Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Strata Satu
Program Studi Sistem Informasi
Disusun Oleh:
DWI RIZKI SABARKHAH
1113093000047
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Strata Satu
Program Studi Sistem Informasi
Disusun Oleh:
DWI RIZKI SABARKHAH
1113093000047
i
PENGUKURAN TINGKAT PENERIMAAN DAN PENGGUNAAN
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Strata Satu
Oleh:
JAKARTA
2018 M / 1440 H
ii
iii
iv
v
ABSTRAK
vi
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Allah SWT yang telah memberikan
rahmat dan hidayah-Nya, sehingga penulis dapat skripsi dengan judul “Pengukuran
Selatan Dengan Menggunakan Model UTAUT 2”. Dalam penyusunan laporan ini
penulis telah mendapat banyak bantuan dan bimbingan serta semangat dari berbagai
pihak. Tanpa bantuan dari berbagai pihak, tentunya proses penyusunan laporan ini
akan terasa sulit untuk diselesaikan. Oleh karena itu, penulis ingin menyampaikan
1. Kedua orang tua penulis, Bapak Wijianto dan Ibu Sarniti yang selalu
memberikan semangat, kasih sayang yang melimpah dan doa yang tiada
untuk mereka. Terima kasih juga kepada Prasetyo Andi Sabarkah dan
Sifa Nurhidayati yaitu Kakak dan adik penulis yang selalu memberikan
2. Bapak. Dr. Agus Salim, M.Si selaku Dekan Fakultas Sains dan Teknologi
vii
tenaga, kesediaan menjawab setiap pertanyaan penulis dan senantiasa
6. Latifa Zahra, yang telah memberi semangat dan kekuatan kepada penulis.
Selain itu juga terima kasih atas segala waktu yang diberikan sehingga
laporan ini yang tidak dapat disebutkan satu persatu namun tidak
bahwa dalam penyusunan laporan ini masih banyak kekurangan yang disebabkan
viii
bermanfaat untuk yang membaca terkhusus untuk penulis dan menambah ilmu bagi
ix
DAFTAR ISI
ABSTRAK ............................................................................................................. vi
BAB I ...................................................................................................................... 1
BAB II ................................................................................................................... 19
x
2.2 Konsep Dasar Pengukuran ............................................................................. 20
xi
2.10.1 Metode Bootstraping ............................................................................. 55
BAB IV ................................................................................................................. 91
4.2.1 Interpretasi dan Diskusi Hasil Analisi Data Demografis ...................... 124
xii
5.1 Kesimpulan .................................................................................................. 138
xiii
DAFTAR GAMBAR
xiv
DAFTAR TABEL
xv
Tabel 4. 10 Hasil Uji Loading Factor Responden Perempuan ............................ 114
Tabel 4. 11 Hasil Uji CR dan AVE Variabel Moderator Gender ...................... 115
Tabel 4. 12 Hasil Uji Struktur Model Variabel Moderator Laki-laki ................. 116
Tabel 4. 13 Hasil Uji Struktur Model Variabel Moderator Perempuan .............. 117
Tabel 4. 14 Hasil Uji Loading Factor Responden Usia Remaja ......................... 119
Tabel 4. 15 Hasil Uji Loading Factor Responden Usia Dewasa ......................... 120
Tabel 4. 16 Hasil Uji CR dan AVE Variabel Moderator Age ............................ 121
Tabel 4. 17 Hasil Uji Struktur Model Variabel Moderator Usia Remaja ........... 123
Tabel 4. 18 Hasil Uji Struktur Model Variabel Moderator Usia Dewasa ........... 123
Tabel 4. 19 Hasil Uji Hipotesis ........................................................................... 128
xvi
BAB I
PENDAHULUAN
pemikiran baru yang turut berkembang seiring dengan kemajuan zaman. Dalam
Tidak hanya pembayaran online yang dapat menyelesaikan masalah fisik waktu dan
tenaga kerja, tetapi juga yang dapat memberikan lingkungan yang aman, cepat dan
banyak keuntungan yang nyaman (Jiang, Yang, & Jun, 2013). Menurut Santomero
dan Seater (dalam Juliastuti & Hasanah, 2016) ketika sistem pembayaran dituntut
untuk selalu memenuhi setiap kebutuhan masyarakat dalam hal perpindahan dana
secara cepat, aman dan efisien, maka beberapa inovasi teknologi dalam pembayaran
semakin bermunculan dengan sangat cepat dalam menyediakan alternatif jasa untuk
pembayaran non tunai berupa suatu sistem transfer dan alat pembayaran
menggunakan sebuah kartu elektronik (electronic card payment) yang aman, cepat
Uang tunai menjadi alat yang utama dalam setiap kegiatan transaksi
dari penggunaan alat pembayaran berbasis kertas seperti cek dan bilyet giro ke
penggunaan alat pembayaran berbasis kartu dan elektronik terlihat dari masyarakat
yang semakin terbiasa menggunakan alat pembayaran seperti kartu kredit, kartu
1
ATM/Debet, transfer elektronik melalui kliring dan Real Time Gross Settlement
(RTGS), Scripless Securities Settlement System (SSSS), uang elektronik baik yang
berbentuk kartu (chip based) maupun server based, pembayaran melalui saluran
demikian, ada sebagian masyarakat tertentu yang masih atau lebih nyaman
nilai uang yang disetor terlebih dahulu oleh pengguna kepada penerbit, uang
tersebut disimpan secara elektronik dengan media atau server yang digunakan
yang lebih mudah, cepat, dan murah, sehingga besar kemungkinan uang elektronik
ini dapat menggeser peran uang tunai yang menjadi alat pembayaran utama saat ini
2) Server atau chip merupakan suatu media penyimpanan nilai uang secara
elektronik.
2
4) Nilai uang elektronik yang disetor oleh pengguna dan dikelola oleh
elektronik berbasis kartu lainnya seperti kartu kredit dan kartu debet. Kartu kredit
dan kartu debet bukan merupakan prepaid products melainkan access products.
Perbedaan antara prepaid products dengan access product dapat dilihat dari dana
yang tercatat, prepaid products dana yang tercatat sepenuhnya dalam penguasaan
pengguna, sedangkan access product dana yang tercatat berada dalam pengelolaan
dana secara elektronik ke terminal pedagang, yang akan langsung mengurangi nilai
uang elektronik pada elektronik perangkat yang dikelola oleh pemilik (Usman,
2017).
Menurut Bank Indonesia jumlah uang elektronik yang beredar dan jumlah
1.1 jumlah uang elektronik yang beredar dimulai dari Januari 2010 sampai Mei
2017.
3
Berdasarkan tabel 1.1 jumlah uang elektronik yang berdar mengalami
kenaikan disetiap tahunnya, terkecuali di tahun 2014 dan 2015 yang mengalami
dapat dilihat di gambar 1.1 terdapat uang elektronik berbasis chip dan berbasis
server.
dan manfaat yang ada pada sistem tersebut dapat memaksimalkan sistem dan
satunya yang akan digunakan dalam penelitian ini adalah model UTAUT2 (Unified
4
lanjut dari model UTAUT, dimana UTAUT2 mempelajari penerimaan dan
penggunaan dari sebuah teknologi dalam konteks konsumen (Venkatesh, Thong, &
Xu, 2012). Tujuan dari model UTAUT2 adalah mengidentifikasi tiga konstruk
penting dari penelitian penerimaan dan penggunaan teknologi baik untuk umum
maupun konsumen, merubah beberapa hubungan yang sudah ada pada konsep
model UTAUT, dan mengenalkan hubungan baru (Venkatesh et al., 2012). Tiga
konstruk ditambahkan yaitu Hedonic Motivation, Price Value, dan Habit. Faktor
yang mentukan suatu penerimaan pengguna sistem atau teknologi yang baru
ditentukan oleh dua faktor penentu, yaitu orang akan cenderung untuk
menggunakan atau tidak menggunakan teknologi yang baru apabila mereka percaya
hal itu akan bemanfaat untuk membantu dalam melakukan pekerjaan menjadi lebih
baik dan jika orang percaya bahwa apa yang telah diberikan oleh sebuah teknologi
yang baru itu bermanfaat, namun mereka percaya bahwa teknologi itu sulit
tersebut, selain manfaat dalam suatu teknologi ada juga faktor kemudahan dalam
menggunakan teknologi merupakan hal yang terpenting, sehingga nilai manfaat dan
teknologi yang baru. Apabila nilai manfaat dan kemudahan dalam penggunaan
teknologi tersebut bernilai besar maka penerimaan teknologi tersebut pun menjadi
macam transaksi, seperti halnya pembayaran tiket commuter line, pembayaran tiket
5
melakukan pengalihan semua transaksi dari uang tunai menjadi transaksi uang
elektronik dalam waktu dekat ini dirasa cukup sulit, permasalahan tersebut dapat
terjadi disebabkan oleh kebiasaan masyarakat yang sampai saat ini masih senang
menggunakan uang tunai, selain itu masyarakat juga masih belum mengetahui
kegunaan dan kemudahan uang elektronik yang dapat digunakan dimana saja
nominal uang yang terdapat pada uang elektronik tidak termasuk dalam simpanan.
Sehingga apabila terjadi suatu hal yang tidak diinginkan seperti rusak atau
hilangnya uang elektronik, penggunaan uang elektronik yang bukan pemilik kartu
tidak dapat dilacak keberadaannya dan uang elektronik tersebut tidak dapat diblokir
2017) pada transaksi pembayaran tol menggunakan uang elektronik adalah respon
dari mesin pembaca sensor uang elektronik yang lambat, hal ini bertentangan
elektronik masih belum optimal, selain itu interoperabilitas dari uang elektronik
produk uang elektronik (Khatimah & Halim, 2014). Pada tahun 2013, dilakukan
survey oleh MARS Indonesia mengenai tingkat kesadaran terhadap pengguna uang
6
elektronik ini masih cukup rendah dan hanya 23,8% masyarakat yang baru
mengenalnya (Dzulhaida, Rifaldi, & Giri, 2015). Menurut kuasa hukum Forum
Warga Kota Jakarta (dalam artikel news.detik.com, 2017), "Setelah dipelajari lebih
seksama, ternyata dalam UU Nomor 7 tahun 2011 dinyatakan uang yang sah adalah
rupiah, bentuknya kertas dan logam, tidak ada uang elektronik". Forum Warga Kota
Jakarta (Fakta) mengaku tidak menolak akan era uang elektronik, namun perlu
Jakarta di sebelah timur. Tangerang Selatan merupakan kota terbesar kedua dalam
jumlah penduduk di Provinsi Banten setelah Kota Tangerang serta terbesar kelima
Berkualitas dan Beradaya Saing Berbasis Teknologi dan Inovasi. Sedangkan Misi
7
Penelitian mengenai kinerja proyek dalam lingkungan sistem informasi
dirasa sangat menarik bagi para peneliti dan praktisi selama bertahun-tahun (A’ang
Indonesia terkait penerapan uang elektronik dan visi misi dari Tangerang Selatan,
dengan Menggunakan Model UTAUT 2”. Dari hasil penelitian ini diharapkan dapat
terjadi suatu hal yang tidak diinginkan maka uang elektronik tidak dapat
terjadi respon dari mesin pembaca sensor uang elektronik yang lambat.
elektronik.
8
5. Penerimaan sebagai faktor utama yang akan menentukan sukses atau
dana) diharapkan dapat dilakukan secara cepat, aman dan efisien. Pergeseran dari
berbasis kartu dan elektronik semakin meningkat tiap tahunnya, ini terlihat dari
kurangnya kepercayaan terhadap uang elektronik, dan tidak adanya sistem kemanan
dalam uang elektronik. Oleh karena itu, kebiasaan masyarakat yang masih senang
menggunakan uang tunai belum hilang sampai sekarang. Hal ini terjadi juga di kota
Tangerang Selatan yang telah menerapkan konsep smart city. Dalam artikel
untuk mewujudkan visi Tangerang Selatan sebagai kota cerdas yang berkualitas dan
9
menampilkan tingkat penerimaan dan penggunaan teknologi uang elektronik di
Tangerang Selatan.
1.4.1 Tujuan
Selatan.
1.4.2 Sasaran
yang dikembangkan.
10
1.5 Model Penelitian
UTAUT 2 yang merupakan pengembangan dari model UTAUT yaitu sebuah model
dkk, 2003). Model ini terdiri dari 7 variabel yaitu variabel Performance Expetancy
(PE), Effort Expetancy (EE), Social Influence (SI), Facilitating Conditions (FC),
Hedonic Motivation (HM), Price Value (PV), Habit (HT). Selain itu peneliti
Security dan Perceived Trust. Menurut McKnight et al (dalam Khatimah & Halim,
2014) mendefinisikan Perceived Trust adalah faktor kunci dan pondasi dalam
antara tingkat kepercayaan dengan niat penggunaan (Suh & Han, 2002). Merasa
aman dalam melakukan transaksi keuangan dengan teknologi online penting untuk
pembayaran online (Salisbury et al., 2003) Menurut Shin (dalam Morosan &
jenis kelamin (gender), usia (age), dan pengalaman (experience). Berikut adalah
11
Gambar 1. 2 Model Penelitian Yang Diajukan (Venkatesh et al., 2012)
Mengacu pada tujuan dan sasaran penelitian, maka dua pertanyaan utama
12
Berikut adalah pertanyaan penelitian terkait faktor-faktor yang
Ruang lingkup dan batasan pada penelitian ini adalah sebagai berikut :
13
disebutkan oleh McKnight et al (dalam Khatimah & Halim, 2014), Suh
dan Han (2002), Salisbury et al., (2001) dan Shin (dalam Morosan &
DeFranco, 2016)
SmartPLS versi 3.0 (Yamin & Kurniawan, 2011; Hair et al., 2012;
Afthanorhan & Asyraf, 2013; Wong, 2013; Ringle, da Silva, & Bido,
2015).
