skripsi pengukuran tingkat penerimaan dan penggunaan...
Post on 27-Jun-2019
249 Views
Preview:
TRANSCRIPT
SKRIPSI
PENGUKURAN TINGKAT PENERIMAAN DAN PENGGUNAAN
TEKNOLOGI UANG ELEKTRONIK DI TANGERANG SELATAN
DENGAN MENGGUNAKAN MODEL UTAUT 2
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Strata Satu
Program Studi Sistem Informasi
Disusun Oleh:
DWI RIZKI SABARKHAH
1113093000047
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2018 M/ 1440 H
i
SKRIPSI
PENGUKURAN TINGKAT PENERIMAAN DAN PENGGUNAAN
TEKNOLOGI UANG ELEKTRONIK DI TANGERANG SELATAN
DENGAN MENGGUNAKAN MODEL UTAUT 2
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Strata Satu
Program Studi Sistem Informasi
Disusun Oleh:
DWI RIZKI SABARKHAH
1113093000047
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2018 M/ 1440 H
ii
PENGUKURAN TINGKAT PENERIMAAN DAN PENGGUNAAN
TEKNOLOGI UANG ELEKTRONIK DI TANGERANG SELATAN
DENGAN MENGGUNAKAN MODEL UTAUT 2
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Strata Satu
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh:
DWI RIZKI SABARKHAH
1113093000047
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2018 M / 1440 H
iii
iv
v
vi
ABSTRAK
Dwi Rizki Sabarkhah – 1113093000047. Pengukuran Tingkat Penerimaan dan
Penggunaan Teknologi Uang Elektronik Di Tangerang Selatan Dengan
Menggunakan Model UTAUT 2 dibawah bimbingan A'ang Subiyakto, M.Kom
dan Meinarini Catur Utami, MT
Melalui peningkatan kecepatan transaksi dan penurunan biaya transaksi, inovasi
pembayaran elektronik membuat sistem pembayaran non tunai lebih efektif. Uang
elektronik digunakan dalam berbagai macam transaksi, seperti halnya pembayaran
tiket commuter line, pembayaran tiket Transjakarta, pembayaran tol, hingga
pembelanjaan di supermarket. Namun dalam penerapannya menunjukan bahwa
pemahaman dan kesadaran pengguna terhadap uang elektronik masih belum
optimal serta terjadinya permasalahan terhadap sensor pembaca uang elektronik.
Sehingga perlu dilakukan penelitian terkait penerimaan dan penggunaan terhadap
Uang Elektronik, karena faktor penerimaan merupakan salah satu faktor penting
dalam keberhasilan penerapan sistem. Tujuan penelitian ini adalah mengetahui
status penerimaan dan penggunaan uang elektronik di Tangerang Selatan serta
menguji variabel dari model UTAUT 2 yang mempengaruhi penerimaan pengguna
uang elektronik di Tangerang Selatan dengan teknik analisis PLS-SEM. Hasil
penelitian menunjukan bahwa Behavioral Intention dan Use Behavior pengguna
dalam menggunakan uang elektronik di Tangerang Selatan masing-masing sebesar
87,6% dan 26,1%. Kemudian dari 12 hipotesis yang diajukan terdapat dua hipotesis
yang ditolak yaitu Social Influence terhadap Behavioral Intention dan Facilitating
Condition terhadap Behavioral Intention. Sedangkan hasil penggunaan uang
elektronik di Tangerang Selatan 60% pengguna baru menggunakan uang elektronik
selama 1-2 tahun dengan nominal yang tidak cukup banyak yang digunakan dalam
satu minggu.
Kata kunci : Penerimaan pengguna, Uang Elektronik, UTAUT 2, PLS-SEM.
BAB I-V + 142 Halaman + xvi + 22 Gambar + 37 Tabel + Daftar Pustaka +
Lampiran
Pustaka Acuan (81, 1932-2018)
vii
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Allah SWT yang telah memberikan
rahmat dan hidayah-Nya, sehingga penulis dapat skripsi dengan judul “Pengukuran
Tingkat Penerimaan dan Penggunaan Teknologi Uang Elektronik Di Tangerang
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
terima kasih kepada:
1. Kedua orang tua penulis, Bapak Wijianto dan Ibu Sarniti yang selalu
memberikan semangat, kasih sayang yang melimpah dan doa yang tiada
henti sehingga penulis ingin selalu mempersembahkan yang terbaik
untuk mereka. Terima kasih juga kepada Prasetyo Andi Sabarkah dan
Sifa Nurhidayati yaitu Kakak dan adik penulis yang selalu memberikan
semangat dan doa.
2. Bapak. Dr. Agus Salim, M.Si selaku Dekan Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah.
3. Ibu Nia Kumaladewi, MMSI selaku Ketua Program Studi Sistem
Informasi Fakultas Sains dan Teknologi.
4. Bapak A'ang Subiyakto, M.Kom sebagai Dosen Pembimbing I dan Ibu
Meinarini Catur Utami, MT sebagai Dosen Pembimbing II yang telah
memberikan bimbingan, dan arahan kepada penulis selama proses
penyelesaian skripsi ini. Terima kasih banyak untuk seluruh waktu,
viii
tenaga, kesediaan menjawab setiap pertanyaan penulis dan senantiasa
memberikan dukungan moril serta membagikan banyak pengetahuan
agar penulis bisa menyelesaikan skripsi ini dengan baik.
5. Dosen-dosen Program Studi Sistem Informasi yang telah memberikan
ilmu selama perkuliahan.
6. Latifa Zahra, yang telah memberi semangat dan kekuatan kepada penulis.
Selain itu juga terima kasih atas segala waktu yang diberikan sehingga
penulis dapat melewati saat-saat sulit.
7. Para pejuang booyah dan sahabat-sahabat yang telah memberikan banyak
bantuan ilmu, semangat dan motivasi kepada penulis selama ini..
8. Keluarga Besar Sistem Informasi 2013 yang menjadi motivasi penulis
dalam menyelesaikan laporan ini.
9. Seluruh pihak yang telah banyak berjasa terhadap proses penyelesaian
laporan ini yang tidak dapat disebutkan satu persatu namun tidak
mengurangi sedikitpun rasa terima kasih terhadap penulis.
Penulis menyadari dalam penyusunan laporan ini terdapat kekurangan yang
disebabkan oleh keterbatasan pengetahuan dari penulis. Untuk Penulis menyadari
bahwa dalam penyusunan laporan ini masih banyak kekurangan yang disebabkan
keterbatasan pengetahuan penulis, sehingga saran dan kritik yang membangun
sangat penulis harapkan dan dapat disampaikan melalui
kumpulanemailpenting@gmail.com. Penulis berharap semoga laporan ini dapat
ix
bermanfaat untuk yang membaca terkhusus untuk penulis dan menambah ilmu bagi
kita semua. Amiiin yaa Rabbal Alamin.
Jakarta, September 2018
Dwi Rizki Sabarkhah
1113093000047
x
DAFTAR ISI
HALAMAN JUDUL .............................................................................................. iii
LEMBAR PENGESAHAN ................................................................................... iv
LEMBAR PERNYATAAN .................................................................................... v
ABSTRAK ............................................................................................................. vi
KATA PENGANTAR .......................................................................................... vii
DAFTAR ISI ........................................................................................................... x
DAFTAR GAMBAR ........................................................................................... xiv
DAFTAR TABEL ................................................................................................. xv
BAB I ...................................................................................................................... 1
1.1 Latar Belakang ................................................................................................. 1
1.2 Identifikasi Masalah ......................................................................................... 8
1.3 Perumusan Masalah ......................................................................................... 9
1.4 Tujuan dan Sasaran ........................................................................................ 10
1.4.1 Tujuan ..................................................................................................... 10
1.4.2 Sasaran .................................................................................................... 10
1.5 Model Penelitian ............................................................................................ 11
1.6 Pertanyaan Penelitian ..................................................................................... 12
1.7 Ruang Lingkup dan Batasan .......................................................................... 13
1.8 Metodologi Penelitian .................................................................................... 14
1.9 Manfaat Penelitian ......................................................................................... 16
1.10 Sistematika Penulisan .................................................................................... 17
BAB II ................................................................................................................... 19
2.1 Kota Tangerang Selatan ................................................................................. 19
xi
2.2 Konsep Dasar Pengukuran ............................................................................. 20
2.3 Konsep Dasar Teknologi Uang Elektronik .................................................... 21
2.3.1 Definisi Teknologi .................................................................................. 21
2.3.2 Definisi Smart Card ................................................................................ 22
2.3.3 Definisi dan Manfaat Uang Elektronik ................................................... 23
2.3.4 Bentuk-bentuk Uang Elektronik ............................................................. 26
2.3.5 Jenis-jenis Transaksi Pada Uang Elektronik ........................................... 27
2.3.6 Perbedaan Uang Elektronik dengan Alat Pembayaran Menggunakan
Kartu (APMK) Lainnya .......................................................................... 28
2.4 Definisi Penerimaan Pengguna ...................................................................... 30
2.5 Unified Theory of Acceptance an Use of Technology 2 (UTAUT 2)............. 30
2.5.1. Perfomance Expectancy .......................................................................... 32
2.5.2. Effort Expectancy .................................................................................... 34
2.5.3. Social Influence ....................................................................................... 35
2.5.4. Facilitating Conditions ........................................................................... 36
2.5.5. Behavioral Intentions .............................................................................. 37
2.5.6. Use Behaviour ......................................................................................... 37
2.5.7. Hedonic Motivation ................................................................................ 38
2.5.8. Price Value.............................................................................................. 39
2.5.9. Habit ....................................................................................................... 40
2.6 Variabel Moderator ........................................................................................ 40
2.7 Populasi dan Sampel ...................................................................................... 41
2.8 Definisi Skala Likert ...................................................................................... 45
2.9 SEM (Structural Equation Modelling) .......................................................... 46
2.10 Partial Least Square - Structural Equation Modeling (PLS-SEM) ............... 49
xii
2.10.1 Metode Bootstraping ............................................................................. 55
2.10.2 Metode Blindfolding ............................................................................. 56
2.11 Model dan Hipotesa Penelitian ..................................................................... 58
2.11.1 Model Penelitian .................................................................................... 58
2.11.2 Hipotesa Penelitian ................................................................................ 70
2.12 Penelitian Sebelumnya ................................................................................... 73
BAB III ................................................................................................................. 80
3.1 Pendekatan dan Strategi Penelitian ................................................................ 80
3.2 Populasi dan Sampel Penelitian ..................................................................... 80
3.3 Prosedur Penelitian ........................................................................................ 83
3.4 Instrumen Penelitian ...................................................................................... 85
3.5 Pengumpulan dan Pemrosesan Data .............................................................. 88
3.6 Analisis Data dan Interpretasi Hasil............................................................... 89
BAB IV ................................................................................................................. 91
4.1 Hasil Analisis ................................................................................................. 91
4.1.1 Hasil Analisis Demografi ........................................................................ 91
4.1.2 Hasil Analisis Pengukuran Model ........................................................ 100
4.1.3 Hasil Analisis Struktur Model .............................................................. 106
4.1.4 Hasil Analisis Variabel Moderator ....................................................... 112
4.2 Interpretasi dan Diskusi Hasil Analisis ........................................................ 124
4.2.1 Interpretasi dan Diskusi Hasil Analisi Data Demografis ...................... 124
4.2.2 Interpretasi dan Diskusi Hasil Pengukuran Model ............................... 127
4.2.3 Interpretasi dan Diskusi Hasil Struktural Model .................................. 127
4.2.4 Interpretasi dan Diskusi Hasil Variabel Moderator .............................. 136
BAB V ................................................................................................................. 138
xiii
5.1 Kesimpulan .................................................................................................. 138
5.2 Saran ............................................................................................................ 141
DAFTAR PUSTAKA ......................................................................................... 143
LAMPIRAN ........................................................................................................ 153
xiv
DAFTAR GAMBAR
Gambar 1. 1 Produk Uang Elektronik ..................................................................... 4
Gambar 1. 2 Model Penelitian Yang Diajukan ..................................................... 12
Gambar 2. 1 Model UTAUT ..............................................................................31
Gambar 2. 2 Model UTAUT 2 ............................................................................. 32
Gambar 2. 3 Kategori Sampel .............................................................................. 42
Gambar 2. 4 Model Persamaan Struktural ........................................................... 47
Gambar 2. 5 Klasifikasi Komponen Model Struktural ........................................ 48
Gambar 2. 6 Analisis Model Persamaan .............................................................. 49
Gambar 2. 7 Model Penelitian ............................................................................. 59
Gambar 2. 9 Model Penelitian dengan Hipotesis .................................................. 72
Gambar 3. 1 Prosedur Penelitian ........................................................................ 84
Gambar 4. 1 Diagram Lingkaran Jenis Kelamin Responden ................................91
Gambar 4. 2 Diagram Lingkaran Pekerjaan Responden ....................................... 92
Gambar 4. 3 Diagram Lingkaran Kecamatan Responden ..................................... 93
Gambar 4. 4 Diagram Lingkaran Usia Responden ............................................... 94
Gambar 4. 5 Diagram Lingkaran Tingkat Pendidikan Responden ....................... 95
Gambar 4. 6 Diagram Lingkaran Penerbit Uang Elektronik Responden .............. 96
Gambar 4. 7 Diagram Lingkaran Penggunaan Uang elektronik Responden ........ 97
Gambar 4. 8 Diagram Lingkaran Intensitas Pengguanaan Uang Elektronik
Responden (Dalam 1 Minggu) .............................................................................. 97
Gambar 4. 9 Diagran Lingkaran Jenis Transaksi Yang Digunakan Responden ... 98
Gambar 4. 10 Diagram Lingkaran Nominal Uang Yang Dihabiskan Responden
(Dalam 1 Minggu) ................................................................................................. 99
xv
DAFTAR TABEL
Tabel 1. 1 Jumlah Peredaran dan Transaksi Uang Elektronik ................................ 3
Tabel 2. 1 Perbedaan Uang Elektronik dengan Alat Pembayaran Menggunakan
Kartu (APMK) Lainnya ........................................................................29
Tabel 2. 2 Keterangan Konstruk SmartPLS ..........................................................49
Tabel 2. 3 Pengertian Indikator dan Variabel Performance Expetancy .................60
Tabel 2. 4 Pengertian Indikator dan Variabel Effort Expetancy ............................61
Tabel 2. 5 Pengertian Indikator dan Variabel Social Influence .............................62
Tabel 2. 6 Pengertian Indikator dan Variabel Facilitating Condition ....................63
Tabel 2. 7 Pengertian Indikator dan Variabel Hedonic Motivation .......................64
Tabel 2. 8 Pengertian Indikator dan Variabel Price Value ....................................65
Tabel 2. 9 Pengertian Indikator dan Variabel Habit ..............................................66
Tabel 2. 10 Pengertian Indikator dan Variabel Perceived Trust ............................67
Tabel 2. 11 Pengertian Indikator dan Variabel Perceived Security .......................68
Tabel 2. 12 Pengertian Indikator dan Variabel Behavioral Intention ....................69
Tabel 2. 13 Pengertian Indikator dan Variabel Use Behavior ...............................70
Tabel 2. 14 Penelitian Terdahulu ..........................................................................73
Tabel 3. 1 Jumlah Sampel ..................................................................................... 82
Tabel 3. 2 Indikator dan Butir Pertanyaan Penelitian ........................................... 85
Tabel 3. 3 Data kuesioner yang terkumpul ........................................................... 89
Tabel 4. 1 Hasil Uji Loading Factor dengan SmartPLS...................................... 101
Tabel 4. 2 Hasil Uji Composite Reliability dengan SmartPLS ........................... 102
Tabel 4. 3 Hasil Uji Average Variance Extracted (AVE) dengan SmartPLS ..... 103
Tabel 4. 4 Hasil Uji Discriminant Validity dengan SmartPLS ........................... 105
Tabel 4. 5 Hasil Uji Path coefficient dengan SmartPLS ..................................... 107
Tabel 4. 6 Hasil Uji T-test dengan SmartPLS ..................................................... 108
Tabel 4. 7 Hasil Uji Effect Size .......................................................................... 110
Tabel 4. 8 Hasil Uji Relative Impact ................................................................... 111
Tabel 4. 9 Hasil Uji Loading Factor Responden Laki-laki ................................. 113
xvi
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
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Dengan perkembangan teknologi saat ini, telah menciptakan suatu pola
pemikiran baru yang turut berkembang seiring dengan kemajuan zaman. Dalam
beberapa tahun terakhir dengan perkembangan teknologi Internet, sistem
pembayaran elektronik keuangan semakin berkembang (Remington & Dent, 2000).
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
dan efisien, serta bersifat global.
Uang tunai menjadi alat yang utama dalam setiap kegiatan transaksi
pembayaran. Menurut (www.bi.go.id) website Bank Indonesia, tren pergeseran
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
2
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
internet banking mobile payment dan fitur-fitur turunan lainnya. Walaupun
demikian, ada sebagian masyarakat tertentu yang masih atau lebih nyaman
menggunakan cek/Bilyet Giro (BG).
Uang elektronik adalah suatu alat pembayaran yang 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. Uang elektronik memiliki kelebihan 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). Uang elektronik menurut Peraturan Bank Indonesia No.
11/12/PBI/2009 tentang Uang Elektronik adalah alat pembayaran yang memenuhi
unsur-unsur sebagai berikut:
1) Penerbit akan menerbitkan uang elektronik kepada pengguna yang
menyetorkan nilai uang terlebih dahulu.
2) Server atau chip merupakan suatu media penyimpanan nilai uang secara
elektronik.
3) Pedagang yang bukan penerbit uang elektronik tersebut menggunakan
uang elektronik sebagai alat pembayaran.
3
4) Nilai uang elektronik yang disetor oleh pengguna dan dikelola oleh
penerbit bukan merupakan simpanan sebagaimana dimaksud dalam
undang-undang yang mengatur mengenai perbankan.
Uang elektronik yang dimaksudkan disini berbeda dengan alat pembayaran
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
bank. Transaksi pembayaran dengan uang elektronik dilakukan dengan mentransfer
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
transaksinya rata-rata mengalami peningkatan setiap tahunnya. Berikut adalah tabel
1.1 jumlah uang elektronik yang beredar dimulai dari Januari 2010 sampai Mei
2017.
Tabel 1. 1 Jumlah Peredaran dan Transaksi Uang Elektronik (Sumber:
http://www.bi.go.id)
Periode Jumlah Jumlah Transaksi
2010 7.914.018 693.467
2011 14.299.726 981.297
2012 21.869.946 1.971.550
2013 36.225.373 2.907.432
2014 35.738.233 3.319.556
2015 34.314.795 5.283.018
2016 51.204.580 7.063.689
2017 (Januari-Mei) 60.130.482 3.737.139
4
Berdasarkan tabel 1.1 jumlah uang elektronik yang berdar mengalami
kenaikan disetiap tahunnya, terkecuali di tahun 2014 dan 2015 yang mengalami
penurunan. Sedangkan transaksi uang elektronik semakin meningkat setiap
tahunnya tanpa adanya penurunan.
Menurut Bank Indonesia produk uang elektronik yang ada di Indonesia
dapat dilihat di gambar 1.1 terdapat uang elektronik berbasis chip dan berbasis
server.
Gambar 1. 1 Produk Uang Elektronik (Sumber: http://www.bi.go.id)
Implementasi suatu teknologi selalu berhubungan dengan penerimaan
pengguna (Nasir, 2013). Penerimaan yang dimaksudkan adalah apakah kemudahan
dan manfaat yang ada pada sistem tersebut dapat memaksimalkan sistem dan
mampu menyajikan analisa yang sangat informatif bagi para pemangku
kepentingan. Ada banyak model untuk mengukur penerimaan pengguna, salah
satunya yang akan digunakan dalam penelitian ini adalah model UTAUT2 (Unified
Theory of Acceptance an Use of Technology 2) merupakan pengembangan lebih
5
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
digunakan (Davis, 1989). Maka mereka tidak akan menggunakan teknologi
tersebut, selain manfaat dalam suatu teknologi ada juga faktor kemudahan dalam
menggunakan teknologi merupakan hal yang terpenting, sehingga nilai manfaat dan
kemudahan dalam penggunaan merupakan hal dasar dalam penerimaan suatu
teknologi yang baru. Apabila nilai manfaat dan kemudahan dalam penggunaan
teknologi tersebut bernilai besar maka penerimaan teknologi tersebut pun menjadi
besar sehingga intensitas dalam implementasi suatu teknologi menjadi meningkat.
Pada penerapannya di Indonesia, uang elektronik digunakan dalam berbagai
macam transaksi, seperti halnya pembayaran tiket commuter line, pembayaran tiket
Transjakarta, pembayaran tol, hingga pembelanjaan di supermarket. Untuk
6
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
(Yulianto, Ferdinand, & Soesanto, 2016). Ketidaksiapan dapat menimbulkan
dampak kegagalan dalam penerapan teknologi informasi itu sendiri (Subiyakto,
2017). Dalam undang-undang yang mengatur mengenai perbankan, saldo atau
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
(Yogananda, 2017). Hambatan yang dirasakan (dalam artikel Tribunnews.com,
2017) pada transaksi pembayaran tol menggunakan uang elektronik adalah respon
dari mesin pembaca sensor uang elektronik yang lambat, hal ini bertentangan
dengan tujuannya yaitu untuk mempercepat transaksi pembayaran tol.
Dalam survey penerapan uang elektronik yang dilakukan oleh Bank
Indonesia menunjukan bahwa pemahaman dan kesadaran pengguna terhadap uang
elektronik masih belum optimal, selain itu interoperabilitas dari uang elektronik
belum terkoordinasi dengan baik sehingga pengguna harus menggunakan banyak
produk uang elektronik (Khatimah & Halim, 2014). Pada tahun 2013, dilakukan
survey oleh MARS Indonesia mengenai tingkat kesadaran terhadap pengguna uang
elektronik di beberapa kota, menunjukan hasil bahwa pengguna teknologi uang
7
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
adanya UU yang mengatur tentang peredaran uang elektronik.
Tangerang Selatan merupakan sebuah kota yang memiliki letak di Tatar
Pasundan Provinsi Banten, Indonesia. Tangerang Selatan berbatasan dengan Kota
Tangerang di sebelah utara, Kabupaten Bogor (Provinsi Jawa Barat) di sebelah
selatan, Kabupaten Tangerang di sebelah barat, serta Daerah Khusus Ibukota
Jakarta di sebelah timur. Tangerang Selatan merupakan kota terbesar kedua dalam
jumlah penduduk di Provinsi Banten setelah Kota Tangerang serta terbesar kelima
di kawasan Jabodetabek setelah Jakarta, Bekasi, Tangerang, dan Depok. Wilayah
Tangerang Selatan merupakan hasil pemekaran dari Kabupaten Tangerang.
Tangerang Selatan memiliki visi yaitu Terwujudnya Tangsel Kota Cerdas ,
Berkualitas dan Beradaya Saing Berbasis Teknologi dan Inovasi. Sedangkan Misi
dari Kota Tangerang Selatan yaitu Mengembangkan Sumberdaya manusia yang
handal dan berdaya saing, meningkatkan infrastruktur kota yang fungsional,
menciptakan kota layak huni yang berwawasan lingkungan, mengembangkan
Ekonomi kerakyatan berbasis inovasi dan produk unggulan, meningkatkan tata
kelola pemerintahan yang baik berbasis teknologi informasi.
8
Penelitian mengenai kinerja proyek dalam lingkungan sistem informasi
dirasa sangat menarik bagi para peneliti dan praktisi selama bertahun-tahun (A’ang
Subiyakto, Ahlan, & Sukmana, 2014). Berdasarkan fenomena yang terjadi di
Indonesia terkait penerapan uang elektronik dan visi misi dari Tangerang Selatan,
peneliti tertarik untuk melakukan penelitian yang berjudul “Pengukuran Tingkat
Penerimaan dan Penggunaan Teknologi Uang Elektronik di Tangerang Selatan
dengan Menggunakan Model UTAUT 2”. Dari hasil penelitian ini diharapkan dapat
menjadi masukan/rekomendasi bagi pengembang uang elektronik agar dapat
meningkatkan tingkat penerimaan pengguna.
1.2 Identifikasi Masalah
Berdasarkan latar belakang yang telah dijelaskan di atas, identifikasi
malasah yang ada yaitu sebagai berikut:
1. Kurangnya pemahaman dan kesadaran pengguna atas uang elektronik
dianggap kurang optimal.
2. Tidak adanya hak kepemilikan dalam uang elektronik, sehingga bila
terjadi suatu hal yang tidak diinginkan maka uang elektronik tidak dapat
dilacak keberadaannya dan uang elektronik tersebut tidak dapat diblokir.
3. Pada transaksi pembayaran tol menggunakan uang elektronik sering
terjadi respon dari mesin pembaca sensor uang elektronik yang lambat.
