Embed Size (px)
Citation preview
SKRIPSI
PENGUKURAN TINGKAT PENERIMAAN PENGGUNA SISTEM
PENDAFTARAN TERINTEGRASI DINAS KEPENDUDUKAN DAN
PENCATATAN SIPIL (DISDUKCAPIL) MENGGUNAKAN MODEL
UTAUT (STUDI KASUS: KOTA TANGERANG SELATAN)
Skripsi ini Diajukan Sebagai Syarat Melaksanakan Kewajiban Studi
Strata Satu (SI) Program Studi Sistem Informasi
Disusun Oleh:
Neera Maulidia Awalina
11160930000082
Dosen Pembimbing:
Meinarini Catur Utami, MT
Suci Ratnawati, MTI
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2021 M/ 1442 H
i
HALAMAN JUDUL
PENGUKURAN TINGKAT PENERIMAAN PENGGUNA SISTEM
PENDAFTARAN TERINTEGRASI DINAS KEPENDUDUKAN DAN
PENCATATAN SIPIL (DISDUKCAPIL) MENGGUNAKAN MODEL
UTAUT (STUDI KASUS: KOTA TANGERANG SELATAN)
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Disusun Oleh:
NEERA MAULIDIA AWALINA
11160930000082
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2021 M/ 1442 H
ii
LEMBAR PENGESAHAN SKRIPSI
iii
LEMBAR PENGESAHAN UJIAN
iv
LEMBAR PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-
BENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN
SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI
MANAPUN
Tangerang Selatan, 19 April 2021
Neera Maulidia Awalina
11160930000082
v
ABSTRAK
Neera Maulidia Awalina – 11160930000082, Pengukuran Tingkat Penerimaan
Pengguna Sistem Pendaftaran Terintegrasi Dinas Kependudukan dan Pencatatan
Sipil (Disdukcapil) Menggunakan Model UTAUT (Studi Kasus: Kota Tangerang
Selatan) di bawah bimbingan Meinarini Catur Utami, MT dan Suci Ratnawati,
MTI.
Dukcapil Kota Tangsel meningkatkan pelayanannya dengan menerapkan Sistem
Administrasi Kependudukan (SIAK) yang digunakan untuk melakukan pendaftaran
layanan. Pengguna SIAK di kota Tangsel mencapai 417.800 dari jumlah kartu
keluarga yang terdaftar di sistem ini per tahun awal 2020. Namun, kesadaran
masyarakat terhadap teknologi yang belum optimal serta adanya berbagai kendala
dalam penerapan sistem layanan publik secara digital menyebabkan rendahnya niat
masyarakat untuk mengadopsi sistem e-government. Penelitian ini bertujuan untuk
mengukur tingkat penerimaan dan faktor-faktor yang mempengaruhi masyarakat
Kota Tangsel terhadap penerimaan SIAK. Metodologi pada penelitian ini meliputi
proses pengembangan model Unified Theory of Acceptance and Use of Technology
(UTAUT) dengan menambahkan variabel yakni Attitude, Trust of Government,
Anxiety, dan Perceived Risk. Penelitian ini menggunakan metode kuantitatif,
analisis data dengan metode partial least squares-structural equation modeling
(PLS-SEM) menggunakan tools SmartPLS. Hasil penelitian ini menunjukkan
bahwa Performance Expectancy, Effort Expectancy, Facilitating Condition, dan
Attitude Toward Use mempengaruhi sikap pengguna secara positif untuk menerima
aplikasi SIAK. Sementara variabel yang secara negatif mempengaruhi sikap dan
niat pengguna meliputi Anxiety dan Perceived Risk. Temuan dari penelitian ini
diharapkan dapat memberikan masukan kepada pihak Dukcapil serta dapat
berkontribusi terhadap pengukuran pengguna khususnya dalam perspektif e-
government.
Kata Kunci: Penerimaan pengguna, e-Government, Dinas Kependudukan dan
Pencatatan Sipil, Metode Kuantitatif, UTAUT, PLS-SEM, SmartPLS
BAB I-V + xv Halaman + 146 Halaman + 21 Gambar + 27 Tabel + Daftar Pustaka
+ Lampiran
vi
KATA PENGANTAR
Assalamu’alaikum Wr. Wb.
Puji dan syukur peneliti panjatkan ke hadirat Allah SWT atas nikmat dan
karunia yang telah dilimpahkan sehingga peneliti dapat menyelesaikan laporan
skripsi ini dengan sebaik-baiknya. Shalawat serta salam semoga selalu tercurahkan
kepada Nabi Muhammad SAW yang telah memberikan tuntunan dan petunjuk
kepada umat manusia menuju kehidupan dan peradaban, serta para keluarga dan
para sahabat yang dicintainya.
Laporan skripsi dengan judul “Pengukuran Tingkat Penerimaan
Pengguna Sistem Pendaftaran Terintegrasi Dinas Kependudukan dan
Pencatatan Sipil (Disdukcapil) Menggunakan Model UTAUT (Studi Kasus:
Kota Tangerang Selatan)” ini merupakan salah satu syarat yang harus ditempuh
dalam menyelesaikan jenjang Strata 1 (S1) pada Program Studi Sistem Informasi
Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta.
Dalam penyusunan laporan ini, peneliti telah mendapat banyak bantuan dan
bimbingan serta semangat dari berbagai pihak. Tanpa bantuan dari berbagai pihak
tersebut, tentunya proses penyusunan laporan ini akan sangat sulit untuk
diselesaikan. Oleh karena itu, peneliti ingin menyampaikan terima kasih kepada:
1. Bapak Nashrul Hakiem, M.T, Ph.D. selaku Dekan Fakultas Sains dan
Teknologi UIN Syarif Hidayatullah Jakarta.
2. Bapak A’ang Subiyakto, Ph.D. selaku Ketua Program Studi Sistem
Informasi Fakultas Sains dan Teknologi UIN Syarif Hidayatullah
Jakarta dan Ibu Nida’ul Hasanti, MMSI selaku Sekretaris Program Studi
Sistem Informasi Fakultas Sains dan Teknologi.
3. Ibu Meinarini Catur Utami, MT sebagai Dosen Pembimbing I dan Ibu
Suci Ratnawati, MTI sebagai Dosen Pembimbing II yang telah
memberikan bimbingan, arahan, dan dukungan kepada penulis selama
proses penyelesaian skripsi ini. Terima kasih banyak atas seluruh waktu,
vii
tenaga, kesediaan menjawab setiap pertanyaan penulis serta
membagikan banyak pengetahuan agar penulis bisa menyelesaikan
skripsi ini dengan baik.
4. Kedua orang tua peneliti, yaitu Bapak Asep Suhendra dan Ibu
Rosmawati yang sudah mendidik, memberikan dukungan, serta doa
yang tiada henti kepada peneliti sehingga memacu peneliti untuk
memberikan yang terbaik terkait tugas akhir ini.
5. Adik peneliti, Damar Ramadhan Suhendra yang selalu menemani
penulis setiap harinya dan memberikan dukungan.
6. Teman dekat peneliti, Muhamad Fauzan Zarkashie yang selalu
memberikan dukungan, membantu dalam penyebaran data, dan
berperan sangat besar dalam pembuatan skripsi ini. Semoga menjadi
ladang pahala bagi beliau.
7. Keluarga Prodi Sistem Informasi, senior maupun junior yang telah
membantu kehidupan perkulahan peneliti. Khususnya Rahmadi
Prabowo yang selalu memberikan saran, dukungan, dan ilmu kepada
peneliti untuk penyelesaian tugas akhir ini.
8. Sahabat-sahabat penulis di perkuliahan, Annisa Novianti, Salsa
Kholilah, Nesya Amelia, Rovidhatul Hikmah, Farah Dhia Yasmin dan
lainnya yang tidak dapat peneliti sebutkan semua, yang telah
memberikan dukungan serta doa kepada peneliti.
9. Sahabat peneliti saat SMA, yaitu Keluarga Kopagal & Baxot yang telah
memberikan kesenangan, dukungan, serta doa kepada peneliti terkait
penyelesaian skripsi ini.
10. Bagian Perencanaan Dukcapil yang telah membantu peneliti mengurus
hal-hal terkait birokrasi penelitian, khususnya Bapak Andi yang telah
berjasa amat besar terkait penyelesaian tugas akhir ini.
11. Keluarga Sistem Informasi 2016 khususnya SI-C yang telah memotivasi
penulis juga ikut andil dalam penyelesaian skripsi ini.
12. Keluarga Dewan Eksekutif Mahasiswa Fakultas Sains dan Teknologi
UIN Syarif Hidayatullah Jakarta dan Dapur Seni FST, yang hadir
viii
mewarnai kehidupan penulis di masa perkuliahan. Yang telah
memotivasi penulis untuk menyelesaikan tugas akhir ini.
13. Keluarga PT. Solusi Integrasi Teknologi yang telah memberikan banyak
sekali ilmu, cerita, masukan kepada peneliti dalam masa perkuliahan ini.
14. Keluarga KKN 95 Bersemangat, yang selalu memberikan dukungan,
doa kepada penulis. Telah memberikan cerita singkat yang sangat
berharga dan memiliki arti nilai penting baik dalam hal kehidupan,
keluarga, dan cinta.
15. Seluruh responden yang telah bersedia meluangkan waktunya, dan
memberikan dukungan, saran, serta doa kepada peneliti secara
langsung. Semoga kebaikan kalian dibalas oleh Allah SWT.
16. Serta seluruh pihak-pihak terkait yang telah berjasa dalam proses
penyelesaian laporan skripsi ini yang tidak dapat disebutkan satu
persatu.
Dengan bantuan semua pihak di atas, peneliti bersyukur dan berdoa kepada
Allah SWT, semoga semua bantuan yang peneliti terima dalam proses penulisan
skripsi ini mendapatkan balasan yang setimpal di akhirat nantinya. Peneliti juga
menyadari bahwa dalam penyusunan skripsi ini masih jauh dari kata sempurna, baik
dari segi bahasa, penyusunan, maupun penulisannya. Untuk itu peneliti berharap
agar pembaca dapat memaklumi atas kekurangan dalam laporan skripsi ini.
Akhir kata, peneliti berharap semoga laporan skripsi ini dapat bermanfaat
bagi penelitian selanjutnya dan bagi para pembaca pada umumnya.
Wassalamu’alaikum. Wr. Wb.
Jakarta, 28 Januari 2021
Neera Maulidia Awalina
11160930000082
ix
DAFTAR ISI
HALAMAN JUDUL ........................................................................................................... i
LEMBAR PENGESAHAN SKRIPSI ................................................................................ ii
LEMBAR PENGESAHAN UJIAN ................................................................................... iii
LEMBAR PERNYATAAN ............................................................................................... iv
ABSTRAK .......................................................................................................................... v
KATA PENGANTAR ....................................................................................................... vi
DAFTAR ISI ..................................................................................................................... ix
DAFTAR GAMBAR ........................................................................................................ xii
DAFTAR TABEL............................................................................................................ xiv
BAB I .................................................................................................................................. 1
1.1 Latar Belakang .................................................................................................... 1
1.2 Identifikasi Masalah .......................................................................................... 13
1.3 Rumusan Masalah ............................................................................................. 14
1.4 Batasan Masalah ............................................................................................... 14
1.5 Tujuan Penelitian .............................................................................................. 15
1.6 Manfaat Penelitian ............................................................................................ 16
1.7 Sistematika Penulisan ....................................................................................... 16
BAB II .............................................................................................................................. 18
2.1 Definisi Metode Kuantitatif .............................................................................. 18
2.2 Definisi Pengukuran ......................................................................................... 18
2.3 Definisi Penerimaan Pengguna ......................................................................... 19
2.4 Definisi Sistem Informasi ................................................................................. 20
2.5 Definisi E-government ...................................................................................... 23
2.5.1 Model Pengembangan E-government ....................................................... 24
2.5.2 Klasifikasi E-government .......................................................................... 26
2.6 Definisi Administrasi Kependudukan ............................................................... 28
2.7 Definisi Pelayanan Publik ................................................................................. 28
2.8 Sistem Administrasi Kependudukan dan Catatan Sipil (SIAK) ....................... 30
x
2.8.1 Layanan Dukcapil ..................................................................................... 31
2.8.2 Alur Pendaftaran SIAK ............................................................................. 32
2.9 Unified Theory of Acceptance and Use of Technology (UTAUT) .................... 32
2.9.1 Performance Expectancy .......................................................................... 37
2.9.2 Effort Expectancy ...................................................................................... 38
2.9.3 Social Influence ......................................................................................... 39
2.9.4 Facilitating Condition ............................................................................... 40
2.9.5 Behavioral Intention ................................................................................. 42
2.9.6 Use Behavior ............................................................................................. 42
2.10 Theory of Planned Behavior ............................................................................. 42
2.10.1 Attitude Toward the Behavior ................................................................... 43
2.10.2 Subjective Norm ........................................................................................ 44
2.10.3 Perceived Behavioral Control .................................................................. 44
2.10.4 Intention .................................................................................................... 45
2.10.5 Behavior .................................................................................................... 45
2.11 Social Cognitive Theory (SCT) ......................................................................... 45
2.11.1 Computer Self-Efficacy ............................................................................. 47
2.11.2 Affect ......................................................................................................... 48
2.11.3 Anxiety ...................................................................................................... 48
2.11.4 Outcome Expectations (Performance) ...................................................... 49
2.11.5 Outcome Expectations (Personal) ............................................................ 49
2.11.6 Usage ........................................................................................................ 50
2.12 Variabel Perceived Risk .................................................................................... 50
2.13 Variabel Trust of Government .......................................................................... 51
2.14 Studi Literatur Penelitian .................................................................................. 52
2.15 Populasi dan Sampel ......................................................................................... 60
2.15.1 Metode Pengambilan Sampel ................................................................... 61
2.15.2 Rumus Slovin ............................................................................................ 64
2.16 Skala likert ........................................................................................................ 65
2.17 Partial Least Square-Structural Equation Modeling (PLS-SEM) .................... 66
2.17.1 SmartPLS .................................................................................................. 66
2.17.2 Evaluasi Model PLS ................................................................................. 67
BAB III ............................................................................................................................. 73
3.1 Pendekatan Penelitian ....................................................................................... 73
xi
3.2 Kerangka Penelitian .......................................................................................... 74
3.3 Metode Pengumpulan Data ............................................................................... 75
3.3.1 Studi Literatur ........................................................................................... 75
3.3.2 Populasi dan Sampel Penelitian ................................................................ 75
3.3.3 Survei ........................................................................................................ 77
3.4 Metode Analisis Data ........................................................................................ 78
3.4.1 Model Usulan dan Pengembangan Hipotesis............................................ 78
3.4.2 Indikator Penelitian ................................................................................... 89
3.4.3 Pembuatan Kuesioner ............................................................................... 90
3.4.4 Analisis Data dan Hasil Interpretasinya .................................................... 96
BAB IV ............................................................................................................................. 98
4.1 Gambaran Umum Perusahaan........................................................................... 98
4.2 Pilot Study ....................................................................................................... 100
4.3 Hasil Analisis .................................................................................................. 100
4.3.1 Hasil Analisis Demografis ...................................................................... 100
4.3.2 Hasil Analisis Pengukuran Model .......................................................... 108
4.3.3 Hasil Analisis Struktural Model .............................................................. 115
4.4 Interpretasi dan Pembahasan Hasil Analisis ................................................... 123
4.4.1 Interpretasi dan Pembahasan Hasil Analisis Data Demografis ............... 123
4.4.2 Interpretasi dan Pembahasan Hasil Analisis Model Pengukuran ............ 126
4.4.3 Interpretasi dan Pembahasan Hasil Analisis Model Struktural ............... 129
4.5 Implikasi Hasil Analisis .................................................................................. 138
4.5.1 Implikasi secara Teori ............................................................................. 138
4.5.2 Implikasi secara Praktis .......................................................................... 139
4.6 Perbandingan dengan Penelitian Sebelumnya ................................................ 141
4.7 Keterbatasan Penelitian ................................................................................... 142
BAB V ............................................................................................................................ 144
5.1 Kesimpulan ..................................................................................................... 144
5.2 Saran ............................................................................................................... 145
DAFTAR PUSTAKA ..................................................................................................... 146
LAMPIRAN ................................................................................................................... 137
xii
DAFTAR GAMBAR
Gambar 1. 1 Nilai Indeks SPBE Kota Tangerang Selatan (spbe.go.id) .................. 5
Gambar 1. 2 Fishbone Diagram Dukcapil .............................................................. 7
Gambar 2. 1 Konsep Sistem Informasi Berlandaskan IPO ................................... 21
Gambar 2. 2 Komponen Sistem Informasi ........................................................... 21
Gambar 2. 3 Model Penerimaan Teknologi UTAUT (Venkatesh et al. 2003) ..... 34
Gambar 2. 4 Model Theory of Planned Behavior (Fishbein and Ajzen 1977) ..... 43
Gambar 2. 5 Model Pengembangan Social Cognitive Theory.............................. 46
Gambar 2. 6 Contoh Model Pengukuran dalam PLS (Juliandi 2018) .................. 68
Gambar 2. 7 Contoh Model Struktural dalam PLS (Juliandi 2018) ..................... 70
Gambar 3. 1 Kerangka Penelitian ......................................................................... 74
Gambar 3. 2 Usulan Model Penelitian .................................................................. 80
Gambar 4. 1 Struktur Organisasi Dinas Kependudukan dan Pencatatan Sipil Kota
Tangerang Selatan ................................................................................................. 99
Gambar 4. 2 Diagram Jenis Kelamin .................................................................. 101
Gambar 4. 3 Diagram Usia ................................................................................. 102
Gambar 4. 4 Diagram Tingkat Pendidikan Terakhir........................................... 103
Gambar 4. 5 Diagram Profesi ............................................................................. 104
Gambar 4. 6 Diagram Kecamatan yang Ditempati ............................................. 105
Gambar 4. 7 Diagram Total Waktu Penggunaan Internet ................................... 106
Gambar 4. 8 Diagram Tipe Jaringan Internet ..................................................... 106
Gambar 4. 9 Diagram Pengetahuan tentang alur pendaftaran Dukcapil ............. 107
xiii
Gambar 4. 10 Hasil Path Coeffecient.................................................................. 116
xiv
DAFTAR TABEL
Tabel 1. 1 Analisis GAP implementasi layanan elektronik Dukcapil..................... 8
Tabel 2. 1 Delapan Teori Pembangun UTAUT .................................................... 34
Tabel 2. 2 Variabel Acuan pada Konstruk Performance Expectancy ................... 37
Tabel 2. 3 Variabel Acuan pada Konstruk Effort Expectancy .............................. 39
Tabel 2. 4 Variabel Acuan pada Konstruk Social Influence ................................. 40
Tabel 2. 5 Variabel Acuan pada Konstruk Facilitating Condition ........................ 41
Tabel 3. 1 Jumlah Sampel dari Tujuh Kecamatan ................................................ 76
Tabel 3. 2 Studi Literatur Penelitian Sejenis ........................................................ 52
Tabel 3. 3 Jumlah Data Kuesioner ........................................................................ 77
Tabel 3. 4 Indikator Penelitian .............................................................................. 89
Tabel 3. 5 Keterangan Lima Poin Skala Likert ..................................................... 92
Tabel 3. 6 Daftar Kuesioner .................................................................................. 93
Tabel 4. 1 Hasil Uji Outer Loadings Sebelum Penghapusan Indikator .............. 109
Tabel 4. 2 Hasil Uji Outer Loadings Setelah Penghapusan Iindikator ............... 110
Tabel 4. 3 Hasil Uji Composite Reliability ......................................................... 111
Tabel 4. 4 Hasil Uji Average Variance Extracted ............................................... 112
Tabel 4. 5 Hasil Uji Cross Loadings ................................................................... 113
Tabel 4. 6 Hasil Uji Fornell-Larcker Criterion ................................................... 114
Tabel 4. 7 Hasil Uji Path Coeffecient ................................................................. 115
Tabel 4. 8 Hasil Uji Coeffecient of Determination ............................................. 117
Tabel 4. 9 Hasil Uji T-Test ................................................................................. 118
xv
Tabel 4. 10 Hasil Uji Effect Size ........................................................................ 119
Tabel 4. 11 Hasil Uji Predictive Relevance ........................................................ 120
Tabel 4. 12 Hasil Uji Relative Impact................................................................. 121
Tabel 4. 13 Hasil Uji Analisis Model Struktural ................................................ 122
Tabel 4. 14 Hasil Uji Analisis Model Pengukuran ............................................. 127
Tabel 4. 15 Hasil Uji Hipotesis ........................................................................... 129
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Terciptanya good governance di Indonesia harus didukung oleh
berbagai pihak termasuk masyarakat maupun aparat negara yang terlibat. Salah
satu cara untuk meningkatkan good governance di Indonesia salah satunya
dalam bidang pelayanan publik, untuk memenuhi kebutuhan dasar dan hak-hak
sipil setiap warga negara atas pelayanan administrasi yang disediakan oleh
penyelenggara layanan publik. Terdapat beberapa faktor yang menyebabkan
pelayanan publik tidak berjalan dengan lancar salah satunya adalah kendala
kultural di dalam birokrasi. Seperti contoh sikap aparat negara yang tidak
mencerminkan perilaku melayani, dan sebaliknya aparat cenderung
menunjukan perilaku ingin dilayani (Siti Maryam 2017).
Banyaknya layanan yang tersedia di internet memungkinkan
kemudahan setiap pengguna dalam mendapatkan informasi yang dibutuhkan.
Perkembangan teknologi informasi dan komunikasi mempengaruhi perilaku
masyarakat modern dalam menggunakan internet. Layanan publik merupakan
salah satu ranah yang terkena dampak perkembangan teknologi informasi dan
komunikasi untuk menambah efisiensi dalam konsep e-government (Patel and
Jacobson 2008). Masyarakat harus turut serta dalam adopsi e-government agar
tercapainya tujuan pemerintah yang transparan dan responsif. Layanan publik
2
dalam e-government menjanjikan beberapa keuntungan untuk para
penyelenggara layanan diantaranya mengurangi biaya, meningkatkan kualitas
layanan, meningkatkan transparansi serta mengurangi korupsi, dan
meningkatkan hubungan yang erat antara penyelenggara dengan warga negara.
Kesuksesan implementasi e-government tidak hanya didasari oleh warga
negara yang sudah pernah menggunakan internet, tetapi juga harus bisa
mencakup warga negara yang belum pernah menggunakan internet (Reffat
2003).
E-government pertama kali diluncurkan di Amerika Serikat pada tahun
1993 untuk meningkatkan proses pemerintahan dengan menerapkan teknologi
informasi dan komunikasi (Patel and Jacobson 2008). Korea Selatan
menerapkan e-government untuk meningkatkan transparansi dan mengurangi
korupsi melalui sistem yang dinamakan Online Procedures Enhancement for
Civil Application (OPEN) pada tahun 1998 yang memuat seluruh informasi
mengenai perizinan publik. Begitu pula dengan Kanada pada tahun 2005
menerapkan suatu layanan pemerintahan yang dinamakan Service Canada,
merupakan sebuah platform layanan informasi yang memuat jenis layanan yang
ada dengan berbagai macam bidang di negara tersebut. Di Asia Tenggara,
Singapura membuat layanan e-government dalam situs bernama E-Citizen
Portal yang merupakan situs untuk mengurus segala jenis pengurusan dokumen
perizinan yang menyangkut kewarganegaraan (Hardjaloka 2014).
3
Pemerintahan republik Indonesia merupakan negara dengan peringkat
ke 107 dengan level EGDI (E-government Development Index) yang tinggi
berdasarkan survey yang dilakukan oleh United Nations tahun 2018 (Oktavia
2020). Pada kenyataan di lapangan, setiap pemerintah daerah di Indonesia telah
mempunyai situs website tetapi sebagian daerah hanya berupa tampilan awal
saja dan bahkan informasi yang di tampilkan jarang di update oleh pihak
penyelenggara daerah. Penyelenggaraan situs website daerah merupakan
tahapan pertama dalam pengembangan e-government di Indonesia, tujuannya
agar masyarakat Indonesia dapat dengan mudah mengakses informasi seputar
layanan pemerintah daerah (Sosiawan 2015). Kementrian Kominfo (2003)
mengklasifikasikan e-government di Indonesia menjadi 4 tingkatatan, yaitu: (1)
Persiapan, (2) Pematangan, (3) Pemantapan, (4) Pemanfaatan yang nantinya
akan dijelaskan lebih lanjut pada Bab II penelitian ini.
Terkait implementasi e-government di Indonesia, terdapat kerangka
yang dapat dijadikan acuan dalam implementasi sektor pemerintahan yang
disebut sebagai Government Function Framework. Kerangka ini
mengklasifikasikan fungsi pemerintahan yang dimana mempunyai 6 aspek
fungsi dasar umum diantaranya: pelayanan, administrasi dan manajemen,
legislasi, pembangunan, keuangan, dan kepegawaian (Yunita and Aprianto
2018). Salah satu kewenangan pemerintah kabupaten/kota yang berkaitan
dengan aspek fungsi dasar e-government yaitu aspek pelayanan dan
administrasi, erat hubungannya dengan dinas kependudukan dan catatan sipil.
Direktorat Jenderal Dinas Kependudukan dan Pencatatan Sipil merupakan
4
instansi pemerintahan yang bergerak dalam bidang administrasi kependudukan
dan catatan sipil seluruh kabupaten/kota di Indonesia. Tugas yang dilakukan
antara lain adalah memfasilitasi warga negara terhadap pelayanan administrasi
kependudukan serta pengelolaan informasi warga negaranya. Beberapa layanan
yang disediakan Dinas Kependudukan dan Pencatatan Sipil diantaranya
mencakup cetak ktp-elektronik, akta perkawinan, kartu identitas anak, akta
kematian, akta kelahiran, laporan pindah datang, dan sebagainya.
Studi pendahulu yang dilakukan oleh Purnamawati (2012), melakukan
pengamatan dan wawancara dengan salah seorang warga di Surabaya. Studi
tersebut menyatakan bahwa pencatatan akta kelahiran di Surabaya mendapat
banyak keluhan dari masyarakat. Penelitian tersebut juga menyatakan bahwa
pelayanan di Disdukcapil Surabaya memiliki keterbatasan loket dan jam buka
tutup kantor dimana hal tersebut mempengaruhi kepuasan masyarakat. Tahun
2020 ini, Kepala Dirjen Dukcapil Zudan Arif Fakrulloh menyatakan bahwa
Dukcapil telah menerapkan Go Digital untuk mempercepat layanan
administrasi kependudukan. “Dukcapil Go Digital merupakan awal
transformasi di bidang Adminduk yaitu dengan diterbitkannya KK dan akta
kelahiran yang semula ditandatangani dan distempel basah oleh Kepala Dinas,
sekarang telah ditandatangani secara elektronik (TTE), sehingga pelayanan
lebih cepat” kata Zudan Arif kepada Kompas.com, Minggu (1/3/2020).
Kota Tangerang Selatan terletak di provinsi Banten dengan luas wilayah
mencapai 14.719 Ha yang secara administratif terdiri dari 7 kecamatan dan 54
kelurahan. Letak geografis Kota Tangerang Selatan yang berbatasan dengan
5
Ibukota DKI Jakarta, memberikan peluang Kota Tangsel menjadi wilayah yang
strategis di sekitaran Ibukota. Dalam implementasi e-government Kota
Tangerang Selatan masuk kedalam tiga besar Kota terbaik pada evaluasi yang
dilakukan kementrian Pendayagunaan Aparatur Negara dan Reformasi
Birokrasi (PANRB) tahun 2019. Evaluasi ini dilakukan untuk melihat lembaga
pemerintahan yang sudah menerapkan sistem pemerintah berbasis elektronik
(SPBE) yang sudah sesuai dengan Peraturan Presiden Nomor 95 Tahun 2018.
Gambar 1. 1 Nilai Indeks SPBE Kota Tangerang Selatan (spbe.go.id)
Kota Tangerang Selatan mempunyai enam jenis layanan pada
implementasi sistem pemerintahan berbasis elektronik, yaitu:
1. SIMPONIE (Sistem Perijinan Online)
2. SISUMAKER (Sistem Informasi Surat Masuk dan Keluar)
3. E-SPTPD (Sistem Pembayaran dan Pelaporan Pajak Daerah)
4. SIMRAL (Sistem Informasi Perencanaan, Penganggaran, dan
Pelaporan)
5. Pelayanan Pendaftaran Pasien berbasis SMS di RSUD
6
6. SIAK (Sistem Administrasi Kependudukan)
Disdukcapil Kota Tangerang Selatan menerapkan sistem online
pendaftaran terintegrasi bernama Sistem Administrasi Kependudukan dan
Pencatatan Sipil (SIAK CAPIL) yang merupakan sebuah hal yang baru bagi
masyarakat Kota Tangsel. Salah satu tujuan diterapkannya sistem online adalah
untuk mengatur proses pendaftaran secara runtut dan terkelola sehingga lebih
mudah bagi pihak penyedia layanan untuk mendata warga dan semua jenis
layanan yang ada. Hal ini sejalan dengan arahan Kepala Dirjen Dukcapil Zudan
Arif Fakrulloh untuk merealisasikan Dukcapil go-Digital yaitu suatu proses
layanan administratif secara digital sebagai bentuk tercapainya kepuasan
masyarakat. Terbukti pada implementasinya, SIAK CAPIL merupakan sistem
pemerintahan Kota Tangsel yang paling banyak mendapatkan ulasan dan
pertanyaan pada platform google.