Setiawan, 2016). Kuesioner yang dirancang dalam bentuk pernyataan yang sejalan
14
responden yang telah ditargetkan. Studi literatur juga dilakukan peneliti untuk
mendapatkan sampel yang bisa mewakili populasi ini. Sampel diambil dengan
2013; Anjarsari & Waluyo, 2017; Ayuningtias & Waluyo, 2017). Tahap pertama
dilakukan untuk memilih bagian dari populasi, dimana kriteria yang dipilih adalah
responden yang tepat melalui tatap muka. Sedangkan, penyebaran secara tidak
langsung dilakukan oleh peneliti dengan menyebarkan link melalui sosial media
dengan bantuan fitur google forms untuk pengisiannya. Setelah itu, semua
tersebut diperoleh sebanyak 228 data yang valid untuk digunakan. Proses analisis
3.0 (Yamin & Kurniawan, 2011; Hair et al., 2012; Afthanorhan & Asyraf, 2013;
15
Wong, 2013; Ringle, da Silva, & Bido, 2015), selanjutnya interpretasi dilakukan
batasan penelitian.
dan Gauvreau (dalam Subiyakto & Ahlan, 2014) bahwa sebagian besar
sistem.
16
1.10 Sistematika Penulisan
Laporan penelitian ini terbagi dalam lima bab yang meliputi pendahuluan,
kajian pustaka, metodologi penelitian, hasil analisis dan interpretasi, dan penutup.
Bab I Pendahuluan
Bab ini menjelaskan tentang latar belakang, perumusan masalah, tujuan dan
penelitian.
Bab ini memaparkan tentang metode proses pelaksanaan penelitian yang digunakan
dalam penelitian ini, yang dimana dibagi dua metode yaitu metode pengumpulan
17
Bab IV Hasil dan Pembahasan
Bab ini memaparkan analisis data dan hasilnya, interpretasi, dan diskusi hasil
dengan perangkat lunak SmartPLS 3.0 meliputi analisis pengukuran model (model
interpretasi dan diskusi dilakukan dengan merujuk kepada basis teori sebelumnya,
Bab V Penutup
Bab ini menjelaskan tentang kesimpulan dan saran atas hasil pelaksanaan penelitian
terutama terkait dengan aspek penggunaan dan kelanjutan bagi kajian selanjutnya.
18
BAB II
LANDASAN TEORI
Provinsi Banten yaitu pada titik koordinat 106'38' - 106'47’ Bujur Timur dan
dilintasi oleh Kali Angke, Kali Pesanggrahan dan Sungai Cisadane sebagai batas
administrasi kota di sebelah barat. Tangerang Selatan juga menjadi salah satu
Tangerang Selatan memiliki konsep smart city, yang merupakan salah satu
tujuan yang ingin dicapai dalam rangka mewujudkan visi Tangerang Selatan
sebagai kota cerdas yang berkualitas dan berdaya saing. Tangerang Selatan smart
19
Berdasarkan web portal (www.tangerangselatankota.go.id) Tangerang Selatan
informasi.
secara sistematis untuk memperoleh besaran kuantitatif dari suatu objek tertentu
dengan menggunakan alat ukur yang baku. Menurut Hopkins dan Antes (1990),
suatu objek, orang atau peristiwa. Adapun pendapat lain tentang pengukuran
menurut Jogiyanto (2008) yaitu, pemberian nilai properti dari suatu objek, dimana
objek merupakan suatu entitas yang akan diteliti, sedangkan properti adalah
20
atau melakukan penilaian dari sebuah sistem atau teknologi dengan alat ukur yang
baku.
berasal dari bahasa inggris yaitu technology. Menurut KBBI teknologi merupakan
suatu metode ilmiah atau ilmu pengetahuan terapan yang digunakan untuk
mencapai tujuan praktis, dalam arti lain teknologi merupakan semua sarana dalam
hidup manusia. Dalam bahasa Yunani, technologia yang memiliki asal kata techne
yang memiliki arti wacana seni. Pada umumnya kata teknologi digunakan untuk
atau menghasilkan suatu produk yang dapat meningkatkan nilai tambah dan juga
bagian dari sebuah integral di dalam sistem. Kata teknologi memiliki makna
sebagai pengembangan dan penerapan dari berbagai alat atau sistem untuk
teknologi merupakan hasil dari olah pikir manusia untuk mengembangkan suatu
21
2.3.2 Definisi Smart Card
Smart card merupakan sebuah kartu yang ukuran seperti halnya kartu kredit
hal seperti menyimpan data dan informasi namun tidak sebaik dengan
disetarakan. Smart card memiliki dua tipe dasar yaitu intelligent smart card yang
dan menghitung seperti halnya komputer dan memory card yang tidak memiliki
Keuntungan dari penggunaan smart card yaitu dapat menyimpan informasi lebih
banyak, dapat melakukan fungsi dengan jangkauan industri yang lebih luas, dapat
diakses dengan perangkat elektronik yang mudah dibawa, teknologi yang terus
berkembang, kualitas daya tahan lebih baik dan tidak mudah dipalsukan
Smart card merupakan kartu berbahan plastik yang memiliki memory chip
keunggulan yaitu tidak perlu dilakukannya akses database di server karena sudah
terbuat dari bahan semikonduktor yang berfungsi untuk menyimpan data (K. Kim,
2015).
22
2.3.3 Definisi dan Manfaat Uang Elektronik
Elektronik adalah suatu alat pembayaran yang telah memenuhi unsur-unsur sebagai
berikut:
2) Server atau chip merupakan suatu media penyimpanan nilai uang secara
elektronik.
4) Nilai uang elektronik yang disetor oleh pengguna dan dikelola oleh
Uang elektronik adalah suatu alat pembayaran yang tidak memiliki hak
kepemilikan dan diterbitkan berdasarkan nilai uang yang disetor terlebih dahulu
oleh pengguna kepada penerbit, uang tersebut disimpan secara elektronik dengan
media atau server yang digunakan sebagai alat pembayaran. Pada dasarnya uang
Biasanya, saldo minimum yang diharuskan adalah sebanyak biaya layanan termahal
dari penyedia layanan tersebut. Misal, biaya layanan toll adalah Rp. 11.500,-, maka
saldo minimal yang harus dimiliki adalah Rp. 11.500,- sesuai dengan apa yang
23
dibutuhkan. Sedangkan dalam transaksi layanan KRL, pengguna diwajibkan
memiliki saldo minimal Rp. 5.000,-. Untuk saldo uang elektronik itu sendiri dapat
digunakan sampai habis. Kelebihan dari uang elektronik ini berupa transaksi yang
lebih mudah, cepat, dan murah, sehingga besar kemungkinan uang elektronik ini
dapat menggeser peran uang tunai yang menjadi alat pembayaran utama saat ini
(Waspada, 2012).
dalam transaksi internet dengan cara elektronik. Biasanya, transaksi ini melibatkan
value) atau prabayar (prepaid) dimana sejumlah nilai uang disimpan dalam suatu
media elektronis yang dimiliki seseorang. Nilai uang dalam uang elektronik akan
sinyal digital dikirim bank untuk menjamin nilai nominal. Uang yang telah
komunikasi komputer uang dibuat berbentuk kartu plastik, dan uang elektronik
digunakan dalam berbagai bentuk (Kim, Hyun Joo, Lee, Soo Jong & Shin, 2013).
perekonomian modern saat ini, arus pertukaran barang dan jasa menjadi sangat
pembayaran lebih baik, efisien, cepat dan aman. Selain itu uang cash yang biasa
24
digunakan sebagai alat pembayaran saat ini mulai memiliki berbagai masalah
transaksi.
daya pendapatan.
dengan uang tunai dan alat pembayaran non-tunai yang lain menurut Hidayati,
(2006) adalah:
lebih cepat dan singkat dibandingkan dengan kartu kredit atau debit,
25
dapat diisi ulang kedalam kartu melalui berbagai sarana yang
1) Berdasarkan media
elektronik penerbit.
26
2.3.5 Jenis-jenis Transaksi Pada Uang Elektronik
pengguna, pengisian saldo dapat dilakukan dengan cara setor tunai, debit,
2) Transaksi Pembayaran
3) Transfer
tempat yang telah dilengkapi dengan alat khusus yang disediakan oleh
penerbit.
4) Tarik Tunai
Tarik tunai merupakan fasilitas yang ada dalam uang elektronik untuk
penarikan tunai atas nilai uang elektronik yang tersimpan pada media uang
27
5) Redeem/Refund
terdapat nilai uang yang tidak terpakai, ataupun yang dilakukan oleh
Indonesia yaitu:
1) Kartu Kredit
barang dan jasa, yang pembayaran dan pelunasannya dapat dilakukan oleh
pembeli secara sekaligus atau angsuran pada jangka waktu tertentu setelah
2) Charge Card
Charge card adalah alat berbentuk kartu yang diterbitkan oleh suatu
oleh pembeli secara sekaligus dalam jangka waktu tertentu kartu digunakan.
28
3) Kartu Debet
dan jasa dengan cara mendebit atau mengurangi saldo rekening simpanan
pemilik kartu serta pada saat yang sama, mengkredit saldo rekening penjual
4) Kartu ATM
saat melalui mesin ATM. Pelayanan yang diberikan ATM antara lain
penarikan uang tunai, mengecek dan mencetak saldo rekening nasabah, dan
kredit, transfer uang, dan lainnya. Pada beberapa bank penerbit kartu ATM
terdapat kombinasi fungsi antara kartu debet dan kartu ATM dalam satu
kartu sekaligus.
menggunakan kartu lainnya dapat dilihat dari tabel 2.1 Perbedaan Uang Elektronik
29
2.4 Definisi Penerimaan Pengguna
informasi adalah kemauan yang nampak didalam suatu kelompok pengguna untuk
produk atau layanan tersebut. Adapun pendapat lain menurut Moskowitz et al,
fitur dari pengalaman, ditandai dengan sikap positif terhadap produk, dan/
dipandang sebagai faktor utama yang akan menentukan sukses atau tidaknya suatu
dalam menjelaskan hingga 70% varian pengguna (Venkatesh et al, (2003). Teori ini
30
Gambar 2. 1 Model UTAUT (Venkatesh et al., 2003)
Pada gambar 2.1 merupakan model UTAUT oleh (Venkatesh et al., 2003).
Model ini terdiri dari empat variabel independen (performance expectancy, effort
(behavioral intention dan use behavior), serta empat variabel moderator (gender,
(Venkatesh et al., 2003) menggabungkan fitur-fitur yang berhasil dari delapan teori
31
UTAUT2 menggabungkan tiga konstruksi ke UTAUT: motivasi hedonis
(Hedonic Motivation), nilai harga (Price Value), dan kebiasaan (Habit) dapat dilihat
keuntungan kinerja pada pekerjaan. Dalam konsep ini terdapat gabungan variabel-
penerimaan dan penggunaan teknologi (Jati & Laksito, 2012). Adapun variabel
32
1) Persepsi Terhadap Kegunaan (Perceived Usefulness)
bernilai yang berbeda dari aktivitas itu sendiri, semacam kinerja pekerjaan,
Variabel penelitian ini terdapat pada penelitian Moore dan Benbasat (1991).
33
Ventakesh, et al. (2003) ekspektasi-ekspektasi hasil (outcome
penggunaan sistem yang akan dapat mengurangi upaya (tenaga dan waktu) individu
konstruk pada model atau teori sebelumnya yaitu persepsi kemudahan penggunaan
utilitazation (MPCU), dan kemudahan penggunaan dari teori difusi inovasi (IDT)
bahwa sistem itu mempunyai kegunaan dan karenanya menimbulkan rasa yang
oleh Rogers dan Shoemaker (1971) dalam (Ventakesh, et al. 2003) adalah tingkat
dimana inovasi dipersepsikan sebagai sesuatu yang relatif sulit untuk diartikan dan
34
digunakan oleh individu. Thompson, et al. (1991) menemukan adanya hubungan
mudah dipahami dan mudah dalam hal pengoperasiannya akan menimbulkan minat
bahwa semakin banyak pengaruh yang diberikan sebuah lingkungan terhadap calon
baru maka semakin besar minat yang timbul dari personal calon pengguna tersebut
dalam menggunakan teknologi informasi tersebut karena pengaruh yang kuat dari
lingkungan sekitarnya.
35
Dalam konsep ini terdapat gabungan variabel-variabel yang diperoleh dari
3) Gambaran (image).
dalam TRA, TAM, TPB, faktor sosial dalam MPCU, serta citra dalam teori difusi
inovasi (IDT) (Ventakesh, et al. 2003). Moore dan Benbasat (1991) menyatakan
dimana seseorang percaya bahwa infrastruktur organisasi dan teknis ada untuk
36
3) Kompatibilitas (Compatibility).
Teori sikap dan perilaku (theory of attitude and behavior) dari Triandis
komputer personal, normal sosial (social norms) dalam tempat kerja yang
sebagai tingkat keinginan atau niat pemakai menggunakan sistem secara terus
37
informasi. Perilaku pengunaan teknologi informasi sangat bergantung pada evaluasi
pengguna dari sistem tersebut. Suatu teknologi akan digunakan apabila pemakai
dan telah terbukti memainkan peran penting dalam menentukan penerimaan dan
penggunaan teknologi (Brown & Venkatesh 2005). Dalam penelitian IS, Hedonic
penggunaan teknologi secara langsung (Van der Heijden 2004; Thong et al 2006).
penentu penting penerimaan dan penggunaan teknologi (Brown & Venkatesh 2005;
38
Yang (2010) menemukan bahwa hedonic performance expectancy, social
influence, dan facilitating conditions adalah faktor penentu penting dari keinginan
hedonis atau hiburan dari layanan mobile shopping adalah pendorong yang paling
penting dari AS. niat konsumen untuk menggunakan layanan mobile shopping.
dalam kasus SNWs utilitarian dan perceived enjoyment muncul sebagai mediator
yang signifikan dalam kasus fenomena penerimaan pengguna SNWs yang hedonis
positif jika manfaat dalam menggunakan teknologi dirasakan lebih oleh pengguna
dibandingkan biaya yang dikeluarkan, dan nilai harga juga memiliki pengaruh
positif terhadap niat. Maka dari itu nilai harga dapat digunakan untuk menjadi
39
2.5.9. Habit
berlalunya waktu: (1) pasca pelatihan adalah saat sistem awalnya tersedia untuk
digunakan; (2) satu bulan kemudian; (3) tiga bulan kemudian. Kebiasaan
didefinisikan oleh Limayem et al. (2007) sejauh mana orang cenderung melakukan
perilaku secara otomatis karena belajar, sementara Kim et al. (2005) menyamakan
kebiasaan telah diatur dalam dua cara yang berbeda. Pertama, kebiasaan dipandang
sebagai perilaku sebelumnya (Kim & Malhotra 2005). Kedua, kebiasaan diukur
mempunyai pengaruh terhadap sifat atau arah hubungan antar variabel. Sifat atau
(Liana, 2009).