4. Dalam beberapa transaksi uang eletronik belum terkoordinasi dengan
baik sehingga pengguna harus menggunakan banyak produk uang
elektronik.
9
5. Penerimaan sebagai faktor utama yang akan menentukan sukses atau
tidaknya suatu penerapan sistem teknologi, serta belum diketahui sejauh
mana tingkat keberhasilan dari implementasi teknologi ini diukur dari
tingkat penerimaan dan penggunaan di wilayah Tangerang Selatan.
1.3 Perumusan Masalah
Kebutuhan masyarakat terhadap sistem pembayaran (dalam hal perpindahan
dana) diharapkan dapat dilakukan secara cepat, aman dan efisien. Pergeseran dari
penggunaan alat pembayaran berbasis kertas ke penggunaan alat pembayaran
berbasis kartu dan elektronik semakin meningkat tiap tahunnya, ini terlihat dari
masyarakat yang semakin terbiasa menggunakan alat pembayaran seperti uang
elektronik dalam bertransaksi. Namun dalam penerapannya di Indonesia masih
ditemukan beberapa kendala seperti belum optimalnya pemahaman dan kesadaran
pengguna terhadap uang elektronik, kondisi fasilitas yg dirasa belum memadai,
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
suaratangsel.com disebutkan bahwa kota Tangerang selatan menerapkan smart city
untuk mewujudkan visi Tangerang Selatan sebagai kota cerdas yang berkualitas dan
berdaya saing yang mampu menyelesaikan permasalah masyarakatnya dengan
bantuan teknologi yang aplikatif, seperti halnya penggunaan uang elektronik.
Dengan demikian, hal ini menjadi menarik untuk melakukan penelitian di
Tangerang Selatan. Harapannya, hasil temuan dari penelitian ini dapat
10
menampilkan tingkat penerimaan dan penggunaan teknologi uang elektronik di
Tangerang Selatan.
1.4 Tujuan dan Sasaran
1.4.1 Tujuan
Berdasarkan latar belakang dan perumusan masalah yang sudah dipaparkan
sebelumnya, penelitian ini dilakukan dengan dua tujuan, yaitu untuk:
1) Mengetahui status penerimaan pengguna uang elektronik di Tangerang
Selatan.
2) Menguji variabel dari model UTAUT 2 yang mempengaruhi
penerimaan pengguna uang elektronik di Tangerang Selatan.
1.4.2 Sasaran
Mengacu pada tujuan penelitian di atas, maka sasaran pelaksanaan
penelitian ini adalah untuk:
1) Mengetahui status penerimaan pengguna uang elektronik di Tangerang
Selatan berdasarkan persepsi pengguna.
2) Mengetahui faktor-faktor yang mempengaruhi penerimaan pengguna
uang elektronik di Tangerang Selatan berdasarkan model UTAUT 2
yang dikembangkan.
11
1.5 Model Penelitian
Penelitian ini menggunakan model yang diadopsi dan dimodifikasi dari
UTAUT 2 yang merupakan pengembangan dari model UTAUT yaitu sebuah model
untuk menjelaskan perilaku pengguna terhadap teknologi informasi (Venkatesh,
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
memodifikasi model UTAUT2 yang ada dengan menambahkan variabel Perceived
Security dan Perceived Trust. Menurut McKnight et al (dalam Khatimah & Halim,
2014) mendefinisikan Perceived Trust adalah faktor kunci dan pondasi dalam
mengembangkan bisnis dalam layanan transaksi online. Adanya hubungan positif
antara tingkat kepercayaan dengan niat penggunaan (Suh & Han, 2002). Merasa
aman dalam melakukan transaksi keuangan dengan teknologi online penting untuk
meminimalkan kekhawatiran tentang penggunaan teknologi untuk melakukan
pembayaran online (Salisbury et al., 2003) Menurut Shin (dalam Morosan &
DeFranco, 2016) dalam konteks komersial, keamanan yang dirasakan
mencerminkan persepsi konsumen bahwa sistem tertentu aman untuk melakukan
transaksi. Kemudian didalam model UTAUT 2, terdapat variabel moderator yaitu
jenis kelamin (gender), usia (age), dan pengalaman (experience). Berikut adalah
gambar 1.2 rancangan model UTAUT 2 yang diajukan.
12
Gambar 1. 2 Model Penelitian Yang Diajukan (Venkatesh et al., 2012)
1.6 Pertanyaan Penelitian
Mengacu pada tujuan dan sasaran penelitian, maka dua pertanyaan utama
dalam penelitian ini adalah :
Q.1 Bagaimana mengetahui status penerimaan pengguna uang elektronik
di Tangerang Selatan berdasarkan persepsi pengguna?
Q.2 Apa saja faktor-faktor yang mempengaruhi penerimaan pengguna
uang elektronik di Tangerang Selatan?
13
Berikut adalah pertanyaan penelitian terkait faktor-faktor yang
mempengaruhi penerimaan pengguna uang elektronik di Tangerang Selatan yang
dikembangkan sesuai dengan model penelitian yang sudah diajukan :
Q2.1 Apakah PE berpengaruh terhadap BI?
Q2.2 Apakah EE berpengaruh terhadap BI?
Q2.3 Apakah SI berpengaruh terhadap BI?
Q2.4 Apakah PS berpengaruh terhadap BI?
Q2.5 Apakah PT berpengaruh terhadap BI?
Q2.6 Apakah FC berpengaruh terhadap BI?
Q2.7 Apakah FC berpengaruh terhadap UB?
Q2.8 Apakah HM berpengaruh terhadap BI?
Q2.9 Apakah PV berpengaruh terhadap BI?
Q2.10 Apakah HT berpengaruh terhadap BI?
Q2.11 Apakah HT berpengaruh terhadap UB?
Q2.12 Apakah BI berpengaruh terhadap UB?
1.7 Ruang Lingkup dan Batasan
Ruang lingkup dan batasan pada penelitian ini adalah sebagai berikut :
1) Penelitian ini dilakukan terhadap Uang Elektronik berbasis chip yang
ada di Indonesia seperti e-Money, Flazz, Brizzi, dan TapCash.
2) Secara teori, penelitian ini menggunakan UTAUT 2 yang dikembangkan
oleh Venkatesh (2012) dengan menambahkan variabel Perceived
Security dan Perceived Trust untuk mengukur penerimaan pengguna,
mengingat pentingnya faktor keamanan dan kepercayaan seperti yang
14
disebutkan oleh McKnight et al (dalam Khatimah & Halim, 2014), Suh
dan Han (2002), Salisbury et al., (2001) dan Shin (dalam Morosan &
DeFranco, 2016)
3) Secara metodologi, penelitian ini menggunakan pendekatan kuantitatif
(Creswell, 2013) dengan teknik pengumpulan data survei yang
disebarkan kepada masyarakat Tangerang Selatan yang sudah pernah
bertransaksi menggunakan uang elektronik. Teknik pengambilan
sampel yaitu Purposive sampling secara Accidental sampling (Ritchie,
2013; Anjarsari & Waluyo, 2017; Ayuningtias & Waluyo, 2017).
Purposive sampling untuk tahap pertama dan accidental sampling untuk
tahap kedua. Analisis data menggunakan pendekatan PLS-SEM dengan
SmartPLS versi 3.0 (Yamin & Kurniawan, 2011; Hair et al., 2012;
Afthanorhan & Asyraf, 2013; Wong, 2013; Ringle, da Silva, & Bido,
2015).
1.8 Metodologi Penelitian
Secara umum, penelitian ini menggunakan metode kuantitatif (Creswell,
2013). Sumber rumusan 12 hipotesis merupakan model penelitian yang akan
dikembangakan pada penelitian ini. Kemudian hipotesis ini akan diuji
menggunakan data yang telah dikumpulkan dari kuesioner (Sugiyono dalam
Setiawan, 2016). Kuesioner yang dirancang dalam bentuk pernyataan yang sejalan
dengan pendekatan dan strategi penelitian yang selanjutnya disebarkan kepada
15
responden yang telah ditargetkan. Studi literatur juga dilakukan peneliti untuk
memperkuat teori-teori yang ada sehingga penelitian ini bersifat ilmiah.
Responden pada penelitian ini adalah seluruh pengguna uang elektronik
yang merupakan masyarakat Tangerang Selatan (N = 1.593.812). Hal ini sukar
untuk dijangkau sehingga teknik pengambilan sampel akan diterapkan untuk
mendapatkan sampel yang bisa mewakili populasi ini. Sampel diambil dengan
menggunakan teknik Purposive sampling secara Accidental sampling (Ritchie,
2013; Anjarsari & Waluyo, 2017; Ayuningtias & Waluyo, 2017). Tahap pertama
dilakukan untuk memilih bagian dari populasi, dimana kriteria yang dipilih adalah
yang memiliki pengalaman dalam menggunakan sistem (purposive sampling),
selanjutnya pada tahap kedua pengambilan sampel dilakukan secara aksidental
artinya pemilihan anggota sampelnya dilakukan terhadap responden yang kebetulan
dijumpai/ada (accidental sampling).
Kuesioner disebarkan secara langsung dan tidak langsung kepada
responden. Penyebaran secara langsung dilakukan oleh peneliti untuk mencari
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
kuesioner yang terkumpul akan disaring dan diklasifikasikan menggunakan
perangkat lunak pengolah angka Ms. Excel. Berdasarkan pengumpulan data
tersebut diperoleh sebanyak 228 data yang valid untuk digunakan. Proses analisis
data secara kuantitatif menggunakan pendekatan PLS-SEM dengan SmartPLS versi
3.0 (Yamin & Kurniawan, 2011; Hair et al., 2012; Afthanorhan & Asyraf, 2013;
16
Wong, 2013; Ringle, da Silva, & Bido, 2015), selanjutnya interpretasi dilakukan
berdasarkan hasil analisis tersebut. Terakhir, kesimpulan-kesimpulan dibuat sesuai
dengan pertanyaan penelitian yang telah diajukan dan didiskusikan berdasarkan
batasan penelitian.
1.9 Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat sebagai berikut :
1) Secara teoritis, penelitian ini diharapkan dapat mengusulkan model
penerimaan baru dengan penambahan variabel keamanan dan
kepercayaan pada model sebelumnya, seperti yang dijelaskan Belout
dan Gauvreau (dalam Subiyakto & Ahlan, 2014) bahwa sebagian besar
model penelitian dikembangkan menggunakan teori sebelumnya. Dan
penelitian ini diharapkan juga dapat menjadi alternatif bagi peneliti
selanjutnya atau berbagai pihak dalam memahami kepuasan pengguna
sistem.
2) Secara metodologi, penelitian ini diharapkan dapat mendorong
pemanfaatan metode kuantitatif dalam penyusunan skripsi di Program
Studi Sistem Informasi UIN Syarif Hidayatullah Jakarta yang
berdasarkan pengamatan peneliti jumlahnya masih terbatas.
3) Secara praktis, hasil penelitian ini diharapkan dapat menjadi bahan
pertimbangan bagi pihak terkait dalam menggunakan uang elektronik.
17
1.10 Sistematika Penulisan
Laporan penelitian ini terbagi dalam lima bab yang meliputi pendahuluan,
kajian pustaka, metodologi penelitian, hasil analisis dan interpretasi, dan penutup.
Berikut penjelasan singkat terkait kelima bab tersebut:
Bab I Pendahuluan
Bab ini menjelaskan tentang latar belakang, perumusan masalah, tujuan dan
sasaran, model penelitian, pertanyaan penelitian, ruang lingkup dan batasan,
metodologi penelitian, manfaat penelitian, dan sistematika penulisan laporan hasil
penelitian.
Bab II Landasan Teori
Bab ini menjelaskan teori-teori terkait landasan pelaksanaan penelitian, meliputi
teori pengukuran, teknologi uang elektronik, penerimaan, model UTAUT 2, metode
pengumpulan data, populasi, teknik sampling, PLS-SEM, pengembangan model
penelitian dan hipotesisnya.
Bab III Metodologi Penelitian
Bab ini memaparkan tentang metode proses pelaksanaan penelitian yang digunakan
dalam penelitian ini, yang dimana dibagi dua metode yaitu metode pengumpulan
data dan metode analisis data.
18
Bab IV Hasil dan Pembahasan
Bab ini memaparkan analisis data dan hasilnya, interpretasi, dan diskusi hasil
penelitian. Analisis data utamanya dilakukan menggunakan metode PLS-SEM
dengan perangkat lunak SmartPLS 3.0 meliputi analisis pengukuran model (model
measurement analysis) dan struktur model (structural model). Selanjutnya,
interpretasi dan diskusi dilakukan dengan merujuk kepada basis teori sebelumnya,
memperhatikan dan menimbang pelaksanaan penelitian secara praktis di lapangan.
Bab V Penutup
Bab ini menjelaskan tentang kesimpulan dan saran atas hasil pelaksanaan penelitian
terutama terkait dengan aspek penggunaan dan kelanjutan bagi kajian selanjutnya.
19
BAB II
LANDASAN TEORI
2.1 Kota Tangerang Selatan
Kota Tangerang Selatan merupakan sebuah kota yang memiliki letak di
Tatar Pasundan Provinsi Banten, Indonesia. Tangerang Selatan berbatasan dengan
Kota Tangerang di sebelah utara, Kabupaten Bogor (Provinsi Jawa Barat) di
sebelah selatan, Kabupaten Tangerang di sebelah barat, serta Daerah Khusus
Ibukota Jakarta di sebelah timur. Tangerang Selatan terletak di bagian timur
Provinsi Banten yaitu pada titik koordinat 106'38' - 106'47’ Bujur Timur dan
06'13'30' - 06'22'30' Lintang Selatan. Wilayah Kota Tangerang Selatan diantaranya
dilintasi oleh Kali Angke, Kali Pesanggrahan dan Sungai Cisadane sebagai batas
administrasi kota di sebelah barat. Tangerang Selatan juga menjadi salah satu
daerah yang menghubungkan Provinsi Banten dengan Provinsi Jawa Barat.
Tangerang Selatan merupakan kota terbesar kedua dalam jumlah penduduk di
Provinsi Banten setelah Kota Tangerang serta terbesar kelima di kawasan
Jabodetabek setelah Jakarta, Bekasi, Tangerang, dan Depok. Wilayah Tangerang
Selatan merupakan hasil pemekaran dari Kabupaten Tangerang (Wikipedia, 2018).
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
city berfokus kepada penyelesaian masalah yang dapat diberikan kepada
masyarakat dalam menghadapi permasalahan yang ada di lingkungannya.
20
Berdasarkan web portal (www.tangerangselatankota.go.id) Tangerang Selatan
memiliki visi dan misi yaitu sebagai berikut.
1. Visi: Terwujudnya Tangsel Kota Cerdas , Berkualitas dan Beradaya
Saing Berbasis Teknologi dan Inovasi.
2. Misi: Mengembangkan Sumberdaya manusia yang handal dan berdaya
saing, meningkatkan infrastruktur kota yang fungsional, menciptakan
kota layak huni yang berwawasan lingkungan, mengembangkan
Ekonomi kerakyatan berbasis inovasi dan produk unggulan,
meningkatkan tata kelola pemerintahan yang baik berbasis teknologi
informasi.
2.2 Konsep Dasar Pengukuran
Menurut Sridadi (2017), pengukuran adalah suatu proses yang dilakukan
secara sistematis untuk memperoleh besaran kuantitatif dari suatu objek tertentu
dengan menggunakan alat ukur yang baku. Menurut Hopkins dan Antes (1990),
pengukuran dapat didefinisikan sebagai suatu proses yang menghasilkan gambaran
berupa angka-angka berdasarkan hasil pengamatan mengenai beberapa ciri tentang
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
karakteristik dari objek tersebut.
Dari beberapa pendapat di atas mengenai definisi pengukuran, dapat
disimpulkan bahwa pengukuran adalah suatu kegiatan untuk mengukur tingkatan
21
atau melakukan penilaian dari sebuah sistem atau teknologi dengan alat ukur yang
baku.
2.3 Konsep Dasar Teknologi Uang Elektronik
2.3.1 Definisi Teknologi
Teknologi dalam Bahasa Indonesia merupakan suatu kata serapan yang
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
menyediakan barang-barang yang diperlukan untuk kelangsungan dan kenyamanan
hidup manusia. Dalam bahasa Yunani, technologia yang memiliki asal kata techne
yang memiliki arti wacana seni. Pada umumnya kata teknologi digunakan untuk
segala sesuatu yang bersifat teknis dalam mempermudah aktivitas manusia.
Menurut Miarso (2007) teknologi merupakan proses yang menggunakan
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
menyelesaikan permasalahan yang dihadapi manusia dalam kehidupan sehari-hari,
teknologi merupakan hasil dari olah pikir manusia untuk mengembangkan suatu
tata cara atau sistem tertentu dan menggunakanya untuk menyelesaikan
permasalahan dalam hidupnya (Parsaorantua, Pasoreh, & Rondonuwu, 2017).
22
2.3.2 Definisi Smart Card
Smart card merupakan sebuah kartu yang ukuran seperti halnya kartu kredit
dan di dalamnya terdapat microprocessor yang dapat dirancang untuk melakukan
hal seperti menyimpan data dan informasi namun tidak sebaik dengan
microprocessor personal computer, sehingga kemampuan yang dimiliki tidak dapat
disetarakan. Smart card memiliki dua tipe dasar yaitu intelligent smart card yang
memiliki microprocessor untuk melakukan transaksi seperti membuat, membaca,
dan menghitung seperti halnya komputer dan memory card yang tidak memiliki
microprocessor hanya digunakan sebagai media penyimpanan informasi.
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
dibandingkan dengan magnetic card (Donny, 2008).
Smart card merupakan kartu berbahan plastik yang memiliki memory chip
dan microprocessor dan dapat melakukan transaksi seperti menambah, mengubah,
serta menghapus informasi yang terdapat di dalamnya. Smart card memiliki
keunggulan yaitu tidak perlu dilakukannya akses database di server karena sudah
terdapat sebagian memory silicon tanpa microprocessor di dalam memory card.
(Memory silicon merupakan perangkat penyimpanan data-data elektronik yang
terbuat dari bahan semikonduktor yang berfungsi untuk menyimpan data (K. Kim,
2015).
23
2.3.3 Definisi dan Manfaat Uang Elektronik
Menurut Peraturan Bank Indonesia No. 11/12/PBI/2009 tentang Uang
Elektronik adalah suatu alat pembayaran yang telah memenuhi unsur-unsur sebagai
berikut:
1) Penerbit akan menerbitkan uang elektronik kepada pengguna yang
menyetorkan nilai uang terlebih dahulu.
2) Server atau chip merupakan suatu media penyimpanan nilai uang secara
elektronik.
3) Pedagang yang bukan penerbit uang elektronik tersebut menggunakan
uang elektronik sebagai alat pembayaran.
4) Nilai uang elektronik yang disetor oleh pengguna dan dikelola oleh
penerbit bukan merupakan simpanan sebagaimana dimaksud dalam
undang-undang yang mengatur mengenai perbankan.
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
elektronik tidak memiliki saldo minimum yang diendapkan, saldo minimum
dimaksudkan agar pengguna memiliki saldo yang cukup untuk melakukan
pembayaran layanan tersebut ketika pengguna selesai menggunakan layanan itu.
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
24
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).
Menurut Adiyanti (2015)uang elektronik merupakan uang yang digunakan
dalam transaksi internet dengan cara elektronik. Biasanya, transaksi ini melibatkan
penggunaan jaringan komputer. Uang elektronik memiliki nilai tersimpan (stored-
value) atau prabayar (prepaid) dimana sejumlah nilai uang disimpan dalam suatu
media elektronis yang dimiliki seseorang. Nilai uang dalam uang elektronik akan
berkurang pada saat pengguna menggunakan untuk pembayaran.
Uang elektronik digunakan dengan konsep menampilkan fungsi uang
dengan peralatan elektronik. Selanjutnya informasi yang dideskripsikan dengan
sinyal digital dikirim bank untuk menjamin nilai nominal. Uang yang telah
disetorkan kepada penerbit akan disimpan di dalam chip IC atau jaringan
komunikasi komputer uang dibuat berbentuk kartu plastik, dan uang elektronik
digunakan dalam berbagai bentuk (Kim, Hyun Joo, Lee, Soo Jong & Shin, 2013).
Pada tahun 2006 Tim Inisiatif Bank Indonesia mengungkapkan dalam
perekonomian modern saat ini, arus pertukaran barang dan jasa menjadi sangat
cepat sehingga memerlukan kemampuan sistem pembayaran yang dapat melakukan
pembayaran lebih baik, efisien, cepat dan aman. Selain itu uang cash yang biasa
25
digunakan sebagai alat pembayaran saat ini mulai memiliki berbagai masalah
seperti tingginya biaya cash handling dan rendahnya velocity of money.
Warjiyo (dalam Waspada, 2012) menyatakan bahwa alat pembayran non
tunai memberikan manfaat yaitu:
1) Meningkatnya nilai kepuasan pengguna dengan berkurangnya biaya
transaksi.
2) Bagi penyedia layanan jasa pembayaran non tunai memiliki sumber
daya pendapatan.
3) Kecepatan dalam transaksi meningkat.
4) Pertumbuhan ekonomi dan tingkat kesejahteraan.
Manfaat atau kelebihan menggunakan uang elektronik dibandingkan
dengan uang tunai dan alat pembayaran non-tunai yang lain menurut Hidayati,
(2006) adalah:
1) Dalam transaksi yang bernilai kecil penggunaan uang elektronik lebih
nyaman dan cepat dibandingkan dengan uang tunai, dikarenakan
nasabah tidak perlu menyediakan jumlah uang pas saat transaksi
ataupun menyimpan uang kembalian.
2) Dalam menyelesaikan suatu transaksi, penggunaan uang elektronik
lebih cepat dan singkat dibandingkan dengan kartu kredit atau debit,
karena uang elektronik tidak memerlukan PIN, tanda tangan, ataupun
otorisasi online. Biaya komunikasi dapat dikurangi karena dapat
digunakan transaksi offline. Nominal yang ada dalam uang elektronik
26
dapat diisi ulang kedalam kartu melalui berbagai sarana yang
disediakan oleh penerbit uang elektronik.
2.3.4 Bentuk-bentuk Uang Elektronik
Menurut Bahri (2010) bentuk uang elektronik dapat dibedakan berdasarkan
medianya, masa berlaku, dan jangkauan penggunanya.
1) Berdasarkan media
a. Uang elektronik yang nilai uangnya dicatat pada media elektronik
pemegang dan penerbit.
b. Uang elektronik yang nilai uangnya hanya dicatat pada media
elektronik penerbit.
2) Berdasarkan masa berlaku
a. Reloadable, yaitu uang elektronik yang dapat diisi ulang.
b. Disposable, yaitu uang elektronik yang tidak dapat diisi.
3) Berdasarkan jangkauan pengguna
a. Single-purpose, yaitu uang elektronik yang digunakan hanya untuk
satu jenis transaksi ekonomi.
b. Multiple-purpose, yaitu uang elektronik yang dapat digunakan
untuk banyak jenis transaksi ekonomi.
27
2.3.5 Jenis-jenis Transaksi Pada Uang Elektronik
Menurut Bahri (2010) jenis transaksi yang menggunakan uang elektronik
secara umum yaitu:
1) Penerbitan dan Pengisian Ulang
Pengisian saldo yang dilakukan oleh penerbit ke dalam uang elektronik
dilakukan terlebih dahulu sebelum dijual kepada pengguna. Sedangkan bagi
pengguna, pengisian saldo dapat dilakukan dengan cara setor tunai, debit,
atau melalu tempat-tempat yang khusus disediakan oleh penerbit.
2) Transaksi Pembayaran
Transaksi pembayaran yang menggunakan uang elektronik pada
dasarnya dilakukan pertukaran nilai uang dalam bentuk elektronik dengan
barang antara pengguna dan pedagang dengan menggunakan protocol yang
sudah ditetapkan pada sebelumnya.
3) Transfer
Transfer merupakan fasilitas yang ada dalam uang elektronik untuk
pengiriman nilai uang elektronik antar pengguna uang elektronik melalui
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
elektronik yang dimiliki pengguna dan dapat dilakukan setiap saat.
28
5) Redeem/Refund
Redeem/Refund merupakan proses penukaran kembali nilai uang
elektronik kepada penerbit yang dilakukan oleh pengguna dikarenakan
terdapat nilai uang yang tidak terpakai, ataupun yang dilakukan oleh
pedagang saat penukaran hasil nilai uang elektronik yang didapat.