Setelah ditetapkan sistem online terintegrasi ternyata banyak fakta yang
ditemukan pada implementasi sistem ini. Hal ini penulis rangkum dalam suatu
observasi yang dilakukan peneliti pada google review yang mengeluhkan
sistem dengan kualitas respon relatif lambat dan sulit untuk dijangkau oleh
warga. Masyarakat juga cenderung minim kesadaran terhadap teknologi, hal ini
menyebabkan berbagai hambatan dan kendala dalam penerapan layanan publik
secara digital. Adanya kendala kultural dalam birokrasi Dukcapil, dimana
aparat cenderung menunjukan perilaku yang ingin dilayani bukan yang
melayani dengan sungguh-sungguh. Adapun petugas Dukcapil yang kurang
memberikan arahan yang jelas terkait layanan elektronik kepada masyarakat,
7
dari fakta ini dapat dilihat bahwa Dukcapil juga belum dapat beradaptasi
dengan kepentingan masyarakat sehingga masyarakat kurang memahami hak
dan kewajibannya dalam rangka mendapatkan pelayanan. Selebihnya peneliti
mengkategorikan beberapa ranah terkait fakta pada penelitian ini yang
dijelaskan dalam Diagram Ishikawa (fishbone diagram) di bawah ini.
Gambar 1. 2 Fishbone Diagram Dukcapil
Peneliti juga melakukan analisis GAP dengan tujuan untuk
membandingkan proses fakta-fakta kinerja yang terjadi saat ini dengan kinerja
yang diharapkan. Analisis GAP yang dilakukan mengacu kepada arahan dan
template Tom Wright (2019) pada Cascade.app, (10/7/2019). Berikut analisis
GAP dilampirkan pada Tabel 1.1.
8
Tabel 1. 1 Analisis GAP implementasi layanan elektronik Dukcapil
Focus Area Future State Current State Action Plan
People
(Masyarakat)
1. Petugas yang
memiliki
pengetahuan
yang luas
tentang alur
layanan
elektronik
2. Masyarakat
semua rentang
usia dapat
menggunakan
teknologi
Dukcapil
dengan mudah
1. Petugas Dukcapil
yang kurang
memberikan
arahan yang jelas
kepada
masyarakat
2. Kesulitan bagi
masyarakat lansia
dalam
menggunakan
teknologi
Memberikan
pelatihan secara
berkala untuk
petugas terkait
layanan ekeltronik
dan memberikan
arahan petugas utuk
bersikap sesuai
dengan kode etik
ASN (Aparatur
Sipil Negara)
Time
(Waktu)
1. Petugas yang
memberikan
arahan secara
luas melalui
media sosial
tentang
perubahan
jadwal
pengurusan
sesuai akta
2. Antrian yang
mematuhi
protokol
kesehatan
dengan tingkat
penyelesaian
akta yang cepat
1. Waktu pelayanan
yang telah
dijadwalkan
sesuai dengan
pengurusan akta
2. Antri yang
panjang masih
sering terjadi
Melakukan
penyebaran
informasi melalui
berbagai media
sosial tentang alur
pendaftaran yang
telah di jadwalkan
waktunya sesuai
akta yang ingin
diurus. Dengan
dilakukan hal
tersebut dapat
mencegah
terjadinya antrian
yang melonjak
Machine
(Sistem)
1. Penyesuaian
sistem yang
memenuhi aspek
kegunaan
(usability)
sehingga mudah
untuk digunakan
masyarakat
2. Perbaikan secara
berkala sistem
pendaftaran
1. Minimnya
kesadaran
masyarakat dalam
menggunakan
sistem
2. Error sistem saat
menginput text-
field
Perbaikan sistem
secara berkala dan
melakukan evaluasi
sistem sesuai
dengan aspek
kegunaan (usability)
masyarakat Kota
Tangsel.
Network
(Cakupan)
1. Perluasan
cakupan jaringan
server sehingga
masyarakat di
berbagai
1. Sistem yang
masih sulit untuk
dijangkau
masyarakat
Memperluas
jaringan sistem
sehingga dapat
melakukan
pendaftaran jarak
9
kecamatan di
Tangsel dapat
dengan mudah
melakukan
pendaftaran
jarak jauh
2. Kode aktivasi
yang dapat
ditinjau sendiri
oleh masyarakat
2. Kode aktivasi
yang sulit
diterima secara
otomatis
jauh dengan mudah,
serta penambahan
sub-menu cek kode
aktivasi dalam
website.
Berdasarkan pencarian penelitian sebelumnya terkait Dukcapil, belum
pernah ada penelitian yang mengukur tingkat penerimaan pengguna terhadap
sistem pendaftaran online terintegrasi Disdukcapil khususnya di kota
Tangerang Selatan. Maka dari itu, model penelitian Unified Theory of
Acceptance Model (UTAUT) (Venkatesh et al. 2003) dipilih untuk membantu
proses dalam penelitian ini dengan tambahan variabel Attitude Toward Use dari
model penelitian Theory of Planned Behavior (TPB) (Fishbein and Ajzen 1977),
Anxiety dari model Social Cognitive Theory (SCT) (D. Compeau, Higgins, and Huff
1999), Trust of Government (Bélanger and Carter 2008), dan Perceived Risk
(Bélanger and Carter 2008).
Venkatesh (Venkatesh et al. 2003) mengusulkan model pengembangan
penerimaan teknologi dimana model ini mengkombinasikan 8 model
penerimaan teknologi yang sudah dikembangkan sebelumnya seperti TAM,
TAM-TPB, TRA, TPB, MPCU, MM, SCT dan IDT. Penelitian ini
mengusulkan model baru yang lebih kuat untuk mengukur tingkat penerimaan
teknologi. Performance Expectancy merupakan konstruk predikor terkuat
dimana tetap signifikan dalam mengukur sistem mandatory (wajib) maupun
voluntary (sukarela). Effort Expectancy berkaitan dengan tingkat kemudahan
10
pengguna dalam menggunakan sistem. Konteks Social Influence cenderung
hanya signifikan terhadap penggunaan sistem voluntary (sukarela), walaupun
dalam beberapa kasus signifikan terhadap seseorang yang belum pernah
menggunakan teknologi sebelumnya. Konstruk Facilitating Condition
membuktikan bahwa seorang individu percaya bahwa infrastruktur yang ada
sudah mendukung penerapan sistem (Venkatesh et al. 2003).
Penelitian ini mengembangkan teori penerimaan model teknologi dalam
konteks e-government oleh Rana et al (Rana et al. 2016). Model penerimaan yang
dikembangkan Rana meneliti niat masyarakat India untuk mengadopsi sistem
pengaduan pemerintah (OPGRS System) menggunakan model pengukuran
UTAUT. Model penelitian ini terbukti dapat menjelaskan 66% varian terhadap niat
penggunaan (behavioral intention) dalam ranah e-government di India, dengan
menambahkan variabel dependen yaitu Attitude dan variabel Anxiety sebagai
variabel independen. Penelitian ini selanjutnya menambahkan dua variabel dari
penelitian Carter&Belanger (Bélanger and Carter 2008) yaitu kepercayaan terhadap
institusi pemerintah (trust of government) dan risiko (perceived risk) sesuai dengan
ranah e-government di Dukcapil.
Attitude Toward Use didefinisikan sebagai sikap atau perilaku seorang
pengguna baik negatif atau positif dalam penggunaan suatu infrastruktur teknologi
(Ajzen 1991). Konstruk dari variabel ini antara lain attitude toward behavior (TRA,
TPB/DTPB, C-TAM-TPB), intrinsic motivation (MM), affect toward use (MPCU),
dan affect (SCT). Sesuai dengan model TPB, attitude dinilai tepat dalam
memprediksi niat perilaku (Behavioral Intention) pada individu (Rana et al. 2016).
11
Hal tersebut diperkuat dalam beberapa penelitian yang membuktikan bahwa
variabel Attitude memiliki pengaruh positif yang signifikan terhadap Behavioral
Intention (Hung, Chang, and Kuo 2013; Moryson and Moeser 2016; Thomas,
Singh, and Gaffar 2013).
Konteks anxiety banyak diteliti dalam lingkup teknologi informasi
maupun psikologi, meskipun perannya dalam konteks e-government belum
pernah diteliti sebelumnya. Variabel ini lebih mengarah terhadap kekhawatiran
seseorang ketika dihadapkan dengan menggunakan teknologi. Seorang individu
dengan tingkat kecemasan yang tinggi, akan memiliki sifat negatif terhadap
penggunaan komputer. Demikian dipastikan bahwa faktor kecemasan (anxiety)
berpengaruh terhadap minimnya minat seseorang dalam menggunakan
teknologi (Rana et al. 2016; Simonson et al. 1987). Beberapa penelitian
membuktikan bahwa Anxiety memiliki pengaruh negatif yang signifikan
terhadap Attitude (Korobili, Togia, and Malliari 2010).
Trust of Government memungkinkan pengguna layanan (warga negara)
secara sukarela menggunakan fasilitas yang disediakan pemerintah dan berperilaku
dengan cara yang bertanggung jawab. Kepercayaan dalam menggunakan internet
dalam konteks e-government berarti percaya bahwa pemerintah menyajikan
informasi yang akurat dan relevan (Kurfalı et al. 2017). Trust of Government lebih
tertuju kepada persepsi warga negara tentang kemampuan dan integritas
penyelenggara layanan (Carter and Belanger 2004). Beberapa penelitian terdahulu
membuktikan bahwa variabel Trust of Government memiliki pengaruh positif yang
12
signifikan terhadap Behavioral Intention (Voutinioti 2013) dan memiliki pengaruh
positif terhadap performance expectancy (Kurfalı et al. 2017).
Perceived Risk adalah ketidakpastian akan kemungkinan atau konsekuensi
negatif konsumen dari menggunakan produk atau layanan. Perceived Risk
dibuktikan menjadi pengaruh utama yang menghalangi konsumen dalam
mengadopsi teknologi baru yang berhubungan dengan informasi data pribadi serta
menghambat penerimaan teknologi dalam konteks belanja di Internet (Featherman
and Pavlou 2003; Ranganathan and Ganapathy 2002). Sebagai contoh kekhawatiran
atau perasaan takut pengguna dalam mengadopsi pembelanjaan melalui internet.
Variabel ini peneliti dapatkan dari penelitian yang dilakukan oleh Carter dan
Belanger (Bélanger and Carter 2008). Beberapa penelitian sejenis membuktikan
bahwa Perceived Risk berpengaruh negatif yang signifikan terhadap Attitude (C.-
M. Chiu and Wang 2008; Moryson and Moeser 2016).
Peneliti melakukan observasi terkait penelitian-penelitian sejenis yang
mengambil objek di Dinas Kependudukan dan Pencatatan Sipil seperti yang
dilakukan Afif dan Munandar (2017), mencari tahu faktor-faktor yang
mempengaruhi kepuasan pengguna layanan pada Dinas Kependudukan dan
Pencatatan Sipil Kota Bogor berlandaskan Indeks Kepuasan Masyarakat.
Kemudian Rafi Setiawan (2019) melakukan pengukuran tingkat usability
website Disdukcapil kota Bandung menggunakan konsep heuristic evaluation.
Dari hasil observasi yang dilakukan, menunjukkan belum ada penelitian yang
mengukur tingkat penerimaan dari persepsi pengguna khususnya pada
Dukcapil kota Tangsel. Hal ini juga didasari fakta-fakta yang dirasakan
13
pengguna terkait implementasi Sistem Administrasi Kependudukan (SIAK)
kota Tangsel.
Berdasarkan penjabaran di atas, maka peneliti tertarik untuk melakukan
penelitian yang berjudul “Pengukuran Tingkat Penerimaan Pengguna Sistem
Pendaftaran Terintegrasi Dinas Kependudukan dan Pencatatan Sipil
(Disdukcapil) Menggunakan Model UTAUT (Studi Kasus: Kota Tangerang
Selatan)”.
1.2 Identifikasi Masalah
Berdasarkan latar belakang yang telah dijabarkan sebelumnya, dapat
diidentifikasi masalah sebagai berikut:
a. Berbagai kendala dan hambatan dalam penerapan sistem layanan publik
secara digital.
b. Masyarakat kurang memahami hak dan kewajibannya dalam rangka
mendapatkan pelayanan.
c. Sikap aparat negara yang tidak mencerminkan perilaku melayani sebaliknya
menunjukan perilaku ingin dilayani.
d. Dukcapil belum pernah melakukan analisis terkait faktor-faktor yang
mempengaruhi pengguna untuk mengadopsi Sistem Administrasi
Kependudukan (SIAK).
14
1.3 Rumusan Masalah
Berdasarkan latar belakang dan identifikasi masalah yang telah dipaparkan
sebelumnya, maka dapat dirumuskan bahwa permasalahan yang akan dibahas
dalam penelitian ini adalah :
a. Apa saja faktor-faktor yang mempengaruhi penerimaan pengguna pada
sistem Dinas Kependudukan dan Pencatatan Sipil Kota Tangerang Selatan?
b. Bagaimana menganalisis tingkat penerimaan pengguna sistem Dinas
Kependudukan dan Pencatatan Sipil dengan menggunakan model UTAUT
yang diperbarui?
1.4 Batasan Masalah
Adapun batasan masalah yang dikemukakan dalam penelitian ini adalah
sebagai berikut:
a. Penelitian ini dilakukan kepada masyarakat yang pernah melakukan
pendaftaran melalui situs Disdukcapil, dan terdaftar di catatan sipil
kependudukan Kota Tangerang Selatan.
b. Model yang digunakan dalam penelitian ini adalah Unified Theory of
Acceptance and Use of Technology (UTAUT) dengan variabel Performance
Expectancy (PE), Effort Expectancy (EE), Social Influence (SI), Facilitating
Condition (FC) (Venkatesh et al. 2003), dengan penambahan variabel
Attitude Toward Use (ATU) dari Theory of Planned Behavior (TPB)
(Fishbein and Ajzen 1977), Anxiety (ANX) dari Social Cognitive Theory
15
(SCT) (D. Compeau, Higgins, and Huff 1999), dan variabel Perceived Risk
dan Trust of Government (Bélanger and Carter 2008).
c. Penelitian ini menggunakan pendekatan kuantitatif dengan teknik Simple
Random Sampling dan metode penentuan responden menggunakan rumus
Slovin.
d. Teknik pengambilan sampel menggunakan teknik Slovin dengan metode
analisis data PLS-SEM menggunakan bantuan tools SmartPLS versi 3.0.
e. Pengumpulan data dilakukan dengan cara survei dan pengumpulan data
kuesioner secara langsung (tatap muka) ataupun tidak langsung melalui
media daring online.
f. Kuesioner terdiri dari pertanyaan dan pernyataan dengan menggunakan
lima poin skala likert.
1.5 Tujuan Penelitian
Berdasarkan latar belakang dan perumusan masalah yang dijabarkan,
penelitian ini memiliki tujuan diantaranya:
a. Mengetahui tingkat penerimaan pengguna terhadap layanan sistem
pendaftaran Dukcapil.
b. Mengetahui faktor yang mempengaruhi tingkat penerimaan pengguna
sistem Disdukcapil menggunakan UTAUT model.
c. Memberikan saran serta rekomendasi kepada pemerintahan khususnya
Dukcapil Kota Tangsel untuk mengembangkan sistem kedepannya.
16
1.6 Manfaat Penelitian
Beberapa manfaat yang dapat diambil dari penelitian ini adalah diantaranya:
a. Secara teoritis, penelitian ini diharapkan dapat menjadi arsip dokumen
akademik yang dapat bermanfaat sebagai landasan untuk penelitian
selanjutnya.
b. Secara metode, dapat menjadi acuan penelitian di program studi sistem
informasi dengan pendekatan kuantitatif.
c. Secara praktis, hasil penelitian ini dapat digunakan sebagai bahan masukan
untuk memperbaiki kinerja sistem Dinas Kependudukan dan Pencatatan
Sipil Kota Tangsel.
1.7 Sistematika Penulisan
Dalam penyusunan laporan penelitian, penulis secara garis besar membagi
ruang lingkup penjelasan dalam penelitian menjadi beberapa bab untuk
mempermudah penulisan yang secara ringkas dapat dijabarkan sebagai berikut:
BAB I PENDAHULUAN
Bab ini menguraikan landasan sebab penelitian ini perlu untuk dilakukan, meliputi
latar belakang penelitian, identifikasi masalah, rumusan masalah, batasan masalah,
tujuan dan manfaat penelitian, metodologi dan sistematika penulisan.
BAB II LANDASAN TEORI
Bab ini membahas dasar–dasar teori yang berkenaan dengan penelitian dalam
mengukur tingkat penerimaan pengguna serta hubungannya dengan sistem
17
pendaftaran online terintegrasi Disdukcapil, teori pembangunan model yang
diajukan, serta alat dan metode yang digunakan pada penelitian ini.
BAB III METODOLOGI PENELITIAN
Bab ini membahas metodologi penelitian yang digunakan meliputi pendekatan
penelitian, pembuatan kerangka penelitian, metode pengumpulan data, populasi
dan sampel penelitian, pembangunan hipotesis dan usulan model penelitian,
pembuatan kuesioner, hungga analisis data menggunakan alat bantu yang sudah
ditentukan.
BAB IV HASIL DAN PEMBAHASAN
Bab ini menjelaskan profil organisasi secara singkat, menjabarkan hasil analisis
data yang didapatkan, menguji konstruk model penelitian yang diajukan, pengujian
hipotesis penelitian, serta interpretasi, implikasi hasil, dan keterbatasan pada
penelitian.
BAB V KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan sebagai bagian dari hasil perumusan masalah serta tujuan
penelitian dan beberapa saran untuk pihak terkait dan pengembangan penelitian
selanjutnya.
DAFTAR PUSTAKA
18
BAB II
TINJAUAN PUSTAKA
2.1 Definisi Metode Kuantitatif
Menurut Sugiyono (2015) metode penelitian kuantitatif berlandaskan pada
filsafat positivisme. Metode ini melakukan proses penelitian pada populasi/sampel
tertentu, teknik pengambilan sampel biasanya dilakukan secara random meskipun
beberapa penelitian melakukan pengambilan sampel secara purposive.
Pengumpulan data menggunakan instrument penelitian dan analisis data bersifat
statistik dengan tujuan untuk menguji hipotesis yang ditetapkan oleh peneliti.
Arikunto (2016) menyimpulkan penelitian kuantitatif banyak dituntut
menggunakan angka, mulai dari pengumpulan data, penafsiran terhadap data
tersebut, serta penampilan dari hasilnya.
Berdasarkan definisi yang telah dijabarkan di atas, maka dapat disimpulkan
bahwa metode kuantitatif merupakan metode penelitian yang berkarakteristik
sistematis terencana dan terstruktur dengan jelas, berfokus pada populasi/sampel
tertentu yang tujuannya untuk menguji hipotesis yang ditetapkan.
2.2 Definisi Pengukuran
Menurut Hopkins dan Antes (1985) pengukuran didefinisikan sebagai
sebuah proses yang dilakukan secara sistematis menghasilkan gambaran berupa
angka-angka berdasarkan hasil dari pengamatan yang telah dilakukan mengenai
beberapa ciri tentang suatu objek, orang atau peristiwa tertentu. Definisi
19
pengukuran menurut Alwasilah (2002) merupakan sebuah proses yang
mendeskripsikan performa seseorang dengan menggunakan skala kuantitatif
bertujuan untuk mengubah sifat kualitatif dari performa seseorang menjadi lebih
mudah dinyatakan degan angka-angka. Adapun pengukuran menurut Jogiyanto
(2008) adalah proses pemberian nilai properti dari suatu objek, dimana objek
merupakan suatu entitas yang akan diteliti sedangkan properti adalah karakteristik
dari objek tersebut.
Berdasarkan definisi yang telah dijabarkan di atas, maka dapat disimpulkan
bahwa pengukuran merupakan suatu prosedur sistematis dengan menggunakan
skala kuantitatif untuk menentukan kualitas dari performa suatu hal kedalam bentuk
yang mudah dinyatakan dengan angka-angka.
2.3 Definisi Penerimaan Pengguna
Menurut Dilon dan Morris (1996) penerimaan pengguna didefinisikan
sebagai kesediaan (willingness) yang dapat dibuktikan dalam kelompok pengguna
untuk menggunakan teknologi informasi dalam menunjang tugas-tugas yang
dirancang untuk mendukung pekerjaannya. Bried dan Aldag (1977) juga
mendefinisikan penerimaan pengguna menjadi dua tipe motivasi dasar; ekstrinsrik
dan intrinsik. Motivasi ekstrinsik didorong dari harapan atau ekpektasi seseorang
terhadap hubungannya dengan sistem. Sedangkan motivasi intrinsik didorong dari
manfaat yang ditimbulkan terhadap hubungan seseorang dengan sistem.
Dilon dan Morris (Dillon and Morris 1996) mengumpulkan banyak
penelitian seputar topik penerimaan pengguna dan masing-masing dari peneliti
20
memiliki ketertarikan yang kuat bagaimana seorang pengguna dapat menerima
teknologi sehingga menghasilkan metode yang lebih baik untuk mengevaluasi dan
mengembangkan model penerimaan teknologi. Begitu pula Davis (1993),
menegaskan bahwa penerimaan pengguna dipandang sebagai faktor penting dalam
menentukan keberhasilan atau kegagalan proyek sistem informasi.
Berdasarkan definisi yang telah dijabarkan di atas, maka dapat disimpulkan
bahwa penerimaan pengguna merupakan faktor penting dalam menentukan
keberhasilan sistem informasi dan sebagai persepsi kelompok pengguna bahwa
sistem informasi yang digunakan dapat dengan mudah diterima dan menunjang
pekerjaannya.
2.4 Definisi Sistem Informasi
Sistem informasi menurut Sutabri (2005), merupakan sistem dalam suatu
organisasi yang mempertemukan kebutuhan pengolahan transaksi harian dimana
sistem tersebut mendukung fungsi organisasi yang bersifat manajerial dalam
kegiatan strategi dari organisasi untuk mampu menyediakan laporan-laporan yang
diperlukan kepada pihak luar (eksternal). Definisi sistem informasi menurut Lani
Sidharta (1995) adalah sebuah sistem buatan manusia yang berisikan komponen-
komponen manual dan komponen-komponen terkomputerisasi yang saling
terintegrasi bertujuan untuk mengumpulkan data, memproses data, dan
menghasilkan informasi untuk pemakai. Konsep sistem informasi menurut Hanif
(2007) berlandaskan IPO (Input, Process, dan Output) dapat dilihat pada gambar
berikut :
21
Gambar 2. 1 Konsep Sistem Informasi Berlandaskan IPO
Masukan (input) berasal dari data mentahan (raw data) dari internal maupun
eksternal organisasi, pemrosesan (process) berfungsi sebagai pengolahan data
mentah yang telah didapatkan menjadi suatu bentuk informasi yang bermakna,
keluaran (output) berfungsi mengalirkan informasi yang telah di proses tersebut
sehingga dapat digunakan oleh internal maupun eksternal organisasi (Sutono 2007).
Terdapat beberapa komponen sistem informasi diantaranya perangkat
lunak, perangkat keras, jaringan komunikasi, basis data, dan manusia (Sagirani
2006).
Gambar 2. 2 Komponen Sistem Informasi
22
Berikut penjelasan dari masing-masing komponen sistem informasi :
a. Perangkat Lunak
Sekumpulan perintah dan program untuk memerintah perangkat keras
memproses sistem informasi
b. Perangkat Keras
Piranti fisiki untuk menunjang pemrosesan sistem seperti keyboard,
monitor, mouse, printer, dsb.
c. Jaringan
Sistem operasi jaringan yang menghubungkan beberapa sumber daya dan
dapat dipakai bersama.
d. Basis Data (database)
Sekumpulan tabel yang berisikan kode tertentu yang berguna untuk
penyimpanan data.
e. Manusia (people)
Semua pihak yang terlibat atas pengembangan, pemrosesan, dan
penggunaan sistem informasi.
Berdasarkan definisi yang telah dijabarkan di atas, maka dapat disimpulkan
bahwa sistem informasi merupakan sebuah alat untuk menunjang transaksi harian
yang mendukung fungsi organisasi yang bersifat manajerial dengan
menggabungkan 6 komponen di dalamnya meliputi perangkat lunak, perangkat
keras, jaringan, basis data, dan manusia agar organisasi tersebut dapat mencapai
tujuannya.
23
2.5 Definisi E-government
Sesuai dengan instruksi Presiden RI Nomor 3 Tahun 2003 berisikan strategi
nasional seputar pengembangan e-government dalam penyelenggaraan fungsi
pemerintahan dengan memanfaatkan teknologi informasi dan komunikasi,
pemerintah meluncurkan blueprint sebagai arahan penerapan sistem e-government
di seluruh pemerintahan daerah (P. R. Indonesia 2003). Indrajit (2002)
mendefinisikan e-government sebagai suatu mekanisme interaksi antara
pemerintah, masyarakat dan pelaku bisnis dengan melibatkan teknologi informasi
sebagai alat bantu untuk memperbaiki kualitas layanan. Brown dan Brudney (2004)
juga mendefinisikan e-government sebagai penggunaan teknologi internet berbasis
web untuk meningkatkan akses dan penyampaian informasi pemerintahan secara
efisien.
Pembuatan situs web pemerintah merupakan langkah awal pertama yang
dilakukan dalam pengembangan e-government di Indonesia. Sasaran dari
diluncurkannya electronic government agar warga negara dapat dengan mudah
memperoleh akses kepada informasi dan layanan pemerintah daerah serta ikut
berpartisipasi di dalam pengembangan demokrasi di Indonesia dengan
menggunakan media internet (Sosiawan 2015). Menurut Indrajit (2005) terdapat
beberapa manfaat diterapkannya teknologi dalam kerangka manajemen
pemerintahan, diantaranya:
• Meningkatkan kualitas pelayanan pemerintah kepada masyarakat dan
komunitas lainnya.
24
• Memperbaiki proses transparansi dan akuntabilitas di kalangan
penyelenggara layanan (pemerintah).
• Mereduksi biaya transaksi, komunikasi, dan interaksi yang terjadi dalam
proses pemerintahan.
• Menciptakan masyarakat berbasis komunitas informasi yang lebih
berkualitas, dan sebagainya.
Berdasarkan definisi yang telah dijabarkan di atas, maka dapat disimpulkan
bahwa electronic government merupakan sebuah mekanisme yang digunakan oleh
pihak penyelenggara layanan (pemerintahan) untuk menunjang interaksi antara
warga negara dan pelaku bisnis serta pemerintahan lainnya dengan melibatkan
teknologi informasi untuk meningkatkan akses dan penyampaian informasi secara
efisien.
2.5.1 Model Pengembangan E-government
Terdapat 4 fase tahapan pengembangan e-government di Indonesia yang
sama dengan tahap pengembangan e-government di Selandia Baru dikemas dalam
jurnal yang ditulis oleh Sosiawan (Sosiawan 2015) diantaranya :
a. Fase 1 : Web Presence (penampilan situs web)
Kegiatan ini merupakan tahap awal pembuatan situs web pemerintahan sebagai
alat untuk menyampaikan informasi seputar layanan hingga tata cara atau
prosedur untuk melakukan kegiatan yang berkaitan dengan pemerintahan
(Layne and Lee 2001). Dalam fase ini, semua informasi yang dibutuhkan
25
masyarakat dikemas sedemikian rupa dan kemudia ditampilkan dalam website
pemerintah (Sosiawan 2015).
b. Fase 2 : Interaction (interaksi)
Kegiatan ini merupakan suatu bentuk interaksi antara pemerintah dan warga
negaranya dengan memanfaatkan situs internet. Salah satu contoh kegiatan dari
fase ini adalah adanya fasilitas mengunduh file dan fasilitas komunikasi yang
tersedia di situs web tersebut (Sosiawan 2015).
c. Fase 3 : Transaction (transaksi)
Pada fase ini penyedia layanan dan warga negara mulai merasakan dampak
internet sebagai jaringan layanan dan ingin memanfaatkannya. Tahap ini
memberdayakan warga negara untuk berhubungan dengan pemerintah kapan
saja secara online (Layne and Lee 2001). Salah satu contohnya adalah formulir
transaksi bagi masyarakat secara online (Sosiawan 2015).
d. Fase 4 : Transformation (transformasi)
Pemerintah sudah menyadari dampak yang signifikan dari penerapan e-
government dan manfaat yang dirasakan adalah meningkatnya pelayanan
pemerintah secara terintegrasi. Situs web government tidak hanya
menghubungkan pemerintah dengan masyarakat tetapi juga organisasi yang
terkait (Sosiawan 2015).
