MAKALAH PEMODELAN PERSAMAAN STRUKTURAL

UNTUK MEMENUHI TUGAS MATA KULIAH

“Statistik Inferensial”
Dosen Pengampu Oleh Ibu Nur Wahyuning Sulistyowati, S.E., M.Pd.

Kelompok 9:
Rahmania Nadya Salsabila NIM || 2202106012
Firnanti NIM || 2202106021
Dwita Anggraini NIM || 2102106003

UNIVERSITAS PGRI MADIUN

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
PROGRAM STUDI PENDIDIKAN AKUNTANSI
Oktober 2023
 KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Tuhan yang Maha Esa. yang telah melimpahkan
rahmat dan hidayah-Nya sehingga kami bisa menyelesaikan makalah yang kami susun dengan
judul "Pemodelan Persamaan Struktural", guna memenuhi tugas mata kuliah Statistik Inferensial.
Tidak lupa pula kami mengucapkan terima kasih kepada semua pihak yang telah turut
memberikan kontribusi dalam penyusunan makalah ini. Tentunya, tidak akan bisa maksimal jika
tidak mendapat dukungan dari berbagai pihak.
Sebagai penyusun, kami menyadari bahwa masih terdapat kekurangan, baik dari segi
penyusunan maupun tata bahasa penyampaian dalam karya ilmiah ini. Oleh karena itu, kami
dengan rendah hati menerima saran dan kritik dari pembaca agar kami dapat memperbaiki karya
ilmiah ini.
Kami berharap semoga karya ilmiah yang kami susun ini memberikan manfaat dan juga
inspirasi untuk pembaca.

Madiun, 12 Oktober 2023

Kelompok 9
 DAFTAR ISI
HALAMAN JUDUL
KATA PENGANTAR
DAFTAR ISI
BAB I PENDAHULUAN
A. Latar Belakang
B. Rumusan Masalah
C. Tujuan Penulisan
BAB II KAJIAN TEORI
A. Pengertian Pemodelan Persamaan Struktural (SEM)
B. SEM dan Analisis Jalur
C. Model Pengukuran
D. Analisis Jalur
E. Analisis Model Persamaan Struktural
F. Langkah-Langkah dalam SEM
G. Cara Membaca Model Pengukuran dan Model Struktural
BAB III KASUS
A. Kasus
B. Metode Penelitian
BAB IV PEMBAHASAN
A. Hasil dan Pembahasan
BAB V KESIMPULAN
A. Kesimpulan
B. Saran
DAFTAR PUSTAKA
 BAB I
PENDAHULUAN
A. Latar Belakang
Structural Equation Modeling (SEM) merupakan salah satu teknik analisis statistik yang
digunakan untuk membangun dan menguji model statistik dalam bentuk model model sebab
akibat (Prastuti, 2011: 14). Analisis SEM menggabungkan analisis regresi, faktor, dan jalur
sehingga secara simultan menghitung hubungan yang terjadi antara variabel laten, mengukur
nilai loading dari indikator-indikator variabel laten, dan menghitung model jalur dari variabel
variabel laten tersebut. Pada dasarnya, SEM adalah salah satu teknik multivariat yang akan
menunjukkan bagaimana cara merepresentasikan suatu seri atau deret hubungan kausal (causal
relationship) dalam suatu diagram jalur (path diagram).
Terdapat beberapa program yang ditawarkan untuk SEM, seperti LISREL, AMOS, EQS,
ROMANO, SEPATH, LISCOMP. LISREL merupakan program yang paling banyak digunakan
dalam penelitian dibandingkan program yang lain. LISREL merupakan satu satunya program
SEM yang tercanggih dan dapat mengestimasi persoalan SEM yang hampir tidak mungkin
dilakukan oleh program SEM lainnya (Latan, 2013: 6). Saat ini telah banyak mahasiswa maupun
peneliti yang menggunakan program LISREL untuk menganalisis penelitian yang menggunakan
model persamaan struktural.
B. Rumusan Masalah
1. Apa Pengertian dari Pemodelan Persamaan Struktural?
2. Apa yang membedakan SEM dan Analisis Jalur?
3. Bagaimana Model Pengukuran SEM?
4. Bagaimana Analisis Model Persamaan Struktural?
5. Bagaimana Langkah-Langkah dalam SEM?
6. Bagaimana Cara Membaca Model Pengukuran dan Model Struktural?

C. Tujuan Penulisan
1. Mendefinisikan Pengertian dari Pemodelan Persamaan Struktural.
2. Untuk mengetahui perbedaan SEM dan Analisis Jalur.
3. Mengetahui Model Pengukuran SEM.
4. Mengetahui Analisis Model Persamaan Struktural.
5. Menganalisis Langkah-Langkah dalam SEM.
6. Mengidentifikasi Cara Membaca Model Pengukuran dan Model Struktural.
 BAB II
KAJIAN TEORI
A. Pengertian Pemodelan Persamaan Struktural
Pemodelan Persamaan Struktural (Structural Equation Modeling) yang biasa disingkat
dengan SEM memiliki beberapa sebutan lain, seperti: analisis struktur kovarian (covariance
structure analysis), analisis variable laten (latent variable analysis), analisis faktor konfirmatori
(confirmatory factor analysis), dan analisis Linier Structural Relations (LISREL) (Hair, dkk.
1998: 584). Berdasarkan sebutan-sebutan tersebut, Pemodelan Persamaan Struktural (SEM)
dapat dideskripsikan sebagai suatu analisis yang menggabungkan pendekatan analisis factor
(factor analysis), model structural (structural model), dan analisis jalur (path analysis). Dengan
demikian, di dalam analisis Pemodelan Persamaan Struktutal (SEM) dapat dilakukan tiga macam
kegiatan secara serentak, yaitu pengecekan validitas dan reliabilitas instrument (berkaitan dengan
analisis factor konfirmatori), pengajuan model hubungan antar variabel (berkaitan dengan
analisis jalur), dan kegiatan untuk mendapatkan suatu model yang cocok untuk prediksi
(berkaitan dengan analisis regresi atau analisis model structural).
Untuk lebih dapat memahami keterkaitan ketiga kegiatan di dalam analisis SEM, dapat
dilihat ilustrasi yang tampak pada gambar berikut.

Keterangan:
1. Parameter ẟ (delta) merupakan parameter yang menggambarkan adanya kesalahan
pengukuran (measurement error) pada variabel terukur/manifes (observed variable),
parameter ini berkaitan dengan kehandalan instrument.
 2. Parameter λ (lambda) merupakan parameter yang menggambarkan koefisien structural
yang menghubungkan secara linier variabel manifest dengan variabel laten (latent
variable), parameter ini berkaitan dengan validitas konstruk variabel laten.
3. Parameter ζ (zeta) merupakan parameter yang menggambarkan adanya kesalahan
pengukuran pada variabel laten.
4. Gambar berbentuk oval menunjukkan variabel laten. Symbol X untuk variabel eksogen
dan symbol Y untuk variabel endogen.
5. Gambar persegi/kotak berisi indicator yang didefinisikan sebagai variabel
terukur/manifest.
Gambar 10.2 menunjukkan model pengukuran variabel. Analisis model pengukuran disini
berkaitan dengan analisis fackor konfirmatori. Analisis faktor konfiratori pada dasarnya identik
dengan kegiatan pengecekan validitas konstruk dan reliabilitas indikator. Model pengukuran
digunakan untuk mengetahui kesahihan variabel terukur/manifes (observed variable), apakah
benar-benar dapat digunakan sebagai indicator dari variabel tidak terukur (latent variable).