2.3.6 Perbedaan Uang Elektronik dengan Alat Pembayaran Menggunakan
Kartu (APMK) Lainnya
Menurut Bahri (2010)alat pembayaran menggunakan kartu yang ada di
Indonesia yaitu:
1) Kartu Kredit
Kartu kredit adalah alat pembayaran elektronik yang berbentuk kartu
yang dapat digunakan sebagai alat pembayaran pada transaksi pembelian
barang dan jasa, yang pembayaran dan pelunasannya dapat dilakukan oleh
pembeli secara sekaligus atau angsuran pada jangka waktu tertentu setelah
kartu digunakan sebagai alat pembayaran.
2) Charge Card
Charge card adalah alat berbentuk kartu yang diterbitkan oleh suatu
lembaga keuangan yang digunakan sebagai alat pembayaran transaksi
pembelian barang dan jasa yang pembayaran pelunasannya harus dilakukan
oleh pembeli secara sekaligus dalam jangka waktu tertentu kartu digunakan.
29
3) Kartu Debet
Kartu debet merupakan kartu yang diterbitkan oleh lembaga keuangan
yang dapat digunakan sebagai alat pembayaran transaksi pembelian barang
dan jasa dengan cara mendebit atau mengurangi saldo rekening simpanan
pemilik kartu serta pada saat yang sama, mengkredit saldo rekening penjual
sebesar nilai transaksi jual beli barang dan jasa.
4) Kartu ATM
Kartu ATM dapat melayani kebutuhan nasabah secara otomatis setiap
saat melalui mesin ATM. Pelayanan yang diberikan ATM antara lain
penarikan uang tunai, mengecek dan mencetak saldo rekening nasabah, dan
pelayanan pembayaran lainnya, seperti pembayaran listrik, telepon, kartu
kredit, transfer uang, dan lainnya. Pada beberapa bank penerbit kartu ATM
terdapat kombinasi fungsi antara kartu debet dan kartu ATM dalam satu
kartu sekaligus.
Secara umum perbedaan antara uang elektronik dengan alat pembayaran
menggunakan kartu lainnya dapat dilihat dari tabel 2.1 Perbedaan Uang Elektronik
dengan Alat Pembayaran Menggunakan Kartu (APMK) Lainnya
Tabel 2. 1 Perbedaan Uang Elektronik dengan Alat Pembayaran Menggunakan
Kartu (APMK) Lainnya
No Uang Elektronik Alat Pembayaran Menggunakan Kartu
(APMK) Lainnya
1. Nilai uang tercatat dalam instrumen media
uang elektronik
Tidak ada pencatatan nilai uang pada
instrument kartu
2. Dana sepenuhnya berada dalam
penguasaan pemegang
Dana sepenuhnya berada dalam penguasaan
bank
3. Transaksi pembayaran dilakukan
secara off-line ke penerbit.
Transaksi pembayaran dilakukan secara on-
line ke penerbit.
30
2.4 Definisi Penerimaan Pengguna
Menurut Succi dan Walter (1999)penerimaan pengguna terhadap teknologi
informasi adalah kemauan yang nampak didalam suatu kelompok pengguna untuk
menerapkan sistem teknologi informasi tersebut dalam pekerjaannya. Sedangkan
menurut Vergragt (2006), penerimaan konsumen merupakan sikap positif
konsumen terhadap sebuah inovasi dan niat konsumen dalam mengkonsumsi
produk atau layanan tersebut. Adapun pendapat lain menurut Moskowitz et al,
(2012) mendefinisikan penerimaan konsumen sebagai sesuatu pengalaman atau
fitur dari pengalaman, ditandai dengan sikap positif terhadap produk, dan/
pemanfaatan aktual produk oleh konsumen. Sehingga, penerimaan konsumen harus
dipandang sebagai faktor utama yang akan menentukan sukses atau tidaknya suatu
penerapan sistem teknologi.
2.5 Unified Theory of Acceptance an Use of Technology 2 (UTAUT 2)
UTAUT terbukti lebih berhasil dibandingkan kedelapan teori yang lain
dalam menjelaskan hingga 70% varian pengguna (Venkatesh et al, (2003). Teori ini
merupakan penggabungan dari delapan model penerimaan sebelumnya.
31
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
expectancy, social influence, facilitating conditions) dan 2 variabel dependen
(behavioral intention dan use behavior), serta empat variabel moderator (gender,
age, experience, voluntariness of use). Jati (2012) Model Unified Theory of
Acceptance and Use of Technology (UTAUT) merupakan teori yang berpengaruh
dan banyak diadopsi untuk melakukan penelitian penerimaan pengguna (user
acceptance) terhadap suatu teknologi informasi. UTAUT yang dikembangkan oleh
(Venkatesh et al., 2003) menggabungkan fitur-fitur yang berhasil dari delapan teori
penerimaan teknologi terkemuka menjadi satu teori.
32
UTAUT2 menggabungkan tiga konstruksi ke UTAUT: motivasi hedonis
(Hedonic Motivation), nilai harga (Price Value), dan kebiasaan (Habit) dapat dilihat
pada gambar 2.2 Model UTAUT 2 (Venkatesh et al., 2012).
Gambar 2. 2 Model UTAUT 2 (Venkatesh et al., 2012)
2.5.1. Perfomance Expectancy
Ventakesh, et al. (2003) mendefinisikan Ekspektasi kinerja (perfomance
expectancy) sebagai tingkat dimana seseorang mempercayai dengan menggunakan
sistem tersebut akan membantu orang tersebut untuk memperoleh keuntungan-
keuntungan kinerja pada pekerjaan. Dalam konsep ini terdapat gabungan variabel-
variabel yang diperoleh dari model penelitian sebelumnya tentang model
penerimaan dan penggunaan teknologi (Jati & Laksito, 2012). Adapun variabel
tersebut adalah sebagai berikut.
33
1) Persepsi Terhadap Kegunaan (Perceived Usefulness)
Ventakesh, et al. (2003) persepsi terhadap kegunaan (perceived
usefulness) didefinisikan sebagai seberapa jauh seseorang percaya bahwa
menggunakan suatu sistem tertentu akan meningkatkan kinerjanya. Variabel
penelitian ini terdapat pada penelitian Davis, et al. (1889).
2) Motivasi Ekstrinsik (Extrinsic Motivation)
Ventakesh, et al. (2003) motivasi ekstrinsik (extrinsic motivation)
didefinisikan sebagai persepsi yang diinginkan pemakai untuk melakukan
suatu aktivitas karena dianggap sebagai alat dalam mencapai hasil-hasil
bernilai yang berbeda dari aktivitas itu sendiri, semacam kinerja pekerjaan,
pembayaran, dan promosi-promosi. Variabel penelitian ini terdapat pada
penelitian Davis, et al. (1992).
3) Kesesuaian Pekerjaan (Job Fit)
Ventakesh, et al. (2003) kesesuaian pekerjaan (job fit) didefinisikan
bagaimana kemampuan-kemampuan dari suatu sistem meningkatkan
kinerja pekerjaan individual. Variabel penelitian ini terdapat pada penelitian
Davis, et al. (1992).
4) Keuntungan Relatif (Relative Advantage)
Ventakesh, et al. (2003) keuntungan relatif (relative advantage)
didefinisikan sebagai seberapa jauh menggunakan sesuatu inovasi yang
dipersepsikan akan lebih baik dibandingkan menggunakan pendahulunya.
Variabel penelitian ini terdapat pada penelitian Moore dan Benbasat (1991).
5) Ekspektasi-ekspektasi Hasil (Outcome Expectations)
34
Ventakesh, et al. (2003) ekspektasi-ekspektasi hasil (outcome
expectations) berhubungan dengan konsekuensi-konsekuensi dari perilaku.
Berdasarkan pada bukti empiris, mereka dipisahkan ke dalam ekspektasi-
ekspektasi kinerja (perfomance expectations) dan ekpektasi-ekspektasi
personal (personal expectations). Variabel penelitian ini terdapat pada
penelitian Compeau dan Higgins (1995) dan Compeau, et al. (1999).
2.5.2. Effort Expectancy
Ekspektasi usaha (effort expectancy) merupakan tingkat kemudahan
penggunaan sistem yang akan dapat mengurangi upaya (tenaga dan waktu) individu
dalam melakukan pekerjaannya. Variabel tersebut diformulasikan berdasarkan 3
konstruk pada model atau teori sebelumnya yaitu persepsi kemudahan penggunaan
(perceived easy of use-PEOU) dari model TAM, kompleksitas dari model of PC
utilitazation (MPCU), dan kemudahan penggunaan dari teori difusi inovasi (IDT)
(Ventakesh, et al. 2003)
Davis, et al. (1989) mengidentifikasikan bahwa kemudahan pemakaian
mempunyai pengaruh terhadap penggunaan teknologi informasi. Kemudahan
penggunaan teknologi informasi akan menimbulkan perasaan dalam diri seseorang
bahwa sistem itu mempunyai kegunaan dan karenanya menimbulkan rasa yang
nyaman bila bekerja dengan menggunakannya (Ventakesh & Davis 2000).
Kompleksitas yang dapat membentuk konstruk ekspektasi usaha yang didefinisikan
oleh Rogers dan Shoemaker (1971) dalam (Ventakesh, et al. 2003) adalah tingkat
dimana inovasi dipersepsikan sebagai sesuatu yang relatif sulit untuk diartikan dan
35
digunakan oleh individu. Thompson, et al. (1991) menemukan adanya hubungan
yang negatif antara kompleksitas dan pemanfaatan teknologi informasi.
Davis (1989) memberikan beberapa indikator kemudahan penggunaan
teknologi informasi, yaitu: TI sangat mudah dipahami, TI mengerjakan dengan
mudah apa yang diinginkan oleh penggunanya, keterampilan pengguna akan
bertambah dengan menggunakan TI, dan TI tersebut sangat mudah untuk
dioperasikan. Dari beberapa penjelasan yang telah disampaikan di atas, pengguna
teknologi informasi mempercayai bahwa teknologi informasi yang lebih fleksibel
mudah dipahami dan mudah dalam hal pengoperasiannya akan menimbulkan minat
dalam menggunakan teknologi informasi tersebut dan seterusnya akan
menggunakan teknologi informasi tersebut.
2.5.3. Social Influence
Menurut Ventakesh dan Davis (2000), pengaruh sosial mempunyai dampak
pada perilaku individual melalui tiga mekanisme yaitu ketaatan (compliance),
internalisasi (internalization), dan identifikasi (identification). Dapat disimpulkan
bahwa semakin banyak pengaruh yang diberikan sebuah lingkungan terhadap calon
pengguna teknologi informasi untuk menggunakan suatu teknologi informasi yang
baru maka semakin besar minat yang timbul dari personal calon pengguna tersebut
dalam menggunakan teknologi informasi tersebut karena pengaruh yang kuat dari
lingkungan sekitarnya.
36
Dalam konsep ini terdapat gabungan variabel-variabel yang diperoleh dari
model penelitian sebelumnya tentang model penerimaan dan penggunaan
teknologi. Adapun variabel tersebut adalah:
1) Norma subyektif (subjective norms).
2) Faktor-faktor sosial (social factors).
3) Gambaran (image).
Pengaruh sosial merupakan faktor penentu terhadap tujuan perilaku dalam
menggunakan teknologi informasi yang direpresentasikan sebagai norma subyektif
dalam TRA, TAM, TPB, faktor sosial dalam MPCU, serta citra dalam teori difusi
inovasi (IDT) (Ventakesh, et al. 2003). Moore dan Benbasat (1991) menyatakan
bahwa pada lingkungan tertentu, penggunaan teknologi informasi akan
meningkatkan status (image) seseorang di dalam sistem sosial.
2.5.4. Facilitating Conditions
Kondisi yang memfasilitasi penggunaan teknologi informasi adalah tingkat
dimana seseorang percaya bahwa infrastruktur organisasi dan teknis ada untuk
mendukung penggunaan sistem. Kondisi pendukung didefinisikan sebagai “faktor-
faktor obyektif” yang dapat mempermudah melakukan suatu tindakan.
Dalam konsep ini terdapat gabungan variabel-variabel yang diperoleh dari
model penelitian sebelumnya tentang model penerimaan dan penggunaan
teknologi. Adapun variabel tersebut adalah:
1) Kontrol Perilaku Persepsian (Perceived Behavioral Control)
2) Kondisi-kondisi yang Memfasilitasi (Facilitating Conditions)
37
3) Kompatibilitas (Compatibility).
Teori sikap dan perilaku (theory of attitude and behavior) dari Triandis
(1980) dalam Tjhai (2003) menyatakan bahwa pemanfaatan teknologi informasi
oleh pekerja dipengaruhi oleh perasaan individual (affect) terhadap penggunaan
komputer personal, normal sosial (social norms) dalam tempat kerja yang
memperhatikan penggunaan komputer personal, kebiasaan (habit) sehubungan
dengan penggunaan komputer, konsekuensi individual yang diharapkan
(consequencies) dari penggunaan komputer personal, dan kondisi yang
memfasilitasi (facilitating conditions) dalam penggunaan teknologi informasi.
2.5.5. Behavioral Intentions
Minat pemanfaatan teknologi informasi (behavioral intention) didefinisikan
sebagai tingkat keinginan atau niat pemakai menggunakan sistem secara terus
menerus dengan asumsi bahwa mereka mempunyai akses terhadap informasi.
Seseorang akan berminat menggunakan suatu teknologi informasi yang baru
apabila si pengguna tersebut meyakini dengan menggunakan teknologi informasi
tersebut akan meningkatkan kinerjanya, menggunakan teknologi informasi dapat
dilakukan dengan mudah, dan si pengguna tersebut mendapatkan pengaruh
lingkungan sekitarnya dalam menggunakan teknologi informasi tersebut.
2.5.6. Use Behaviour
Perilaku penggunaan teknologi informasi (use behavior) didefinisikan
sebagai intensitas dan atau frekuensi pemakai dalam menggunakan teknologi
38
informasi. Perilaku pengunaan teknologi informasi sangat bergantung pada evaluasi
pengguna dari sistem tersebut. Suatu teknologi akan digunakan apabila pemakai
teknologi informasi tersebut berminat dalam menggunakan teknologi informasi
tersebut karena keyakinan bahwa menggunakan teknologi informasi tersebut dapat
meningkatkan kinerjanya, menggunakan teknologi informasi dapat dilakukan
dengan mudah, dan pengaruh lingkungan sekitarnya dalam menggunakan teknologi
informasi tersebut. Selain itu, perilaku penggunaan teknologi informasi juga
dipengaruhi oleh kondisi yang memfasilitasi pemakai dalam menggunakan
teknologi informasi tersebut karena apabila teknologi informasi tersebut tidak
didukung oleh peralatan-peralatan, dan fasilitas-fasilitas yang diperlukan maka
penggunaan teknologi informasi tersebut tidak dapat terlaksana.
2.5.7. Hedonic Motivation
Didefinisikan sebagai kesenangan yang berasal dari penggunaan teknologi,
dan telah terbukti memainkan peran penting dalam menentukan penerimaan dan
penggunaan teknologi (Brown & Venkatesh 2005). Dalam penelitian IS, Hedonic
Motivation semacam itu telah ditemukan untuk mempengaruhi penerimaan dan
penggunaan teknologi secara langsung (Van der Heijden 2004; Thong et al 2006).
Dalam konteks konsumen, Hedonic Motivation juga telah ditemukan sebagai
penentu penting penerimaan dan penggunaan teknologi (Brown & Venkatesh 2005;
Childers et al., 2001). Dengan demikian, kita menambahkan Hedonic Motivation
sebagai prediktor perilaku konsumen untuk menggunakan teknologi.
39
Yang (2010) menemukan bahwa hedonic performance expectancy, social
influence, dan facilitating conditions adalah faktor penentu penting dari keinginan
konsumen AS untuk menggunakan layanan mobile shopping dan bahwa aspek
hedonis atau hiburan dari layanan mobile shopping adalah pendorong yang paling
penting dari AS. niat konsumen untuk menggunakan layanan mobile shopping.
Sementara itu, perceived usefulness muncul sebagai mediator yang signifikan
dalam kasus SNWs utilitarian dan perceived enjoyment muncul sebagai mediator
yang signifikan dalam kasus fenomena penerimaan pengguna SNWs yang hedonis
(Pillai & Mukherjee, 2011).
2.5.8. Price Value
Struktur biaya dan harga mungkin berpengaruh signifikan terhadap
penggunaan teknologi konsumen (Ventakesh, et al. 2012). Price Value dikatakan
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
prediktor dari variabel niat perilaku dalam menggunakan teknologi (Ventakesh, et
al. 2012). Perbedaan penting antara pengaturan penggunaan konsumen dan
pengaturan penggunaan organisasi, dimana UTAUT dikembangkan, adalah bahwa
konsumen biasanya menanggung biaya moneter untuk penggunaan tersebut
sedangkan karyawan tidak. Struktur biaya dan harga mungkin berpengaruh
signifikan terhadap penggunaan teknologi konsumen (Chang, 2012).
40
2.5.9. Habit
Konstruk terakhir yang ditambahkan ke UTAUT adalah Habit. Venkatesh
dkk. (2003) pengalaman yang dioperasikan sebagai tiga tingkat berdasarkan
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 dengan otomatisitas. Meski dikonseptualisasikan dengan cara yang sama,
kebiasaan telah diatur dalam dua cara yang berbeda. Pertama, kebiasaan dipandang
sebagai perilaku sebelumnya (Kim & Malhotra 2005). Kedua, kebiasaan diukur
sejauh mana seseorang percaya bahwa perilaku itu otomatis. Pengalaman TI
sebelumnya juga memprediksi penggunaan TI kesehatan, niat untuk menggunakan
sistem, dan memfasilitasi kondisi (Kijsanayotin et al., 2009)
2.6 Variabel Moderator
Variabel moderating atau variabel moderator adalah suatu variabel yang
dapat mempengaruhi hubungan baik memperkuat atau memperlemah hubungan
langsung antara variabel independen dengan variabel dependen. Variabel ini
mempunyai pengaruh terhadap sifat atau arah hubungan antar variabel. Sifat atau
arah hubungan antara variabel-variabel independen dengan variabel-variabel
dependen kemungkinan positif atau negatif tergantung pada variabel moderating
(Liana, 2009).
41
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
memiliki karakteristik tertentu di dalam suatu penelitian (Nawawi dalam Zuriah,
2006).
Persoalan populasi bagi suatu penelitian harus dibedakan ke dalam 2 (dua)
sifat berikut :
1) Populasi yang bersifat homogen, yakni populasi yang unsur-unsurnya
memiliki sifat yang sama sehingga tidak perlu dipersoalkan jumlahnya
secara kuantitatif.
2) Populasi yang bersifat heterogen, yakni populasi yang unsur-unsurnya
memiliki sifat atau keadaan yang bervariasi sehingga perlu ditetapkan
batas-batasnya, baik secara kualitatif maupun secara kuantitatif.
Sampel sering didefinisikan sebagai bagian populasi. Dengan mengambil
sampel, peneliti ingin menarik kesimpulan yang akan digeneralisasi terhadap
populasi. Penarikan sampel merupakan proses pemilihan sejumlah elemen dari
populasi. Arikunto dalam Zuriah (2006) menyatakan bahwa setidaknya ada 4
(empat) hal yang harus dipertimbangkan dalam menentukan besarnya sampel,
yaitu:
1) Unit analisis
2) Pendekatan atau model penelitian yang digunakan
42
3) Banyaknya karakteristik khusus yang ada pada populasi
4) Keterbatasan penelitian
Dalam pengambilan sampel dari suatu populasi dapat dibedakan menjadi
dua kategori teknik pengambilan sampel, seperti yang terdapat dalam gambar 2.3.
Gambar 2. 3 Kategori Sampel (Siregar, 2013)
Mengenai penetapan besar kecilnya sampel tidaklah ada suatu ketetapan
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.
Sebaliknya jika keadaan populasi heterogen maka perhitungan pengambil sampel
harus memperhatikan miniman 2 (dua) hal berikut :
1) Harus diselidiki kategori-kategori heterogenitas.
2) Besarnya populasi dalam tiap kategori.
43
Teknik sampling adalah teknik pengambilan sampel. Terdapat dua metode
dasar penarikan sampel yaitu (Guritno et al. dalam Yunita, 2016) :
1) Probability Sampling
Probability Sampling adalah teknik pengambilan sampel yang
memberikan peluang sama bagi setiap unsur atau anggota populasi
untuk dipilih menjadi sampel. Beberapa metode penarikan sampel
probabilitas adalah sebagai berikut:
a. Simple Random Sampling
Simple Random Sampling dikatakan simple (sederhana) karena
pengambilan sampel populasi dilakukan secara acak tanpa
memperhatikan strata yang ada dalam populasi.
b. Stratified Random Sampling
Stratified Random Sampling merupakan suatu prosedur penarikan
sampel berstrata, yaitu suatu subsampel acak sederhana ditarik dari
setiap strata yang kurang lebih sama dalam beberapa karakteristik.
c. Cluster Sampling
Cluster Sampling merupakan suatu prosedur penarikan sampel
probabilitas yang memilih subpopulasi yang disebut cluster.
Kemudian, setiap elemen didalam kelompok (cluster tersebut)
dipilih sebagai anggota sampel.
2) Nonprobability Sampling
Nonprobability Sampling merupakan suatu prosedur penarikan sampel
bersifat subyektif. Dalam hal ini, probabilitas pemilihan elemen-elemen
44
populasi tidak dapat ditentukan. Hal ini disebabkan setiap elemen
populasi tidak memiliki peluang yang sama untuk dipilih sebagai
sampel. Beberapa teknik pengambilan sampel nonprobabilitas sebagai
berikut :
a. Convenience Sampling
Convenience Sampling adalah teknik penarikan sampel
berdasarkan kemudahan. Prosedurnya adalah semata-mata
langsung menghubungi unit-unit penarikan sampel yang mudah
dijumpai seperti mahasiswa-mahasiswa dalam satu kelas, jamaah
tempat ibadah, pengunjung toko dan lain-lain. Seringkali teknik
pengambilan sampel ini dilakukan untuk menguji kuesioner atau
penelitian eksplorasi.
b. Quota Sampling
Quota Sampling adalah penarikan sampel berdasarkan quota.
Prinsipnya adalah karakteristik tertentu yang relevan menjelaskan
dimensi populasi. Peneliti harus mengetahui distribusi populasi.
c. Purposive Sampling
Purposive Sampling adalah penarikan sampel berdasarkan
pertimbangan atau kriteria tertentu.
d. Snowball Sampling
Snowball Sampling adalah metode penarikan sampel dengan
responden yang berhasil diperoleh diminta untuk menunjukan
responden lainnya secara berantai.
45
e. Accidental Sampling
Accidental Sampling adalah metode penarikan sampel dimana
pemilihan anggota sampelnya dilakukan terhadap orang/benda
yang kebetulan ada/dijumpai (Hadi, 2016).
2.8 Definisi Skala Likert
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
laporan yang menjelaskan penggunaannya (Likert, 1932).
Menurut Djaali (2008) skala likert adalah skala yang dapat dipergunakan
untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang
tentang suatu gejala atau fenomena pendidikan. Sedangkan Menurut Sugiyono
(2011) skala likert digunakan untuk mengukur sikap, pendapat, dan persepsi
seseorang atau sekelompok orang tentang fenomena sosial.
Sewaktu menanggapi pertanyaan dalam skala likert, responden menentukan
tingkat persetujuan mereka terhadap suatu pertanyaan dengan memilih salah satu
dari pilihan yang tersedia.
Format yang disediakan dalam sekala likert biasanya disediakan lima
pilihan skala seperti ini:
1) Sangat tidak setuju
2) Tidak setuju
3) Kurang setuju
4) Setuju
46
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
bahwa beberapa karakteristik statistik hasil kuesioner dengan berbagai jumlah
pilihan tersebut ternyata sangat mirip (Dawes, 2008).
2.9 SEM (Structural Equation Modelling)
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
persamaan struktural generasi kedua teknik analisis multivariat yang
memungkinkan peneliti untuk menguji hubungan antar variabel yang kompleks
baik recursive maupun nonrecursive untuk memperoleh gambaran menyeluruh
mengenai suatu model.
Menurut Hussein (2015) SEM merupakan salah satu metode yang saat ini
digunakan untuk menutup kelemahan yang ada pada metode regresi. Para ahli
metode penelitian mengelompokkan SEM menjadi dua pendekatan. Pendekatan
pertama disebut sebagai Covariance Based SEM (CBSEM) dan pendekatan lainnya
adalah Variance Based SEM atau yang lebih dikenal dengan Partial Least Square
(PLS). Untuk melakukan analisa dengan menggunakan CBSEM maka software
47
yang sering digunakan adalah AMOS dan LISREL sedangkan untuk PLS software
yang sering digunakan adalah smartPLS, warpPLS dan XLStat.