26
2.5.2 Klasifikasi E-government
Berdasarkan fase empat transformasi dalam model pengembangan e-
government, situs web pemerintah tidak hanya menghubungkan pemerintahan
dengan masyarakat tetapi juga dengan organisasi yang terkait. Menurut Nemat
(2011), terdapat beberapa jenis e-government seperti pada penjelasan berikut :
a. Government to Citizen
Kegiatan ini adalah suatu bentuk hubungan komunikasi antara pemerintahan
dengan warga negara. Tujuan dari hubungan pemerintah terhadap warga negara
adalah pelayanan publik yang mencakup administrasi penduduk seperti
pendaftaran akta kelahiran, akta perkawinan, pembuatan ktp dan lainnya. Selain
dalam hal pencatatan, hubungan government to citizen juga dapat berupa
tampilan informasi di situs layanan pemerintah dapat mencakup surat maupun
sebagai bentuk media kampanye (Nemat 2011).
b. Government to Business
Kegiatan ini merupakan suatu bentuk interaksi antara pemerintah pusat dengan
sektor bisnis komersial. Tujuan dari terbentuknya hubungan government to
business karena dibutuhkannya relasi yang erat antara pemerintah dan pelaku
bisnis seperti pelaporan pajak online, surat izin usaha perdagangan (SIUP)
(Nemat 2011).
c. Government to Government
Kegiatan ini merupakan interaksi online non-komersial antara organisasi
pemerintah, departemen dan otoritas dengan organisasi pemerintah, departemen
27
dan otoritas lainnya. Penggunaan government to government sudah umum
digunakan di Inggris bersamaan dengan government to citizen dan government
to business (Nemat 2011). Sistem G2G menurut Nemat (Nemat 2011)
merupakan salah satu dari dua jenis diantaranya :
• Internal : hubungan internal organisasi pemerintah, departemen dan
otoritas dalam suatu instansi pemerintahan yang sama.
• Eksternal : hubungan eksternal organisasi pemerintah bergabung
dengan sistem informasi pemerintahan lainnya. Seperti pemerintah
pusat dengan pemerintah daerah, maupun pemerintah daerah dengan
pemerintah daerah lainnya.
d. Government to Employee
Kegiatan ini merupakan interaksi online melalui sistem komunikasi antara unit
pemerintah dan karyawan mereka di sebuah instansi yang sama. Government
to employee dapat menjadi sebuah sistus pembelajaran (e-learning) bagi para
karyawan dengan tujuan saling mendekatkan dan berbagi pengetahuan yang
dimiliki masing-masing karyawan. Situs ini juga memberi karyawan informasi
yang berkaitan dengan kebijakan kompensasi dan tunjangan, pelatihan
karyawan, dan hukum hak-hak sipil. Layanan G2E juga dapat berupa
perangkat lunak untuk menyimpan informasi personil dan catatan karyawan
(Nemat 2011).
28
2.6 Definisi Administrasi Kependudukan
Administrasi dijelaskan oleh George Terry (1972) sebagai perencanaan,
pengendalian, dan pengorganisasian pekerjaan, serta mobilisasi bagi mereka yang
menerapkan untuk mencapai tujuan yang diinginkan. Administrasi publik menurut
Henry (2015) di definisikan sebagai kombinasi antara teori dan praktik yang
beragam, hubungan ini untuk mendorong pemahaman tentang pemerintahan
dengan masyarakat yang dikelola serta mendorong kebijakan publik yang responsif
terhadap kebutuhan sosial. Di Indonesia sendiri, terdapat Undang-Undang No. 23
Tahun 2006 yang mengatur Administrasi Kependudukan. Undang-Undang tersebut
mendefinisikan administrasi kependudukan sebagai prosedur kegiatan penataan
dan penertiban dalam hal dokumen dan data kependudukan melalui pendaftaran
penduduk, pencatatan sipil, pengelolaan informasi administrasi kependudukan serta
pendayagunaan hasilnya untuk pelayanan publik dan pembangunan sektor lain
(Nomor 23AD).
Berdasarkan definisi yang telah dijabarkan di atas, maka dapat disimpulkan
bahwa administrasi kependudukan adalah sebuah prosedur pengendalian,
pengelolaan dan penertiban dalam hal dokumen dan data kependudukan untuk
mendorong kebijakan yang responsif terhadap kebutuhan sosial maupun
pembangunan sektor lain.
2.7 Definisi Pelayanan Publik
Undang-Undang No. 25 Tahun 2009 tentang pelayanan publik,
mendefinisikan pelayanan publik sebagai suatu prosedur rangkaian kegiatan dalam
29
rangka pemenuhan kebutuhan pelayanan sebagai peraturan perundang-undangan
bagi setiap warga negara atas barang, jasa, dan/atau pelayanan administratif yang
disediakan oleh penyelenggara layanan publik (pemerintah) (P. I. Indonesia 2015).
Lewis dan Gilman (2005) mendefinisikan pelayanan publik sebagai suatu bentuk
kepercayaan publik. Warga negara mengharapkan pegawai negeri melayani
kepentingan publik dengan adil dan mengelola sumber daya publik dengan baik.
Etika pelayanan publik yang adil dan jujur dapat meningkatkan kepercayaan publik
dan sebagai batu kunci dari tata pemerintahan yang baik.
Masyarakat berperan penting dalam wewujudkan dan terlaksananya
hubungan sinergis dalam sistem pemerintahan yang baik. Begitu pula pemerintah
telah merancang dan mengatur peran masyarakat dalam implementasi pelayanan
publik dalam Undang-Undang No. 25 Tahun 2009, bahwa masyarakat dapat
membentuk lembaga pengawasan yang sayangnya hanya sedikit masyarakat yang
mengetahui peraturan tersebut. Hal tersebut dibuktikan pada jurnal yang ditulis oleh
Yustinus (2016) bahwa banyak daerah yang belum melaksanakan amanat dari
Undang-Undang No. 25 Tahun 2009 dengan survei yang dilakukan oleh
Ombudsman Republik Indonesia.
Berdasarkan definisi yang telah dijabarkan di atas, maka dapat disimpulkan
bahwa pelayanan publik adalah suatu prosedur kegiatan sebagai bentuk
kepercayaan publik akan pemerintah. Kegiatan ini sebagai langkah dalam
pemenuhan kebutuhan pelayanan pemerintah terhadap warga negaranya atas
barang, jasa, dan pelayanan administratif yang disediakan penyedia layanan.
30
2.8 Sistem Administrasi Kependudukan dan Catatan Sipil (SIAK)
Dinas kependudukan dan pencatatan sipil (Disdukcapil) merupakan
lembaga pemerintah yang bergerak di bidang administrasi publik berada di bawah
naungan Kementrian Dalam Negeri (Kemendagri). Lembaga ini bertugas untuk
memfasilitasi warga negara terhadap pelayanan administrasi kependudukan serta
pengelolaan informasi warga negara Indonesia. Sesuai dengan arahan Kepala
Dirjen Dukcapil Zudan Arif Fakrullah tentang pelaksanaan Dukcapil Go-Digital,
demikian Kota Tangsel sudah melaksanakan arahan tersebut dengan menerapkan
proses pendaftaran layanan secara elektronik dan mempercepat layanan Adminduk
(Administrasi kependudukan). Beliau pun mengapresiasi tindakan Kepala Dukcapil
Tangsel Dedi Budiawan, yang telah menerapkan teknologi untuk mempermudah
layanan pencatatan sipil. SIAK merupakan salah satu sistem yang diterapkan
pemerintahan Kota Tangsel yang menyita perhatian masyarakat sangat besar
dibuktikan dari banyaknya masyarakat yang mengajukan ulasan maupun
pertanyaan pada google review jika dibandingkan dengan sistem pemerintahan
Kota Tangsel lainnya.
SIAK menampung data 417.800 keluarga di Kota Tangsel dan semua data
pribadi masyarakat Kota Tangsel tersimpan dalam database sistem ini. Sistem ini
bersifat mandatory untuk digunakan masyarakat sebelum melakukan layanan
terkait administrasi publik. SIAK juga sering disebut dengan Sistem pendaftaran
terintegrasi Dukcapil. Beberapa manfaat yang dirasakan ketika sistem ini
diimplementasikan, pemerintahan menjadi lebih transparan, akuntabel, dan juga
responsif terhadap masyarakat. Sesuai dengan tujuan Kepala Dukcapil Tangsel,
31
sinergitas antara pemerintah sebagai penyedia data dan warga sebagai penggunanya
akan terbangun ketika data pemerintahan dapat diakses masyarakat dengan mudah.
2.8.1 Layanan Dukcapil
Dinas kependudukan dan pencatatan sipil (Disdukcapil) memiliki beberapa
jenis layanan yang dapat dilakukan pendaftaran secara online. Semua masyarakat
Kota Tangsel diwajibkan untuk melakukan proses pendaftaran terlebih dahulu pada
SIAK (Sistem Administrasi Kependudukan). Beberapa jenis layanan yang tersedia
didaftarkan secara online, meliputi:
1. Akta kelahiran
2. Akta kematian
3. Akta perkawinan
4. Pengajuan cetak penggantian kartu keluarga
5. Pindah domisili
6. Cetak KTP elektronik
7. Kartu identitas anak
Semua layanan tersebut telah tersedia pada aplikasi SIAK yang dapat
diakses oleh seluruh masyarakat yang terdaftar di Kota Tangsel. Begitupun menurut
kepala Dukcapil Tangsel Dedi Budiawan, bahwa sinergitas yang terbentuk antara
pemerintah sebagai penyedia data dan informasi, dan masyarakat yang menerima
data tersebut akan memunculkan sebuah pemerintahan yang transparan dan
responsif.
32
2.8.2 Alur Pendaftaran SIAK
Masyarakat Kota Tangsel diwajibkan untuk melakukan pendaftaran dan
diharapkan dapat mengetahui alur tatacara pada aplikasi SIAK. Pertama,
masyarakat wajib melakukan registrasi pada aplikasi SIAK sesuai dengan NIK
pengguna. Semua kartu keluarga masyarakat Kota Tangsel tersimpan pada aplikasi
ini dan memperlihatkan susunan pada Kartu Keluarga. Setelah melakukan
pendaftaran, kode aktivasi akan terkirim pada nomor telefon yang didaftarkan.
Kedua, pengguna melakukan login untuk melakukan pendaftaran layanan yang
tersedia dan menentukan jadwal pengurusan layanan sesuai dengan kuota yang ada.
Ketiga, seletah melakukan pendaftaran layanan, sistem akan menampilkan printout
bukti pendaftaran dan wajib dicetak selanjutnya harus dibawa untuk mengurus
proses pendaftaran pada kantor layanan Dukcapil.
2.9 Unified Theory of Acceptance and Use of Technology (UTAUT)
Unified Theory of Acceptance and Use of Technology (UTAUT) merupakan
model penerimaan teknologi informasi yang dikembangkan oleh Venkatesh
(Venkatesh et al. 2003). Model ini menggabungkan 8 teori penerimaan teknologi
informasi dan teori tersebut telah digunakan secara luas dan berhasil oleh sejumlah
besar studi sebelumnya. Dengan tujuan untuk menyelaraskan literatur model
penerimaan teknologi, Venkatesh mengembangkan model terpadu yang
menyatukan pandangan tentang penggunaan dan penerimaan di ranah teknologi
informasi (Williams, Rana, and Dwivedi 2015). Delapan teori penerimaan tersebut
antara lain:
33
1. Theory of Reasoned Action (TRA)
2. Technology Acceptance Model (TAM)
3. Motivational Model (MM)
4. Theory of Planned Behavior (TPB)
5. Combined TAM and TPB (C-TAM-TPB)
6. Model of PC Utilization (MPCU)
7. Innovation Diffusion Theory (IDT)
8. Social Cognitive Theory (SCT)
UTAUT memiliki variabel yang meliputi variabel bebas (independen),
variabel terikat (dependen), dan variabel moderator. Variabel independen tersebut
meliputi Performance Expectancy (PE), Effort Expectancy (EE), Social Influence
(SI), dan Faciiltating Condition (FC). Variabel dependen merupakan variabel yang
dipengaruhi karena adanya variabel independen meliputi Behavioral Intention (BI)
dan Use Behavior (UB). Variabel moderator meliputi Gender, Age, Experience, dan
Voluntariness of Use. Berikut model penerimaan teknologi Unified Theory of
Acceptance and Use of Technology yang dikembangan Vankatesh (Venkatesh et al.
2003) :
34
Gambar 2. 3 Model Penerimaan Teknologi UTAUT (Venkatesh et al. 2003)
Sesuai dengan yang telah dijelaskan sebelumnya, model penelitian ini
terdiri dari 4 konstruk variabel independen yang masing-masing diantaranya
memiliki indikator-indikator dari 8 teori terkemuka sebelumnya. Berikut penjelasan
landasan teori pada model UTAUT pada tabel 2.2.
Tabel 2. 1 Delapan Teori Pembangun UTAUT
No. Nama Teori Peneliti Variabel Keterangan
1.
Theory of
Reasoned
Action
(TRA)
Fishben and
Ajzein
(Fishbein
and Ajzen
1977)
Attitude Toward
Behavior,
Subjective Norm
Diambil dari psikologi sosial,
TRA merupakan salah satu
teori dasar yang paling
mempengaruhi perilaku
manusia (human behavior).
Teori ini banyak digunakan
dalam penelitian untuk
memprediksi perilaku manusia
(behavior).
35
2.
Technology
Acceptance
Model
(TAM)
Davis
(Davis
1989)
Perceived
Usefulness,
Perceived Ease
of Use, Subjective
Norm
TAM merupakan teori yang
dirancang untuk ranah
penerimaan dan penggunaan
Sistem Informasi di tempat
kerja. Model TAM sudah
banyak digunakan dalam ranah
penerimaan teknologi dan
pengguna.
3.
Motivational
Model (
MM)
Davis, et al.
(1992)
Exrtinsic
Motivation,
Intrinsic
Motivation
Penelitian seputar psikologi
telah mendukung teori motivasi
secara umum sebagai
penjelasan tentang perilaku.
Dalam ranah Sistem Informasi,
Davis menerapkan teori
motivasi untuk memahami
adopsi dan penggunaan
teknologi baru.
4.
Theory of
Planned
Behavior
(TPB)
Ajzen
(Ajzen
1991)
Attitude Toward
Behavior,
Subjective Norm,
Perceived
Behavioral
Control
TPB mengembangka teori TRA
dengan menambahkan konstruk
Perceived Behavioral Control,
konstruk tersebut dipersiapkan
menjadi penentu tambahan dari
niat dan perilaku seorang
pengguna. TPB berhasil
diterapkan dalam konteks
penerimaan dan penggunaan
berbagai macam jenis
teknologi.
5.
Combined
TAM and
TPB (C-
TAM-TPB)
Taylor and
Todd
(1995a)
Attitude Toward
Behavior.
Subjective Norm,
Perceived
Behavioral
Model ini menggabungkan
prediktor TPB dengan
Perceived Usefulness dari
model TAM untuk menghasil
model hybrid.
36
Control,
Perceived
Usefulness
6.
Model of PC
Utilization
(MPCU)
Thompson,
et al. (1991)
Job-fit,
Complexity,
Long-term
Consequences,
Affect Toward
Use, Social
Factors,
Facilitating
Condition
Model ini mengadaptasi dan
menyempurnaka model
Triandis (1977) untuk konteks
Sistem Informasi dan
menggunakan model untuk
memprediksi pemanfaatan PC.
7.
Innovation
Diffusion
Theory
(IDT)
Rogers
(1971)
Relative
Advantage, Ease
off Use, Image,
Visibility,
Compatibility,
Results
Demonstrability,
Voluntariness of
Use
Model ini berlandaskan pada
sosiologi, sudah digunakan
sejak 1960-an untuk
mempelajari berbagai inovasi.
Mulai dari alat pertanian hingga
inovasi organisasi.
8.
Social
Cognitive
Theory
(SCT)
Compeau
dan Higgins
Outcome
Expectations-
Performance,
Outcome
Expectations-
Personal, Self-
efficacy, Affect,
Anxiety
Teori perilaku manusia paling
kuat salah satunya adalah SCT.
Model ini diperluas oleh
Compeau dan Higgins (1995)
dengan konteks pemanfaatan
komputer dan untuk
mempelajari kinerja.
37
2.9.1 Performance Expectancy
Venkatesh et al. (Venkatesh et al. 2003) mendefinisikan performance
expectancy sebagai derajat seorang individu percaya bahwa menggunakan sistem
akan membantunya mendapat keuntungan dalam hal kinerja pekekerjaan. Lima
konstruk dari model acuan UTAUT pada variabel ekspektasi kinerja (performance
expectancy) meliputi harapan yang dirasakan manfaatnya (perceived usefulness)
(TAM), motivasi ektrinsik (extrinsic motivation) (MM), job-fit (MPCU),
keunggulan relatif (relative advantage) (IDT), harapan hasil (outcome
expectations) (SCT). Tabel berikut menjelaskan variabel acuan yang berkaitan
dengan performance expectancy:
Tabel 2. 2 Variabel Acuan pada Konstruk Performance Expectancy
Konstruk Definisi Referensi
Perceived Usefulness
Tingkat dimana seseorang percaya
bahwa menggunakan sistem tersebut
akan meningkatkan pekerjaanya.
Davis (Davis
1989)
Davis et al.
(Davis, Bagozzi,
and Warshaw
1992)
Extrinsic Motivation
Persepsi bahwa pengguna ingin
melakukan kegiatan karena dianggap
berperan penting dalam mencapai hasil
yang bernilai, seperti peningkatan
kinerja pekerjaan, gaji, dan promosi
jabatan.
Davis et al.
(Davis, Bagozzi,
and Warshaw
1992)
Job-fit
Bagaimana kemampuan suatu sistem
meningkatkan kinerja pekerjaan
seseorang.
Thompson et al.
(Thompson,
38
Higgins, and
Howell 1991)
Relative Advantage
Tingkatan dari sejauh mana
menggunakan inovasi dianggap lebih
baik daripada menggunakan
pendahulunya
Moore & Benbasat
(1991)
Outcome Expectations
Variabel ini berkaitan dengan
konsekuensi perilaku. Berdasarkan
bukti empiris, variabel ini dipisahkan
menjadi harapan kinerja (terkait
pekerjaan) dan harapan pribadi (tujuan
individu).
Compeau &
Higgins (1995)
Compeau et al. (D.
Compeau,
Higgins, and Huff
1999)
Variabel performance expectancy merupakan prediktor yang terkuat dan
signifikan dalam pengukuran sistem wajib (mandatory) ataupun sukarela
(voluntary) (Venkatesh et al. 2003).
2.9.2 Effort Expectancy
Harapan usaha (effort expectancy) menurut Venkatesh (Venkatesh et al.
2003) didefinisikan sebagai tingkat kemudahan yang dirasakan pengguna terkait
dengan penggunaan sistem. Tiga konstruk model pendahulu pada variabel effort
expectancy meliputi kemudahan yang dirasakan (perceived ease of use) (TAM),
kompleksitas (complexity) (MPCU), dan kemudahan pengguna (ease of use) (IDT).
Penjelasan seputar konstruk pada variabel effort expextancy akan dijelaskan pada
tabel 2.2 berikut:
39
Tabel 2. 3 Variabel Acuan pada Konstruk Effort Expectancy
Konstruk Definisi Referensi
Perceived Ease of Use
Sejauh mana seseorang percaya bahwa
menggunakan sistem akan terbebas dari
usaha
Davis (Davis
1989)
Complexity
Sejauh mana suatu sistem dianggap
relatif sulit untuk dipahami atau
digunakan
Thompson et al.
(Thompson,
Higgins, and
Howell 1991)
Ease of Use
Tingkat dari sejauh mana menggunakan
sistem dianggap sulit untuk digunakan
Moore & Benbasat
(Moore and
Benbasat 1991)
Konstruk effort expectancy pada tabel 2.2 signifikan terhadap konteks
sukarela (voluntary) maupun wajib (mandatory). Namun variabel ini hanya
signifikan selama periode waktu pertama, dan menjadi tidak signifikan setelah
penggunaan sistem yang berkelanjutan (Venkatesh et al. 2003).
2.9.3 Social Influence
Pengaruh sosial (social influence) didefinisikan oleh Venkatesh (Venkatesh
et al. 2003) sebagai sejauh mana seorang individu mengaggap orang lain itu penting
dan mereka percaya harus menggunakan sistem baru. Social influence sebagai
penentu langsung terhadap behavioral intention direpresentasikan sebagai norma
subyektif (subjective norm) (TRA, C-TAM-TPB), faktor sosial (social factors)
(MPCU), dan gambaran (image) (IDT). Penjelasan lebih lanjut mengenai konstruk
pada variabel social influence dijabarkan pada tabel 2.3 berapa berikut:
40
Tabel 2. 4 Variabel Acuan pada Konstruk Social Influence
Konstruk Definisi Referensi
Subjective Norm
Persepsi seseorang bahwa kebanyakan
orang yang penting bagi mereka berfikir
dia harus atau tidak seharusnya
melakukan perilaku yang dimaksud
Davis et al. (Davis
1989); Taylor &
Todd (Taylor and
Todd 1995a)
Social Factors
Internalisasi individu dari budaya
subyektif kelompok yang berpengaruh,
dan perjanjian interpersonal spesifik
yang telah dibuat individu dengan orang
lain dalam situasi sosial tertentu
Thompson,et al.
(Thompson,
Higgins, and
Howell 1991)
Image
Sejauh mana penggunaan suatu inovasi
dirasakan untuk meningkatkan citra atau
status seseorang dalam suatu sistem
sosial
Moore and
Benbasat (Moore
and Benbasat
1991)
Konstruk dalam variabel ini tidak signifikan dalam penggunaan sistem
secara sukarela (voluntary) sebaliknya signifikan terhadap penggunaan sistem
wajib (mandatory) (Venkatesh et al. 2003). Sesuai dengan penelitian yang
dilakukan oleh Venkatesh dan Davis (2000), konteks wajib (mandatory) pada
variabel social influence menjadi penting hanya dalam tahap awal pemahaman
seseorang dengan teknologi. Perannya terkikis dari waktu ke waktu dan akhirnya
tidak signifikan dengan pengguna tetap.
2.9.4 Facilitating Condition
Kondisi yang memfasilitasi (facilitating condition) didefinisikan oleh
Venkatesh (2003) sebagai derajat dimana seseorang indivudu percaya bahwa suatu
41
infrastruktur teknis yang tersedia dapat mendukung penggunaan suatu sistem.
Konstruk dalam variabel ini antara lain kontrol perilaku yang dirasakan (perceived
behavioral control) (C-TAM-TPB), kondisi yang memfasilitasi (facilitating
condition) (MPCU), dan kompatibilitas (compatibility) (IDT). Berikut tabel 2.4
menejelaskan lebih lanjut seputar konstruk yang ada pada variabel facilitating
condition:
Tabel 2. 5 Variabel Acuan pada Konstruk Facilitating Condition
Konstruk Definisi Referensi
Perceived Behavioral
Control
Mencerminkan persepsi kendala
internal dan eksternal pada kondisi
fasilitas sumber daya dan kondisi
fasilitas teknologi
Taylor and Todd
(Taylor and Todd
1995a)
Facilitating Condition
Faktor obyektif di lingkungan yang
disepakati pengamat membuat
tindakan penyediaan dukungan
komputer semakin mudah untuk
dilakukan
Thompson, et al.
(Thompson,
Higgins, and
Howell 1991)
Compatibility
Tingkat sejauh mana inovasi dianggap
konsisten dengan nilai-nilai dan
kebutuhan yang ada
Moore &
Benbasat (Moore
and Benbasat
1991)
Masing-masing konstruk dalam variabel ini dioperasionalkan untuk
menambahkan aspek teknologi yang dirancang untuk menghilangkan hambatan
dalam menggunakan sistem. Penelitian yang dilakukan Taylor dan Todd (Taylor
and Todd 1995a) menyatakan bahwa perceived behavioral control penting dalam
42
konteks sukarela (voluntary) maupun wajib (mandatory) hanya setelah pelatihan
pertama, namun pelatihan selanjutnya tidak berpengaruh terhadap niat perilaku.
2.9.5 Behavioral Intention
Behavioral Intention merupakan tingkat dimana niat seorang pengguna
dalam menggunakan sistem yang baru. Seorang pengguna harus percaya bahwa
dengan menggunakan sistem akan meningkatkan performanya dalam pekerjaan,
memerlukan usaha, akan dipandang oleh lingkungan sosial, dan tersedianya
fasilitas yang menyokong dalam penggunaan sistem tersebut (Venkatesh et al.
2003).
2.9.6 Use Behavior
Use behavior merupakan tingkat dimana seberapa sering seseorang
menggunakan suatu sistem setelah adanya niat dalam menggunakan sistem tersebut
terus menerus. Sistem dinilai memberikan pengaruh positif atau negatif tergantung
pada hal-hal yang dirasakan pengguna setelah menggunakan sistem tersebut
(Venkatesh et al. 2003).
2.10 Theory of Planned Behavior
Model niat perilaku atau theory of planned behavior (TPB) dikembangkan
oleh Ajzen (Ajzen 1991), merupakan perkembangan dari teori sebelumnya yaitu
theory of reasoned action oleh Ajzen dan Fishbein (Fishbein and Ajzen 1977)
dengan tujuan untuk memprediksi perilaku individu secara lebih spesifik. Niat
(intention) diamsumsikan untuk menangkap faktor motivasi yang mempengaruhi
perilaku (behavior), hal ini dikaitkan dengan seberapa keras seorang individu ingin
43
mencoba dan seberapa besar usaha yang mereka keluarkan untuk melakukan
perilaku tersebut. Teori ini menjelaskan bahwa semakin kuat niat seorang individu
untuk terlibat dalam suatu perilaku, semakin besar dan kuat kemungkinan
kinerjanya (Ajzen 1991). Berikut hubungan antara variabel pada model perilaku
pada gambar 2.2
Gambar 2. 4 Model Theory of Planned Behavior (Fishbein and Ajzen 1977)
2.10.1 Attitude Toward the Behavior
Attitude merupakan faktor penentu niat perilaku (behavioral intention)
merujuk pada perasaan seorang individu terhadap suatu perilaku tertentu. Sifat ini
mengacu terhadap sejauh mana seseorang memiliki penilaiain yang disukai maupun
tidak disukai merujuk pada suatu perilaku. Seperti halnya seseorang percaya
terhadap suatu perilaku tertentu menghasilkan keuntungan, maka orang tersebut
cenderung memiliki sifat positif terhadap perilaku. Sama halnya jika suatu perilaku
44
tersebut dianggap tidak menguntungkan, maka orang tersebut cenderung memiliki
sifat negatif terhadap perilaku (Fishbein and Ajzen 1977).
2.10.2 Subjective Norm
Norma subjektif (subjective norm) merupakan faktor sosial yang mengacu
pada tekanan sosial yang dirasakan individu sebagai suatu penentu seorang individu
melakukan atau tidak melakukan suatu perilaku. Seperti halnya, seseorang akan
melakukan suatu tindakan tertentu jika berada di suatu kelompok individu (seperti
keluarga, teman kerabat) yang menganggap tindakan tersebut dapat ditoleransi.
Sebaliknya jika seseorang cenderung akan menghindari suatu tindakan tersebut jika
berada dalam suatu kelompok individu yang menganggap tindakan tersebut tidak
dapat ditoleransi (Fishbein and Ajzen 1977).
2.10.3 Perceived Behavioral Control
Faktor kontrol perilaku yang dirasakan (perceived behavioral control)
mengacu pada kemudahan atau kesulitan yang dirasakan dalam melakukan suatu
perilaku tertentu. Faktor ini diasumsikan mencerminkan pengalaman masa lalu
serta hambatan-hambatan yang dapat diantisipasi. Seperti halnya, semakin baik
sikap (attitudes) dan norma subjektif (subjective norm) sehubungan dengan suatu
perilaku, dan semakin besar kontrol perilaku yang dirasakan, maka semakin kuat
niat individu untuk melakukan suatu perilaku tersebut (Ajzen 1991). Ajzen (2005)
mengemukakan bahwa persepsi kontrol perilaku ditentukan dari keyakinan seorang
individu mengenai ketersediaan sumberdaya yang mendukung seperti peralatan,
kompetensi, dan kesempatan. Konsep lain yang maksudnya sejenis dengan kontrol
45
perilaku adalah efikasi diri atau self-efficacy yang dikemukakan oleh Bandura
(1977) dimana efikasi diri adalah suatu keyakinan individu bahwa ia akan berhasil
menguasai keterampilan yang dibutuhkan untuk menyelesaikan tugas-tugas
tertentu.