40
2.7 Populasi dan Sampel
Populasi adalah seluruh data yang menjadi perhatian peneliti dalam suatu
ruang lingkup dan waktu yang ditentukan. Pengertian lain menyebutkan bahwa
populasi adalah keseluruhan objek penelitian yang terdiri dari manusia, benda,
hewan, tumbuhan, gejala, nilai tes atau peristiwa sebagai sumber data yang
2006).
sifat berikut :
secara kuantitatif.
yaitu:
1) Unit analisis
41
3) Banyaknya karakteristik khusus yang ada pada populasi
4) Keterbatasan penelitian
dua kategori teknik pengambilan sampel, seperti yang terdapat dalam gambar 2.3.
yang mutlak, artinya tidak ada suatu ketentuan berapa persen suatu sampel harus
diambil. Satu hal yang perlu diperhatikan adalah keadaan homogenitas populasi.
Jika keadaan populasi homogen, jumlah sampel hampir tidak menjadi persoalan.
42
Teknik sampling adalah teknik pengambilan sampel. Terdapat dua metode
1) Probability Sampling
c. Cluster Sampling
2) Nonprobability Sampling
43
populasi tidak dapat ditentukan. Hal ini disebabkan setiap elemen
berikut :
a. Convenience Sampling
penelitian eksplorasi.
b. Quota Sampling
c. Purposive Sampling
d. Snowball Sampling
44
e. Accidental Sampling
Skala likert adalah suatu skala psikometrik yang umum digunakan dalam
angket dan merupakan skala yang paling banyak digunakan dalam riset berupa
survei. Nama skala ini diambil dari nama Rensis Likert, yang menerbitkan suatu
Menurut Djaali (2008) skala likert adalah skala yang dapat dipergunakan
untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang
(2011) skala likert digunakan untuk mengukur sikap, pendapat, dan persepsi
tingkat persetujuan mereka terhadap suatu pertanyaan dengan memilih salah satu
2) Tidak setuju
3) Kurang setuju
4) Setuju
45
5) Sangat setuju
Selain pilihan dengan lima skala seperti contoh di atas, kadang digunakan
juga skala dengan tujuan atau sembilan tingkat. Suatu studi empiris menemukan
Menurut Bollen (2011) “Sem are sets of equations that encapsulate the
relationships among the latent variabels, observed variables, and error variables”.
SEM dapat digunakan untuk menjawab berbagai masalah riset (research question)
dalam suatu set analisis secara sistematis dan komprehensif. Menurut Ramadiani
(2010), SEM adalah singkatan structural equation model yang merupakan model
Menurut Hussein (2015) SEM merupakan salah satu metode yang saat ini
digunakan untuk menutup kelemahan yang ada pada metode regresi. Para ahli
pertama disebut sebagai Covariance Based SEM (CBSEM) dan pendekatan lainnya
adalah Variance Based SEM atau yang lebih dikenal dengan Partial Least Square
46
yang sering digunakan adalah AMOS dan LISREL sedangkan untuk PLS software
Dengan demikian SEM adalah salah satu teknik analisis multivariat yang
dibandingkan dengan analisis regresi berganda dan analisis faktor. Berikut adalah
Sudiana, 2015).
adalah Amos 7.0 dan software SPSS for windows 15.00 untuk keperluan tabulasi
data. Ukuran sampel yang harus dipenuhi dalam permodelan ini adalah
Adapun contoh SEM lain yang menggunakan software smartPLS 3.0 ditunjukan
47
Gambar 2. 5 Klasifikasi Komponen Model Struktural (Hussein, 2015)
pada model struktural menggunakan software smartPLS 3.0. Penjelasan yang lebih
48
Tabel 2. 2 Keterangan Konstruk SmartPLS (Hussein, 2015)
Istilah Pengertian
Variabel yang tidak diprediksi oleh variabel-variabel yang lain yang terdapat
Konstruk
dalam model. Konstruk eksogen adalah konstruk yang dituju oleh garis
Eksogen
dengan satu ujung anak panah
Merupakan faktor-faktor yang diprediksi oleh satu atau beberapa konstruk.
Konstruk Konstruk endogen dapat memprediksi satu atau beberapa konstruk endogen
Endogen lainnya, tetapi konstruk endogen hanya dapat berhubungan kasual dengan
konstruk endogen
Variabel laten adalah variabel yang nilai kuantitatifnya tidak dapat diketahui
Latent Variabel
secara tampak.
Variabel manifest adalah variabel yang besaran kuantitatifnya dapat
Observed
diketahui secara langsung, misalnya dari skor respons subjek terhadap
Variabel
instrumen pengukuran
Gambar 2.6 di atas adalah contoh dari sebuah penelitian yang akan menguji
Partial Least Square (PLS) pertama kali dikembangkan oleh Herman Wold
(1975). Gaston dalam Yamin dan Kurniawan (2011) menyebutkan PLS dapat juga
49
digunakan untuk tujuan konfirmasi (seperti pengujian hipotesis) dan tujuan
konfirmasi, PLS juga dapat menduga apakah terdapat atau tidak terdapat hubungan
tersebut. Dalam hal ini, hal penting yang harus diperhatikan adalah adanya teori
bergeser dari pendekatan SEM berbasis kovarian menjadi berbasis varian. SEM
yang berbasis kovarian umumnya menguji kausalitas/ teori sedangkan PLS lebih
bersifat predictive model. PLS merupakan metode analisis yang powerfull karena
adalah karena empat alasan. Pertama, algoritma PLS tidak terbatas hanya untuk
hubungan antara indikator dengan konstrak latennya yang bersifat reflektif saja
tetapi algoritma PLS juga dipakai untuk hubungan yang bersifat formatif. Kedua,
PLS dapat digunakan untuk menaksir model path dengan sample size yang kecil.
Ketiga, PLS-SEM dapat digunakan untuk model yang sangat kompleks (terdiri atas
banyak variabel laten dan manifes) tanpa mengalami masalah dalam estimasi data.
Keempat, PLS dapat digunakan ketika distribusi data sangat miring (skew) (Yamin
& Kurniawan, 2011). Pada PLS-SEM juga diatur mengenai penentuan sampel
50
untuk penelitian, yaitu 10 kali dari jumlah maksimum anak panah (jalur) yang
mengarah pada variabel laten (10 time rule of thumb) (Hair, et al., 2013).
SEM populer digunakan oleh para peneliti dan praktisi, yaitu sebagai berikut:
2) PLS dapat digunakan untuk menaksir model path dengan sample size
yang kecil.
Evaluasi model dalam PLS meliputi dua tahap yaitu evalusi outer model
atau pengukuran model dan evaluasi terhadap inner model atau struktural model
(Yamin dan Kurniawan, 2011; Hair et al., 2012; Afthanorhan, 2013; Wong, 2013;
Ringle, 2015) :
51
laten. Dalam evaluasi convergent validity dari pemeriksaan individual
factor di atas 0,7 dapat dikatakan ideal, artinya bahwa indikator tersebut
ke atas berarti dapat diterima dan di atas 0,8 dan 0,9 berarti sangat
yang baik. Artinya, variabel laten dapat menjelaskan rata-rata lebih dari
52
konstraknya lebih tinggi dari korelasi dengan konstrak blok lainnya, hal
validity lainnya adalah bahwa nilai akar AVE harus lebih tinggi
nilai ambang batas di atas 0,1 untuk menyatakan bahwa jalur (path)
pengukuran sekitar 0,67 sebagai kuat, sekitar 0,33 moderat, dan 0,19
53
nilai ambang batas sekitar 0,02 untuk pengaruh kecil, 0,15 untuk
𝑅 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑅2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
f2 = ....................................................(1)
1− 𝑅 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒
Keterangan:
dimasukkan ke model.
nol.
dengan nilai ambang batas sekitar 0,02 untuk pengaruh kecil, 0,15
𝑄 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑄2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
q2 = ....................................................(2)
1− 𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒
54
Keterangan:
dimasukkan ke model.
signifikansi PLS koefisien. Ini dapat digunakan dengan algoritma estimasi PLS
tradisional atau dengan algoritma PLS (PLSc) yang konsisten, meskipun bagian ini
berfokus pada yang pertama. Jika peneliti ingin output dari tingkat signifikansi, opsi
statistik pengaturan yang PLS hanya satu konteks, tidak sama dengan asymptotic
biasa tes signifikansi akrab bagi pengguna regresi dan aplikasi data acak-normal
berarti di sana adalah satu peluang di 20 bahwa hasil yang kuat atau lebih kuat
sampel lain dari populasi), dengan asumsi sampling acak dari distribusi normal.
sebagai semua efek, namun kecil, nyata dan tidak ada kemungkinan "sampel lain".
ketika data tidak dapat diasumsikan normal. Properti distribusi perkiraan PLS tidak
55
dikenal untuk populasi dan dengan demikian bootstrap sesuai. Seperti biasanya
standar deviasi harus dihitung. Menghitung standar deviasi dari koefisien yang
tingkat probabilitas 0,05 berarti ada satu peluang di 20 yang hasilnya sama kuat
atau kuat secara absolut istilah akan terjadi karena kemungkinan pengambilan
menangani distribusi apa pun, peneliti tidak bisa generalisasi ke populasi kecuali
sampel diambil secara acak dari populasi. Kalau tidak, peneliti dapat
titik data pertama dan menghilangkan setiap titik data d dalam indikator konstruk
menggunakan data yang tersisa. Titik-titik data yang dihilangkan dianggap bernilai
titik data yang benar (yaitu, dihilangkan) dan prediksi yang kemudian digunakan
56
sebagai input untuk ukuran Q². Blindfolding adalah proses berulang. Pada iterasi
berikutnya, algoritma dimulai dengan titik data kedua dan menghilangkan setiap
titik data dt dan berlanjut seperti yang dijelaskan sebelumnya. Setelah iterasi, setiap
titik data telah dihilangkan dan modelnya diestimasi ulang. Ketika PLS-SEM
indikator dalam model pengukuran reflektif konstruk endogen dan konstruk satu
item endogen (prosedur tidak berlaku untuk formatif konstruksi). Dalam model
struktural, nilai Q² lebih besar dari nol untuk tertentu variabel laten endogen
reflektif menunjukkan prediksi model jalur relevansi untuk konstruksi khusus ini.
komunalitas dan cross divalidasi redundansi untuk konstruksi serta indikator. Tidak
seperti bootstrapping, tidak ada kesalahan standar atau koefisien signifikansi yang
ditunjukkan di bawah ini, peneliti harus menetapkan nilai jarak yang disebut
indikator untuk faktor endogen yang dipilih dan melakukan iterasi. Perkiraan dari
57
divalidasi silang, yaitu Q2. Ada nilai Q2 untuk setiap faktor endogen yang
Venkatesh, Thong dan Xu pada tahun 2012 yang menjelaskan perilaku pengguna
variabel. Dua variabel baru yang ditambahkan pada UTAUT 2 oleh peneliti adalah
terdapat variabel moderator yaitu jenis kelamin (gender), usia (age), dan
58
Gambar 2. 7 Model Penelitian (Kim et al., 2009; Venkatesh et al., 2012)
Model yang diajukan dapat dilihat pada gambar 2.7. Model terdiri dari dua variabel
dependen dan sembilan variabel independen. Berikut ini menjelaskan variabel dan
1) Performance Expetancy
59
Tabel 2. 3 Pengertian Indikator dan Variabel Performance Expetancy
Variabel Pengertian Indikator Pengertian Referensi
Pengguna percaya
Perceived menggunakan
usefulness teknologi dapat
menguntungkan.
Tingkat Pengguna akan
dimana senang
seseorang Extrinsic menggunakan
merasakan motivation teknologi bila
bahwa kualitas terus
Ekpektasi Venkatesh,
sistem ditingkatkan.
Kinerja et al.,
informasi
(Performance Teknologi (2003),
sangat
Expectation) meningkatkan Wu, et al.,
membantu Job-fit
(PE) efisiensi dalam (2010)
untuk
pekerjaan.
pekerjaan itu
Teknologi yang
(Venkatesh, et
al, 2003)
Relative baru lebih baik
advantage daripada
sebelumnya.
Teknologi sudah
Outcome
sesuai dengan apa
expectations
yang di harapkan.
.dkk. 2012; Alwahaishi & Snasel, 2013; Harsono & Suryana, 2014; Azis &
Kamal, 2016; Hakim, 2016; Melisa & Indrawati, 2016; Ramdhani et al.,
60
2) Effort Expetancy
Pada tabel 2.4 menjabarkan pengertian dari variabel Effort Expetancy dan
dengan referensinya.
2011; Venkatesh .dkk. 2012; Gatautis & Medziausiene, 2014; Harsono &
Intention.
61
3) Social Influence
Pada tabel 2.5 menjabarkan pengertian dari variabel Social Influence dan
dengan referensinya.
Behavioral Intention.
62
4) Facilitating Conditions
top up, alat bantu atau gadget yang mendukung, pengetahuan dan
(Alwahaishi & Snasel, 2013; Hasrono & Suryana, 2014) juga menjelaskan
63
bahwa facilitating condition memiliki pengaruh terhadap behavioral
5) Hedonic Motivation
64
dan penggunaan teknologi (Brown & Venkatesh 2005). Penelitian
6) Price Value
Pada tabel 2.8 menjabarkan pengertian dari variabel Price Value dan
penjelasan indikator yang ada dalam variabel Price Value, lengkap dengan
referensinya.
65
Suryana, 2014) menjelaskan bahwa Price Value memiliki pengaruh
7) Habit
Pada tabel 2.9 menjabarkan pengertian dari variabel Habit dan penjelasan
& Carvajal- Trujillo, 2013; Harsono & Suryana, 2014; Azis & Kamal, 2016;
66
Melisa & Indrawati, 2016; Ramdhani et al., 2017) menjelaskan bahwa habit
8) Perceived Trust
Pada tabel 2.10 menjabarkan pengertian dari variabel Effort Expetancy dan
dengan referensinya.
67
faktor kunci dalam mengembangkan bisnis layanan transaksi online
(McKnight et al dalam Husnil Khatimah & Fairol Halim, 2014). Suh dan
9) Perceived Security
68
mobile teknologi penting untuk meminimalkan kekhawatiran tentang
2013; Harsono & Suryana, 2014; Azis & Kamal, 2016; Melisa & Indrawati,
69
2016; Ramdhani et al., 2017) menjelaskan bahwa Behavioral Intention
Pada tabel 2.13 menjabarkan pengertian dari variabel Use Behavior dan
penjelasan indikator yang ada dalam variabel Use Behavior, lengkap dengan
referensinya.