Dengan demikian SEM adalah salah satu teknik analisis multivariat yang
digunakan untuk menganalisis hubungan antar variabel yang lebih kompleks
dibandingkan dengan analisis regresi berganda dan analisis faktor. Berikut adalah
contoh model persamaan struktural berdasarkan jurnal penelitian (Handayani dan
Sudiana, 2015).
Gambar 2. 4 Model Persamaan Struktural (Handayani & Sudiana, 2015)
Software yang digunakan dalam penelitian Handayani dan 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
menggunakan ukuran sampel dengan teknik maximum likelihood estimation.
Adapun contoh SEM lain yang menggunakan software smartPLS 3.0 ditunjukan
pada gambar 2.5.
48
Gambar 2. 5 Klasifikasi Komponen Model Struktural (Hussein, 2015)
Gambar di atas merupakan penjelasan dari tiap-tiap komponen yang ada
pada model struktural menggunakan software smartPLS 3.0. Penjelasan yang lebih
rinci dapat dilihat di tabel 2.2.
49
Tabel 2. 2 Keterangan Konstruk SmartPLS (Hussein, 2015)
Istilah Pengertian
Konstruk
Eksogen
Variabel yang tidak diprediksi oleh variabel-variabel yang lain yang terdapat
dalam model. Konstruk eksogen adalah konstruk yang dituju oleh garis
dengan satu ujung anak panah
Konstruk
Endogen
Merupakan faktor-faktor yang diprediksi oleh satu atau beberapa konstruk.
Konstruk endogen dapat memprediksi satu atau beberapa konstruk endogen
lainnya, tetapi konstruk endogen hanya dapat berhubungan kasual dengan
konstruk endogen
Latent Variabel Variabel laten adalah variabel yang nilai kuantitatifnya tidak dapat diketahui
secara tampak.
Observed
Variabel
Variabel manifest adalah variabel yang besaran kuantitatifnya dapat
diketahui secara langsung, misalnya dari skor respons subjek terhadap
instrumen pengukuran
Gambar 2. 6 Analisis Model Persamaan (Hussein, 2015)
Gambar 2.6 di atas adalah contoh dari sebuah penelitian yang akan menguji
sebuah model struktural terhadap penelitian pemasaran
2.10 Partial Least Square - Structural Equation Modeling (PLS-SEM)
Partial Least Square (PLS) pertama kali dikembangkan oleh Herman Wold
(1975). Gaston dalam Yamin dan Kurniawan (2011) menyebutkan PLS dapat juga
50
digunakan untuk tujuan konfirmasi (seperti pengujian hipotesis) dan tujuan
eksplorasi. Meskipun PLS lebih diutamakan sebagai eksplorasi daripada
konfirmasi, PLS juga dapat menduga apakah terdapat atau tidak terdapat hubungan
dan kemudian proposisi untuk pengujian. Tujuan utamanya adalah menjelaskan
hubungan antarkonstrak dan menekankan pengertian tentang nilai hubungan
tersebut. Dalam hal ini, hal penting yang harus diperhatikan adalah adanya teori
yang memberikan asumsi untuk menggambarkan model, pemilihan variabel,
pendekatan analisis, dan interpretasi hasil.
Menurut Ghozali (2006), PLS merupakan pendekatan alternatif yang
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
tidak didasarkan pada banyak asumsi (Ghozali, 2006).
Kepopuleran penggunaan PLS-SEM diantara para peneliti dan praktisi
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
51
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).
Menurut Yamin dan Kurniawan (2011) terdapat 4 alasan mengapa PLS-
SEM populer digunakan oleh para peneliti dan praktisi, yaitu sebagai berikut:
1) Algoritma PLS tidak terbatas hanya untuk hubungan antara indikator
dengan konstruk latennya yang bersifat reflektif saja tetapi algoritma
PLS juga dapat dipakai untuk hubungan yang bersifat formatif.
2) PLS dapat digunakan untuk menaksir model path dengan sample size
yang kecil.
3) PLS-SEM dapat digunakan untuk model yang sangat kompleks (terdiri
atas banyak variabel laten dan manifes) tanpa mengalami masalah
dalam estimasi data.
4) PLS dapat digunakan ketika distribusi data sangat miring (skew).
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) :
1) Evaluasi Pengukuran Model
Evaluasi terhadap pengukuran model meliputi pemeriksaan individual
item reliability, internal consistency atau construct reliability, average
variance extracted, dan discriminant validity. Ketiga pengukuran
pertama dikelompokkan dalam convergent validity. Convergent
validity mengukur besarnya korelasi antara konstrak dengan variabel
52
laten. Dalam evaluasi convergent validity dari pemeriksaan individual
item reliability, dapat dilihat dari nilai standardized loading factor.
Standardized loading factor menggambarkan besarnya korelasi antara
setiap item pengukuran (indikator) dengan konstraknya. Nilai loading
factor di atas 0,7 dapat dikatakan ideal, artinya bahwa indikator tersebut
dikatakan valid sebagai indikator yang mengukur konstrak. Selanjutnya
melihat internal consistency reliability dari nilai composite reliability.
Composite reliability lebih baik dalam mengukur internal consistency
dibandingkan cronbach’s alpha dalam model SEM dikarenakan
composite reliability tidak mengasumsikan kesamaan boot dari setiap
indikator. Cronbach’s alpha cenderung menaksir lebih rendah
construct reliability dibandingkan composite reliability. Nilai batas 0,7
ke atas berarti dapat diterima dan di atas 0,8 dan 0,9 berarti sangat
memuaskan. Ukuran lain dari convergent validity adalah nilai average
variance extracted (AVE). Nilai ini menggambarkan besaran varian
atau keragaman variabel manifes yang dapat dikandung oleh konstrak
laten. Nilai AVE minimal 0,5 menunjukan ukuran convergent validity
yang baik. Artinya, variabel laten dapat menjelaskan rata-rata lebih dari
setengah variance dari indikator-indikatornya. Discriminant validity
dievaluasi melalui cross loading, kemudian membandingkan nilai AVE
dengan kuadrat nilai korelasi antar konstrak. Ukuran cross loading
adalah membandingkan korelasi indikator dengan konstraknya dan
konstrak blok lainnya. Bila korelasi antara indikator dengan
53
konstraknya lebih tinggi dari korelasi dengan konstrak blok lainnya, hal
ini menunjukan konstrak tersebut memprediksi ukuran pada blok
mereka dengan lebih baik dari blok lainnya. Ukuran discriminant
validity lainnya adalah bahwa nilai akar AVE harus lebih tinggi
daripada korelasi antara konstrak dengan konstrak lainnya atau nilai
AVE lebih tinggi dari kuadrat korelasi antara konstrak.
2) Evaluasi Struktural Model
Ada beberapa tahap untuk mengevaluasi struktural model. Pertama
adalah melihat signifikansi hubungan antara konstrak. Hal ini dapat
dilihat dari koefisien jalur (path coefficient) yang menggambarkan
kekuatan hubungan antara konstrak. Path coefficient (β) diuji dengan
nilai ambang batas di atas 0,1 untuk menyatakan bahwa jalur (path)
yang dimaksud mempunyai pengaruh di dalam model.
Kedua, mengevaluasi nilai R2 (coefficient of determination) untuk
menjelaskan varian dari tiap target endogenous variabel dengan standar
pengukuran sekitar 0,67 sebagai kuat, sekitar 0,33 moderat, dan 0,19
atau dibawahnya menunjukan tingkat varian yang lemah.
Ketiga, melihat nilai t-test dengan metode bootstrapping menggunakan
uji two-tailed dengan tingkat signifikansi 5% untuk menguji hipotesis-
hipotesis penelitian. Hipotesis penelitian akan diterima jika memiliki t-
test lebih besar dari 1,96.
Keempat, pengujian f2 (effect size) untuk memprediksi pengaruh
variabel tertentu terhadap variabel lainnya dalam struktur model dengan
54
nilai ambang batas sekitar 0,02 untuk pengaruh kecil, 0,15 untuk
menengah, dan 0,35 untuk pengaruh besar. f2 dihitung dengan
menggunakan rumus sebagai berikut :
f2 = 𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑅2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
1− 𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 ....................................................(1)
Keterangan:
R2 Include : Nilai R2 yang diperoleh ketika konstruk eksogen
dimasukkan ke model.
R2 Exclude : Nilai R2 yang diperoleh ketika konstruk eksogen
dikeluarkan dari model.
Kelima, menguji 𝑄2 (predictive relevance) dengan metode blindfolding
untuk memberikan bukti bahwa variabel tertentu yang digunakan dalam
model mempunyai keterkaitan prediktif (predictive relevance) dengan
variabel lainnya dalam model dengan ambang batas pengukuran di atas
nol.
Keenam, melakukan pengujian 𝑞2 (Relative Impact) masih dengan
metode blindfolding untuk mengukur relatif pengaruh sebuah
keterkaitan prediktif sebuah variabel tertentu dengan variabel lainnya
dengan nilai ambang batas sekitar 0,02 untuk pengaruh kecil, 0,15
untuk pengaruh menengah/sedang, dan 0,35 untuk pengaruh besar.
Rumus yang digunakan untuk perhitungan 𝑞2 adalah sebagai berikut :
q2 = 𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑄2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
1− 𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 ....................................................(2)
55
Keterangan:
Q2 Include : Nilai Q2 yang diperoleh ketika konstruk eksogen
dimasukkan ke model.
Q2 Exclude : Nilai Q2 yang diperoleh ketika konstruk eksogen
dikeluarkan dari model.
2.10.1 Metode Bootstraping
Bootstrapping menggunakan metode resampling untuk menghitung
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
bootstrap harus dipilih. Signifikansi menonjol, meskipun umum dalam banyak
statistik pengaturan yang PLS hanya satu konteks, tidak sama dengan asymptotic
biasa tes signifikansi akrab bagi pengguna regresi dan aplikasi data acak-normal
lainnya. Dalam tes signifikansi asimtotik tradisional. tingkat kemungkinan 0,05
berarti di sana adalah satu peluang di 20 bahwa hasil yang kuat atau lebih kuat
secara absolut akan terjadi karena kemungkinan pengambilan sampel (mengambil
sampel lain dari populasi), dengan asumsi sampling acak dari distribusi normal.
Jika data adalah suatu enumerasi daripada sampel, signifikansi diperdebatkan
sebagai semua efek, namun kecil, nyata dan tidak ada kemungkinan "sampel lain".
Jika sampelnya non-acak, tingkat signifikansi yang dihitung adalah kesalahan ke
tingkat yang tidak diketahui. Sebuah signifikan dapat digeneralisasikan ke populasi
ketika acak asumsi normal terpenuhi. Signifikansi bootstrap sering digunakan
ketika data tidak dapat diasumsikan normal. Properti distribusi perkiraan PLS tidak
56
dikenal untuk populasi dan dengan demikian bootstrap sesuai. Seperti biasanya
dihitung, bootstrapping mengambil sejumlah besar "meninggalkan satu" sampel
dari data peneliti. Ini memungkinkan perhitungan koefisien bunga tertentu
(misalnya, korelasi) untuk sejumlah besar sampel seperti itu, memungkinkan
standar deviasi harus dihitung. Menghitung standar deviasi dari koefisien yang
diamati menjadi 0 menghasilkan tingkat signifikansi. Untuk signifikansi bootstrap,
tingkat probabilitas 0,05 berarti ada satu peluang di 20 yang hasilnya sama kuat
atau kuat secara absolut istilah akan terjadi karena kemungkinan pengambilan
sampel (mengambil sampel lain dari data). Meskipun bootstrapping akan
menangani distribusi apa pun, peneliti tidak bisa generalisasi ke populasi kecuali
sampel diambil secara acak dari populasi. Kalau tidak, peneliti dapat
menggeneralisasi hanya untuk data yang ada. Artinya, perkiraan bootstrap
mengatasi masalah distribusi non-normal data tetapi tidak mengatasi masalah
sampling non-acak (Garson, 2016).
2.10.2 Metode Blindfolding
Blindfolding adalah teknik penggunaan ulang sampel yang dimulai dengan
titik data pertama dan menghilangkan setiap titik data d dalam indikator konstruk
endogen. Kemudian, prosedur memperkirakan parameter model jalur PLS dengan
menggunakan data yang tersisa. Titik-titik data yang dihilangkan dianggap bernilai
dan diperlakukan sesuai ketika menjalankan algoritma PLS-SEM (misalnya,
dengan menggunakan nilai rata-rata penggantian). Perkiraan yang dihasilkan
kemudian digunakan untuk memprediksi data yang dihilangkan. Perbedaan antara
titik data yang benar (yaitu, dihilangkan) dan prediksi yang kemudian digunakan
57
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
menunjukkan relevansi prediktif, ia secara akurat memprediksi titik-titik data
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.
Blindfolding menggunakan strategi lintas validasi dan laporan yang divalidasi
komunalitas dan cross divalidasi redundansi untuk konstruksi serta indikator. Tidak
seperti bootstrapping, tidak ada kesalahan standar atau koefisien signifikansi yang
dihitung. Sebaliknya, tujuannya adalah untuk menghitung langkah-langkah yang
divalidasi lintas prediksi model akurasi (keandalan), yang ada empat:
1. Bangun redundansi yang divalidasi silang
2. Bangun komunalitas yang divalidasi silang
3. Indikator cross-validated redundancy
4. Indikator kesetaraan lintas-divalidasi
Seperti yang ditunjukkan dalam dialog pengguna untuk pilihan blindfolding
ditunjukkan di bawah ini, peneliti harus menetapkan nilai jarak yang disebut
"kelalaian jarak “. Algoritma blindfolding menghilangkan setiap titik data untuk
indikator untuk faktor endogen yang dipilih dan melakukan iterasi. Perkiraan dari
iterasi adalah dikombinasikan untuk menghitung perkiraan total redundansi yang
58
divalidasi silang, yaitu Q2. Ada nilai Q2 untuk setiap faktor endogen yang
dimodelkan secara reflektif dalam model. Nilai Q2 di atas 0 menunjukkan bahwa
model tersebut relevan untuk memprediksi itu faktor (Garson, 2016).
2.11 Model dan Hipotesa Penelitian
2.11.1 Model Penelitian
Penelitian ini menggunakan model UTAUT2 yang diperkenalkan oleh
Venkatesh, Thong dan Xu pada tahun 2012 yang menjelaskan perilaku pengguna
terhadap teknologi informasi (Venkatesh, dkk, 2003) dengan menambahkan dua
variabel. Dua variabel baru yang ditambahkan pada UTAUT 2 oleh peneliti adalah
perceived security dan perceived trust. Kemudian didalam model UTAUT2,
terdapat variabel moderator yaitu jenis kelamin (gender), usia (age), dan
pengalaman (experience). Waktu penelitian yang digunakan dalam penelitian ini
adalah cross sectional sehingga variabel moderator pengalaman (experience) tidak
dilibatkan dalam model penelitian (Melisa & Indrawati, 2016).
59
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
hubungan di antara mereka.
1) Performance Expetancy
Pada tabel 2.3 menjabarkan pengertian dari variabel Performance
Expetancy dan penjelasan indikator yang ada dalam variabel Performance
Expetancy, lengkap dengan referensinya.
60
Tabel 2. 3 Pengertian Indikator dan Variabel Performance Expetancy
Variabel Pengertian Indikator Pengertian Referensi
Ekpektasi
Kinerja
(Performance
Expectation)
(PE)
Tingkat
dimana
seseorang
merasakan
bahwa
sistem
informasi
sangat
membantu
untuk
pekerjaan itu
(Venkatesh, et
al, 2003)
Perceived
usefulness
Pengguna percaya
menggunakan
teknologi dapat
menguntungkan.
Venkatesh,
et al.,
(2003),
Wu, et al.,
(2010)
Extrinsic
motivation
Pengguna akan
senang
menggunakan
teknologi bila
kualitas terus
ditingkatkan.
Job-fit
Teknologi
meningkatkan
efisiensi dalam
pekerjaan.
Relative
advantage
Teknologi yang
baru lebih baik
daripada
sebelumnya.
Outcome
expectations
Teknologi sudah
sesuai dengan apa
yang di harapkan.
Pada penelitian ini Performance Expectancy menjelaskan keyakinan
pengguna dalam menggunakan uang elektronik bahwa dengan
menggunakan uang elektronik memberikan banyak manfaat dan membantu
pengguna dalam melakukan pekerjaannya, khususnya pada kegiatan
transaksi non tunai. Penelitian sebelumnya (Evlandari, 2011; Venkatesh
.dkk. 2012; Alwahaishi & Snasel, 2013; Harsono & Suryana, 2014; Azis &
Kamal, 2016; Hakim, 2016; Melisa & Indrawati, 2016; Ramdhani et al.,
2017) menjelaskan bahwa Performance Expectancy menjadi variabel kuat
yang mempengaruhi Behavioral Intention.
61
2) Effort Expetancy
Pada tabel 2.4 menjabarkan pengertian dari variabel Effort Expetancy dan
penjelasan indikator yang ada dalam variabel Effort Expetancy, lengkap
dengan referensinya.
Tabel 2. 4 Pengertian Indikator dan Variabel Effort Expetancy
Variabel Pengertian Indikator Pengertian Referensi
Ekpektasi
Usaha
(Effort
Expectancy)
(EE)
Seberapa
banyak usaha
seseorang
untuk
menggunakan
sistem
informasi
(Venkatesh, et
al, 2003)
Perceived
ease of use
Pengguna yakin
bahwa
menggunakan
teknologi itu
mudah. Davis
(1989),
Venkatesh,
et al.,
(2003), Wu,
et al.,
(2010)
Complexity
Pengguna merasa
dipersulit untuk
bekerja dengan
menggunakan
teknologi.
Ease of use
Teknologi
mengurangi
upaya (tenaga
dan waktu) dalam
proses pekerjaan.
Effort Expectancy di dalam penelitian ini menjelaskan pengguna tidak
menemukan kesulitan yang berarti dalam mengoperasikan teknologi uang
elektronik dalam bertransaksi. Dalam penelitian sebelumnya (Evlandari,
2011; Venkatesh .dkk. 2012; Gatautis & Medziausiene, 2014; Harsono &
Suryana, 2014) Effort Expectancy memiliki pengaruh terhadap Behavioral
Intention.
62
3) Social Influence
Pada tabel 2.5 menjabarkan pengertian dari variabel Social Influence dan
penjelasan indikator yang ada dalam variabel Social Influence, lengkap
dengan referensinya.
Tabel 2. 5 Pengertian Indikator dan Variabel Social Influence
Variabel Pengertian Indikator Pengertian Referensi
Pengaruh
Sosial
(Social
Influence)
(SI)
Tingkat
dimana
seseorang
dipengaruhi
oleh orang
lain untuk
menggunakan
sistem
informasi
(Venkatesh, et
al, 2003)
Subjective
Norm
Besarnya
dukungan orang
sekitar untuk
menggunakan
teknologi
Davis
(1989),
Moore and
Benbasat,
(1991),
Thompson
et al.,
(1991),
Ajzen
(1991),
Venkatesh,
et al.,
(2003),
Social
Factor
Aturan yang
ditetapkan oleh
kelompok tertentu
untuk
menggunakan
teknologi
Image
Sejauh mana
penggunaan
teknologi
meningkatkan
status pengguna
Social influence di dalam penelitian ini meliputi faktor-faktor sosial yang
mempengaruhi pengguna menggunakan teknologi uang elektronik untuk
bertransaksi yang berasal dari orang-orang terdekat pengguna. Penelitian
sebelumnya (Gatautis & Medziausiene, 2014; Harsono & Suryana, 2014)
juga menjelaskan bahwa Social Influence memiliki pengaruh terhadap
Behavioral Intention.
63
4) Facilitating Conditions
Pada tabel 2.6 menjabarkan pengertian dari variabel Facilitating Condition
dan penjelasan indikator yang ada dalam variabel Facilitating Condition,
lengkap dengan referensinya.
Tabel 2. 6 Pengertian Indikator dan Variabel Facilitating Condition
Variabel Pengertian Indikator Pengertian Referensi
Kondisi yang
Memfasilitasi
(Facilitating
Conditions)
(FC)
Tingkat
dimana
seseorang
percaya
bahwa
infrastruktur
organisasi
dan teknis
ada untuk
mendukung
penggunaan
sistem
informasi
(Venkatesh, et
al, 2003)
Perceived
behavioral
control
Tingkat dimana
pengguna merasa
bahwa mereka
bisa
menggunakan
teknologi Thompson,
et al.,
(1991),
Venkatesh,
et al.,
(2003),
Wu, et al.,
(2010)
Facilitating
conditions
Tingkat di mana
pengguna
percaya bahwa
perangkat lunak
dan perangkat
keras yang ada
mendukung
penggunaan
teknologi baru
Compatibility
Teknologi yang
ada sudah umum
digunakan.
Pada penelitian ini facilitating condition menjelaskan mengenai berbagai
hal yang mampu memfasilitasi penggunaan uang elektronik seperti mesin
top up, alat bantu atau gadget yang mendukung, pengetahuan dan
keterampilan serta hal lainnya yang dibutuhkan oleh pengguna dalam
bertransaksi menggunakan uang elektronik. Penelitian terdahulu
(Alwahaishi & Snasel, 2013; Hasrono & Suryana, 2014) juga menjelaskan
64
bahwa facilitating condition memiliki pengaruh terhadap behavioral
intention serta memiliki pengaruh langsung terhadap Use Behavior.
5) Hedonic Motivation
Pada tabel 2.7 menjabarkan pengertian dari variabel Hedonic Motivation
dan penjelasan indikator yang ada dalam variabel Hedonic Motivation,
lengkap dengan referensinya.
Tabel 2. 7 Pengertian Indikator dan Variabel Hedonic Motivation
Variabel Pengertian Indikator Pengertian Referensi
Motivasi
Hedonik
(Hedonic
Motivation)
(HM)
Kesenangan
yang berasal
dari
penggunaan
teknologi, dan
telah terbukti
memainkan
peran penting
dalam
menentukan
penerimaan
dan
penggunaan
teknologi
(Brown dan
Venkatesh
2005)
Fun
Tingkat dimana
pengguna merasa
senang saat
menggunakan
teknologi
Venkatesh,
et al.,
(2012) Entertaint
Tingkat dimana
pengguna merasa
terhibur saat
menggunakan
teknologi
Interest
Tingkat dimana
pengguna merasa
tertarik
menggunakan
teknologi
Hedonic Motivation pada penelitian ini menjelaskan penggunaan uang
elektronik dapat memberikan kesenangan ataupun hiburan bagi pengguna
dalam bertransaksi melalui interaksi ataupun proses yang terjadi. Hedonic
Motivation sebagai kesenangan yang berasal dari penggunaan teknologi,
dan telah terbukti memainkan peran penting dalam menentukan penerimaan
65
dan penggunaan teknologi (Brown & Venkatesh 2005). Penelitian
sebelumnya (Hasrono & Suryana, 2014) menyebutkan bahwa Hedonic
Motivation memiliki pengaruh terhadap Behavioral Intention.
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.
Tabel 2. 8 Pengertian Indikator dan Variabel Price Value
Variabel Pengertian Indikator Pengertian Referensi
Nilai
Harga
(Price
Value)
(PV)
Pengorbanan
kognitif
konsumen antara
keuntungan yang
dirasakan dari
aplikasi dan
biaya moneter
untuk
menggunakannya
(Venkatesh, et al.
2012)
Quality
Tingkat dimana
kualitas teknologi
sesuai dengan
harga yang
ditawarkan. Venkatesh,
et al.,
(2012) Price
Biaya yang
dikeluarkan
terjangkau.
Value
Teknologi
memiliki nilai
yang baik.
Price Value pada penelitian ini menjalaskan kesesuaian biaya yang
dikeluarkan dengan manfaat yang diterima oleh pengguna dalam
menggunakan teknologi uang elektronik untuk bertransaksi. Price Value
adalah persepsi pengguna terhadap nilai pada suatu layanan dikurangi
dengan biaya moneter yang harus dikeluarkan. (Helkkula, 2016). Penelitian
sebelumnya (Escobar-Rodríguez & Carvajal- Trujillo, 2013: Harsono &
66
Suryana, 2014) menjelaskan bahwa Price Value memiliki pengaruh
terhadap Behavioral Intention.
7) Habit
Pada tabel 2.9 menjabarkan pengertian dari variabel Habit dan penjelasan
indikator yang ada dalam variabel Habit, lengkap dengan referensinya.
Tabel 2. 9 Pengertian Indikator dan Variabel Habit
Variabel Pengertian Indikator Pertanyaan Referensi
Kebiasaan
(Habit)
(HT)
Tingkat
kecenderungan
seseorang akan
melakukan
suatu perilaku
secara otomatis
karena telah
mempelajari
perilaku
tersebut (Limayem et al,
2007)
Prior Use
Tingkat dimana
pengguna sudah
terbiasa
menggunakan
teknologi.
Venkatesh,
et al.,
(2012)
Addiction
Tingkat dimana
pengguna merasa
kecanduan
menggunakan
teknologi.