2.10.4 Intention
Faktor intention merupakan fungsi utama di antara attitudes, subjective
norm, dan perceived behavioral control terhadap perilaku. Jika faktor attitudes
semakin kuat, subjective norm semakin positif, dan perceived behavioral control
semakin besar, maka semakin kuat hubungan seseorang dengan perilaku tersebut
(Fishbein and Ajzen 1977).
2.10.5 Behavior
Faktor behavior (perilaku) membutuhkan definisi yang jelas dari beberapa
hal, diantaranya meliputi tujuan (target), tindakan (action), konteks (context), dan
elemen waktu (time elements) dari suatu perilaku tersebut. Sehingga beberapa
penetilian yang menggunakan landasan perilaku dari TRA dapat menguji
keabsahan dari perilaku yang sedang diteliti dengan parameter yang jelas (Fishbein
and Ajzen 1977).
2.11 Social Cognitive Theory (SCT)
Social Cognitive Theory pertama kali diperkenalkan oleh Bandura (Bandura
1977) dimana merupakan salah satu teori terkuat dan paling berpengaruh pada
konteks perilaku manusia (human behavior). Compeau dan Higgins
mengembangkan social cognitive theory pada penelitian yang mereka lakukan pada
46
tahun 1995 dalam perspektif perilaku manusia terhadap teknologi komputasi
(computing behavior). Self-efficacy terbukti merupakan variabel yang pengaruhnya
paling penting dalam konteks psikologi sosial. Compeau dan Higgins melakukan
penelitian lebih lanjut untuk mengetahui dampak self-efficacy pada perilaku
seseorang dalam konteks teknologi komputasi. Pemodelan yang diusulkan
mengacu pada konteks psikologi sosial dari social cognitive theory yang
diperkenalkan oleh Bandura (Bandura 1977) dan penelitian penerimaan sistem
informasi sebelumnya (D. R. Compeau and Higgins 1995). Berikut hubungan
antara variabel pada model yang diusulkan Compeau dan Higgins (D. Compeau,
Higgins, and Huff 1999) dalam konteks perilaku terhadap teknologi komputasi
pada gambar 2.5.
Gambar 2. 5 Model Pengembangan Social Cognitive Theory
47
2.11.1 Computer Self-Efficacy
Konteks computer self-efficacy mengacu pada penilaian kemampuan
seseorang dalam menggunakan komputer. Hal ini tidak peduli dengan apa yang
terjadi di masa lalu, namun memikirkan apa hal yang akan terjadi di masa depan.
Kegiatan ini tidak sebatas memasukan rumus dalam excel, melainkan sesuatu yang
memerlukan kemampuan dalam menerapkan keterampilan tersebut seperti
menyiapkan laporan tertulis (D. R. Compeau and Higgins 1995). Terdapat beberapa
dimensi dalam faktor computer self-efficacy yang akan di jelaskan berikut ini:
1. Magnitude
Seorang individu dengan tingkat efikasi diri pada komputer yang relatif tinggi,
diharapkan mereka dapat menyelesaikan tugas komputasi yang lebih sulit
dibandingakan dengan mereka yang mempunyai tingkat efikasi diri yang
rendah. Besaran (magnitude) efikasi diri dapat diartikan sebagai pencerminan
tingkat kapabilitas yang diharapkan.
2. Strength
Kekuatan pada efikasi diri terhadap komputer ini mengacu pada tingkat
keyakinan seorang individu akan kemampuannya untuk melakukan berbagai
tugas terkait komputasi. Faktor ini berkaitan dengan kepercayaan diri dari
masing-masing individu untuk melakukan tugas komputasi yang lebih sulit,
terlepas dari individu dengan tingkat efikasi diri yang tinggi.
48
3. Generalizability
Kemampuan generalisasi erat kaitannya dengan individu yang adaptif dan
responsif. Seorang individu dengan kemampuan menggeneralisasi efikasi diri
yang tinggi, diharapkan dapat secara kompeten menggunakan perangkat lunak
yang berbeda dengan sistem komputer yang berbeda. Beda kaitannya dengan
seseorang yang memiliki tingkat efikasi diri yang rendah, cenderung terbatas
hanya pada perangkat lunak tertentu dengan sistem komputer tertentu.
2.11.2 Affect
Pengaruh individu terhadap suatu perilaku tertentu dalam beberapa
keadaan, dapat memberikan pengaruh yang kuat atas tindakan seseorang. Dalam
konteks ini Compeau dan Higgins (D. R. Compeau and Higgins 1995) menegaskan
perilaku individu yang kuat mempengaruhi seseorang dalam penggunakan
teknologi komputasi. Seperti contoh hal yang disukai dan menarik pada iklan
televisi, semata-mata berdasar pada pengaruh (affect). Sama halnya dengan
perilaku konsumen dalam memilih suatu barang pada situs e-commerce, juga
berdasarkan pada reaksi pengaruh. Semakin tinggi pengaruh individu terhadap
penggunaan komputer, maka semakin tinggi tingkat seseorang menggunakan
komputer (D. Compeau, Higgins, and Huff 1999).
2.11.3 Anxiety
Perasaan cemas terhadap penggunaan computer diharapkan dapat
mempengaruhi penggunaan komputer secara negatif. Semakin tinggi tingkat
kecemasan akan penggunaan komputer, semakin rendah tingkat seseorang
49
menggunakan komputer. Maka dari itu, pengguna diharapkan dapat menghindari
perilaku yang menimbulkan perasaan cemas khususnya dalam konteks penggunaan
teknologi komputasi (D. Compeau, Higgins, and Huff 1999).
2.11.4 Outcome Expectations (Performance)
Hasil yang diharapkan (outcome expectations) memberikan pengaruh yang
signifikan terhadap reaksi individu pada teknologi komputasi. Konsekuensi yang
diharapkan dari sebuah perilaku, dapat menjadi suatu pengaruh yang besar untuk
meningkatkan kinerja individu. Kepuasan yang didapat saat merasakan keuntungan
dari perilaku tersebut, menjadi sebuah reaksi peningkatan kinerja untuk perilaku
dalam konteks penggunaan teknologi komputasi. Semakin tinggi kinerja individu
dalam mencapai hasil yang diharapkan, semakin tinggi pengaruh individu
menyukai perilaku tersebut dan semakin tinggi tingkat dalam penggunaan
komputer (D. Compeau, Higgins, and Huff 1999).
2.11.5 Outcome Expectations (Personal)
Hasil yang diharapkan (outcome expectations) yang dipengaruhi oleh
kepribadian individu memberikan pengaruh yang signifikan terhadap penggunaan
teknologi komputasi. Hasil yang diharapkan dapat memberikan pengaruh yang
besar terhadap individu untuk meningkatkan kepribadian mereka masing-masing.
Kepuasan yang dirasakan individu saat merasakan keuntungan dari perilaku
tertentu juga dapat meningkatkan kepribadian individu dalam penggunaan
komputer. Semakin tinggi kepribadian individu terhadap hasil yang diharapkan,
semakin tinggi pula pengaruh seseorang menyukai perilaku tersebut dan semakin
50
tinggi tingkat dalam pengunaan komputer (D. Compeau, Higgins, and Huff 1999).
Sebagai contoh individu yang melakukan perilaku tertentu dimana mereka berharap
mendapat suatu imbalan atas apa yang mereka lakukan berdasarkan kinerja
(performance) maupun kepribadian (personal) mereka (Bandura 1977).
2.11.6 Usage
Faktor usage merupakan fungsi utama sebagai hasil akhir berdasarkan
computer self efficcacy, outcome expectations (performance), outcome
expectations (personal), affect, dan anxiety. Jika faktor computer self efficacy,
outcome expectations (performance), outcome expectations (personal), dan affect
semakin tinggi dan faktor anxiety semakin rendah, maka semakin besarnya
pengaruh individu untuk menggunakan teknologi informasi.
2.12 Variabel Perceived Risk
Resiko yang dirasakan (perceived risk) dalam konteks e-government di
definisikan sebagai suatu ekspektasi warga negara jika menderita kerugian dalam
mencapai hasil yang diinginkan. Risiko yang dirasakan ini bisa terjadi karena faktor
lingkungan (environmental) dan faktor perilaku (behavioral), yang dapat
mengurangi niat pengguna dalam menggunakan teknologi komputasi dan untuk
bertukar informasi. Ketidakpastian perilaku (behavior) terjadi karena pihak
penyedia layanan berperilaku tidak jujur dengan memanfaatkan layanan elektronik
dengan sifat impersonal. Ketidakpastian lingkungan (environmental) muncul
karena kekhawatiran terhadap teknologi yang tidak dapat diprediksi dan berada di
luar kemampuan warga (Bélanger and Carter 2008).
51
Penelitian terdahulu menemukan bahwa kepercayaan menjadi signifikan
saat risiko dilibatkan. Risiko yang dirasakan (perceived risk) akan berkurang ketika
kepercayaan (trust) warga hadir terhadap layanan elektronik pemerintah
(Featherman and Pavlou 2003).
2.13 Variabel Trust of Government
Variabel Trust of Government (TOG) mengacu pada persepsi warga negara
terhadap integritas dan kemampuan pemerintah dalam menyediakan layanan
electronic government. Gefen (2005) menjelaskan bahwa kepercayaan warga
negara terhadap lembaga pemerintah mempunyai dampak yang kuat atas adopsi
teknologi e-government secara luas. Demikian warga akan turut serta membangun
inisiatif yang tinggi akan penerapan e-government secara luas. Namun sebelumnya
warga harus percaya bahwa lembaga pemerintah memiliki sumber daya yang
diperlukan untuk mengelola dan mengamankan sistem ini. Interaksi warga negara
dengan penyedia layanan yang jujur dan minim kecurangan akan meningkatkan
kepercayaan warga terhadap pemerintah, sebaliknya jika interaksi yang dilakukan
mengandung ketidakjujuran dari pejabat, jelas akan menurunkan kepercayaan
warga dan menentang insiatif untuk implementasi e-government (Bélanger and
Carter 2008).
Teknologi ini memungkinkan pemerintah melakukan pengumpulan data
dengan cepat dan analisis data tingkat lanjut. Warga menginginkan interaksi
mereka dengan penyedia layanan, dapat menjaga dan menghormati data pribadi
mereka sebaik mungkin. Warga harus percaya bahwa pemerintah menyediakan
52
layanan e-government untuk mendapatkan keuntungan dalam hal kinerja pekerjaan,
bukan semata-mata untuk memantau masyarakat (Bélanger and Carter 2008).
2.14 Studi Literatur Penelitian
Penelitian umumnya harus didasari oleh landasan dari hasil penelitian-
penelitian sebelumnya. Hal ini untuk menunjang suatu konstruk dan hipotesis dari
model yang diajukan. Oleh karena itu, penelitian ini telah melakukan pengumpulan
data sebanyak 12 jurnal yang berkaitan dengan topik penelitian ini. Tabel 2.6
berikut menjelaskan beberapa penelitian sejenis sebelumnya yang digunakan
peneliti sebagai acuan pada penelitian ini.
Tabel 2. 6 Studi Literatur Penelitian Sejenis
1 Peneliti
Nripendra P. Rana, Yogesh K. Dwivedi, Micahel D.
Williams, Vishantash Weerakkody (2016)
Judul Penelitian
Adoption of online public grievance redressal system in
India: Toward developing a unified view (Rana et al.
2016)
Variabel Penelitian
Performance Expectancy, Effort Expectancy, Social
Influence, Facilitating Conditions, Anxiety, Attitude,
Behaviral Intention
Hasil Penelitian
Kelebihan pada penelitian ini yaitu peneliti melakukan
pembaharuan dengan menambahkan variabel Anxiety
dan variabel Attitude, serta menjelaskan secara rinci
teori model penelitian. Penelitian dijelaskan dengan
sangat rinci dengan landasan ilmiah yang memperkuat
analisis landasan pemodelan. Hanya saja penelitian ini
terbatas pada masyarakat yang tidak tersebar rata di
beberapa Kota di India. Penelitian ini dapat
membuktikan bahwa model yang diajukan pada
53
penelitian ini menghasilkan niat behavioral intention
sebesar 66% varian. Variabel Attitude pada penelitian ini
juga berperan besar dalam pengembangan model
penerimaan khususnya pada konteks e-government.
2 Peneliti Chao-Min Chiu & Eric T.G. Wang (2008)
Judul Penelitian
Understanding Web-based learning continuance
intention: The role of subjective task value (C.-M. Chiu
and Wang 2008)
Variabel Penelitian
Performance Expectancy, Effort Expectancy, Social
Influence, Facilitating Conditions, Computer Self-
Efficacy, Attainment Value, Utility Value, Intrinsic
Value, Social Isolation, Anxiety, Delay in Responses,
Risk of Arbitary Learning
Hasil Penelitian
Penelitian ini menambahkan 8 variabel tambahan yang
digabungkan dengan model UTAUT untuk memprediksi
kontinyuitas mahasiswa dalam menjalankan sistem
pembelajaran berbasis web. Hanya saja, responden pada
penelitian ini di dominasi oleh mahasiswa part-time,
sebaiknya pengukuran untuk mahasiswa full-time juga
diperlukan untuk memperkuat hasil analisis. Penelitian
ini membuktikan bahwa variabel Intrinsic Value
merupakan faktor yang paling kuat dan mempengaruhi
pengguna untuk melanjutkan pembelajaran melalui situs
web.
3 Peneliti Heiko Moryson & Guido Moeser (2016)
Judul Penelitian
Consumer Adoption of Cloud Computing Services in
Germany: Investigation of Moderating Effects by
Applying an UTAUT Model (Moryson and Moeser
2016)
Variabel Penelitian
Performance Expectancy, Effort Expectancy, Social
Influence, Facilitating Conditions, Perceived Trust,
Perceived Security Risk, Attitude Toward Use, Intention
to Use
54
Hasil Penelitian
Penelitian ini mengembangkan model teori penerimaan
pengguna dengan menambahkan 2 variabel independen
(Perceived Trust & Perceived Security Risk) dan 1
variabel dependen (Attitude Toward Use). Penelitian ini
membuktikan bahwa faktor Social Influnce & Perceived
Trust merupakan faktor yang paling kuat dalam
mempengaruhi masyarakat Jerman dalam mengadopsi
cloud computing. Dengan total 2040 masyarakat Jerman
yang terlibat pada penelitian ini, disimpulkan bahwa
pengaruh sosial (teman/keluarga terdekat) dan
kepercayaan mereka terhadap integritas institusi yang
menyediakan layanan cloud computing sangat
mempengaruhi adopsi mereka dalam menggunakan
layanan tersebut.
4 Peneliti
Ali Tarhini, Mazen El-Masri, Maged Ali, Alan Serrano
(2015)
Judul Penelitian
Extending the UTAUT model to understand the
customers’ acceptance and use of internet banking in
Lebanon (Tarhini et al. 2016)
Variabel Penelitian
Performance Expectancy, Effort Expectancy, Social
Influence, Facilitating Conditions, Perceived
Credibility, Task Technology Fit, Behavior Intention,
Actual Usage
Hasil Penelitian
Penelitian ini mengembangkan model penerimaan
dengan menambahkan variabel Perceived Credibility &
Task Technology Fit sebagai variabel untuk memperkuat
faktor penerimaan internet banking di Lebanon. Dari
total 408 responden yang ikut serta dalam penelitian ini,
variabel ekspektasi kinerja mempunyai pengaruh yang
paling kuat diterima oleh pengguna dalam mengadopsi
internet banking. Disimpulkan bahwa penggunaan
internet banking di Lebanon dibuktikan dapat
55
meningkatkan layanan dan produktivitas pengguna
dalam melakukan transaksi melalui internet banking.
5 Peneliti
Emma L. Slade, Yogesh K. Dwivedi, Niall C. Pierry,
and Michael D. Williams (2015)
Judul Penelitian
Modeling Consumers’ Adoption Intentions of Remote
Mobile Payments in the United Kingdom: Extending
UTAUT with Innovativeness, Risk, and Trust (Slade et
al. 2015)
Variabel Penelitian
Performance Expectancy, Effort Expectancy, Social
Influence, Innovativeness, Perceived Rsik, Trust in
System, Behavioral Intention
Hasil Penelitian
Penelitian ini mengembangkan konteks penerimaan di
ranah mobile payments dengan menambahkan unsur
inovatif, risiko yang didapatkan, dan kepercayaan
terhadap aplikasi pembayaran. Penelitian ini melibatkan
268 responden yang belum pernah menggunakan remote
mobile payment (pembayaran jarak jauh) untuk
berpartisipasi dalam penelitian di wilayah Inggris. Hasil
dari penelitian ini membuktikan bahwa faktor
Performance Expectancy, Social Influence,
Innovativeness, dan Perceived Risk mempengaruhi niat
pengguna secara signifikan terhadap mengadopsi remote
mobile payment.
6 Peneliti
Murathan Kurfali, Ali Arifglu, Gul Tokdemir, Yudum
Pacin (2016)
Judul Penelitian Adoption of e-government services in Turkey (Kurfalı et
al. 2017)
Variabel Penelitian
Performance Expectancy, Effort Expectancy, Social
Influence, Facilitating Conditions, Trust of Internet,
Trust of Government, Behavioral Intention to Use E-
government Services
Penelitian ini mengembangkan model penerimaan
teknologi dengan menambahkan variabel Trust of
56
Internet & Trust of Government khusus dalam konteks
penerimaan di ranah pemerintahan. Responden yang
terlibat pada penelitian ini sebanyak 529 warga di Turki
yang mewakili dari berbagai wilayah. Penelitian ini
membuktikan bahwa faktor ekspektasi kinerja
merupakan faktor yang paling kuat mempengaruhi
pengguna dalam mengadopsi sistem pemerintahan di
Turki.
7 Peneliti Anastasia Voutinioti (2013)
Judul Penelitian
Determinants of User Adoption of e-Government
Services in Greece and the role of Citizen Service
Centres (Voutinioti 2013)
Variabel Penelitian
Performance Expectancy, Effort Expectancy, Social
Influence, Facilitating Conditions, Trust of the Internet,
Trust of the Government, Trust of the CSC, Behavioral
Intention, Use Behavior
Hasil Penelitian
Penelitian ini mengembangkan model penerimaan dalam
konteks e-government dengan menambahkan variabel
Trust of the Internet, Trust of Government, & Trust of
the CSC (Citizen Services Centre). Penelitian ini
membuktikan bahwa faktor kemudahan (effort
expectancy) paling mempengaruhi masyarakat di Yunani
dalam mengadopsi sistem pemerintahan. Kepercayaan
terhadap CSC juga merupakan faktor yang berperan
penting untuk meningkatkan niat adopsi masyarakat.
8 Peneliti
Troy Devon Thomas, Lenandlar Singh and Kemuel
Gaffar (2014)
Judul Penelitian
The utility of the UTAUT model in explaining mobile
learning adoption in higher education in Guyana
(Thomas, Singh, and Gaffar 2013)
Variabel Penelitian
Performance Expectancy, Effort Expectancy, Social
Factors, Facilitating Conditions, Attitude Towards
Technology, dan Behavioral Intention
57
Hasil Penelitian
Penelitian ini mengembangkan model penerimaan
pengguna dalam konteks adopsi mobile learning dengan
menambahkan satu variabel dependen yaitu Attitude
Toward Technology. Hasil dari penelitian ini adalah
faktor Attitude Toward Technology memiliki peran yang
besar terhadap penggunaan, begitu pula dengan faktor
kondisi (facilitating condition) juga memiliki pengaruh
yang besar dan signifikan sebagai penentu adopsi mobile
learning di Guyana.
9 Peneliti Suha Alawadhi & Anne Morris (2008)
Judul Penelitian
The Use of the UTAUT Model in the Adoption of E-
government Services in Kuwait (AlAwadhi and Morris
2008)
Variabel Penelitian Performance Expectancy, Effort Expectancy, Peer
Influence, Facilitating Conditions, Behavioral Intention
Hasil Penelitian
Penelitian ini menguji model UTAUT dalam konteks
penerimaan teknologi e-government di wilayah Kuwait.
Model yang digunakan murni merupakan variabel
UTAUT, tidak adanya penambahan namun adanya
penghilangan variabel Use Behavior. Responden yang
terlibat pada penelitian ini mencapai 880 orang, dengan
karakteristik responden adalah masyarakat yang sudah
pernah menggunakan teknologi sebelumnya. Penelitian
ini membuktikan bahwa faktor kinerja (performance
expectancy), kemudahan (effort expectancy), dan
pengaruh (peer influence) berpengaruh signifikan
terhadap niat pengguna mengadopsi e-government di
Kuwait.
10 Peneliti
Ricardo de Sena Abrahao, Stella Naomi Moriguchi, &
Darly Fernando Andrade (2016)
Judul Penelitian
Intention of adoption of mobile payment: An analysis in
the light of the Unified Theory of Acceptance and Use
of Technology (UTAUT)
58
Variabel Penelitian Performance Expectancy, Effort Expectancy, Social
Factors, Perceived Risk, Perceived Cost dan Behavioral
Intention
Hasil Penelitian Penelitian ini mengembangkan teori penerimaan
teknologi dalam konteks mobile payment dengan
menambahkan variabel Perceived Risk & Perceived
Cost untuk memperkuat model penelitian. Sebanyak 605
responden pada penelitian ini dilibatkan yang
didominasi oleh masyarakat Brazil. Penelitian ini
membuktikan bahwa faktor kuliatas layanan
(performance expectancy), kemudahan (effort
expectancy), serta keamanan bagi pengguna (perceived
risk) memiliki pengaruh yang signifikan terhadap niat
pengguna dalam mengadopsi mobile payment.
11 Peneliti Syopiansyah Jaya Putra, Muhamad Nur Gunawan, Yoga
Tri Hutomo, Nia Kumala Dewi, & Yusuf Durachman
(2017)
Judul Penelitian Factors Influencing the User Acceptance of Integrated
Service Management Information System on Local
Government in Indonesia
Variabel Penelitian Performance Expectancy, Effort Expectancy, Social
Factors, Facilitating Condition, Hedonic Motivation,
Habit, Behavioral Intention, Use Behavior
Hasil Penelitian Penelitian ini menguji model UTAUT2 terhadap
implementasi sistem pemerintahan yang digunakan
pegawai. Sistem tersebut bersifat mandatory (wajib)
sehingga peneliti menghapus variabel price value karena
tidak sesuai dengan karakteristik sistem tanpa
mengeluarkan biaya. Kuesioner yang didapat dari
penelitian sebanyak 30 reponden, dengan analisis data
menggunakan IBM SPSS 20. Hasil dari penelitian ini
membuktikan variabel Facilitating Condition dan Habit
59
secara positif mempengaruhi pengguna menerima sistem
informasi manajemen di pemerintahan.
12 Peneliti
Nurullah Sururi Afif, Jono M Munandar & Ma’mun
Sarma (2017)
Judul Penelitian
Faktor yang Mempengaruhi Kepuasan Pengguna
Layanan pada Unit Pelayanan Disdukcapil Kota Bogor
(Afif and Munandar 2017)
Variabel Penelitian Kualitas Interaksi, Kualitas Lingkungan Fisik, Kualitas
Hasil, Harga, Kepuasan Pengguna Layanan
Hasil Penelitian Penelitian ini dilakukan untuk mengetahui faktor yang
mempengaruhi kepuasan pengguna terhadap layanan di
Dukcapil Kota Bogor. Model penelitian yang diajukan
berlandaskan dari IKM (Indeks Kepuasan Masyarakat).
Hasil dari penelitian ini membuktikan bahwa faktor
kualitas lingkungan fisik dan harga mempengaruhi
pengguna dalam mencapai kepuasan terhadap pelayanan
Dukcapil Kota Bogor. Kuliatas lingkungan fisik
dilakukan dengan penataan dan perbaikan terhadap
fasilitas fisik dan juga harga didasari untuk
menghilangkan pungutan tidak resmi (menggunakan
calo/menyuap aparat).
Berdasarkan penelitian sejenis yang telah dijelaskan pada tabel di atas,
penelitian ini diharapkan dapat menutupi kekurangan serta keterbatasan pada hasil
penelitian-penelitian sebelumnya seperti mengukur niat pengguna dalam
mengadopsi Sistem Administrasi Kependudukan (SIAK), menggunakan variabel
trust & risk dalam mengukur tingkat penerimaan pengguna SIAK serta kaitannya
dengan Dukcapil Kota Tangerang Selatan. Oleh karena itu, penelitian ini
menggunakan model UTAUT (Venkatesh et al. 2003), dengan variabel tambahan
60
seperti Attitude Toward Use (Ajzen 1991), Anxiety (D. Compeau, Higgins, and Huff
1999), Percived Risk & Trust of Government (Bélanger and Carter 2008) untuk
meneliti niat perilaku masyarakat untuk menggunakan SIAK di wilayah Kota
Tangerang Selatan.
2.15 Populasi dan Sampel
Pengertian populasi menurut Sugiyono (2008) adalah suatu wilayah
generalisasi yang terdiri atas objek/subjek dimana mereka mempunyai kualitas dan
karakteristik tertentu yang sudah ditetapkan sebelumnya oleh peneliti untuk
dipelajari yang kemudian di tarik kesimpulannya. Suharsimi Arikunto (2004) juga
berpendapat bahwa populasi adalah keseluruhan objek penelitian, disaat seseorang
ingin melakukan penelitian sebuah elemen pada wilayah tertentu maka
penelitiannya merupakan penelitian populasi. Berdasarkan definisi yang telah
dijabarkan sebelumnya, dapat disimpulkan bahwa populasi adalah keseluruhan
objek penelitian yang terdiri atas objek maupun subjek dimana mereka mempunyai
karakteristik tertentu yang sudah ditetapkan sebelumnya oleh peneliti yang
nantinya akan dipelajari dan ditarik kesimpulannya.
Sampel merupakan suatu bagian atau wakil dari keseluruhan populasi yang
akan diteliti. Jika penelitian yang dilakukan sebagian dari populasi maka
penelitiannya merupakan penelitian sampel (Arikunto and Jabar 2004). Sugiyono
(J. Sugiyono 2008) juga menjelaskan sampel yaitu sebagai suatu bagian dari
keseluruhan serta karakteristik yang dimiliki sebuah populasi. Sampel yang di
dapatkan dari suatu populasi nantinya harus benar-benar representatif (sangat
61
mewakili) populasi tersebut. Berdasarkan definisi yang telah dijabarkan
sebelumnya, dapat disimpulkan bahwa sampel adalah suatu bagian dari keseluruhan
populasi yang mencermkinkan karakteristik sebuah populasi.
2.15.1 Metode Pengambilan Sampel
Teknik pengambilan sampel adalah sebuah cara untuk menentukan sampel
yang jumlahnya sesuai dengan ukuran sampel yang akan dijadikan sumber data,
dengan memperhatikan sifat-sifat penyebaran populasi sehingga diperoleh sampel
yang representatif (mewakili) (Margono n.d.). Sugiyono (2015) membagi teknik
pengambilan sampel menjadi 2 metode yaitu probabilitas dan non-probabilitas,
seperti pada penjelasan sebagai berikut:
a. Probabilitas
Metode pemilihan sampel probabilitas disebut juga sebagai metode
pemilihan sampel secara acak. Teknik pengambilan sampel ini menetapkan semua
individu dalam populasi memiliki kesempatan yang sama untuk dipilih menjadi
sampel penelitian (Zainal 2007).
1. Simple Random Sampling
Merupakan pengambilan sampel yang paling sederhana dengan
menggunakan angka random atau acak. Pengambilan sampel ini digunakan
apabila populasi yang diambil dari sampel memiliki satu ciri tertentu.
62
2. Stratified Sampling
Merupakan pengambilan sampe secara bertingkat, biasanya digunakan
oleh peneliti apabila di dalam populasi terdapat srata atau tingkatan antara
satu kelompok dengan kelompok lainnya.
3. Systematic Sampling
Merupakan teknik pengambilan sampel secara sistematis. Teknik
pengambilan sampel ini hanya dilakukan secara acak hanya pada unsur
pertama dari populasi, unsur selanjutnya mengikuti deret atau sistematika
tertentu.
4. Cluster Sampling
Merupakan pengambilan sampel dengan memilih kelompok tertentu secara
acak, biasanya digunakan peneliti jika di dalam populasi terdapat suatu
kelompok yang memiliki ciri khas tersendiri.
5. Multistage Random Sampling
Teknik ini merupakan pengembangan dari teknik cluster random sampling.