Taylor dan Todd (1995),Ventakesh, et al. (2003) dan Ventakesh, et al. (2012).
70
Maka dari itu dapat dilihat pada gambar 2.8 dan dijabarkan hipotesis untuk variabel
H6 FC berpengaruh positif BI
71
Gambar 2. 8 Model Penelitian dengan Hipotesis (Venkatesh et al., 2012)
72
2.12 Penelitian Sebelumnya
1 Basuki Hari Evaluasi penerimaan UTAUT AMOS 1. Faktor-faktor yang mempengaruhi hanya Faktor apa saja yang Penjelasan
Prasetyo, Dian teknologi informasi terhadap sikap untuk menggunakan e- mempengaruhinya pengolahan data
Anubakhti mahasiswa di learning system yaitu PE, EE dan SI cukup lengkap. tidak lengkap.
(Prasetyo dan palembang 2. Gender pada faktor PE hanya pria yang
Anubakhti, 2011) menggunakan model mempengaruhi dalam sikapnya untuk
UTAUT . menggunakan e-learning system.
3. Pada faktor EE gender dan experience
mempengaruhi dalam sikap untuk
menggunakan e-learning system.
4. Pada faktor SI sikap menggunakan e-
learning system di pengaruhi oleh adanya
kesadaran seseorang yang telah
menggunakan dengan interaksi gender dan
experience.
73
Tabel 2. 14 Penelitian Terdahulu ( lanjutan )
No Peneliti Judul Model Tools Hasil Kelebihan Kekurangan
2 Viriya Dharma Model perilaku UTAUT SPSS 1. Hasil pengujian reliabilitas dan validitas Penambahan variabel Bentuk model
(Dharma, 2012) pengguna TIK pada menunjukkan bahwa semua variabel (sudah di serta pengolahan
UMKM di wilayah penelitian adalah valid dan reliabel modifikasikan dengan data tidak di
bekasi dengan sehingga instrumen penelitian dapat penambahan variabel) perlihatkan sama
menggunakan digunakan untuk penelitian utama. sekali
pendekatan UTAUT 2. Untuk tingkat adopsi teknologi informasi
dan komunikasi khususnya internet untuk
tiga kelompok internet (adopter, potensial
adopter, dan non-adopter) terdapat
Performance Expectancy (PE) atau harapan
kinerja terhadap penggunaan internet yang
mempunyai pengaruh yang paling tinggi.
3 Muhammad Nasir Evaluasi penerimaan UTAUT SPSS Terdapat hubungan positif dan signifikan Penelitian yang Karena terlalu
(Nasir, 2013) teknologi informasi terhadap variabel performance expetancy dilakukan mudah mudah
mahasiswa di (PE), effort expectancy dan social influence dipahami dan pantas dipahami
palembang (SI). Melihat dari kelebihan dan kekurangan untuk dijadikan studi sehingga
menggunakan model menurut saya permasalahan yang di angkat literature bagi penelitiannya
UTAUT . dalam penelitian terlalu simple. penelitian lain. terkesan terlalu
simple.
74
Tabel 2. 14 Penelitian Terdahulu ( lanjutan )
No Peneliti Judul Model Tools Hasil Kelebihan Kekurangan
4 R.Kristoforus Jawa Analisis Perilaku UTAUT SmartPLS Dari yang saya sudah amati hasilnya adalah Justifikasi dalam tidak Menurut saya
Bendi dan Sri Penggunaan Sistem behavioral intention di pengaruhi oleh faktor digunakannya variabel tidak ada.
Andayani (Bendi Informasi performance expectation (harapan kinerja) moderator di dalam
dan Andayani, Menggunakan Model dan facilitating conditions (kondisi model penelitian cukup
2013) UTAUT. memfasilitasi). Kurang lengkapnya penjelasan jelas dan masuk akal.
mengenai tool apa yang digunakan dalam
pengolahan data serta tidak adanya
penambahan variabel dari penelitian
sebelumnya membuat penelitian ini terlihat
terlalu simpel.
5 Erna Yuliasari Analisis Faktor UTAUT, SmartPLS Faktor manusia dengan moderasi gender, Menggabungkan 3 Detail pengolahan
(Yualisa, 2014) Determinan DeLone organisasi,dan teknologi berpengaruh model sekaligus dalam datanya tidak di
Penggunaan Sistem dan terhadap niat penggunaan suatu sistem e- satu objek. Menurut jelaskan
Aplikasi McLean government yakni SiAP LKPD. Niat saya penelitian ini
Pemeriksaan Laporan dan Human penggunaan berpengaruh terhadap kepuasan cukup menarik dan
Keuangan dan Organizati pengguna dan manfaat bersih. Terdapat bagus karena
Implikasinya on hubungan kesesuaian antara manusia dan menggunakan 3 model
Technology organisasi, organisasi dan teknologi, manusia sekaligus dalam satu
-HOT Fit dan teknologi dalam pengadopsian sistem objek. Serta penjelasan
informasi. mengenai modelnya
cukup jelas.
75
Tabel 2. 14 Penelitian Terdahulu ( lanjutan )
No Peneliti Judul Model Tools Hasil Kelebihan Kekurangan
6 Ni Made Trisna Analisis faktor-faktor UTAUT SPSS Semua variabel berpengaruh positif dalam Penambahan variabel Model dan
Safitri dan I Dewa yang mempengaruhi minat pemanfaatan dan pada kompleksitas kompleksitas dalam pengolahan data
Nyoman Wiratmaja minat pemanfaatan tugas berpengaruh positif pada minat model. tidak di
(Safitri dan sistem informasi pemanfaatan SIA. ada baiknya model dan tampilkan tidak
Wiratmaja, 2015). akuntansi. pengolahan data di perlihatkan karena lengkap.
membuat penelitian ini terlihat sangat tidak
lengkap.
7 Hari Moerti, Analisis pengaruh UTAUT GSCA Dari yang saya amati hasil serta pengolohan Dari setiap variabel Pengumpulan data
Endang Siti Astuti variabel-variabel pada data cukup lengkap, dari hasil masing masing memiliki penjelasan melalui online
dan Imam Suyadi model utaut yang variabel dan sub variabel pun di jelaskan yang cukup jelas dan sehingga tidak
(Hari Moerti, 2015) dimodifikasi terhadap berpengaruh atau tidaknya, hanya saja pengolahan datanya tatap muka
penggunaan website e- responden dan pengumpulan data nya masih pun juga seperti itu. dengan
commerce (studi pada blm cukup baik. responden,
pengguna toko fashion sampel hanya 100
online orang, hanya
www.zalora.co.id). fokus kepada
moderasi umur
tidak ke yang lain.
76
Tabel 2. 14 Penelitian Terdahulu ( lanjutan )
No Peneliti Judul Model Tools Hasil Kelebihan Kekurangan
8 Elvira Azis dan Adopsi Teknologi UTAUT 2 SmartPLS Hasil penelitian menunjukkan bahwa minat Hasil analisis dan Data yang
Ragil Muhammad Belanja Online Oleh penggunaan (behavioral intention) internet pengolahan data jelas, dikumpulkan
Kamal Konsumen UMKM oleh konsumen UMKM di Jawa Barat sebesar dan menggunakan tidak berjumlah
(AzisdanKamal, Dengan Model 44,1% dan kebiasaan menggunakan (use seluruh variabel besar, dan
2016) Unified Theory Of behavioral) internet untuk berbelanja secara moderator. penelitian hanya
Acceptance And Use online oleh konsumen UMKM di Jawa Barat terbatas satu situs
Of Technology 2 sebesar 40,5%. Hasil penelitian juga e-commerce.
menunjukkan bahwa jenis kelamin tidak
memiliki dampak yang signifikan terhadap
adopsi internet. Dilihat dari hasil penelitian ini
disaran agar UMKM di JawaBarat diberikan
pengetahuan mengenai internet sehingga
dapat memanfaatkan internet dengan baik.
9 Muhammad Malik Analisis Model UTAUT VisualG Hasil penelitian menunjukkan perbedaan Memodifikasi model Tidak dijelaskan
Hakim Penerimaan Pengguna SCA model penerimaan e-SPT dan e-Filing dari dengan mengganti mengenai data
(Hakim,2016) Sistem Pelaporan jenis kelamin dan variabel use behaviour yang didapat dan
Pajak Online kelompok umur. Terdapat pengaruh variabel menjadi actual use penghilangan
moderator. serta menggunakan dua moderator hanya
variabel moderator asumsi diri sendiri
tidak ada asumsi
mengenai
penelitian
terdahulunya
77
Tabel 2. 14 Penelitian Terdahulu ( lanjutan )
No Peneliti Judul Model Tools Hasil Kelebihan Kekurangan
10 Yesni Malau(Malau, Analisis penerimaan UTAUT SPSS Faktor yang tidak berpengaruh dalam sistem ini Pengolahan data dan Tidak ada
2016). rail ticket system performance expectation (harapan kinerja) dan data yang di penambahan
pada pt.kai dengan facilitating conditions (kondisi memfasilitasi), hasilkan di variabel.
menggunakan model kurangnya penambahan variabel dari penelitian tampilkan
UTAUT sebelumnya atau hanya memakai model yang
sudah ada membuat penelitian ini terlihat
simpel. Namun dalam pengolahan data terlihat
jelas data dan hasil yang di tampilkannya.
11 Melisa dan Indrawati ANALYSIS OF UTAUT 2 SmartPLS Hasilnya terdapat satu dari enam variabel Memodifikasi Tidak dijelaskan
(MelisadanIndrawati CUSTOMER penelitian yang berpengaruh terhadap variabel model dengan mengenai data
, 2016) ACCEPTANCE OF behavioral intention menghilangkan yang didapat dan
ONLINE TRAVEL variabel price value penelitian hanya
AGENT dan use behavior, terbatas satu situs
TECHNOLOGY serta menggunakan e-commerce.
USING UTAUT2 dua variabel
MODEL (A CASE moderator.
STUDY ON E-
COMMERCE
TRAVELOKA IN
INDONESIA)
UTAUT 2
78
Tabel 2. 14 Penelitian Terdahulu ( lanjutan )
No Peneliti Judul Model Tools Hasil Kelebihan Kekurangan
12 Al Bachri Ramdhani, PENGARUH UTAUT 2 SmartPLS Variabel habit memiliki pengaruh positif dan Penelitian yang Penelitian ini
Indira Rachmawati, ADOPSI signifikan terbesar terhadap behavioral dilakukan mudah berfokus kepada
ST., MSM, dan Fajar TEKNOLOGI intention dan use behavior pada adopsi layanan dipahami dan layanan uang
Sidiq Adi Prabowo, LAYANAN UANG uang elektronik Telkomsel Cash pantas untuk elektronik
MBA (Ramdhani et ELEKTRONIK dijadikan studi Telkomsel Cash
al., 2017) TELKOMSEL literature bagi dan tidak dijelaskan
. CASH penelitian lain alasan
MENGGUNAKAN penghilangan
PENDEKATAN variabel moderator.
UTAUT2
UTAUT 2
79
BAB III
METODOLOGI PENELITIAN
kuantitatif (Creswell, 2013) dan strategi penelitian yang berurutan sesuai dengan
tahapan penelitian juga menerapkan metode, teknik, dan alat secara kuantitatif
seperti yang ditunjukkan oleh prosedur penelitian pada sub bagian berikutnya.
statistik dengan perangkat lunak komputer yang terkait, dan seterusnya. Secara
detail, terkait prosedur, teknik dan alat penelitin dijelaskan dalam sub-bab
berikutnya.
Populasi dalam penelitian ini adalah seluruh pengguna uang elektronik yang
masyarakat Tangerang Selatan yang diperoleh dari Badan Pusat Statistik Kota
Tangerang Selatan, jumlah penduduk Tangerang Selatan pada Tahun 2017 adalah
80
sebesar 1.644.899 orang. Peneliti melakukan pengambilan sampel dengan
2013; Anjarsari & Waluyo, 2017; Ayuningtias & Waluyo, 2017). Tahap pertama
melalui Purposive Sampling yang dilakukan untuk memilih bagian dari populasi,
𝑁
𝑛= .........................................................................(3)
(1+(𝑁×𝑒 2 ))
Keterangan
n : Ukuran Sampel
N : Ukuran Populasi
e : Tingkat kesalahan
1 : Bilangan konstan
1.644.899
sehingga = 199,9 dibulatkan menjadi 200.
(1+(1.644.899 ×0,12 ))
didapatkan oleh peneliti dianggap valid dan dapat dijadikan sampel dalam
penelitian ini.
81
Populasi terbagi dalam tujuh kecamatan dan untuk mengetahui jumlah
sampel tiap kecamatan maka digunakan rumus sample fraction (Handayani &
86.763
1 Setu ×228 12
1.644.899
184.761
2 Serpong ×228 26
1.644.899
350.923
3 Pamulang ×228 49
1.644.899
239.152
4 Ciputat ×228 33
1.644.899
211.003
5 Ciputat Timur ×228 29
1.644.899
392.284
6 Pondok Aren ×228 54
1.644.899
179.993
7 Serpong Utara ×228 25
1.644.899
Jumlah 228
Akan tetapi dalam penelitian ini data yang didapat tidak sesuai dengan
Sehingga responden yang didapat dari penelitian ini berjumlah 228 responden dari
tujuh kecamatan di Tangerang Selatan dengan jumlah yang hampir sama di setiap
kecamatannya.
82
Pada PLS-SEM juga diatur mengenai penentuan sampel untuk penelitian,
yaitu 10 kali dari jumlah maksimum anak panah (jalur) yang mengarah pada
variabel laten (10 time rule of thumb) (Joseph F. Hair, Ringle, & Sarstedt, 2013).
Menurut Roscoe (1975) (dalam Sasmita & Mohd Suki, 2015) mengusulkan tentang
dengan 500.