Behavior to
be
automatic
Jika pengguna
ingin melakukan
transaksi, maka
pengguna akan
menggunakan
teknologi.
Habit didalam penelitian ini ditunjukan untuk mengetahui kebiasaan
pengguna dalam menggunakan uang elektronik untuk bertransaksi dalam
kehidupan sehari-hari. Habit adalah Tingkat kecenderungan seseorang akan
melakukan suatu perilaku secara otomatis karena telah mempelajari perilaku
tersebut. (Limayem et al, 2007). Penelitian sebelumnya (Escobar-Rodríguez
& Carvajal- Trujillo, 2013; Harsono & Suryana, 2014; Azis & Kamal, 2016;
67
Melisa & Indrawati, 2016; Ramdhani et al., 2017) menjelaskan bahwa habit
memiliki pengaruh terhadap behavioral intention serta memiliki pengaruh
langsung terhadap Use Behavior.
8) Perceived Trust
Pada tabel 2.10 menjabarkan pengertian dari variabel Effort Expetancy dan
penjelasan indikator yang ada dalam variabel Effort Expetancy, lengkap
dengan referensinya.
Tabel 2. 10 Pengertian Indikator dan Variabel Perceived Trust
Variabel Pengertian Indikator Pertanyaan Referensi
Persepsi
Kepercayaan
(Perceived
Trust) (PT)
Keadaan
psikologis
yang
membangun
niat untuk
menerima
kerentanan
berdasarkan
ekspektasi
niat atau
perilaku lain (Kassim and
Abdullah,
2010)
Jaminan
Kepuasan
Tingkat dimana
pengguna
merasa bahwa
teknologi
memberikan
kepuasan
dalam
pekerjaannya
Kim et al,
(dalam
Sukma,
2012) Perhatian
Tingkat dimana
pengguna
merasa percaya
bahwa
teknologi dapat
memenuhi
tanggung
jawabnya
kepada
pengguna
Keterusterangan
Tingkat dimana
pengguna
merasa bahwa
teknologi dapat
dipercaya
Perceived Trust dalam penelitian ini untuk mengetahui tingkat kepercayaan
pengguna untuk menggunakan uang elektronik. Perceived trust merupakan
68
faktor kunci dalam mengembangkan bisnis layanan transaksi online
(McKnight et al dalam Husnil Khatimah & Fairol Halim, 2014). Suh dan
Han (2002) menjelaskan bahwa ada hubungan positif antara tingkat
kepercayaan dengan niat penggunaan.
9) Perceived Security
Pada tabel 2.11 menjabarkan pengertian dari variabel Perceived Security
dan penjelasan indikator yang ada dalam variabel Perceived Security,
lengkap dengan referensinya.
Tabel 2. 11 Pengertian Indikator dan Variabel Perceived Security
Variabel Pengertian Indikator Pengertian Referensi
Persepsi
Keamanan
(Perceived
Security)
(PS)
Persepsi
keamanan
diartikan
sebagai
persepsi
konsumen
atas
keamanan
dalam
melakukan
transaksi. (Eid, 2011)
Process
Interaction
Pengguna merasa
aman dalam
bertransaksi
mengunakan
teknologi
Hampton-
Sosa and
Koufaris
(2004),
Cheung and
Lee (2006),
Chen and
Barnes
(2007)
(dalam
Susanto,
Chang, Zo, &
Park, 2012);
(D. J. Kim,
Ferrin, &
Raghav Rao,
2009)
Safety
Precaution
Pengembang
teknologi
melindungi
pengguna
Technical
Measure
Teknolgi dapat
mengatasi
masalah dari
ancaman
keamanan
Perceived Security dalam penelitian ini untuk mengetahui tingkat keamanan
terkait dalam penggunaan uang elektronik untuk bertransaki yang dirasakan
oleh pengguna. Merasa aman dalam melakukan transaksi keuangan dengan
69
mobile teknologi penting untuk meminimalkan kekhawatiran tentang
penggunaan teknologi untuk melakukan pembayaran online (Salisbury et
al., 2001). Dalam konteks komersial, keamanan yang dirasakan
mencerminkan persepsi pengguna bahwa sistem tertentu aman untuk
melakukan transaksi (Shin dalam Morosan. C, 2016).
10) Behavioral Intention
Pada tabel 2.12 menjabarkan pengertian dari variabel Behavioral Intention
dan penjelasan indikator yang ada dalam variabel Behavioral Intention,
lengkap dengan referensinya.
Tabel 2. 12 Pengertian Indikator dan Variabel Behavioral Intention
Variabel Pengertian Indikator Pengertian Referensi
Niat
Perilaku
(Behavioral
Intentions)
(BI)
Niat perilaku
untuk
menggunakan
sistem baru
dipengaruhi
oleh sikap
pengguna dan
dirasakan
kegunaan
system
(Venkatesh,
et al.
2003)
Repurchase
intentions
Pengguna mempunyai
keinginan untuk datang
kembali dengan
menggunakan teknologi Davis
(1989),
Ajzen
(1991),
Wu et al.,
(2010)
Positive word-
of-mouth
communication
Pengguna lain
membicarakan hal yang
positif mengenai
teknologi
Service quality
Kualitas pelayanan
teknologi sudah baik.
Behavioral Intention dalam penelitian ini untuk mengetahui tingkat
keinginan atau niat pemakai menggunakan uang elektronik secara terus
menerus. Penelitian sebelumnya (Escobar-Rodríguez & Carvajal- Trujillo,
2013; Harsono & Suryana, 2014; Azis & Kamal, 2016; Melisa & Indrawati,
70
2016; Ramdhani et al., 2017) menjelaskan bahwa Behavioral Intention
memiliki pengaruh terhadap Use Behavior.
11) Use Behavior
Pada tabel 2.13 menjabarkan pengertian dari variabel Use Behavior dan
penjelasan indikator yang ada dalam variabel Use Behavior, lengkap dengan
referensinya.
Tabel 2. 13 Pengertian Indikator dan Variabel Use Behavior
Variabel Pengertian Indikator Pengertian Referensi
Perilaku
Pengguna
(Use
Behavior)
(UB)
Perilaku
penggunaan
diukur
frekuensi
aktual
pengguna
dalam
penggunaan
teknologi
(Venkatesh,
et al.
2003)
Usage
time
Tingkat dimana
pengguna merasa
senang untuk
menggunakan teknologi Davis (1989),
Ajzen (1991),
Wu et al.,
(2010)
Usage
frequency
Pengguna sudah
menggunakan teknologi
berulangkali
Use
variety
Penggunaan teknologi
tidak hanya untuk akses
satu pekerjaan
Use Behavior dalam penelitian ini untuk mengetahui tingkat intensitas
pengguna dalam menggunakan uang elektronik untuk transaksi sehari-hari
2.11.2 Hipotesa Penelitian
Hipotesis dikembangkan berdasarkan teori-teori dari Davis, et al. (1989),
Taylor dan Todd (1995),Ventakesh, et al. (2003) dan Ventakesh, et al. (2012).
71
Maka dari itu dapat dilihat pada gambar 2.8 dan dijabarkan hipotesis untuk variabel
construct sebagai berikut:
H1 PE berpengaruh positif terhadap BI
H2 EE berpengaruh positif terhadap BI
H3 SI berpengaruh positif terhadap BI
H4 PS berpengaruh positif terhadap BI
H5 PT berpengaruh positif terhadap BI
H6 FC berpengaruh positif BI
H7 FC berpengaruh positif terhadap UB
H8 HM berpengaruh positif terhadap BI
H9 PV berpengaruh positif terhadap BI
H10 HT berpengaruh positif terhadap BI
H11 HT berpengaruh positif terhadap UB
H12 BI berpengaruh positif terhadap UB
72
Gambar 2. 8 Model Penelitian dengan Hipotesis (Venkatesh et al., 2012)
73
2.12 Penelitian Sebelumnya
Berikut adalah tabel 2.14 penelitian sebelumnya.
Tabel 2. 14 Penelitian Terdahulu
No Peneliti Judul Model Tools Hasil Kelebihan Kekurangan
1 Basuki Hari
Prasetyo, Dian
Anubakhti
(Prasetyo dan
Anubakhti, 2011)
Evaluasi penerimaan
teknologi informasi
mahasiswa di
palembang
menggunakan model
UTAUT .
UTAUT AMOS 1. Faktor-faktor yang mempengaruhi hanya
terhadap sikap untuk menggunakan e-
learning system yaitu PE, EE dan SI
2. Gender pada faktor PE hanya pria yang
mempengaruhi dalam sikapnya untuk
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.
Dari hasil penelitian Penjelasan hasil olahan
data tidak lengkap, variabel yang di gunakan
terlalu simpel hanya mengikuti model,
seharusnya di tambahkan habbit karena untuk
mengetahui faktor apa saja yang
mempengaruhi sikap dan perilaku penggunaan
sistem e-learning.
Faktor apa saja yang
mempengaruhinya
cukup lengkap.
Penjelasan
pengolahan data
tidak lengkap.
74
Tabel 2. 14 Penelitian Terdahulu ( lanjutan )
No Peneliti Judul Model Tools Hasil Kelebihan Kekurangan
2 Viriya Dharma
(Dharma, 2012)
Model perilaku
pengguna TIK pada
UMKM di wilayah
bekasi dengan
menggunakan
pendekatan UTAUT
UTAUT SPSS 1. Hasil pengujian reliabilitas dan validitas
menunjukkan bahwa semua variabel
penelitian adalah valid dan reliabel
sehingga instrumen penelitian dapat
digunakan untuk penelitian utama.
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.
Dari penelitian ini dalam penyajian data
sangat buruk karena tidak di perlihatkan
gambaran model dan pengolahan datanya,
akan tetapi dengan adanya penambahan pada
variabel penelitian ini terlihat cukup baik.
Penambahan variabel
(sudah di
modifikasikan dengan
penambahan variabel)
Bentuk model
serta pengolahan
data tidak di
perlihatkan sama
sekali
3 Muhammad Nasir
(Nasir, 2013)
Evaluasi penerimaan
teknologi informasi
mahasiswa di
palembang
menggunakan model
UTAUT .
UTAUT SPSS Terdapat hubungan positif dan signifikan
terhadap variabel performance expetancy
(PE), effort expectancy dan social influence
(SI). Melihat dari kelebihan dan kekurangan
menurut saya permasalahan yang di angkat
dalam penelitian terlalu simple.
Penelitian yang
dilakukan mudah
dipahami dan pantas
untuk dijadikan studi
literature bagi
penelitian lain.
Karena terlalu
mudah
dipahami
sehingga
penelitiannya
terkesan terlalu
simple.
75
Tabel 2. 14 Penelitian Terdahulu ( lanjutan )
No Peneliti Judul Model Tools Hasil Kelebihan Kekurangan
4 R.Kristoforus Jawa
Bendi dan Sri
Andayani (Bendi
dan Andayani,
2013)
Analisis Perilaku
Penggunaan Sistem
Informasi
Menggunakan Model
UTAUT.
UTAUT SmartPLS Dari yang saya sudah amati hasilnya adalah
behavioral intention di pengaruhi oleh faktor
performance expectation (harapan kinerja)
dan facilitating conditions (kondisi
memfasilitasi). Kurang lengkapnya penjelasan
mengenai tool apa yang digunakan dalam
pengolahan data serta tidak adanya
penambahan variabel dari penelitian
sebelumnya membuat penelitian ini terlihat
terlalu simpel.
Justifikasi dalam tidak
digunakannya variabel
moderator di dalam
model penelitian cukup
jelas dan masuk akal.
Menurut saya
tidak ada.
5 Erna Yuliasari
(Yualisa, 2014)
Analisis Faktor
Determinan
Penggunaan Sistem
Aplikasi
Pemeriksaan Laporan
Keuangan dan
Implikasinya
UTAUT,
DeLone
dan
McLean
dan Human
Organizati
on
Technology
-HOT Fit
SmartPLS Faktor manusia dengan moderasi gender,
organisasi,dan teknologi berpengaruh
terhadap niat penggunaan suatu sistem e-
government yakni SiAP LKPD. Niat
penggunaan berpengaruh terhadap kepuasan
pengguna dan manfaat bersih. Terdapat
hubungan kesesuaian antara manusia dan
organisasi, organisasi dan teknologi, manusia
dan teknologi dalam pengadopsian sistem
informasi.
Menggabungkan 3
model sekaligus dalam
satu objek. Menurut
saya penelitian ini
cukup menarik dan
bagus karena
menggunakan 3 model
sekaligus dalam satu
objek. Serta penjelasan
mengenai modelnya
cukup jelas.
Detail pengolahan
datanya tidak di
jelaskan
76
Tabel 2. 14 Penelitian Terdahulu ( lanjutan )
No Peneliti Judul Model Tools Hasil Kelebihan Kekurangan
6 Ni Made Trisna
Safitri dan I Dewa
Nyoman Wiratmaja
(Safitri dan
Wiratmaja, 2015).
Analisis faktor-faktor
yang mempengaruhi
minat pemanfaatan
sistem informasi
akuntansi.
UTAUT SPSS Semua variabel berpengaruh positif dalam
minat pemanfaatan dan pada kompleksitas
tugas berpengaruh positif pada minat
pemanfaatan SIA. ada baiknya model dan
pengolahan data di perlihatkan karena
membuat penelitian ini terlihat sangat tidak
lengkap.
Penambahan variabel
kompleksitas dalam
model.
Model dan
pengolahan data
tidak di
tampilkan tidak
lengkap.
7 Hari Moerti,
Endang Siti Astuti
dan Imam Suyadi
(Hari Moerti, 2015)
Analisis pengaruh
variabel-variabel pada
model utaut yang
dimodifikasi terhadap
penggunaan website e-
commerce (studi pada
pengguna toko fashion
online
www.zalora.co.id).
UTAUT GSCA
Dari yang saya amati hasil serta pengolohan
data cukup lengkap, dari hasil masing masing
variabel dan sub variabel pun di jelaskan
berpengaruh atau tidaknya, hanya saja
responden dan pengumpulan data nya masih
blm cukup baik.
Dari setiap variabel
memiliki penjelasan
yang cukup jelas dan
pengolahan datanya
pun juga seperti itu.
Pengumpulan data
melalui online
sehingga tidak
tatap muka
dengan
responden,
sampel hanya 100
orang, hanya
fokus kepada
moderasi umur
tidak ke yang lain.
77
Tabel 2. 14 Penelitian Terdahulu ( lanjutan )
No Peneliti Judul Model Tools Hasil Kelebihan Kekurangan
8 Elvira Azis dan
Ragil Muhammad
Kamal
(AzisdanKamal,
2016)
Adopsi Teknologi
Belanja Online Oleh
Konsumen UMKM
Dengan Model
Unified Theory Of
Acceptance And Use
Of Technology 2
UTAUT 2
SmartPLS Hasil penelitian menunjukkan bahwa minat
penggunaan (behavioral intention) internet
oleh konsumen UMKM di Jawa Barat sebesar
44,1% dan kebiasaan menggunakan (use
behavioral) internet untuk berbelanja secara
online oleh konsumen UMKM di Jawa Barat
sebesar 40,5%. Hasil penelitian juga
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.
Hasil analisis dan
pengolahan data jelas,
dan menggunakan
seluruh variabel
moderator.
Data yang
dikumpulkan
tidak berjumlah
besar, dan
penelitian hanya
terbatas satu situs
e-commerce.
9 Muhammad Malik
Hakim
(Hakim,2016)
Analisis Model
Penerimaan Pengguna
Sistem Pelaporan
Pajak Online
UTAUT
VisualG
SCA
Hasil penelitian menunjukkan perbedaan
model penerimaan e-SPT dan e-Filing dari
jenis kelamin dan
kelompok umur. Terdapat pengaruh variabel
moderator.
Memodifikasi model
dengan mengganti
variabel use behaviour
menjadi actual use
serta menggunakan dua
variabel moderator
Tidak dijelaskan
mengenai data
yang didapat dan
penghilangan
moderator hanya
asumsi diri sendiri
tidak ada asumsi
mengenai
penelitian
terdahulunya
78
Tabel 2. 14 Penelitian Terdahulu ( lanjutan )
No Peneliti Judul Model Tools Hasil Kelebihan Kekurangan
10 Yesni Malau(Malau,
2016).
Analisis penerimaan
rail ticket system
pada pt.kai dengan
menggunakan model
UTAUT
UTAUT SPSS Faktor yang tidak berpengaruh dalam sistem ini
performance expectation (harapan kinerja) dan
facilitating conditions (kondisi memfasilitasi),
kurangnya penambahan variabel dari penelitian
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.
Pengolahan data dan
data yang di
hasilkan di
tampilkan
Tidak ada
penambahan
variabel.
11 Melisa dan Indrawati
(MelisadanIndrawati
, 2016)
ANALYSIS OF
CUSTOMER
ACCEPTANCE OF
ONLINE TRAVEL
AGENT
TECHNOLOGY
USING UTAUT2
MODEL (A CASE
STUDY ON E-
COMMERCE
TRAVELOKA IN
INDONESIA)
UTAUT 2
UTAUT 2 SmartPLS Hasilnya terdapat satu dari enam variabel
penelitian yang berpengaruh terhadap variabel
behavioral intention
Memodifikasi
model dengan
menghilangkan
variabel price value
dan use behavior,
serta menggunakan
dua variabel
moderator.
Tidak dijelaskan
mengenai data
yang didapat dan
penelitian hanya
terbatas satu situs
e-commerce.
79
Tabel 2. 14 Penelitian Terdahulu ( lanjutan )
No Peneliti Judul Model Tools Hasil Kelebihan Kekurangan
12 Al Bachri Ramdhani,
Indira Rachmawati,
ST., MSM, dan Fajar
Sidiq Adi Prabowo,
MBA (Ramdhani et
al., 2017)
.
PENGARUH
ADOPSI
TEKNOLOGI
LAYANAN UANG
ELEKTRONIK
TELKOMSEL
CASH
MENGGUNAKAN
PENDEKATAN
UTAUT2
UTAUT 2
UTAUT 2 SmartPLS
Variabel habit memiliki pengaruh positif dan
signifikan terbesar terhadap behavioral
intention dan use behavior pada adopsi layanan
uang elektronik Telkomsel Cash
Penelitian yang
dilakukan mudah
dipahami dan
pantas untuk
dijadikan studi
literature bagi
penelitian lain
Penelitian ini
berfokus kepada
layanan uang
elektronik
Telkomsel Cash
dan tidak dijelaskan
alasan
penghilangan
variabel moderator.
80
BAB III
METODOLOGI PENELITIAN
3.1 Pendekatan dan Strategi Penelitian
Secara umum, penelitian ini dilakukan dengan menggunakan pendekatan
kuantitatif (Creswell, 2013) dan strategi penelitian yang berurutan sesuai dengan
tujuannya yaitu mengetahui status penerimaan pengguna uang elektronik dan
menguji sejumlah hipotesis terkait hubungan antara penerimaan teknologi uang
elektronik dan faktor-faktor yang mempengaruhinya.
Sesuai dengan pendekatan yang telah ditentukan, secara khusus tahapan-
tahapan penelitian juga menerapkan metode, teknik, dan alat secara kuantitatif
seperti yang ditunjukkan oleh prosedur penelitian pada sub bagian berikutnya.
Contohnya, teknik pengumpulan data dilakukan melalui survei dengan instrumen
kuesioner (Sugiyono dalam Setiawan, 2016), analisis data dilaksanakan secara
statistik dengan perangkat lunak komputer yang terkait, dan seterusnya. Secara
detail, terkait prosedur, teknik dan alat penelitin dijelaskan dalam sub-bab
berikutnya.
3.2 Populasi dan Sampel Penelitian
Populasi dalam penelitian ini adalah seluruh pengguna uang elektronik yang
merupakan masyarakat Tangerang Selatan. Berdasarkan laporan jumlah
masyarakat Tangerang Selatan yang diperoleh dari Badan Pusat Statistik Kota
Tangerang Selatan, jumlah penduduk Tangerang Selatan pada Tahun 2017 adalah
81
sebesar 1.644.899 orang. Peneliti melakukan pengambilan sampel dengan
menggunakan teknik Purposive sampling secara Accidental sampling (Ritchie,
2013; Anjarsari & Waluyo, 2017; Ayuningtias & Waluyo, 2017). Tahap pertama
melalui Purposive Sampling yang dilakukan untuk memilih bagian dari populasi,
dimana kriteria yang dipilih adalah yang memiliki pengalaman dalam
menggunakan uang elektronik. Selanjutnya di tahap kedua, pengambilan sampel
dilakukan secara aksidental artinya pemilihan anggota sampelnya dilakukan
terhadap responden yang kebetulan ada/dijumpai (Accidental Sampling).
Dalam menentukan jumlah sampel pada penelitian ini menggunakan rumus
slovin yaitu sebagai berikut.
𝑛 =𝑁
(1+(𝑁×𝑒2)) .........................................................................(3)
Keterangan
n : Ukuran Sampel
N : Ukuran Populasi
e : Tingkat kesalahan
1 : Bilangan konstan
Dengan tingkat kesalahan 10% (Annisa, Sulistiowati, & Lemantara, 2016)
sehingga 1.644.899
(1+(1.644.899 ×0,12)) = 199,9 dibulatkan menjadi 200.
Dengan demikian berdasarkan rumus slovin, 228 responden yang
didapatkan oleh peneliti dianggap valid dan dapat dijadikan sampel dalam
penelitian ini.
82
Populasi terbagi dalam tujuh kecamatan dan untuk mengetahui jumlah
sampel tiap kecamatan maka digunakan rumus sample fraction (Handayani &
Sudiana, 2015) dapat dilihat pada tabel 3.1.
Tabel 3. 1 Jumlah Sampel
No Kecamatan Sampel Fraction Jumlah Sampel
1 Setu 86.763
1.644.899×228 12
2 Serpong 184.761
1.644.899×228 26
3 Pamulang 350.923
1.644.899×228 49
4 Ciputat 239.152
1.644.899×228 33
5 Ciputat Timur 211.003
1.644.899×228 29
6 Pondok Aren 392.284
1.644.899×228 54
7 Serpong Utara 179.993
1.644.899×228 25
Jumlah 228
Akan tetapi dalam penelitian ini data yang didapat tidak sesuai dengan
pembagian jumlah sampel responden pada tabel 3.1 dikarenakan adanya
keterbatasan waktu, biaya, dan sulitnya mendapatkan data di beberapa kecamatan.
Sehingga responden yang didapat dari penelitian ini berjumlah 228 responden dari
tujuh kecamatan di Tangerang Selatan dengan jumlah yang hampir sama di setiap
kecamatannya.
83
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
ukuran sempel untuk penelitian yaitu sebagai berikut:
1) Ukuran sempel yang layak dalam penelitian adalah antara 30 sampai
dengan 500.
2) Bila sempel dibagi dalam katagori maka jumlah anggota sempel setiap
katagori minimal 30.
3) Bila dalam penelitian akan melakukan analisis dengan Multivariate
(korelasi atau regresi ganda misalnya). Maka jumlah anggota sempel
minimal 10 kali dari jumlah variabel yang diteliti.
4) Untuk penelitian eksperimen yang sederhana, yang mengunakan
kelompok ekspetrimen dan kelompok kontrol, maka jumlah anggota
sempel masing-masing antara 10 s/d 20.
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
dikatakan 228 orang sampel cukup mewakili populasi yang ada.
3.3 Prosedur Penelitian
Merujuk pada pendekatan dan strategi penelitian yang sudah dijelaskan
sebelumnya, penelitian ini juga dilakukan dalam delapan tahap yang secara
84
prosedural dan berurutan seperti diperlihatkan pada gambar 3.1 yang meliputi :
kajian pustaka, pengembangan model, perancangan penelitian, pembuatan
instrumen, pengumpulan data, analisis data, interpretasi, dan pembuatan laporan
(seperti yang dilakukan oleh Subiyakto et. al, 2015).
Gambar 3. 1 Prosedur Penelitian (Diadopsi dari Subiyakto et. al, 2015; Subiyakto
et. al, 2017)
85
3.4 Instrumen Penelitian
Instrumen peneltian ini adalah kuesioner yg terdiri dari tujuh pertanyaan
tentang profil responden, enam pertanyaan umum dan 35 pertanyaan yang dibuat
berdasarkan model UTAUT 2 yang telah dimodifikasi. Pertanyaan-pertanyaan
disesuaikan dengan variabel-variabel yang terdapat dalam metode UTAUT 2.
Selengkapnya, kuesioner penelitian dapat dilihat di bagian lampiran satu.