Pada sampel acak bertingkat, kluster masih sangat besar. Karenanya sampel
tersebut di pecah kembali ke dalam beberapa kluster lalu sampel baru dapat
diambil.
b. Non-Probabilitas
Karakteristik dari teknik pengambilan sampel ini adalah tidak semua
anggota populasi memiliki kesempatan yang sama untuk dipilih menjadi sampel
penelitian. Sampel ini diambil secara tidak acak atau sampel diambil tanpa melalui
proses seleksi (Zainal 2007).
63
1. Convenience Sampling
Merupakan teknik pengambilan sampel tanpa melakukan mekanisme
tertentu. Pengambilan sampel dengan teknik ini dianggap tidak representatif
(mewakili) populasi.
2. Purposive Sampling
Merupakan teknik sampling yang digunakan oleh peneliti jika peneliti
mempumyai pertimbangan tertentu di dalam pengambilan sampelnya
seperti pemikiran atau pengetahuan. Sampel yang terpilih mewakili
pemahaman sampel terhadap populasi sehingga sampel benar-benar
mewakili seluruh populasi.
3. Quota Sampling
Merupakan teknik pengambilan sampel dengan menggunakan batasan
jumlah (kuota). Sampel tersebut mempunyai kriteria tertentu yang dapat
dijadikan responden.
4. Snowball Sampling
Merupakan teknik pengambilan sampel dengan metode rekomendasi dari
sampel sebelumnya. Teknik ini dimulai dari sedikit sampel, kemudian
mengambil sampel selanjutnya berdasarkan rekomendasi dari sampel
sebelumnya. Teknik ini diambil ketika peneliti tidak terlalu paham
mengenai kondisi populasi yang menjadi targetnya.
64
2.15.2 Rumus Slovin
Besarnya suatu populasi dalam melakukan penelitian menghadirkan ide
bagi Slovin untuk mengembangkan suatu rumus yang sederhana dengan tujuan
mendapatkan jumlah sampel yang mewakili keseluruhan populasi. Rumus Slovin
dikembangkan oleh Slovin tahun 1960 dengan tujuan untuk menghitung jumlah
sampel minimal, apabila perilaku dari suatu populasi tidak diketahui secara pasti.
Rumus ini digunakan untuk menghitung jumlah sampel minimal dari suatu daerah
yang terlalu besar yang disebabkan oleh wilayah yang cukup luas dan populasi yang
amat besar (Consuelo and Sevilla 2007).
Metode dalam menentukan jumlah sampel dalam penelitian ini
menggunakan rumus slovin yaitu sebagai berikut :
𝑛 =𝑁
(1+(𝑁×𝑒2)) ………………..(1)
Keterangan
n : Total ukuran sampel
N : Ukuran populasi
e : Tingkat kesalahan
1 : Bilangan konstan
Perlunya ditentukan batas toleransi kesalahan sebelum menggunakan rumus
Slovin. Sebagai contoh, semakin kecil toleransi kesalahan maka semakin akurat
suatu sampel menggambarkan populasi. Besaran ukuran sampel sangat tergantung
dari besaran tingkat kesalahan yang diinginkan peneliti. Dalam hal ini, semakin
65
besar tingkat kesalahan, maka semakin kecil jumlah sampel dan sebaliknya
semakin kecil tingkat kesalahan, maka semakin besar jumlah sampel. Sebagai
contoh, penelitian dengan batas kesalahan 10% berarti memiliki tingkat akurasi
sebesar 90%. Penelitian dengan tingkat kesalahan 5% berarti memiliki tingkat
akurasi sebesar 95% (Consuelo and Sevilla 2007).
2.16 Skala likert
Menurut Sugiyono (S. Sugiyono 2015), skala likert adalah suatu skala yang
digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau
sekelompok orang tentang suatu fenomena sosial. Skala ini dikembangkan oleh
Likert tahun 1932 dimana skala ini mempunyai lima atau lebih skor pilihan dalam
satu butir pertanyaan untuk mengukur perilaku individu. Variabel yang diukur
nantinya digambarkan menjadi sebuah indikator variabel. Indikator tersebut akan
menjadi acuan dalam menyusun poin-poin instrumen berupa pertanyaan maupun
pernyataan menggunakan skala Likert. Pemberian skor dalam skala Likert meliputi;
(1) Skor 1 untuk menyatakan Sangat Tidak Setuju, (2) Skor 2 untuk menyatakan
Tidak Setuju, (3) Skor 3 untuk menyatakan Netral/Tidak Memutuskan, (4) Skor 4
untuk menyatakan Setuju, dan (5) Skor 5 untuk menyatakan Sangat Setuju
Skala Likert biasanya digunakan dengan lima skala namun kadang
digunakan juga skala tingkat tujuh atau tingkat sembilan. Weksi Budiaji mengutip
pembahasan Preston dan Colman (2000) mengenai jumlah titik pada skala Likert.
Jumlah titik 5, 6, dan 7 menghasilkan indeks realibilitas, validitas, dan kekuatan
66
diskriminasi yang baik. Berbeda dengan jumlah pada titik 2, 3, dan 4 menghasilkan
indeks reliabilitas, validitas, dan kekuatan diskriminasi yang buruk (Budiaji 2013).
2.17 Partial Least Square-Structural Equation Modeling (PLS-SEM)
Partial Least Square (PLS) pertama kali dikembangkan oleh Wold pada
tahun 1975 pada bidang ekonometrik. Menurut Wold (1975), metode analisis ini
mempunyai kekuatan yang kuat sebab tidak didasarkan pada banyak asumsi atau
syarat. Misalnya data tidak harus terdistribusi normal multivariate dan ukuran
sampel yang tidak harus besar. PLS didefinisikan oleh Mustakini (2015) sebagai
suatu teknik statistik multivarian yang melakukan perbandingan antara variabel
dependen berganda dengan variabel independen berganda. PLS merupakan analisis
SEM berbasis varian yang dapat melakukan pengujian model pengukuran dan
pengujian model struktural. Model pengukuran PLS dapat digunakan untuk uji
validitas dan reliabilitas, sedangkan model struktural digunakan untuk tujuan
konfirmasi (pengujian hipotesis). Tujuan dari Partial Least Square adalah untuk
menjelaskan hubungan antar konstruk variabel dan membangun pengertian dari
nilai hubungan yang terbangun (Yamin, Rachmach, and Kurniawan 2011).
2.17.1 SmartPLS
Teknik analisis menggunakan PLS-SEM sering menggunakan SmartPLS
sebagai tools yang biasa digunakan. Software ini dikembangkan oleh University of
Hamburg . SmartPLS mempunyai kelebihan dibandingkan dengan software sejenis
(seperti: Lisrel dan AMOS) yaitu ketika peneliti memiliki keterbatasan jumlah
67
sampel sementara model yang dibangun kompleks. Beberapa komponen dalam
SmartPLS, yaitu:
1. Variabel Laten
Variabel ini terbagi menjadi dua yaitu variabel eksogen (bersifat independen)
dan variabel endogen (bersifat dependen), variabel eksogen adalah variabel
yang mempengaruhi variabel endogen. Karakteristik dari variabel laten tidak
dapat diamati dan diukur secara langsung .
2. Observed Variabel
Sering dikenal dengan variabel manifest yaitu variabel yang besaran
kuantitatifnya dapat diamati dan diketahui secara langsung. Contohnya skor
skala respons subjek terhadap instrument pengukuran.
2.17.2 Evaluasi Model PLS
a. Outer Model
Model ini biasa disebut juga dengan model pengukuran yang mencakup
pemeriksaan individual item reliability, internal consistency, average variance
extracted dan discriminant validity. Model pengukuran ini digunakan dengan
tujuan mengetahui hubungan antara variabel dengan indikator-indikatornya
(Yamin, Rachmach, and Kurniawan 2011). Model pengukuran ini biasa
digunakan untuk menguji validitas dan reliabilitas model.
68
Gambar 2. 6 Contoh Model Pengukuran dalam PLS (Juliandi 2018)
Pengecekan individual item reliability untuk dapat mengetahui nilai outer
loadings. Besaran nilai outer loadings tersebut dapat menjelaskan seberapa
besar hubungan konstruk indikator dengan variabelnya. Nilai outer loadings
idealnya adalah di atas 0,7 dan nilai outer loadings antara 0,4 sampai 0,7 dapat
dipertimbangkan jika nilai composite reliability dan average variance extracted
indikator tersebut memenuhi standar. Indikator sebaiknya dihilangkan jika
mempunyai nilai loadings di bawah 0,4 (Hair Jr et al. 2017).
Pengecekan Internal consistency dapat dilihat dari nilai composite
reliability. Nilai ini nantinya dapat mencerminkan reliabilitas semua indikator
dalam suatu model. Reliabilitas dengan composite reliability diinterpretasikan
sama dengan Cronbach’s alpha pada model SEM. Cronbach’s alpha cenderung
menaksir lebih rendah construct reliability jika dibandingkan dengan composite
reliability. Besaran nilai composite reliability idealnya adalah 0,7 higga 0,9 dan
nilai 0,6 hingga 0,7 masih dapat diterima (Hair Jr et al. 2017).
Pengukuran convergent validity adalah untuk menemukan nilai average
variance extracted (AVE). Nilai ini menjelaskan besaran varian atau keragaman
69
variabel manifes yang dapat di kandung oleh variabel laten. Besaran minimal
average variance extracted adalah 0,5 hal ini mempunyai arti bahwa satu
variabel laten setidaknya mampu menjelaskan lebih dari setengah varian dari
indikatornya (Hair Jr et al. 2017).
Pengujian discriminant validity dilakukan dengan dua cara yaitu dengan
melihat nilai cross-loadings dan kriteria Fornell-Larcker. Cross-Loadings
dengan membandingkan nilai outer loadings suatu indikator dengan
variabelnya sendiri dan dengan variabel pada blok lain. Jika suatu indikator
mempunyai korelasi yang lebih tinggi dengan variabelnya dibandingkan dengan
variabel pada blok lainnya, maka variabel tersebut memprediksi blok mereka
lebih baik daripada blok lainnya. Kriteria Fornell-Larcker dengan cara
membandingkan nilai AVE dengan kuadrat nilai korelasi antar variabel (R2).
Akar AVE harus bernilai lebih tinggi dari kuadrat korelasi antar variabel (R2).
b. Inner Model
Pengujian inner model atau yang biasa disebut dengan model struktural
dilakulan untuk dapat mengetahui hubungan antara konstruk variabel dengan
variabel lainnya yang di hipotesiskan oleh peneliti. Pengujian ini mempunyai 6
tahapan meliputi path coefficient (β), coefficient of determination (R2), t-test,
effect size (f2), predictive relevance (Q2), dan relative impact (q2) (Yamin,
Rachmach, and Kurniawan 2011).
70
Gambar 2. 7 Contoh Model Struktural dalam PLS (Juliandi 2018)
Tahap pertama yaitu path coefficient (β) dengan melihat signifikansi
terhadap pengujian hipotesis. Path coefficient menggambarkan kekuatan
hubungan antara konstruk variabel dengan model yang diajukan. Besaran
ambang batas nilai koefisien jalur di atas 0,1 dapat berarti memiliki pengaruh
terhadap model.
Tahap selanjutnya yaitu dengan mengevaluasi coefficient of determinant
(R2), nilai ini menjelaskan varian dari tiap variabel laten endogeneous. Semakin
tinggi nilai R2 membuktikan bahwa semakin baik model memprediksi model
penelitian yang diajukan. Nilai R2 dibagi menjadi tiga kategori yaitu nilai 0,67
dikategorikan sebagai nilai substansial (kuat), nilai 0,33 dikategorikan sebagai
moderate, dan nilai 0,19 menunjukan tingkat varian yang lemah.
Tahap ketiga yaitu t-test dengan menggunakan metdoe bootstrapping
menggunakan uji two-tailed dengan tingkat signifikansi untuk menguji
71
hipotesis penelitian. Besar tingkat signifikan yang sering dipakai dalam
peneitian adalah 1,65 (10%), 1,96 (5%) dan 2,57 (1%) (Hair Jr et al. 2017).
Tahap keempat yakni pengujian effect size (f2) untuk mengetahui pengaruh
suatu variabel terhadap variabel lainnya dengan ambang batas pengaruh kecil
sebesar 0,02; ambang batas pengaruh menengah sebesar 0,15; dan ambang batas
pengaruh besar bernilai 0,35 (Hair Jr et al. 2017). Effect size dihitung dengan
menggunakan rumus sebagai berikut :
𝑓2 =𝑅𝑖𝑛𝑐𝑙𝑢𝑑𝑒2 −𝑅𝑒𝑥𝑐𝑙𝑢𝑑𝑒
2
1−𝑅𝑖𝑛𝑐𝑙𝑢𝑑𝑒2 ………………..(2)
Keterangan:
𝑅𝑖𝑛𝑐𝑙𝑢𝑑𝑒2 : Nilai R2 ketika prediktor dimasukkan ke dalam model
𝑅𝑒𝑥𝑐𝑙𝑢𝑑𝑒2 : Nilai R2 ketika prediktor dikeluarkan ke dalam model
Tahap kelima pengujian yaitu predictive relevance (Q2) dengan metode
blindfolding untuk mengetahui keterkaitan prediktif antara variabel dari sebuah
model yang diajukan dengan variabel lainnya dalam model tersebut dengan
nilai ambang batas di atas nol.
Tahap terakhir yaitu melakukan pengujian relative impact (q2) dengan
menggunakan metode blindfolding untuk mengukur pengaruh relatif antara
sebuah variabel prediksi tertentu dengan variabel lainnya denan ambang batas
pengaruh kecil senilai 0,02; pengaruh menengah senilai 0,15; dan pengaruh
besar senilai 0,35 (Hair Jr et al. 2017). Relative impact (q2) dihitung dengan
rumus sebagai berikut :
72
𝑞2 =𝑄𝑖𝑛𝑐𝑙𝑢𝑑𝑒2 −𝑄𝑒𝑥𝑐𝑙𝑢𝑑𝑒
2
1−𝑄𝑖𝑛𝑐𝑙𝑢𝑑𝑒2 ………………..(3)
Keterangan:
𝑄𝑖𝑛𝑐𝑙𝑢𝑑𝑒2 : Nilai Q2 ketika prediktor dimasukkan ke dalam model
𝑄𝑒𝑥𝑐𝑙𝑢𝑑𝑒2 : Nilai Q2 ketika prediktor dikeluarkan ke dalam model
73
BAB III
METODOLOGI PENELITIAN
3.1 Pendekatan Penelitian
Penelitian ini menggunakan pendekatan kuantitatif untuk mengukur tingkat
penerimaan pengguna terhadap sistem pendaftaran terintegrasi Disdukcapil dan
menguji hipotesis yang telah ditetapkan. Pengujian hipotesis dilakukan dengan
mencari tahu variabel-variabel independen yang mempengaruhi variabel dependen
pada penelitian ini. Sehubungan dengan pendekatan penelitian tersebut, peneliti
menggunakan metode, teknik analisis, dan tools yang sesuai dengan pendekatan
kuantitatif untuk mendapatkan hasil yang tepat.
Pengumpulan data dilakukan dengan penyebaran kuesioner secara langsung
(tatap muka) dan penyebaran secara tidak langsung melalui media google form.
Analisis data dilakukan dengan bantuan beberapa software, seperti Microfost Word
2016 sebagai alat bantu penulisan laporan, Mendeley Desktop sebagai alat bantu
penulisan laporan dalam memasukan referensi yang dipakai peneliti, Draw.io
sebagai media pembuatan diagram terkait pembuatan laporan, Microsoft Excel
2016 sebagai alat bantu untuk mengklasifikasikan data kuesioner, dan SmartPLS
versi 3.0 sebagai alat bantu untuk pengolahan data hasil kuesioner.
74
3.2 Kerangka Penelitian
Penelitian ini diawali dengan pencarian studi literatur terkait topik yang
diambil untuk memperkuat landasan penelitian dilanjutkan dengan perumusan
masalah dan usulan model penelitian sampai akhirnya interpretasi hasil dan
kesimpulan dari penelitian ini. Gambar 3.1 berikut menunjukan runtutan kerangka
penelitian yang peneliti lakukan secara bertahap.
Gambar 3. 1 Kerangka Penelitian
75
3.3 Metode Pengumpulan Data
3.3.1 Studi Literatur
Studi literatur didapatkan dari membaca dan mempelajari buku-buku
maupun jurnal terkait penelitian sejenis seputar e-government dengan berlandaskan
model pengukuran Unified Theory of Acceptance and Use of Technology (UTAUT)
yang dikembangkan oleh Venkatesh (Venkatesh et al. 2003), Dinas Kependudukan
dan Pencatatan Sipil, dan metode penelitian kuantitatif. Jurnal penelitian sejenis
yang telah dirangkum disajikan dalam bentuk Tabel pada Bab II.
3.3.2 Populasi dan Sampel Penelitian
Populasi dalam penelitian ini adalah warga negara Kota Tangerang Selatan
yang terdaftar di Dinas Kependudukan dan Pencatatan Sipil. Data penelitian ini
mengacu pada jumlah kartu keluarga di Kota Tangerang Selatan yang diberikan
oleh pihak Dukcapil Kota Tangsel yaitu sebanyak 417.800 pada semester 1 tahun
2020. Maka dari itu populasi dalam penelitian ini sebanyak 417.800 pengguna
sistem terintegrasi Dukcapil dan jumlah penarikan sampel menggunakan rumus
Slovin dengan tingkat kesalahan sebesar 10% (S. Sugiyono 2015). Untuk
mendukung pengambilan sampel peneliti mengambil beberapa teori dari penelitian
sebelumnya. Pada PLS-SEM diatur mengenai penentuan sampel penelitian yaitu 10
kali dari jumlah maksimum anak panah yang mengarah ke variabel laten (10 time
rule of thumb) (Hair, Ringle, and Sarstedt 2013). Jumlah jalur pada penelitian ini
adalah 9, maka 9 dikali 10 adalah 90 sampel minimal pada penelitian ini. Teori
76
lainnya adalah Guritno et al (2011) mengemukakan sampel yang diperlukan dalam
SEM (Structural Equation Modelling) berkisar 100 sampai 200 sampel.
Dengan menggunakan rumus Slovin untuk menghitung jumlah sampel
dengan tingkat kesalahan sebesar 10%, didapatkan jumlah sampel yang dibutuhkan
sebanyak 100 sampel yang nantinya akan diambil secara acak dari anggota
populasi. Populasi terbagi menjadi tujuh kecamatan yang ada di Kota Tangerang
Selatan dan untuk menghitung jumlah sampel setiap kecamatan maka digunakan
rumus sample fraction (Handayani and Sudiana 2015). Berikut data sampel
minimal setiap kecamatan pada tabel 3.1.
Dengan demikian berdasarkan rumus slovin, 127 responden didapatkan
dalam penyebaran kuesioner secara langsung maupun tidak langsung dianggap
valid dan dapat dijadikan sampel pada penelitian ini.
Tabel 3. 1 Jumlah Sampel dari Tujuh Kecamatan
No Kecamatan Sample Fraction Jumlah Sampel
1 Serpong 47,473
417,800× 127
14
2 Serpong Utara 41,723
417,800× 127
13
3 Pondok Aren 89,180
417,800× 127
27
4 Ciputat 65,088
417,800× 127
20
5 Ciputat Timur 53,415
417,800× 127
16
6 Pamulang 95,464
417,800× 127
29
77
7 Setu 25,457
417,800× 127
8
Jumlah 127
Akan tetapi pada penelitian ini data yang didapat tidak sesuai dengan
pembagian jumlah sampel setiap kecamatan pada tabel 3.1. Hal ini disebabkan
keterbatasan waktu dan sulitnya untuk mendapatkan data di beberapa kecamatan.
Dengan demikian, 127 responden yang terlibat pada penelitian ini terbagi dari tujuh
kecamatan di Tangerang Selatan memiliki jumlah yang hampir sama di setiap
kecamatannya.
3.3.3 Survei
Survei dilakukan dengan penyebaran kuesioner secara langsung maupun
tidak langsung yang bertujuan untuk mengumpulkan data dari sampel yang telah
diajukan. Penyebaran kuesioner secara langsung dilakukan dengan cara tatap muka
dengan responden. Sedangkan penyebaran kuesioner secara tidak langsung melalui
bantuan media sosial seperti Whatsapp, Line, Instagram dan lain sebagainya
menggunakan media Google Form untuk pengisian datanya.
Semua kuesioner yang telah terkumpul nantinya akan diklasifikasikan
menggunakan alat bantu tools pengolah angka Microsoft Excel 2016. Dari data
kuesioner yang telah disebar, peneliti memperoleh 127 data kuesioner. 114
kuesioner berasal dari penyebaran kuesioner secara langsung dan 13 kuesioner
didapatkan dari penyebaran kuesioner secara tidak langsung. Data kuesioner dapat
dilihat pada tabel 3.3 berikut.
78
Tabel 3. 2 Jumlah Data Kuesioner
Metode Penyebaran ∑ Valid ∑ Tidak Valid Keterangan
Langsung 114 - -
Tidak Langsung 13 - -
TOTAL 127 - Semua Valid
3.4 Metode Analisis Data
3.4.1 Model Usulan dan Pengembangan Hipotesis
Penelitian ini bertujuan untuk mengetahui tingkat penerimaan warga Kota
Tangerang Selatan dan faktor-faktor apa saja yang mempengaruhi niat penggunaan
sistem pendaftaran terintegrasi Dinas Kependudukan dan Pencatatan Sipil. Setelah
melakukan studi literatur penelitian sebelumnya dan beberapa penelitian sejenis
terkait e-government, peneliti memutuskan untuk menggunakan model Unified
Theory of Acceptance and Use of Technology (UTAUT) sebagai model utama
dalam penelitian ini (Venkatesh et al. 2003). Peneliti menggunakan konstruk
attitude toward use sebagai variabel dependen seperti yang dilakukan Rana et al
(2016) dari teori model Theory of Planned Behavior (TPB) (Ajzen 1991). Hal ini
didasari dari data yang menunjukan bahwa model yang melibatkan attitude sebagai
variabel dependen maupun independen (TRA, TPB, DTPB, TAM) lebih kuat dari
model penerimaan lainnya. Attitude juga ditemukan memiliki pengaruh yang
signifikan dari hubungan antar konstruk serta performa keseluruhan model. Dan
juga konstruk attitude sendiri menunjukan kekuatan dan hubungan signifikansi
79
yang tinggi terhadap behavioral intention dari semua model penerimaan yang
melibatkan attitude sebagai variabel (seperti: TRA, TPB, DTPB, TAM)
ditunjukkan dari nilai R2 yang tinggi (Rana et al. 2016). Beberapa penelitian
sebelumnya juga pernah melibatkan attitude sebagai variabel dependen terhadap
performance expectancy, effort expectancy, dan social influence yang
menggunakan UTAUT (Hung, Chang, and Kuo 2013; Moryson and Moeser 2016;
Thomas, Singh, and Gaffar 2013). Peneliti membangun hipotesis facilitating
condition terhadap behavioral intention berdasarkan penelitian sebelumnya oleh
Ajzen (Ajzen 1991) dan Compeau & Higgins (D. R. Compeau and Higgins 1995)
dari konstruk model penelitian mereka (perceived behavioral control & facilitating
condition).
Selain itu, peneliti juga membangun hipotesis Anxiety dari model penelitian
sebelumnya (D. Compeau, Higgins, and Huff 1999) terhadap attitude toward use
sebagai penentu sikap dimana individu mungkin akan lebih peduli terhadap niat
untuk mengadopsi layanan e-government (Rana et al. 2016). Beberapa penelitian
juga membuktikan bahwa konstruk anxiety memberikan pengaruh yang signifikan
sebagai penentu attitude individu (S. A. Brown, Fuller, and Vician 2004; Korobili,
Togia, and Malliari 2010). Konstruk Perceived Risk dan Trust of Government juga
ditambahkan pada penelitian ini, mengacu pada konteks trust dan risk pada
kesediaan seseorang untuk menggunakan layanan e-government dari model
penelitian sebelumnya (Bélanger and Carter 2008). Beberapa penelitian juga
membuktikan pengaruh yang signifikan dari hipotesis konstruk variabel ini
80
terhadap niat individu (Kurfalı et al. 2017; Moryson and Moeser 2016; de Sena
Abrahão, Moriguchi, and Andrade 2016; Slade et al. 2015; Voutinioti 2013)
Penelitian ini menghilangkan variabel moderator (gender, age, dan
experience) yang pada penelitian ini ditampilkan sebagai karakteristik responden,
nantinya akan di demografikan pada Bab IV. Voluntariness of use (kesukarelaan)
peneliti hilangkan sesuai dengan penelitian yang dilakukan Sedana & Wijaya
(2010), hal ini dikarenakan proses pendaftaran layanan menggunakan sistem
Dukcapil bersifat wajib (mandatory) bagi masyarakat Tangsel sehingga tidak
diperlukan pengukuran kesukarelaan. Model usulan pada penelitian ini dapat dilihat
pada gambar 3.2 berikut:
Gambar 3. 2 Usulan Model Penelitian
81
Sesuai dengan model penelitian yang diajukan, berikut adalah
pembangunan hipotesis penelitian terkait faktor-faktor yang mempengaruhi tingkat
penerimaan pengguna sistem pendaftaran Dinas Kependudukan dan Pencatatan
Sipil Kota Tangerang Selatan:
1. Performance Expectancy
Dalam penelitian ini, yang dimaksud dengan performance expectancy
adalah sebagai mana seorang pengguna percaya bahwa menggunakan SIAK
dapat meningkatkan kinerjanya dan membantu pengguna dalam proses
pendaftaran layanan pemerintah secara cepat. Dapat diketahui bahwa variabel
performance expectancy adalah prediktor terkuat terhadap niat dan tetap
signifikan di segala jenis pengukuran, baik dalam penelitian sukarela
(voluntary) maupun wajib (mandatory) (Venkatesh et al. 2003). Dalam model
penerimaan TAM oleh Davis (Davis 1989) memperlihatkan konstruk perceived
usefulness memiliki hubungan yang signifikan terhadap attitude dalam konteks
adopsi teknologi informasi. Kita ketahui bahwa perceived usefulness
merupakan salah satu konstruk performance expectancy dalam UTAUT. Maka
peneliti ambil kesimpulan bahwa performance expectancy pada penelitian ini
memiliki hubungan yang positif dan signifikan terhadap sikap pengguna
mengadopsi aplikasi SIAK. Penelitian sebelumnya juga membuktikan bahwa
variabel performance expectancy berhubungan positif dan signifikan terhadap
sikap (attitude) individu menerapkan teknologi baru (Park, Yang, and Lehto
2007; Pynoo et al. 2011). Penelitian yang dilakukan Rana (Rana et al. 2016)
82
juga membuktikan bahwa variabel ini mempunyai pengaruh signifikan terhadap
attitude dalam konteks adopsi e-government.
Berdasarkan penjelasan tersebut di atas, dapat diasumsikan bahwa variabel
performance expectancy berpengaruh positif terhadap sikap (attitude) individu
dalam mengadopsi SIAK. Berdasarkan hal tersebut, peneliti mengambil
hipotesis sebagai berikut:
H1: Performance Expectancy (PE) berpengaruh positif terhadap Attitude
Toward Use (ATU)
2. Effort Expectancy
Dalam konteks penelitian ini, yang dimaksud dengan effort expectancy
adalah seberapa besar usaha yang dikeluarkan oleh pengguna dalam memahami
dan dalam aspek kemudahan dalam menggunakan SIAK. Effort expectancy
signifikan terhadap konteks sukarela (voluntary) dan wajib (mandatory).
Namun variabel ini hanya signifikan selama periode waktu pertama, dan
menjadi tidak signifikan setelah penggunaan sistem berkelanjutan (Venkatesh
et al. 2003). Sama seperti perceived usefulness dalam model penerimaan TAM
oleh Davis (Davis 1989), konstruk perceived ease of use juga memiliki
hubungan yang signifikan terhadap attitude dalam konteks adopsi teknologi
informasi. Kita ketahui bahwa perceived ease of use merupakan salah satu
konstruk effort expectancy dalam UTAUT. Maka peneliti ambil kesimpulan
bahwa effort expectancy pada penelitian ini memiliki hubungan yang positif dan
signifikan terhadap sikap pengguna mengadopsi SIAK. Penelitian sebelumnya
83
juga membuktikan bahwa variabel effort expectancy berhubungan positif dan
signifikan terhadap attitude individu menerapkan teknologi baru (Alshare and
Lane 2011; Park, Yang, and Lehto 2007; Pynoo et al. 2011). Dalam konteks e-
government penelitian yang dilakukan Rana (Rana et al. 2016) membuktikan
bahwa variabel effort expectancy signifikan terhadap sikap pengguna.