2) Bila sempel dibagi dalam katagori maka jumlah anggota sempel setiap
Menurut studi terdahulu yang dilakukan oleh Guritno et. al (2011) dan
Wong (2013) dalam Yunita (2017), sampel yang diperlukan dalam SEM (Structural
Equation Model) berkisar antara 100 sampai 200 sampel. Dengan demikian dapat
sebelumnya, penelitian ini juga dilakukan dalam delapan tahap yang secara
83
prosedural dan berurutan seperti diperlihatkan pada gambar 3.1 yang meliputi :
Gambar 3. 1 Prosedur Penelitian (Diadopsi dari Subiyakto et. al, 2015; Subiyakto
84
3.4 Instrumen Penelitian
tentang profil responden, enam pertanyaan umum dan 35 pertanyaan yang dibuat
desain awal kuesioner kepada 30 pengguna uang elektronik. Tujuannya untuk dapat
85
Tabel 3. 2 Indikator dan Butir Pertanyaan Penelitian (Lanjutan)
Variabel Indikator Pertanyaan Kode
Perceived ease Pengguna yakin bahwa menggunakan
EE1
of use teknologi uang elektronik itu mudah.
Ekpektasi Pengguna merasa dipersulit untuk
Usaha (Effort Complexity bertransaksi dengan menggunakan EE2
Expectancy) teknologi uang elektronik.
(EE) Teknologi uang elektronik mengurangi
Ease of use upaya (tenaga dan waktu) dalam proses EE3
transaksi
Besarnya dukungan orang sekitar untuk
Subjective Norm SI1
Pengaruh menggunakan teknologi uang elektronik
Sosial Aturan yang ditetapkan oleh kelompok
(Social Social Factor tertentu untuk menggunakan uang SI2
Influence) elektronik
(SI) Sejauh mana penggunaan teknologi uang
Image SI3
elektronik meningkatkan status pengguna
Process Pengguna merasa aman dalam bertransaksi
Persepsi PS1
Interaction mengunakan uang elektronik
Keamanan
Safety Penerbit uang elektronik melindungi
(Perceived PS2
Precaution pengguna uang elektronik
Security)
Technical Uang elektronik dapat mengatasi masalah
(PS) PS3
Measure dari ancaman keamanan
Tingkat dimana pengguna merasa bahwa
Jaminan
uang elektronik memberikan kepuasan PT1
Kepuasan
Persepsi dalam bertransaksi
Kepercayaan Tingkat dimana pengguna merasa percaya
(Perceived Perhatian bahwa uang elektronik dapat memenuhi PT2
Trust) (PT) tanggung jawabnya kepada pengguna
Tingkat dimana pengguna merasa bahwa
Keterusterangan PT3
uang elektronik dapat dipercaya
Perceived Tingkat dimana pengguna merasa bahwa
behavioral mereka bisa menggunakan teknologi uang FC1
control elektronik
Kondisi yang
Tingkat di mana pengguna percaya bahwa
Memfasilitasi
Facilitating perangkat lunak dan perangkat keras yang
(Facilitating FC2
conditions ada mendukung penggunaan uang
Conditions)
elektronik.
(FC)
Teknologi uang elektronik yang ada sudah
Compatibility FC3
umum digunakan.
Tingkat dimana pengguna merasa senang
Fun saat menggunakan teknologi uang HM1
Motivasi
elektronik
Hedonik
Tingkat dimana pengguna merasa terhibur
(Hedonic
Entertaint saat menggunakan teknologi uang HM2
Motivation)
elektronik
(HM)
Tingkat dimana pengguna merasa tertarik
Interest HM3
menggunakan teknologi uang elektronik
86
Tabel 3. 2 Indikator dan Butir Pertanyaan Penelitian (Lanjutan)
Secara khusus, peneliti menggunakan lima poin skala likert seperti yang
merupakan skala yang digunakan untuk mengukur sikap, pendapat, dan persepsi
yaitu dari “sangat tidak setuju” (1) sampai “sangat setuju” (5). Sementara untuk
87
menjamin validitas dan reliabilitas alat ini, peneliti mengadopsi sejumlah item
indikator dari sejumlah penelitian terkait sebelumnya, antara lain Rasman (2012),
Cussoy, Puspita, dan Hariyanto (2013), Marlindawati (2014), dan Setiawan (2016).
Seperti yang dijelaskan dalam Subiyakto et. al, (2016), teknik gabungan ini dipilih
responden dan kualitas data, serta efisiensi dan efektifitas dalam pengumpulan data.
responden untuk menemukan responden yang tepat melalui tatap muka secara
melalui media sosial dengan bantuan fitur google forms untuk pengisiannya.
Penyebaran kuesioner ini dilakukan dalam kurun waktu kurang lebih satu bulan (7
Januari sampai 10 Februari 2018) guna mencapai jumlah sampel yang ditargetkan.
kepada calon responden, baik secara langsung maupun tidak langsung. Hasilnya
diperoleh sebanyak 250 data yang terkumpul. Selanjutnya pada saat pemrosesan
pengolah angka Ms. Excel 2007 (A’ang Subiyakto & Ahlan, 2014) dan diperolah
hasil bahwa dari 250 data kuesioner yang terkumpul terdapat 228 data yang valid
untuk digunakan. Dari tabel 3.3 dapat diketahui bahwa 105 data kuesioner
88
diantaranya berasal dari penyebaran langsung yang dilakukan dengan cara
123 berasal dari penyebaran tidak langsung (melalui link google form). Selain itu,
Ms. Excel 2016 juga digunakan untuk menghasilkan file .CSV sebagai file masukan
Mengacu pada proses analisis data yang dilakukan oleh Creswell (2013),
tahap ini dibagi menjadi dua tahap utama yaitu analisis demografis dan analisis
menggunakan perangkat lunak pengolah angka Ms. Excel 2007. Data responden
Kurniawan, 2011; Hair et al., 2012; Afthanorhan & Asyraf, 2013; Wong, 2013;
Ringle, da Silva, & Bido, 2015). Mengacu pada sejumlah peneliti tersebut, peneliti
melakukan analisis dengan dua tahap, yaitu analisis measurement model dan
89
validitas outer model melalui indikator reliability, internal consistency reliability,
Kurniawan, 2011; Hair et al., 2012; Afthanorhan & Asyraf, 2013; Wong, 2013;
Selanjutnya, hasil analisis dan interpretasi tersebut secara lengkap akan dijelaskan
90
BAB IV
pertanyaan yang ada dalam kuesioner, khususnya pertanyaan pada bagian profil
Data responden yang berhasil diperoleh peneliti dalam kurun waktu kurang lebih
satu bulan (7 Januari sampai 10 Februari 2018) adalah sebanyak 228 data. Informasi
1) Jenis kelamin
Jenis Kelamin
Perempuan Laki-laki
41%
59%
91
Dapat diketahui dari gambar 4.1 bahwa dari 228 data responden yang
penelitian ini, yaitu sebanyak 134 orang (59%) dan sisanya berasal dari
2) Pekerjaan
Pekerjaan
Pelajar/Mahasiswa Pegawai Negeri Pegawai Swasta Wiraswasta Lainnya
14%
11% 36%
26%
13%
Dapat diketahui dari gambar 4.2 bahwa dari 228 data responden yang
92
3) Kecamatan
Kecamatan
Ciputat Ciputat Timur Pamulang Pondok Aren
Serpong Serpong Utara Setu
13% 17%
11%
17%
13%
13% 16%
Dapat diketahui dari gambar 4.3 bahwa dari 228 data responden yang
Kecamatan Ciputat dan Ciputat timur, yaitu sebanyak 38 orang (17%) dan
sebanyak 36 orang (16%). Jumlah responden yang paling sedikit berasal dari
93
4) Usia
Usia
17-25 26-35 36-45 >45
9%
12%
51%
28%
Dapat diketahui dari gambar 4.4 bahwa dari 228 data responden yang
yaitu sebanyak 117 orang (51%) dan disusul dengan responden berusia 26-
94
5) Tingkat pendidikan
Tingkat Pendidikan
SLTA DIPLOMA S1 S2 S3
6%1%
35%
39%
19%
Dapat diketahui dari gambar 4.5 bahwa dari 228 data responden yang
95
6) Penggunaan uang elektronik
17%
37%
19%
27%
Dapat diketahui dari gambar 4.6 bahwa dari 228 data responden yang
(27%), dan pengguna uang elektronik BNI, yaitu sebanyak 44 orang (19%).
Jumlah responden yang paling sedikit berasal dari pengguna uang elektronik
96
Penggunaaan Uang Elektronik
<1 Tahun 1-2 Tahun 2-3 Tahun 3-4 Tahun >4 Tahun
5%
17% 28%
18%
32%
Dapat diketahui dari gambar 4.7 bahwa dari 228 data responden yang
uang elektronik selama 1-2 tahun, yaitu sebanyak 65 orang (32%), dan
18% 22%
13%
30%
17%
97
Dapat diketahui dari gambar 4.8 bahwa dari 228 data responden yang
menggunakan uang elektronik 2-4 kali, yaitu sebanyak 69 orang (30%), dan
Jenis Transaksi
Belanja Tol Bus Kereta Parkir Lainnya
1%
3%
14%
26%
31%
25%
Dapat diketahui dari gambar 4.9 bahwa dari 228 data responden yang
elektronik untuk jenis transaksi tol, yaitu sebanyak 72 orang (32%), dan
orang (1%).
98
Nominal Uang Yang Dihabiskan (dalam 1
minggu)
<100 ribu 100-500 ribu 500-900 ribu 900 ribu-1,3juta >1,3 juta
5%1%
19%
43%
32%
Dapat diketahui dari gambar 4.10 bahwa dari 228 data responden yang
99
4.1.2 Hasil Analisis Pengukuran Model
variance extracted, dan disciminant validity (Henseler, Ringle, & Sinkovics, 2009;
Urbach & Ahlemann, 2010; Joe F. Hair, Ringle, & Sarstedt, 2011; Yamin &
Dapat diketahui dari tabel 4.1 bahwa seluruh item memiliki loading
factor di atas 0,7 sehingga dapat dikatakan seluruh indikator valid untuk
100
Tabel 4. 1 Hasil Uji Loading Factor dengan SmartPLS
Indikator BI EE FC HM HT PE PS PT PV SI UB
BI1 0,897
BI2 0,906
BI3 0,904
EE1 0,917
EE2 0,925
EE3 0,923
FC1 0,828
FC2 0,862
FC3 0,884
HM1 0,908
HM2 0,803
HM3 0,860
HT1 0,896
HT2 0,894
HT3 0,817
PE1 0,814
PE2 0,810
PE3 0,803
PE4 0,785
PE5 0,783
PS1 0,905
PS2 0,906
PS3 0,912
PT1 0,888
PT2 0,864
PT3 0,881
PV1 0,917
PV2 0,920
PV3 0,902
SI1 0,894
SI2 0,917
SI3 0,883
UB1 0,880
UB2 0,863
UB3 0,834
101
2) Uji Internal Consistency Reliability
Dapat diketahui dari tabel 4.2 bahwa seluruh nilai CR di atas 0,7
untuk digunakan dan tidak ada masalah dalam uji composite reliability.
102
Hair et al., 2012; Afthanorhan & Asyraf, 2013; Wong, 2013; Ringle et
Dapat diketahui dari tabel 4.3 bahwa seluruh nilai AVE memiliki nilai
yang lebih besar dari 0,5 sehingga dapat dikatakan bahwa seluruh
103
dengan konstruknya lebih tinggi dari korelasi dengan konstruk blok
pada blok mereka lebih baik dari blok lainnya (Hair et al., 2012;
nilai akar AVE yang harus lebih tinggi daripada korelasi antara
Hair et al., 2011; Yamin & Kurniawan, 2011; Hair et al., 2012;
Alshibly, 2014; Irawati & Putra, 2015; Subiyakto et al., 2015; Gutierrez
104
Tabel 4. 4 Hasil Uji Discriminant Validity dengan SmartPLS
Indikator BI EE FC HM HT PE PS PT PV SI UB
BI1 0,897 0,777 0,103 0,355 0,108 0,749 0,813 0,733 0,678 0,675 0,440
BI2 0,906 0,730 0,067 0,353 0,112 0,703 0,800 0,752 0,701 0,624 0,382
BI3 0,904 0,761 0,113 0,411 0,106 0,699 0,796 0,709 0,735 0,666 0,401
EE1 0,780 0,917 0,126 0,328 0,088 0,708 0,725 0,607 0,682 0,716 0,340
EE2 0,782 0,925 0,113 0,367 0,186 0,722 0,750 0,653 0,730 0,730 0,405
EE3 0,755 0,923 0,112 0,346 0,160 0,752 0,696 0,566 0,719 0,735 0,355
FC1 0,102 0,109 0,828 -0,046 -0,019 0,062 0,123 0,172 -0,031 0,053 0,157
FC2 0,057 0,033 0,862 -0,011 0,002 0,074 0,046 0,060 0,017 -0,016 0,225
FC3 0,112 0,183 0,884 -0,013 0,060 0,156 0,120 0,149 0,041 0,096 0,212
HM1 0,394 0,371 -0,049 0,908 0,334 0,351 0,408 0,288 0,354 0,281 0,267
HM2 0,341 0,305 0,058 0,803 0,341 0,304 0,349 0,261 0,236 0,197 0,154
HM3 0,321 0,286 -0,073 0,860 0,516 0,234 0,337 0,230 0,274 0,198 0,211
HT1 0,102 0,143 0,052 0,406 0,896 0,123 0,135 0,164 0,165 0,095 0,229
HT2 0,107 0,126 -0,070 0,443 0,894 0,104 0,139 0,188 0,163 0,121 0,146
HT3 0,108 0,140 0,061 0,336 0,817 0,117 0,138 0,201 0,168 0,119 0,124
PE1 0,610 0,627 0,040 0,226 0,078 0,814 0,557 0,492 0,573 0,508 0,350
PE2 0,673 0,653 0,134 0,282 0,102 0,810 0,641 0,576 0,631 0,566 0,370
PE3 0,646 0,636 0,122 0,336 0,150 0,803 0,592 0,487 0,529 0,604 0,353
PE4 0,606 0,625 0,112 0,231 0,059 0,785 0,582 0,492 0,564 0,559 0,245
PE5 0,636 0,609 0,055 0,315 0,135 0,783 0,622 0,524 0,562 0,509 0,341
PS1 0,812 0,722 0,108 0,381 0,128 0,702 0,905 0,781 0,646 0,664 0,402
PS2 0,762 0,653 0,074 0,356 0,121 0,640 0,906 0,781 0,601 0,583 0,342
PS3 0,844 0,759 0,116 0,423 0,175 0,699 0,912 0,793 0,696 0,669 0,400
PT1 0,722 0,606 0,119 0,249 0,161 0,600 0,788 0,888 0,517 0,503 0,429
PT2 0,679 0,522 0,085 0,213 0,166 0,523 0,731 0,864 0,493 0,481 0,363
PT3 0,731 0,609 0,174 0,336 0,219 0,573 0,758 0,881 0,580 0,559 0,437
PV1 0,731 0,698 0,012 0,321 0,197 0,670 0,663 0,571 0,917 0,628 0,350
PV2 0,719 0,716 0,026 0,306 0,129 0,648 0,681 0,575 0,920 0,647 0,318
PV3 0,687 0,699 -0,001 0,302 0,191 0,645 0,614 0,510 0,902 0,631 0,322
SI1 0,658 0,710 0,089 0,270 0,170 0,603 0,639 0,547 0,634 0,894 0,310
SI2 0,661 0,699 0,027 0,189 0,057 0,629 0,620 0,504 0,622 0,917 0,292
SI3 0,638 0,718 0,023 0,259 0,111 0,624 0,642 0,530 0,620 0,883 0,289
UB1 0,431 0,352 0,188 0,230 0,201 0,401 0,399 0,461 0,297 0,300 0,880
UB2 0,347 0,309 0,198 0,185 0,171 0,316 0,328 0,381 0,314 0,250 0,863
UB3 0,380 0,362 0,218 0,223 0,142 0,350 0,353 0,356 0,322 0,298 0,834
105
Dapat diketahui dari tabel 4.4 bahwa seluruh loading pada konstruk yang
dituju ternyata lebih besar dibandingkan dengan nilai loading dengan konstruk
yang lain, hal tersebut dapat dilihat dari angka-angka yang diterangi dengan
warna kuning, sehingga dapat dikatakan bahwa tidak ada masalah dalam
dan relative impact (𝑞 2 ) (Yamin dan Kurniawan, 2011; Hair et al., 2012;
Pengujian ini dilakukan dengan melihat nilai ambang batas di atas 0,1.
