SKRIPSI PENGUKURAN TINGKAT PENERIMAAN DAN PENGGUNAAN ...repository.uinjkt.ac.id/dspace/bitstream/123456789/44268/1/DWI RIZKI... · PENGUKURAN TINGKAT PENERIMAAN DAN PENGGUNAAN

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





Program Studi Sistem Informasi

Disusun Oleh:

DWI RIZKI SABARKHAH

1113093000047




JAKARTA

2018 M/ 1440 H

ii




Skripsi


Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh:

DWI RIZKI SABARKHAH

1113093000047




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

[email protected]. 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

http://www.tangerangselatankota.go.id/

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


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


Tabel 2. 5 Pengertian Indikator dan Variabel Social Influence


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


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,


Tabel 2. 7 Pengertian Indikator dan Variabel Hedonic Motivation


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


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


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,


Tabel 2. 11 Pengertian Indikator dan Variabel Perceived Security


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,


Tabel 2. 12 Pengertian Indikator dan Variabel Behavioral Intention


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


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 )


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



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



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



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



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



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)


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)


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


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


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


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


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


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


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


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



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)



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


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


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


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


Keterangan

No Jalur β T-test

H1 PE → BI 0,889 0,207 1,923 Signifikan Ditolak



H4 PS → BI 0,889 0,061 0,335 Tidak Signifikan Ditolak


H6 FC → BI 0,889 0,045 1,041 Tidak Signifikan Ditolak

H7 FC → UB 0,357 0,214 1,888 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


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


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


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


Keterangan

No Jalur β T-test

H1 PE → BI 0,854 0,139 1,692 Signifikan Ditolak



H4 PS → BI 0,854 0,133 0,738 Signifikan Ditolak

H5 PT → BI 0,854 0,348 1,633 Signifikan Ditolak


H7 FC → UB 0,456 0,228 2,609 Signifikan Diterima


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


Tabel 4. 18 Hasil Uji Struktur Model Variabel Moderator Usia

Dewasa


Keterangan

No Jalur β T-test

H1 PE → BI 0,919 0,087 1,474 Tidak Signifikan Ditolak


H3 SI → BI 0,919 -0,040 0,767 Tidak Signifikan Ditolak

H4 PS → BI 0,919 0,368 2,373 Signifikan Diterima



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


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)?


dapat dilihat pada tabel 4.11 menunjukan bahwa H2 hubungan EE→BI

diterima, sehingga dapat diartikan bahwa PE memiliki pengaruh positif


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)?


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)?


dapat dilihat pada tabel 4.11 menunjukan bahwa H4 hubungan PS→BI

diterima, sehingga dapat diartikan bahwa PS memiliki pengaruh positif


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)?


dapat dilihat pada tabel 4.11 menunjukan bahwa H5 hubungan PT→BI

diterima, sehingga dapat diartikan bahwa PT memiliki pengaruh positif


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)?


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)?


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)?


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)?


dapat dilihat pada tabel 4.11 menunjukan bahwa H9 hubungan PV→BI

diterima, sehingga dapat diartikan bahwa PV memiliki pengaruh positif


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)?


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)?


dapat dilihat pada tabel 4.11 menunjukan bahwa H11 hubungan HT→UB

diterima, sehingga dapat diartikan bahwa HT memiliki pengaruh positif


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)?


dapat dilihat pada tabel 4.11 menunjukan bahwa H12 hubungan BI→UB

diterima, sehingga dapat diartikan bahwa BI memiliki pengaruh positif


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

https://doi.org/10.1016/S0305-0483(98)00028-0

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.

https://doi.org/10.1108/S1474-7979(2009)0000020014

https://doi.org/10.1108/S1474-7979(2009)0000020014

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

http://doi.org/10.11591/ijeecs.v4.i1.pp215-223

https://doi.org/10.1177/2158244015581650

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

Documents

SKRIPSI PENGUKURAN TINGKAT PENERIMAAN DAN PENGGUNAAN ...repository.uinjkt.ac.id/dspace/bitstream/123456789/44268/1/DWI RIZKI... · PENGUKURAN TINGKAT PENERIMAAN DAN PENGGUNAAN