Berdasarkan penjelasan tersebut di atas, dapat diasumsikan bahwa variabel
effort expectancy berpengaruh positif terhadap sikap (attitude) individu dalam
mengadopsi SIAK. Berdasarkan hal tersebut, peneliti mengambil hipotesis
sebagai berikut:
H2: Effort Expectancy (EE) berpengaruh positif terhadap Attitude
Toward Use (ATU)
3. Social Influence
Dalam penelitian ini, yang dimaksud dengan social influence adalah sejauh
mana seseorang merasa bahwa orang terdekat dan penting bagi mereka, percaya
bahwa dia harus menggunakan SIAK dalam melakukan proses pendaftaran.
Konteks Social Influence cenderung hanya signifikan terhadap penggunaan
sistem voluntary (sukarela), walaupun dalam beberapa kasus signifikan
terhadap seseorang yang belum pernah menggunakan teknologi
sebelumnya. Variabel ini memiliki konstruk yang sama dari penelitian
sebelumnya termasuk subjective norm (TRA, TAM2, TPB, dan DTPB) dimana
memperlihatkan hubungan yang signifikan terhadap attitude dalam konteks
adopsi teknologi informasi. Diketahui bahwa subjective norm merupakan salah
84
satu konstruk social influence dalam UTAUT. Penelitian sebelumnya juga
membuktikan bahwa variabel social influence memiliki hubungan positif dan
signifikan terhadap attitude individu menerapkan teknologi baru (Y.-T. H. Chiu
et al. 2012; Moryson and Moeser 2016; Park, Yang, and Lehto 2007).
Berdasarkan penjelasan tersebut di atas, dapat diasumsikan bahwa variabel
social influence berpengaruh positif terhadap sikap (attitude) individu dalam
mengadopsi SIAK. Berdasarkan hal tersebut, peneliti mengambil hipotesis
sebagai berikut:
H3: Social Influence (SI) berpengaruh positif terhadap Attitude
Toward Use (ATU)
4. Facilitating Condition
Dalam konteks penelitian ini, yang dimaksud dengan facilitating condition
adalah sejauh mana seseorang percaya bahwa infrastruktur atau hardware yang
ada dapat mendukung penggunaan SIAK. Sebagai contoh device yang dimiliki
pengguna apakah kompatibel dengan penggunaan SIAK. Penelitian yang
dilakukan Taylor dan Todd (Taylor and Todd 1995a) menyatakan bahwa
perceived behavioral control penting dalam konteks sukarela (voluntary)
maupun wajib (mandatory) hanya setelah pelatihan pertama, namun pelatihan
selanjutnya tidak berpengaruh terhadap niat perilaku. Dalam model penerimaan
TPB oleh Ajzen (Ajzen 1991) memperlihatkan konstruk perceived behavioral
control memiliki hubungan yang signifikan terhadap behavioral intention
dalam konteks adopsi teknologi informasi. Melihat referensi dari UTAUT
85
model, dapat disetujui bahwa konstruk facilitating condition di hipotesakan
untuk mempengaruhi aspek teknologi saat diimplementasikan di lingkungan
organisasi (Ajzen 1991). Penelitian sebelumnya juga membuktikan bahwa
variabel facilitating condition berhubungan positif dan signifikan terhadap niat
perilaku (behavioral intention) individu menerapkan teknologi baru (Carter et
al. 2012; Thomas, Singh, and Gaffar 2013).
Berdasarkan penjelasan tersebut di atas, dapat diasumsikan bahwa variabel
facilitating condition berpengaruh positif terhadap berhavioral intention dalam
mengadopsi SIAK. Berdasarkan hal tersebut, peneliti mengambil hipotesis
sebagai berikut:
H4: Facilitating Condition (FC) berpengaruh positif terhadap Behavioral
Intention (BI)
5. Anxiety
Pada penelitian ini, konteks anxiety diartikan sebagai perasaan cemas
pengguna SIAK terhadap penggunaan internet. Konteks ini dapat disebabkan
jika seorang pengguna tidak terbiasa menggunakan teknologi dan khawatir jika
menggunakan sistem Dukcapil dapat melakukan kesalahan yang tidak dapat
diperbaiki. Pengguna diharapkan dapat menghindari perasaan cemas khususnya
dalam konteks penggunaan teknologi komputasi (D. Compeau, Higgins, and
Huff 1999). Menurut Rana et al (Rana et al. 2016) variabel anxiety dalam sistem
informasi, diperlihatkan sebagai variabel perilaku yang mempengaruhi sikap
pengguna mengadopsi teknologi. Penelitian sebelumnya membuktikan bahwa
86
variabel anxiety memilki pengaruh negatif dan signifikan terhadap attitude
individu menerapkan teknologi baru (S. A. Brown, Fuller, and Vician 2004;
Igbaria and Chakrabarti 1990; Korobili, Togia, and Malliari 2010).
Berdasarkan penjelasan tersebut di atas, dapat diasumsikan bahwa variabel
anxiety berpengaruh negatif dan signifikan terhadap attitude dalam mengadopsi
SIAK. Berdasarkan hal tersebut, peneliti mengambil hipotesis sebagai berikut:
H5: Anxiety (ANX) berpengaruh negatif terhadap Attitude Toward Use
(ATU)
6. Perceived Risk
Dalam konteks penelitian ini, yang dimaksud perceived risk adalah suatu
ekspektasi warga jika menderita kerugian dalam menggunakan SIAK. Hal ini
dapat terjadi karena pihak penyedia layanan berperilaku tidak jujur atas data
pribadi warganya, dan dapat disebabkan juga karena kekhawatiran terhadap
teknologi yang tidak dapat diprediksi dan diluar kemampuan penggunanya.
Carter & Belanger (Bélanger and Carter 2008) berpendapat bahwa perceived
risk sulit untuk diukur secara objektif, maka konstruk ini lebih terfokus terhadap
persepsi individu terhadap risiko. Penelitian sebelumnya membuktikan bahwa
variabel perceived risk memilki pengaruh negatif dan signifikan terhadap
behavioral intention individu menerapkan teknologi baru (C.-M. Chiu and
Wang 2008; Moryson and Moeser 2016; de Sena Abrahão, Moriguchi, and
Andrade 2016).
87
Berdasarkan penjelasan tersebut di atas, dapat diasumsikan bahwa variabel
perceived risk berpengaruh negatif dan signifikan terhadap berhavioral
intention dalam mengadopsi SIAK. Berdasarkan hal tersebut, peneliti
mengambil hipotesis sebagai berikut:
H6: Perceived Risk (PR) berpengaruh negatif terhadap Behavioral
Intention (BI)
7. Trust of government
Dalam konteks penelitian ini, yang dimaksud dengan trust of government
adalah sejauh mana warga percaya terhadap integritas dan kemampuan
Dukcapil dalam menyediakan layanan electronic government. Warga harus
percaya bahwa Dukcapil memiliki sumber daya yang diperlukan untuk
mengelola dan mengamankan sistem ini atas data pribadi mereka yang
tersimpan di sistem. Gefen (Gefen et al. 2005) menjelaskan bahwa kepercayaan
warga negara terhadap lembaga pemerintah mempunyai dampak yang kuat atas
adopsi teknologi e-government secara luas. Menurut Carter & Belanger
(Bélanger and Carter 2008), warga harus percaya bahwa lembaga pemerintah
menyediakan layanan e-government untuk mendapatkan keuntungan
(transparansi, akuntabel, responsif) bukan untuk memantau masyarakat.
Penelitian sebelumnya membuktikan bahwa variabel trust of government
memilki pengaruh positif dan signifikan terhadap behavioral intention sistem
layanan pemerintah di Yunani (Voutinioti 2013). Penelitian yang dilakukan
oleh Kurfali (Kurfalı et al. 2017) juga membuktikan bahwa variabel trust of
88
government memiliki pengaruh positif dan signifikan terhadap performance
expectancy implementasi sistem di Turki.
Berdasarkan penjelasan tersebut di atas, dapat diasumsikan bahwa variabel
trust of government berpengaruh positif terhadap berhavioral intention dan
performance expectancy dalam mengadopsi sistem Dukcapil. Berdasarkan hal
tersebut, peneliti mengambil hipotesis sebagai berikut:
H7: Trust of Government (TOG) berpengaruh positif terhadap
Performance Expectancy (PE)
H8: Trust of Government (TOG) berpengaruh positif terhadap Behavioral
Intention (BI)
8. Attitude Toward Using
Konstruk attitude sudah digunakan oleh beberapa model penelitian
penerimaan teknologi sebelumnya termasuk TRA (Fishbein and Ajzen 1977),
TAM (Davis 1989), TPB (Ajzen 1991), dan DTPB (Taylor and Todd 1995b)
untuk mengukur niat perilaku pengguna dalam mengadopsi teknologi. Dalam
konteks penelitian ini, attitude toward use diartikan sebagai perasaan pengguna
dalam menggunakan sistem Dukcapil. Seperti contoh, warga cenderung
memiliki sifat positif terhadap penggunaan SIAK jika penggunaannya
menghasilkan keuntungan bagi dirinya. Sebaliknya, warga cenderung memiliki
sisi negatif jika penggunaannya tidak menguntungkan bagi dirinya. Jika ditinjau
dari model TPB, Ajzen (Ajzen 1991) menyatakan attitude secara general
89
signifikan dalam memprediksi keberlangsungan niat pengguna. Beberapa
penelitian sebelumnya juga membuktikan bahwa variabel attitude toward use
memilki pengaruh positif dan signifikan terhadap behavioral intention individu
menerapkan teknologi baru (Hung, Chang, and Kuo 2013; Moryson and Moeser
2016; Thomas, Singh, and Gaffar 2013).
Berdasarkan penjelasan tersebut di atas, dapat diasumsikan bahwa variabel
attitude toward use berpengaruh positif terhadap berhavioral intention dalam
mengadopsi SIAK. Berdasarkan hal tersebut, peneliti mengambil hipotesis
sebagai berikut:
H9: Attitude Toward Use (ATU) berpengaruh positif terhadap
Behavioral Intention (BI)
3.4.2 Indikator Penelitian
Tabel 3. 3 Indikator Penelitian
Variabel Indikator Kode Referensi
Ekspektasi Kinerja
(Performance
Expectancy)
Perceived Usefulness PE1 Venkatesh et al.
(Venkatesh et al.
2003)
Extrinsic Motivation PE2
Job-fit PE3
Relative Advantage PE4
Effort Expectancy
Perceived Ease of Use EE1 Venkatesh et al.
(Venkatesh et al.
2003)
Keterampilan EE2
Ease of Use EE3
Social Influence
Subjective Norm SI1 Venkatesh et al.
(Venkatesh et al.
2003)
Social Factors SI2
90
Facilitating
Condition
Perceived Behavioral Control FC1 Venkatesh et al.
(Venkatesh et al.
2003)
Facilitating Condition FC2
Compatibility FC3
Anxiety
Apprehensive feelings ANX1 Compeau and Higgins
(D. Compeau,
Higgins, and Huff
1999)
Venkatesh et al.
(Venkatesh et al.
2003)
Fear of loss ANX2
Irreperable mistakes ANX3
Perceived Risk
Risky decision PR1 Carter and Belanger
(Bélanger and Carter
2008)
Risk-belief PR2
Trust of
Government
Trust of Government Agencies TOG1 Carter and Belanger
(Bélanger and Carter
2008)
Faithfully transaction TOG2
Privacy Trust TOG3
Attitude toward
use
Good idea to use system ATU1 Davis et al. (1989)
Fishbein and Ajzen
(Fishbein and Ajzen
1977)
Pleasant ATU3
Behavioral
Intention
Repurchase intentions BI1 Venkatesh et al.
(Venkatesh et al.
2003)
Service Quality BI2
3.4.3 Pembuatan Kuesioner
Pembuatan kuesioner berdasarkan model UTAUT yang diusulkan yang
telah di modifikasi. Pertayanyaan-pertanyaan yang tersedia disesuaikan dengan
variabel-variabel yang diusulkan. Berikut kuesioner pada penelitian ini:
91
DATA RESPONDEN
A. Profil Responden
Jawablah dengan memberikan tanda (✓) pada jawaban yang tersedia.
1. Jenis Kelamin : Laki-laki Perempuan
2. Usia : 20-30 tahun 31-40 tahun
41-50 tahun >50 tahun
3. Profesi : Pelajar/Mahasiswa PNS
Pegawai Swasta Wirausaha
Freelance Lain-lain
4. Pendidikan Terakhir : Tidak Sekolah SD/Sederajat
SMP/Sederajat SMA/Sederajat
Diploma Sarjana
5. Kecamatan anda tinggal : Serpong Serpong Utara
Pondok Aren Ciputat
Ciputat Timur Pamulang
Setu
B. Pertanyaan Umum
1. Apakah anda sebelumnya pernah menggunakan internet?
Pernah Belum Pernah
2. Apa tipe jaringan internet yang anda gunakan?
Jaringan wifi (Indihome, First Media, MyRepublic, dsb)
Jaringan seluler (XL Axiata, Telkomsel, Indosat, dsb)
3. Sudah berapa lama anda menggunakan internet?
92
< 1 tahun 1-5 tahun 6-10 tahun > 10 tahun
4. Apakah anda pernah melakukan pendaftaran online sebelumnya melalui
website Disdukcapil?
Pernah Belum Pernah
5. Apakah anda mengetahui alur pendaftaran layanan pada sistem
Disdukcapil?
Iya Tidak
C. Variabel Kuesioner
Dalam pengisian kuesioner di bawah, peneliti menggunakan lima poin skala
Likert.
Tabel 3. 4 Keterangan Lima Poin Skala Likert
Jawaban Singkatan Nilai
STS Sangat Tidak Setuju 1
TS Tidak Setuju 2
N Netral 3
S Setuju 4
SS Sangat Setuju 5
93
Tabel 3. 5 Daftar Kuesioner
No Pernyataan
Penilaian
STS TS N S SS
Performance Expectancy (PE)
1 Saya merasa aplikasi pendaftaran Dukcapil
memiliki kemampuan transaksi lebih baik
daripada manual
2 Aplikasi Dukcapil meningkatkan kualitas
pelayanan dalam proses pendaftaran online
3 Menurut saya, aplikasi Dukcapil
menghemat waktu dan tenaga saya, dan
membuat proses pendaftaran yang saya
lakukan menjadi lebih cepat
4 Aplikasi Dukcapil meningkatkan
produktivitas saya dalam proses
pendaftaran layanan secara online
Effort Expectancy (EE)
1 Menurut saya aplikasi Dukcapil mudah
digunakan dalam proses pendaftaran online
2 Mudah bagi saya untuk cepat memahami
dan mengoperasikan aplikasi pendaftaran
Dukcapil
3 Menurut saya, aplikasi Dukcapil tidak
membutuhkan keterampilan khusus dalam
penggunannya. Dan semua orang dapat
menggunakan aplikasi ini dengan mudah
4 Saya merasa aplikasi Dukcapil
menyediakan tatacara pendaftaran online
dengan jelas dan mudah dimengerti
Social Influence (SI)
94
1 Keluarga/tetangga dekat saya menyarankan
untuk melakukan pendaftaran pada aplikasi
Dukcapil terlebih dahulu
2 Karyawan Dukcapil maupun orang
terdekat saya (keluarga), membantu saya
dalam penggunaan aplikasi Dukcapil
3 Secara umum pemerintah telah
memberikan arahan untuk melakukan
proses pendaftaran melalui aplikasi
Dukcapil
Facilitating Condition (FC)
1 Aplikasi Dukcapil dapat di akses dengan
perangkat yang saya miliki
(laptop/handphone/komputer/tablet)
2 Saya mengetahui dan paham dengan alur
tata cara pendaftaran online pada aplikasi
Dukcapil
3 Terdapat karyawan Dukcapil yang selalu
siap membantu saya ketika saya kesulitan
dalam melakukan pendaftaran
4 Aplikasi pendaftaran Dukcapil kompatibel
dengan internet yang saya gunakan (google
chrome, safari, modzilla, dan lain
sebagainya)
Anxiety (ANX)
1 Terdapat rasa khawatir dalam diri saya
ketika menggunakan aplikasi Dukcapil,
karena proses pendaftaran dilakukan secara
online melalui internet. Saya lebih tenang
jika proses pendaftaran dilakukan secara
manual
2 Saya merasa takut dapat menghancurkan
sejumlah besar informasi karena menekan
95
tombol yang salah dalam proses
pendaftaran di aplikasi Dukcapil
3 Terdapat keraguan dalam diri saya ketika
menggunakan aplikasi Dukcapil karena
melakukan kesalahan yang tidak dapat
saya perbaiki
4 Saya merasa takut jika aplikasi Dukcapil
tidak mampu menjaga kerahasiaan data
saya
Perceived Risk (PR)
1 Menurut saya aplikasi Dukcapil
menyebabkan risiko tersebarnya data
pribadi saya
2 Secara umum, saya yakin menggunakan
aplikasi pendaftaran Dukcapil melalui
internet mempunyai risiko yang tinggi
Trust of Government (TOG)
1 Saya percaya terhadap lembaga
pemerintah, khususnya Disdukcapil
2 Lembaga Disdukcapil dapat dipercaya
menyediakan layanan transaksi online
dengan sungguh-sungguh
3 Saya percaya lembaga Disdukcapil
menjaga privasi data pribadi saya dalam
sistem mereka
Attitude Toward Use (ATU)
1 Menurut saya menggunakan aplikasi
pendaftaran Dukcapil adalah ide yang
bagus
2 Menurut saya menggunakan aplikasi
pendaftaran Dukcapil terasa
menyenangkan
96
3 Saya akan menganjurkan ke orang terdekat
saya untuk melakukan pendaftaran di
aplikasi Dukcapil sebelum datang ke
kantor layanan
4 Saya menyukai proses pendaftaran online
melalui aplikasi Dukcapil
Behavioral Intentions (BI)
1 Saya berniat menggunakan aplikasi
Dukcapil dalam semua proses pendaftaran
layanan yang disediakan lembaga Dukcapil
2 Kualitas pelayanan aplikasi Dukcapil
online terintegrasi sudah baik
3.4.4 Analisis Data dan Hasil Interpretasinya
Tahap ini dilakukan setelah semua data terkumpul dimana menerapkan dua
pendekatan analisis pada penelitian ini yaitu analisis demografis dan analisis
inferential. Tahap pertama, peneliti melakukan analisis data demografis dengan
mengelompokkan data responden berdasarkan usia, jenis kelamin, profesi, tingkat
pendidikan terakhir, serta pengetahuan mengenai sistem Disdukcapil serta
pengalaman menggunakan sistem tersebut menggunakan tools Microsoft Excel
2016. Selanjutnya dilakukan pengolahan data melalui analisis inferential untuk
menganalisa dan menguji hipotesis pada penelitian ini menggunakan pendekatan
PLS-SEM dan bantuan tools SmartPLS versi 3.0.
Analisis inferential dilakukan dengan dua tahapan, yakni analisis
measurement model (outer model) dan analisis structural model (inner model).
Model pengukuran atau outer model dilakukan melalui proses pengujian validitas
97
dan realibilitas meliputi beberapa tahapan meliputi individual item reliability,
internal consistency reliability, average variance extracted, dan discriminant
validity. Pengujian ini penting untuk mengetahui seberapa besar hubungan yang
terbentuk antara satu variabel dengan indikatornya. Sedangkan analisis model
struktural meliputi enam tahap pengujian, yakni path coefficient (β), coefficient of
determination (R2), t-test menggunakan metode bootstrapping, effect size (f2),
predictive relevance (Q2), dan relative impact (q2) menggunakan metode
blindfolding. Dari pengujian ini akan menentukan tingkat signifikansi sebuah
model yang diajukan dalam mengukur objek penelitian yang diajukan. Pengujian
ini juga akan menguji hipotesis yang ditetapkan pada penelitian ini.
98
BAB IV
HASIL DAN PEMBAHASAN
4.1 Gambaran Umum Perusahaan
Dinas Kependudukan dan Pencatatan Sipil (Disdukcapil) Kota Tangerang
Selatan adalah sebuah institusi pemerintahan yang mengatur layanan sipil
kewarganegaraan meliputi identitas penduduk, pindah datang, pendataan
penduduk, akta kelahiran, perkawinan/perceraian, dan akta kematian. Lembaga ini
didirikan sebagai unsur pelaksana urusan pemerintahan daerah di bidang
administrasi kependudukan dan pencatatan sipil. Dinas Kependudukan dan
Pencatatan Sipil (Disdukcapil) Kota Tangerang Selatan dibawahi oleh kementrian
dalam negeri yang mempunyai tugas pokok menyelenggarakan urusan daerah yang
berkenaan dengan bidang kependudukan dan pencatatan sipil sesuai kebijakan
pemerintah. Dalam menjalankan tugas pokok tersebut, Dinas Kependudukan dan
Pencatatan Sipil Kota Tangerang Selatan mempunyai fungsi sebagai berikut:
1) Perencanaan, pelaksanaan, pembinaan dan pengendalian pendaftaran
penduduk dan penertiban dokumen kependudukan;
2) Perencanaan, pelaksanaan dan pengendalian pencatatan sipil dan penertiban
akta catatan sipil;
3) Perencanaan dan pelaksanaan penyuluhan, pengawasan dan penegakan
Peraturan Daerah tentang Kependudukan;
4) Perencanaan, pelaksanaan dan pengendalian pendataan, evaluasi dan
penyusunan program dibidang kependudukan.
99
Gambar 4. 1 Struktur Organisasi Dinas Kependudukan dan Pencatatan Sipil Kota
Tangerang Selatan
Dalam pelaksanaannya, Disdukcapil memiliki landasan hukum sebagai
suatu pondasi dan menjadi pegangan dalam pelaksanaan prosedur sipil warga
negara di Indonesia. Landasan hukum tersebut meliputi Undang-Undang No. 23
Tahun 2006 mengatur Admnistrasi Kependudukan, Peraturan Presiden No. 25
Tahun 2008 tentang Persyaratan dan Tatacara Pendaftaran Penduduk dan
Pencatatan Sipil, dan Peraturan Walikota No. 57 Tahun 2016 tentang Kedudukan,
Kepala Dinas
Bidang Pelayanan Pendaftaran Penduduk
Seksi Identitas Penduduk
Seksi Pindah Datang Penduduk
Seksi Pendataan Penduduk
Bidang Pelayanan Pencatatan Sipil
Seksi Kelahiran
Seksi Perkawinan dan Perceraian
Seksi Perubahan Status Anak,
Pewarganegaraan & Kematian
Bidang Pengelolaan Informasi
Administrasi Kependudukan
Seksi Sistem Informasi Adm. Kependudukan
Seksi Pengolahan dan Penyajian Data Kependudukan
Seksi Tata Kelola & SDM Teknologi
Infokom
Bidang Pemanfaatan Data & Inovasi
Pelayanan
Seksi Kerjasama
Seksi Pemanfaatan Data & Dok
Kependudukan
Seksi Inovasi Pelayanan
Sekretariat
Subbag Perencanaan
Subbag Umum & Kepegawaian
Subbag Keuangan
Kelompok Jabatan Fungsional
100
Susunan Organisasi, Tugas, Fungsi, dan Tata Kerja Dinas Kependudukan dan
Pencatatan Sipil.
4.2 Pilot Study
Pada tahap ini dilakukan pilot study atau juga dikenal sebagai pretest
dengan tujuan untuk mengetahui seberapa besar tingkat reliabilitas dan validitas
kuesioner yang digunakan peneliti serta hasilnya dengan model penelitian yang
digunakan. Beberapa penelitian terkait bidang sistem informasi juga mendukung
peneliti untuk melakukan pretest contohnya penelitian yang dilakukan oleh
(Subiyakto et al. 2015). Pilot study ini menghasilkan perhitungan tingkat reliabilitas
yang baik dengan nilai Composite Reliability (CR) di atas 0,7 dan perhitungan
tingkat validitas yang baik dengan nilai Average Variance Extracted (AVE) di atas
0,5. Hasil dari pilot study ini memberi acuan kepada penulis untuk mengubah
beberapa pertanyaan indikator kuesioner yang mempunyai nilai cross loading yang
rendah dan nilai discriminant validity yang rendah.
4.3 Hasil Analisis
4.3.1 Hasil Analisis Demografis
Pada tahap ini peneliti menganalisis jawaban responden dengan melihat
karakteristik dari hasil pengumpulan data profil responden dalam kuesioner yang
telah disebarkan sebelumnya yang hasilnya akan memperlihatkan informasi
demografis terkait penerimaan pengguna terhadap sistem Dinas Kependudukan dan
Pencatatan Sipil. Dari pengambilan data responden yang dilakukan dalam kurun
waktu 2 minggu terhitung pada tanggal 26 Oktober – 8 November 2020, peneliti
101
berhasil mendapatkan 127 data valid. Informasi demografis yang didapatkan
meliputi jenis kelamin, usia, tingkat pendidikan terakhir, profesi, kecamatan yang
ditempati, pengalaman dalam menggunakan internet, dan pengetahuan seputar
sistem Dukcapil. Berikut peneliti menyajikan hasil dari analisis demografis.
a. Jenis Kelamin
Dari data responden yang valid sebanyak 127 data, jumlah laki-laki
mendominasi penggunaan sistem dibandingkan dengan jumlah perempuan.
Jumlah laki-laki sebanyak 83 (65%) sedangkan jumlah perempuan sebanyak 44
(35%). Selanjutnya dapat dilihat pada gambar 4.2 berikut.
Gambar 4. 2 Diagram Jenis Kelamin
b. Usia
Dari data responden yang valid sebanyak 127 data, usia yang mendominasi
adalah rentang antara 21-30 tahun, yaitu sebanyak 52 (41%), lalu rentang usia
31-40 tahun sebanyak 44 (34%), 41-50 tahun sebanyak 25 (20%), dan usia lebih
65%
35%
JENIS KELAMIN
Laki-laki Perempuan
102
dari 50 tahun sebanyak 6 responden (5%). Selanjutnya dapat dilihat pada
gambar 4.3 berikut.
Gambar 4. 3 Diagram Usia
c. Tingkat Pendidikan Terakhir
Dari data responden yang valid sebanyak 127 data, tingkat pendidikan
terakhir yang mendominasi adalah SMA/Sederajat yang berjumlah 66
responden (52%), lalu pendidikan Sarjana yang berjumlah 48 responden (38%),
Diploma sebanyak 10 responden (8%), dan SMP/Sederajat sebanyak 3
responden (2%). Selanjutnya dapat dilihat pada gambar 4.4 berikut.
41%
34%
20%
5%
USIA
20-30 tahun 31-40 tahun 41-50 tahun >50 tahun
103
Gambar 4. 4 Diagram Tingkat Pendidikan Terakhir
d. Profesi
Dari data responden yang valid sebanyak 127 data, profesi responden yang
mendominasi adalah pegawai swasta sebanyak 40 responden (34%), lalu
pelajar/mahasiswa sebanyak 24 responden (20%), lalu wirausaha dan ibu rumah
tangga yang keduanya memiliki nilai yang sama sebesar 20 responden (16%),
profesi lainnya sebesar 13 responden (10%), dan pegawai negeri sipil sebanyak
10 responden (8%). Selanjutnya dapat dilihat pada gambar 4.5 berikut.
2%
52%
8%
38%
TINGKAT PENDIDIKAN TERAKHIR
SMP/Sederajat SMA/Sederajat Diploma Sarjana
104
Gambar 4. 5 Diagram Profesi
e. Kecamatan yang Ditempati
Dari data responden yang valid sebanyak 127 data, kecamatan yang di
dominasi responden pada penelitian ini adalah kecamatan pamulang sebanyak
26 responden (21%), lalu pondok aren sebanyak 25 responden (20%),
kecamatan ciputat sebanyak 23 responden (18%), kecamatan ciputat timur
sebanyak 21 responden (17%), kecamatan serpong utara sebanyak 13 responden
(10%), kecamatan serpong sebanyak 12 responden (9%), dan kecamatan setu
sebanyak 7 responden (5%). Selanjutnya dapat dilihat pada gambar 4.6 berikut.
19%
31%
8%
16%
16%
10%
PROFESI
Pelajar/Mahasiswa Pegawai Swasta PNS
Wirausaha Ibu Rumah Tangga Lainnya
105
Gambar 4. 6 Diagram Kecamatan yang Ditempati
f. Pengalaman Penggunaan Internet
Dari data responden yang valid sebanyak 127 data, semua responden dalam
segala rentang usia sudah pernah menggunakan teknologi internet, dengan
rentang waktu yang mendominasi lebih dari 10 tahun sebanyak 43 responden
(34%), lalu 1-5 tahun sebanyak 40 responden (32%), 6-10 tahun sebanyak 36
responden (28%), dan kurang dari 1 tahun sebanyak 8 responden (6%).
Selanjutnya dapat dilihat pada gambar 4.7 berikut.