106
Tabel 4. 5 Hasil Uji Path coefficient dengan SmartPLS
Variabel BI EE FC HM HT PE PS PT PV SI UB
BI 0,415
EE 0,209
FC 0,000 0,187
HM 0,082
HT -0,093 0,147
PE 0,119
PS 0,275
PT 0,238
PV 0,171
SI 0,016
UB
Dapat diketahui dari tabel 4.5 bahwa hasilnya terdapat delapan jalur
yang memiliki nilai di atas 0,1 yang berarti berpengaruh dalam model,
tingkat varian yang lemah (Hair et al., 2012; Afthanorhan, 2013; Wong,
107
dijelaskan bahwa kemampuan variabel independen menjelaskan
variabel dependennya.
3) T-test
test lebih besar dari 1,96 (Hair et al., 2012; Afthanorhan, 2013; Wong,
Dapat diketahui dari tabel 4.6 bahwa terdapat dua nilai t-test yang
kurang dari 1,96 yaitu adalah hubungan antara variabel FC→BI yang
108
memiliki nilai t-test 0,006 dan SI→BI yang memiliki nilai t-test 0,413.
batas sekitar 0,02 untuk pengaruh kecil, 0,15 untuk menengah, dan 0,35
𝑅 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑅2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
f2 = 1− 𝑅 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒
109
Tabel 4. 7 Hasil Uji Effect Size
Hipotesis f2
Keterangan
No Jalur R2-in R2-ex ∑ f2
5) Predictive Relevance (𝑄 2 )
dalam model dengan ambang batas pengukuran di atas nol (Hair et al.,
6) Relative Impact (𝑞 2 )
110
dengan variabel lainnya dengan nilai ambang batas sekitar 0,02 untuk
𝑄 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑄2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
q2 = 1− 𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒
Hipotesis q2
Keterangan
No Jalur Q2-in Q2-ex ∑ q2
Dari tabel 4.9 menunjukan hasil bahwa dari 12 jalur. Seluruh jalur
111
4.1.4 Hasil Analisis Variabel Moderator
Penelitian ini juga menggunakan dua variabel moderator yaitu, Age dan
akan bervariasi tergantung dari Age dan gender. Untuk menguji pengaruh variabel
dilakukan peneliti terdahulu (Bendi & Aliyanto, 2014; Melisa & Indrawati, 2016;
gambar 4.1 jumlah responden laki-laki sebanyak 134 orang sedangkan jumlah
(Melisa & Indrawati, 2016; Hakim, 2016; Azis & Kamal, 2016).
Dapat diketahui dari tabel 4.11 bahwa dari data responden dengan jenis
112
Tabel 4. 9 Hasil Uji Loading Factor Responden Laki-laki
Indikator BI EE FC HM HT PE PS PT PV SI UB
BI1 0,885
BI2 0,898
BI3 0,914
EE1 0,911
EE2 0,912
EE3 0,935
FC1 0,874
FC2 0,862
FC3 0,868
HM1 0,893
HM2 0,807
HM3 0,875
HT1 0,859
HT2 0,914
HT3 0,815
PE1 0,805
PE2 0,792
PE3 0,799
PE4 0,788
PE5 0,791
PS1 0,890
PS2 0,876
PS3 0,903
PT1 0,880
PT2 0,836
PT3 0,886
PV1 0,913
PV2 0,909
PV3 0,909
SI1 0,848
SI2 0,911
SI3 0,884
UB1 0,856
UB2 0,841
UB3 0,862
113
Tabel 4. 10 Hasil Uji Loading Factor Responden Perempuan
Indikator BI EE FC HM HT PE PS PT PV SI UB
BI1 0,912
BI2 0,919
BI3 0,893
EE1 0,926
EE2 0,943
EE3 0,907
FC1 0,716
FC2 0,851
FC3 0,904
HM1 0,938
HM2 0,792
HM3 0,831
HT1 0,925
HT2 0,878
HT3 0,850
PE1 0,825
PE2 0,829
PE3 0,811
PE4 0,780
PE5 0,775
PS1 0,923
PS2 0,938
PS3 0,922
PT1 0,897
PT2 0,898
PT3 0,878
PV1 0,924
PV2 0,931
PV3 0,899
SI1 0,933
SI2 0,928
SI3 0,888
UB1 0,905
UB2 0,892
UB3 0,809
Dapat diketahui dari tabel 4.12 bahwa dari data responden dengan jenis
114
Tabel 4. 11 Hasil Uji CR dan AVE Variabel Moderator Gender
Laki-laki Perempuan
Variabel
CR AVE CR AVE
BI 0,927 0,808 0,934 0,825
EE 0,942 0,845 0,947 0,857
FC 0,902 0,753 0,866 0,685
HM 0,894 0,738 0,891 0,733
HT 0,898 0,746 0,915 0,783
PE 0,896 0,632 0,902 0,647
PS 0,919 0,792 0,949 0,861
PT 0,901 0,753 0,921 0,794
PV 0,935 0,828 0,942 0,843
SI 0,913 0,777 0,940 0,840
UB 0,889 0,727 0,903 0,757
Dapat diketahui dari tabel 4.13 bahwa seluruh nilai CR di atas 0,7 dan
seluruh nilai AVE memiliki nilai yang lebih besar dari 0,5 sehingga
Pada tahap ini dilakukan pengujian terhadap nilai path coefficient (β),
bootstrapping (Melisa & Indrawati, 2016; Hakim, 2016; Azis & Kamal,
2016).
115
Tabel 4. 12 Hasil Uji Struktur Model Variabel Moderator Laki-laki
Hipotesis Keterangan
R2 β T-test
No Jalur β T-test
Dapat diketahui dari tabel 4.14 bahwa hasilnya terdapat tujuh jalur yang
yang kurang dari 1,96 yaitu adalah hubungan antara variabel PE→BI,
116
Tabel 4. 13 Hasil Uji Struktur Model Variabel Moderator Perempuan
Hipotesis Keterangan
R2 β T-test
No Jalur β T-test
Dapat diketahui dari tabel 4.15 bahwa hasilnya terdapat tujuh jalur yang
yang kurang dari 1,96 yaitu adalah hubungan antara variabel PE→BI,
117
4.1.4.2 Analisis Variabel Moderator Age
Dari segi age sebagai variabel moderator penelitian ini membagi responden
117 orang, responden berusia 26-35 tahun sebanyak 64 orang, responden berusia
36-45 tahun sebanyak 28 orang dan responden berusia >45 tahun sebanyak 19
orang. Dapat dikelompokan bahwa usia remaja sebanyak 117 orang dan usia
dewasa sebanyak 111 orang. Analisis terhadap variabel moderator age dilakukan
(Melisa & Indrawati, 2016; Hakim, 2016; Azis & Kamal, 2016).
Dapat diketahui dari tabel 4.16 bahwa dari data responden dengan usia
remaja, seluruh item memiliki loading factor di atas 0,7 sehingga dapat
dikatakan seluruh indikator valid. Hal ini juga terjadi pada data
118
Tabel 4. 14 Hasil Uji Loading Factor Responden Usia Remaja
Indikator BI EE FC HM HT PE PS PT PV SI UB
BI1 0,917
BI2 0,927
BI3 0,909
EE1 0,914
EE2 0,927
EE3 0,900
FC1 0,812
FC2 0,880
FC3 0,900
HM1 0,933
HM2 0,735
HM3 0,825
HT1 0,893
HT2 0,894
HT3 0,829
PE1 0,833
PE2 0,816
PE3 0,842
PE4 0,743
PE5 0,790
PS1 0,912
PS2 0,919
PS3 0,912
PT1 0,908
PT2 0,893
PT3 0,875
PV1 0,926
PV2 0,919
PV3 0,908
SI1 0,914
SI2 0,913
SI3 0,883
UB1 0,881
UB2 0,919
UB3 0,869
119
Tabel 4. 15 Hasil Uji Loading Factor Responden Usia Dewasa
Indikator BI EE FC HM HT PE PS PT PV SI UB
BI1 0,883
BI2 0,892
BI3 0,906
EE1 0,921
EE2 0,925
EE3 0,942
FC1 0,806
FC2 0,863
FC3 0,858
HM1 0,907
HM2 0,829
HM3 0,885
HT1 0,868
HT2 0,904
HT3 0,839
PE1 0,795
PE2 0,810
PE3 0,756
PE4 0,839
PE5 0,772
PS1 0,904
PS2 0,894
PS3 0,915
PT1 0,872
PT2 0,839
PT3 0,888
PV1 0,912
PV2 0,921
PV3 0,899
SI1 0,876
SI2 0,920
SI3 0,892
UB1 0,835
UB2 0,705
UB3 0,851
120
Tabel 4. 16 Hasil Uji CR dan AVE Variabel Moderator Age
Remaja Dewasa
Variabel
CR AVE CR AVE
BI 0,941 0,842 0,922 0,799
Dapat diketahui dari tabel 4.18 bahwa seluruh nilai CR di atas 0,7 dan
seluruh nilai AVE memiliki nilai yang lebih besar dari 0,5 sehingga
Pada tahap ini dilakukan pengujian terhadap nilai path coefficient (β),
bootstrapping (Melisa & Indrawati, 2016; Hakim, 2016; Azis & Kamal,
2016).
Dapat diketahui dari tabel 4.19 uji struktur model responden usia remaja
bahwa hasilnya terdapat sembilan jalur yang memiliki nilai di atas 0,1
121
dan HM→BI. Nilai R2 variabel BI (Behavioral Intention) adalah 0,854
terdapat enam nilai t-test yang kurang dari 1,96 yaitu adalah hubungan
HM→BI.
Dapat diketahui dari tabel 4.20 uji struktur model responden usia
dewasa bahwa hasilnya terdapat lima jalur yang memiliki nilai di atas
122
variabel dependennya. Selain itu, terdapat tujuh nilai t-test yang kurang
123
4.2 Interpretasi dan Diskusi Hasil Analisis
1) Jenis kelamin
Seperti yang dapat ditunjukkan pada gambar 4.1 tentang jenis kelamin
816.507 orang.
2) Pekerjaan
(36%) dan disusul dengan responden berasal dari pegawai swasta, yaitu
124
berasal dari wiraswasta yaitu sebanyak 25 orang (11%). Peneliti
menduga bahwa kemungkinan besar hal ini dapat terjadi adalah karena
3) Kecamatan
4) Usia
Seperti yang dapat ditunjukkan pada gambar 4.4 tentang usia responden
117 orang (51%) dan disusul dengan responden berusia 26-35 tahun,
Selatan pada usia 17-25 lebih tinggi mungkin saja karena masyarakat
125
aktifitasnya yang didukung dengan transaksi menggunakan uang
elektronik.
5) Tingkat pendidikan
orang (35%). Jumlah responden yang paling sedikit berasal dari tingkat
yaitu adalah S1. Hal ini menunjukkan bahwa 65% responden kuesioner
Dari 228 data responden yang digunakan dalam penelitian ini dapat
126
dalam satu mingggu menggunakan uang elektronik 2-4 kali, yaitu
nominal yang tidak cukup banyak yang digunakan dalam satu minggu.
akhir dari analisis tersebut menunjukan bahwa pengukuran model dari model
penelitian ini telah memenuhi syarat dan memiliki karakteristik yang baik sehingga
layak untuk dilanjutkan ke tahap analisis struktur model untuk menguji struktural
Bagian ini akan memaparkan interpretasi dan diskusi berdasarkan hasil dari
enam tahap analisis struktur model yaitu path coefficient (β), coefficient of
127
determination (R2), t-test menggunakan metode bootstrapping, effect size (f2),
sebelumnya.
terhadap BI. Selain itu didukung juga dengan hasil nilai path coefficient (β)
dengan penelitian awal yang dilakukan Venkatesh et al. (2003), hal ini juga
128
sejalan dengan penelitian terdahulu lainnya (Evlandari, 2011; Venkatesh
.dkk. 2012; Alwahaishi & Snasel, 2013; Harsono & Suryana, 2014; Azis &
Kamal, 2016; Hakim, 2016; Melisa & Indrawati, 2016; Ramdhani et al.,
Intention (BI)?
terhadap BI. Selain itu didukung juga dengan hasil nilai path coefficient (β)
.dkk. 2012; Gatautis & Medziausiene, 2014; Harsono & Suryana, 2014).
Selain itu hal ini didukung oleh pengamatan langsung oleh peneliti, bahwa
129
sistem mendorong pengguna untuk menggunakan sistem. Sehingga dapat
Intention (BI)?
