF 0.763 Substansial
USE 0.536 Moderat
US 0.745 Substansial
IP 0.684 Substansial
3. T-test atau T-Statistics
Berbeda dengan pengujian sebelumnya, pengujian t-test atau t-statistics
dilakukan dengan metode bootstrapping dengan tipe uji menggunakan one
tailed atau pengujian satu arah yang artinya bahwa hipotesis sudah jelas
arahnya, mengarahkan ke arah positif atau negatif. Level signifikan yang
digunakan adalah 5% atau 0.05. Bootstrapping adalah metode resampling data
sampel yang mewakili data populasi sebenarnya dengan syarat adanya
pengembalian datanya dalam menyelesaikan statistik ukuran suatu sampel.
Dikarenakan level signifikan yang digunakan adalah 5%, menyesuaikan dalam
Hair et al. (2017) nilai yang dihasilkan pada pengujian ini untuk dinyatakan
diterima atau valid adalah > 1.96. Dari hasil pengujian ini diketahui terdapat 5
(lima) hipotesis yang ditolak, yaitu: H7 Service Quality → TTF dengan nilai
0.922, H8 Service Quality → Use dengan nilai 0.899, H11 Use → Individual
Performance dengan nilai 1.546, H17 efek moderasi TTF Use dengan Individual
Performance dengan nilai 0.791, dan H18 efek moderasi TTF User Satisfaction
142
→ TTF dengan nilai 0.413 serta 13 (tiga belas) hipotesis yang lain diterima.
Berikut Tabel 4.15 menyajikan hasil uji t-test pada setiap hipotesis dalam
penelitian.
Tabel 4.15 Hasil Pengujian t-test
Hipotesis T-statistics Keterangan