Gambar 10.2 Model Struktural Hubungan antar Variabel (Structural Model atau Path
Analysis)
Keterangan:
1. Gambar segi empat menunjukkan variabel manifes (observed variable).
2. Gambar oval menunjukkan variabel laten (construct variable).
3. Parameter Delta (ẟ) menunjukkan galat pengukuran variabel manifes untuk variabel
eksogen.
4. Parameter Epsilon (ε) menunjukkan galat pengukuran variabel manifes untuk variabel
endogen.
 5. Parameter Lambda (λ) menunjukkan pengaruh/hubungan antara variabel manifes
terhadap variabel laten, baik untuk variabel eksogen maupun endogen, sering disebut
sebagai muatan faktor (factor loading).
6. Parameter Gamma (ϒ) menunjukkan koefisien hubungan antara variabel eksogen dan
variabel endogen.
7. Parameter Betta (β) menunjukkan koefisien hubungan antar variabel endogen.
Simbol-Simbol yang digunakan dalam SEM:

ξ (Ksi) = untuk variabel laten X (eksogen)

η (Eta) = untuk variabel laten Y (endogen)

λ (Lambda) = untuk muatan faktor (factor loading)
β (Beta) = koefisien pengaruh variabel endogen terhadap variabel endogen
ϒ (Gamma) = koefisien pengaruh variabel eksogen terhadap variabel endogen
φ (Phi) = koefisien hubungan antar variabel laten X (eksogen)
ζ (Zeta) = peluang galat model
ε (Epsilon) = kesalahan pengukuran pada variabel manifess untuk variabel laten Y
ẟ (Delta) = kesalahan pengukuran pada variabel manifess untuk variabel laten X
λx (Lambda besar) = matriks untuk muatan faktor variabel laten X
λy (Lambda besar) = matriks untuk muatan faktor variabel laten Y

B. SEM dan Analisis Jalur

Analisis SEM pada dasarnya untuk memperoleh suatu model structural. Model yang
diperoleh dapat digunakan untuk prediksi atau pembuktian model. Di samping itu, SEM juga
dapat digunakan untuk melihat besar kecilnya pengaruh, baik langsung, tak langsung maupun
pengaruh total variabel bebas (variabel eksogen) terhadap variabel terikat (endogen).
Antara SEM dan analisis jalur terdapat persamaan dan perbedaan. Beberapa persamaan dan
perbedaan tersebut dapat dilihat pada deskripsi berikut.
1. Persamaan SEM dan Analisis Jalur
a. Keduanya berkaitan dengan analisis konstruksi model.
b. Koefisien parameter model didasarkan atas analisis data sampel
c. Pengujian kecocokan model dilakukan dengan cara membandingkan matriks varian-
kovarian hasil dugaan dengan matriks data empiric (observasi).
2. Perbedaan SEM dan Analisis Jalur
 a. Pada SEM dapat dilakukan dua analisis sekaligus yaitu: analisis pengujian hubungan
kausal antar variabel laten (model structural) dan analisis pengujian validitas dan
reliabilitas yang didasarkan atas variabel manifes (model pengukuran).
b. SEM dapat diterapkan untuk model rekursif ataupun resiprokal, sedangkan Analisis
Jalur hanya dapat diterapkan pada model kausal satu arah dan rekursif.
c. SEM tidak terganggu dengan adanya korelasi antar kesalahan (error), sedangkan pada
Analisis Jalur, antara error harus bebas (tidak saling tergantung).
d. Hasil SEM mencakup faktor diterminan, model structural, dan model pengukuran.
Analisis Jalur hanya mencakup faktor diterminan.

C. Model Pengukuran
Seperti telah dikemukakan bahwa salah satu kegiatan dalam SEM adalah analisis pengujian
validitas konstruk dan reliabilitas indikator. Kegiatan ini dapat dilakukan pada analisis model
pengukuran. Pendekatan yang digunakan dalam analisis model pengukuran ini adalah Analisis
Faktor Konfirmatori.
Untuk melihat besar kecilnya koefisien validitas dapat dilihat besar kecilnya harga muatan
faktor (λ). Semakin besar harga λ maka dikatakan indicator semakin valid. Ukuran untuk
mengetahui berapa besarnya nilai λ dikatakan valid dapat menggunakan pengujian nilai t (t-
value). Untuk keperluan pengujian nilai t ini, dapat menggunakan Software LISREL yang
memang menyediakan fasilitas untuk pengujian tersebut. Namun demikian, penentuan valid
tidaknya indicator dapat juga menggunakan besarnya koefisien korelasi antara skor
indicator/konstruk dengan skor totalnya. Skor ini menggambarkan besarnya muatan faktor.
Menurut Carmines dan Zeller (1979:55) konstruk yang baik adalah bila memiliki muatan faktor
minimal 0,30. Dengan demikian, bila nilai λ ≥ 0,30 maka dikatakan indikator valid.
Untuk melihat besarnya koefisien reliabilitas indicator dapat melihat nilai (1 - ẟ) untuk
variabel eksogen dan nilai (1 – ε) untuk variabel endogen. Semakin besar nilai (1 - ẟ) atau (1 – ε)
maka semakin reliable indicator tersebut. Analisis pengujian reliabilitas ini dapat juga dilakukan
dengan pengujian nilai t (t-value) seperti halnya pengujian validitas. Nilai t untuk masing-masing
parameter (λ dan 1 - ẟ atau 1 – ε) merupakan hasil transformasi dari parameter tersebut.
Hubungan antar variabel dikatakan signifikan apabila tampilan dalam output program LISREL
menunjukkan garis warna hitam dan tidak signifikan apabila hubungan antar variabel
menunjukkan warna merah.
Sebagai contoh dapat dilihat Gambar 10.4 berikut yang menunjukkan konstrak dari variabel
orientasi pilihan bidang keahlian (η). Variabel ini dihipotesiskan terbentuk dari indicator-
indikator keahlian manual (Ym), keahlian penalaran (Yp), dan persepsi terhadap studi lanjut
(Ys). Ketiga indicator ini berposisi sebagai variabel manifes (observed variable).
 Gambar 10.3 Analisis faktor konfirmatori konstrak Ubahan Orientasi Pilihan Bidang
Keahlian

η = variabel laten orientasi pilihan bidang keahlian

Ym = variabel manifes keahlian manual
Yp = variabel manifes keahlian penalaran
Ys = variabel manifes studi lanjut

Secara matematika model structural analisis faktor konfirmatori kostruk orientasi pilihan
bidang keahlian seperti berikut ini:

D. Analisis Jalur
Pada gambar 10.2 di muka merupakan salah satu contoh model analisis jalur/model
structural. Contoh tersebut dimaksudkan untuk menganalisis faktor-faktor yang mempengaruhi
Orientasi Pilihan Bidang Keahlian (η4). Faktor-faktor tersebut adalah: Kualitas Orang Tua (ξ 1),
Kualitas Sekolah (ξ3), Kemampuan Umum (r1), Melek Teknologi (r2), dan Pemahaman Diri (r3).
Secara matematika persamaan model structural hubungan antar variabel tersebut dapat
ditampilkan pada table dibawah ini:
 Tabel 10.1
Model Persamaan Struktural Hubungan Antar Variabel
Eksogen Endogen Kesala-
Eksogen ξ1 ξ2 η1 η2 η3 η4 han