BI. Selain itu didukung juga dengan hasil nilai path coefficient (β) 0,016
untuk dapat menggunakan jalan tol. Pengguna juga merasa uang elektronik
ataupun paksaan dari pihak lain. Hal ini dilihat dari nilai t-test dari variabel
130
Q4. Apakah Perceived Security (PS) berpengaruh terhadap Behavioral
Intention (BI)?
terhadap BI. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,275 yang berarti PT juga berpengaruh secara signifikan terhadap BI. Hal
ini juga didukung oleh pengamatan langsung oleh peneliti, bahwa pengguna
dalam penelitian ini. Hal ini sesuai dengan asumsi awal yang peneliti ajukan
penggunaan teknologi.
Intention (BI)?
terhadap BI. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,238 yang berarti PT juga berpengaruh secara signifikan terhadap BI. Hal
131
ini sesuai dengan asumsi awal yang peneliti ajukan berdasarkan
2014); Suh dan Han (2002) bahwa ada hubungan positif antara tingkat
Intention (BI)?
terhadap BI. Hal ini sesuai dengan penelitian sebelumnya (Ramdhani et al,
2017; dan Azis & Kamal, 2016) juga menyatakan bahwa FC tidak memiliki
langsung yang dilakukan oleh peneliti, terdapat salah satu transaksi uang
elektronik yang memiliki sensor pembaca dengan respon yang cukup lama
dan juga kurangnya tenaga ahli yang dapat membantu apabila terjadi
masalah sarana prasarana dalam penggunaan uang elektronik. Hal ini terjadi
dalam transaksi pembayaran tol dan saat melakukan top up saldo uang
132
elektronik tidak mempengaruhi dalam menggunakan teknologi uang
elektronik.
Behavior (UB)?
terhadap UB. Selain itu didukung juga dengan hasil nilai path coefficient (β)
terhadap BI. Namun hasil t-test itu tidak didukung dengan hasil nilai path
Hal ini juga sesuai dengan penelitian sebelumnya yang dilakukan oleh
133
Q9. Apakah Price Value (PV) berpengaruh terhadap Behavioral
Intention (BI)?
terhadap BI. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,171 yang berarti PV juga berpengaruh secara signifikan terhadap BI, hal
Hal ini juga didukung oleh pengamatan langsung peneliti, dimana memang
(BI)?
dapat dilihat pada tabel 4.11 menunjukan bahwa H10 hubungan HT→BI
terhadap BI. Namun hasil t-test itu tidak didukung dengan hasil nilai path
Hal ini tidak sesuai dengan penelitian sebelumnya yang dilakukan oleh
134
peneliti sebelumnya (Escobar-Rodríguez & Carvajal- Trujillo, 2013;
Harsono & Suryana, 2014; Azis & Kamal, 2016; Melisa & Indrawati, 2016;
BI kuat.
dapat dilihat pada tabel 4.11 menunjukan bahwa H11 hubungan HT→UB
terhadap UB. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,147 yang berarti HT juga berpengaruh secara signifikan terhadap BI. Hal
Suryana, 2014; Azis & Kamal, 2016; Melisa & Indrawati, 2016; Ramdhani
Behavior (UB)?
dapat dilihat pada tabel 4.11 menunjukan bahwa H12 hubungan BI→UB
terhadap UB. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,415 merupakan hasil nilai tertinggi dibandingkan dengan yang lain yang
135
berarti BI juga berpengaruh secara signifikan terhadap UB sesuai dengan
penelitian awal yang dilakukan Venkatesh et al. (2003). Hal ini juga
itu menguntungkan bagi mereka. Oleh karena itu dapat disimpulkan bahwa,
nilai R2 variabel moderator gender pada tabel 4.14 dan 4.15 menunjukkan
yang kecil yaitu sebesar 0,05% untuk variabel behavioral intention dan
136
1.57% untuk variabel use behavior. Kedua nilai tersebut dapat dikatakan
memiliki pengaruh yang tidak terlalu besar (Azis & Kamal, 2016).
nilai R2 variabel moderator age pada tabel 4.19 dan 4.20 menunjukkan nilai
kecil yaitu sebesar 0,65% untuk variabel behavioral intention dan 3.36%
untuk variabel use behavior. Kedua nilai tersebut dapat dikatakan memiliki
137
BAB V
5.1 Kesimpulan
1-2 tahun dan 30% responden menggunakan uang elektronik 2-4 kali
dikarenakan transaksi ini lah yang menjadi awal dari penggunaan uang
138
2) Tidak ada pengapusan dari 35 indikator yang diajukan, hal ini
pengguna.
pengguna.
pengguna.
139
e. HM (hedonic motivation) berpengaruh terhadap penerimaan
pengguna.
pengguna.
transaksi online. Suh dan Han (2002) menjelaskan bahwa ada hubungan
140
keamanan yang dirasakan mencerminkan persepsi konsumen bahwa
5.2 Saran
Pada bagian ini peneliti akan menjelaskan saran untuk penerbit uang
141
b. Data yang dikumpulkan dalam penelitian ini tidak dalam jumlah
2) Saran untuk pihak penerbit uang elektronik melihat dari pengaruh yang
142
DAFTAR PUSTAKA
143
Brown, S. A. & Venkatesh, V. (2005). Model of Adoption of Technology in the
Household: A Baseline Model Test and Extension Incorporating Household
Life Cycle. . MIS Quarterly, 29(4), pp. 399-426.
Childers TL, Carr CL et al. (2001). Hedonic and Utilitarian Motivations for Online
Retail Shopping Behavior. Journal of Retailing, 77, 511-535.
Compeau, D. R. (1995). Computer Self-Efficacy: Development of a Measure and
Initial Test. MIS Quaterly, 19(2), 189-211. .
Compeau, D. R. (1999). Social Cognitive Theory and Individual Reactions to
Computing Technology: A Longitudinal Study. MIS Quaterly, 23(2), 145-
158.
Creswell, J. W. (2013). Steps in Conducting a Scholarly Mixed Methods Study.
DBER Speaker Series, 54. Retrieved from
http://digitalcommons.unl.edu/dberspeakers
Cussoy, C., Puspita, I. P., & Hariyanto, A. (2013). ANALISIS PENGARUH
ACCESSIBILITY DAN SECURITY TERHADAP CUSTOMER
SATISFACTION DAN CUSTOMER LOYALTY NASABAH KLIKBCA.
Jurnal Hospitality Dan Manajemen Jasa, 1(2), 66–83.
Davis, F. (1989). Perceived usefulness, perceived ease of use, and user acceptance
of information technology. MIS Quarterly, 13(3), 319–340.
https://doi.org/10.1016/S0305-0483(98)00028-0
Davis, F. D., & Venkatesh, V. (2000). A theoretical extension of the technology
acceptance model: Four longitudinal field studies. . Management Studies,
46(2), 186-204
Dawes, J. (2008). Do Data Characteristic Change According To The Number Of
Scale Point Used. International Journal Of Market Research, 61–77.
Donny. (2008). Implementasi Aplikasi Smart Health Pada Smart Card Ui Berbasis
Javacard, 19–24.
Dzulhaida, R., Rifaldi, R., & Giri, W. (2015). ANALISIS MINAT
MASYARAKAT TERHADAP PENGGUNAAN LAYANAN E-MONEY DI
INDONESIA DENGAN MENGGUNAKAN MODEL MODIFIKASI
UNIFIED THEORY OF ACCEPTANCE AND USE TECHNOLOGY 2
144
(UTAUT 2), 15(2), 155–166.
Garson, G. D. (2016). Partial Least Squares: Regression & Structural Equation
Models. G. David Garson and Statistical Associates Publishing.
Gitayani, W. T., Darmawan, N. A. S., & Purnamawati, I. G. A. (2015).
PENGARUH GAYA KEPEMIMPINAN, SISTEM PENGENDALIAN
INTERNAL (SPI) DAN PARTISIPASI PENYUSUNAN ANGGARAN
TERHADAP KINERJA KARYAWAN BAGIAN AKUNTANSI. E-Journal
S1 Ak Universitas Pendidikan Ganesha, 3(1).
Guritno, S., & Sudaryono, R. (2011). Theory and Application of IT Research:
Metodologi Penelitian Teknologi Informasi. Yogyakarta: Andi.
Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a Silver Bullet.
The Journal of Marketing Theory and Practice, 19(2), 139–152.
https://doi.org/10.2753/MTP1069-6679190202
Hair, J. F., Ringle, C. M., & Sarstedt, M. (2013). Partial least squares structural
equation modeling: Rigorous applications, better results and higher
acceptance.
Hair, J. F., Sarstedt, M., Ringle, C. M., & Mena, J. A. (2012). An assessment of the
use of partial least squares structural equation modeling in marketing research.
Journal of the Academy of Marketing Science, 40(3), 414–433.
Handayani, T., & Sudiana. (2015). Analisi Penerapan Model UTAUT Terhadap
Perilaku Pengguna Sistem Informasi (Studi Kasus: Sistem Informasi
Akademik Pada STTNAS Yogyakarta. Prosiding Seminar Nasional ReTII Ke-
10, 688–696.
Heijden, H. v. (2004). User Acceptance of Hedonic Information Systems. MIS
Quarterly , Vol. 28 No. 4 p. 695—704.
Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The use of partial least
squares path modeling in international marketing. Advances in International
Marketing, 20, 277–319. https://doi.org/10.1108/S1474-
7979(2009)0000020014
Hidayati, S., Nuryanti, I., Firmansyah, A., Fadly, A., & Darmawan, I. Y. (2006).
Operasional E-Money. Bank Indonesia, 1–5.
145
Hopkins, C. D., & Antes, R. L. (1990). Classroom Measurement and Evaluation. .
Itasca: F E Peacock Publishers, Inc.
Hussein, A. S. (2015). Penelitian Bisnis dan Manajemen Menggunakan Partial
Least Squares (PLS) dengan SmartPLS 3.0. Malang: Universitas Brawijaya.
Jati, N. J., & Laksito, H. (2012). Analisis Faktor-Faktor yang Mempengaruhi Minat
Pemanfaatan dan Penggunaan Sistem E-Ticket (Studi Empiris pada Biro
Perjalanan di Kota Semarang). Diponegoro Journal of Accounting, 1(2), 1–15.
Jiang, L. (Alice), Yang, Z., & Jun, M. (2013). Measuring consumer perceptions of
online shopping convenience. Journal of Service Management, 24(2), 191–
214. https://doi.org/10.1108/09564231311323962
Jogiyanto, H. (2008). Metodologi penelitian sistem informasi.
Juliastuti, A. D., & Hasanah, N. (2016). Kepemilikan Kartu Pembayaran Elektronik
Tidak Memoderasi Gaya Hidup Hedonis Terhadap Perilaku Impulse Buying,
2(2), 1–7.
Khatimah, H., & Halim, F. (2014). Consumers’ Intention to use e-money in
Indonesia based on Unified Theory of Acceptance and Use of Technology
(UTAUT). American-Eurasian Journal of Sustainable Agriculture, 8(12), 34–
40.
Kim, D. J., Ferrin, D. L., & Raghav Rao, H. (2009). Trust and satisfaction, two
stepping stones for successful e-commerce relationships: A longitudinal
exploration. Information Systems Research, 20(2), 237–257.
https://doi.org/10.1287/isre.1080.0188
Kim, Hyun Joo, Lee, Soo Jong & Shin, I. C. (2013). Design and Implementation of
In House Electronic Money Using Java Cards. International Journal of Smart
Home, 7 No.5(5), 103–114.
Kim, K. (2015). Silicon technologies and solutions for the data-driven world. Digest
of Technical Papers - IEEE International Solid-State Circuits Conference, 58,
8–14. https://doi.org/10.1109/ISSCC.2015.7062845
Liana, L. (2009). Penggunaan MRA dengan Spss untuk Menguji Pengaruh Variabel
Moderating terhadap Hubungan antara Variabel Independen dan Variabel
Dependen. Jurnal Teknologi Informasi DINAMIK, XIV(2), 90–97.
146
Likert, R. (1932). A Technique for The Measurement of Attitudes. In A Technique
for The Measurement of Attitudes (pp. 1–55). New York: New York
University.
Limayem, M., et al. (2007). How Habit Limits The Predictive Power Of Intention:
The Case Of Information Systems Continuance. . MIS Quarterly, 31(4).
705-737.
MARLINDAWATI. (2014). ANALISIS TINGKAT KEPUASAN PENGGUNA
PERPUSTAKAAN DIGITAL UNIVERSITAS BINA DARMA
PALEMBANG. Seminar Nasional Sains dan Teknologi Informasi 2014.
Melisa, & Indrawati. (2016). ANALYSIS OF CUSTOMER ACCEPTANCE OF
ONLINE TRAVEL AGENT TECHNOLOGY USING UTAUT2 MODEL (
A CASE STUDY ON E-COMMERCE TRAVELOKA IN INDONESIA ),
(2012), 115–120.
Miarso, Y. (2007). Teknologi yang Berwajah Humanis. Jurnal Pendidikan
Penabur.
Morosan, C., & DeFranco, A. (2016). It’s about time: Revisiting UTAUT2 to
examine consumers’ intentions to use NFC mobile payments in hotels.
International Journal of Hospitality Management, 53, 17–29.
https://doi.org/10.1016/j.ijhm.2015.11.003
Moskowitz, H. R., Beckley, H. J., & Resurreccion, A. V. (2012). Sensory and
Consumer Research in Food Product Design and Development, Second
Edition.
Nasir, M. (2013). Evaluasi Penerimaan Teknologi Informasi Mahasiswa di
Palembang Menggunakan Model UTAUT. Seminar Nasional Aplikasi
Teknologi Informasi (SNATI), (12), C36–C40. Retrieved from
http://journal.uii.ac.id/index.php/Snati/article/view/3006
Parsaorantua, P. H., Pasoreh, Y., & Rondonuwu, S. A. (2017). IMPLEMENTASI
TEKNOLOGI INFORMASI DAN KOMUNIKASI (STUDI TENTANG
WEB E-GOVERNMENT DI KOMINFO KOTA MANADO), VI(1).
Ramdhani, A. B., Rachmawati, I., Sidiq, F., & Prabowo, A. (2017). Pengaruh
Adopsi Teknologi Layanan Uang Elektronik Telkomsel Cash Menggunakan
147
Pendekatan Utaut2 the Effect of Technology Adoption Electronic Money
Services Telkomsel Cash Using Utaut2, 4(1), 53–61.