SYSQ → TTF 3.029 Diterima
SYSQ → USE 4.935 Diterima
SYSQ → US 4.656 Diterima
INFQ → TTF 4.956 Diterima
INFQ → USE 3.137 Diterima
INFQ → US 4.200 Diterima
SERQ → TTF 0.922 Ditolak
SERQ → USE 0.899 Ditolak
SERQ → USE 3.701 Diterima
USE → US 7.230 Diterima
USE → IP 1.546 Ditolak
US → IP 5.871 Diterima
TASC → TTF 4.301 Diterima
TECC → TTF 7.746 Diterima
TTF → USE 3.725 Diterima
TTF → IP 6.712 Diterima
USE X TTF → IP 0.791 Ditolak
US X TTF → IP 0.413 Ditolak
143
Gambar 4.12 Hasil Pengujian t-test pada SmartPLS
4. Effect Size (f2)
Tahap pengujian effect size bertujuan untuk memprediksi besarnya
pengaruh variabel tertentu terhadap variabel lainnya. Ambang batas yang
digunakan pada pengujian ini adalah bernilai 0.02. Klasifikasi pengukuran
f2 menurut Hair et al., (2017) terdapat 3 tingkatan. Jika bernilai < 0.15
dikatakan mempunyai pengaruh kecil, tingkatan kedua dengan nilai 0.15-
0.35 dinyatakan mempunyai pengaruh menengah dan jika bernilai 0.35 ke
atas maka mempunyai pengaruh besar. Untuk mengihtung hasil akhir
pengujian effect size ini tidak bisa langsung menggunakan SmartPLS.
Adanya perhitungan dengan memakai persamaan yang telah disajikan
144
dalam persamaan 2.4 dalam Bab 2 yang hasil perhitungan f2 penelitian ini
dapat tersaji dalam Tabel 4.16.
Tabel 4.16 Hasil Pengujian Effect Size (f2)
f2
Hipotesis Jalur 2 2 Keterangan
R -in R -ex ∑R2
H1 SYSQ → TTF 0.763 0.753 0.042 Kecil
H2 SYSQ → USE 0.536 0.493 0.092 Kecil
H3 SYSQ → US 0.745 0.722 0.090 Kecil
H4 INFQ → TTF 0.763 0.742 0.088 Kecil
H5 INFQ → USE 0.536 0.521 0.032 Kecil
H6 INFQ → US 0.745 0.725 0.078 Kecil
H7 SERQ → TTF 0.763 0.763 0 Tidak Berpengaruh
H8 SERQ → USE 0.536 0.535 0.002 Tidak Berpengaruh
H9 SERQ → US 0.745 0.730 0.058 Kecil
H10 USE → US 0.745 0.723 0.086 Kecil
H11 USE → IP 0.684 0.687 -0.009 Tidak Berpengaruh
H12 US → IP 0.684 0.667 0.053 Kecil
H13 TASC → TTF 0.763 0.746 0.071 Kecil
H14 TECC → TTF 0.763 0.746 0.071 Kecil
H15 TTF → USE 0.536 0.530 0.012 Tidak Berpengaruh
H16 TTF → IP 0.684 0.682 0.006 Tidak Berpengaruh
H17 USE X TTF → IP 0.684 0.683 0.003 Tidak Berpengaruh
H18 US X TTF → IP 0.684 0.684 0 Tidak Berpengaruh
5. Predictive Relevance (Q2)
Pengujian ini bertujuan untuk memperlihatkan bahwa variabel yang ada
pada model memiliki keterkaitan secara prediktif dengan variabel yang lain
terhadap model tersebut. Untuk melakukan pengujian pada tahap ini
menggunakan metode blindfolding. Nilai yang dihasilkan untuk dinyatakan
valid menyesuaikan pada Hair et al. (2017) yakni lebih besar dari 0. Berikut
Tabel 4.17 menyajikan hasil pengujian Q2 pada penelitian ini.
Tabel 4.17 Hasil Pengujian Predictive Relevance
Variabel Q2 Keterangan
TTF 0.594 Predictive Relevance
USE 0.423 Predictive Relevance
145
US 0.547 Predictive Relevance
IP 0.482 Predictive Relevance
Dari hasil Tabel 4.17 pengujian Q2, peneliti menyimpulkan telah memenuhi
kriteria karena nilai yang dihasilkan semuanya bernilai di atas 0.
6. Relative Impact (q2)
Pengukuran q2 bertujuan untuk penggambaran secara relatif pengaruh
keterkaitan prediktif antara satu variabel dengan variabel lainnya. Pengujian
pada tahap ini menggunakan metode yang sama dengan pengujian
predictive relevance yakni blindfolding. Kriteria pengujian ini sesuai dalam
Hair et al. (2017); Yamin & Kurniawan (2011) harus memiliki nilai minimal
0.02 yang artinya mempunyai pengaruh kecil. Jika nilai 0.15 dinyatakan
pengaruh sedang dan nilai 0.35 ke atas maka dikatakan mempunyai
pengaruh besar. Untuk mengihtung hasil akhir pengujian relative impact ini
tidak bisa langsung menggunakan SmartPLS. Adanya perhitungan dengan
memakai persamaan yang telah disajikan dalam persamaan 2.5 dalam Bab
2 yang hasil perhitungan q2 penelitian ini dapat tersaji dalam Tabel 4.18.
Tabel 4.18 Hasil Uji Relative Impact
q2
Hipotesis Jalur 2 2 Keterangan
Q -in Q -ex ∑Q2
H1 SYSQ → TTF 0.594 0.586 0.019 Tidak Berpengaruh
H2 SYSQ → USE 0.423 0.391 0.055 Kecil
H3 SYSQ → US 0.547 0.531 0.035 Kecil
H4 INFQ → TTF 0.594 0.578 0.039 Kecil
H5 INFQ → USE 0.423 0.412 0.019 Tidak Berpengaruh
H6 INFQ → US 0.547 0.534 0.028 Kecil
H7 SERQ → TTF 0.594 0.593 0.002 Tidak Berpengaruh
H8 SERQ → USE 0.423 0.422 0.001 Tidak Berpengaruh
H9 SERQ → US 0.547 0.537 0.002 Tidak Berpengaruh
H10 USE → US 0.547 0.531 0.035 Kecil
H11 USE → IP 0.482 0.489 -0.011 Tidak Berpengaruh
H12 US → IP 0.482 0.471 0.021 Kecil
146
H13 TASC → TTF 0.594 0.581 0.032 Kecil
H14 TECC → TTF 0.594 0.551 0.105 Kecil
H15 TTF → USE 0.423 0.417 0.010 Tidak Berpengaruh
H16 TTF → IP 0.482 0.477 0.009 Tidak Berpengaruh
H17 USE X TTF → IP 0.482 0.484 -0.003 Tidak Berpengaruh
H18 US X TTF → IP 0.482 0.484 -0.003 Tidak Berpengaruh
Semua tahapan dalam pengujian analisis model struktural (structural model/inner
model) sudah dilakukan. Berikut Tabel 4.19 disajikan rangkuman yang dijadikan
satu tabel agar dapat melihat hasil secara menyeluruh.
147
Tabel 4.19 Keseluruhan Hasil Analisis Model Struktural (Structural Model/Inner Model)
Hipotesis f2 q2 Analisis
(β) t-test R2 2 2 2 Q2 2
Hx Jalur R in R ex ∑R Q in Q2ex ∑Q2 (β) t-test R2 f2 Q2 q2
SYSQ →
H1 0.173 3.029 0.763 0.763 0.753 0.042 0.594 0.594 0.586 0.019 Sign Diterima S K PR TB
TTF
SYSQ →
H2 0.346 4.935 0.536 0.536 0.493 0.092 0.423 0.423 0.391 0.055 Sign Diterima M K PR K
USE
SYSQ →
H3 0.252 4.656 0.745 0.745 0.722 0.090 0.547 0.547 0.531 0.035 Sign Diterima S K PR K
US
INFQ →
TTF
INFQ →
H5 0.217 3.137 0.536 0.536 0.521 0.032 0.423 0.423 0.412 0.019 Sign Diterima M K PR TB
USE
INFQ →
US
SERQ →
H7 0.036 0.922 0.763 0.763 0.763 0 0.594 0.594 0.593 0.002 Insign Ditolak S TB PR TB
TTF
SERQ → -
H8 0.899 0.536 0.536 0.535 0.002 0.423 0.423 0.422 0.001 Insign Ditolak M TB PR TB
USE 0.040
SERQ →
H9 0.163 3.701 0.745 0.745 0.730 0.058 0.547 0.547 0.537 0.002 Sign Diterima S K PR TB
US
USE →
US
USE → -
H11 0.088 1.546 0.684 0.684 0.687 -0.009 0.482 0.482 0.489 Insign Ditolak S TB PR TB
IP 0.011
H12 US → IP 0.407 5.871 0.684 0.684 0.667 0.053 0.482 0.482 0.471 0.021 Sign Diterima S K PR K
TASC →
TTF
TECC →
TTF
TTF →
H15 0.246 3.725 0.536 0.536 0.530 0.012 0.423 0.423 0.417 0.010 Sign Diterima M TB PR TB
USE
148
TTF →
H16 0.375 6.712 0.684 0.684 0.682 0.006 0.482 0.482 0.477 0.009 Sign Diterima S TB PR TB
IP
USE X
- -
H17 TTF → 0.791 0.684 0.684 0.683 0.003 0.482 0.482 0.484 Insign Ditolak S TB PR TB
0.047 0.003
IP
US X
-
H18 TTF → 0.022 0.413 0.684 0.684 0.684 0 0.482 0.482 0.484 Insign Ditolak S TB PR TB
0.003
IP
Keterangan:
Sign : Signifikan S : Substansial Q2 : Predictive Relevance
Insign : Tidak Signifikan M : Moderat q2 : Relative Impact
K : Kecil β : Path Coeffiicient
TB : Tidak Berpengaruh R2 : Coefficient of Determination
PR : Predictive Relevance f2 : Effect Size
149
4.5.2 Interpretasi dan Pembahasan Hasil Analisis Model Struktural
(Structural Model/Inner Model)
Setelah dilakukannya analisis data, interpretasi dilakukan untuk menjelaskan
hasil tersebut yang bertujuan untuk menghasilkan makna dari data yang telah diolah
sebelumnya yang dapat memberikan jawaban terhadap permasalahan yang dihadapi
dalam penelitian. Di bawah ini dijabarkan hasil dari analisis struktural model sesuai
dengan hipotesis yang diajukan pada sub bab 3.4.1 pada Bab 3.
• Apakah System Quality berpengaruh secara positif terhadap Task-
Technology Fit, Use, dan, User Satisfaction?
H1: System Quality berpengaruh secara positif terhadap Task-Technology Fit
Hasil uji t-test dilihat dari Gambar 4.13 ses menyatakan bahwa H1a diterima.
Gambar 4.13 Hasil t-test pada SmartPLS Hipotesis System Quality Terhadap Task-Technology Fit
Nilai tersebut diinterpretasikan variabel system quality berpengaruh secara positif
terhadap task-technology fit dengan adanya hasil dari nilai path coefficient
didapatkan sebesar 0.173 artinya adalah kualitas sistem berpengaruh juga secara
signifikan terhadap kesesuain tugas-teknologi yang dapat dilihat pada Gambar 4.14.
Gambar 4.14 Hasil Path Coefficient pada SmartPLS Hipotesis System Quality Terhadap
Task-Technology Fit
150
Dapat dilihat pula pada pengujian f2 dihasilkan sebesar 0.042 yang artinya
mempunyai pengaruh kecil dan q2 bernilai sebesar 0.019 yang berarti tidak
berpengaruh. Peneliti menginterpretasikan adanya indikator seperti kenyamanan,
navigasi, keamanan, dan fleksibilitas dalam variabel kualitas sistem mempunyai
pengaruh secara signifikan dan positif terhadap variabel kesesuaian tugas-teknologi
yang dapat dinyatakan bahwa pengguna merasa bahwa sistem Flip yang nyaman,
mempunyai navigasi yang baik, keamanan yang bagus serta fleksibilitas mampu
mendukung kegiatan transaksi-transaksi yang dikerjakan oleh pengguna. Hasil ini
pun selaras dengan penelitian sebelumnya yakni pada penelitian Diar et al. (2019),
Tam & Oliveira (2016), Abbas et al. (2018), dan Azizah et al. (2020).
H2: System Quality berpengaruh secara positif terhadap Use
Hasil uji t-test dilihat dari Gambar 4.15 bahwa H2 diterima.
Gambar 4.15 Hasil t-test pada SmartPLS Hipotesis System Quality Terhadap Use
Nilai tersebut dapat diinterpretasikan variabel system quality berpengaruh secara
positif terhadap use dengan adanya hasil dari nilai path coefficient didapatkan
sebesar 0.346 artinya adalah kualitas sistem berpengaruh juga secara signifikan
terhadap penggunaan yang dapat dilihat pada Gambar 4.16.
Gambar 4.16 Hasil Path Coefficient pada SmartPLS Hipotesis System Quality Terhadap Use
151
Dapat dilihat pula pada pengujian f2 dihasilkan sebesar 0.092 dan q2 bernilai sebesar
0.055 yang berarti pengaruh SYSQ terhadap USE adalah kecil. Peneliti
menginterpretasikan adanya indikator seperti kenyamanan, navigasi, keamanan,
dan fleksibilitas dalam variabel kualitas sistem mempunyai pengaruh secara
signifikan dan positif terhadap variabel penggunaan yang dapat dinyatakan bahwa
sistem Flip yang nyaman, mempunyai navigasi yang baik, keamanan yang bagus
serta fleksibilitas mampu memberikan manfaat kepada penggunanya. Hasil ini pun
selaras dengan penelitian sebelumnya yakni pada penelitian Angelina et al. (2019),
Zulfan (2018), dan Yel et al. (2020).
H3: System Quality berpengaruh secara positif terhadap User Satisfaction
Hasil uji t-test dilihat dari Gambar 4.17 menyatakan bahwa H3 diterima.
Gambar 4.17 Hasil t-test pada SmartPLS Hipotesis System Quality Terhadap User Satisfaction
Nilai tersebut dapat diinterpretasikan variabel system quality berpengaruh secara
positif terhadap user satisfaction dengan adanya hasil dari nilai path coefficient
didapatkan sebesar 0.252 artinya adalah kualitas sistem berpengaruh juga secara
signifikan terhadap kepuasan pengguna yang dapat dilihat pada Gambat 4.18.
Dapat dilihat pula pada pengujian f2 dihasilkan sebesar 0.090 dan q2 bernilai
sebesar 0.035 yang berarti pengaruh SYSQ terhadap US adalah kecil. Peneliti
menginterpretasikan adanya indikator seperti kenyamanan, navigasi, keamanan,
dan fleksibilitas pada variabel kualitas sistem mempunyai pengaruh secara
signifikan dan positif terhadap variabel kepuasan pengguna. Jika pengguna merasa
dengan menggunakan Flip yang dinilai nyaman, mempunyai navigasi yang baik,
152
Gambar 4.18 Hasil Path Coefficient Pada SmartPLS Hipotesis System Quality Terhadap User
Satisfaction
keamanan yang bagus serta fleksibilitas maka sejalan pula dengan peningkatan
pada kepuasan yang dirasa oleh mereka secara teknologi atau fungsionalitas sistem.
Hasil ini pun selaras dengan penelitian sebelumnya yakni pada penelitian Tam et
al. (2019), Salam & Farooq (2020) , Al-Debei et al., (2013), Rahayu et al. (2018),
Gao & Bai (2014), dan Hudin & Riana (2016).
• Apakah Information Quality berpengaruh secara positif terhadap Task-
Technology Fit, Use, dan, User Satisfaction?
H4: Information Quality berpengaruh secara positif terhadap Task-Technology
Fit
153
Gambar 4.19 Hasil t-test pada SmartPLS Hipotesis Information Quality Terhadap Task-
Technology Fit
Nilai tersebut dapat diinterpretasikan variabel information quality berpengaruh
secara positif terhadap task-technology fit dengan adanya hasil dari nilai path
coefficient didapatkan sebesar 0.252 artinya adalah kualitas informasi berpengaruh
juga secara signifikan terhadap kesesuaian tugas-teknologi yang dapat dilihat pada
Gambar 4.20.
Gambar 4.20 Hasil Path Coefficient pada SmartPLS Hipotesis Information Quality Terhadap
Task-Technology Fit
0.039 yang berarti pengaruh INFQ terhadap TTF adalah kecil. Peneliti
menginterpretasikan adanya indikator seperti kelengkapan, akurasi, dan relevan
dalam variabel kualitas informasi mempunyai pengaruh secara signifikan dan
positif terhadap variabel kesesuaian tugas-teknologi yang dapat dinyatakan bahwa
154
informasi yang lengkap, akurasi yang tepat serta relevan yang ada pada sistem Flip
kegiatan transaksi-transaksi yang di kerjakan oleh pengguna. Hasil ini pun selaras
dengan penelitian sebelumnya yakni pada penelitian Diar et al. (2019), Tam &
Oliveira (2016), dan Abbas et al. (2018).
H5: Information Quality berpengaruh secara positif terhadap Use
Gambar 4.21 Hasil t-test Pada SmartPLS Hipotesis Information Quality Terhadap Use
secara positif terhadap use dengan adanya hasil dari nilai path coefficient
didapatkan sebesar 0.217 artinya adalah kualitas informasi berpengaruh juga secara
signifikan terhadap penggunaan yang dapat dilihat pada Gambar 4.22.
Gambar 4.22 Hasil Path Coefficient Pada SmartPLS Hipotesis Information Quality Terhadap Use
Dapat dilihat pula pada pengujian f2 dihasilkan sebesar 0.032 yang artinya
berpengaruh. Peneliti menginterpretasikan adanya indikator seperti kelengkapan,
akurasi, dan relevan dalam variabel kualitas informasi mempunyai pengaruh secara
155
signifikan dan positif terhadap variabel penggunaan yang dapat dinyatakan bahwa
informasi yang lengkap, akurasi yang tepat serta relevan yang ada pada sistem Flip
mampu memberikan manfaat kepada penggunanya. Hasil ini pun selaras dengan
penelitian sebelumnya yakni pada penelitian Tam et al. (2019), Al-Debei et al.
(2013) dan Zulfan (2018).
H6: Information Quality berpengaruh secara positif terhadap User Satisfaction
Gambar 4.23 Hasil t-test Pada SmartPLS Hipotesis Information Quality Terhadap User
Satisfaction
secara positif terhadap user satisfaction dengan adanya hasil dari nilai path
coefficient didapatkan sebesar 0.240 artinya adalah kualitas informasi berpengaruh
juga secara signifikan terhadap kepuasan pengguna yang dapat dilihat pada Gambar
4.24.
Gambar 4.24 Hasil Path Coefficient Pada SmartPLS Hipotesis Information Quality Terhadap
User Satisfaction
156
0.028 yang berarti pengaruh INFQ terhadap US adalah kecil. Peneliti
menginterpretasikan adanya indikator seperti kelengkapan, akurasi, dan relevan
dalam variabel kualitas informasi mempunyai pengaruh secara signifikan dan
positif terhadap variabel kepuasan pengguna. Jika pengguna merasa informasi yang
disajikan dalam Flip itu lengkap, akurasi yang tepat serta relevan maka sejalan pula
dengan peningkatan pada kepuasan yang dirasa oleh mereka secara teknologi atau
fungsionalitas sistem. Hasil ini pun selaras dengan penelitian sebelumnya yakni
pada penelitian Tam et al. (2019), Rahayu et al. (2018), Al-Debei et al. (2013) dan
Hudin & Riana (2016).
• Apakah Service Quality berpengaruh secara positif terhadap Task-
Technology Fit, Use, dan User Satisfaction?
H7: Service Quality berpengaruh secara positif terhadap Task-Technology Fit
Hasil uji t-test dilihat dari Gambar 4.25 menyatakan bahwa H7 ditolak.
Gambar 4.25 Hasil t-test Pada SmartPLS Hipotesis Service Quality Terhadap Task-Technology
Fit
Nilai tersebut dapat diinterpretasikan variabel service quality tidak berpengaruh
coefficient didapatkan sebesar 0.036 artinya adalah kualitas layanan tidak
berpengaruh juga secara signifikan terhadap kesesuaian tugas-teknologi yang dapat
dilihat pada Gambar 2.26.
157
Gambar 4.26 Hasil Path Coefficient Pada SmartPLS Hipotesis Service Quality Terhadap Task-
Technology Fit
Dapat dilihat pula pada pengujian f2 dan q2 dihasilkan nilai di bawah ambang batas
0.002 berarti tidak berpengaruh. Peneliti menginterpretasikan adanya indikator
seperti jaminan, keandalan, responsivitas dan empati dalam variabel kualitas
layanan tidak mempengaruhi mempengaruhi serta tidak signifikan terhadap
variabel kesesuaian tugas-teknologi. Dilihat dari nilai outer loading indikator
assurance menjadi indikator yang mempunyai nilai kecil yakni sebesar 0.880.
Dengan ini dapat dikatakan hasil tersebut menjadi salah satu serta mewakili
penyebab hipotesis ditolak.
158
Dari hasil ini, peneliti mengasumsikan bahwa persepsi terhadap kualitas layanan
yang diterima mereka sebagai pengguna Flip kurang karena saat mereka
mengalamai gangguan atau kendala saat bertranskasi, customer sercive maupun
media media lain yang disediakan Flip sebagai wadah untuk pengguna
berkomunikasi langsung respon yang diterima dianggap kurang cepat dalam
menanggapi keluhan tersebut. Sehingga hal ini mempengaruhi ekspektasi atau