η1 γ11 ξ1 γ12 ξ2 + + ξ1
η2 γ21 ξ1 + + ξ2
η3 γ31 ξ1 γ32 ξ2 + + ξ3
η4 γ41 ξ1 γ42 ξ2 + β41η1 β42η1 β43η1 + ξ4

E. Analisis Model Persamaan Struktural

Contoh model persamaan structural dapat dilihat kembali gambar 10.3 di muka. Contoh
tersebut menggambarka gabungan analisis model pengukuran variabel dan model structural
hubungan antar variabel. Untuk lebih memahami analisis SEM yang dicontohkan dalam Gambar
10.3 tersebut perlu diperhatikan keterangan-keterangan berikut.
ξ1 = variabel laten kualitas orang tua
X1 = variabel manifes Pendidikan
X2 = variabel manifes Penghasilan
X3 = variabel manifes Pekerjaan
X4 = variabel manifes Harta
ξ2 = variabel laten Kualitas Sekolah
X5 = variabel manifes Layanan Guru
X6 = variabel manifes Partisipasi Siswa
X7 = variabel manifes Iklim Belajar
γ1 = variabel laten Kemampuan Umum
Y1 = variabel manifes Kemampuan Verbal
Y2 = variabel manifes Kemampuan Kuantitatif
Y3 = variabel manifes Kemampuan Spatial
γ2 = variabel laten Melek Teknologi
Y4 = variabel manifes Pemahaman
Y5 = variabel manifes Aplikasi
 Y6 = variabel manifes Adaptasi
γ3 = variabel laten Pemahaman Diri
Y7 = variabel manifes Potensi Diri
Y8 = variabel manifes Prestasi Diri
Y9 = variabel manifes Filsafat Hidup
γ4 = variabel laten Orientasi Pilihan Bidang Keahlian
Y10 = variabel manifes Manual
Y11 = variabel manifes Penalaran
Y12 = variabel manifes Studi Lanjut

Secara matematika model structural pada Gambar 10.3 di muka dapat ditapilkan seperti
pada table di bawah ini:
Tabel 10.2
Model Persamaan Struktural Faktor-Faktor yang Mempengaruhi Orientasi Pilihan Bidang
Keahlian
 F. Langkah-Langkah dalam SEM

Hair, dkk. (1998: 592-639) mendeskripsikan langkah-langkah dalam SEM seperti berikut ini:
(1) pengembangan model berbasis teori, (2) mengkonstruksi diagram jalur untuk hubungan
kausal, (3) mengkonversi diagram jalur ke dalam model model structural dan model pengukuran,
(4) memilih matriks input dan estimasi model, (5) menilai identifikasi model structural, (6)
evaluasi kecocokan model berdasarkan kriteria goodness-of-fit dan (7) interpretasi dan
modifikasi model.
Langkah 1. Pengembangan Model berbasis Teori
Ada dua prinsip dasar dalam SEM, yaitu: 1) untuk menganalisis hubngan kausal antara variabel
eksogen dan endogen, dan 2) untuk menguji validitas dan reliabilitas indicator variabel laten.
Kegiatan dalam langkah pertama ini adalah mengembangkan model hipotetik, artinya
mengembangkan suatu model berdasarkan kajian-kajian teoritik. Selanjutnya model ini diuji
berdasarkan atas data empiric melalui SEM.
Dalam mengembangkan pemodelan, peneliti harus memiliki wawasan dan landasan teori
yang luas yang berkaitan dengan permasalahan yang diteliti. Hasil kajian atau eksplorasi
terhadap teori-teori yang relevan akan membentuk model hipotetik untuk kemudian diverifikasi
berdasarkan data empirik dengan menggunakan SEM.
Disamping untuk verifikasi model hipotetik, SEM juga dapat digunakan untuk
membentuk konsep baru. Hal ini bias dilakukan bila landasan teori atau konsep untuk
membentuk model tersebut tidak tersedia. Dengan justifikasi empiris SEM maka model dapat
menjadi konsep baru. Untuk itu, diperlukan kajian sejumlah penelitian sehingga konsep yang
dikembangkan menjadi kokoh dan universal.
Langkah 2. Mengkonstruksi Diagram Jalur untuk Hubungan Kausal
Diagram jalur sangat berguna untuk melihat hubungan kausal antara variabel eksogen dan
variabel endogen. Hubungan kausal antar variabel ini divisualisasikan dalam bentuk gambar
sehingga mudah dan jelas untuk dipahami serta lebih menarik. Jika model yang dibuat belum
cocok (fit) maka dapat dibuat beberapa model untuk diperoleh model yang cocok dengan
menggunakan analisis SEM.
Langkah 3. Mengkonversi Diagram Jalur Ke dalam Model Struktural dan Model
Pengukuran
Contoh konversi diagram jalur dan model pengukuran ke dalam model matematika ditujukkan
pada Tabel 10.3a dan 10.3b

Tabel 10.3a Model Matematika pada Diagram Jalur Variabel Eksogen

 Tabel 10.3b Model Matematika pada Diagram Jalur Variabel Endogen

Langkah 4. Memilih Matrik Input dan Estimasi Model

Dalam SEM, matrik inputnya dapat berupa matrik korelasi atau matrik varians-kovarians. Matrik
korelasi digunakan untuk tujuan memperoleh kejelasan tentang pola hubungan kausal antar
variabel laten. Dengan matrik ini, peneliti dapat melihat dua hal, yaitu: 1) jalur-jalur mana yang
memiliki efek kausal yang lebih dominan dibandingkan dengan jalur-jalur yang lain, dan 2)
variabel eksogen yang mana yang efeknya lebih besar terhadap variabel endogen dibandingkan
dengan variabel yang lainnya.
Matrik varians-kovarians digunakan untuk pengujian model yang telah dilandasi berbagai
kajian teori. Analisis yang dilakukan tidak untuk melihat besar kecilnya efek kausal pada jalur-
jalur yang ada dalam model. Hasil analisis yang diperoleh dapat digunakan untuk eksplanasi
fenomena yang diteliti atau untuk keperluan prediksi.
Langkah 5. Menilai Identifikasi Model Struktural
Di dalam analisis model struktural set-ing dijumpai adanya permasalahan yaitu pada proses
pendugaan parameter. Jika di dalam prosesnya ada un-identified maka pendugaan parameter
akan menemui banyak kendala. Ketidakmampuan model menghasilkan identifikasi yang tepat
menyebabkan proses perhitungan menjadi terganggu.
Beberapa gejala yang sering muncul akibat adanya ketidaktepatan identifikasi ini antara
lain yaitu:
 a. terdapat kesalahan standar yang terlalu besar
b. matriks informasi yang disajikan tidak sesuai harapan
c. matriks yang diperoleh tidak definitif positif
d. terdapat kesalahan varians yang negatif
e. terdapat korelasi yang tinggi antar koefisien hasil dugaan