Selanjutnya peneliti juga melakukan pengujian pendahuluan terhadap
desain awal kuesioner kepada 30 pengguna uang elektronik. Tujuannya untuk dapat
memperoleh masukan perbaikan sebelum kusioner disebarkan ke lingkup lebih luas
dan menjalankan prosedur unidimensonality (Afthanorhan, 2013). Untuk hasil
pengujian (pre-test) lengkap dapat dilihat di bagian lampiran.
Tabel 3.2 adalah penjabaran dari indikator-indikator yang ada di tiap-tiap
variabel, lengkap dengan referensinya.
Tabel 3. 2 Indikator dan Butir Pertanyaan Penelitian
Variabel Indikator Pertanyaan Kode
Ekpektasi
Kinerja
(Performance
Expectation)
(PE)
Perceived
usefulness
Pengguna percaya menggunakan teknologi
uang elektronik menguntungkan. PE1
Extrinsic
motivation
Pengguna akan senang menggunakan uang
elektronik bila kualitas terus ditingkatkan. PE2
Job-fit Teknologi uang elektronik meningkatkan
efisiensi dalam proses transaksi. PE3
Relative
advantage
Teknologi uang elektronik lebih baik
daripada sistem sebelumnya. PE4
Outcome
expectations
Teknologi uang elektronik sudah sesuai
dengan apa yang di harapkan. PE5
86
Tabel 3. 2 Indikator dan Butir Pertanyaan Penelitian (Lanjutan)
Variabel Indikator Pertanyaan Kode
Ekpektasi
Usaha (Effort
Expectancy)
(EE)
Perceived ease
of use
Pengguna yakin bahwa menggunakan
teknologi uang elektronik itu mudah. EE1
Complexity
Pengguna merasa dipersulit untuk
bertransaksi dengan menggunakan
teknologi uang elektronik.
EE2
Ease of use
Teknologi uang elektronik mengurangi
upaya (tenaga dan waktu) dalam proses
transaksi
EE3
Pengaruh
Sosial
(Social
Influence)
(SI)
Subjective Norm Besarnya dukungan orang sekitar untuk
menggunakan teknologi uang elektronik SI1
Social Factor
Aturan yang ditetapkan oleh kelompok
tertentu untuk menggunakan uang
elektronik
SI2
Image Sejauh mana penggunaan teknologi uang
elektronik meningkatkan status pengguna SI3
Persepsi
Keamanan
(Perceived
Security)
(PS)
Process
Interaction
Pengguna merasa aman dalam bertransaksi
mengunakan uang elektronik PS1
Safety
Precaution
Penerbit uang elektronik melindungi
pengguna uang elektronik PS2
Technical
Measure
Uang elektronik dapat mengatasi masalah
dari ancaman keamanan PS3
Persepsi
Kepercayaan
(Perceived
Trust) (PT)
Jaminan
Kepuasan
Tingkat dimana pengguna merasa bahwa
uang elektronik memberikan kepuasan
dalam bertransaksi
PT1
Perhatian
Tingkat dimana pengguna merasa percaya
bahwa uang elektronik dapat memenuhi
tanggung jawabnya kepada pengguna
PT2
Keterusterangan Tingkat dimana pengguna merasa bahwa
uang elektronik dapat dipercaya PT3
Kondisi yang
Memfasilitasi
(Facilitating
Conditions)
(FC)
Perceived
behavioral
control
Tingkat dimana pengguna merasa bahwa
mereka bisa menggunakan teknologi uang
elektronik
FC1
Facilitating
conditions
Tingkat di mana pengguna percaya bahwa
perangkat lunak dan perangkat keras yang
ada mendukung penggunaan uang
elektronik.
FC2
Compatibility Teknologi uang elektronik yang ada sudah
umum digunakan. FC3
Motivasi
Hedonik
(Hedonic
Motivation)
(HM)
Fun
Tingkat dimana pengguna merasa senang
saat menggunakan teknologi uang
elektronik
HM1
Entertaint
Tingkat dimana pengguna merasa terhibur
saat menggunakan teknologi uang
elektronik
HM2
Interest Tingkat dimana pengguna merasa tertarik
menggunakan teknologi uang elektronik HM3
87
Tabel 3. 2 Indikator dan Butir Pertanyaan Penelitian (Lanjutan)
Variabel Indikator Pertanyaan Kode
Nilai Harga
(Price Value)
(PV)
Quality
Tingkat dimana kualitas teknologi uang
elektronik sesuai dengan harga yang
ditawarkan.
PV1
Price Biaya yang dikeluarkan dengan uang
elektronik terjangkau. PV2
Value Teknologi uang elektronik memiliki nilai
yang baik. PV3
Kebiasaan
(Habit) (HT)
Prior Use Tingkat dimana pengguna sudah terbiasa
menggunakan teknologi ini. HT1
Addiction Tingkat dimana pengguna merasa
kecanduan menggunakan teknologi ini. HT2
Behavior to be
automatic
Jika pengguna ingin melakukan transaksi,
maka pengguna akan menggunakan
teknologi ini
HT3
Niat Perilaku
(Behavioral
Intentions)
(BI)
Repurchase
intentions
Pengguna mempunyai keinginan untuk
datang kembali dengan menggunakan
teknologi uang elektronik.
BI1
Positive word-
of-mouth
communication
Pengguna lain membicarakan hal yang
positif mengenai teknologi uang elektronik. BI2
Service quality
Kualitas pelayanan teknologi uang
elektronik sudah baik. BI3
Perilaku
Pengguna
(Use
Behavior)
(UB)
Usage time
Tingkat dimana pengguna merasa senang
untuk menggunakan teknologi uang
elektronik
UB1
Usage
frequency
Pengguna sudah menggunakan teknologi
uang elektronik berulangkali UB2
Use variety Penggunaan teknologi uang elektronik tidak
hanya untuk akses keluar masuk UB3
Secara khusus, peneliti menggunakan lima poin skala likert seperti yang
dijelaskan oleh (Syofian, Setiyaningsih, & Syamsiah, 2015). Skala likert
merupakan skala yang digunakan untuk mengukur sikap, pendapat, dan persepsi
seseorang atau sekelompok orang mengenai fenomena sosial (Sugiyono dalam
Gitayani et.al, (2015). Setiap pernyataan disediakan 5 (lima) alternatif jawaban,
yaitu dari “sangat tidak setuju” (1) sampai “sangat setuju” (5). Sementara untuk
88
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).
3.5 Pengumpulan dan Pemrosesan Data
Proses pengumpulan data pada penelitian ini dilakukan dengan
menyebarkan kuesioner secara langsung dan tidak langsung kepada responden.
Seperti yang dijelaskan dalam Subiyakto et. al, (2016), teknik gabungan ini dipilih
sehubungan dengan kedalaman dan luasnya informasi, tingkat respon dari
responden dan kualitas data, serta efisiensi dan efektifitas dalam pengumpulan data.
Penyebaran secara langsung dilakukan oleh peneliti dengan mendatangi calon
responden untuk menemukan responden yang tepat melalui tatap muka secara
langsung. Penyebaran secara tidak langsung dilakukan dengan menyebarkan link
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.
Pada proses awal pengumpulan data, peneliti menyebarkan kuesioner
kepada calon responden, baik secara langsung maupun tidak langsung. Hasilnya
diperoleh sebanyak 250 data yang terkumpul. Selanjutnya pada saat pemrosesan
data, data tersebut disaring dan diklasifikasikan menggunakan perangkat lunak
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
89
diantaranya berasal dari penyebaran langsung yang dilakukan dengan cara
mendatangi rumah warga, tempat pembelanjaan, perkantoran dan Universitas. Serta
123 berasal dari penyebaran tidak langsung (melalui link google form). Selain itu,
Ms. Excel 2016 juga digunakan untuk menghasilkan file .CSV sebagai file masukan
untuk proses analisis data.
Tabel 3. 3 Data kuesioner yang terkumpul
Metode Penyebaran Jumlah
Penyebaran secara langsung 105
Penyebaran secara tidak langsung 123
Total 228
3.6 Analisis Data dan Interpretasi Hasil
Mengacu pada proses analisis data yang dilakukan oleh Creswell (2013),
tahap ini dibagi menjadi dua tahap utama yaitu analisis demografis dan analisis
statistik inferensial. Pertama, peneliti melakukan analisis data demografis dengan
menggunakan perangkat lunak pengolah angka Ms. Excel 2007. Data responden
dikelompokkan berdasarkan jenis kelamin, status pekerjaan, unit kerja, peranan
sistem, dan status kepuasan pengguna.
Kedua, setelah analisis demografis selesai dilakukan, peneliti melakukan
analisis statistik inferensial menggunakan SmartPLS versi 3.0 (Yamin &
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
structural model. Measurement model dilakukan untuk menguji reliabilitas dan
90
validitas outer model melalui indikator reliability, internal consistency reliability,
convergent validity, dan discriminant validity. Sedangkan pengujian structural
model dilakukan untuk menguji path ceofficient (β), coefficient of determination
(𝑅2), t-test melalui method bootstrapping, effect size (f2), predictive relevance (𝑄2),
dan relative impact (𝑞2) menggunakan metode pengujian blindfolding (Yamin &
Kurniawan, 2011; Hair et al., 2012; Afthanorhan & Asyraf, 2013; Wong, 2013;
Ringle, da Silva, & Bido, 2015).
Setelah itu untuk interpretasi hasil, peneliti mendiskusikan hasil analisis
demografis responden dengan kondisi lapangan yang berjalan dan juga
menerjemahkan hasil analisis model secara statistik-kuantitatif dengan
membandingkan dan mempertimbangkan sejumlah literatur terkait sebelumnya.
Selanjutnya, hasil analisis dan interpretasi tersebut secara lengkap akan dijelaskan
pada Bab IV.
91
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil Analisis
4.1.1 Hasil Analisis Demografi
Tahap ini dilakukan dengan menganalisis jawaban responden terhadap
pertanyaan yang ada dalam kuesioner, khususnya pertanyaan pada bagian profil
responden dan pertanyaan umum tentang uang elektronik untuk menghasilkan
informasi demografis terkait karakteristik responden, dan peranan uang elektronik.
Data responden yang berhasil diperoleh peneliti dalam kurun waktu kurang lebih
satu bulan (7 Januari sampai 10 Februari 2018) adalah sebanyak 228 data. Informasi
demografis tersebut meliputi jenis kelamin, pekerjaan, kecamatan, usia, tingkat
pendidikan, dan penggunaan uang elektronik. Berikut adalah hasil analisisnya:
1) Jenis kelamin
Gambar 4. 1 Diagram Lingkaran Jenis Kelamin Responden
41%
59%
Jenis Kelamin
Perempuan Laki-laki
92
Dapat diketahui dari gambar 4.1 bahwa dari 228 data responden yang
digunakan dalam penelitian ini, jenis kelamin laki-laki mendominasi dalam
penelitian ini, yaitu sebanyak 134 orang (59%) dan sisanya berasal dari
responden perempuan, yaitu sebanyak 94 orang (41%).
2) Pekerjaan
Gambar 4. 2 Diagram Lingkaran Pekerjaan Responden
Dapat diketahui dari gambar 4.2 bahwa dari 228 data responden yang
digunakan dalam penelitian ini, responden terbanyak berasal dari
pelajar/mahasiswa, yaitu sebanyak 83 orang (36%) dan disusul dengan
responden berasal dari pegawai swasta, yaitu sebanyak 59 orang (26%).
Jumlah responden yang paling sedikit berasal dari wiraswasta yaitu
sebanyak 25 orang (11%).
36%
13%26%
11%
14%
Pekerjaan
Pelajar/Mahasiswa Pegawai Negeri Pegawai Swasta Wiraswasta Lainnya
93
3) Kecamatan
Gambar 4. 3 Diagram Lingkaran Kecamatan Responden
Dapat diketahui dari gambar 4.3 bahwa dari 228 data responden yang
digunakan dalam penelitian ini, responden terbanyak berasal dari
Kecamatan Ciputat dan Ciputat timur, yaitu sebanyak 38 orang (17%) dan
disusul dengan responden berasal dari Kecamatan Pamulang, yaitu
sebanyak 36 orang (16%). Jumlah responden yang paling sedikit berasal dari
Kecamatan Serpong Utara yaitu sebanyak 26 orang (11%).
17%
17%
16%13%
13%
11%
13%
Kecamatan
Ciputat Ciputat Timur Pamulang Pondok Aren
Serpong Serpong Utara Setu
94
4) Usia
Gambar 4. 4 Diagram Lingkaran Usia Responden
Dapat diketahui dari gambar 4.4 bahwa dari 228 data responden yang
digunakan dalam penelitian ini, responden terbanyak berusia 17-25 tahun,
yaitu sebanyak 117 orang (51%) dan disusul dengan responden berusia 26-
35 tahun, yaitu sebanyak 64 orang (28%). Jumlah responden yang paling
sedikit berusia >45 tahun, yaitu sebanyak 19 orang (8%).
51%
28%
12%
9%
Usia
17-25 26-35 36-45 >45
95
5) Tingkat pendidikan
Gambar 4. 5 Diagram Lingkaran Tingkat Pendidikan Responden
Dapat diketahui dari gambar 4.5 bahwa dari 228 data responden yang
digunakan dalam penelitian ini, responden terbanyak berasal dari tingkat
pendidikan S1, yaitu sebanyak 89 orang (39%) dan disusul dengan
responden berasal dari tingkat pendidikan SLTA, yaitu sebanyak 79 orang
(35%). Jumlah responden yang paling sedikit berasal dari tingkat
pendidikan S3, yaitu sebanyak 2 orang (1%).
35%
19%
39%
6%1%
Tingkat Pendidikan
SLTA DIPLOMA S1 S2 S3
96
6) Penggunaan uang elektronik
Gambar 4. 6 Diagram Lingkaran Penerbit Uang Elektronik Responden
Dapat diketahui dari gambar 4.6 bahwa dari 228 data responden yang
digunakan dalam penelitian ini, responden terbanyak menggunakan uang
elektronik dari penerbit Mandiri, yaitu sebanyak 85 orang (37%), disusul
dengan responden pengguna uang elektronik BCA, yaitu sebanyak 60 orang
(27%), dan pengguna uang elektronik BNI, yaitu sebanyak 44 orang (19%).
Jumlah responden yang paling sedikit berasal dari pengguna uang elektronik
BRI, yaitu sebanyak 39 orang (17%).
37%
27%
19%
17%
Penerbit Uang Elektronik
Mandiri BCA BNI BRI
97
Gambar 4. 7 Diagram Lingkaran Penggunaan Uang elektronik Responden
Dapat diketahui dari gambar 4.7 bahwa dari 228 data responden yang
digunakan dalam penelitian ini, responden terbanyak telah menggunakan
uang elektronik selama 1-2 tahun, yaitu sebanyak 65 orang (32%), dan
disusul dengan responden yang telah menggunakan <1 tahun, yaitu
sebanyak 56 orang (28%). Jumlah responden yang paling sedikit telah
menggunakan >4 tahun, yaitu sebanyak 10 orang (5%).
Gambar 4. 8 Diagram Lingkaran Intensitas Pengguanaan Uang Elektronik
Responden (Dalam 1 Minggu)
28%
32%
18%
17%
5%
Penggunaaan Uang Elektronik
<1 Tahun 1-2 Tahun 2-3 Tahun 3-4 Tahun >4 Tahun
22%
30%17%
13%
18%
Intensitas Penggunaaan Uang Elektronik (dalam 1 Minggu)
1 kali 2-4 kali 5-7 kali 8-10 kali >10 kali
98
Dapat diketahui dari gambar 4.8 bahwa dari 228 data responden yang
digunakan dalam penelitian ini, responden terbanyak dalam satu mingggu
menggunakan uang elektronik 2-4 kali, yaitu sebanyak 69 orang (30%), dan
disusul dengan responden yang menggunakan 1 kali, yaitu sebanyak 49
orang (22%). Jumlah responden yang paling sedikit menggunakan uang
elektronik 8-10 kali, yaitu sebanyak 30 orang (13%).
Gambar 4. 9 Diagran Lingkaran Jenis Transaksi Yang Digunakan
Responden
Dapat diketahui dari gambar 4.9 bahwa dari 228 data responden yang
digunakan dalam penelitian ini, responden terbanyak menggunakan uang
elektronik untuk jenis transaksi tol, yaitu sebanyak 72 orang (32%), dan
disusul dengan responden yang menggunakan untuk transaksi kereta, yaitu
sebanyak 60 orang (26%). Jumlah responden yang paling sedikit
menggunakan uang elektronik untuk transaksi lainnya, yaitu sebanyak 2
orang (1%).
14%
31%
25%
26%
3%1%
Jenis Transaksi
Belanja Tol Bus Kereta Parkir Lainnya
99
Gambar 4. 10 Diagram Lingkaran Nominal Uang Yang Dihabiskan
Responden (Dalam 1 Minggu)
Dapat diketahui dari gambar 4.10 bahwa dari 228 data responden yang
digunakan dalam penelitian ini, responden terbanyak menggunakan uang
elektronik menghabiskan kurang dari Rp.100.000, yaitu sebanyak 99 orang
(43%), dan disusul dengan responden yang menggunakan uang elektronik
menghabiskan Rp. 100.000 – Rp. 500.000, yaitu sebanyak 72 orang (32%).
Jumlah responden yang paling sedikit menggunakan uang elektronik
menghabiskan lebih dari Rp. 1.300.000, yaitu sebanyak 2 orang (1%).
43%
32%
19%
5%1%
Nominal Uang Yang Dihabiskan (dalam 1 minggu)
<100 ribu 100-500 ribu 500-900 ribu 900 ribu-1,3juta >1,3 juta
100
4.1.2 Hasil Analisis Pengukuran Model
Analisis pengukuran model (outer model) dilakukan melalui empat tahap
pengujian, yaitu individual item realibility, internal consistency reliability, average
variance extracted, dan disciminant validity (Henseler, Ringle, & Sinkovics, 2009;
Urbach & Ahlemann, 2010; Joe F. Hair, Ringle, & Sarstedt, 2011; Yamin &
Kurniawan, 2011; Wong, 2013).
1) Uji Individual Item Realibility
Pengujian ini dilakukan dengan melihat nilai standardized loading
factor. Nilai tersebut menggambarkan besarnya hubungan antara tiap
indikator dengan konstruknya. Nilai loading factor di atas 0,7 dapat
dikatakan valid sebagai indikator yang mengukur konstruk (Yamin &
Kurniawan, 2011; Joseph F. Hair et al., 2012; Afthanorhan & Asyraf,
2013; Wong, 2013; Ringle et al., 2015).
Dapat diketahui dari tabel 4.1 bahwa seluruh item memiliki loading
factor di atas 0,7 sehingga dapat dikatakan seluruh indikator valid untuk
digunakan dalam model penelitian.
101
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
102
2) Uji Internal Consistency Reliability
Pengujian ini dilakukan dengan melihat nilai composite reliability (CR)
dengan batas ambang di atas 0,7 (Joseph F. Hair et al., 2012;
Afthanorhan & Asyraf, 2013; Ringle et al., 2015).
Tabel 4. 2 Hasil Uji Composite Reliability dengan SmartPLS
Variabel Composite Reliability
BI 0,929
EE 0,944
FC 0,893
HM 0,893
HT 0,903
PE 0,898
PS 0,933
PT 0,910
PV 0,938
SI 0,926
UB 0,894
Dapat diketahui dari tabel 4.2 bahwa seluruh nilai CR di atas 0,7
sehingga dapat dikatakan bahwa seluruh variabel memenuhi syarat
untuk digunakan dan tidak ada masalah dalam uji composite reliability.
3) Uji Average Variance Extracted (AVE)
Pengujian ini dilakukan dengan melihat nilai average variance
extracted (AVE). Nilai tersebut menggambarkan besaran varian atau
keragaman variabel manifes (indikator) yang dapat dikandung oleh
variabel laten (konstruk). Nilai AVE minimal 0,5 menunjukan ukuran
convergent validity yang baik (Yamin & Kurniawan, 2011; Joseph F.
103
Hair et al., 2012; Afthanorhan & Asyraf, 2013; Wong, 2013; Ringle et
al., 2015). Artinya, variabel laten (konstruk) dapat menjelaskan rata-
rata lebih dari setengah variance dari indikator-indikatornya.
Tabel 4. 3 Hasil Uji Average Variance Extracted (AVE) dengan
SmartPLS
Variabel Average Variance Extracted (AVE)
BI 0,814
EE 0,849
FC 0,737
HM 0,736
HT 0,757
PE 0,638
PS 0,824
PT 0,771
PV 0,834
SI 0,807
UB 0,738
Dapat diketahui dari tabel 4.3 bahwa seluruh nilai AVE memiliki nilai
yang lebih besar dari 0,5 sehingga dapat dikatakan bahwa seluruh
variabel memenuhi syarat untuk digunakan dan tidak ada masalah
dalam uji AVE.
4) Uji Discriminant Validity
Pengujian ini dilakukan dengan dua tahap pemeriksaan cross loading,
yaitu cross loading antar indikator dan cross loading Fornell-Lacker’s
(Subiyakto et al., 2015). Pemeriksaan cross loading tiap indikator
dilakukan dengan membandingkan hubungan indikator dengan
konstruknya dan konstruk blok lainnya. Bila korelasi antara indikator
104
dengan konstruknya lebih tinggi dari korelasi dengan konstruk blok
lainnya, hal ini menunjukkan konstruk tersebut memprediksi ukuran
pada blok mereka lebih baik dari blok lainnya (Hair et al., 2012;
Afthanorhan & Asyraf, 2013; Wong, 2013; Ringle et al., 2015).
Pemeriksaan cross loading Fornell-Lacker’s dilakukan dengan melihat
nilai akar AVE yang harus lebih tinggi daripada korelasi antara
konstrak dengan konstrak lainnya (Henseler et al., 2009; Urbach &
Ahlemann, 2010; (Henseler et al., 2009; Urbach & Ahlemann, 2010;
Hair et al., 2011; Yamin & Kurniawan, 2011; Hair et al., 2012;
Yuliasari et al., 2014; Wong, 2013; Chinomona & Dubihlela, 2014;
Alshibly, 2014; Irawati & Putra, 2015; Subiyakto et al., 2015; Gutierrez
et al., 2015; Nugroho et al., 2016).
105
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
106
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
pengujian discriminant validity.
4.1.3 Hasil Analisis Struktur Model
Analisis struktur model dilakukan melalui enam tahapan pengujian,
yaitu pengujian path coefficient (β), coefficient of determination (R2), t-test
menggunakan metode bootstrapping, effect size (f2), predictive relevance (𝑄2),
dan relative impact (𝑞2) (Yamin dan Kurniawan, 2011; Hair et al., 2012;
Afthanorhan, 2013; Wong, 2013)
1) Path Coefficient (β)
Pengujian ini dilakukan dengan melihat nilai ambang batas di atas 0,1.
Artinya menyatakan bahwa jalur (path) yang dimaksud mempunyai
pengaruh dalam model (Hair et al., 2012; Afthanorhan, 2013; Wong,
2013, Ringle, 2015).
107
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,
sedangkan empat jalur lainnya menunjukkan pengaruh yang tidak
signifikan yaitu FC→BI, HM→BI, HT→BI dan SI→BI.
2) Coefficient of Determination (R2)
Pengujian ini dilakukan untuk menjelaskan varian dari tiap target
endogenous variabel (variabel yang dianggap dipengaruhi oleh variabel
lain dalam model) dengan standar pengukuran sekitar 0,670 sebagai
kuat, sekitar 0,333 moderat, dan 0,190 atau di bawahnya menunjukan
tingkat varian yang lemah (Hair et al., 2012; Afthanorhan, 2013; Wong,
2013, Ringle, 2015).
Dapat diketahui dari hasil penelitian bahwa nilai R2 variabel BI
(Behavioral Intention) adalah 0,876 (87,6%) dan nilai R2 variabel UB
(Use Behavior) adalah 0,261 (26,1%). Dengan demikian dapat
108
dijelaskan bahwa kemampuan variabel independen menjelaskan
variabel dependen BI (Behavioral Intention)) adalah 87,6% yang
berarti kuat dalam menjelaskan variabel dependennya. Sementara,
kemampuan variabel independen menjelaskan variabel dependen UB
(Use Behavior) adalah 26,1% yang berarti lemah dalam menjelaskan
variabel dependennya.
3) T-test
Pengujian ini dilakukan dengan metode bootstrapping, menggunakan
uji two-tailed dengan tingkat signifikansi 5% untuk menguji hipotesis-
hipotesis penelitian. Hipotesis tersebut akan diterima jika memiliki t-
test lebih besar dari 1,96 (Hair et al., 2012; Afthanorhan, 2013; Wong,
2013, Ringle, 2015).