persepsi pengguna untuk mendapatkan jaminan yang ditawarkan Flip agar dapat
melalukan transaksi dengan lancar menjadi berkurang dan hubungan dengan
pengguna atau relationship with user yang merupakan salah faktor pengukur
kesesuksesan dalam teori task-technoology fit itu tidak terpenuhi karena pengguna
merasa kurang sesaui antara tugas mereka dengan teknologi sistem Flip karena
transaksi yang pengguna ingin lakukan tidak bisa diselesaikan dengan
menggunakan Flip. Peneliti menginterpretasikan juga adanya kualitas layanan yang
dihasilkan tidak mempengaruhi kegiatan transaksi-transaksi yang dikerjakan oleh
pengguna. Beberapa pengguna merasakan kurangnya jaminan sistem pada Flip da-
pat memenuhi kebutuhan pengguna seperti adanya kendala saat transfer seperti
kegagalan transaksi saat layanan bank ada masalah dan kegagalan transaksi karena
pengguna lupa mengkonfirmasi di aplikasi. Hasil ini pun selaras dengan penelitian
sebelumnya yakni pada penelitian Diar et al. (2019), Abbas et al. (2018), Tam &
Oliveira (2016) dan Azizah et al. (2020).
H8: Service Quality berpengaruh secara positif terhadap Use
159
Gambar 4.27 Hasil t-test Pada SmartPLS Hiptesis Service Quality Terhadap Use
didapatkan sebesar 0.040 artinya adalah kualitas layanan tidak berpengaruh juga
secara signifikan terhadap penggunaan yang dapat dilihat pada Gambat 4.28.
Gambar 4.28 Hasil Path Coefficient Pada SmartPLS Hipotesis Service Quality Terhadap Use
seperti jaminan, keandalan, responsivitas dan empati dalam variabel kualitas
layanan tidak mempengaruhi mempengaruhi serta tidak signifikan terhadap
variabel penggunaan. Dilihat dari nilai outer loading indikator assurance menjadi
indikator yang mempunyai nilai kecil yakni sebesar 0.880.
160
Dengan ini dapat dikatakan hasil tersebut menjadi salah satu serta mewakili
penyebab hipotesis ditolak. Hal ini peneliti asumsikan adanya kualitas layanan yang
diterima pengguna kurang dirasakan oleh pengguna karena respons dari cs saat
pengguna mengalami kendala tidak sesuai ekspektasi dari mereka sehingga
mempengaruhi penuruan tingkat pengguna untuk memanfaatkan kemampuan
sistem serta interaksi antara pengguna dengan sistem menjadi tidak aktif dan Flip
dirasa tidak dapat memenuhi kebutuhan pengguna untuk melakukan transaksi dan
berkurangnya jaminan tersebut menjadikan berkurang pula minat pengguna untuk
menggunakan maupun menggunakan kembali Flip. Hasil ini pun selaras dengan
penelitian sebelumnya yakni pada penelitian Salam & Farooq (2020), Hudin &
Riana (2016), dam Tam & Oliveira (2017).
H9: Service Quality berpengaruh secara positif terhadap User Satisfaction
Gambar 4.29 Hasil t-test Pada SmartPLS Hipotesis Service Quality Terhadap User Satisfaction
secara positif terhadap user satisfaction dengan adanya hasil dari nilai path
coefficient didapatkan sebesar 0.163 artinya adalah kualitas layanan berpengaruh
juga secara signifikan terhadap kepuasan pengguna yang dapat dilihat pada Gambar
4.30.
161
Gambar 4.30 Hasil Path Coefficient Pada SmartPLS Hipotesis Service Quality Terhadap User
Satisfaction
Dapat dilihat pula pada pengujian f2dihasilkan sebesar 0.058 yang artinya
berpengaruh. Peneliti menginterpretasikan adanya indikator seperti jaminan,
keandalan, responsivitas dan empati dalam variabel kualitas layanan mempunyai
pengaruh secara signifikan dan positif terhadap variabel kepuasan pengguna yang
dapat dinyatakan bahwa jaminan yang diberikan, keandalan yang baik,
responsivitas dan empati yang tinggi pada customer service Flip berikan sebanding
dengan tingkat kepuasan yang dirasakan oleh pengguna. Hasil ini pun selaras
dengan penelitian sebelumnya yakni pada penelitian Yakubu & Dasuki (2018),
Angelina et al. (2019), Gao & Bai (2014) dan Zulfan (2018).
• Apakah Use berpengaruh secara positif terhadap User Satisfaction dan
Individual Performance?
H10: Use berpengaruh secara positif terhadap User Satisfaction
Gambar 4.31 Hasil t-test Pada SmartPLS Hipotesis Use Terhadap User Satisfaction
162
Nilai tersebut dapat diinterpretasikan variabel use tidak berpengaruh secara positif
terhadap user satisfaction dengan adanya hasil dari nilai path coefficient didapatkan
sebesar 0.351 artinya adalah penggunaan berpengaruh juga secara signifikan
terhadap kepuasan pengguna yang dapat dilihat pada Gambar 4.32.
Gambar 4.32 Hasil Path Coefficient Pada SmartPLS Hipotesis Use Terhadap User Satisfaction
Dapat dilihat pada pengujian f2 dihasilkan sebesar 0.086 dan q2 bernilai sebesar 0.0-
35 yang berarti pengaruh USE terhadap US adalah kecil. Peneliti
menginterpretasikan adanya indikator seperti sifat penggunaan, sikap penggunaan
dan niat menggunakan kembali dalam variabel penggunaan mempunyai pengaruh
secara signifikan dan positif terhadap variabel kepuasan pengguna yang dapat
dinyatakan penggunaan harus mendahului kepuasan pengguna yang baik sehingga
hal tersebut akan mengarahkan kepada tingkat kepuasan yang meningkat sesuai
163
dalam Delone & McLean (2003). Hasil ini pun selaras dengan penelitian
sebelumnya yakni pada penelitian Zulfan (2018), Hudin & Riana (2016), dan Tam
& Oliveira (2017).
H11: Use berpengaruh secara positif terhadap Individual Performance
Gambar 4.33 Hasil t-test Pada SmartPLS Hipotesis Use Terhadap Individual Performance
Nilai tersebut dapat diinterpretasikan variabel use tidak berpengaruh secara positif
terhadap individual performance dengan adanya hasil dari nilai path coefficient
didapatkan sebesar 0.088 artinya adalah penggunaan tidak berpengaruh juga secara
signifikan terhadap kinerja individu yang dapat dilihat pada Gambar 4.34.
Gambar 4.34 Hasil Path Coefficient Pada SmartPLS Hipotesis Use Terhadap Individual
Performance
seperti sifat penggunaan, sikap penggunaan dan niat menggunakan kembali tidak
mempengaruhi serta tidak signifikan terhadap variabel kinerja individu. Dilihat dari
164
nilai outer loading indikator intention to reuse menjadi indikator yang mempunyai
nilai kecil yakni sebesar 0.877. Dengan ini dapat dikatakan hasil tersebut menjadi
salah satu serta mewakili penyebab hipotesis ditolak. Peneliti asumsikan adanya
rasa tidak ingin menggunakan kembali sistem Flip karena pengguna yang kurang
bisa memanfaatkan sistem yang membentuk persepsi bahwa sistem tidak
memberikan keuntungan untuk mereka sehingga menjadikannya kurang
menjelaskan kinerja individu dari pengguna yang merasakan bahwa pengguna
kurang mampu untuk melakukan transaksi atau menyelesaikan tugas mereka. Hal
ini juga bisa disebabkan pengguna merasa adanya kendala saat penggunaan Flip
sehingga pengguna menganggap kegunaan sistem kurang bermanfaat dan enggan
untuk menggunakan kembali. Hubungan antara penggunaan sistem dan
dampak/kinerja individu mungkin tidak searah tetapi pengalaman pengguna tentang
dampak/kinerja individu (dalam hal pengaruhnya terhadap kinerja pekerjaannya)
akan mempengaruhi keyakinannya pada kegunaan yang dirasakan dari suatu sistem
sesuai dalam Jeyaraj (2019). Hubungan antara penggunaan sistem dan
dampak/kinerja individu telah mendapat perhatian yang cukup besar dalam literatur
empiris sebelumnya. Namun, temuan tidak selalu menunjukkan hubungan yang
positif misalnya, hasil penelitian ini tidak menemukan hubungan tersebut yang
sejalan dengan penelitian yang dilakukan oleh beberapa peneliti seperti Yoon &
Guimaraes (1995), Gelderman (1998), Iivari (2005), dan Tong et al. (2015).
Namun, hasil penelitian ini tidak boleh digeneralisasi untuk jenis sistem lain. Untuk
beberapa kasus, penggunaan mungkin tetap menjadi ukuran keberhasilan yang
paling paling tepat dan paling mudah dinilai.
165
• Apakah User Satisfaction berpengaruh secara positif terhadap Individual
Performance?
H12: User Satisfaction berpengaruh secara positif terhadap Individual
Performance
Gambar 4.35 Hasil t-test Pada SmartPLS Hipotesis User Satisfaction Terhadap Individual
Performance
Nilai tersebut dapat diinterpretasikan variabel user satisfaction berpengaruh secara
positif terhadap individual performance dengan adanya hasil dari nilai path
coefficient didapatkan sebesar 0.407 artinya adalah kepuasan pengguna
berpengaruh juga secara signifikan terhadap kinerja individu yang dapat dilihat
pada Gambar 4.36.
Gambar 4.36 Hasil Path Coefficient Pada SmartPLS Hipotesis User Satisaction Terhadap
0.021 yang berarti pengaruh US terhadap IP adalah kecil. Peneliti menginterpretasi-
166
kan adanya indikator seperti kesenangan, efisiensi, kepuasan pada informasi, dan
kepuasan secara menyeluruh dalam variabel kepuasan pengguna mempunyai
pengaruh secara signifikan dan positif terhadap variabel kinerja individu yang dapat
dinyatakan bahwa kepuasan pengguna merupakan reaksi emosional terhadap
pengalaman transaksi yang memenuhi harapan pengguna menurut Kim et al.
(2004). Berdasarkan pernyataan tersebut, kepuasan pengguna dievaluasi
berdasarkan bukti kemampuan layanan Flip dalam memenuhi harapan pengguna
dari segi kualitas layanan, kualitas informasi, dan kualitas sistem. Hasil ini pun
selaras dengan penelitian sebelumnya yakni pada penelitian Abbas et al. (2018),
Tam & Oliveira (2017), Tam et al. (2019) dan Diar et al. (2019).
• Apakah Task Characteristics dan Technology Characteristics berpengaruh
secara positif terhadap Task-Technology Fit?
H13: Task Characteristics berpengaruh secara positif terhadap Task-
Technology Fit
Gambar 4.37 Hasil t-test Pada SmartPLS Hipotesis Task Characteristics Terhadap Task-
Technology Fit
Nilai tersebut dapat diinterpretasikan variable task characteristics berpengaruh
coefficient didapatkan sebesar 0.173 artinya adalah karakteristik tugas berpengaruh
juga secara signifikan terhadap kesesuaian tugas-teknologi yang dapat dilihat pada
juga Gambar 4.38
167
Gambar 4.38 Hasil Path Coefficient Pada SmartPLS Hipotesis Task Characteristics Terhadap
Task-Technology Fit
Berdasarkan pengujian f2 dihasilkan nilai 0.071 dan nilai q2 yaitu: 0.032 yang berarti
pengaruh TASC terhadap TTF adalah kecil. Peneliti menginterpretasikan adanya
indikator dalam variabel karakteristik tugas mempunyai pengaruh secara signifikan
dan positif terhadap variabel kesesuaian tugas-teknologi yang dapat dinyatakan
bahwa semakin banyak kebutuhan pengguna dalam melakukan layanan pada Flip
yang terpenuhi maka akan meningkatkan kesesuaian tugas dan teknologi. Hasil ini
pun selaras dengan penelitian sebelumnya yakni pada penelitian Virdyananto et al.
(2017), Cheng (2019), dan Rahi et al. (2020).
H14: Technology Characteristics berpengaruh secara positif terhadap Task-
Technlogy Fit
168
Gambar 4.39 Hasil t-test Pada SmartPLS Hipotesis Technology Characteristics Terhadap Task-
Technology Fit
Nilai tersebut dapat diinterpretasikan variabel technology characteristics
berpengaruh secara positif terhadap task-technology fit dengan adanya hasil dari
nilai path coefficient didapatkan sebesar 0.377 artinya adalah karakteristik
teknologi berpengaruh juga secara signifikan terhadap kesesuaian tugas-teknologi
yang dapat dilihat pada Gambar 4.40.
Gambar 4.40 Hasil Path Coefficient Pada SmartPLS Hipotesis Technology Characteristics
Terhadap Task-Technology Fit
Dapat dilihat pua pada pengujian f2dihasilkan sebesar 0.071 dan q2 bernilai sebesar
0.105 yang berarti pengaruh TECC terhadap TTF adalah kecil. Peneliti
menginterpretasikan adanya indikator dalam variabel karakteristik teknologi
mempunyai pengaruh secara signifikan dan positif terhadap variable kesesuaian
169
tugas-teknologi. Dari hasil tersebut dapat dikatakan tingginya tingkat relevansi
antara layanan yang tersedia dengan tugas yang dikerjakan oleh pengguna karena
semakin variasi layanan yang ada meningkat pula jumlah tugas yang dapat
diselesaikan oleh sistem. Hasil ini pun selaras dengan penelitian sebelumnya yakni
pada penelitian Wang & Lin (2019), Lin et al. (2019), dan Tam & Oliveira (2019).
• Apakah Task-Technology Fit berpengaruh secara positif terhadap Use dan
Individual Performance?
H15: Task-Technology Fit berpengaruh secara positif terhadap Use
Gambar 4.41 Hasil t-test Pada SmartPLS Hipotesisi Task-Technology Fit Terhadap Use
Nilai tersebut dapat diinterpretasikan variabel task-technology fit berpengaruh
didapatkan sebesar 0.246 yang berarti kesesuain tugas-teknologi mempunyai
pengaruh signifikan terhadap penggunaan yang dapat dilihat pada Gambar 4.42.
pengaruh TTF terhadap USE adalah tidak berpengaruh. Peneliti
menginterpretasikan adanya indikator seperti terkini, aksesibilitas, performa sistem
informasi, dan kesesuaian secara menyeluruh dalam variabel kesesuaian tugas-
teknologi mempunyai pengaruh secara signifikan dan positif terhadap variabel
penggunaan yang dapat dinyatakan bahwa kemampuan sistem pada Flip sudah
sesuai dengan tugas dan kebutuhan dari pengguna atau sinkronisasi antara sistem
170
Gambar 4.42 Hasil Path Coefficient Pada SmartPLS Hipotesis Task-Technology Fit Terhadap
Use
tersedia dengan tugas/pekerjaan dari pengguna sesuai dalam Goodhue & Thompson
(1995). Hasil ini pun selaras dengan penelitian sebelumnya yakni pada penelitian
Azizah et al. (2020), Diar et al. (2019), Abbas et al. (2018) dan Tam & Oliveira
(2016).
H16: Task-Technology Fit berpengaruh secara positif terhadap Individual
Performance
Gambar 4.43 Hasil t-test Pada SmartPLS Hipotesis Task-Technology Fit Terhadap Individual
Perfromance
Nilai tersebut dapat diinterpretasikan variabel task-technology fit berpengaruh
secara positif terhadap individual performance yang didukung dengan nilai path
coefficient 0.375 yang berarti kesesuaian tugas-teknologi mempunyai pengaruh
signifikan terhadap kinerja individu yang dapat dilihat pada Gambar 4.44.
171
Gambar 4.44 Hasil Path Coefficient Pada SmartPLS Hipotesis Task-Technology Fit Terhadap
pengaruh TTF terhadap IP adalah tidak berpengaruh. Peneliti menginterpretasikan
adanya indikator seperti terkini, aksesibilitas, performa sistem informasi, dan
kesesuaian secara menyeluruh dalam variabel kesesuaian tugas-teknologi
mempunyai pengaruh secara signifikan dan positif terhadap variabel kinerja
individu. TTF adalah persepsi kecocokan di antara karakteristik teknologi dan
karakteristik tugas yang berpengaruh positif dalam kinerja individu. Menurut
McGill & Klobas (2009) pengguna yang berada pada pekerjaan yang bergantung
pada sistem informasi yang rentan terhadap gangguan (offline) dapat memutuskan
ternyata sistem tidak dapat mendukung dalam meningkatkan kinerja mereka. Jika
kapabilitas teknologi dalam suatu sistem dapat mengakomodasi rutinitas aktivitas
penggunanya. Sesuai pada hasil hipotesis ini dapat dinyatakan bahwa pengguna
172
merasa Flip mampu mendukung transaksi yang dilakukan oleh pengguna, hasil dari
itu pengguna menunjukkan kinerja individu yang baik. Hasil ini pun selaras dengan
penelitian sebelumnya yakni pada penelitian Azizah et al. (2020), Tam & Oliveira
(2019) dan Diar et al. (2019).
• Apakah efek moderasi dari Task-Technology Fit berdampak lebih
kuat/lemah terhadap Individual Performance?
H17: TTF akan memoderasi efek dari penggunaan terhadap kinerja individu,
sehingga efeknya akan lebih kuat di antara pengguna dengan TTF tinggi
Gambar 4.45 Hasil t-test Pada SmartPLS Hipotesis TTF akan memoderasi efek dari penggunaan
terhadap kinerja individu, sehingga efeknya akan lebih kuat di antara pengguna dengan TTF tinggi
Nilai tersebut dapat disimpulkan bahwa nilai TTF yang tinggi tidak memperkuat
hubungan penggunaan pada kinerja individu. Dengan adanya hasil dari nilai path
coefficient didapatkan sebesar -0.047 yang artinya hipotesis ini juga tidak
berpengaruh signifikan yang dapat dilihat pada Gambar 4.46.
Gambar 4.46 Hasil Path Coefficient Pada SmartPLS Hipotesis TTF akan memoderasi efek dari
penggunaan terhadap kinerja individu, sehingga efeknya akan lebih kuat di antara pengguna
dengan TTF tinggi
173
Berdasarkan pengujian f2 dan q2 dihasilkan nilai di bawah ambang batas 0.002
berarti tidak berpengaruh. Pada penelitian Tam & Oliveira (2016) ketika pengguna
mulai menggunakan teknologi/sistem tertentu contohnya dalam kasus ini seperti
Flip, pengguna akan lebih memperhatikan kebaruan serta fungsi-fungsi dari
teknologi tersebut. Seiring bertambahnya pengalaman, pengguna berharap bahwa
TTF yang lebih tinggi akan secara positif memperkuat hubungan penggunaan pada
kinerja individu. Nilai TTF yang tinggi memperkuat hubungan antara pengggunaan
pada kinerja individu. Dari hasil penelitian ini dan melihat dari fakta yang ada,
peneliti asumsikan bahwa pengguna Flip belum memerhatikan kebaruan serta
fungsi-fungsi dari sistem karena pengguna merasa sistem yang berjalan sekarang
sudah cukup memenuhi tugas mereka dan lebih fokus untuk mempertahankan
sistem yang ada untuk lebih ditingkatkan lagi performnya dibandingkan menambah
sesuatu yang baru.
Dilihat dari nilai original sample pada SmartPLS untuk melihat apakah efek
moderasi ini menguatkan/melemahkan, hasilnya yaitu: –0.047 yang dapat
disimpulkan bahwa efek moderasi pada hipotesis di penelitian ini hasilnya