Langkah 6. Evaluasi Kecocokan Model Berdasarkan Kriteria Goodness-of-fit

Untuk menganalisis dengan SEM perlu diperhatikan asumsiasumsi yang berkaitan dengan model
dan asumsi-asumsi yang berkaitan dengan pendugaan parameter dan pengujian hipotesis.
Asumsi-asumsi yang berkaitan dengan model antara lain:

a. semua hubungan antar variabel berbentuk linier

b. model yang dikembangkan bersifat aditif.
Asumsi-asumsi yang berkaitan dengan pendugaan parameter dan pengujian hipotesis
antara lain:
a. pengambilan sampel secara acak
b. data harus lengkap, artinya tidak ada missing data
c. tidak ada data aneh (outliers)
d. ukuran sampel minimum 100
e. Penyebaran data bersifat formal
f. Tidak ada multikomlinieritas

Pengujian model struktural dilakukan untuk mengetahui sejauhmana model hubungan

antar variabel yang disusun secara teoritis didukung oleh kenyataan yang ada pada data
empiri. Uji kesesuaian antara model teoritis dan data empiri dapat dilihat pada tingkat
(goodness of fit statistics). Keputusan kesesuaian model dapat menggunakan beberapa harga
statistik seperti Chi kuadrat (1 2 ) untuk p > 0,05; RMSEA (Root Mean Square Error of
Approximation) < 0,08; GFI (Goodness of Fit Index) > 0,9 dan yang lainnya yang akan
menguji bahwa perbedaannya tidak bermakna sehingga hipotesis nihil tidak ditolak
(signifikan). Bila demikian maka dikatakan tidak ada perbedaan antara model teoritis
dibandingkan dengan data empiri. Artinya model teoritis sesuai (fit) dengan data empiri.

Langkah 7. Interprestasi dan Modifikasi Model

Langkah terakhir dari SEM adalah melakukan interpretasi bilamana model yang dihasilkan
sudah cukup baik. Interpretasi dilakukan terhadap model struktural yang menggunakan matrik
kovarians dan . interpretasi terhadap analisis jalur yang menggunakan matriks korelasi.
Khusus untuk interpretasi pada analisis jalur yang dilihat antara lain: efek langsung, efek tak
langsung, dan efek total.
 G. Cara Membaca Model Pengukuran dan Model Structural
1. Model Pengukuran
Berdasarkan model pengukuran pada Gambar 10.5 maka dapat dibuat tabel ringkasan yang
menunjukkan informasi tentang validitas dan reliabilitas factor/indikator yang membentuk
variabel laten orientasi pilihan bidang keahlian seperti tampak pada Tabel 10.4. Berdasarkan
Tabel 10.4 dapat disimpulkan bahwa faktor kemampuan manual, kemampuan penalaran dan
persepsi terhadap pendidikan lanjut memberikan pengaruh yang bermakna terhadap orientasi
pilihan bidang keahlian siswa.

Gambar 10.5 Model Pengukuran Orientasi Pilihan Bidang Keahlian

Tabel 10.4
Koefisien Validitas dan Reliabilitas Instrumen Orientasi Pilihan Bidang Keahlian

Hasil ini menunjukkan bahwa faktor keahlian yang berorientasi pada kemampuan
penalaran, keahlian yang berorientasi pada kemampuan manual dan kemampuan mempersepsi
pendidikan lanjut merupakan faktor-faktor yang memberikan kontribusi pada konstruk indikator
orientasi pilihan bidang keahlian siswa SMP.
 2. Model Struktural
Gambar 10.6 adalah contoh model struktural yang cocok (fit nıodel) menurut kriteria
Goodness-of-fit. Berdasarkan Gambaı. 10.6 tersebut dapat dikemukakan beberapa informasi
yang berkaitan dengan efek langsung dan efek tak langsung. Efek langsung mencakup
hubungan antara variabel bebas dan variabel terikat. Efek tak langsung mencakup hubungan
antara varaibel eksogen dan variabel terikat (indirect çffects QfKSI on ETA).

a. Efek Langsung Variabel Bebas terhadap Variabel Terikat

Variabel bebasnya adalah: Kualitas Orang tua, Kualitas Sekolah, Melek Teknologi,
Kemampuan Umum, dan Pemahaman Diri. Variabel terikatnya adalah orientasi pilihan bidang
keahlian.
Berdasarkan Gambar 10.6 dapat ditampilkan model hubungan struktural langsung antara
variabel bebas dan variabel terikat seperti tampak pada Gambar 10.7.
Gambar 10. 7 Model Hubungan Struktural Variabel Bebas dan Variabel Terikat

Analisis efek langsung antar variabel ini dapat dilihat pada estimasi koefisien struktural
dan nilai-t dari masing-masing parameter. Secara ringkas, hasil analitis perhitungan besarnya
estimasi koefisien structural tersebut dapat dilihat pada tabel 10.5.

Tabel 10.5
Ringkasan Hasil Analisis Efek Langsung Variabel Bebas Terhadap Variabel Terikat

Berdasarkan Tabel 10.5 dapat dijelaskan gambaran efek langsung variabel-variabel bebas
terhadap variabel terikat sebagai berikut.
 Terdapat efek langsung dan bermakna Kualitas Orang Tua terhadap Orientasi Pilihan
Bidang Keahlian Siswa SMP dengan harga estimasi Y41 = 0,33 dan nilai-t = 4,69 > 1,96.
 Terdapat efek langsung dan bermakna Kualitas Sekolah terhadap Orientasi Pilihan
Bidang Keahlian Siswa SMP dengan harga estimasi Y42 = 0,70 dan nilai-t = 7,25 > 1,96.
 Terdapat efek langsung dan bermakna Kemampuan Umum terhadap Orientasi Pilihan
Bidang Keahlian Siswa SMP dengan harga estimasi = 0,20 dan nilai-t = 4,45 > 1,96.
 Terdapat efek langsung dan negatif Melek Teknologi terhadap Orientasi Pilihan Bidang
Keahlian siswa. SMP dengan harga estimasi B42=-0.37 dan nilai-t = -4,89 >-1,96.
 Terdapat efek langsung dan bermakna pemahaman diri terhadap orientasi pilihan bidang
keahlian siswa SMP dengan harga
estimasi B43=0.21 dan nilai-t = 2.87 > 1.96

b. Efek Tak Langsung Variabel Eksogen terhadap Variabel Terikat (Indirect Effects
of KSI on ETA)
 Variabel eksogen meliputi kualitas orang tua dan kualitas sekolah, sedangkan orientasi
pilihan bidang keahlian sebagai variabel terikat. Berdasarkan Gambar 10.6 dapat ditampilkan
model struktural efek tak langsung variabel eksogen terhadap variable. Terikat tersebut seperti
pada Gambar 10.8a dan Gambar 10.8b.