Tabel 4. 6 Hasil Uji T-test dengan SmartPLS
Jalur T- test
BI -> UB 4,734
EE -> BI 3,452
FC -> BI 0,006
FC -> UB 2,606
HM -> BI 2,732
HT -> BI 3,296
HT -> UB 2,534
PE -> BI 2,138
PS -> BI 2,439
PT -> BI 3,150
PV -> BI 3,213
SI -> BI 0,413
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
109
memiliki nilai t-test 0,006 dan SI→BI yang memiliki nilai t-test 0,413.
Dengan kata lain hasil ini menunjukkan bahwa dari 12 hipotesis
terdapat dua hipotesis yang tidak diterima.
4) Effect Size (f2)
Pengujian ini dilakukan untuk memprediksi pengaruh variabel tertentu
terhadap variabel lainnya dalam struktur model dengan nilai ambang
batas sekitar 0,02 untuk pengaruh kecil, 0,15 untuk menengah, dan 0,35
untuk pengaruh besar (Hair et al., 2012; Wong, 2013). f2 dihitung
dengan menggunakan rumus sebagai berikut :
f2 = 𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑅2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
1− 𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒
Hasilnya, dari tabel 4.7 menunjukkan pengujian f2 terhadap 12 jalur.
dua jalur diantaranya memiliki pengaruh menengah yaitu BI→UB, dan
EE→BI. Sisanya memiliki pengaruh yang kecil.
110
Tabel 4. 7 Hasil Uji Effect Size
Hipotesis f2 Keterangan
No Jalur R2-in R2-ex ∑ f2
H1 PE → BI 0,876 0,872 0,03226 Kecil
H2 EE → BI 0,876 0,857 0,15323 Menengah
H3 SI → BI 0,876 0,876 - Kecil
H4 PS → BI 0,876 0,866 0,08065 Kecil
H5 PT → BI 0,876 0,863 0,10484 Kecil
H6 FC → BI 0,876 0,876 - Kecil
H7 FC → UB 0,261 0,227 0,04601 Kecil
H8 HM → BI 0,876 0,872 0,03226 Kecil
H9 PV → BI 0,876 0,866 0,08065 Kecil
H10 HT → BI 0,876 0,870 0,04839 Kecil
H11 HT → UB 0,261 0,239 0,02977 Kecil
H12 BI → UB 0,261 0,095 0,22463 Menengah
5) Predictive Relevance (𝑄2)
Pengujian ini dilakukan dengan metode blindfolding untuk memberikan
bukti bahwa variabel tertentu yang digunakan dalam model mempunyai
keterkaitan prediktif (predictive relevance) dengan variabel lainnya
dalam model dengan ambang batas pengukuran di atas nol (Hair et al.,
2012; Afthanorhan, 2013; Wong, 2013).
Dapat diketahui dari hasil penelitian bahwa 𝑄2 dari semua variabel
memiliki keterkaitan prediktif, yaitu nilai 𝑄2 dari variabel BI adalah
0,659 dan 𝑄2 dari variabel UB adalah 0,169.
6) Relative Impact (𝑞2)
Pengujian ini dilakukan dengan metode blindfolding untuk mengukur
relatif pengaruh dari sebuah keterkaitan prediktif suatu variabel tertentu
111
dengan variabel lainnya dengan nilai ambang batas sekitar 0,02 untuk
pengaruh kecil, 0,15 untuk pengaruh menengah/sedang, dan 0,35 untuk
pengaruh besar (Hair et al., 2012). Rumus yang digunakan untuk
perhitungan 𝑞2 adalah sebagai berikut :
q2 = 𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑄2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
1− 𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒
Tabel 4. 8 Hasil Uji Relative Impact
Hipotesis q2 Keterangan
No Jalur Q2-in Q2-ex ∑ q2
H1 PE → BI 0,659 0,656 0,009 Kecil
H2 EE → BI 0,659 0,653 0,018 Kecil
H3 SI → BI 0,659 0,661 - 0,006 Kecil
H4 PS → BI 0,659 0,653 0,018 Kecil
H5 PT → BI 0,659 0,652 0,021 Kecil
H6 FC → BI 0,659 0,659 - Kecil
H7 FC → UB 0,169 0,149 0,024 Kecil
H8 HM → BI 0,659 0,657 0,006 Kecil
H9 PV → BI 0,659 0,654 0,015 Kecil
H10 HT → BI 0,659 0,655 0,012 Kecil
H11 HT → UB 0,169 0,155 0,017 Kecil
H12 BI → UB 0,169 0,060 0,131 Kecil
Dari tabel 4.9 menunjukan hasil bahwa dari 12 jalur. Seluruh jalur
memiliki pengaruh yang kecil.
112
4.1.4 Hasil Analisis Variabel Moderator
Penelitian ini juga menggunakan dua variabel moderator yaitu, Age dan
Gender, untuk melihat apakah pengaruh independen terhadap variabel dependen
akan bervariasi tergantung dari Age dan gender. Untuk menguji pengaruh variabel
moderator, penelitian ini menggunakan pendekatan perbandingan seperti yang
dilakukan peneliti terdahulu (Bendi & Aliyanto, 2014; Melisa & Indrawati, 2016;
Hakim, 2016; Ajis & Kamal, 2016).
4.1.4.1 Analisis Variabel Moderator Gender
Dari segi gender sebagai variabel moderator penelitian ini membagi
responden menjadi dua kelompok, yaitu laki-laki dan perempuan. Berdasarkan
gambar 4.1 jumlah responden laki-laki sebanyak 134 orang sedangkan jumlah
responden perempuan sebanyak 94 orang.
1) Pengukuran Model Variabel Moderator Gender
Pada tahap ini dilakukan pengujian terhadap nilai loading factor,
consistency reliability (CR), dan average variance extracted (AVE)
(Melisa & Indrawati, 2016; Hakim, 2016; Azis & Kamal, 2016).
Dapat diketahui dari tabel 4.11 bahwa dari data responden dengan jenis
kelamin laki-laki, seluruh item memiliki loading factor di atas 0,7
sehingga dapat dikatakan seluruh indikator valid.
113
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
114
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
kelamin perempuan, seluruh item memiliki loading factor di atas 0,7
sehingga dapat dikatakan seluruh indikator valid.
115
Tabel 4. 11 Hasil Uji CR dan AVE Variabel Moderator Gender
Variabel Laki-laki Perempuan
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
dapat dikatakan bahwa seluruh variabel memenuhi syarat untuk
digunakan dan tidak ada masalah dalam uji composite reliability
maupun dalam uji AVE.
2) Struktur Model Variabel Moderator Gender
Pada tahap ini dilakukan pengujian terhadap nilai path coefficient (β),
coefficient of determination (R2), t-test menggunakan metode
bootstrapping (Melisa & Indrawati, 2016; Hakim, 2016; Azis & Kamal,
2016).
116
Tabel 4. 12 Hasil Uji Struktur Model Variabel Moderator Laki-laki
Hipotesis R2 β T-test
Keterangan
No Jalur β T-test
H1 PE → BI 0,884 0,046 0,765 Tidak Signifikan Ditolak
H2 EE → BI 0,884 0,230 2,998 Signifikan Diterima
H3 SI → BI 0,884 0,006 0,124 Tidak Signifikan Ditolak
H4 PS → BI 0,884 0,420 3,427 Signifikan Diterima
H5 PT → BI 0,884 0,189 2,076 Signifikan Diterima
H6 FC → BI 0,884 -0,021 0,508 Tidak Signifikan Ditolak
H7 FC → UB 0,200 0,179 1,595 Signifikan Ditolak
H8 HM → BI 0,884 0,078 1,940 Tidak Signifikan Ditolak
H9 PV → BI 0,884 0.120 2,046 Signifikan Diterima
H10 HT → BI 0,884 -0.068 1,662 Tidak Signifikan Ditolak
H11 HT → UB 0,200 0,112 1,158 Signifikan Ditolak
H12 BI → UB 0,200 0,370 2,878 Signifikan Diterima
Dapat diketahui dari tabel 4.14 bahwa hasilnya terdapat tujuh jalur yang
memiliki nilai di atas 0,1 yang berarti berpengaruh dalam model,
sedangkan lima jalur lainnya menunjukkan pengaruh yang tidak
signifikan yaitu PE→BI, SI→BI, FC→BI, HM→BI, dan HT→BI.
Nilai R2 variabel BI (Behavioral Intention) adalah 0,884 (88,4%) dan
nilai R2 variabel UB (Use Behavior) adalah 0,200 (20,0%). Dengan
demikian dapat dijelaskan bahwa kemampuan variabel independen
menjelaskan variabel dependen BI (Behavioral Intention)) adalah
88,4% yang berarti kuat dalam menjelaskan variabel dependennya.
Sementara, kemampuan variabel independen menjelaskan variabel
dependen UB (Use Behavior) adalah 20,0% yang berarti lemah dalam
menjelaskan variabel dependennya. Selain itu, terdapat tujuh nilai t-test
yang kurang dari 1,96 yaitu adalah hubungan antara variabel PE→BI,
SI→BI, FC→BI, FC→UB, HM→BI, HT→BI, dan HT→UB.
117
Tabel 4. 13 Hasil Uji Struktur Model Variabel Moderator Perempuan
Hipotesis R2 β T-test
Keterangan
No Jalur β T-test
H1 PE → BI 0,889 0,207 1,923 Signifikan Ditolak
H2 EE → BI 0,889 0,188 1,963 Signifikan Diterima
H3 SI → BI 0,889 0,029 0,361 Tidak Signifikan Ditolak
H4 PS → BI 0,889 0,061 0,335 Tidak Signifikan Ditolak
H5 PT → BI 0,889 0,357 3,631 Signifikan Diterima
H6 FC → BI 0,889 0,045 1,041 Tidak Signifikan Ditolak
H7 FC → UB 0,357 0,214 1,888 Signifikan Ditolak
H8 HM → BI 0,889 0,044 0,935 Tidak Signifikan Ditolak
H9 PV → BI 0,889 0,205 2,558 Signifikan Diterima
H10 HT → BI 0,889 -0,087 1,974 Tidak Signifikan Diterima
H11 HT → UB 0,357 0,197 2,385 Signifikan Diterima
H12 BI → UB 0,357 0,451 4,045 Signifikan Diterima
Dapat diketahui dari tabel 4.15 bahwa hasilnya terdapat tujuh jalur yang
memiliki nilai di atas 0,1 yang berarti berpengaruh dalam model,
sedangkan lima jalur lainnya menunjukkan pengaruh yang tidak
signifikan yaitu SI→BI, PS→BI, FC→BI, HM→BI, dan HT→BI.
Nilai R2 variabel BI (Behavioral Intention) adalah 0,889 (88,9%) dan
nilai R2 variabel UB (Use Behavior) adalah 0,357 (35,7%). Dengan
demikian dapat dijelaskan bahwa kemampuan variabel independen
menjelaskan variabel dependen BI (Behavioral Intention)) adalah
88,9% yang berarti kuat dalam menjelaskan variabel dependennya.
Sementara, kemampuan variabel independen menjelaskan variabel
dependen UB (Use Behavior) adalah 35,7% yang berarti moderat dalam
menjelaskan variabel dependennya. Selain itu, terdapat enam nilai t-test
yang kurang dari 1,96 yaitu adalah hubungan antara variabel PE→BI,
SI→BI, PS→BI, FC→BI, FC→UB, dan HM→BI.
118
4.1.4.2 Analisis Variabel Moderator Age
Dari segi age sebagai variabel moderator penelitian ini membagi responden
menjadi dua kelompok, pengelompokan ini menurut Depkes RI (2009) yaitu
kelompok usia remaja (≤ 25 tahun) dan usia dewasa (>25 tahun).
Berdasarkan gambar 4.4 jumlah responden berusia 17-25 tahun sebanyak
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
dengan cara yang sama seperti pada variabel moderator gender.
1) Pengukuran Model Variabel Moderator Age
Pada tahap ini dilakukan pengujian terhadap nilai loading factor,
consistency reliability (CR), dan average variance extracted (AVE)
(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
responde usia dewasa seperti pada tabel 4.17.
119
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
120
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
121
Tabel 4. 16 Hasil Uji CR dan AVE Variabel Moderator Age
Variabel Remaja Dewasa
CR AVE CR AVE
BI 0,941 0,842 0,922 0,799
EE 0,938 0,834 0,950 0,864
FC 0,899 0,748 0,880 0,710
HM 0,872 0,697 0,907 0,765
HT 0,906 0,762 0,904 0,758
PE 0,902 0,649 0,896 0,632
PS 0,939 0,836 0,931 0,817
PT 0,921 0,796 0,901 0,751
PV 0,941 0,842 0,936 0,829
SI 0,930 0,817 0,924 0,803
UB 0,919 0,792 0,841 0,639
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
dapat dikatakan bahwa seluruh variabel memenuhi syarat untuk
digunakan dan tidak ada masalah dalam uji composite reliability
maupun dalam uji AVE.
2) Struktur Model Variabel Moderator Age
Pada tahap ini dilakukan pengujian terhadap nilai path coefficient (β),
coefficient of determination (R2), T-test menggunakan metode
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
yang berarti berpengaruh dalam model, sedangkan tiga jalur lainnya
menunjukkan pengaruh yang tidak signifikan yaitu SI→BI, FC→BI,
122
dan HM→BI. Nilai R2 variabel BI (Behavioral Intention) adalah 0,854
(85,4%) dan nilai R2 variabel UB (Use Behavior) adalah 0,456 (45,6%).
Dengan demikian dapat dijelaskan bahwa kemampuan variabel
independen menjelaskan variabel dependen BI (Behavioral Intention))
adalah 85,4% yang berarti kuat dalam menjelaskan variabel
dependennya. Sementara, kemampuan variabel independen
menjelaskan variabel dependen UB (Use Behavior) adalah 45,6% yang
berarti moderat dalam menjelaskan variabel dependennya. Selain itu,
terdapat enam nilai t-test yang kurang dari 1,96 yaitu adalah hubungan
antara variabel PE→BI, SI→BI, PS→BI, PT→BI, FC→BI, dan
HM→BI.
Dapat diketahui dari tabel 4.20 uji struktur model responden usia
dewasa bahwa hasilnya terdapat lima jalur yang memiliki nilai di atas
0,1 yang berarti berpengaruh dalam model, sedangkan tujuh jalur
lainnya menunjukkan pengaruh yang tidak signifikan yaitu PE→BI,
SI→BI, FC→BI, FC→UB, PV→BI, HT→BI dan HT→UB. Nilai R2
variabel BI (Behavioral Intention) adalah 0,919 (91,9%) dan nilai R2
variabel UB (Use Behavior) adalah 0,120 (12,0%). Dengan demikian
dapat dijelaskan bahwa kemampuan variabel independen menjelaskan
variabel dependen BI (Behavioral Intention)) adalah 91,9% yang
berarti kuat dalam menjelaskan variabel dependennya. Sementara,
kemampuan variabel independen menjelaskan variabel dependen UB
(Use Behavior) adalah 12,0% yang berarti lemah dalam menjelaskan
123
variabel dependennya. Selain itu, terdapat tujuh nilai t-test yang kurang
dari 1,96 yaitu adalah hubungan antara variabel PE→BI, SI→BI,
FC→BI, FC→UB, PV→BI, HT→BI, dan HT→UB.
Tabel 4. 17 Hasil Uji Struktur Model Variabel Moderator Usia
Remaja
Hipotesis R2 β T-test
Keterangan
No Jalur β T-test
H1 PE → BI 0,854 0,139 1,692 Signifikan Ditolak
H2 EE → BI 0,854 0,188 2,210 Signifikan Diterima
H3 SI → BI 0,854 0,085 1,377 Tidak Signifikan Ditolak
H4 PS → BI 0,854 0,133 0,738 Signifikan Ditolak
H5 PT → BI 0,854 0,348 1,633 Signifikan Ditolak
H6 FC → BI 0,854 -0,005 0,117 Tidak Signifikan Ditolak
H7 FC → UB 0,456 0,228 2,609 Signifikan Diterima
H8 HM → BI 0,854 0,019 0,512 Tidak Signifikan Ditolak
H9 PV → BI 0,854 0,177 2,884 Signifikan Diterima
H10 HT → BI 0,854 -0,118 2,377 Signifikan Diterima
H11 HT → UB 0,456 0,315 5,041 Signifikan Diterima
H12 BI → UB 0,456 0,497 5,589 Signifikan Diterima
Tabel 4. 18 Hasil Uji Struktur Model Variabel Moderator Usia
Dewasa
Hipotesis R2 β T-test
Keterangan
No Jalur β T-test
H1 PE → BI 0,919 0,087 1,474 Tidak Signifikan Ditolak
H2 EE → BI 0,919 0,270 3,363 Signifikan Diterima
H3 SI → BI 0,919 -0,040 0,767 Tidak Signifikan Ditolak
H4 PS → BI 0,919 0,368 2,373 Signifikan Diterima
H5 PT → BI 0,919 0,202 2,883 Signifikan Diterima
H6 FC → BI 0,919 -0,009 0,305 Tidak Signifikan Ditolak
H7 FC → UB 0,120 0,057 0,439 Tidak Signifikan Ditolak
H8 HM → BI 0,919 0,157 3,355 Signifikan Diterima
H9 PV → BI 0,919 0,065 0,848 Tidak Signifikan Ditolak
H10 HT → BI 0,919 -0,048 1,200 Tidak Signifikan Ditolak
H11 HT → UB 0,120 -0,067 0,425 Tidak Signifikan Ditolak
H12 BI → UB 0,120 0,352 2,099 Signifikan Diterima
124
4.2 Interpretasi dan Diskusi Hasil Analisis
4.2.1 Interpretasi dan Diskusi Hasil Analisi Data Demografis
Berdasarkan hasil analisis informasi demografis profil responden, peneliti
melakukan interpretasi dan mendiskusikan hasil analisisnya yaitu sebagai berikut:
1) Jenis kelamin
Seperti yang dapat ditunjukkan pada gambar 4.1 tentang jenis kelamin
responden, dapat diketahui bahwa responden pada penelitian ini
responden laki-laki lebih mendominasi yaitu sebanyak 134 orang (59%)
dan sisanya berasal dari responden perempuan, yaitu sebanyak 94
orang (41%). Hal ini dapat terjadi dikarenakan ketika peneliti
melaksanaan penyebaran kuesioner, gender laki-laki cenderung lebih
banyak yang setuju untuk mengisi kuesioner dibandingkan gender
perempuan. Dan dilihat dari data kependudukan Badan Pusat Statistik
Kota Tangerang Selatan pada tahun 2017, diketahui jumlah penduduk
laki-laki berjumlah 828.392 orang dan jumlah penduduk perempuan
816.507 orang.
2) Pekerjaan
Seperti yang dapat ditunjukkan pada gambar 4.2 tentang status
pekerjaan responden diketahui bahwa dalam penelitian ini, responden
terbanyak berasal dari pelajar/mahasiswa, yaitu sebanyak 83 orang
(36%) dan disusul dengan responden berasal dari pegawai swasta, yaitu
sebanyak 59 orang (26%). Jumlah responden yang paling sedikit
125
berasal dari wiraswasta yaitu sebanyak 25 orang (11%). Peneliti
menduga bahwa kemungkinan besar hal ini dapat terjadi adalah karena
sebagian besar kuesioner disebar dengan bebas secara online melalui
google form, sehingga kuesioner dapat dengan bebas diisi oleh
kalangan manapun tanpa adanya pemaksaan dan pembatasan.
3) Kecamatan
Seperti yang dapat ditunjukkan pada gambar 4.3 tentang kecamatan
tempat tinggal responden bahwa dari 228 data responden yang
digunakan dalam penelitian ini, responden relatif sama jumlahnya
ditiap kecamatan. Hal ini dilakukan agar penyebaran kuesioner merata.
4) Usia
Seperti yang dapat ditunjukkan pada gambar 4.4 tentang usia responden
diketahui bahwa dari 228 data responden yang digunakan dalam
penelitian ini, responden terbanyak berusia 17-25 tahun, yaitu sebanyak
117 orang (51%) dan disusul dengan responden berusia 26-35 tahun,
yaitu sebanyak 64 orang (28%). Jumlah responden yang paling sedikit
berusia >45 tahun, yaitu sebanyak 19 orang (8%). Dengan demikian
peneliti beranggapan tingkat penggunaan uang elektronik di Tangerang
Selatan pada usia 17-25 lebih tinggi mungkin saja karena masyarakat
diusia itu lebih familiar dengan penggunaan uang elektronik dan
126
aktifitasnya yang didukung dengan transaksi menggunakan uang
elektronik.
5) Tingkat pendidikan
Seperti yang dapat ditunjukkan pada gambar 4.5 tentang tingkat
pendidikan responden bahwa dari 228 data responden yang digunakan
dalam penelitian ini, responden terbanyak berasal dari tingkat
pendidikan S1, yaitu sebanyak 89 orang (39%) dan disusul dengan
responden berasal dari tingkat pendidikan SLTA, yaitu sebanyak 79
orang (35%). Jumlah responden yang paling sedikit berasal dari tingkat
pendidikan S3, yaitu sebanyak 2 orang (1%). Dengan demikian dapat
disimpulkan bahwa mayoritas tingkat pendidikan responden penelitian
yaitu adalah S1. Hal ini menunjukkan bahwa 65% responden kuesioner
memiliki tingkat pendidikan yang tinggi untuk dijadikan sampel
penelitian terkait teknologi uang elektronik.
6) Penggunaan uang elektronik
Dari 228 data responden yang digunakan dalam penelitian ini dapat
diketahui dari gambar 4.6 bahwa, responden terbanyak menggunakan
uang elektronik dari penerbit Mandiri, yaitu sebanyak 85 orang (37%).
Dari gambar 4.7 diketahui bahwa responden terbanyak telah
menggunakan uang elektronik selama 1-2 tahun, yaitu sebanyak 65
orang (32%). Dari gambar 4.8 diketahui bahwa responden terbanyak
127
dalam satu mingggu menggunakan uang elektronik 2-4 kali, yaitu
sebanyak 69 orang (30%). Dari gambar 4.9 diketahui bahwa responden
terbanyak menggunakan uang elektronik untuk jenis transaksi tol, yaitu
sebanyak 72 orang (32%). Dari gambar 4.10 diketahui bahwa
responden terbanyak menggunakan uang elektronik menghabiskan
kurang dari Rp.100.000, yaitu sebanyak 99 orang (43%). Dengan
demikian peneliti dapat menyimpulkan bahwa pengguna uang
elektronik di Tangerang Selatan kurang optimal dalam menggunakan
uang elektronik dan mayoritas baru menggunakan uang elektronik dari
tahun 2016 dan penggunaannya terbilang tidak terlalu sering dengan
nominal yang tidak cukup banyak yang digunakan dalam satu minggu.
4.2.2 Interpretasi dan Diskusi Hasil Pengukuran Model
Berdasarkan hasil analisis pengukuran model yang dilakukan peneliti, hasil
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
model dari model penelitian ini.
4.2.3 Interpretasi dan Diskusi Hasil Struktural Model
Bagian ini akan memaparkan interpretasi dan diskusi berdasarkan hasil dari
enam tahap analisis struktur model yaitu path coefficient (β), coefficient of
128
determination (R2), t-test menggunakan metode bootstrapping, effect size (f2),
predictive relevance (𝑄2), dan relative impact (𝑞2).
Berikut adalah pemaparan hasil analisis yang dilakukan dengan mengikuti
pertanyaan-pertanyaan penelitian dan hipotesis-hipotesis yang telah dirumuskan
sebelumnya.
Tabel 4. 19 Hasil Uji Hipotesis
Hipotesis β T-test
Keterangan
No Jalur β T-test
H1 PE → BI 0,119 2,138 Signifikan Diterima
H2 EE → BI 0,209 3,452 Signifikan Diterima
H3 SI → BI 0,016 0,413 Tidak Signifikan Ditolak
H4 PS → BI 0,275 2,439 Signifikan Diterima
H5 PT → BI 0,238 3,150 Signifikan Diterima
H6 FC → BI 0,000 0,006 Tidak Signifikan Ditolak
H7 FC → UB 0,187 2,606 Signifikan Diterima
H8 HM → BI 0,082 2,732 Tidak Signifikan Diterima
H9 PV → BI 0,171 3,213 Signifikan Diterima
H10 HT → BI -0,093 3,296 Tidak Signifikan Diterima
H11 HT → UB 0,147 2,534 Signifikan Diterima
H12 BI → UB 0,415 4,734 Signifikan Diterima
Q1. Apakah Performance Expectancy (PE) berpengaruh terhadap
Behavioral Intention (BI)?
Berdasarkan hasil analisis struktur model, pada nilai t-test sebagaimana
dapat dilihat pada tabel 4.11 menunjukan bahwa H1 hubungan PE→BI
diterima, sehingga dapat diartikan bahwa PE memiliki pengaruh positif
terhadap BI. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,119 yang berarti PE juga berpengaruh secara signifikan terhadap BI sesuai
dengan penelitian awal yang dilakukan Venkatesh et al. (2003), hal ini juga
129
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.,
2017) dimana PE berpengaruh secara signifikan terhadap BI. Pada
penelitian ini penggunaan uang elektronik dapat membantu dan
mempermudah pengguna dalam proses transaksi karena saat bertransaksi
dapat dilakukan efektif dan efisien, sehingga berpengaruh kepada niat
pengguna untuk menggunakan uang elektronik. Sehingga dapat
disimpulkan bahwa H1 diterima dalam penelitian ini.