melemahkan sehingga menunjukkan hipotesis ini ditolak. Sesuai dalam Solimun
(2011) kategori dalam variabel moderator ini adalah variabel prediktor moderasi
karena task-technology fit mempunyai hubungan secara signifikan dan positif
dengan individual performance dan efek moderasinya tidak signifikan.
H18: TTF akan memoderasi efek dari kepuasan pengguna terhadap kinerja
174
individu, sehingga efeknya akan lebih lemah di antara pengguna dengan TTF
tinggi
Gambar 4.47 Hasil t-test Pada SmartPLS Hipotesis TTF akan memoderasi efek dari kepuasan
pengguna terhadap kinerja individu, sehingga efeknya akan lebih lemah di antara pengguna
dengan TTF tinggi
Nilai tersebut dapat disimpulkan bahwa nilai TTF yang tinggi tidak memperlemah
hubungan penggunaan pada kinerja individu. Dengan adanya hasil dari nilai path
coefficient didapatkan sebesar 0.022 yang hipotesis ini juga tidak mempunyai
pengaruh signifikan yang dapat dilihat pada Gambar 4.48.
Gambar 4.48 Hasil Path Coefficient Pada SmartPLS Hipotesis TTF akan memoderasi efek dari
kepuasan pengguna terhadap kinerja individu, sehingga efeknya akan lebih lemah di antara
pengguna dengan TTF tinggi
Berdasarkan pengujian f2 dan q2 dihasilkan nilai di bawah ambang batas 0.002
berarti tidak berpengaruh. Pada penelitian Tam & Oliveira (2016) Ketika pengguna
merasa layanan yang dirasakan sudah sesuai dengan kebutuhan mereka pengguna
175
akan mendapatkan kekuatan seperti halnya pengguna merasa layanan tersebut
sudah baik tetapi masih ada hal yang perlu ditingkatkan maka dari itu kepuasan
pengguna akan kehilangan kekuatan dalam menjelaskan kinerja individu. Dari hasil
penelitian ini dan melihat dari fakta yang ada, peneliti asumsikan bahwa persepi
pengguna terhadap Flip yang dapat membuktikan kemampuan layanan yang sudah
memenuhi kebutuhan mereka tidak akan mengurangi rasa puas mereka dan tetap
menjelaskan dari kinerja individual.
Dilihat dari nilai original sample pada SmartPLS untuk melihat apakah efek
moderasi ini menguatkan/melemahkan, hasilnya yaitu: 0.022 yang dapat
disimpulkan bahwa efek moderasi pada hipotesis di penelitian ini hasilnya
menguatkan sehingga menunjukkan hipotesis ini ditolak. Sesuai dalam Solimun
(2011) kategori dalam variabel moderator ini adalah variabel prediktor moderasi
karena task-technology fit mempunyai hubungan secara signifikan dan positif
dengan individual performance dan efek moderasinya tidak signifikan.
4.6 Perbandingan Penelitian dengan Penelitian Sebelumnya
Berdasarkan pada model yang digunakan pada penelitian ini merupakan
implementasi atau replikasi dari penelitian sebelumnya yaitu penelitian Tam &
Oliveira (2016) dengan hasil sebesar 77.8% hasil yang sama. Namun, ada beberapa
hasil yang membedakan penelitian ini dengan penelitian Tam & Oliveira (2016)
dengan menyesuaikan hasil statistik yang diolah beserta menyesuaikan dengan
kondisi dari objek penelitian. Perbedaan ini terdapat pada bagian efek moderasi.
Adanya perbedaanya yaitu pada penelitian Tam & Oliveira (2016) menemukan
bahwa TTF tidak memiliki pengaruh langsung terhadap kinerja individu, tetapi
176
pada penerapan efek moderasi TTF pada penggunaan dan kepuasan pengguna
untuk kinerja individu terdapat hasil yang signifikan, dari hasil tersebut
menunjukkan bahwa TTF memainkan peran penting. Sedangkan dalam penelitian
ini sesuai dengan hasil H16 TTF secara langsung mempengaruhi variabel kinerja
individu yang didukung dalam studi sebelumnya, sehingga bisa dianggap pula
bahwa TTF tetap memainkan peranan penting dan dapat menjelaskan hubungannya
dengan kinerja individu.
4.7 Implikasi dan Limitasi Penelitian
4.7.1 Implikasi Teoritis
Implikasi untuk pembaca dari penelitian dengan menggunakan model Delone
& McLean dan TTF untuk menjelaskan kinerja individual Flip yang dihasilkan
bahwa TTF memiliki pengaruh langsung pada kinerja individu. Penelitian ini
berfokus pada pengeksplorasian pada tahap pasca adopsi yang dimana menjelaskan
perilaku pada pengguna untuk meningkatkan atau menurunkan penggunaanya atau
mungkin memilih untuk menghentikan. Mengkualifikasi pada penelitian
sebelumnya misal pada penelitian Tam & Oliveira (2019), Aldholay et al. (2018),
dan Tam & Oliveira (2016) serta menambahkan pengetahuan bahwa keseluruhan
kualitas mempengaruhi kepuasan pengguna dan hubungan tersebut dengan
penggunaan Flip. Memvalidasi bahwa model yang digunakan yang diadaptasi dari
penelitian sebelumnya yaitu penelitian Tam dan Oliveira (2016) sebagai model
yang cocok untuk pengukuran keberhasilan dan faktor-faktor penentu dalam
dampak kinerja pada sistem khususnya Flip yang dapat digunakan sebagai dasar
untuk penelitian selanjutnya.
177
4.7.2 Implikasi Praktis
Hasil penelitian ini berimplikasi secara praktis yang penting untuk Flip
khususnya pendekatan untuk mengidentifikasikan agar meningkatkan kinerja
pengguna pada sistem Flip yang berguna untuk mencari pengadopsi potensial serta
mempertahankan pengguna. Fokus terhadap kualitas informasi, kualitas layanan,
kualitas sistem untuk meningkatkan kepuasan pengguna. Hal ini sangat krusial
karena sedikit diabaikan jika Flip merasa bahwa sistem yang disuguhkan sudah
matang dan stabil. Sinkronisasi dari karakteristik tugas, karakteristik teknologi,
kualitas sistem dan kualitas informasi dinilai mempengaruhi pada kesesuaian tugas-
teknologi. Sifat Flip yang menyediakan layanan yang fleksibel dapat diakses di
mana saja, maka peneliti menyarankan adanya peningkatan yaitu menyediakan
layanan yang dapat digunakan kapan saja tidak adanya Batasan waktu dan daftar
bank lebih banyak yang didukung oleh Fip , penanganan yang cepat saat terjadi
gangguan, dan meningkatkan fitur-fitur baru seperti adanya penggunaan OTP untuk
login, menggunakan fingerprint atau face recognition untuk setiap transaksi, dan
pembelian pada gamification. Informasi yang tidak lengkap, tidak akurat, dan tidak
relevan dapat mempengaruhi kepuasan pengguna. Memperkecil kemungkinan
adanya sistem tidak dapat digunakan atau mengatasi bug bug pada sistem agar
pengguna dapat menilai Flip sebagai sistem yang dapat membantu kebutuhan
pengguna, meningkatnya rasa keefektifan serta produktivitas pengguna sehingga
sikap untuk menggunakan terus menerus muncul. Memberikan keunggulan kualitas
layanan dengan menjamin kompetensi yang dimiliki oleh customer service serta
dapat diandalkan serta respons yang cepat dan memiliki empati untuk mengurangi
178
dan mengatasi keluhan pengguna sehingga dapat memberikan efek positif yang
dirasakan oleh pengguna yang dapat tersebar dari mulut ke mulut serta terciptanya
citra yang baik untuk Flip.
4.7.3 Limitasi Penelitian
Terdapat kendala yang menjadi keterbatasan pada penelitian ini yaitu:
Flip tidak dapat menyajikan kebutuhan data pengguna untuk mendukung studi ini.
Situasi pandemi saat penelitian ini dilakukan, maka penyebaran kueisoner yang
dilakukan secara daring atau tidak didampingi langsung oleh peneliti sehingga
kemungkinan adanya kesalahpahaman maksud dari pertanyaan dalam kuesioner
bisa saja terjadi.
Dalam penelitian ini menggunakan model Delone & McLean dan TTF sehingga
adanya keterbatasan pada faktor atau instrument penilaian religiusitas contohnya
dengan Muslim Daily Religiousity Assesment Scale (MUDRAS) oleh Olufaldi
(2016) dikarenakan mayoritas masyarakat Indonesia adalah muslim untuk melihat
bagaimana pandangan secara religiusitas terhadap penggunaan Flip yang
menggunakan jasa perbankan.
Sesuai dengan ruang lingkup penelitian, pembatasan penggunaan model serta
variabel di dalamnya dan pendekatan penelitian yang digunakan dalam penelitian
ini dimana hal tersebut yang akan menjadi fokus utama untuk penyempurnaan atau
pertimbangan untuk peneliti selanjutnya. Pembahasan mengenai interaksi atau
moderasi budaya bisa menjadi salah satu dimensi yang dimasukkan dalam
penelitian penggunaan sistem informasi dimana bisa saja budaya mempengaruhi
penggunaan sistem informasi contohnya dengan penggunaan dimensi budaya Hall
179
seperti pada penelitian Tam & Oliveira (2017) atau Hofstede seperti pada Tam &
Oliveira (2019). Penelitian kuantitatif yang hasilnya menggambarkan secara
luas/secara general terhadap keberhasilan Flip ini menjadi sebuah keterbatasan.
Melakukan pendekatan penelitian secara kualitatif yang bertujuan untuk
menemukan teori sehingga kesimpulan yang didapatkan berlaku pada objek yang
diteliti dan tidak bersifat general. Data yang didapatkan berupa pengalaman dari
manusia atau narasumber. Menurut Raco (2010) pengalaman tersebut dapat
dipelajari secara ilmiah dan mengandung nilai ilmiah. Pengalaman yang diolah
secara ilmiah dapat memberikan sesuatu yang bernilai bagi orang lain, komunitas,
maupun organisasi pada dunia bisnis.
180
181
BAB 5
PENUTUP
1.1 Kesimpulan
Setelah dilakukannya pengujian pada Bab 4 mengenai pengukuran
keberhasilan dalam kinerja individual Flip dengan menggunakan model Delone &
McLean dan efek moderasi dari TTF, maka dapat disimpulkan bahwa penelitian
sudah dapat menunjukan hasil pengukuran serta menguji faktor-faktor apa saja
yang mempengaruhi keberhasilan dari kinerja individual Flip berdasarkan
prespektif dari pengguna akhir sistem Flip.
Dari hasil pengukuran menunjukan keberhasilan penggunaan Flip terbukti
berpengaruh dalam menjelaskan kinerja individual terhadap Flip dengan kategori
substansial 68,4% varian pada pembentukan perilaku pengguna Flip.
Berdasarkan hasil penelitian dapat teruji faktor-faktor yang mempengaruhi
tingkat keberhasilan kinerja individual Flip adalah kepuasan pengguna Uuser
Satisfaction) dan kesesuaian tugas-tekbologi (Task-Technology Fit).
Terdapat 13 hipotesis yang diterima dari 18 hipotesis yang digunakan dalam
penelitian ini, yaitu H1 (System Quality terhadap Task-Technology Fit), H2 (System
Quality terhadap Use), H3 (System Quality terhadap User Satisfaction), H4
(Information Quality terhadap Task-Technology Fit), H5 (Information Quality
terhadap Use), H6 (Information Quality terhadap User Satisfaction), H9 (Service
Quality terhadap User Satisfaction), H12 (User Satisfaction terhadap Individual
Performance), H13 (Task Characteristics terhadap Task-Technology Fit), H14
181
(Technology Characteristics terhadap Task-Technology Fit), H15 (Task-
Technology Fit terhadap Use) dan H16 (Task-Technology Fit terhadap Individual
Performance).
Secara keseluruhan, hasil penelitian ini dapat digunakan sebagai saran dan
bahan pertimbangan bagi organisasi Flip.id dalam melakukan peningkatan dari segi
sistem, informasi serta layanan maupun menjadi salah satu bahan pertimbangan
dalam melakukan kebijakan di masa yang akan dating. Peneliti dapat
merekomendasikan kepada pihak Flip.id dimana rekomendasi ini berdasarkan dari
hasil penelitian untuk memperhatikan faktor-faktor yang terbukti mempengaruhi
keberhasilan kinerja individual Flip dengan melakukan pengembangan sistem yang
terkait dengan hal faktor Use atau Penggunaan dimana pengguna dapat
menggunakan sistem secara maksimal serta tingkat interaksi yang lebih aktif antara
pengguna terhadap sistem.
1.2 Saran
Berikut peneliti memberikan saran yang dapat digunakan dan dipertimbangkan
secara baik-baik untuk peneliti selanjutnya menyesuaikan dengan batasan pada
penelitian ini adalah Untuk peneliti selanjutnya dapat memperhatikan serta
meninjau kembali variabel serta indikator-indikator yang akan digunakan dalam
penelitian selanjutnya terhadap keberhasilan kinerja individual Flip dengan
mengacu kepada literatur sejenis yang terdapat beberapa model lain dalam
pengukuran keberhasilan sistem informasi.
Pertimbangan dengan menambahkan faktor atau instrument penilaian religi-
182
usitas contohnya dengan Muslim Daily Religiousity Assesment Scale (MUDRAS)
oleh Olufaldi (2016) dikarenakan mayoritas masyarakat Indonesia adalah muslim
untuk melihat bagaimana pandangan secara religiusitas terhadap penggunaan Flip
yang menggunakan jasa perbankan.
Bagi pihak Flip.id dapat meningkatkan keberhasilan kinerja dari Flip
dengan memperhatikan dan melakukan pengembangan terutama pada variabel use
yang pada hasil penelitian ini variabel tersebut memiliki nilai keberhasilan yang
rendah.
183
184
DAFTAR PUSTAKA
Abbas, Sayyed Khawar et al. 2018. “Testing The Impact Of Mobile Banking On
Individual Performance Using Delone & McLean and TTF Models.” Global
Scientific Journals 6(7): 867–83.
Abdillah, W; Mustakini, J H. 2015. Partial Least Suare (PLS) Alternatif Structural
Euation Modeling (SEM) Dalam Penelitian Bisnis. Yogyakarta: ANDI.
Ajzen, I; Heilbroner, R L; Fishbein, M. 1980. Understanding Attitudes and
Predicting Social Behaviour. New Jersey: Prentince Hall.
Ajzen, Icek. 1991. “The Theory of Planned Behaviour.” Organizational Behaviour
and Human Decission Proceses 50: 179–211.
Ajzen, Icek. 2005. Attitudes, Personality, and Behaviour. New York: USA Open:
Univeristy Press.
Al-Debei, Mutaz M., Dima Jalal, and Enas Al-Lozi. 2013. 14 International Journal
of Business Information Systems Measuring Web Portals Success: A
Respecification and Validation of the DeLone and McLean Information
Systems Success Model.
Al-Hikam. 2019. “Detik.Com.” Detik Finance Web Site.
https://finance.detik.com/moneter/d-4522143/ojk-sebut-cuma-60-orang-ri-
punya-rekening-bank.
Aldholay, Adnan et al. 2018. “An Extension of Delone and McLean IS Success
Model with Self-Efficacy Online Learning Usage in Yemen.” The
International Journal of Information and Learning Technology 35(4): 285–
184
304.
Alfa, Alodya Ann Gita, Dewi Rachmatin, and Fitriani Agustina. 2017. “Analisis
Pengaruh Faktor Keputusan Konsumen Dengan Structural Equation Modeling
Partial Least Square.” EurekaMatika 5(2): 59–71.
Almutairi, H; Subramainan, G H. 2005. “An Empirical Application of the DeLone
and Mclean Model in the Kuwaiti Private Sector.” Journal of Computer
Information Systems, 45(3): 113–22.
Alzahrani, Ahmed Ibrahim et al. 2017. “Modelling Digital Library Success Using
the DeLone and McLean Information System Success Model.” Journal of
Librarianship and Information Science 51(2): 291–306.
Anderson, R E, and S S Srinivasan. 2003. “E-Satisfaction and e-Loyalty: A
Contingency Framework.” Psychology & Marketing 20(2): 123–38.
Andreas Fuchs. 2011. Research Papers on Marketing Strategy Methodische Aspekte
Linearer Strukturgleichungsmodelle Ein Vergleich von Kovarianz- Und
Varianzbasierten Kl l Kausalana Yseverfahren.
Angelina, Ruth Johana, Aji Hermawan, and Arif Imam Suroso. 2019. “Analyzing
E-Commerce Success Using DeLone and McLean Model.” Journal of
Information Systems Engineering and Business Intelligence 5(2): 156.
Antong. 2017. “The Effect of Quality System and Quality Information Toward User
Satisfaction and Impact of Individual: Perspective of Success Model Delone
& Mclean (Empirical Study of Financial Information Systems Palopo City
Government).” In International Conference on Natural and Social Sciences, ,
71–80.
185
Au, N; Ngai, E. W. T; Cheng, T. C. E. 2008. “Extending the Understanding of End
User Information Systems Satisfaction An Equitable Needs Formation :
Fulfillment Model Approach1.” Management Information Systems Research
Center, University of Minnesota 32(1): 43–66.
Aurealia, Nadya Farah, and Khairani Ratnasari Siregar. 2017. “Analisis Teknologi
Pendukung Kinerja Dosen Menggunakan Model Task-Technology Fit (Pada
Perguruan Tinggi Swasta Di Bandung Utara, 2017).” In E-Proceeding of
Management, , 1466–71.
Azizah, Qudsiah Nur et al. 2020. “Understanding Impact of M-Banking on
Individual Performance of the DeLone & McLean Method and TTF
Perpective.” Journal of Physics: Conference Series 1641(1).
Bailey, James E, and Sammy W Pearson. 1983. “Developing a Tool for Measuring
Computer User Satisfaction.” : 530–45.
Bokhari, R H. 2005. “The Relationship between System Usage and User
Satisfaction: A MetaThe Relationship between System Usage and User
Satisfaction: A Meta.” Journal of Enterprise Information Management, Vol.
18, Nos. 1/2: 211–34.
Bungin, M B. 2005. Metode Penelitian Kuantitatif Komunikasi, Ekonomi, Dan
Kebijakan Publik Serta Ilmu-Ilmu Sosial Lainnya. Jakarta: Kencana.
Burton-Jones, Andrew, and Michael J Gallivan. 2007. “Towards a Deeper
Understanding of System Usage in Organizations.” MIS Quarterly 31(4): 657–
79.
Burton-Jones, Andrew, and Detmar W. Straub. 2006. “Reconceptualizing System
186
Usage: An Approach and Empirical Test.” Information Systems Research
17(3): 228–46.
Cangelosi, J S, and Lilian D Tedjasudana. 1995. Merancang Tes Untuk Menilai
Prestasi Siswa. Bandung: Penerbit:ITB.
Chang, Jerry Cha Jan, and William R. King. 2005. “Measuring the Performance of
Information Systems: A Functional Scorecard.” Journal of Management
Information Systems 22(1): 85–115.
Chauhan, Sumedha. 2015. “Acceptance of Mobile Money by Poor Citizens of
India: Integrating Trust into the Technology Acceptance Model.” info 17(3):
58–68.
Cheng, Yung Ming. 2019. “How Does Task-Technology Fit Influence Cloud-Based