Gambar 10. 8a Model Struktural Efek Tak Langsung Kualitas Orang Tua terhadap
Orientasi Pilihan Bidang Keahlian

Gambar 10.8b Model StruktGral Efek Tak Langsung Kualitas Sekolah terhadap
Orientasi Pilihan Bidang Keahlian

Analisis efek tak langsung antar variabel ini dapat dilihat pada estlmasi koefisien
struktural dan nilai-T dari masing-masing parameter. Sccara ringkas, hasil analisis
perhitungan besarnya estimasi koefisten struktural tersebut dapat dilihat pada Tabel 10.6.
No Variabel Parameter Estimasi Nilai-t

l. 0,05 3,57
Kualltas Orang Tua (q ) dengan
Orientasi Pilihan bidang keahlian
(114) melalui Melek Teknologi,
Kemampuan Umum, dan
Pemahaman Diri.
2. 0,17 2,56
Kualltas Sekolah (42) dengan
Orientasi Pilihan Bidang keahlian
(114) melalui Kemampuan
Umum dan Pemahaman Diri.
 BAB III
KASUS
A. Kasus
Pemodelan Persamaan Struktural Pada Adopsi Mobile Banking Studi Kasus: Bsgtouch
Bank Sulutgo
Kemajuan dalam teknologi telekomunikasi dan informasi memiliki dampak besar pada
banyak sektor industri, termasuk sektor perbankan. Mobile banking kemudian menjadi pilihan
nasabah dalam transaksi keuangan. Penelitian ini bertujuan untuk menganalisis penerimaan
nasabah terhadap penggunaan layanan mobile banking dengan menggunakan pendekatan
Technology Acceptance Model (TAM) yang dikembangkan oleh Davis (1989). Penelitian ini
menganalisis 277 responden nasabah pengguna layanan BSGTouch dengan menggunakan
metode kuantitatif dan teknik analisis data SEM PLS menggunakan aplikasi SmartPLS. Hasil
penelitian ini menunjukan bahwa perceived ease of use dan perceived usefulness mempengaruhi
attitude toward using pengguna, attitude toward using kemudian mempengaruhi behavioral
intention, dan behavioral intention mempengaruhi responden actual use nasabah pengguna
mobile banking. Penelitian ini menjelaskan secara lengkap bagaimana setiap variabel dalam
TAM saling berhubungan satu sama lain. Secara umum penggunaan TAM dalam menganalisis
adopsi mobile banking bisa dibuktikan dalam penelitian ini.
Eksistensi dari industri perbankan akan sangat bergantung pada kemampuan adaptasi Internet
dan kemajuan teknologi, salah satu bentuk adaptasi teknologi dalam industri perbankan adalah
mobile banking yang menawarkan berbagai manfaat. Mobile banking yang juga merupakan
layanan Equipment-centric mengacu pada interaksi di mana nasabah terhubung ke bank melalui
perangkat seluler seperti smartphone, atau tablet. Dan menurut Al-Jabri dan Sohail. mobile
banking adalah aplikasi m-commerce yang dibuat oleh industri keuangan atau bank yang
memungkinkan nasabahnya untuk melakukan transaksi keuangan transaksi jarak jauh dengan
mengadopsi perangkat seluler seperti Personal Digital Assistant (PDA). Baik nasabah maupun
bank diuntungkan oleh layanan mobile banking, seperti transfer uang online, pembayaran cek
otomatis, rencana tabungan personal, pembayaran tagihan, informasi yang tepat waktu, dan akses
jarak jauh tak terbatas. Hal yang sama juga diungkapkan Sudarsono et al dalam penelitiannya
yang menemukan bahwa mobile banking digunakan untuk mengurangi kontak,
ketidaknyamanan, biaya transaksi, dan waktu yang dikonsumsi.
B. Metode Penelitian
Metode yang digunakan dalam penelitian ini adalah metode kuantitatif dengan penelitian
survei menggunakan kuesioner dalam bentuk online. Variabel yang digunakan dalam penelitian
ini ada 5 variabel yaitu perceived usefulness, perceived ease of use , attitude toward using,
behavioral intention to use, dan actual use. Perceived usefulness dijabarkan menjadi 6 indikator
[19] yang setelah dianalisis terjadi pengeluaran 1 indikator yaitu (PU2). Berikutnya, terdapat 6
item indikator pada perceived ease of use [19]. Kemudian, indikator dari attitude toward using
ada 5 [33] yang setelah dianalisis terjadi pengeluaran 1 indikator yaitu (ATU5). Setelah itu,
indikator pada behavioral intention to use ada 5 indikator [34]. Terakhir, indikator pada actual
use terdapat 5 item [35] [25].
Kuesioner yang di pakai adalah sistim daftar tilik dengan pilihan jawaban sangat setuju (SS),
setuju (S), netral (N), tidak Setuju (TS) dan sangat tidak setuju (STS) dengan menggunakan skala
Likert 1 sampai 5 yang diuji validitas dan reliabilitasnya. 2.4 Pengumpulan Data dan Sampel
Sampel pada penelitian ini adalah nasabah Bank SulutGo pengguna layanan BSGTouch. Ada
277 responden, mayoritas responden adalah perempuan sebanyak 62% (n=172), paling banyak
berusia antara 26 sampai 35 tahun sebanyak 51% (n=140). Rinciannya pada tabel dibawah ini:

Tabel 1 Profil Responden

Deskripsi Jumlah %
Jenis Kelamin
Laki-laki 105 38%
Perempuan 172 62%
Umur
17-25 tahun 73 26%
26-35 tahun 140 51%
36-45 tahun 34 12%
46-55 tahun 25 9%
56-65 tahun 5 2%
>65 tahun 0 0
 BAB IV
PEMBAHASAN
A. Hasil dan Pembahasan
Teknik analisis data menggunakan Partial Least Squared (PLS) yang merupakan model
persamaan Structural Equation Modeling (SEM) dengan menggunakan aplikasi SmartPLS.
1. Measurement Model Evaluation (Outer Model)
a. Uji Validitas
 Convergent Validity
Convergent validity dinilai valid jika nilai Loading Factor (LF) menunjukan ≥ 0,7 dan
nilai AVE > 0,5 yang ditunjukkan oleh tabel 2. Dari hasil pengolahan data ditemukan ada
2 konstruk yang tidak valid yaitu PU2 dam ATU5 yang harus di drop dan menyisakan
indikator yang valid seperti yang ditunjukan dalam tabel dibawah ini:

Tabel 2 Convergent Validity

Indikator ATU AU BIU PEOU PU AVE Keterangan
Attitude Toward Using 0.692 Valid
ATU1 0.803 Valid
ATU2 0.804 Valid
ATU3 0.851 Valid
ATU4 0.838 Valid
Actual Use 0.612 Valid
AU1 0.792 Valid
AU2 0.821 Valid
AU3 0.770 Valid
AU4 0.779 Valid
AU5 0.747 Valid
Behavioral Intention to Use 0.773 Valid
BIU1 0.891 Valid
BIU2 0.771 Valid
BIU3 0.803 Valid
BIU4 0.964 Valid
BIU5 0.950 Valid
Perceived Ease of Use 0.795 Valid
PEOU1 0.954 Valid
PEOU2 0.924 Valid
PEOU3 0.920 Valid
PEOU4 0.764 Valid
PEOU5 0.862 Valid
PEOU6 0.912 Valid
Perceived Usefulness 0.748 Valid
PU1 0.824 Valid
PU2 0.887 Valid
PU3 0.845 Valid
PU4 0.905 Valid
PU5 0.862 Valid