Rasman, Y. I. K. (2012). Gambaran Hubungan Unsur-Unsur End User Computing
Satisfaction Terhadap Kepuasan Pengguna Sistem Informasi Rumah Sakit Di
Rumah Sakit Umum Daerah Kota Depok Tahun 2012. Universitas Indonesia.
Remington, D. B., & Dent, W. T. (2000). Electronic bill presentment and payment
systemNo Title.
Ringle, C. M., da Silva, D., & Bido, D. (2015). Structural equation modeling with
the SmartPLS.
Salisbury, W. D., Pearson, R. A., Pearson, A. W., & Miller, D. W. (2003). Perceived
security and World Wide Web purchase intention, 165–176.
Santomero, A. and J. Seater. (1996). Alternative Monies and the Demand for Media
of Exchange. . Journal of Money, Credit, and Banking, Vol. 28, No.4, 942-
964.
Sasmita, J., & Mohd Suki, N. (2015). Young consumers’ insights on brand equity:
Effects of brand association, brand loyalty, brand awareness, and brand image.
International Journal of Retail and Distribution Management, 43(3), 276–
292. https://doi.org/10.1108/IJRDM-02-2014-0024
Setiawan, A. B. (2016). Evaluasi Kepuasan Pengguna Sistem Aplikasi Surat
Keterangan Tinggal Sementara Online (SKTS) dengan Menggunakan Metode
End-User Computing Satisfaction. Surabaya: Skripsi. Universitas Airlangga.
Sridadi, A. R. (2017). Managerial Prerogative: Konsep Dan Praktik. Jurnal Studi
Manajemen Dan Bisnis, 3(1), 47–59.
Subiyakto, A. (2017). Development of the Readiness and Success Model for
Assessing the Information System Integration The author version of the
presented paper ( In publishing ) Development of the Readiness and Success
Model for Assessing the Information System Integration. In International
Conference on Science and Technology (ICOSAT). Jakarta.
Subiyakto, A., & Ahlan, A. R. (2014). Implementation of Input-Process-Output
Model for Measuring Information System Project Success. TELKOMNIKA
Indonesian Journal of Electrical Engineering, 12(7), 5603–5612.
148
https://doi.org/http://doi.org/10.11591/ijeecs.v12.i7.pp5603-5612
Subiyakto, A., Ahlan, A. R., & Sukmana, H. T. (2014). An Alternative Method for
Determining Critical Success Factors of Information System Project.
TELKOMNIKA (Telecommunication Computing Electronics and Control),
12(3), 665. https://doi.org/10.12928/telkomnika.v12i3.105
Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Putra, S. J. (2016). Measurement of the
information system project success of the higher education institutions in
Indonesia: a pilot study. International Journal of Business Information System,
23(2), 229–247. https://doi.org/https://doi.org/10.1504/IJBIS.2016.078908
Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Sukmana, H. T. (2015). Influences of
the Input Factors towards Success of An Information System Project.
TELKOMNIKA (Telecommunication Computing Electronics and Control),
13(2), 686. https://doi.org/10.12928/telkomnika.v13i2.1323
Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Sukmana, H. T. (2015b). Measurement
of Information System Project Success Based on Perceptions of the Internal
Stakeholders. International Journal of Electrical and Computer Engineering
(IJECE), 5(2), 271-279.
Subiyakto, A., Ahlan, A. R., Kartiwi, M., Putra, S. J., & Durachman, Y. (2016).
The User Satisfaction Perspectives of the Information System Projects.
Indonesian Journal of Electrical Engineering and Computer Science, 4(1). doi:
http://doi.org/10.11591/ijeecs.v4.i1.pp215-223
Subiyakto, A., Ahlan, A. R., Putra, S. J., & Kartiwi, M. (2015). Validation of
Information System Project Success Model. SAGE Open, 5(2), 1-14. doi:
https://doi.org/10.1177/2158244015581650
Subiyakto, A., Rosalina, R., Utami, M. C., Kumaladewi, N., & Putra, S. J. (2017).
The Psycometric and Interpretative Analyses for Assessing the End-User
Computing Satisfaction Questionnaire. Paper Presented at the 5th
International Conference on Information Technology for Cyber and IT Service
Management (CITSM) 2017 Denpasar, Bali.
Subiyakto, A., Septiandani, D., Nurmiati, E., Durachman, Y., Kartiwi, M., & Ahlan,
A. R. (2017). Managers Perceptions towards the Success of E-Performance
149
Reporting System. TELKOMNIKA (Telecommunication Computing
Electronics and Control), 15(3), 1389-1396. doi:
http://dx.doi.org/10.12928/telkomnika.v15i3.5133
Succi, M. J., & Walter, Z. D. (1999). Theory of User Acceptance of Information
Technologies: An Examination of Health Care Professionals. Proceedings of
the 32nd Hawaii International Conference on System Sciences (HICSS).
Sugiyono. (2011). Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung:
CV. Alfabeta.
Suh, B., & Han, I. (2002). Effect of trust on customer acceptance of Internet
banking. Electronic Commerce Research and Applications, 1(3–4), 247–263.
https://doi.org/10.1016/S1567-4223(02)00017-0
Sukma, A. A. (2012). Analisis Faktor-Faktor yang Mempengaruhi Keputusan
Pembelian melalui Social Networking Website. Jurnal Ekonomi Manajemen,
1–11.
Susanto, A., Chang, Y., Zo, H., & Park, M. C. (2012). The role of trust and security
in Smartphone banking continuance. Conference Proceedings - IEEE
International Conference on Systems, Man and Cybernetics, 2133–2138.
https://doi.org/10.1109/ICSMC.2012.6378055
Syofian, S., Setiyaningsih, T., & Syamsiah, N. (2015). Otomatisasi metode
penelitian skala likert berbasis web, (November), 1–8.
Thompson, R. L., Higgins, C. A., & Howell, J. M. (1991). Personal Computing:
Towards a Conceptual Model of Utilization. . MIS Quaterly, 125-143.
Tjhai, F. J. (2003). Analisis Faktor-faktor yang Mempengaruhi Pemanfaatan
Teknologi Informasi dan Pengaruh Pemanfaatan Teknologi Informasi
terhadap Kinerja Akuntan Publik. Jurnal Bisnis dan Akuntansi, 5(1), 1-26.
Triandis, H. C. (1980). Values, Attitudes, and Interpersonal Behavior. In University
of Nebraska (Lincoln campus). Dept. of Psychology. (Ed.), Nebraska
Symposium on Motivation. . Nebraska: University of Nebraska Press.
Urbach, N., & Ahlemann, F. (2010). ***Structural Equation Modeling in
Information Systems Research Using Partial Least Squares Structural
Equation Modeling in Information Systems Research Using Partial Least
150
Squares. Journal of Cleaner Productionurnal of Information Technology
Theory and Application, 11(2), 5–40. https://doi.org/10.1037/0021-
9010.90.4.710
Usman, R. (2017). Karakteristik uang elektronik dalam sistem pembayaran.
Karakteristik Uang Elektronik Dalam Sistem Pembayaran, 32(1), 134–166.
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User Acceptance
of Information Technology: Toward a Unified View., 27(3), 425–478.
Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012). Consumer Acceptance and Use
of Information Technology: Extending the Unified Theory of Acceptance and
Use of Technology.
Vergragt, P. J. (2006). How Technology Could Contribute to a Sustainable World.
Great Transition Initiative: Towards a New Praxis Paper Series, 1–26.
Waspada, I. (2012). Percepatan Adopsi Sistem Transaksi Teknologi Informasi
Untuk Meningkatkan Aksesibilitas Layanan Jasa Perbankan. Jurnal Keuangan
Dan Perbankan, 16(1), 122–131.
Wikipedia. (2018). Kota Tangerang Selatan. Retrieved from
https://id.wikipedia.org/wiki/Kota_Tangerang_Selatan
Wong, K. K. K. (2013). Partial Least Squares Structural Equation Modeling (PLS-
SEM) Techniques Using SmartPLS. Marketing Bulletin, 24(1), 1–32.
https://doi.org/10.1108/EBR-10-2013-0128
Yamin, S., & Kurniawan, H. (2011). Generasi Baru Mengolah Data Penelitian
dengan Partial Least Square Path Modeling : Aplikasi dengan software
XLSTAT, SmartPLS, dan Visual PLS. Edisi 1. Jakarta: Salemaba Infotek.
Yogananda, A. S. (2017). PENGARUH PERSEPSI MANFAAT, PERSEPSI
KEMUDAHAN PENGGUNAAN, KEPERCAYAAN DAN PERSEPSI
RISIKO TERHADAP MINAT UNTUK MENGGUNAKAN INSTRUMEN
UANG ELEKTRONIK.
Yulianto, Y., Ferdinand, A. T. A. E., & Soesanto, H. (2016). Studi Mengenai
Pengaruh Tekanan Waktu Untuk Membeli , Derajat Diferensiasi Produk dan
Customer Value Terhadap Minat Bertransaksi Ulang Menggunakan Uang
Elektronik, XV(3).
151
Yunita, I. (2017). Pengukuran Kepuasan Pengguna terhadap Tulis (Technology Uin
Library Information System) pada Pusat Perpustakaan UIN Syarif
Hidayatullah Jakarta.
Zuriah, Nurul. . (2006). Metodologi Penelitian Sosial dan Pendidikan. Jakarta:
Bumi Aksara.
152
LAMPIRAN
153
HASIL DATA PRE-TEST
Jenis Kelamin
Perempuan Laki-laki
43%
57%
Usia
17-25 26-35 36-45 >45
13%
13%
47%
27%
154
Penerbit uang elektronik
Mandiri BCA BNI BRI
13%
40%
20%
27%
155
Indicator Reliability
Dengan memeriksan nilai Loding setiap indikator tersebut. Hasilnya adalah seluruh
Convergent Validity
Diuji dengan menggunakan nilai AVE dengan batas nilai adalah 0,5
156
Discriminant Validity
Diuji melalui analisis perbandingan cross loading dengan nilai kuadrat AVE
indikator reflektif atau pengujian pengukuran model (outer model) dan biasa
dikatakan sebagai uji validitas dan realibilitas. Hal ini dilakukan untuk dapat
peneliti ajukan dan seberapa besar intrumen penelitian telah memenuhi tujuan dan
memiliki keandalan yang tinggi (Yamin & Kurniawan, 2011). Pada hasil pre-test
ini dilihat dari tidak terpenuhinya nilai cross loading dibawah 0,7.
157
Penduduk Kota Tangerang Selatan Tahun 2017
Penduduk 1.644.899
Laki-laki 828.392
Perempuan 816.507
Setu 86.763 5%
158
LAMPIRAN 1 KUESIONER
Kepada Yth.
Bapak/Ibu/Saudara
Pengguna Teknologi Uang Elektronik
Di -
Tempat
Assalamu’alaikum Wr.Wb.
Dengan hormat,
Saya Dwi Rizki Sabarkhah, mahasiswa Sistem Informasi UIN Syarif Hidayatullah Jakarta, saya akan melakukan
penelitian dalam rangka salah satu syarat kelulusan di UIN Jakarta. Tema yang saya ambil ialah Evaluasi Penerimaan
Penggunaan Teknologi Uang Elektronik di Kota Tangerang Selatan dengan Menggunakan Model UTAUT.
Penelitian ini bertujuan untuk mengetahui tingkat penerimaan penggunaan dari teknologi tersebut.
Penjelasan UTAUT
UTAUT (Unified Theory of Acceptance an Use of Technology) yang merupakan sebuah model
penelitian penerimaan pengguna yang memiliki tujuan untuk menjelaskan niat dari pengguna untuk
menggunakan suatu sistem dan perilaku pengguna selanjutnya, sehingga dapat mengukur suatu teknologi
berdasarkan tingkat penerimaan pengguna (Venkatesh, 2003).
159
A. PROFIL RESPONDEN
Jawablah dengan memberikan tAnda ( √ ) pada salah satu jawaban yang tersedia!
1. No. Telp : ......................................
2. Kecamatan : ......................................
3. Pekerjaan : ......................................
4. Jenis Kelamin : О Laki-laki O Perempuan
5. Usia :
O 15-25 tahun O 26-35 tahun O 36-45tahun O >45 tahun
6. Pendidikan Terakhir :
O SLTA O Diploma O S1 O S2 O S3
B. PERTANYAAN UMUM
7. Apakah Anda memiliki uang elektronik?
О Ya О Tidak
8. Penerbit uang elektronik apa yang Anda gunakan?
О Mandiri О BRI О BCA О BNI О Lainya..
9. Seberapa lama Anda menggunakan uang elektronik?
О <1 tahun О 1-2 tahun О 2-3 tahun О 3-4 tahun О >4tahun
10. Seberapa sering Anda bertransaksi menggunakan uang elektronik dalam satu minggu?
О < 1 kali О 2-4 kali О 5-7 kali О 8-10 kali О >10 kali
11. Jenis transaksi apa yang Anda lakukan menggunakan uang elektronik? (dapat dipilih lebih dari 1)
О Belanja О Tol О Bus О Kereta О Parkir О Lainnya..
12. Jenis transaksi apa yang paling sering Anda lakukan menggunakan uang elektronik?
О Belanja О Tol О Bus О Kereta О Parkir О Lainnya..
13. Berapa nominal uang yang Anda habiskan untuk bertransaksi menggunakan uang elektronik dalam satu
minggu?
О <Rp100ribu О 100-500ribu О 500-900ribu О 900ribu-1.3juta О >1.3juta
160
C3. PENGARUH SOSIAL (SOCIAL INFLUENCE)
Sejauh mana Anda menganggap bahwa orang lain meyakinkan Anda untuk harus menggunakan teknologi
uang elektronik?
STS TS TT S SS
22. Orang-orang yang berpengaruh menasehati saya untuk menggunakan O O O O O
teknologi ini
23. Orang-orang yang penting buat saya menganjurkan saya untuk menggunakan O O O O O
teknologi ini
24. Orang-orang di sekitar saya yang menggunakan teknologi ini terlihat lebih O O O O O
modern
161
STS TS TT S SS
40. Saya sudah terbiasa menggunakan teknologi ini. O O O O O
41. Saya merasa kecanduan menggunakan teknologi ini. O O O O O
42. Jika saya ingin melakukan transaksi, maka saya akan menggunakan teknologi O O O O O
ini
162