e-Learning Continuance and Impact?” Education + Training 61(4): 480–99.
Chin, Wynne W, and Matthew K O Lee. 2000. A Proposed Model and
Measurement Instrument for the Formation of IS Satisfaction: The Case of
End-User Computing Satisfaction. Kowloon.
Chung, Sunghun, Kyung Young Lee, and Jinho Choi. 2015. “Exploring Digital
Creativity in the Workspace: The Role of Enterprisemobile Applications on
Perceived Job Performance and Creativity.” Computers in Human Behavior:
93–109.
Churchill, G A. 2005. Dasar-Dasar Riset Pemasaran. Jakarta: Erlangga.
D’ambra, John, Ronald E. Rice, and Marcus O’connor. 1998. “Computer-Mediated
Communication and Media Preference: An Investigation of the
Dimensionality of Perceived Task Equivocality and Media Richness.”
187
Behaviour and Information Technology 17(3): 164–74.
Davis, F D. 1985. Sloan School of Management “A Technology Acceptance Model
for Empirically Testing New End-User Information Systems: Theory and
Results.” Massachusetts Institute of Technology.
Davis, Fred D. 1989. “Perceived Usefulness, Perceived Ease of Use, and User
Acceptance of Information Technology.” MIS Quarterly: Management
Delone, W H; McLean, E R. 2003. “The DeLone and McLean Model of
Information Systems Success: A Ten-Year Update.” Journal of Management
Information Systems: 9–30.
DeLone, William H., and Ephraim R. McLean. 1992. “Information Systems
Success: The Quest for the Dependent Variable.” Information Systems
Research 3(1): 60–95.
DeLone, William H., and Ephraim R. McLean. 2016. “Information Systems
Success Measurement.” Foundations and Trends® in Information Systems
2(1): 1–116.
Demirguc-Kunt, Asli et al. 2018. The Global Findex Database 2017: Measuring
Financial Inclusion and the Fintech Revolution The Global Findex Database
2017: Measuring Financial Inclusion and the Fintech Revolution.
Diar, Alifiannisa Lawami, Puspa I. Sandhyaduhita, and Nur Fitriah A. Budi. 2019.
“The Determinant Factors of Individual Performance from Task Technology
Fit and IS Success Model Perspectives: A Case of Public Procurement Plan
Information System (SIRUP).” 2018 International Conference on Advanced
188
Computer Science and Information Systems, ICACSIS 2018: 69–74.
Doll, William J, and Gholamreza Torkzadeh. 1988. “The Measurement of End-User
Computing Satisfaction: Theoritical and Methodological Issues.” Issue and
Opinions/MIS Quarterly.
Eriyanto. 2007. Teknik Sampling Analisis Opini Publik. Yogyakarta: LKis
Yogyakarta.
Erlang Prima Insani. 2013. “Analisis Pengaruh Kenyamanan Terhadap Minat Beli
Secara Online Pada Pemesanan Tiket Kereta Api Melalui Website Resmi PT.
KAI.” Jurnal Sains Pemasaran Indonesia 12(3): 241–60.
Fernandes, Cedwyn, and Raed Awamleh. 2005. “The Impact Of Transformational
And Transactional Leadership Styles On Employee’s Satisfaction And
Performance: An Empirical Test In A Multicultural Environment.”
International Business & Economics Research Journal 3(8): 65–76.
Fildes, Robert, Paul Goodwin, and Michael Lawrence. 2006. “The Design Features
of Forecasting Support Systems and Their Effectiveness.” Decision Support
Systems 42(1): 351–61.
Financial Stability Board. 2017. Financial Stability Board Financial Stability
Implications from Fintech: Supervisory and Regulatory Issues That Merit
Authorities’ Attention. www.fsb.org/emailalert.
Financial Stability Board. 2019. FSB Report Assesses FinTech Developments and
Potential Financial Stability Implications. Frankfurt.
https://www.fsb.org/2019/02/fsb-report-assesses-fintech-developments-and-
potential-financial-stability-implications/#:~:text=The FSB defines FinTech
189
as,the provision of financial services. (February 14, 2019).
Gable, Guy G. 2008. “Journal of the Association for Information Systems Re-
Conceptualizing Information System Success : The IS-Impact Measurement
Model * Re-Conceptualizing Information System Success : The IS-Impact
Measurement Model.” Journal of the Association for Information Systems
9(7): 377–408.
Gao, Lingling, and Xuesong Bai. 2014. “An Empirical Study on Continuance
Intention of Mobile Social Networking Services: Integrating the IS Success
Model, Network Externalities and Flow Theory.” Asia Pacific Journal of
Marketing and Logistics 26(2): 168–89.
Gelderman, Maarten. 1998. “The Relation between User Satisfaction, Usage of
Information Systems and Performance.” Information & Management 34(1):
11–18.
Ghozali, I; Latan, H. 2015. Partial Least Squares Konsep, Teknik, Dan Aplikasi
Menggunakan Program SmartPLS 3.0. Semarang: Badan Penerbit Universitas
Dipenogoro.
Ghozali, I, and Fuad. 2008. Structural Equation Modeling Teori Dan Konsep Dan
Aplikasi Dengan Program Lisrel 8.8. Semarang: Universitas Diponegoro.
Glints Corporation. 2021. “Glints.”
https://glints.com/id/companies/flipid/7bb204a1-306d-4b7f-af6e-
0cbfe9720fd6 (February 9, 2021).
Goodhue, Dale L, Barbara D Klein, and Salvatore T March. 2000. “User Evaluation
of IS as Surrogates for Objective Performance.” Information & Management
190
38: 87–101.
Goodhue, Dale L, and Ronald L Thompson. 1995. “Task-Technology Fit and
Individual Performance.” MIS Quarterly 19(2): 213–36.
Gorla, Narasimhaiah, Toni M. Somers, and Betty Wong. 2010. “Organizational
Impact of System Quality, Information Quality, and Service Quality.” Journal
of Strategic Information Systems 19(3): 207–28.
Griffoli, T M. 2017. “Banking On Change. Finance & Development.” Interational
& Monetary Funds 54 No. 3.
Hackman, J, R, and R Oldham, G. 1975. “Development of the Job Diagnostic
Survey.” Journal of Applied Psychology 60: 159–70.
Hair, J F; Hult, G T. M; Ringle, C M; Sarstedt, M. 2017. A Primer on A Partial
Least Squares Structural Equation Modeling (PLS-SEM)`. United States of
America: SAGE Publications, Inc.
Hair, Joseph F., Christian M. Ringle, and Marko Sarstedt. 2013. “Partial Least
Squares Structural Equation Modeling: Rigorous Applications, Better Results
and Higher Acceptance.” Long Range Planning 46(1–2): 1–12.
Hamid, Rahmad Solling, and Muhammad Ikbal. 2017. “Analisis Dampak
Kepercayaan Pada Penggunaan Media Pemasaran Online (E-Commerce)
Yang Diadopsi Oleh UMKM: Perspektif Model DeLone & McLean.” Jurnal
Manajemen Teknologi 16(3): 310–37.
Hamilton, Scott, and Norman L. Chervany. 1981. “Evaluating Information System
Effectiveness - Part I: Comparing Evaluation Approaches.” MIS Quarterly:
Management Information Systems 5(3): 55–69.
191
Harinaldi. 2005. Prinsip-Prinsip Statistik Untuk Teknik Dan Sains. Jakarta:
Erlangga.
Hasibuan, Malayu S. P. 2002. Manajemen Sumber Daya Manusia. Jakarta: PT.
Bumi Perkasa.
Henseler, Jörg, Christian M. Ringle, and Rudolf R. Sinkovics. 2009. “The Use of
Partial Least Squares Path Modeling in International Marketing.” Advances in
International Marketing 20(2009): 277–319.
Hijriyati, Atiyyah Lia, Niken Hendrakusma Wardani, and Mochamad Chandra
Saputra. 2017. “Analisis Penerimaan Pengguna Aplikasi Mobile UC Browser
Menggunakan Model Unified Theory of Acceptance and Use of Technology (
UTAUT ) Dan Task Technology Fit ( TTF ).” Jurnal Pengembangan
Teknologi Informasi dan Ilmu Komputer 1(9): 832–41. http://j-ptiik.ub.ac.id.
Hudin, Jamal Maulana, and Dwiza Riana. 2016. “Kajian Keberhasilan Penggunaan
Sistem Informasi Accurate Dengan Menggunakan Model Kesuksesan Sistem
Informasi Delon Dan Mclean.” Jurnal Sistem Informasi (Journal of
Information Systems) 12(1): 1–8.
Husein, Umar. 2003. Metodologi Penelitian: Aplikasi Dalam Pemasaran. Jakarta:
Gramedia Pustaka Utama.
Hussein, A. S. 2015. Penelitian Bisnis Dan Manajemen Menggunakan Partial
Least Squares (PLS) Dengan SmartPLS 3 . 0. Malang.
Igbaria, Magrid, and Margaret Tan. 1997. “The Consequences of Information
Technology Acceptance on Subsequent Individual Performance.” Information
and Management 32(3): 113–21.
192
Iivari, Juhani. 2005. “An Empirical Test of the DeLone-McLean Model of
Information System Success.” Data Base for Advances in Information Systems
36(2): 8–27.
Ives, Blake, Margrethe H. Olson, and Jack J. Baroudi. 1983. “The Measurement of
User Information Satisfaction.” Communications of the ACM 26(10): 785–93.
Jeyaraj, Anand. 2019. “Variation in the Effect of System Usage and Individual
Impact: A Meta-Regression of Empirical Findings.” Information and
Management 57(6): 103242.
Jogiyanto. 2008. Sistem Informasi Keperilakuan. Yogyakarta: ANDI.
Juniwati. 2015. “Pengaruh Perceived Ease of Use, Enjoyment Dan Trust Terhadap
Repurchase Intention Dengan Customer Satisfaction Sebagai Intervening Pada
Belanja Online (Studi Pada Mahasiswa Universitas Tanjungpura Pontianak).”
Jurnal Ekonomi Bisnis dan Kewirausahaan 4(1): 140.
Kholifatun. 2013. “Kajian Tingkat Keberhasilan Program Nasional Pemberdayaan
Masyarakat (PNPM) Mandiri Di Desa Margaayu Kecamatan Margasari
Kabupaten Tegal.” Universitas Muhammadiyah Purwokerto.
Kim, Hee-Woong, Yunjie Xu, and Joon Koh. 2004. “A Comparison of Online Trust
Building Factors between Potential Customers and Repeat Customers.”
Journal of the Association for Information Systems 5(10): 392–420.
King, William R., and Barry J. Epstein. 1983. “Assessing Information System
Value: An Experimental Study.” Decision Sciences 14(1): 34–45.
Laksmiyati, Nurul, and Wahyu Meiranto. 2015. “Analisis Faktor-Faktor Yang
Mempengaruhi Kinerja Individu Pengguna Sistem Informasi Dengan
193
Menggunakan Model Delone & McLean (Studi Empiris Pada Pengguna
Aplikasi Sistem Informasi Akuntansi Di BNI).” Diponegoro Journal of
Accounting 1(1): 1–14.
Lee, Yang W., Diane M. Strong, Beverly K. Kahn, and Richard Y. Wang. 2002.
“AIMQ: A Methodology for Information Quality Assessment.” Information
and Management 40(2): 133–46.
Lin, Tung Ching, and Chien Chih Huang. 2008. “Understanding Knowledge
Management System Usage Antecedents: An Integration of Social Cognitive
Theory and Task Technology Fit.” Information and Management 45(6): 410–
17.
Lin, Xin et al. 2019. “Understanding the Sustainable Usage Intention of Mobile
Payment Technology in Korea: Cross-Countries Comparison of Chinese and
Korean Users.” Sustainability (Switzerland) 11(19): 1–23.
Mangkunegara. 2011. Manajemen Sumber Daya Perusahaan. Bandung: PT.
Remaja Rosakadarya.
Maulina, Childa, Endang Siti Astuti, and Kertahadi. 2015. “Pengaruh Karakteristik
Tugas , Teknologi Informasi Dan Individu Terhadap TTF, Utilisasi Dan
Kinerja.” JISIP Universitas Tribuwana Tunggadewi 4(1): 108–19.
McGill, Tanya, Valerie Hobbs, and Jane Klobas. 2003. “User-Developed
Applications and Information Systems Success: A Test of DeLone and
McLean’s Model.” Information Resources Management Journal 16(1): 24–
45.
McGill, Tanya J., and Jane E. Klobas. 2009. “A Task-Technology Fit View of
194
Learning Management System Impact.” Computers and Education 52(2):
496–508.
McKinney, Vicki, Kanghyun Yoon, and Fatemeh Zahedi. 2002. “The Measurement
of Web-Customer Satisfaction: An Expectation and Disconfirmation
Approach.” Information Systems Research 13(3): 296–315.
Morgeson, F, P, and E Humphrey, S. 2006. “The Work Design Questionnaire
(WDQ): Developing and Validating a Comprehensive Measure for Assessing
Job Design and the Nature of Work.” Journal of Applied Psychology 9 No. 1:
1321–39.
Morton, Scott. 1990. Information Technology and Organizational. New York:
Oxford University Press.
Nugroho, Nurhasan, Emma Utami, and Emha Taufiq Luthfi. 2017. “Analisis
Perbandingan Kualitas Pelayanan Penerimaan Mahasiswa Baru (PMB) Online
Menggunakan Model Kesuksesan Sistem Informasi DeLone Dan McLean
(D&M)(Studi Kasus: PMB UKDW Dan PMB STMIK AMIKOM
Yogyakarta).” Jurnal Teknologi Informasi Respati 8(24): 45–66.
O’Briend, James. A, and George. M Marakas. 2007. “Management Information
System.” In New York: The McGrow-Hill Companies, 17.
Ofani, Wina Hastria, Endang Siti Astuti, and Kertahadi. 2015. “Pengaruh
Karakteristik Tugas, Karakteristik Teknologi, Dan Karakteristik Individu
Terhadap Task-Technology Fit (Survei Pada Karyawan PT. Telekomunikasi
Indonesia (TELKOM) Tbk. Kandatel Jombang).” Jurnal Administrasi Bisnis
S1 Universitas Brawijaya 18(1): 85301.
195
Olufadi, Yunusa. 2016. “Muslim Daily Religiosity Assesment Scale (MUDRAS):
A New Instrument for Muslim Religiosity Research and Practice.” Psychology
of Religion and Spirituality.
Perekenomian, Kementrian. 2018. Ringkasan Eksekutif Laporan Kinerja Tahun
2018 Laporan Kinerja Kementerian Koordinator Bidang Perekonomian
Tahun 2018, Merupakan Bentuk Pertanggungjaw.Pdf.
Pérez-mira, Begoña. 2010. “Validity of DeLone and McLean ’ s Model of
Information Systems Success at the Web Site Level of Analysis.” Lousiana
State University.
Perneger, Thomas V., Delphine S. Courvoisier, Patricia M. Hudelson, and Angèle
Gayet-Ageron. 2015. “Sample Size for Pre-Tests of Questionnaires.” Quality
of Life Research 24(1): 147–51.
Petter, Stacie, William DeLone, and Ephraim McLean. 2008. “Measuring
Information Systems Success: Models, Dimensions, Measures, and
Interrelationships.” European Journal of Information Systems 17(3): 236–63.
Pitt, Leyland F., Richard T. Watson, and C. Bruce Kavan. 1995. “Service Quality:
A Measure of Information Systems Effectiveness.” MIS Quarterly:
Management Information Systems 19(2): 173–85.
Poerwadarminta. 2007. Kamus Umum Bahasa Indonesia. Jakarta: Jakarta: PN
Balai.
Pratama, Jefri Gumilar, Afriyudi, and Ilman Zuhri Yadi. 2012. “Analisa Sistem
Informasi Entri Krs Online Pada Universitas Bina Darma Dengan
Menggunakan Metode End-User Computing ( Eucs ) Satisfaction.” Jurnal
196
Ilmiah Fakultas Ilkom 1: 1–15.
Puspitasari, Novianti, Adhistya Erna Permanasari, and Hanung Adi Nugroho. 2013.
“Analisis Penerapan Sistem Informasi Manajemen Rumah Sakit
Menggunakan Metode UTAUT Dan TTF.” Jurnal Nasional Teknik Elektro
dan Teknologi Informasi (JNTETI) 2(4): 225–32.
Raco, J R. 2010. Metode Penelitian Kualitatif. Jakarta: Grasindo.
Rahayu, Flourensia Sapty, Robert Apriliyanto, and Yohanes Sigit Purnomo Wuryo
Putro. 2018. “Analisis Kesuksesan Sistem Informasi Kemahasiswaan
(SIKMA) Dengan Pendekatan Model DeLone Dan McLean.” Indonesian
Journal of Information Systems 1(1): 34–46.
Rahi, Samar, and Mazuri Abd.Ghani. 2019. “Integration of DeLone and McLean
and Self-Determination Theory in Internet Banking Continuance Intention
Context.” International Journal of Accounting and Information Management
27(3): 512–28.
Rahi, Samar, Mubbsher Munawar Khan, and Mahmoud Alghizzawi. 2020.
“Extension of Technology Continuance Theory (TCT) with Task Technology
Fit (TTF) in the Context of Internet Banking User Continuance Intention.”
International Journal of Quality and Reliability Management 38(4): 986–
1004.
Rainer, R. Kelly, and Hugh J. Watson. 1995. “The Keys to Executive Information
System Success.” Journal of Management Information Systems 12(2): 83–98.
Salam, Maimoona, and Muhammad Shoaib Farooq. 2020. “Does Sociability
Quality of Web-Based Collaborative Learning Information System Influence
197
Students’ Satisfaction and System Usage?” International Journal of
Educational Technology in Higher Education 17(1).
Sander, Tom, and Teh Phoey Lee. 2014. “The Advantages and Disadvantages of
SmartPLS Software.” New Challenges of Economic and Business
Development – 2014: 346–58.
Saputro, Pujo Hari, Djoko Budiyanto, and Joko Santoso. 2016. “Model Delone and
Mclean Untuk Mengukur Kesuksesan E-Government Kota Pekalongan.”
Scientific Journal of Informatics 2(1): 1–8.
Sarwono, Y. 2010. “Pengertian Dasar Structural Equation Modeling (SEM).”
Jurnal Ilmiah Manajemen Bisnis Ukrida 10(3): 98528.
Seddon, P; Yip, S K. 1992. “An Empirical Evaluation of User Information
Satisfaction (Uis) Measures for Use with General Ledger Accounting
Software.” Journal of Information Systems, (6)1: 75–92.
Seddon, Peter B. 1997. “A Respecification and Extension of the Delone and
McLean Model of IS SUccess.” Information System Research 8(3): 240–53.
Seddon, Peter B, and Min-Yen Kiew. 1994. “A Partial Test and Development of
Delone and McLean’s Model of IS Success.” Australasian Journal of
Sedera, D; Eden, R; McLean, E R. 2013. “Are We There yet? A Step Closer to
Theorizing Information Systems Success.” The 34th International Conference
on Information Systems.
Sedera, Darshana, and Gg Gable. 2004. “A Factor and Structural Equation Analysis
of the Enterprise Systems Success Measurement Model.” Twenty-Fifth
198
International Conference on Information Systems: 449–64.
Sensuse, Dana Indra, and Sigit Hadi Prayoga. 2012. “Analisis Usability Pada
Aplikasi Berbasis Web Dengan Mengadopsi Model Kepuasan Pengguna (User
Satisfaction).” Jurnal Sistem Informasi 6(1): 70.
Shackman J. 2013. “The Use of Partial Least Squares Path Modeling and
Generalized Structured Component Analysis in International Business
Research: A Literature Review.” International Journal of Management 30(3):
78–86.
Shannon, C E; Weaver, W. 1949. The Mathematical Theory of Communication.
Illinois: Urbana Illinois: University of Illinois Press.