 Discriminant Validity
Discriminant validity meliputi Fornell-Larcker Criterion dan cross loading. Fornell-Larcker
Criterion dianggap memenuhi syarat jika indikator mempunyai koefisien korelasi yang lebih
besar dengan masing-masing konstruknya dibandingkan dengan nilai koefisien indikator pada
blok konstruk lainnya. Tabel 3 menunujukkan angka koefiesien korelasi Fornell-Larcker
Criterion dari Attitude Toward Using = 0.832, Actual Use = 0.782, Behavioral Intention to Use =
0.879 , Perceived Ease of Use = 0.892, dan Perceived Usefulness = 0.865 semuanya lebih besar
dari nilai koefisien korelasi pada blok konstruk lainnya. Kemudian tabel 4 menunjukkan nilai
masing-masing cross loading lebih besar dari konstruk dibaris sampingnya.
 b. Uji Reliabilitas
Evaluasi terhadap nilai reliabilitas konstruk diukur dengan nilai Cronbach’s Alpha dan
Composite Reliability. Konstruk dinyatakan reliable jika nilai composite reliability maupun
cronbach alpha di atas 0,70.
Tabel 5 Reliablitas Konstruk
Cronbach’s Alpha Composite Reliability Keterangan
ATU 0.851 0.900 Reliabel
AU 0.856 0.887 Reliable
BIU 0.924 0.944 Reliable
PEOU 0.947 0.959 Reliabel
PU 0.916 0.937 Reliable
 Berdasarkan tabel 5 nilai Cronbach’s Alpha dan Composite Reliability pada konstruk
menunjukan ≥ 0,7 sehingga dapat disimpulkan indikator konsisten dalam mengatur konstruknya.
2. Structural Model Evaluation (Inner Model)
a. Coeffiicient of Determination (R2 )
Analisis R2 (R squares) dapat dilihat pada tabel 6. Dimana Perceived Usefulness
dapat dijelaskan oleh variabel Perceived Ease of Use sebesar 37.2% yang merupakan
pengaruh lemah. Kemudian variabel Attitude Toward Using dapat dijelaskan oleh
variabel Perceived Ease of Use dan Perceived Usefulness sebesar 66,7% dimana
merupakan pengaruh moderat. Selanjutnya variabel Behavioral Intention to Use dapat
dijelaskan oleh variabel Perceived Ease of Use, Perceived Usefulness, dan Attitude
Toward Using sebesar 56% dimana merupakan pengaruh moderat. Terakhir variabel
Actual Use dapat dijelaskan oleh variabel Perceived Ease of Use, Perceived
Usefulness, Attitude Toward Using, dan Behavioral Intention to Use sebesar 27.6%
dimana merupakan pengaruh lemah.
Tabel 6 Coeffiicient of Determination
R Square
Attitude Toward Using 0.667
Actual Use 0.276
Behavioral Intention to Use 0.560
Perceived Usefulness 0.372

b. Effect size (F2)

Tabel 7 Effect size (F2 )
ATU AU BIU PU
ATU 0.385
BIU 0.381
PEOU 0.772 0.594
PU 0.119 0.105

Berdasarkan Tabel 7 efek size besar dengan kriteria F-Square > 0,35 adalah ATU->BIU,
BIU- >AU, PEOU->ATU dimana masuk dalam efek size besar, dan PEOU->PU. Sedangkan PU-
>ATU dan PU->BIU masuk dalam efek size moderat.
c. Model fit (NFI)
Semakin dekat nilai NFI (Normed Fit Index) ke 1, semakin baik kecocokannya. Tabel 8
menunjukan nilai NFI 0.645 mendekati 1, dan rsm Theta 0.214 mendekati 0.
Tabel 8 Model Fit
Model Fit Value
NFI 0.645
 Rms Theta 0.214

d. Predictive Relevance (Q2)

Nilai Q2 > 0 membuktikan bahwa model memiliki predictive relevance, sebaliknya jika nilai
Q2 < 0 membuktikan bahwa model kurang memiliki predictive relevance. Berdasarkan data yang
disajikan dalam tabel 4.9 dapat diketahui bahwa semua nilai Q 2 dari variabel endogen > 0
(ATU=0.446, AU=0.125, BIU=0.418, dan PU=0.268) sehingga menunjukan relevansi prediktif
model atas variabel endogen dalam penelitian ini baik.
Tabel 9 Predictive Relevance Q2
SSO SSE Q² (=1-SSE/SSO)
ATU 1.108.000 613.855 0.446
AU 1.385.000 1.212.056 0.125
BIU 1.385.000 805.513 0.418
PEOU 1.662.000 1.662.000 --
PU 1.385.000 1.013.971 0.268

3. Uji Hipotesis
a. Uji t-statistik
Tabel 10 Hasil Uji Hipotesis
T Statisties P Values
PU -> ATU 3.935 0.000
PEOU -> ATU 9.447 0.000
PEOU -> PU 10.709 0.000
ATU -> BIU 7.155 0.000
BIU -> AU 12.382 0.000
PU -> BIU 4.529 0.000
PU -> ATU -> BIU -> AU 3.882 0.000
PEOU -> ATU -> BIU -> AU 4.506 0.000
PU -> BIU -> AU 4.040 0.000

Berdasarkan tabel 10 memperlihatkan variabel Perceived usefulness terhadap Attitude