Q2. Apakah Effort Expectancy (EE) berpengaruh terhadap Behavioral
Intention (BI)?
Berdasarkan hasil analisis struktur model, pada nilai t-test sebagaimana
dapat dilihat pada tabel 4.11 menunjukan bahwa H2 hubungan EE→BI
diterima, sehingga dapat diartikan bahwa PE memiliki pengaruh positif
terhadap BI. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,209 yang berarti EE juga berpengaruh secara signifikan terhadap BI,
sejalan dengan penelitian terdahulu lainnya (Evlandari, 2011; Venkatesh
.dkk. 2012; Gatautis & Medziausiene, 2014; Harsono & Suryana, 2014).
Selain itu hal ini didukung oleh pengamatan langsung oleh peneliti, bahwa
pengguna mementingkan hal kemudahan dalam menggunakan uang
elektronik, semakin kecil upaya yang dikeluarkan atau semakin mudahnya
130
sistem mendorong pengguna untuk menggunakan sistem. Sehingga dapat
disimpulkan bahwa H2 diterima dalam penelitian ini.
Q3. Apakah Social Influence (SI) berpengaruh terhadap Behavioral
Intention (BI)?
Berdasarkan hasil analisis struktur model, pada nilai t-test sebagaimana
dapat dilihat pada tabel 4.11 menunjukan bahwa H3 hubungan SI→BI
ditolak sehingga dapat diartikan bahwa SI tidak memiliki pengaruh terhadap
BI. Selain itu didukung juga dengan hasil nilai path coefficient (β) 0,016
yang berarti SI juga tidak berpengaruh terhadap BI. Berdasarkan
pengamatan langsung yang dilakukan oleh peneliti terdapat salah satu
transaksi yang wajib menggunakan uang elektronik, contohnya pada
transaksi pembayaran tol pengguna wajib menggunakan uang elektronik
untuk dapat menggunakan jalan tol. Pengguna juga merasa uang elektronik
merupakan suatu kebutuhan untuk mendukung aktifitasnya sehingga
pengguna menggunakan uang elektronik tanpa adanya pengaruh atau
paksaan dari orang-orang di sekitarnya. Peneliti beranggapan bahwa
penyebab ditolaknya H3 dikarenakan pengguna merasa percaya dalam
menggunakan teknologi uang elektronik ini sehingga tidak ada pengaruh
ataupun paksaan dari pihak lain. Hal ini dilihat dari nilai t-test dari variabel
kepercayaan yang cukup tinggi.
131
Q4. Apakah Perceived Security (PS) berpengaruh terhadap Behavioral
Intention (BI)?
Berdasarkan hasil analisis struktur model, pada nilai t-test sebagaimana
dapat dilihat pada tabel 4.11 menunjukan bahwa H4 hubungan PS→BI
diterima, sehingga dapat diartikan bahwa PS memiliki pengaruh positif
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
mementingkan hal keamanan dalam melakukan transaksi menggunakan
uang elektronik, semakin aman sistem mendorong pengguna untuk
menggunakan sistem. Sehingga dapat disimpulkan bahwa H4 diterima
dalam penelitian ini. Hal ini sesuai dengan asumsi awal yang peneliti ajukan
berdasarkan teori/konsep dari Salisbury et al., (2001); Shin (dalam Morosan.
C, 2016) mengenai pentingnya pengaruh variabel keamanan terhadap
penggunaan teknologi.
Q5. Apakah Perceived Trust (PT) berpengaruh terhadap Behavioral
Intention (BI)?
Berdasarkan hasil analisis struktur model, pada nilai t-test sebagaimana
dapat dilihat pada tabel 4.11 menunjukan bahwa H5 hubungan PT→BI
diterima, sehingga dapat diartikan bahwa PT memiliki pengaruh positif
terhadap BI. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,238 yang berarti PT juga berpengaruh secara signifikan terhadap BI. Hal
132
ini sesuai dengan asumsi awal yang peneliti ajukan berdasarkan
teori/konsep dari McKnight et al (dalam Husnil Khatimah & Fairol Halim,
2014); Suh dan Han (2002) bahwa ada hubungan positif antara tingkat
kepercayaan dengan niat penggunaan. Sehingga dapat disimpulkan bahwa
H5 diterima dalam penelitian ini.
Q6. Apakah Facilitating Condition (FC) berpengaruh Behavioral
Intention (BI)?
Berdasarkan hasil analisis struktur model, pada nilai t-test sebagaimana
dapat dilihat pada tabel 4.11 menunjukan bahwa H6 hubungan FC→BI
ditolak, sehingga dapat diartikan bahwa FC tidak memiliki pengaruh
terhadap BI. Hal ini sesuai dengan penelitian sebelumnya (Ramdhani et al,
2017; dan Azis & Kamal, 2016) juga menyatakan bahwa FC tidak memiliki
hubungan signifikan terhadap niat pengguna. Berdasarkan pengamatan
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
elektronik, walaupun demikian pengguna tetap saja menggunakan uang
elektronik. Peneliti beranggapan penyebab ditolaknya H6 adalah tingat
kepercayaan pengguna untuk mengguanakan uang elektronik cukup tinggi,
sehingga pengguna merasa fasilitas yang diberikan dalam teknologi uang
133
elektronik tidak mempengaruhi dalam menggunakan teknologi uang
elektronik.
Q7. Apakah Facilitating conditions (FC) berpengaruh terhadap Use
Behavior (UB)?
Berdasarkan hasil analisis struktur model, pada nilai t-test sebagaimana
dapat dilihat pada tabel 4.11 menunjukan bahwa H7 hubungan FC→UB
diterima, sehingga dapat diartikan bahwa FC memiliki pengaruh positif
terhadap UB. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,187 yang berarti FC juga berpengaruh secara signifikan terhadap UB
sesuai dengan penelitian sebelumnya (Venkatesh et al. 2003; Alwahaishi &
Snasel, 2013; Hasrono & Suryana, 2014).
Q8. Apakah Hedonic Motivation (HM) berpengaruh terhadap
Behavioral Intention (BI)?
Berdasarkan hasil analisis struktur model, pada nilai t-test sebagaimana
dapat dilihat pada tabel 4.11 menunjukan bahwa H8 hubungan HM→BI
diterima, sehingga dapat diartikan bahwa HM memiliki pengaruh positif
terhadap BI. Namun hasil t-test itu tidak didukung dengan hasil nilai path
coefficient (β) 0,082 yang berarti tingkat signifikan HM terhadap BI lemah.
Hal ini juga sesuai dengan penelitian sebelumnya yang dilakukan oleh
Ramdhani (2017) dimana HM berpengaruh namun memiliki tingkat
signifikan yang lemah terhadap BI.
134
Q9. Apakah Price Value (PV) berpengaruh terhadap Behavioral
Intention (BI)?
Berdasarkan hasil analisis struktur model, pada nilai t-test sebagaimana
dapat dilihat pada tabel 4.11 menunjukan bahwa H9 hubungan PV→BI
diterima, sehingga dapat diartikan bahwa PV memiliki pengaruh positif
terhadap BI. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,171 yang berarti PV juga berpengaruh secara signifikan terhadap BI, hal
ini konsisten dengan penelitian sebelumnya (Venkatesh, et al. 2012;
Escobar-Rodríguez & Carvajal- Trujillo, 2013: Harsono & Suryana, 2014).
Hal ini juga didukung oleh pengamatan langsung peneliti, dimana memang
harga uang elektronik tergolong murah dan transaksi menggunakan uang
elektronik terkadang mendapatkan potongan. Oleh karena itu peneliti
menganggap pengguna akan lebih tertarik dalam menggunakan uang
elektronik dalam bertransaksi.
Q10. Apakah Habit (HT) berpengaruh terhadap Behavioral Intention
(BI)?
Berdasarkan hasil analisis struktur model, pada nilai t-test sebagaimana
dapat dilihat pada tabel 4.11 menunjukan bahwa H10 hubungan HT→BI
diterima, sehingga dapat diartikan bahwa HT memiliki pengaruh positif
terhadap BI. Namun hasil t-test itu tidak didukung dengan hasil nilai path
coefficient (β) -0,093 yang berarti tingkat signifikan HT terhadap BI lemah.
Hal ini tidak sesuai dengan penelitian sebelumnya yang dilakukan oleh
135
peneliti sebelumnya (Escobar-Rodríguez & Carvajal- Trujillo, 2013;
Harsono & Suryana, 2014; Azis & Kamal, 2016; Melisa & Indrawati, 2016;
Ramdhani et al, 2017) yang menghasilkan tingkat signifikan HT terhadap
BI kuat.
Q11. Apakah Habit (HT) berpengaruh terhadap Use Behavior (UB)?
Berdasarkan hasil analisis struktur model, pada nilai t-test sebagaimana
dapat dilihat pada tabel 4.11 menunjukan bahwa H11 hubungan HT→UB
diterima, sehingga dapat diartikan bahwa HT memiliki pengaruh positif
terhadap UB. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,147 yang berarti HT juga berpengaruh secara signifikan terhadap BI. Hal
ini sesuai dengan penelitian sebelumnya yang dilakukan oleh peneliti
sebelumnya (Escobar-Rodríguez & Carvajal- Trujillo, 2013; Harsono &
Suryana, 2014; Azis & Kamal, 2016; Melisa & Indrawati, 2016; Ramdhani
et al., 2017) bahwa HT berpengaruh terhadap UB.
Q12. Apakah Behavioral Intention (BI) berpengaruh terhadap Use
Behavior (UB)?
Berdasarkan hasil analisis struktur model, pada nilai t-test sebagaimana
dapat dilihat pada tabel 4.11 menunjukan bahwa H12 hubungan BI→UB
diterima, sehingga dapat diartikan bahwa BI memiliki pengaruh positif
terhadap UB. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,415 merupakan hasil nilai tertinggi dibandingkan dengan yang lain yang
136
berarti BI juga berpengaruh secara signifikan terhadap UB sesuai dengan
penelitian awal yang dilakukan Venkatesh et al. (2003). Hal ini juga
didukung oleh pengamatan langsung oleh peneliti, bahwa pengguna uang
elektronik dalam perilaku penggunaan dipengaruhi oleh minat penggunaan,
hal ini dapat dibuktikan dari variabel-variabel independen yang
berhubungan dengan variabel dependen behavioral intention, dimana dari
hasil pengujian tersebut ditemukan bahwa pengguna merasa menggunakan
uang elektronik meningkatkan kinerja mereka, dan memudahkan mereka
dalam bertransaksi, sehingga mereka merasa menggunakan uang elektronik
itu menguntungkan bagi mereka. Oleh karena itu dapat disimpulkan bahwa,
benar behavioral intention berpengaruh terhadap use behavior.
4.2.4 Interpretasi dan Diskusi Hasil Variabel Moderator
1. Variabel Moderator Gender
Berdasarkan hasil analisis variabel moderator yang dilakukan peneliti,
nilai R2 variabel moderator gender pada tabel 4.14 dan 4.15 menunjukkan
nilai hubungan pengaruh dari masing-masing variabel independen terhadap
variabel dependen. Selisih nilai R2 pada variabel behavioral intention dan
use behavior memberikan makna perbedaan perilaku penerimaan teknologi
pada kelompok gender. Beradasarkan hasil akhir dari analisis tersebut
menunjukan bahwa variabel moderator gender memiliki tingkat pengaruh
yang kecil yaitu sebesar 0,05% untuk variabel behavioral intention dan
137
1.57% untuk variabel use behavior. Kedua nilai tersebut dapat dikatakan
memiliki pengaruh yang tidak terlalu besar (Azis & Kamal, 2016).
2. Variabel Moderator Age
Berdasarkan hasil analisis variabel moderator yang dilakukan peneliti,
nilai R2 variabel moderator age pada tabel 4.19 dan 4.20 menunjukkan nilai
hubungan pengaruh dari masing-masing variabel independen terhadap
variabel dependen. Selisih nilai R2 pada variabel behavioral intention dan
use behavior memberikan makna perbedaan perilaku penerimaan teknologi
pada kelompok age. Beradasarkan hasil akhir dari analisis tersebut
menunjukan bahwa variabel moderator age memiliki tingkat pengaruh yang
kecil yaitu sebesar 0,65% untuk variabel behavioral intention dan 3.36%
untuk variabel use behavior. Kedua nilai tersebut dapat dikatakan memiliki
pengaruh yang tidak terlalu besar (Azis & Kamal, 2016).
138
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil temuan penelitian, berikut adalah kesimpulan penting
dari penelitian ini adalah sebagai berikut :
1) Dari hasil pengolahan data diketahui bahwa sebanyak 37% responden
menggunakan uang elektronik dari penerbit Mandiri, 32% pengguna
uang eletronik merupakan pengguna yang baru menggunakan selama
1-2 tahun dan 30% responden menggunakan uang elektronik 2-4 kali
dalam seminggu. Selain itu, 43% responden menghabiskan kurang dari
Rp.100.000,- untuk bertransaksi menggunakan uang elektronik dalam
satu minggu dan 32% responden menggunakan uang elektronik untuk
pembayaran tol. Sehingga dapat disimpulkan bahwa pengguna uang
elektronik di Tangerang Selatan menggunakan uang elektronik untuk
pembayaran tol lebih tinggi dibandingkan dengan transaksi lainnya
dikarenakan transaksi ini lah yang menjadi awal dari penggunaan uang
elektronik ini. Kemdian pengguna uang elektronik di Tangerang
Selatan kurang optimal dalam menggunakan uang elektronik, mayoritas
baru menggunakan uang elektronik dari tahun 2016 dan
penggunaannya terbilang tidak terlalu sering dengan nominal yang
tidak cukup banyak yang digunakan dalam satu minggu.
139
2) Tidak ada pengapusan dari 35 indikator yang diajukan, hal ini
disebabkan oleh penggunaan item pertanyaan pada kuesioner indicator
sudah cukup tepat.
3) Dua dari 12 hipotesis yaitu SI→BI dan FC→BI dinyatakan ditolak
karena sebagian besar memiliki pengaruh yang kecil dalam pengujian
struktur model khususnya dalam uji f2 atau 𝑞2. Ditolaknya hipotesis
tersebut menunjukan perbedaan hasil dengan penelitian sejenis
sebelumnya. Peneliti berpendapat bahwa perbedaan ini adalah hal yang
wajar, mengingat adanya perbedaan objek, sampel, dan instrumen
penelitian, serta keterbatasan atau kendala saat pelaksanaan penelitian
juga menjadi faktor yang dapat mempengaruhi hasil penelitian.
4) Sepuluh hipotesis yang diterima yaitu PE→BI, EE→BI, PS→BI,
PT→BI, FC→UB, HM→BI, PV→BI, HT→BI, HT→UB, dan
BI→UB. Sehingga faktor-faktor yang mempengaruhi penerimaan
pengguna adalah sebagai berikut :
a. PE (performance expectancy) berpengaruh terhadap penerimaan
pengguna.
b. EE (effort expectancy) berpengaruh terhadap penerimaan
pengguna.
c. PS (perceived security) berpengaruh terhadap penerimaan
pengguna.
d. PT (perceived trust) berpengaruh terhadap penerimaan pengguna.
140
e. HM (hedonic motivation) berpengaruh terhadap penerimaan
pengguna.
f. PV (price value) berpengaruh terhadap penerimaan pengguna.
g. HT (habit) berpengaruh terhadap penerimaan pengguna.
h. FC (facilitating condition) berpengaruh terhadap perilaku
pengguna, namun tidak berpengaruh dengan penerimaan
pengguna.
Berdasarkan hasil temuan itu juga dapat disimpulkan bahwa penelitian
ini telah memberikan kontribusi/manfaat, berupa :
1) Secara teori, penelitian ini telah mengembangkan model evaluasi
penerimaan pengguna UTAUT 2 dengan penambahan variabel
keamanan dan kepercayaan pada model sebelumnya (seperti yang
ditunjukkan oleh Gambar 1.2). Pengembangan model penelitian ini
dilakukan berdasarkan McKnight et al (dalam Husnil Khatimah dan
Fairol Halim, 2014) mendefinisikan Perceived Trust adalah faktor
kunci dan pondasi dalam mengembangkan bisnis dalam layanan
transaksi online. Suh dan Han (2002) menjelaskan bahwa ada hubungan
positif antara tingkat kepercayaan dengan niat penggunaan. Merasa
aman dalam melakukan transaksi keuangan dengan teknologi online
penting untuk meminimalkan kekhawatiran tentang penggunaan
teknologi untuk melakukan pembayaran online (Salisbury et al., 2001).
Menurut Shin dalam Morosan. C (2016) dalam konteks komersial,
141
keamanan yang dirasakan mencerminkan persepsi konsumen bahwa
sistem tertentu aman untuk melakukan transaksi.
2) Secara metodologi, penelitian ini juga berperan dalam mendorong
pemanfaatan metode kuantitatif dalam penyusunan skripsi di Program
Studi Sistem Informasi UIN Syarif Hidayatullah Jakarta.
3) Secara praktis, hasil penelitian ini dapat menjadi bahan pertimbangan
bagi pihak penerbit uang elektronik dan pemerintahan Tangerang
Selatan dalam rencana pengembangan teknologi uang elektronik.
5.2 Saran
Pada bagian ini peneliti akan menjelaskan saran untuk penerbit uang
elektronik serta peneliti yang akan melakukan penelitian selanjutnya khususnya
penelitian dengan topik yang sejenis berdasarkan batasan-batasan yang sudah
dijelaskan pada bab sebelumnya, sebagai berikut :
1) Saran untuk peneliti selanjutnya
a. Pada proses penyebaran kuesioner lebih baik dilakukan dengan
cara langsung tanpa adanya penyebaran melalui online. Sehingga
responden dapat penjelasan langsung mengenai item-item
pernyataan yang ada saat pengisian kuesioner guna menghindari
kesalah pahaman terhadap pernyataan yang ada dalam kuesioner.
142
b. Data yang dikumpulkan dalam penelitian ini tidak dalam jumlah
yang besar dan hanya dilakukan di Tangerang Selatan, untuk
mendapatkan hasil yg lebih baik kedepannya diharapkan untuk
peneliti selanjutnya agar mendapatkan data yang lebih banyak dan
mencakup berbagai wilayah di Indonesia.
2) Saran untuk pihak penerbit uang elektronik melihat dari pengaruh yang
dihasilkan oleh facilitating conditon dan social influence sebaiknya
pihak penerbit membangun fasilitas yang lebih baik untuk mendukung
proses transaksi menggunakan uang elektronik sehingga pengguna
lebih mendapatkan pelayanan yang lebih baik serta membangun suatu
pemikiran terhadap pengguna mengenai pentingnya menggunakan
uang elektronik dalam bertransaksi sehingga mereka dapat
merekomendasikan, mendukung, dan mewajibkan penggunaan uang
elektronik kepada teman-teman, dan keluarga mereka.
143
DAFTAR PUSTAKA
Adiyanti, A. I., & Pudjihardjo, M. (2015). Pengaruh Pendapatan, Manfaat,
Kemudahan Penggunaan, Daya Tarik Promosi, dan Kepercayaan terhadap
minat menggunakan layanan E-Money.
Afthanorhan, B. W., & Asyraf, W. M. (2013). A comparison of partial least square
structural equation modeling (PLS-SEM) and covariance based structural
equation modeling (CB-SEM) for confirmatory factor analysis. International
Journal of Engineering Science and Innovative Technology (IJESIT), 2(5),
198–205.
Anjarsari, G. N., & Waluyo, H. D. (2017). PENGARUH KUALITAS
PELAYANAN, CITRA MEREK DAN HARGA TIKET TERHADAP
KEPUTUSAN PENGGUNAAN JASA PO RAMAYANA MAGELANG
(Studi Kasus pada Pengguna Bus Ramayana VIP). Jurnal Ilmu Administrasi
Bisnis, 6(3), 1–10.
Annisa, C. Al, Sulistiowati, & Lemantara, J. (2016). ANALISIS FAKTOR-
FAKTOR YANG BERPENGARUH TERHADAP PENERIMAAN
APLIKASI STIKOM INSTITUTIONAL REPOSITORY (SIR) DENGAN
MODEL UTAUT PADA INSTITUT BISNIS DAN INFORMATIKA
STIKOM SURABAYA, 5(11), 1–8.
Ayuningtias, T., & Waluyo, H. D. (2017). Pengaruh Kualitas Produk, Citra Merek
dan Iklan Terhadap Keputusan Pembelian Kartu XL Prabayar di Kota
Semarang (Studi Kasus pada Pengguna Kartu XL Prabayar di Kota Semarang).
DIPONEGORO JOURNAL OF SOCIAL AND POLITICAL Tahun, 1–6.
Azis, E., & Kamal, R. M. (2016). ADOPSI TEKNOLOGI BELANJA ONLINE
OLEH KONSUMEN UMKM DENGAN MODEL UNIFIED THEORY OF
ACCEPTANCE AND USE OF TECHNOLOGY 2 ADOPTION, 19–38.
Bahri, A. S. (2010). Konsep uang elektronik dan peluang implementasinya pada
perbankan syariah.
144
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
145
(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.
146
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.
147
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
148
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.
149
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
150
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
151
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).
152
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.
153
LAMPIRAN
154
HASIL DATA PRE-TEST
Hasil Analisis Demografis dari 30 Responden yang ada di Tangerang Selatan
43%
57%
Jenis Kelamin
Perempuan Laki-laki
47%
27%
13%
13%
Usia
17-25 26-35 36-45 >45
155
Hasil Analisis Model Pengukuran (Outer Measurement Model)
40%
27%
20%
13%
Penerbit uang elektronik
Mandiri BCA BNI BRI
159
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 Penerimaan Teknologi
Menurut Moskowitz et al., (2012) mendefinisikan penerimaan konsumen sebagai sesuatu pengalaman atau
fitur dari pengalaman, ditandai dengan sikap positif terhadap produk, dan/ pemanfaatan aktual pruduk oleh
konsumen. Sehingga, penerimaan konsumen harus dipandang sebagai faktor utama yang akan menentukan sukses
atau tidaknya suatu penerapan sistem teknologi.
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).
Penjelasan Teknologi Uang Elektronik
Menurut Adiyanti (2015) uang elektronik merupakan uang yang digunakan dalam transaksi internet dengan
cara elektronik. Biasanya, transaksi ini melibatkan penggunaan jaringan komputer. Uang elektronik memiliki nilai
tersimpan (stored-value) atau prabayar (prepaid) dimana sejumlah nilai uang disimpan dalam suati media elektronis
yang dimiliki seseorang. Nilai uang dalam uang elektronik akan berkurang pada saat pengguna menggunakan untuk
pembayaran.
Mengetahui, Tangerang, Desember 2017
Tim Dosen Pembimbing Peneliti,
A’ang Subiyakto, S.Kom, M.Kom Dwi Rizki Sabarkhah
NIP. 19769219 299719 7 002 NIM. 1113093000047
160
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
C. PENERIMAAN PENGGUNAAN UANG ELEKTRONIK DI KOTA TANGERANG SELATAN
Skala Keterangan Singkatan
1 Sangat Tidak Setuju STS
2 Tidak Setuju TS
3 Tidak Tahu TT
4 Setuju S
5 Sangat Setuju SS
C1. HARAPAN AKAN KINERJA (PERFORMANCE EXPETANCY) Sejauh mana penggunaan teknologi uang elektronik dalam membantu pencapaian kinerja Anda?
STS TS TT S SS
14. Teknologi ini sangat berguna dalam proses transaksi O O O O O
15. Teknologi ini membantu saya melakukan proses transaksi menjadi lebih cepat O O O O O
16. Teknologi ini meningkatkan kualitas pelayanan dalam proses transaksi O O O O O
17. Teknologi ini memiliki kemampuan transaksi lebih baik dari pada uang tunai O O O O O
18. Teknologi ini akan meningkatkan keefektifan saya dalam proses transaksi O O O O O C2. HARAPAN AKAN USAHA (EFFORT EXPETANCY)
Sejauh mana tingkat kemudahan penggunaan teknologi uang elektronik dapat mengurangi upaya (tenaga dan waktu) Anda dalam melakukan pekerjaan?
STS TS TT S SS
19. Teknologi ini mudah digunakan. O O O O O
20. Teknologi ini mempersulit saya dalam proses transaksi O O O O O
21. Teknologi ini lebih efisien dalam segi tenaga dan waktu untuk proses transaksi O O O O O
top related