Sharma, Sujeet Kumar, and Manisha Sharma. 2019. “Examining the Role of Trust
and Quality Dimensions in the Actual Usage of Mobile Banking Services: An
Empirical Investigation.” International Journal of Information Management
44(July 2018): 65–75.
Sheppard, B H; Hartwick, J; Warshaw, P R. 1998. “The Theory of Reasoned
Action: A Meta-Analysis of Path Research with Recommendations for Modifi
Cations and Future Research.” Journal of Consumer Research 15: 325–43.
Siregar, and Syofian. 2013. Metode Penelitian Kuantitatif. Jakarta: PT. Fajar
Interpratama Mandiri.
Siyoto, S; Sodik, M A. 2015. Dasar Metodologi Penelitian. Yogyakarta: Literasi
Media Publishing.
Slovin, M, J. 1960. Sampling. New York: Simon and Schuster Inc.
Solimun. 2011. “Analisis Variabel Moderasi Dan Mediasi.” Program Studi
199
Statistika FMIPA Universitas Brawijaya: 31–37.
Sridadi, B. 2007. Diktat Mata Kuliah Evaluasi Pembelajaran Penjas. Yogyakarta.
Stoner, J, A, F, F Edward, and G Daniel. 1994. Management. New Jersey: Prentice
Hall.
Subiyakto, A’ang, Abd Rahman Ahlan, Mira Kartiwi, and Husni Teja Sukmana.
2015. “Influences of the Input Factors towards the Success of an Information
System Project.” Telkomnika (Telecommunication Computing Electronics and
Control) 13(2): 686–93.
Sugiyono. 2014. Metode Penelitian Pendidikan Pendekatan Kuantitatif Kualitatif.
Bandung: Alfabeta.
Tam, Carlos, Ana Loureiro, and Tiago Oliveira. 2019. “The Individual Performance
Outcome behind E-Commerce: Integrating Information Systems Success and
Overall Trust.” Internet Research 30(2): 439–62.
Tam, Carlos, and Tiago Oliveira. 2016. “Understanding the Impact of M-Banking
on Individual Performance: DeLone & McLean and TTF Perspective.”
Computers in Human Behavior 61: 233–44.
Tam, Carlos, and Tiago Oliveira. 2017. “Understanding Mobile Banking Individual
Performance: The DeLone & McLean Model and the Moderating Effects of
Individual Culture.” Internet Research 27(3): 538–62.
Tam, Carlos, and Tiago Oliveira. 2019. “Does Culture Influence M-Banking Use
and Individual Performance?” Information and Management 56(3): 356–63.
Thompson, Benjamin S. 2017. “Can Financial Technology Innovate Benefit
Distribution in Payments for Ecosystem Services and REDD+?” Ecological
200
Economics: 1–8.
Tong, Yu, Sharon Swee-Lin Tan, and Hock-Hai Teo. 2015. “The Road to Early
Success: Impact of System Use in the Swift Response Phase.” Information
Systems Research 26(2): 418–36.
Triwijiayanti, Nuraini. 2013. Faktor-Faktor Keberhasilan Dan Kegagalan
Penerapan Teknologi Informasi Dalam Perusahaan. Bogor.
Tulodo, Bernadeta A. R, and Achmad Solichin. 2019. “Analisis Pengaruh Kualitas
Sistem, Kualitas Informasi Dan Perceived Usefulness Terhadap Kepuasan
Pengguna Aplikasi Care Dalam Upaya Peningkatan Kinerja Karyawan (Studi
Kasus PT. Malacca Trust Wuwungan Insurance, Tbk.).” Jurnal Riset
Manajemen Sains Indonesia (JRMSI) | 10(1): 25–43.
Urbach, Nils, and Benjamin Muller. 2012. Integrated Series in Information Systems
28 Chapter 1 The Updated DeLone and McLean Model of Information Systems
Success. Oestrich-Winkel.
Urbach, Nils, Stefan Smolnik, and Gerold Riempp. 2010. “An Empirical
Investigation of Employee Portal Success.” Journal of Strategic Information
Systems 19(3): 184–206.
Venkatesh, Viswanath, James Y. L. Thong, and Xin Xu. 2012. “Consumer
Acceptance and Use of Information Technology: Extending the Unified
Theory of Acceptance and Use of Technology.” MIS Quarterly 36(1): 157–
78.
Virdyananto, Aditya Lukas, Made Ayu Aristyana Dewi, Achmad Nizar Hidayanto,
and Shofwan Hanief. 2017. “User Acceptance of Human Resource
201
Information System: An Integration Model of Unified Theory of Acceptance
and Use of Technology (UTAUT), Task Technology Fit (TTF), and Symbolic
Adoption.” 2016 International Conference on Information Technology
Systems and Innovation, ICITSI 2016 - Proceedings.
Wahyuningsih, Melysa, and Bayu Waspodo. 2019. “Perencanaan Strategi Sistem
Informasi Pada PT Indonesia Stanley Electric Dengan Pendekatan Ward &
Peppard.” Applied Information System and Management (AISM) 2(1): 33–39.
Wang, Shu Lin, and Hsin I. Lin. 2019. “Integrating TTF and IDT to Evaluate User
Intention of Big Data Analytics in Mobile Cloud Healthcare System.”
Behaviour and Information Technology 38(9): 974–85.
Wang, Yi Shun. 2008. “Assessing E-Commerce Systems Success: A
Respecification and Validation of the DeLone and McLean Model of IS
Success.” Information Systems Journal 18(5): 529–57.
Wang, Yi Shun 2016. “A Conceptual Model for Assessing Blog-Based Learning
System Success in the Context of Business Education.” International Journal
of Management Education 14(3): 379–87.
Wei, Kun-Ming et al. 2017. “Using an Updated Delone and McLean Model to
Assess the Success of Implementing the Ward Cleaning Logistics System in a
Medical Center.” Journal of Statistics and Management Systems 20(5): 965–
76.
Wixom, and Todd. 2005. A Theoretical Integration of User Satisfaction and
Technology Acceptance Information Systems Research.
Wold, S, A Ruhe, H Wold, and J Dunn, W. 1985. “The Collinearity Problem in
202
Linear Regression: The Partial Least Square (PLS) Approach to Generalized
Inverses.” SIAM Journal on Scientific and Statistical Computing 5 No. 3: 735–
43.
Wu, Bing, and Xiaohui Chen. 2017. “Continuance Intention to Use MOOCs:
Integrating the Technology Acceptance Model (TAM) and Task Technology
Fit (TTF) Model.” Computers in Human Behavior 67: 221–32.
Yakubu, M. Nasiru, and Salihu Ibrahim Dasuki. 2018. “Assessing ELearning
Systems Success In Nigeria: An Application of the Delone And Mclean
Information Systems Success Model.” Journal of Information Technology
Education: Research 17: 183–203.
Yamin, S; Kurniawan, H. 2011. Mengelola Data Penelitian Dengan Partial Least
Square Path Modeling PLS. Jakarta: Salemba Infotek.
Yamin; Sofyan. 2009. Structural Equation Modeling. Jakarta: Salemba Infotek.
Yel, Mesra Betty, Sfenrianto Sfenrianto, and Raka Doni Anugrah. 2020. “Using
DeLone and McLean Model for Evaluating an E-Commerce Website.” IOP
Conference Series: Materials Science and Engineering 725(1).
Yoon, Youngohc, and Tor Guimaraes. 1995. “Assessing Expert Systems Impact on
Users’ Jobs.” Journal of Management Information Systems 12(1): 225–49.
Yusof, Maryati Mohd, Jasna Kuljis, Anastasia Papazafeiropoulou, and Lampros K.
Stergioulas. 2008. “An Evaluation Framework for Health Information
Systems: Human, Organization and Technology-Fit Factors (HOT-Fit).”
International Journal of Medical Informatics 77(6): 386–98.
Yusuf, A M. 2014. Metode Penelitian Kuantitatif, Kualitatif & Penelitian
203
Gabungan. Jakarta: Kencana.
Zhou, Tao, Yaobin Lu, and Bin Wang. 2010. “Integrating TTF and UTAUT to
Explain Mobile Banking User Adoption.” Computers in Human Behavior
26(4): 760–67.
Zulfan. 2018. “An Information System Success Model for Cloud Computing in
Information Technology Project.” Cyberspace: Jurnal Pendidikan Teknologi
Informasi 2(1): 18.
204
xxi
LAMPIRAN
xxii
xxiii
DATA 432 RESPONDEN
SY SY SY SY IN IN IN SE SE SE SE U U U U TA TA TA TE TE TE T T T T I I I
SQ SQ SQ SQ FQ FQ FQ RQ RQ RQ RQ US US US S S S S SC SC SC CC CC CC TF TF TF TF P P P
1 2 3 4 1 2 3 1 2 3 4 E1 E2 E3 1 2 3 4 1 2 3 1 2 3 1 2 3 4 1 2 3
5 4 5 5 4 5 5 5 3 3 3 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 5 5 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 5 5
5 4 5 4 5 4 4 3 2 2 3 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 4 5 4 4 4
3 4 4 5 3 4 4 3 3 3 3 5 3 4 5 2 4 4 3 4 5 3 4 3 4 4 4 5 4 2 3
4 4 4 5 3 4 4 3 3 3 3 5 4 2 4 2 4 5 4 4 4 3 4 5 4 5 5 5 4 2 3
3 4 4 4 4 4 4 4 4 4 4 5 5 4 4 4 4 4 4 4 4 5 4 3 5 5 5 4 4 4 4
4 4 5 4 4 5 5 5 4 4 4 5 5 4 4 4 4 5 5 5 5 5 4 4 4 4 4 4 5 5 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 4 5 5 5 5 5 5 5
5 5 5 5 5 5 5 4 4 4 4 5 5 5 5 2 2 5 2 5 2 5 5 5 5 5 5 5 5 2 2
5 4 4 5 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 3 3
4 4 5 4 4 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 4 5 5 5 5 5 5 5
4 2 4 4 2 4 4 2 4 4 4 5 5 5 4 3 2 3 5 4 4 2 2 2 3 4 4 4 5 4 4
4 3 4 3 4 3 4 3 5 3 3 5 4 3 4 3 3 4 3 3 3 4 3 3 4 3 4 3 3 4 4
5 5 5 5 4 5 4 3 3 3 3 5 5 4 5 5 5 5 5 5 5 5 5 4 4 4 4 4 5 4 4
5 5 4 4 5 5 5 4 3 3 3 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 4 5
4 4 3 4 3 3 3 3 4 3 3 4 4 4 4 4 3 3 4 4 4 3 4 3 3 3 3 3 4 3 3
4 4 5 5 2 4 2 4 2 2 2 4 4 4 3 4 3 4 4 4 4 3 4 2 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 4 5 5 5 4 5 4 4 4 5 4 5 4 5 4 4 5 5 5 4 5
4 4 4 5 5 5 5 4 4 4 4 5 5 5 5 5 5 5 5 5 4 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 4 5 5 5 4 4 4 4 4 4 4 4 4 4
xxii
4 3 5 4 4 3 4 3 3 3 3 5 5 4 4 4 4 4 4 4 4 3 3 3 4 5 4 5 4 5 4
5 5 5 3 4 5 5 5 4 4 4 4 5 5 4 4 5 5 4 4 4 4 4 4 4 4 5 5 5 4 5
5 4 4 5 4 4 5 4 4 4 4 5 5 5 5 5 4 5 5 5 4 5 5 4 4 4 5 4 5 5 5
4 4 4 4 3 4 4 4 4 4 3 5 5 4 4 4 3 4 4 4 4 3 4 4 4 3 4 4 4 3 3
5 5 4 4 4 4 4 4 4 3 4 5 5 4 4 4 4 5 5 5 5 4 5 4 5 4 5 5 4 2 2
4 4 5 4 5 4 5 3 5 5 5 5 5 5 4 5 4 5 5 5 5 4 5 4 5 5 5 5 5 4 5
4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3
4 4 3 4 3 3 3 4 4 4 3 4 3 3 4 3 4 4 3 4 3 4 3 3 3 3 3 4 4 3 4
5 4 5 5 4 5 5 4 5 4 4 5 5 5 4 4 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5
4 4 4 4 5 5 5 4 4 4 4 5 5 5 4 5 5 5 5 4 4 5 4 5 5 5 5 4 5 4 4
5 5 5 4 4 4 4 4 4 4 3 5 4 4 5 5 4 4 4 4 4 5 5 5 4 4 4 4 4 5 3
5 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 4 5 4 5 5 4 4 5 5 5 5 4
4 4 4 4 4 4 4 4 4 4 3 5 5 5 4 4 5 5 5 4 4 4 5 5 5 5 5 5 5 4 4
4 4 4 3 4 3 4 3 3 3 3 5 5 5 4 4 4 4 5 4 4 4 4 4 3 4 4 4 4 3 4
5 5 5 5 4 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 3 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 3 3 4 4 3 4 4 4 4 4 5 4 3
4 4 4 4 2 3 3 1 2 3 3 5 4 4 4 3 3 4 4 3 4 5 4 4 4 4 3 3 4 4 4
4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 5 4 4 4 3 4 4 3 3 4 4 3 3 4 4 4
4 4 3 3 4 4 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 4 5 5 4 5 5 5 4 5 4 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 4 4 5 5 5
4 4 5 5 4 5 4 5 4 5 4 4 5 5 5 4 5 4 5 4 5 5 5 4 4 5 4 4 4 4 4
5 5 5 5 5 5 5 3 3 3 3 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5
1 1 1 1 2 2 2 2 2 2 2 1 1 1 1 1 1 1 2 2 2 2 1 1 1 2 2 2 2 2 3
xxiii
4 5 4 4 4 4 4 5 4 4 4 5 5 5 4 4 4 5 5 4 5 4 5 4 5 5 5 5 5 5 5
5 4 5 5 5 5 4 4 3 4 5 5 4 4 4 4 5 5 5 4 4 3 4 4 5 5 5 5 4 4 5
4 4 3 4 4 4 4 3 3 3 3 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 4
4 4 5 4 4 5 4 5 4 3 4 5 4 5 5 5 4 4 4 4 5 4 4 4 4 4 4 5 5 4 4
3 4 3 2 4 4 4 3 3 3 4 5 5 4 4 3 3 4 2 3 3 3 4 3 4 4 4 3 4 3 3
5 4 5 4 4 4 4 3 3 3 2 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 3 3 4 4 5 5 3 3 3 3 5 5 4 3 3 4 4 5 5 5 3 3 3 3 5 4 5 4 4 5
4 4 5 4 5 5 4 4 4 4 4 5 5 5 5 4 4 4 4 4 4 4 5 5 5 5 5 5 5 4 4
3 3 3 5 4 4 5 4 3 4 4 5 5 5 4 5 4 4 5 5 5 5 5 5 5 4 5 5 5 5 5
5 5 5 5 5 5 5 4 4 4 3 5 4 5 4 4 5 4 2 2 2 4 5 5 4 5 5 5 4 4 3
3 2 2 5 5 4 4 2 5 5 3 2 2 1 1 5 4 4 5 4 4 5 4 4 4 5 4 4 4 5 4
4 4 4 4 4 4 4 4 4 4 3 5 4 5 4 5 3 4 2 3 2 3 4 4 3 4 4 4 5 5 4
5 5 3 3 4 4 4 3 3 3 3 5 4 4 3 4 3 4 2 3 4 4 5 4 4 4 4 4 5 4 3
5 5 5 3 5 5 5 5 5 5 5 5 4 4 4 5 5 5 4 4 4 5 3 3 3 4 5 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 4 5 4 4 4 4 4 3 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 5 5 3 4 5 4 4 4 4 3 4 3 3 3 4 4 3 4 4 4 3 4 4 4
5 5 5 5 5 4 5 5 5 5 5 5 5 5 3 5 5 5 5 5 5 4 4 4 4 5 5 5 5 5 5
3 4 3 3 4 4 4 4 5 4 4 5 4 4 4 3 3 3 3 4 3 4 4 3 4 4 4 4 4 3 3
5 4 5 5 5 4 5 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4
4 5 4 4 5 4 4 4 4 4 4 5 5 5 4 4 5 5 4 4 4 5 5 4 4 5 5 4 5 4 3
5 5 5 5 5 5 5 4 4 4 3 5 5 5 5 5 5 5 5 5 5 4 5 5 5 4 5 5 5 5 5
5 5 5 4 4 5 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 4 5 4 5 4 5 5 5 4 5
5 4 4 4 4 4 5 4 4 4 5 5 4 4 4 5 3 4 4 3 3 5 4 4 4 4 4 4 4 4 5
xxiv
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 3 3 3 3 3 4 3 3 3 3 4 4 4 4 4 3 4 4 4 4 3 3 3 3 3 3 3 4 3 3
5 5 5 3 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 4 5 5 3 3
4 5 5 5 5 5 5 4 4 4 5 5 5 4 5 5 5 4 5 4 5 4 5 5 4 5 5 4 5 5 4
5 5 5 5 5 5 5 4 5 4 4 5 5 5 5 5 5 5 4 5 5 4 4 4 4 5 5 4 5 5 5
4 4 5 5 5 5 5 3 4 3 3 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 5 5 5
5 5 5 4 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 5 5
4 4 4 4 4 4 4 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 3 4
5 4 4 5 4 5 5 4 5 5 4 5 5 5 5 5 5 5 3 5 4 5 5 5 4 5 5 5 5 4 4
4 4 4 4 4 4 5 3 3 3 3 5 5 5 5 5 4 4 5 5 5 4 4 4 5 4 5 5 4 4 5
5 4 5 5 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4 5 5 5 5
5 5 4 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 4 5 5 4 5 5 5 5 5 5 5 4 4
5 5 5 5 4 5 5 4 4 5 5 5 2 5 5 4 5 5 5 5 5 4 5 3 4 4 5 5 5 4 4
4 4 4 4 4 4 5 3 3 3 3 5 5 5 5 5 4 4 5 5 5 4 4 4 5 4 5 5 4 4 5
3 3 3 3 3 3 3 3 4 3 3 3 3 3 3 3 3 4 3 3 4 3 3 3 3 3 3 3 3 3 3
5 4 5 5 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4 5 5 5 5
5 4 5 5 4 3 5 5 3 3 4 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 4
5 5 5 5 5 5 5 3 4 4 3 5 5 5 5 4 4 5 5 5 4 3 4 4 4 4 4 4 4 5 5
4 5 4 4 4 4 5 3 3 3 3 4 5 4 5 5 4 4 4 4 4 4 4 5 4 4 4 4 4 5 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
3 3 3 4 4 3 3 3 3 3 2 5 5 5 4 4 3 4 3 3 4 4 4 4 3 3 3 3 4 4 4
4 5 4 3 4 4 4 4 3 4 4 5 5 5 5 5 4 4 5 5 5 5 4 4 4 5 5 5 5 4 4
5 5 5 5 4 5 5 4 5 4 5 5 5 5 5 5 5 5 4 5 5 5 4 5 5 5 5 5 5 5 5
4 4 3 3 4 3 2 4 1 3 3 4 3 3 3 2 2 3 2 2 2 2 3 3 3 2 2 3 3 1 3
xxv
4 4 5 5 4 4 4 4 4 4 3 5 5 5 5 5 5 5 5 5 5 4 4 4 4 4 4 4 4 4 5
5 3 3 4 4 4 4 5 5 4 4 4 4 4 4 4 5 3 3 4 4 5 4 4 4 4 4 4 4 4 4
4 5 5 4 3 5 4 3 4 3 3 4 5 5 4 5 4 3 5 3 4 4 4 3 4 3 4 3 5 4 5
4 4 3 4 4 3 4 3 3 3 3 4 3 4 4 4 4 4 5 5 5 4 4 3 3 3 3 4 4 4 4
4 5 5 4 3 4 4 3 4 4 4 5 5 5 4 5 4 4 4 4 3 4 4 3 4 3 3 4 4 4 5
3 3 4 3 3 4 4 3 3 3 3 5 4 1 3 2 3 3 5 5 5 3 4 4 4 4 4 4 4 3 3
5 4 5 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 4 5 4 4
5 5 5 4 4 4 5 4 4 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 4 4 4 4 4 4 4 5 5 5 4 5 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4
4 4 4 4 4 5 5 3 4 4 4 5 5 5 4 5 5 5 5 5 5 5 4 4 4 5 5 5 5 5 5
5 5 5 4 4 5 4 4 4 4 4 5 4 4 4 4 4 4 4 5 4 5 4 4 4 5 5 5 5 5 5
5 3 5 5 4 5 5 4 3 4 4 5 5 5 5 5 5 5 3 3 5 5 4 5 5 5 5 5 5 5 4
4 4 5 5 5 5 5 4 4 4 4 4 4 5 4 5 4 4 5 5 5 5 4 4 5 5 5 5 4 5 4
4 4 4 5 5 4 4 4 5 5 5 4 4 5 4 4 4 5 4 4 5 3 5 5 5 4 5 5 5 5 5
4 4 5 5 4 5 5 5 5 5 4 5 5 3 5 5 5 5 5 5 5 3 4 4 5 5 5 5 5 3 5
3 3 3 3 3 3 3 3 3 3 3 2 2 3 3 3 3 4 4 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 5 3 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 4 4 4 4 4 4 4 4 4 5 5 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 5 5 5 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 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
4 4 5 5 5 4 5 5 5 4 5 5 5 5 5 4 4 4 5 5 5 4 3 4 4 4 4 4 4 4 4
4 5 4 3 4 5 3 4 5 3 3 5 5 5 5 3 4 5 4 2 3 4 4 3 4 3 3 5 4 4 4
4 4 3 4 4 5 4 4 4 5 4 5 5 5 4 3 4 4 4 4 4 3 4 4 4 4 4 4 4 3 4
3 4 1 4 5 5 3 5 5 4 5 5 5 5 5 3 5 5 5 5 5 3 3 3 4 3 5 5 5 3 3
xxvi
4 4 4 4 4 4 4 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 5 3 4 5 5 3 3 3 3 5 5 5 5 5 4 5 5 4 4 4 4 4 4 4 5 5 5 4 4
4 4 5 4 5 4 5 5 4 5 4 5 5 4 4 4 5 4 5 5 4 5 4 5 5 5 3 5 5 4 3
3 4 4 5 4 4 4 3 2 2 3 5 4 4 4 3 4 4 2 5 5 3 4 4 4 4 4 3 4 2 3
4 4 5 5 4 4 5 5 4 4 4 5 5 5 4 5 4 4 5 4 4 4 4 4 4 4 5 5 4 5 3
5 4 5 4 5 5 4 4 5 5 4 5 5 5 5 5 4 5 5 3 4 4 4 5 4 4 4 4 5 4 5
5 5 5 5 4 4 5 4 4 3 3 5 5 5 5 5 4 4 4 5 5 4 5 4 5 5 5 4 5 4 4
5 5 4 5 5 5 5 4 4 5 5 5 5 5 5 5 5 5 5 4 5 5 4 5 5 5 4 5 5 5 5
4 3 4 3 4 4 4 3 3 3 3 5 4 3 3 4 3 3 5 4 4 4 3 3 4 4 4 4 4 4 3
5 4 5 4 4 5 4 4 4 4 4 5 5 5 5 4 5 5 4 5 5 4 5 4 4 4 5 4 5 4 5
5 5 4 4 5 5 5 4 4 4 4 5 5 5 5 5 5 5 4 4 4 5 5 5 5 5 4 4 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 4 5 5 5 3 5 4 5 5 5 5 5 5 5
3 2 5 3 2 3 4 3 3 3 3 5 5 5 2 3 2 2 3 3 3 2 2 3 3 1 2 2 3 2 2
4 4 3 4 4 4 3 3 3 3 3 5 5 5 5 5 5 5 5 5 5 4 4 4 4 4 4 4 5 5 5
4 4 3 4 3 4 4 4 3 5 4 5 5 4 4 3 4 4 4 4 4 3 4 4 4 4 4 4 5 4 4
3 5 5 5 5 5 5 2 3 1 1 5 5 4 3 4 5 3 5 5 5 4 3 3 3 3 4 5 5 1 3
5 5 3 4 2 4 5 5 4 5 5 5 4 5 5 5 5 5 4 5 4 5 5 4 5 4 5 4 5 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 4 4 5 5 5 4 5 5 5 5 5 5 5 4 4 4 5 5 5 5 5 4 4 3 4 4 3 3 4 4
5 5 5 5 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 4 5 4 5 5 4 4 3 4 4 4 4 3 5 4 4 4 4 4 5 5 4 5 5 4 4 4 5 5 4
4 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
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 4 4
xxvii
5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 3 4 5 5 5 5 5 5 5 5
4 4 4 4 4 4 4 4 5 4 5 4 5 4 4 5 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 3 5 4 3 3 3 3 3 3 5 5 5 5 4 3 4 4 4 4 5 3 3 5 5 4 4 5 3 3
5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4
5 5 5 5 5 5 4 3 4 4 4 5 5 5 5 4 5 5 5 5 5 4 5 4 5 5 4 5 5 4 5
5 4 5 4 5 5 5 4 3 4 4 5 5 5 5 5 5 5 4 4 3 4 5 4 4 4 4 4 5 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 4 4 4 4 4 4 3 4 3 5 5 5 4 4 5 3 4 3 4 4 3 4 4 4 3 4 5 4 3 4