Toward Using menunjukan nilai T=3.935>1.96, dan p=0.00<0.05 sehingga dapat disimpulkan
bahwa Perceived usefulness berpengaruh terhadap Attitude Toward Using positif dan signifikan.
Sehingga hipotesis pertama (Ha1) diterima. Dari hasil ini dapat disimpulkan bahwa nasabah
pengguna layanan mobile banking yang menjadi responen dalam penelitian ini ketika merasa
kegunaan dari layanan mobile banking akan akan membembentuk sikap positif terhadap
penggunaannya berdasarkan indikator; mempercepat pekerjaan, meningkatkan kinerja,
menambah tingkat produktivitas, meningkatkan efektivitas, dan bermanfaat. Hal ini sejalan
dengan penelitian yang dilakukan oleh Davis dan penelitian yang dilakukan oleh Ho, Wu, Lee,
dan Pham menemukan bahwa persepsi kegunaan adalah salah satu faktor yang mempengaruhi
sikap positif nasabah terhadap penggunaan aplikasi mobile banking. Sehingga implikasi kepada
pemilik layanan mobile BSGTouch adalah semakin besar kegunaan dan manfaat yang dirasakan
oleh pengguna semakin tertarik untuk menggunkannya. Hal ini dapat dilihat dari mayoritas
jawaban dari responden yang menilai menggunakan BSGTouch bermanfaat dalam transaksi
keuangannya.
Berdasarkan tabel 10 memperlihatkan variabel Perceived ease of use terhadap Attitude
Toward Using menunjukan nilai T=9.447>1.96, dan p=0.00<0.05 sehingga dapat disimpulkan
bahwa Perceived ease of use berpengaruh terhadap Attitude Toward Using positif dan signifikan.
Sehingga hipotesis kedua (Ha2) diterima. Dari hasil ini dapat disimpulkan bahwa nasabah
pengguna layanan mobile banking yang menjadi responen dalam penelitian ini ketika merasa
kemudahan penggunaan dari layanan mobile banking akan akan membembentuk sikap positif
terhadap penggunaannya berdasarkan indikator; kemudahan menggunakan, dapat dikontrol,
kejelasan dan kemudahan memahami, fleksibel, serta mudah untuk meningkatkan ketrampilan.
Hal ini juga sejalan dengan penelitian yang dilakukan oleh Davis dan Purwanto dan Mutahar.
Implikasinya untuk Bank SulutGo sebagai pemilik layanan BSGTouch adalah semakin nasabah
merasa kemudahan yang dirasakan oleh pengguna semakin tertarik untuk menggunakannya.
Berdasarkan tabel 10 memperlihatkan variabel Perceived ease of use terhadap Perceived
Usefulness menunjukan nilai T=10.709>1.96, dan p=0.00<0.05 sehingga dapat disimpulkan
bahwa Perceived ease of use berpengaruh terhadap Perceived Usefulness positif dan signifikan.
Sehingga hipotesis ketiga (Ha3) diterima. Dari hasil ini dapat disimpulkan bahwa nasabah
pengguna layanan mobile banking yang menjadi responen dalam penelitian ini ketika merasa
kemudahan penggunaan dari layanan mobile banking akan akan merasa bahwa aplikasi
BSGTocuh ini berguna dalam penggunaannya berdasarkan indikator; kemudahan menggunakan,
dapat dikontrol, kejelasan dan kemudahan memahami, fleksibel, serta mudah untuk
meningkatkan ketrampilan. Penelitian sejalan dengan penelitian yang dilakukan oleh Nasri dan
Charfeddine dan penelitian yang dilakukan Sun dan Zhang. Implikasinya untuk Bank SulutGo
adalah semakin nasabah merasa kemudahan yang dirasakan oleh pengguna semakin merasakan
kegunaan dari BSGTouch.
Berdasarkan tabel 10 memperlihatkan variabel Attitude toward using terhadap Behavioral
Intention To Use menunjukan nilai T=7.155>1.96, dan p=0.00<0.05 sehingga dapat disimpulkan
bahwa Attitude toward using berpengaruh terhadap Behavioral Intention To Use positif dan
signifikan. Sehingga hipotesis keempat (Ha4) diterima. Dari hasil ini dapat disimpulkan bahwa
nasabah pengguna layanan mobile banking yang menjadi responen dalam penelitian ini setelah
membentuk sikap penerimaan terhadap aplikasi BSGTouch akan membuat kecenderungan
perilaku untuk tetap menggunakan aplikasi BSGTouch berdasarkan indikator; sikap penerimaan
atau penolakan terhadap sistem, pemikiran positif, dan pengalaman menyenangkan
menggunakan sistem. Penelitian yang sejalan dengan penelitian ini adalah dalam penelitian yang
dilakukan oleh Schierz dan penelitian dari Akturan dan Tezcan. Implikasinya untuk Bank
SulutGo adalah penting untuk selalu membangun sikap positif nasabah saat menggunakan
aplikasi sehingga meningkatkan perilaku untuk tetap aplikasi kedepannya BSGTouch.
 Berdasarkan tabel 10 memperlihatkan variabel Behavioral Intention To Use terhadap Actual
Use menunjukan nilai T=12.382>1.96, dan p=0.00<0.05 sehingga dapat disimpulkan bahwa
Behavioral Intention To Use berpengaruh terhadap Actual Use positif dan signifikan. Sehingga
hipotesis kelima (Ha5) diterima. Dari hasil ini dapat disimpulkan bahwa nasabah pengguna
layanan mobile banking yang menjadi responen dalam penelitian ini memiliki perilaku ingin
menggunakan kembali aplikasi dimana bisa dilihat dari frekuensi penggunaan nyatanya
berdasarkan indikator; niat untuk tetap menggunakan sistem di masa depan, menggunakan sistem
dalam pekerjaan setiap hari, dukungan dalam menggunakan mobile banking, kesesuaian
penggunaan mobile banking dengan kebutuhan. Penelitian ini sama hasilnya dengan penelitian
yang dilakukan oleh Bankole, Bankole, dan Brown. Implikasinya untuk Bank SulutGo adalah
penting untuk selalu membangun perilaku untuk tetap aplikasi kedepannya sehingga
meningkatkan frekuensi penggunaan pada apliakasi BSGTouch.
Berdasarkan tabel 10 memperlihatkan variabel Perceived Usefulness terhadap Behavioral
Intention To Use menunjukan nilai T=4.529>1.96, dan p=0.00<0.05 sehingga dapat disimpulkan
bahwa Perceived Usefulness berpengaruh terhadap Behavioral Intention To Use positif dan
signifikan. Sehingga hipotesis keenam (Ha6) diterima. Dari hasil ini dapat disimpulkan bahwa
nasabah pengguna layanan mobile banking yang menjadi responen dalam penelitian ini ketika
merasa kegunaan dari layanan mobile banking akan membembentuk perilaku untuk tetap
menggunakan aplikasi mobile banking yang dapat diukur berdasarkan indikator; mempercepat
pekerjaan, meningkatkan kinerja, menambah tingkat produktivitas, meningkatkan efektivitas,
dan bermanfaat. Sejalan dengan hasil ini adalah penelitan dari Aboelmaged dan Gebba. Implikasi
untuk Bank SulutGo adalah penting kegunaan dari aplikasi BSGTouch sehingga meningkatkan
perilaku untuk menggunakan kembali aplikasi tersebut.
Berdasarkan tabel 10 memperlihatkan pengaruh Perceived Usefulness terhadap Actual Use
yang melalui Attitude Toward Using dan Behavioral Intention to Use menunjukan nilai
T=3.882>1.96, dan p=0.00<0.05 sehingga dapat disimpulkan bahwa Perceived Usefulness
terhadap Actual Use yang melalui Attitude Toward Using dan Behavioral Intention to Use secara
positif dan signifikan. Sehingga hipotesis ketujuh (Ha7) diterima. Dari hasil ini dapat
disimpulkan bahwa nasabah pengguna layanan mobile banking yang menjadi responen dalam
penelitian ini mengindikasikan sebuah penggunaan sebenarnya dari BSGTouch dimulai dari
kegunaan dan membuat sikap positif terhadap BSGTouch dan akan berniat untuk tetap
menggunakan aplikasi BSGTouch kedepannya. Penelitian ini mendukung penelitian sebelumnya
yang dilakukan oleh Baptista & Oliveira tentang penerimaan terhadap layanan mobile banking.
Implikasi untuk Bank Sulutgo adalah frekuensi penggunaan sebenarnya dari BSGTouch
didapatkan mulai dari nasabah menganggap sebuah aplikasi itu berguna.
Berdasarkan tabel 10 memperlihatkan pengaruh Perceived Ease of Use terhadap Actual Use
yang melalui Attitude Toward Using dan Behavioral Intention to Use menunjukan nilai
T=4.506>1.96, dan p=0.00<0.05 sehingga dapat disimpulkan bahwa Perceived Ease of Use
terhadap Actual Use yang melalui Attitude Toward Using dan Behavioral Intention to Use secara
positif dan signifikan. Sehingga hipotesis kedelapan (Ha8) diterima. Dimana Perceived Ease of
Use berpengaruh terhadap Actual Use melalui Attitude Toward Using dan Behavioral Intention
to Use. Dari hasil ini dapat disimpulkan bahwa nasabah pengguna layanan mobile banking yang
menjadi responen dalam penelitian ini mengindikasikan sebuah penggunaan sebenarnya dari
BSGTouch dimulai dari kemudahan penggunaan dan membuat sikap positif terhadap BSGTouch
dan akan berniat untuk tetap menggunakan aplikasi BSGTouch kedepannya. Penelitian ini
mendukung penelitian sebelumnya yang dilakukan oleh Tam dan Oliveira. Implikasi untuk Bank
Sulutgo adalah frekuensi penggunaan sebenarnya dari BSGTouch didapatkan mulai dari nasabah
menganggap sebuah aplikasi itu mudah dalam penggunaan.
Berdasarkan tabel 10 memperlihatkan pengaruh Perceived Usefulness terhadap Actual Use
yang melalui Behavioral Intention to Use menunjukan nilai T=4.040>1.96, dan p=0.00<0.05
sehingga dapat disimpulkan bahwa Perceived Usefulness terhadap Actual Use yang melalui
Behavioral Intention to Use secara positif dan signifikan. Sehingga hipotesis kesembilan (Ha9)
diterima. Dari hasil ini dapat disimpulkan bahwa nasabah pengguna layanan mobile banking
yang menjadi responen dalam penelitian ini mengindikasikan sebuah penggunaan sebenarnya
dari BSGTouch dimulai dari kegunaan yang akan membetuk niat untuk tetap menggunakan
aplikasi BSGTouch kedepannya. Penelitian ini mendukung penelitian sebelumnya yang
dilakukan oleh Nasri & Charfeddine. Implikasi untuk Bank Sulutgo adalah frekuensi penggunaan
sebenarnya dari BSGTouch didapatkan mulai dari nasabah menganggap sebuah aplikasi itu
berguna sehingga membuat niat penggunaan kembali, dan menambah frekuensi penggunaan..
Tabel 11 Total, Direct, dan Indirect Effects