9%
10%
20%
18%
17%
20%
6%
KECAMATAN YANG DITEMPATI
Serpong Serpong Utara Pondok Aren Ciputat
Ciputat Timur Pamulang Setu
106
Gambar 4. 7 Diagram Total Waktu Penggunaan Internet
Adapun dari data responden yang valid sebanyak 127 data, diperoleh tipe
jaringan internet yang digunakan responden didominasi oleh jaringan seluler
sebanyak 68 responden (54%), dan tipe jaringan wifi sebanyak 59 responden
(46%). Selanjutnya dapat dilihat pada gambar 4.8 berikut.
Gambar 4. 8 Diagram Tipe Jaringan Internet
6%
32%
28%
34%
WAKTU PENGGUNAAN INTERNET
<1 tahun 1-5 tahun 6-10 tahun >10 tahun
54%46%
TIPE JARINGAN INTERNET YANG DIGUNAKAN
Jaringan Seluler Jaringan Wifi
107
g. Pendaftaran Menggunakan Sistem Dukcapil
Dari data responden yang valid sebanyak 127 data, semua responden dalam
semua kecamatan yang ditempati sudah pernah melakukan pendaftaran pada
sistem Dukcapil sebelumnya. Adapun masyarakat terlihat sudah banyak yang
mengetahui alur pendaftaran pada sistem Dukcapil daripada yang tidak. Total
responden yang mengetahui tentang alur pendaftaran layanan Dukcapil
sebanyak 111 responden (87%), dan masyarakat yang tidak mengetahui
sebanyak 16 responden (13%). Selanjutnya dapat dilihat pada gambar 4.9
berikut.
Gambar 4. 9 Diagram Pengetahuan tentang alur pendaftaran Dukcapil
87%
13%
PENGETAHUAN ALUR PENDAFTARAN DUKCAPIL
Iya Tidak
108
4.3.2 Hasil Analisis Pengukuran Model
Pada tahap ini, analisis pengukuran model (outer model) dilakukan melalui
empat tahap pengujian, pertama yaitu individual construct reliability, internal
consistency reliability, average variance extracted, dan discriminant validity
(Yamin, Rachmach, and Kurniawan 2011). Hasil dari pengujian analisis
pengukuran model dilampirkan sebagai berikut.
1. Individual Construct Reliability
Pengujian ini dilakukan dengan menghitung nilai outer loadings yang
menyatakan seberapa besar korelasi antara setiap item indikator dengan
konstruk variabelnya. Nilai outer loadings dikatakan ideal jika bernilai di atas
0,7 dan dikatakan cukup ideal jika bernilai 0,6 hingga 0,7 (Hair Jr et al. 2017;
Yamin, Rachmach, and Kurniawan 2011). Setelah melakukan perhitungan
outer loadings didapatkan hasil yang ditampilkan pada tabel 4.1.
Dari hasil outer loadings pada tabel 4.1 di bawah dapat terlihat bahwa
terdapat 2 indikator yang memiliki nilai kurang dari 0,6 yaitu EE3 dan ANX4.
Hasil outer loadings setelah penghapusan 2 indikator dapat dilihat pada tabel
4.2, dan pengujian dapat dilakukan ke tahap selanjutnya karena tidak ada lagi
indikator yang bernilai di bawah 0,6.
109
Tabel 4. 1 Hasil Uji Outer Loadings Sebelum Penghapusan Indikator
Indikator ANX ATU BI EE FC PR PE SI TOG
ANX1 0.67
ANX2 0.858
ANX3 0.888
ANX4* 0.013
ATU1 0.804
ATU2 0.859
ATU3 0.731
ATU4 0.876
BI1 0.88
BI2 0.881
EE1 0.83
EE2 0.792
EE3* 0.482
EE4 0.769
FC1 0.765
FC2 0.801
FC3 0.721
FC4 0.727
PE1 0.833
PE2 0.874
PE3 0.836
PE4 0.832
PR1 0.922
PR2 0.967
SI1 0.785
SI2 0.821
SI3 0.819
TOG1 0.706
TOG2 0.859
TOG3 0.871
110
Tabel 4. 2 Hasil Uji Outer Loadings Setelah Penghapusan Iindikator
Indikator ANX ATU BI EE FC PR PE SI TOG
ANX1 0.702
ANX2 0.9
ANX3 0.927
ATU1 0.807
ATU2 0.859
ATU3 0.728
ATU4 0.875
BI1 0.88
BI2 0.881
EE1 0.854
EE2 0.806
EE4 0.756
FC1 0.765
FC2 0.801
FC3 0.721
FC4 0.727
PE1 0.833
PE2 0.874
PE3 0.836
PE4 0.832
PR1 0.922
PR2 0.967
SI1 0.785
SI2 0.821
SI3 0.818
TOG1 0.706
TOG2 0.859
TOG3 0.871
111
2. Internal Consistency Reliability
Pengujian ini dilakukan dengan cara menghitung nilai composite reliability
(CR). Nilai composite reliability dikatakan ideal apabila bernilai di atas 0,7 dan
masih dapat diterima jika bernilai 0,6 sampai 0,7 (Hair Jr et al. 2017; Ringle,
Da Silva, and Bido 2015). Setelah melakukan penghitungan tersebut, diperoleh
hasil composite reliability pada tabel 4.3 di bawah.
Tabel 4. 3 Hasil Uji Composite Reliability
Variabel Composite Reliability
Anxiety 0.884
Attitude Toward Use 0.890
Behavioral Intention 0.873
Effort Expectancy 0.848
Facilitating Condition 0.840
Perceived Risk 0.943
Performance Expectancy 0.908
Social Influence 0.850
Trust of Government 0.855
Dari hasil composite reliability di bawah ini dapat dilihat bahwa tiap
variabel memiliki nilai composite reliability (CR) di atas 0,7 yang menunjukan
bahwa variabel-variabel tersebut valid dan dapat diterima.
3. Average Variance Extracted
Pengujian ini dilakukan dengan cara menghitung nilai average variance
extracted (AVE). Nilai average variance extracted dikatakan ideal apabila
bernilai lebih dari 0,5, hal ini memenuhi serta menunjukan nilai convergent
validity yang baik. Artinya, variabel laten dapat dapat menjelaskan rata-rata
112
lebih dari setengah variance dari indikator-indikatornya (Hair Jr et al. 2017;
Yamin, Rachmach, and Kurniawan 2011). Hasil dari perhitungan tersebut
diperoleh hasil average variance extracted (AVE) yang dapat dilihat pada tabel
4.4 di bawah.
Tabel 4. 4 Hasil Uji Average Variance Extracted
Variabel Average Variance Extracted (AVE)
Anxiety 0.721
Attitude Toward Use 0.671
Behavioral Intention 0.775
Effort Expectancy 0.650
Facilitating Condition 0.569
Perceived Risk 0.892
Performance Expectancy 0.712
Social Influence 0.654
Trust of Government 0.665
Dari hasil average variance extracted (AVE) di bawah, dapat terlihat bahwa
tiap variabel memiliki nilai AVE di atas 0,5 yang menandakan bahwa variabel-
variabel tersebut valid dan dapat diterima.
4. Discriminant Validity
Pengujian ini dilakukan dengan dua metode pengujian, yang pertama
menghitung nilai cross loadings, yaitu dengan cara membandingkan nilai outer
loadings indikator pada variabelnya serta dengan variabel pada blok lainnya.
Dengan syarat nilai dari outer loadings indikator dengan variabelnya harus
lebih tinggi daripada variabel pada blok lainnya (Hair Jr et al. 2017; Ringle, Da
113
Silva, and Bido 2015). Setelah melakukan perhitungan tersebut, maka diporeleh
hasil cross loadings yang dapat dilihat pada tabel 4.5 berikut.
Tabel 4. 5 Hasil Uji Cross Loadings
Indikator ANX ATU BI EE FC PR PE SI TOG
ANX1 0.702 -0.066 0.011 0.005 -0.148 0.368 -0.141 -0.055 -0.113
ANX2 0.900 -0.251 -0.178 -0.194 -0.286 0.416 -0.288 -0.172 -0.124
ANX3 0.927 -0.321 -0.193 -0.147 -0.275 0.444 -0.348 -0.07 -0.081
ATU1 -0.275 0.807 0.566 0.456 0.415 -0.272 0.555 0.304 0.432
ATU2 -0.142 0.859 0.577 0.408 0.366 -0.067 0.289 0.332 0.423
ATU3 -0.315 0.728 0.521 0.267 0.362 -0.172 0.290 0.175 0.213
ATU4 -0.250 0.875 0.615 0.430 0.385 -0.096 0.388 0.314 0.385
BI1 -0.188 0.618 0.880 0.423 0.425 -0.230 0.496 0.305 0.308
BI2 -0.140 0.609 0.881 0.429 0.440 -0.281 0.390 0.373 0.398
EE1 -0.081 0.436 0.394 0.854 0.485 -0.241 0.547 0.476 0.444
EE2 -0.221 0.371 0.412 0.806 0.536 -0.268 0.543 0.496 0.38
EE4 -0.113 0.355 0.366 0.756 0.537 -0.316 0.436 0.582 0.517
FC1 -0.143 0.268 0.362 0.446 0.765 -0.225 0.434 0.306 0.352
FC2 -0.333 0.350 0.421 0.571 0.801 -0.344 0.523 0.510 0.473
FC3 -0.155 0.430 0.370 0.454 0.721 -0.329 0.345 0.623 0.532
FC4 -0.257 0.365 0.318 0.445 0.727 -0.115 0.465 0.369 0.354
PE1 -0.288 0.363 0.421 0.518 0.506 -0.236 0.833 0.307 0.244
PE2 -0.323 0.429 0.395 0.539 0.535 -0.223 0.874 0.370 0.346
PE3 -0.246 0.386 0.445 0.484 0.423 -0.249 0.836 0.232 0.170
PE4 -0.281 0.411 0.444 0.583 0.506 -0.262 0.832 0.350 0.328
PR1 0.388 -0.122 -0.211 -0.245 -0.29 0.922 -0.212 -0.337 -0.347
PR2 0.493 -0.214 -0.319 -0.369 -0.354 0.967 -0.312 -0.347 -0.288
SI1 -0.187 0.196 0.276 0.475 0.476 -0.434 0.351 0.785 0.459
SI2 0.046 0.296 0.302 0.511 0.37 -0.264 0.175 0.821 0.500
SI3 -0.178 0.321 0.344 0.548 0.612 -0.233 0.404 0.818 0.385
TOG1 -0.084 0.390 0.308 0.327 0.356 -0.140 0.101 0.322 0.706
TOG2 -0.088 0.401 0.312 0.515 0.545 -0.255 0.303 0.573 0.859
TOG3 -0.104 0.338 0.362 0.483 0.480 -0.365 0.353 0.428 0.871
114
Metode selanjutnya adalah menghitung nilai Fornell-Larcker Criterion,
yaitu dengan cara membandingkan nilai akar AVE tiap variabel dengan
variabel lainnya. Dengan syarat, nilai variabel tersebut harus lebih tinggi
daripada variabel yang lainnya (Hair Jr et al. 2017; Yamin, Rachmach, and
Kurniawan 2011). Maka diperoleh nilai Fornell-Larcker Criterion yang
ditampilkan pada tabel 4.6 berikut.
Tabel 4. 6 Hasil Uji Fornell-Larcker Criterion
ANX ATU BI EE FC PR PE SI TOG
ANX 0.849
ATU -0.299 0.819
BI -0.186 0.697 0.88
EE -0.168 0.483 0.484 0.806
FC -0.298 0.467 0.491 0.64 0.754
PR 0.476 -0.187 -0.291 -0.337 -0.346 0.945
PE -0.34 0.473 0.503 0.633 0.587 -0.287 0.844
SI -0.122 0.348 0.385 0.637 0.605 -0.361 0.38 0.808
TOG -0.113 0.451 0.401 0.552 0.572 -0.329 0.331 0.548 0.815
Setelah melakukan empat tahap pengujian pengukuran model mulai
dari individual construct reliability, average variance extracted, dan
discriminant validity, dapat dilihat bahwa hasil dari keempat pengujian
tersebut sudah dikatakan ideal dan memenuhi syarat di tiap masing-masing
pengujian. Dapat ditarik kesimpulan bahwa hasil dari pengujian model
pengukuran membuktikan model penelitian yang digunakan memiliki
kriteria yang baik dan sesuai untuk dapat melanjutkan ke tahap selanjutnya,
yaitu tahap pengujian model struktural.
115
4.3.3 Hasil Analisis Struktural Model
Pada tahap ini, analisis dilakukan untuk menguji struktural model dengan
melakukan enam tahap pengujian, yaitu path coefficient (ß), coefficient of
determination (R2), t-test menggunakan metode bootstrapping, effect size (f2),
predictive relevance (Q2), dan relative impact (q2) (Hair Jr et al. 2017; Yamin,
Rachmach, and Kurniawan 2011). Hasil dari pengujian keenam tahap tersebut akan
dijelaskan lebih lanjut di bawah ini.
1. Path Coeffecient
Pengujian ini dilakukan dengan cara menghitung nilai path coefficient (ß),
yaitu melihat signifikansi hubungan antar konstruk. Nilai path coefficient (ß)
dikatakan ideal jika bernilai lebih dari 0,1 atau lebih sehingga memiliki
pengaruh terhadap model penelitian (Hair Jr et al. 2017; Ringle, Da Silva, and
Bido 2015). Setelah melakukan pengujian tersebut, maka didapatkan hasil path
coefficient (ß) pada tabel 4.7 berikut ini.
Tabel 4. 7 Hasil Uji Path Coeffecient
Variabel ANX ATU BI EE FC PR PE SI TOG
ANX -0.171
ATU 0.596
BI
EE 0.272
FC 0.175
PR -0.121
PE 0.216
SI 0.071
TOG -0.007 0.331
116
Dari hasil path coefficient (β) di atas, dapat dilihat bahwa terdapat 7
hubungan variabel yang memiliki hubungan pengaruh yang signifikan.
Sementara 2 diantaranya yaitu jalur SI→ATU & TOG→BI memiliki
pengaruh yang tidak signifikan dan tidak berhubungan positif. Hasil model
path coefficient (ß) dapat dilihat pada gambar 4.10 berikut.
Gambar 4. 10 Hasil Path Coeffecient
117
2. Coeffecient of Determination
Pengujian ini dilakukan dengan cara menghitung nilai R-Square (R2) untuk
menjelaskan varian dari tiap variabel endogen (variabel yang dipengaruhi
variabel lain dalam model). Nilai R-Square dikatakan substansial jika bernilai
lebih dari 0,67, moderat jikat bernilai 0,33-0,67, dan lemah jika bernilai di
bawah 0,33 (Yamin, Rachmach, and Kurniawan 2011). Setelah melakukan
penghitungan tersebut, diperoleh nilai R-Square yang dapat dilihat pada tabel
4.8 berikut.
Tabel 4. 8 Hasil Uji Coeffecient of Determination
Variabel R2 Keterangan
Attitude Toward Use 0.310 Lemah
Behavioral Intention 0.534 Moderat
Performance Expectancy 0.110 Lemah
Dari hasil R-Square (R2) di atas, dapat dilihat bahwa variabel ATU dan PE
masing-masing dapat dikatakan lemah, dan variabel BI dapat dikatakan moderat
dengan perolehan nilai 0,534.
3. T-test / T-Statistic
Pengujian ini dilaksanakan dengan menggunakan metode bootstrapping
dengan jenis pengujian two-tailed dengan tingkat signifikansi 5% untuk
menguji hipotesis penelitian. Pada tingkat signifikansi 5%, hubungan akan
diterima jika memiliki nilai t-test lebih besar dari 1,96 (Ringle, Da Silva, and
Bido 2015).
118
Tabel 4. 9 Hasil Uji T-Test
Jalur T Statistics
ANX → ATU 2.472
ATU → BI 5.464
EE → ATU 2.514
FC → BI 2.023
PR → BI 2.001
PE → ATU 2.108
SI → ATU 0.719
TOG → BI 0.107
TOG → PE 3.525
Dari tabel 4.9 di atas, dapat diketahui bahwa terdapat 7 hubungan yang
memiliki nilai lebih dari 1,96 berarti hubungan ketujuh hipotesis tersebut
diterima. Namun ada dua hipotesis yang ditolak karena memiliki nilai kurang
dari 1,96, yaitu hipotesis SI→ATU & TOG→BI.
4. Effect Size (f2)
Pengujian ini dilaksanakan dengan cara menghitung nilai effect size (f2)
dengan memprediksi seberapa besar pengaruh suatu variabel terhadap variabel
lainnya dalam struktur model. Nilai effect size (f2) dapat dikatakan berpengaruh
besar jika bernilai lebih dari 0,35, pengaruh menengah jika bernilai 0,15-0,35,
dan berpengaruh kecil jika bernilai di bawah 0,15 (Hair Jr et al. 2017). Setelah
melakukan perhitungan maka diporeleh nilai effect size (f2) yang dijelaskan
pada tabel 4.10 berikut.
119
Tabel 4. 10 Hasil Uji Effect Size
Hubungan Jalur f2
Keterangan R2-in R2-ex ∑R2
ANX → ATU 0.310 0.285 0.036 Kecil
ATU → BI 0.534 0.275 0.556 Besar
EE → ATU 0.310 0.280 0.043 Kecil
FC → BI 0.534 0.516 0.039 Kecil
PR → BI 0.534 0.521 0.028 Kecil
PE → ATU 0.310 0.283 0.039 Kecil
SI → ATU 0.310 0.307 0.004 Kecil
TOG → BI 0.534 0.534 0.000 Kecil
TOG → PE 0.110 0.000 0.124 Kecil
Dari tabel 4.10 di atas, dapat diketahui bahwa satu diantara 9 hubungan jalur
memiliki pengaruh yang besar, yaitu hubungan ATU→BI yang memiliki nilai
sebesar 0,556, sedangkan delapan variabel lainnya memiliki pengaruh yang
kecil.
5. Predictive Relevance (Q2)
Pengujian ini dilaksanakan dengan cara menghitung nilai predictive
relevance (Q2) menggunakan metode blindfolding untuk membuktikan bahwa
variabel yang digunakan dalam model mempunyai keterkaitan prediktif
(predictive relevance) dengan variabel lainnnya dalam ambang batas
pengukuran di atas nol (Hair Jr et al. 2017). Setelah melakukan perhitungan
tersebut, diperoleh hasil predictive relevane yang dapat dilihat pada tabel 4.11
berikut.
120
Tabel 4. 11 Hasil Uji Predictive Relevance
Variabel Q²
Attitude Toward Use 0.186
Behavioral Intention 0.385
Performane Expectancy 0.065
Dari tabel 4.11 di atas, dapat diketahui bahwa semua variabel tersebut
memiliki keterkaitan dengan masing-masing variabel tersebut lebih dari nol.
6. Relative Impact
Pengujian ini dilaksanakan dengan cara menghitung nilai relative impact
(q2) menggunakan metode pengujian blindfolding bertujuan untuk
membuktikan pengaruh relatif dari keterkaitan prediktif (predictive relevance)
variabel sat dengan yang lainnya dalam suatu model penelitian. Nilai relative
impact dapat dikatakan berpengaruh besar jika bernilai lebih dari 0,35,
berpengaruh menengah jika bernilai 0,15-0,35, dan berpengaruh lemah jika
bernilai di bawah 0,15 (Hair Jr et al. 2017). Setelah melakukan pengujian
perhitungan tersebut maka diperoleh nilai relative impact (q2) pada tabel 4.12
berikut.
121
Tabel 4. 12 Hasil Uji Relative Impact
Hubungan Jalur q2
Keterangan Q2-in Q2-ex ∑Q2
ANX → ATU 0.186 0.171 0.018 Kecil
ATU → BI 0.385 0.190 0.317 Menengah
EE → ATU 0.186 0.166 0.025 Kecil
FC → BI 0.385 0.380 0.008 Kecil
PR → BI 0.385 0.378 0.011 Kecil
PE → ATU 0.186 0.178 0.010 Kecil
SI → ATU 0.186 0.186 0.000 Kecil
TOG → BI 0.385 0.390 -0.008 Kecil
TOG → PE 0.065 0.000 0.070 Kecil
Dari hasil relative impact (q2) pada tabel di atas, dapat dilihat bahwa satu
dari sembilan hubungan memiliki pengaruh menengah, yaitu hubungan
ATU→BI sebesar 0,317, sedangkan delapan variabel lainnya memiliki
pengaruh yang kecil.
122
Tabel 4. 13 Hasil Uji Analisis Model Struktural
Hipotesis ß T-test R2
f2
Q2 q2 Analisis
Hx Jalur R2-in R2-ex ∑R2 Q2-in Q2-ex ∑Q2 ß T-test R2 f2 Q2 q2
H1 PE → ATU 0.216 2.137 0.310 0.310 0.283 0.039 0.186 0.186 0.178 0.010 Signifikan Diterima L k PR k
H2 EE → ATU 0.272 2.277 0.310 0.310 0.280 0.043 0.186 0.186 0.166 0.025 Signifikan Diterima L k PR k
H3 SI → ATU 0.071 0.650 0.310 0.310 0.307 0.004 0.186 0.186 0.186 0.000 Tidak Signifikan Ditolak L k PR k
H4 FC → BI 0.175 2.008 0.534 0.534 0.516 0.039 0.385 0.385 0.380 0.008 Signifikan Diterima M k PR k
H5 ANX → ATU -0.171 2.374 0.310 0.310 0.285 0.036 0.186 0.186 0.171 0.018 Signifikan Diterima L k PR k
H6 PR → BI -0.121 2.001 0.534 0.534 0.521 0.028 0.385 0.385 0.378 0.011 Signifikan Diterima M k PR k
H7 TOG → PE 0.331 3.373 0.110 0.110 0.000 0.124 0.065 0.065 0.000 0.070 Signifikan Diterima L k PR k
H8 TOG → BI -0.007 0.104 0.534 0.534 0.534 0.000 0.385 0.385 0.390 -0.008 Tidak Signifikan Ditolak M k PR k
H9 ATU → BI 0.596 5.261 0.534 0.534 0.275 0.556 0.385 0.385 0.190 0.317 Signifikan Diterima M b PR m
123
4.4 Interpretasi dan Pembahasan Hasil Analisis
4.4.1 Interpretasi dan Pembahasan Hasil Analisis Data Demografis
1. Berdasarkan gambar 4.2 yang telah dilampirkan pada hasil analisis demografis
di atas, dapat diketahui bahwa mayoritas dari total 127 responden pada
penelitian ini adalah Laki-Laki sebanyak 83 responden (65%), dan sisanya
perempuan sebanyak 44 responden (35%). Hal ini disebabkan karena ketika
peneliti melakukan penyebaran kuesioner secara langsung, peneliti banyak
menjumpai responden laki-laki yang kebetulan sedang mengurus layanan di
Dukcapil. Hal ini juga dapat disebabkan karena laki-laki sebagai kepala
keluarga sering melakukan hal-hal yang bersifat administratif terhadap anggota
keluarganya, seperti pembuatan KTP, pembuatan surat pindah atau datang, dan
lainnya. Hal ini juga dibuktikan pada saat penyebaran kuesioner secara tidak
langsung, responden dengan gender laki-laki lebih banyak berpartisipasi untuk
mengisi kuesioner.
2. Berdasarkan gambar 4.3 yang telah dilampirkan pada hasil analisis demografis
di atas, dapat diketahui bahwa responden dari penelitian ini mayoritas berada
pada usia 21-30 tahun sebanyak 52 responden (41%), lalu diikuti usia 31-40
tahun sebanyak 44 responden (34%), lalu rentang usia 41-50 tahun sebanyak
25 responden (20%), dan rentang usia lebih dari 50 tahun sebanyak 6 responden
(5%). Hal ini disebabkan karena beberapa responden rentang umur 21-30 tahun
yang peneliti jumpai melakukan transaksi pada SIAK mewakili keluarganya.
Dengan demikian dapat disimpulkan bahwa mayoritas usia responden
penelitian ini yaitu pada rentang umur 21-30 tahun.
124
3. Berdasarkan gambar 4.4 yang telah dilampirkan pada hasil analisis demografis
di atas, dapat diketahui bahwa responden dari penelitian ini mayoritas
didominasi oleh lulusan Sekolah Menengah Atas (SMA) sebanyak 66
responden (52%), lalu diikuti lulusan Sarjana sebanyak 48 responden (38%),
lalu lulusan Diploma sebanyak 10 responden (8%), dan lulusan Sekolah
Menengah Pertama sebanyak 3 responden (2%). Dengan demikian dapat
disimpulkan bahwa mayoritas tingkat pendidikan responden penelitian ini
yaitu Sekolah Menengah Atas (SMA)/Sederajat.
4. Berdasarkan gambar 4.5 yang telah dilampirkan pada hasil analisis demografis
di atas, dapat diketahui bahwa responden dari penelitian ini mayoritas
responden berasal dari pegawai swasta sebanyak 40 responden (34%), diikuti
oleh pelajar/mahasiswa sebanyak 24 responden (20%), lalu wirausaha
sebanyak 20 responden (16%) yang jumlahnya sama dengan ibu rumah tangga
sebanyak 20 responden (16%), profesi lainnya sebanyak 13 responden (10%),
dan pegawai negeri sipil sebanyak 10 responden (8%). Dengan demikian dapat
disimpulkan bahwa mayoritas tingkat pendidikan responden penelitian adalah
karyawan swasta berdasarkan data yang penulis dapatkan dari survei secara
langsung maupun tidak langsung.
5. Berdasarkan gambar 4.5 yang telah dilampirkan pada hasil analisis demografis
di atas, dapat diketahui bahwa responden dari penelitian ini mayoritas
responden berasal dari kecamatan pamulang sebanyak 26 responden (21%), lalu
diikuti oleh responden dari kecamatan pondok aren sebanyak 25 responden
(20%), lalu responden dari kecamatan ciputat sebanyak 23 responden (18%),
125
responden dari kecamatan ciputat timur sebanyak 21 responden (17%),
responden dari kecamatan serpong utara sebanyak 13 responden (10%),
responden dari kecamatan serpong sebanyak 12 responden (9%), dan responden
dari kecamatan setu sebanyak 7 responden (5%). Hal ini disebabkan karena
kecamatan pamulang memiliki jumlah penduduk paling banyak di wilayah Kota
Tangerang Selatan. Maka secara tidak langsung, responden yang berpartisipasi
pada penelitian ini didominasi oleh warga yang bertempat di kecamatan
pamulang dan pondok aren.
6. Berdasarkan gambar 4.6 yang telah dilampirkan pada hasil analisis demografis
di atas, dapat diketahui bahwa responden dari penelitian ini dalam segala
rentang usia sudah pernah menggunakan teknologi internet, dengan rentang
waktu yang didominasi adalah lebih dari 10 tahun sebanyak 43 responden
(34%), diikuti waktu 1-5 tahun sebanyak 40 responden (32%), lalu waktu 6-10
tahun sebanyak 36 responden (28%), dan waktu kurang dari 1 tahun sebanyak
8 responden (6%). Penulis berasumsi bahwa umumnya responden dari
penelitian ini mayoritas berumur 21-30 tahun, yang sudah berkecimpung di
dunia teknologi komunikasi lebih dari 10 tahun.
7. Berdasarkan gambar 4.7 yang telah dilampirkan pada hasil analisis demografis
di atas, dapat diketahui bahwa responden dari penelitian ini 100% pernah
menggunakan media elektronik dengan jaringan seluler yang didominasi oleh
jaringan seluler sebanyak 68 responden (54%), diikuti oleh jaringan wifi
sebanyak 59 responden (46%). Peneliti berasumsi bahwa kemungkinan besar
126
responden menggunakan jaringan seluler karena kemudahan akses yang
didapatkan.
8. Berdasarkan gambar 4.8 yang telah dilampirkan pada hasil analisis demografis
di atas, dapat diketahui bahwa semua responden dalam penelitian ini sudah
pernah menggunakan SIAK. Adapun responden yang mengetahui tatacara alur
pendaftaran layanan pada website Dukcapil sebanyak 111 responden (87%),
dan yang tidak mengetahui alur pendaftaran sebanyak 16 responden (13%).
Dapat disimpulkan bahwa sebagian besar responden telah mengetahui alur
pendaftaran layanan pada SIAK. Informasi seputar tatacara pendaftaran
layanan juga sudah disediakan di website resmi Dukcapil. Penulis berasumsi
beberapa responden yang tidak mengetahui alur terjadi karena proses
pendaftaran dibantu oleh petugas layanan di tempat atau keluarga terdekat.
4.4.2 Interpretasi dan Pembahasan Hasil Analisis Model Pengukuran
Berdasarkan hasil analisis model pengukuran (outer model), terbukti bahwa
penelitian ini telah memenuhi syarat dengan mengacu pada nilai outer loadings
yang termasuk dalam kategori di atas 0,7, serta hasil analisis average variance
extracted lebih dari 0,5. Hasil tersebut membuktikan bahwa analisis model
pengukuran telah memenuhi syarat dan telah dilakukan dengan baik, yang
selanjutnya dapat dilanjutkan ke tahap analisis model structural (inner model).