5 5 5 5 4 4 4 3 3 3 4 5 5 5 5 5 4 5 4 4 4 4 5 5 4 4 5 5 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 4 4 4 5 5 5 5 5 5 5 4 4 4 4 4 4 4 4 5 5 4 4 5 5 4 5 5 5 5
4 4 4 3 3 4 3 3 3 3 3 4 5 4 4 3 4 4 4 4 4 4 3 3 3 4 4 3 4 3 4
4 3 3 4 3 3 3 3 3 2 3 4 4 4 4 4 5 4 4 4 4 4 4 4 3 3 3 3 4 4 2
5 4 3 4 4 4 4 4 4 4 4 5 5 5 4 5 4 4 4 3 4 4 4 4 4 4 4 4 5 4 4
5 4 5 4 4 5 4 4 4 4 4 5 5 5 5 4 5 5 4 5 5 4 5 4 4 4 5 4 5 4 5
3 4 3 3 3 4 2 3 3 3 3 1 3 3 2 4 3 3 4 3 4 3 4 3 3 4 3 4 4 4 3
3 4 4 4 3 4 4 4 4 3 3 4 4 4 3 4 4 3 4 4 4 3 4 3 4 4 4 3 3 3 3
4 4 3 4 4 4 4 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3
3 4 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 3 3 3
4 4 4 5 3 3 4 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 4 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 5 5 5 5 5 5 5 5 5
4 4 4 4 5 5 5 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4
5 4 4 4 5 4 5 4 4 3 3 5 5 5 4 4 5 5 5 4 4 4 2 4 4 4 4 4 4 5 2
5 5 4 4 4 5 5 4 3 4 4 5 5 5 5 5 5 5 5 4 5 4 4 3 5 5 5 4 5 4 4
xxviii
4 4 4 4 4 4 4 4 4 4 3 5 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 4 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 3 3 5 4 5 5 5 5 5 5 5 5 5 4 4 5 2 4 5 3 4 4 4 4 4 4 5 4 5
4 4 4 3 5 4 5 3 3 4 4 5 5 5 3 4 4 4 5 3 3 4 5 3 3 4 3 3 4 4 4
5 4 3 4 3 4 4 3 4 5 4 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5
5 5 4 4 5 4 5 5 4 4 5 4 5 5 5 5 5 5 5 4 5 4 5 5 4 5 5 4 5 4 5
4 5 3 4 4 4 4 3 3 3 3 5 5 5 4 4 4 4 5 4 5 4 4 4 4 4 4 4 5 3 3
5 5 5 5 5 5 5 4 5 4 5 5 5 5 5 5 5 5 4 4 5 3 5 3 5 5 5 5 5 5 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 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 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 5 5 4 5 5 5 5 5 5 5 4 5
5 4 4 4 4 4 4 3 3 3 3 5 5 5 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 4 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 4 5 5 5
4 4 5 4 4 4 4 4 4 4 4 5 5 4 4 4 3 4 5 5 5 4 4 4 4 4 5 4 4 3 3
4 4 3 4 4 4 4 3 4 4 4 5 5 5 4 5 4 5 5 4 4 4 4 4 5 4 4 4 5 5 5
4 3 4 3 2 2 4 3 3 4 3 4 5 5 4 4 3 4 5 4 5 4 4 5 4 3 4 4 5 5 5
4 3 4 4 4 4 4 4 4 4 4 5 5 5 4 4 4 4 2 4 4 4 3 4 4 4 4 4 5 4 4
4 3 2 3 3 3 3 3 3 3 3 4 4 3 3 4 3 3 4 4 4 4 3 3 3 3 3 3 4 4 3
5 5 5 5 5 5 5 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 3 5 4 5 5 5 4 3 4 4 5 5 5 5 3 4 4 5 5 5 4 5 4 5 5 5 5 5 4 4
4 4 4 3 4 3 4 4 4 3 4 5 5 5 5 4 4 4 4 5 4 4 4 4 4 5 5 5 5 4 4
3 3 3 3 3 3 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 3 3
5 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 4 4 4 4 3
xxix
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 2 3 4 3 4 2 2 4 4 4 4 4 4 4 4 4 4 4 2 4 4 4 2 2 3 4 3
5 4 4 4 5 5 4 4 4 4 5 5 5 3 5 5 5 5 5 5 5 4 4 4 4 4 4 4 4 5 4
5 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 5 4 3 5 5 4 5 4 3 3 4 4 5 4 5 5 3 4 3 4 4 5 4 4 4 3 4 3 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 4 5 5 5 5 5 5 5 4 4
4 4 3 4 3 3 3 3 3 3 3 4 3 3 3 3 4 3 3 3 4 4 5 4 3 4 3 3 3 4 3
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 3 4 3 3 3 4 3 3 3 3 4 3 4 3 4 3 3 4 3 3 4 4 3 3 3 3 3 3 4 3
4 4 4 4 4 4 5 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 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
3 4 4 4 4 4 4 4 4 4 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 3 3 4 4 3
3 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 3 3 3 4 4 4 4 4 4 4 4 4 4 3 3 3
4 4 4 4 4 5 4 4 4 4 4 3 3 4 4 3 4 5 5 5 5 5 5 5 5 5 5 5 4 4 4
4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 2 3 3 3 3 3 3 3 3 4 2 3 3 2 4 4 4 4 3 3 3 3 3 3 2 4 2 2 1
3 3 3 3 3 3 3 3 3 3 3 4 4 3 4 4 3 3 4 4 4 4 3 3 3 3 3 3 3 4 3
4 5 5 5 4 4 4 5 5 5 5 5 5 5 5 5 5 4 4 5 4 4 5 5 5 5 4 4 4 3 4
3 4 3 3 2 3 3 5 3 3 3 4 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 3 3 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
xxx
5 4 4 4 5 4 5 4 4 3 3 5 5 5 4 4 5 5 5 4 4 4 2 4 4 4 4 4 4 5 2
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 5 4 4 4 4 5 5 4 4 5 5 5 5 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
4 4 3 3 3 4 4 3 3 3 4 5 4 4 3 3 3 4 3 3 3 4 4 4 3 4 4 5 4 3 3
4 5 4 5 4 5 4 3 4 5 4 3 4 5 4 3 5 5 4 4 3 4 4 5 4 5 4 5 4 5 4
3 5 4 5 3 4 4 4 5 4 4 4 4 5 4 5 4 4 5 4 3 3 4 4 4 4 4 4 5 5 5
5 4 5 4 5 4 5 4 4 4 4 5 4 5 5 5 4 4 5 4 4 5 4 4 4 4 5 4 4 5 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 3 4 5 5 5 3 4 4 3 5 4 4 4 4 3 3 4 4 4 4 4 3 4 4 5 5 5 5 5
5 4 4 4 4 4 4 4 4 3 5 5 5 5 4 5 4 5 4 4 4 4 5 4 4 4 5 4 5 4 4
5 4 4 4 4 3 4 4 3 3 3 4 5 5 4 4 4 4 3 3 4 3 4 4 3 4 4 3 3 4 4
3 4 4 4 3 4 4 3 4 3 4 3 3 3 3 3 3 3 3 2 3 3 3 3 4 3 3 3 3 3 3
4 4 5 3 5 3 4 4 3 3 4 5 5 4 5 4 4 5 4 4 5 5 5 5 5 4 5 5 5 5 5
3 4 3 3 3 4 2 3 3 3 3 1 3 3 2 4 3 3 4 3 4 3 4 3 3 4 3 4 4 4 3
5 5 5 4 4 5 5 3 3 3 4 5 5 5 5 5 4 5 5 5 5 5 4 5 5 5 4 4 5 5 4
4 4 5 4 5 5 4 3 3 3 3 4 5 2 4 3 4 4 4 4 4 2 3 3 3 4 4 4 4 2 2
4 4 2 4 4 3 4 2 2 2 2 4 4 5 3 4 3 4 3 2 3 4 4 4 4 4 3 4 4 3 3
4 4 3 4 3 4 4 3 3 3 3 5 5 4 4 3 3 4 4 4 4 2 4 3 4 4 4 4 5 2 3
5 5 4 4 5 5 5 3 2 3 3 5 5 5 4 5 4 5 5 4 4 3 5 3 4 4 5 4 4 5 4
4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4
4 4 4 4 4 4 4 4 3 3 3 5 5 5 5 5 4 4 1 3 3 4 4 4 4 4 4 4 4 3 3
4 5 3 4 4 4 5 5 5 5 5 5 5 5 5 5 4 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 5 5 4 4 4 4 5 5 5 5 5 5 5 5 5 4 4 4 4
3 4 4 3 4 5 4 3 4 3 4 5 4 5 4 4 3 4 4 4 4 4 4 5 5 5 5 5 5 5 4
xxxi
4 3 3 4 4 4 4 4 4 3 3 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 2 3
5 5 5 4 5 5 5 4 5 5 5 5 5 5 4 5 4 5 5 3 3 4 4 5 5 5 5 5 5 5 5
5 5 4 4 4 4 4 4 4 4 4 5 5 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4
4 4 4 4 5 4 4 3 3 4 4 5 4 3 4 4 3 4 3 4 4 4 4 4 4 4 3 3 5 4 3
4 2 3 5 2 4 5 4 5 3 5 5 4 5 3 5 4 5 5 5 4 5 5 5 4 5 4 5 4 5 5
4 4 3 3 4 4 4 4 4 3 3 5 5 4 4 5 4 4 4 5 4 4 4 4 4 4 5 4 4 4 4
5 2 3 4 4 4 4 4 4 3 3 5 5 5 4 5 4 4 5 4 5 4 4 3 4 4 4 4 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 5 5 5 5 5 5 5 5 5
4 4 5 4 3 5 4 3 4 5 3 5 5 3 5 4 3 5 4 4 5 5 4 5 5 4 5 3 4 3 3
3 3 2 3 4 3 3 4 4 4 3 2 3 2 2 2 3 2 4 3 3 3 4 4 3 3 4 3 3 2 2
4 4 4 4 4 5 5 3 3 3 3 5 5 5 5 5 4 5 5 5 5 5 5 4 5 5 5 5 5 5 5
3 4 3 4 4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 3 4 4 4 3 4 4 4 4 4 4 4
3 3 4 3 3 3 3 3 3 3 3 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 4 4 4 4 3 3 3 3 3 3 3 5 5 5 3 3 3 3 3 3 3 3 3 3
4 3 4 3 3 4 4 3 3 3 3 5 4 4 3 4 4 4 4 4 4 3 4 4 4 4 3 3 4 3 2
3 4 4 5 4 5 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
4 5 4 4 4 3 3 2 3 3 2 5 5 4 4 5 4 4 5 4 5 4 4 5 4 5 5 4 5 4 4
3 4 4 2 2 5 2 4 4 4 5 1 3 5 4 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 3 3 4 4 4 3 3 3 3 3 5 4 4 4 3 3 4 4 3 3 3 3 3 3 3 4 3 3 4 3
5 5 3 4 4 4 4 3 4 4 4 3 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 4 3 3 4 4 4 3 3 3 3 4 4 3 3 4 4 4 4 5 5 5 4 3 4 4 3 4 4 4 3
3 2 4 3 3 3 4 3 3 3 3 4 4 4 4 4 3 4 4 2 3 3 3 3 3 4 3 4 4 4 4
xxxii
3 3 3 3 3 3 4 3 3 3 4 4 3 4 3 4 3 3 4 2 4 3 3 3 3 3 4 3 4 3 3
3 3 4 4 3 4 3 3 3 2 3 4 4 3 3 3 4 3 4 5 4 4 3 3 4 4 4 4 4 4 4
5 5 5 5 5 5 5 4 4 4 4 5 5 5 5 5 5 5 4 4 4 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1
4 4 4 3 4 3 4 4 4 4 5 4 4 4 4 4 5 4 4 4 4 4 3 3 4 4 4 4 3 4 4
4 4 4 4 4 3 3 4 3 3 3 3 3 3 3 4 4 3 4 3 4 4 4 4 5 4 3 5 4 3 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 4 4 4 5 5 3 3 4 4 4 4 4 4 4 4 4 4 4 5 4 5 4 3 4 4 4 4 5 4 4
5 3 4 3 3 4 3 3 4 4 4 5 5 5 5 5 3 3 4 4 4 5 5 4 5 5 5 5 4 4 4
5 4 3 3 5 3 4 3 3 3 3 5 5 5 4 5 4 5 5 3 3 3 5 4 4 4 4 4 3 4 3
5 4 4 5 5 5 5 4 4 4 4 5 5 5 5 5 5 5 4 5 4 4 5 5 5 5 5 5 5 5 5
5 4 5 4 5 5 5 4 5 4 5 5 5 5 4 5 4 4 4 5 4 4 5 4 5 5 4 5 5 4 5
3 3 3 4 3 3 3 3 2 3 2 2 3 3 3 4 3 3 4 3 3 3 3 3 3 3 3 3 3 3 3
3 4 3 4 4 4 3 3 3 3 3 5 3 3 3 4 3 3 4 3 3 4 4 3 4 4 3 3 3 3 3
4 4 3 4 4 3 4 4 4 3 3 5 4 4 4 3 3 4 5 4 5 4 5 4 4 4 5 3 3 4 4
2 3 3 3 4 5 2 3 3 4 3 1 1 2 3 1 3 1 4 5 5 1 4 5 5 3 2 1 2 1 2
4 4 3 4 4 4 4 5 5 5 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 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 5 5 5 5 5 5 5 4
5 4 3 4 5 4 5 3 4 4 4 5 5 3 5 5 5 5 5 5 5 5 4 3 4 5 5 5 5 5 5
3 3 3 3 4 4 3 3 3 5 5 4 5 5 4 4 4 4 5 5 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 4 4 4 5 5 5 5 4 5 5 5 4 4 4 4 5 5 5 4 4 4 4 4 4 5 5 5 5
5 5 3 4 4 4 4 3 3 3 3 5 5 5 5 3 4 5 4 3 4 3 4 4 4 4 4 4 5 3 4
xxxiii
3 3 2 4 4 2 4 2 3 4 2 4 2 4 4 2 2 4 2 4 3 3 2 2 4 2 4 2 2 4 2
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 3 5 4 5 3 3 3 4 4 5 5 4 4 5 5 4 4 3 4 5 5 5 3 4 5 5 5 5 3
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 5 5 5
4 3 4 4 4 3 4 4 4 3 4 4 4 4 5 5 4 4 4 4 4 5 4 3 4 4 3 3 4 4 4
5 4 4 4 3 4 4 5 5 5 3 5 4 5 5 5 4 5 5 5 4 3 3 4 4 4 4 4 4 4 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4
4 3 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 3 4 3 4 4 4 3 3 4 3
4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 5 5 4 4 5 4 4 4 5 4
4 4 4 4 4 5 4 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 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 4 4 5 5 5 5 5 5 5 5 5 4 5 5 4 5 5 5 5 4 4 4 5 5 5 5 4 4
5 4 5 5 4 5 5 3 4 3 3 5 5 5 4 4 5 5 5 4 4 5 4 4 4 4 5 4 5 5 4
5 3 4 4 4 4 4 3 3 3 3 4 3 4 4 4 4 4 4 3 4 4 5 5 5 4 5 5 4 4 3
3 3 3 3 3 3 3 3 3 3 3 4 5 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 3 3 4 3 4 3 3 3 3 5 4 3 4 4 3 3 4 4 4 3 5 3 3 3 4 4 4 3 3
5 4 5 5 3 4 4 4 4 4 4 5 5 4 4 4 4 4 5 4 5 4 5 4 5 5 4 5 5 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
3 3 3 3 3 3 3 3 3 3 4 3 3 2 3 3 4 4 3 3 3 3 3 3 3 3 3 4 5 4 3
4 3 3 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4
3 4 4 5 4 5 4 4 4 5 4 5 5 5 4 3 3 4 5 4 4 3 5 4 4 4 5 4 4 4 4
5 5 5 3 4 4 4 4 4 5 5 5 5 5 4 5 4 5 3 3 3 2 5 4 4 3 4 4 4 5 3
5 5 5 5 4 3 5 5 5 5 5 5 5 5 5 5 5 5 2 1 1 5 5 5 5 5 5 5 5 5 2
xxxiv
5 4 4 4 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5
4 3 2 4 4 3 3 4 3 4 4 4 4 3 4 4 4 4 5 4 4 4 4 4 3 4 4 4 4 4 4
4 4 3 4 3 4 4 3 3 3 4 3 3 4 4 4 4 4 5 5 5 4 4 4 5 4 4 4 4 4 4
5 4 4 4 5 5 4 5 5 4 4 5 4 4 4 5 4 4 3 5 4 4 5 4 4 5 4 4 5 4 4
4 4 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 5 4 4 4 4 4 3 5 5 5 5 4 5 5 5 4 5 4 5 5 5 5 5
3 3 2 4 4 3 4 3 3 3 3 4 3 3 3 4 3 4 4 4 4 3 3 3 3 3 3 3 4 3 3
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 5 5 4 4 4 4 4 4 4 4 5 5 5 4 5 5 5 4 4 4 4 4 4 4 4 4 4 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 5 5 5 5 5 5 5 5 5
4 3 4 5 4 4 5 4 5 4 3 4 5 4 5 4 4 3 4 4 4 5 4 4 4 4 4 4 4 5 3
4 5 5 5 4 4 4 4 5 4 4 5 5 3 3 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 4 3 4 4 3 4 3 3 3 3 4 3 3 3 3 3 4 3 3 3 3 3 4 3 3 3
3 3 4 3 5 5 4 4 4 3 4 5 5 5 5 5 5 4 5 5 5 5 5 4 4 4 4 4 5 5 3
3 4 4 3 4 4 3 4 4 3 3 4 3 4 4 3 3 3 4 4 4 4 4 3 4 4 4 4 4 3 2
5 5 4 4 3 4 4 4 4 4 4 5 5 5 4 5 4 5 5 5 5 4 4 4 5 5 4 5 5 5 4
4 4 4 3 4 4 4 4 4 5 4 4 4 4 4 5 4 5 4 4 5 4 5 4 4 4 4 4 5 5 4
4 4 5 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4
4 4 5 4 5 4 4 3 4 3 4 4 4 4 5 4 4 4 5 5 5 4 4 4 4 5 4 4 5 4 4
5 4 4 5 5 5 4 3 3 4 4 5 5 5 4 4 5 5 5 5 5 4 4 5 5 5 4 5 4 4 5
5 4 4 5 3 2 4 4 3 4 3 4 3 4 4 3 4 3 5 4 3 4 3 3 4 3 5 4 4 4 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 3 5 4 5 4 3 4 3 3 5 5 5 4 5 4 5 5 5 5 4 4 4 5 5 5 5 4 4 4
5 3 5 5 4 5 5 4 3 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 2 3
xxxv
4 2 2 2 2 4 5 4 5 2 4 5 3 5 4 4 4 4 4 2 4 3 5 2 4 3 2 2 4 2 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 5 5 5 5 4 5 5 4 5 5 5 5 5 5 4 5 5 4 5 5 5 4 5 5 5 4 5 5 4
3 3 4 3 4 3 3 3 3 4 4 4 4 3 3 3 3 3 4 4 4 3 4 3 4 3 3 3 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 5 5 5 5 5 5 5 5 5
3 4 4 3 4 4 4 4 4 3 4 5 5 3 3 4 4 4 4 4 4 3 3 3 4 4 4 3 4 4 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 3 4 3 3 3 3 3 3 3 3 3 3 4 3 3 3 3 4 3 3 3 4 3 3 3 3 4 3 3 3
4 3 3 3 4 3 4 3 3 3 3 5 5 2 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 3 3
4 3 4 3 4 4 4 3 2 3 3 2 3 2 4 4 3 3 5 3 4 4 3 3 4 5 4 4 4 4 3
4 3 4 4 4 5 4 3 3 4 4 5 4 5 4 5 5 5 5 5 5 5 4 4 5 5 5 5 5 5 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 5 4 4 3 3 3 3 4 3 3 2
3 3 3 4 3 3 3 3 3 3 3 3 3 3 4 4 3 3 3 3 3 3 4 3 3 3 3 3 3 3 4
4 4 3 4 3 3 3 3 3 3 3 2 2 3 3 3 2 2 5 5 5 3 3 3 3 3 3 3 3 3 3
5 4 4 4 4 4 4 4 4 4 4 5 5 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 5 4 4
4 4 4 3 3 3 4 3 4 3 4 4 4 3 3 4 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4
3 3 4 4 3 4 4 3 3 4 4 4 4 4 3 4 3 3 5 5 5 4 2 3 4 5 4 4 4 4 4
3 3 4 3 3 4 3 3 4 4 4 4 4 3 3 4 4 4 4 4 4 4 4 3 4 3 4 4 4 4 2
3 3 2 3 3 3 4 3 3 3 3 5 4 4 4 4 3 4 4 3 4 4 3 3 3 3 3 4 4 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 5 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 3 4 4 4 3 3 4 5 5 4 4 4 3 4 4 3 3 4 4 4 4 4 4 4 4 4 3
4 4 5 5 5 4 4 4 3 3 3 5 5 5 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 3 3 3 4 3 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
xxxvi
3 4 4 4 4 5 4 3 4 4 4 5 5 5 5 4 4 4 5 4 4 4 4 4 4 5 3 4 4 4 4
5 4 5 4 3 4 5 5 4 4 5 5 5 4 4 5 4 5 4 4 4 5 5 5 5 4 5 5 5 5 5
4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 4 4 4 4 5 4 5 5 5 5
5 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4 3 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 1 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 4 4 4 5 4 5 4 4 4
4 4 4 3 3 3 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 5 4 4 4 5 4 4 4 4 5 4 4 5 4 4 5 4 4 4 5 4 4
4 4 4 4 5 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 4 5 5 4 4 5 4 4 5 4 5 4 5 4 4 4 4 5 5 5 5 5 5 4 5 4 4 5 4 4
4 4 3 5 4 4 3 5 4 3 4 5 4 5 5 4 5 4 5 4 4 4 5 3 4 4 3 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 3 4 4 5 5 5 5 5 3 5
4 4 4 4 4 4 5 4 4 4 4 5 5 5 5 5 5 4 5 5 5 5 4 4 5 5 3 4 5 4 4
4 5 5 4 4 5 5 4 4 5 5 5 5 5 5 4 4 4 4 4 4 4 5 4 4 4 4 3 4 3 3
4 4 4 4 4 4 4 4 3 3 3 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 3 4 4 3 4 4 4 3 3 4 4 4 4 4 4 4 4 5 5 4 5 5 4 4 4 4 4 4 4
5 5 4 5 4 4 4 4 4 4 4 4 5 4 4 5 5 4 5 4 5 4 4 5 4 4 5 4 4 5 4
4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 3 3 3 4 3 2 2 3 3 3 3 3 2 5 4 3 3 5 5 3 4 2 3 3 5 3 2 4 2 3
5 4 5 5 5 4 5 5 5 4 5 4 4 4 5 5 5 4 5 5 4 4 5 5 4 4 5 5 5 5 5
4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 5 4 4 5 5 4 5
xxxvii
4 5 4 4 4 4 5 5 5 5 4 5 2 2 4 4 5 5 5 5 5 5 5 5 5 5 4 4 5 5 4
4 2 3 4 4 4 4 3 4 3 4 3 4 3 4 4 3 4 4 4 4 3 3 4 3 3 3 4 3 3 4
4 4 4 5 4 3 4 3 4 2 1 3 4 3 3 4 3 5 4 4 5 4 4 4 3 2 2 3 3 4 4
4 4 4 4 3 5 5 5 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3
4 4 4 5 4 5 5 4 3 4 3 4 4 3 4 4 4 4 5 5 5 4 4 4 4 4 4 4 4 4 3
4 5 5 4 5 4 5 3 3 3 3 5 5 5 3 5 4 4 5 4 5 4 4 5 5 3 5 4 5 2 3
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 5 4 4 3 4 5 3 4 4 5 5 5 4 5 4 4 5 5 5 4 5 4 5 4 4 4 5 5 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 3 3 3 4 4 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 3 4 4 3
5 5 4 4 4 4 5 4 4 4 4 5 5 5 5 5 5 5 5 4 5 5 5 4 4 5 4 4 5 5 5
5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 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 5 5 5 5 5
2 3 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 4 4 4 4 4 5 4 4 3 4 5 5 5 5 5 4 4 5 4 5 4 4 4 4 4 4 4 4 4 4
4 5 3 3 4 4 3 3 3 4 3 5 4 3 3 3 4 4 5 4 5 5 4 4 4 4 4 3 4 4 3
5 3 3 5 4 4 4 3 3 3 3 5 5 4 4 3 3 4 4 4 5 3 3 5 3 3 3 3 4 3 4
4 4 3 4 5 5 5 4 3 3 5 3 4 4 3 4 3 4 3 4 4 4 3 3 4 3 4 3 4 3 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 5 4 4 4 4 4 4 4 5 4
4 4 3 4 5 4 5 3 3 3 3 5 5 5 5 5 4 4 5 4 5 5 3 4 4 4 4 4 5 5 4
xxxviii
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 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 4 5 5 5 5 5 5 5 5 5 5
4 5 5 5 5 5 5 4 3 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5
4 4 3 3 3 3 3 3 3 3 3 4 4 4 4 4 3 4 4 3 4 3 3 3 3 3 3 3 4 4 3
4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4 5 4 5 5 4
4 4 5 3 4 4 4 4 4 5 5 5 5 5 5 3 4 4 5 4 4 4 5 4 4 4 4 5 5 4 4
4 5 5 5 5 5 5 5 5 5 4 5 5 5 4 4 4 4 5 5 5 5 5 4 5 5 5 4 5 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 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 5 3 4 4 4 3 3 3 3 3 5 5 5 5 5 3 3 3 4 4 4 5 3 3 4 3 4 5 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 4 4 5 5 5 5 4 4 5 5 5 4 4 4 4 5 5 5 4 5 3 4 4 4 4 5 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 4 5
5 4 4 5 5 5 5 4 4 4 4 5 5 5 4 5 4 4 5 5 5 4 5 4 5 5 5 5 5 4 4
5 5 5 5 5 5 5 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 5 5 5 5 5 5 5 5 5 5
3 5 5 5 2 3 3 3 3 3 3 5 5 4 4 5 2 3 5 2 3 3 4 1 3 3 2 3 5 4 5
4 5 4 3 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 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 4 5 4 4 5 5 5
4 4 5 5 2 1 4 1 1 1 1 4 5 5 1 1 1 4 4 4 4 4 4 1 4 4 4 4 4 4 5
5 5 5 4 5 5 5 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 5 5 4 4 4 5 3 3 3 4 5 5 5 4 4 4 5 5 4 4 3 5 5 4 4 5 5 5 3 3
5 4 4 4 5 5 5 5 4 5 4 5 5 5 5 5 5 5 2 5 5 4 4 4 4 5 5 5 5 3 4
5 5 5 5 5 5 5 4 4 3 3 4 5 5 5 5 4 5 3 4 5 5 5 5 4 5 4 4 5 2 4
xxxix
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5 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 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 3 3 3 3 3 3 3 3 3 3 3
5 5 5 5 4 5 5 4 4 4 4 5 5 5 5 5 4 5 5 5 3 5 5 5 5 5 5 5 5 4 5
xl