Total Effects Direct Effects Indirect Effects

ATU -> BIU 0.537 0.537
BIU -> AU 0.525 0.525
PEOU -> ATU 0.792 0.639 0.153
PEOU -> PU 0.610 0.610
PU -> ATU 0.251 0.251
PU -> BIU 0.415 0.280 0.135
PU -> ATU -> BIU -> AU 0.071 0.071
PEOU -> ATU -> BIU -> 0.180 0.180
AU
PU -> BIU -> AU 0.147 0.147

Pada tabel 11 menunjukkan pengaruh total yang terbesar yaitu PEOU->ATU=0.792 dan yang
terkecil adalah PU->AU=0.071. Pada tabel 4.11 juga memperlihatkan besaran pengaruh
langsung dari PEOU->ATU=0.639 adalah yang terbesar dan PU->ATU= 0.251 adalah yang
terkecil. Nilai pengaruh tidak langsung pada tabel 4.11 menunjukan bah PU ->ATU -> BIU ->
AU=0.071. Secara logis dapat disimpulkan ketika nasabah mendapat kegunaan dari aplikasi
mobile banking, dan kegunaan tersebut dapat diterima positif, akan membuat pengguna ingin
menggunakannya kembali yang akan membuat intensitas penggunaan aplikasi mobile banking
meningkat. Selanjutnya bisa dilihat juga PEOU -> ATU -> BIU -> AU=0.180. Secara logis dapat
disimpulkan ketika nasabah diberikan kemudahan penggunaannya, dan kemudahan tersebut
dapat diterima positif, akan membuat pengguna ingin menggunakannya kembali yang akan
membuat intensitas penggunaan aplikasi mobile banking meningkat. Terakhir bisa dilihat PU ->
BIU -> AU= 0.147. Bisa diartikan ketika nasabah merasakan kegunaan penggunaan aplikasi
mobile banking, akan membuat pengguna ingin menggunakannya kembali yang akan membuat
intensitas penggunaan aplikasi mobile banking meningkat.

Gambar Structural Equation Model Estimation

Gambar diatas menunjukan analisis model struktural dari penelitian ini, bisa dilihat besaran path
coefficients antar variabel. Gambar diatas juga menyajikan data besaran nilai outer loading dari
tiap variabel terhadap indikatornya. Berdasarkan analisis model struktural, penelitian ini
menghasilkan persamaan struktural yang menjelaskan pengaruh masing-masing variabel eksogen
terhadap variabel endogen. Persamaan strukturalnya adalah:
1. Perceived Usefulness = 0.610*PEOU + 0.628
2. Attitude Toward Using = 0.792* PEOU + 0.251*PU + 0.333
3. Behavioral Intention to Use = 0.537*PU + 0.415*ATU + 0.792*PEOU + 0.440
4. Actual Use = 0.525*BIU + 0.537*PU + 0.415*ATU + 0.792*PEOU + 0.724
 BAB V
KESIMPULAN
A. Kesimpulan
Berdasarkan hasil temuan dari penelitian yang telah dilakukan, kesimpulan dari penelitian ini
adalah; Perempuan merupakan jenis kelamin yang mendominasi dalam penggunaan layanan
mobile banking BSGTouch pada penelitian ini. Kemudian rentang umur pengguna layanan
mobile banking BSGTouch pada penelitian ini yang mendominasi adalah 17 sampai 25 tahun.
Perceived Usefulness dan Perceived Ease of Use memiliki pengaruh yang positif dan signifikan
terhadap Attitude Toward Using. Perceived Ease of Use memiliki pengaruh yang positif dan
signifikan terhadap Perceived Usefulness. Attitude Toward Using memiliki pengaruh yang
positif dan signifikan terhadap Behavioral Intention To Use. Behavioral Intention To Use
memiliki pengaruh yang positif dan signifikan terhadap Actual Use. Perceived Usefulness
memiliki pengaruh yang positif dan signifikan terhadap Behavioral Intention To Use. Perceived
of usefulness dan perceived of use berpengaruh positif terhadap actual use melalui attitude
toward using dan Behavioral Intention To Use sebagai intervening variable. Ditemukan juga
nilai Coeffiicient of Determination dari variabel yg menjelaskan variabel actual use termasuk
lemah.
B. Saran
Berdasarkan hasil penelitian yang telah dilakukan, maka rekomendasi yang diberikan bagi
akademisi dan peneliti selanjutnya diharapkan dapat menjadikan penelitian ini sebagai referensi
akademis mengenai teori Technology Acceptance Model dalam penggunaan mobile banking dan
dapat melanjutkan penelitian ilmiah ini dengan menggunakan teori lain. Meninjau kembali
variabel yang belum digunakan untuk mengukur variabel actual use karena ditemukan variabel
dalam penelitian ini hanya menjelaskan sebesar 27.6% dimana merupakan pengaruh lemah. Bagi
pihak Bank SulutGo diharapkan dapat dijadikan salah suatu tambahan informasi atau sebagai
masukan yang dapat dipertimbangkan perusahaan khususnya pihak manajemen.
Implikasi manajerial yang dapat diambil ialah kepada pemilik layanan untuk selalu
memastikan kegunaan dan kemudahan penggunaan dalam pengembangan aplikasi mobile
banking BSGTouch dari Bank SulutGo. Selanjutnya agar nasabah pengguna tetap membentuk
sikap positif terhadap pemakaiannya yang berpengaruh terhadap perilaku ingin tetap
menggunakan aplikasi BSGTouch, yang juga membuat banyaknya frekuensi penggunaan
nasabah terhadap aplikasi mobile banking BSGTouch.
 DAFTAR PUSTAKA

Sugiyono. 2010. STATISTIKA UNTUK PENELITIAN. Bandung: ALFABETA.

Walean, Ronny dan Juhenwils Talumantak. 2021. Pemodelan Persamaan Struktural Pada Adopsi
Mobile Banking Studi Kasus: Bsgtouch Bank Sulutgo. Cogito Smart Journal. VOL. 7 -
NO.2, DESEMBER 2021: 432-433.