Siti Naza Rayani-Fst

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Siti Naza Rayani-Fst

Diunggah oleh

Hak Cipta:

Format Tersedia

PENGUKURAN KEBERHASILAN DALAM KINERJA INDIVIDUAL

FLIP DENGAN MENGGUNAKAN MODEL DELONE & MCLEAN DAN

EFEK MODERASI TASK-TECHNOLOGY FIT (TTF)

SITI NAZA RAYANI

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

FLIP DENGAN MENGGUNAKAN MODEL DELONE & MCLEAN DAN

EFEK MODERASI TASK-TECHNOLOGY FIT (TTF)

SITI NAZA RAYANI

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

FLIP DENGAN MENGGUNAKAN MODEL DELONE & MCLEAN DAN

EFEK MODERASI TASK-TECHNOLOGY FIT (TTF)

Sebagai Salah Satu Syarat Untuk Memperoleh Sarjana Komputer

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-

Jakarta, September 2021

SITI NAZA RAYANI

Siti Naza Rayani – 1115093000042 Pengukuran Keberhasilan dalam Kinerja

Keberhasilan suatu sistem dapat digunakan untuk meningkatkan efisiensi

Bismi-llāhi ar-raḥmāni ar-raḥīmi

hidayah-Nya maka peneliti dapat menyelesaikan skripsi yang berjudul

“Pengukuran Keberhasilan dalam Kinerja Individual Flip dengan Menggunakan

proses penyusunan skripsi ini, peneliti mendapatkan dukungan, motivasi, bantuan

kerendahan hati dan tidak mengurangi rasa hormat perkenankanlah peneliti

mengucapkan terima kasih kepada:

Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.

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

Waspodo, M.M selaku dosen pembimbing II yang telah membimbing dan

mengarahkan dalam penulisan laporan ini sehingga terselesaikan dengan baik.

dan masukan dalam penulisan laporan ini.

peneliti dalam administrasi akademik yang berkaitan dengan skripsi.

dukungan secara moril dan materil kepada peneliti.

8. Mochammad Sya’ban Fadillah dan Keluarga yang telah memberikan doa,

motivasi, dukungan secara moril dan materil kepada peneliti.

peneliti untuk kelancaran dan penyelesaian laporan skripsi ini.

mau diajak sharing dan bimbingan bersama.

peneliti menjadi lebih semangat dan terlepas dari kemumetan penyusunan

membantu dan menyediakan waktu serta tempat untuk mencurahkan keluh

kesah selama penyusunan laporan ini.

14. Himpunan Mahasiswa Sistem Informasi (HIMSI) yang memberikan dukungan

kelas mata kuliah.

penyelesaian laporan ini.

dalam kehidupan selama peneliti berkuliah.

semestinya dan laporan skripsi ini dapat selesai.

kasih dari peneliti.

Saat penyusunan skripsi ini, peneliti menyadari bahwa masih banyak

kekurangan karena terbatasnya ilmu pengetahuan maupun wawasan yang dimiliki

kritik dan saran bagi penulis melaui email snaza.rayani15@mhs.uinjkt.ac.id.

semua yang membaca.

Jakarta, September 2021

Siti Naza Rayani

LEMBAR PENGESAHAN ................................................................................. iv

LEMBAR PENGESAHAN UJIAN ......................................................................v

LEMBAR PERNYATAAN ................................................................................. vi

ABSTRAK ........................................................................................................... vii

KATA PENGANTAR ........................................................................................ viii