Hasil dari analisis model pengukuran dapat dilihat pada tabel 4.13 di bawah ini.
127
Tabel 4. 14 Hasil Uji Analisis Model Pengukuran
Variabel Indikator
Outer
Loadings
Cross Loadings Composite
Reliability AVE
ANX ATU BI EE FC PR PE SI TOG
ANX
ANX1 0.702 0.702 -0.066 0.011 0.005 -0.148 0.368 -0.141 -0.055 -0.113
0.884 0.721 ANX2 0.900 0.900 -0.251 -0.178 -0.194 -0.286 0.416 -0.288 -0.172 -0.124
ANX3 0.927 0.927 -0.321 -0.193 -0.147 -0.275 0.444 -0.348 -0.070 -0.081
ATU
ATU1 0.807 -0.275 0.807 0.566 0.456 0.415 -0.272 0.555 0.304 0.432
0.890 0.671 ATU2 0.859 -0.142 0.859 0.577 0.408 0.366 -0.067 0.289 0.332 0.423
ATU3 0.728 -0.315 0.728 0.521 0.267 0.362 -0.172 0.290 0.175 0.213
ATU4 0.875 -0.250 0.875 0.615 0.430 0.385 -0.096 0.388 0.314 0.385
BI BI1 0.880 -0.188 0.618 0.880 0.423 0.425 -0.230 0.496 0.305 0.308
0.873 0.775 BI2 0.881 -0.14 0.609 0.881 0.429 0.440 -0.281 0.39 0.373 0.398
EE
EE1 0.854 -0.081 0.436 0.394 0.854 0.485 -0.241 0.547 0.476 0.444
0.848 0.650 EE2 0.806 -0.221 0.371 0.412 0.806 0.536 -0.268 0.543 0.496 0.380
EE4 0.756 -0.113 0.355 0.366 0.756 0.537 -0.316 0.436 0.582 0.517
FC
FC1 0.765 -0.143 0.268 0.362 0.446 0.765 -0.225 0.434 0.306 0.352
0.840 0.569 FC2 0.801 -0.333 0.350 0.421 0.571 0.801 -0.344 0.523 0.510 0.473
FC3 0.721 -0.155 0.430 0.370 0.454 0.721 -0.329 0.345 0.623 0.532
FC4 0.727 -0.257 0.365 0.318 0.445 0.727 -0.115 0.465 0.369 0.354
PE
PE1 0.833 -0.288 0.363 0.421 0.518 0.506 -0.236 0.833 0.307 0.244
0.908 0.712 PE2 0.874 -0.323 0.429 0.395 0.539 0.535 -0.223 0.874 0.370 0.346
PE3 0.836 -0.246 0.386 0.445 0.484 0.423 -0.249 0.836 0.232 0.170
PE4 0.832 -0.281 0.411 0.444 0.583 0.506 -0.262 0.832 0.350 0.328
128
PR PR1 0.922 0.388 -0.122 -0.211 -0.245 -0.290 0.922 -0.212 -0.337 -0.347
0.943 0.892 PR2 0.967 0.493 -0.214 -0.319 -0.369 -0.354 0.967 -0.312 -0.347 -0.288
SI
SI1 0.785 -0.187 0.196 0.276 0.475 0.476 -0.434 0.351 0.785 0.459
0.850 0.654 SI2 0.821 0.046 0.296 0.302 0.511 0.370 -0.264 0.175 0.821 0.500
SI3 0.818 -0.178 0.321 0.344 0.548 0.612 -0.233 0.404 0.818 0.385
TOG
TOG1 0.706 -0.084 0.390 0.308 0.327 0.356 -0.140 0.101 0.322 0.706
0.855 0.665 TOG2 0.859 -0.088 0.401 0.312 0.515 0.545 -0.255 0.303 0.573 0.859
TOG3 0.871 -0.104 0.338 0.362 0.483 0.48 -0.365 0.353 0.428 0.871
129
4.4.3 Interpretasi dan Pembahasan Hasil Analisis Model Struktural
Setelah melakukan analisis model struktural (inner model), hasil yang
didapatkan dari pengujian path coefficient (β), coefficient of determination (R2), t-
test menggunakan bootstrapping, effect size (f2), predictive relevance (Q2), dan
relative impact (q2) akan dibahas di bawah ini interpretasi sesuai dengan hipotesis-
hipotesis yang telah dirumuskan pada bab sebelumnya. Berikut adalah interpretasi
dan pembahasan dari analisis model struktural.
Tabel 4. 15 Hasil Uji Hipotesis
Hipotesis ß T-test
Keterangan
Hx Jalur ß T-test
H1 PE → ATU 0.216 2.137 Signifikan Diterima
H2 EE → ATU 0.272 2.277 Signifikan Diterima
H3 SI → ATU 0.071 0.650 Tidak Signifikan Ditolak
H4 FC → BI 0.175 2.008 Signifikan Diterima
H5 ANX → ATU -0.171 2.374 Signifikan Diterima
H6 PR → BI -0.121 2.001 Signifikan Diterima
H7 TOG → PE 0.331 3.373 Signifikan Diterima
H8 TOG → BI -0.007 0.104 Tidak Signifikan Ditolak
H9 ATU → BI 0.596 5.261 Signifikan Diterima
H1 : Performance Expectancy (PE) berpengaruh positif terhadap Attitude
Toward Use (ATU)
Berdasarkan hasil analisis model struktural yang telah dilakukan,
menunjukan bahwa hubungan Performance Expectancy (PE) terhadap variabel
Attitude Toward Use (ATU) memiliki nilai path coefficient sebesar 0.216 sehingga
pengaruh pada hubungan variabel tersebut dikatakan signifikan. Sedangkan nilai t-
130
statistic hubungan tersebut sebesar 2.108 pada tingkat signifikansi 5%, dimana
hipotesis akan diterima jika memiliki nilai t-test lebih besar dari 1,96. Sehingga
dapat dipastikan bahwa PE berpengaruh positif terhadap ATU. Hal ini sejalan
dengan penelitian sebelumnya yang dilakukan oleh Rana et al. (Rana et al. 2016)
dimana PE berpengaruh signifikan terhadap Attitude dalam konteks adopsi layanan
publik e-government di India. Hubungan ini juga sejalan dengan penelitian yang
dilakukan oleh Park et al (Park, Yang, and Lehto 2007) dan Pynoo et al (Pynoo et
al. 2011), dimana PE berpengaruh signifikan terhadap Attide individu menerapkan
tekonologi baru.
Pada penelitian ini penggunaan SIAK dapat membantu dan mempermudah
masyarakat dalam pengurusan layanan publik, sehingga berpengaruh kepada sikap
menggunakan aplikasi SIAK. Dapat disimpulkan bahwa H1 pada penelitian ini
berpengaruh positif dan signifikan terhadap penggunaan aplikasi SIAK, dan
hubungan jalur hipotesis diterima.
H2 : Effort Expectancy (EE) berpengaruh positif terhadap Attitude Toward
Use (ATU)
Berdasarkan hasil analisis model struktural yang telah dilakukan,
menunjukan bahwa hubungan Effort Expectancy (EE) terhadap variabel Attitude
Toward Use (ATU) memiliki nilai path coefficient sebesar 0.272 sehingga
pengaruh pada hubungan variabel tersebut dikatakan signifikan. Sedangkan nilai t-
statistic hubungan tersebut sebesar 2.514 pada tingkat signifikansi 5%, dimana
hipotesis akan diterima jika memiliki nilai t-test lebih besar dari 1,96. Sehingga
131
dapat dipastikan bahwa EE berpengaruh positif terhadap ATU. Hal ini sejalan
dengan penelitian yang dilakukan oleh Rana et al (Rana et al. 2016) dalam konteks
adopsi e-government di India. Beberapa penelitian terdahulu juga membuktikan
bahwa variabel EE berpengaruh signifikan terhadap Attitude individu mengadopsi
teknologi baru (Alshare and Lane 2011; Park, Yang, and Lehto 2007; Pynoo et al.
2011).
Pada penelitian ini pengguna SIAK percaya bahwa kemudahan dalam
menggunakan sistem menjadi aspek penting, dimana semakin kecil upaya yang
dikeluarkan dan semakin mudahnya pengguna mengadopsi sistem. Sehingga dapat
disimpulkan bahwa H2 pada penelitian ini berpengaruh positif dan signifikan
terhadap penggnaan aplikasi SIAK, dan hubungan jalur hipotesis diterima.
H3 : Social Influence (SI) berpengaruh positif terhadap Attitude Toward
Use (ATU)
Berdasarkan hasil analisis struktural model hubungan Social Influence (SI)
terhadap Attitude Toward Use (ATU) pada tabel 4.14 ditolak dengan perolehan
angka t-test sebesar 0.719 dengan tingkat signifikansi 5%, sehingga dapat
dipastikan bahwa SI tidak memiliki pengaruh yang positif terhadap ATU.
Beradasarkan nilai hasil path coefficient (ß) sebesar 0.071 yang berarti SI juga tidak
berpengaruh signifikan terhadap ATU. Selanjutnya pada hasil pengujian f2, dimana
hubungan SI terhadap ATU memiliki pengaruh yang kecil sebesar 0.004.
Hal ini bertentangan dengan penelitian yang dilakukan oleh Rana (Rana et
al. 2016) dan Moryson & Moeser (Moryson and Moeser 2016), dimana SI terbukti
132
berpengaruh signifikan terhadap ATU. Akan tetapi hal ini juga terjadi pada
penelitian yang dilakukan oleh Ryan et al (Rhodes, Jones, and Courneya 2002)
dimana hubungan Subjective Norm terhadap Attitude ditolak. Hal ini juga didukung
dari pengamatan peneliti secara langsung jika dilihat dari isi pertanyaan pada
indikator SI seperti Keluarga/tetangga dekat saya menyarankan untuk melakukan
pendaftaran pada aplikasi Dukcapil sebelum datang ke kantor layanan kurang
berpengaruh. Ini dapat disebabkan karena penggunaannya yang bersifat mandatory
maka pengaruh orang lain tidak terlalu mempengaruhi seseorang dalam
menggunakan SIAK. Sehingga dapat disimpulkan bahwa H3 pada penelitian ini
tidak signifikan terhadap sikap dalam menggunakan aplikasi SIAK, dan hubungan
jalur hipotesis ditolak.
H4 : Facilitating Condition (FC) berpengaruh positif terhadap Behavioral
Intention (BI)
Berdasarkan hasil analisis model struktural yang telah dilakukan,
menunjukan bahwa hubungan Facilitating Condition (FC) terhadap variabel
Behavioral Intention (BI) memiliki nilai path coefficient sebesar 0.175 sehingga
pengaruh pada hubungan variabel tersebut dikatakan signifikan. Sedangkan nilai t-
statistic hubungan tersebut sebesar 2.023 pada tingkat signifikansi 5%, dimana
hipotesis akan diterima jika memiliki nilai t-test lebih besar dari 1,96. Sehingga
dapat dipastikan bahwa FC berpengaruh positif terhadap BI. Hal ini sejalan dengan
penelitian yang dilakukan oleh Rana et al (Rana et al. 2016) dalam konteks adopsi
e-government di India dimana FC berpengaruh signifikan terhadap BI. Beberapa
penelitian lainnya juga membuktikan bahwa FC berhubungan positif dan signifikan
133
terhadap BI untuk pengguna menerapkan teknologi baru (Carter et al. 2012;
Thomas, Singh, and Gaffar 2013).
Pada penelitian ini, kondisi yang mendukung sangat berperan penting
terhadap adopsi SIAK. Seperti aplikasi yang mendukung browser pada smartphone
pengguna dan juga penegetahuan yang dimiliki pengguna seputar alur tata cara
pendaftaran dapat mendukung niat pengguna untuk mengadopsi aplikasi Dukcapil.
Sehingga dapat disimpulkan bahwa H4 pada penelitian ini berpengaruh positif dan
signifikan terhadap penggunaan aplikasi SIAK, dan hubungan jalur hipotesis
diterima.
H5 : Anxiety (ANX) berpengaruh negatif terhadap Attitude Toward Use
(ATU)
Berdasarkan hasil analisis model struktural yang telah dilakukan,
menunjukan bahwa hubungan Anxiety (ANX) terhadap variabel Attitude Toward
Use (ATU) memiliki nilai path coefficient sebesar -0.171 sehingga pengaruh pada
hubungan variabel tersebut dikatakan negatif signifikan. Sedangkan nilai t-statistic
hubungan tersebut sebesar 2.472 pada tingkat signifikansi 5%, dimana hipotesis
akan diterima jika memiliki nilai t-test lebih besar dari 1,96. Sehingga dapat
dipastikan bahwa ANX berpengaruh positif terhadap ATU. Hal ini sejalan dengan
penelitian yang dilakukan oleh Rana et al (Rana et al. 2016) dimana ANX
berpengaruh signifikan meskipun negatif dalam konteks adopsi e-government di
India. Beberapa penelitian sejenis juga memperlihatkan hubungan negatif dan
signifikan pada hubungan ANX terhadap Attitude pengguna dalam mengadopsi
134
teknologi baru (S. A. Brown, Fuller, and Vician 2004; Korobili, Togia, and Malliari
2010).
Pada penelitian ini, dapat disimpulkan bahwa masyarakat tidak mempunyai
perasaan cemas dalam menggunakan SIAK dan hubungannya dengan penggunaan
internet. Hal ini juga dapat disebabkan karena masyarakat kini sudah terbiasa
menggunakan teknologi informasi, sehingga tidak ada rasa cemas yang timbul
akibat implementasinya. Sehingga dapat disimpulkan bahwa H5 pada penelitian ini
berpengaruh negatif dan signifikan terhadap penggunaan aplikasi SIAK, dan
hubungan jalur hipotesis diterima.
H6 : Perceived Risk (PR) berpengaruh negatif terhadap Behavioral
Intention (BI)
Berdasarkan hasil analisis model struktural yang telah dilakukan,
menunjukan bahwa hubungan Perceived Risk (PR) terhadap variabel Behavioral
Intention (BI) memiliki nilai path coefficient sebesar -0.121 sehingga pengaruh
pada hubungan variabel tersebut dikatakan negatif signifikan. Sedangkan nilai t-
statistic hubungan tersebut sebesar 2.001 pada tingkat signifikansi 5%, dimana
hipotesis akan diterima jika memiliki nilai t-test lebih besar dari 1,96. Sehingga
dapat dipastikan bahwa PR berpengaruh positif terhadap BI. Hal ini sejalan dengan
penelitian yang dilakukan oleh Moryson & Moeser (Moryson and Moeser 2016)
dimana PR berpengaruh negatif signifikan. Beberapa penelitian lainnya juga
membuktikan bahwa hubungan antara PR terhadap BI berpengaruh negatif dan
135
signifikan oleh pengguna dalam menerapkan teknologi (C.-M. Chiu and Wang
2008; de Sena Abrahão, Moriguchi, and Andrade 2016).
Pada penelitian ini, disimpulkan bahwa masyarakat tidak mempunyai
ekpektasi yang buruk terhadap SIAK dan warga percaya bahwa pihak penyedia
layanan jujur dan bijaksana atas data pribadi mereka. Sehingga dapat disimpulkan
bahwa H6 pada penelitian ini berpengaruh negatif dan signifikan terhadap
penggunaan aplikasi SIAK, dan hubungan jalur hipotesis diterima.
H7 : Trust of Government (TOG) berpengaruh positif terhadap Performance
Expectancy (PE)
Berdasarkan hasil analisis model struktural yang telah dilakukan,
menunjukan bahwa hubungan Trust of Government (TOG) terhadap variabel
Performance Expectancy (PE) memiliki nilai path coefficient sebesar 0.331
sehingga pengaruh pada hubungan variabel tersebut dikatakan signifikan.
Sedangkan nilai t-statistic hubungan tersebut sebesar 3.525 pada tingkat
signifikansi 5%, dimana hipotesis akan diterima jika memiliki nilai t-test lebih besar
dari 1,96. Sehingga dapat dipastikan bahwa TOG berpengaruh positif terhadap PE.
Hal ini sejalan dengan penelitian yang dilakukan oleh Kurfali et al (Kurfalı et al.
2017) dimana TOG berpengaruh positif dan signifikan terhadap PE pada
implementasi sistem e-government di Turki.
Pada penelitian ini, dapat diasumsikan bahwa pengguna percaya terhadap
pemerintah khususnya Dukcapil karena dapat membantu dan mempermudah
masyarakat dalam pengurusan layanan publik. Sehingga dapat disimpulkan bahwa
136
H7 pada penelitian ini berpengaruh positif dan signifikan terhadap penggunaan
aplikasi SIAK, dan hubungan jalur hipotesis diterima.
H8 : Trust of Government (TOG) berpengaruh positif terhadap Behavioral
Intention (BI)
Berdasarkan hasil analisis struktural model hubungan Trust of Government
(TOG) terhadap Behavioral Intention (BI) pada tabel 4.14 ditolak dengan perolehan
angka t-test sebesar 0.107 dengan tingkat signifikansi 5%, sehingga dapat
dipastikan bahwa TOG tidak memiliki pengaruh yang positif terhadap BI.
Beradasarkan nilai hasil path coefficient (ß) sebesar -0.007 yang berarti SI juga
tidak berpengaruh signifikan terhadap ATU. Selanjutnya pada hasil pengujian f2,
dimana hubungan TOG terhadap BI memiliki pengaruh yang kecil sebesar 0.000.
Hal ini bertentangan dengan penelitian yang dilakukan oleh Voutinioti
(Voutinioti 2013), dimana TOG terbukti berpengaruh signifikan terhadap BI dalam
adopsi layanan e-government di Yunani. Akan tetapi hal ini juga terjadi pada
penelitian yang dilakukan oleh Kurfali et al (Kurfalı et al. 2017) dimana hubungan
TOG terhadap BI ditolak pada adopsi layanan e-government di Turki. Hal ini juga
didukung dari pengamatan peneliti secara langsung jika dilihat dari isi pertanyaan
pada indikator TOG seperti Dukcpil dapat dipercaya menyediakan layanan online
dengan sungguh-sungguh kurang berpengaruh. Hal ini peneliti dapat
mengasumsikan bahwa kepercayaan terhadap pemerintah tidak mempengaruhi
penerimaan pengguna terhadap implementasi SIAK. Sehingga dapat disimpulkan
137
bahwa H8 pada penelitian ini tidak signifikan terhadap niat dalam menggunakan
SIAK, dan hubungan jalur hipotesis ditolak.
H9 : Attitude Toward Use (ATU) berpengaruh positif terhadap Behavioral
Intention (BI)
Berdasarkan hasil analisis model struktural yang telah dilakukan,
menunjukan bahwa hubungan Attitude Toward Use (ATU) terhadap variabel
Behavioral Intention (BI) memiliki nilai path coefficient sebesar 0.596 sehingga
pengaruh pada hubungan variabel tersebut dikatakan signifikan. Sedangkan nilai t-
statistic hubungan tersebut sebesar 5.464 pada tingkat signifikansi 5%, dimana
hipotesis akan diterima jika memiliki nilai t-test lebih besar dari 1,96. Sehingga
dapat dipastikan bahwa ATU berpengaruh positif terhadap BI. Hal ini sejalan
dengan penelitian yang dilakukan oleh Rana et al (Rana et al. 2016) dimana
hubugan ATU terhadap BI kuat dan signifikan pada adopsi e-government di India.
Beberapa penelitian lainnya juga membuktikan bahwa hubungan antara ATU
terhadap BI berpengaruh positif dan signifikan oleh pengguna dalam menerapkan
teknologi baru (Hung, Chang, and Kuo 2013; Moryson and Moeser 2016; Thomas,
Singh, and Gaffar 2013)
Pada penelitian ini, dapat diasumsikan bahwa masyarakat cenderung
memiliki sifat positif keitka mereka menggunakan SIAK dan sistem ini
menghasilkan keuntungan bagi masyarakat. Sehingga dapat disimpulkan bahwa H9
pada penelitian ini berpengaruh positif dan signifikan terhadap penggunaan aplikasi
SIAK, dan hubungan jalur hipotesis diterima.
138
4.5 Implikasi Hasil Analisis
4.5.1 Implikasi secara Teori
Model penerimaan UTAUT (Unified Theory of Acceptance and Use of
Technology) yang asli merupakan teori pengukuran penerimaan teknologi yang
menggabungkan delapan teori penerimaan sebelumnya. Model penerimaan ini
dapat menjelaskan penerimaan individu khususnya dalam menggunakan teknologi
informasi dengan dua konstruk (performance expectancy & effort expectancy)
untuk merepresentasikan konteks teknologi, dua konstruk (social influence &
facilitating condition) untuk merepresentasikan konteks pada saat teknologi
tersebut diterapkan. Beberapa peneliti sebelumnya yang menjadi acuan dalam
penelitian ini, menunjukan hubungan signifikan dari attitude toward use individu
dalam menggunakan teknologi informasi (Hung, Chang, and Kuo 2013; Moryson
and Moeser 2016; Rana et al. 2016; Thomas, Singh, and Gaffar 2013). Penelitian
tersebut membuktikan model teori penerimaan UTAUT dengan menambahkan
variabel attitude toward use, dimana variabel tersebut dapat merepresentasikan
konteks individual. Model teori penerimaan yang dilakukan oleh Rana et al (Rana
et al. 2016), membuktikan bahwa model pengukuran yang dilakukan lebih baik
dibandingkan model penerimaan sebelumnya. Yaitu sebesar 66% varian dijelaskan
pada behavioral intention, lebih tinggi dari model penerimaan teknologi
sebelumnya. Model yang diajukan pada penelitian ini menjelaskan 54% varian pada
behavioral intention.
Penelitian ini mengungkapkan signifikansi dari konstruk seperti perceived
risk dan anxiety sejalan dengan model penelitian yang diajukan. Keberadaan dari
139
variabel ini memperkuat pengukuran adopsi individu secara negatif terhadap sistem
e-government dan juga memperkuat kinerja dari model yang diajukan. Namun,
konstruk trust of government dan social influence dari model yang diajukan terbukti
tidak signifikan terhadap behavioral intention. Hal ini dapat disebabkan karena
karakteristik aplikasi SIAK yang tidak sesuai dengan variabel tersebut, maka
penting bagi peneliti selanjutnya untuk mengetahui karakteristik dari objek yang
diteliti untuk memperkuat model penelitian. Hal ini juga sejalan dengan beberapa
penelitian yang dilakukan sebelumnya bahwa hubungan dari variabel tersebut tidak
memiliki pengaruh yang signifikan (Kurfalı et al. 2017; Rhodes, Jones, and
Courneya 2002). Penelitian yang dilakuan Rana et al (Rana et al. 2016) terbukti
dapat membantu dalam membangun konstruk pada penelitian ini, dengan
penambahan variabel trust of government & perceived risk pada penelitian ini.
4.5.2 Implikasi secara Praktis
Hasil dari penelitian ini menunjukkan bahwa attitude toward use
memainkan peran yang sangat penting terhadap niat individu untuk menerima dan
menggunakan SIAK. Sikap individu memiliki efek langsung terhadap niat individu
dimana hal ini dapat menjadi suatu arahan bagi Dukcapil untuk membentuk sikap
masyarakat Kota Tangsel dan mempengaruhi niat mereka.
Penelitian ini juga membuktikan bahwa konstruk performance expectancy
& effort expectancy memiliki pengaruh yang langsung terhadap attitude toward
use. Ini dapat disimpulkan bahwa individu menerima aspek teknologi dari aplikasi
SIAK, dengan kata lain individu percaya bahwa SIAK meningkatkan produktivitas
140
mereka dan mudah untuk digunakan. Selanjutnya, Dukcapil dapat meningkatkan
layanan dengan meminimilkan kompleksitas yang dirasakan masyarakat
berdasarkan dengan aspek kebergunaan (usability). Peneliti selanjutnya dapat
mengembangkan penelitian dari aspek pengujian kebergunaan (usability testing)
untuk memaksimalkan realita dari harapan maupun kekecewaan pengguna SIAK.
Penelitian ini juga memperlihatkan pengaruh secara langsung dari konstruk
facilitating condition terhadap behavioral intention. Hal ini menunjukan bahwa
individu dapat menerima aspek kondisi yang memfasilitasi pada SIAK. Dengan
kata lain, Dukcapil sudah menyediakan fasilitas yang memadai untuk masyarakat
terkait implementasi SIAK, seperti pengetahuan tata cara alur pendaftaran yang
disediakan di sistem serta aplikasi yang kompatibel di berbagai perangkat (firefox,
chrome, safari, dan sebagainya). Dukcapil dapat meningkatkan faktor ini dengan
memberikan pelatihan untuk karyawan sebagai bentuk pengetahuan untuk
membantu pengguna dalam penggunaan SIAK sehingga dapat meningkatkan niat
pengguna.
Namun dalam penelitian ini, konstruk social influence tidak memiliki
pengaruh langsung terhadap attitude toward use dan konstruk trust of government
terhadap behavioral intention. Namun trust of government masih memiliki
pengaruh tidak langsung terhadap behavioral intention karena berpengaruh
langsung terhadap performance expectancy. Hal ini menunjukan bahwa social
influence dan trust of government tidak mempengaruhi penerimaan pengguna
secara langsung terhadap implementasi sistem tersebut. Ini dapat disebabkan karena
penggunaannya yang bersifat mandatory maka pengaruh dan kepercayaan
141
seseorang tidak berpengaruh dalam menggunakan sistem Dukcapil. Hasil ini dapat
memberikan rekomendasi kepada Dukcapil untuk membangun antusiasme di
kalangan masyarakat Kota Tangsel terhadap aplikasi SIAK sehingga menghasilkan
promosi mulut ke mulut yang positif di masyarakat.
4.6 Perbandingan dengan Penelitian Sebelumnya
Penelitian ini mengembangkan model penelitian yang dilakukan oleh Rana
et al (2016) dengan menambahkan 2 variabel dari penelitian Carter & Belanger
(2008), trust dan risk pada konteks adopsi e-government. Objek penelitian ini
dengan penelitian yang dilakukan oleh Rana (2016) mempunyai kesamaan yaitu
dalam konteks adopsi e-government, namun memiliki karakteristik sistem yang
berbeda. Rana (2016) melakukan penelitian dalam konteks sistem OPGRS di India,
sistem ini melakukan layanan berbasis pengaduan yang dilakukan masyarakat
kepada pemerintahan. Sistem tersebut bersifat voluntary (sukarela) untuk
digunakan oleh pengguna. Berbeda dengan penelitian ini, objek penelitian tertuju
pada SIAK di Kota Tangsel, dimana aplikasi ini melakukan proses pendaftaran dan
semua layanan terkait administrasi publik. Karakteristik sistem meliputi sistem
yang bersifat mandatory (wajib) untuk digunakan masyarakat kota Tangsel, data
masyarakat kota Tangsel tersimpan dalam aplikasi ini sesuai dengan urutan dari
kartu keluarga. Maka dari itu hasil dari penelitian ini akan sedikit berbeda dengan
penelitian yang dilakukan oleh Rana (2016) maupun Carter&Belanger (2008),
mengingat adanya perbedaan objek penelitian, sampel, serta indikator penelitian
yang dapat menjadi faktor yang dapat mempengaruhi hasil penelitian.
142
Hasil dari penelitian Rana (2016) menunjukan varian pada behavioral
intention sebesar 66% dilihat dari nilai R2. Sementara penelitian ini menghasilkan
54% varian pada behavioral intention, dengan adanya dua hipotesis yang tidak
signifikan terhadap model penelitian ini, yaitu social influence dan trust of
government. Peneliti selanjutnya dapat mengkaji ulang hipotesis penelitian
dikaitkan dengan karakteristik objek penelitian masing-masing. Berbeda dengan
penelitian Rana (2016) dimana semua hipotesis yang diajukan pada penelitian
tersebut memiliki pengaruh yang signifikan.
4.7 Keterbatasan Penelitian
Terlepas dari model penelitian ini mengembangkan teori model penerimaan
Rana et al (2016), peneliti masih memiliki beberapa batasan tertentu dari penelitian
ini. Hal ini dikarenakan adanya keterbatasan waktu dan juga biaya yang peneliti
alami. Berikut rincian keterbatasan pada penelitian ini:
1. Sampel yang diambil pada penelitian ini cenderung kecil, yaitu 127 sampel
dengan menggunakan rumus slovin dengan error 10%. Hal ini membuktikan
tingkat signifikansi penelitian sebesar 90%. Bagi peneliti selanjutnya
diharapkan dapat menggunakan rumus slovin dengan error 5% untuk
memperkuat signifikansi sampel penelitian.
2. Dua indikator yang ditolak pada penelitian ini dari 32 indikator yang diajukan.
Peneliti selanjutnya dapat mengkaji ulang pertanyaan indikator untuk
menghindari penghapusan.
143
3. Penambahan konstruk trust of government ternyata terbukti tidak signifikan
terhadap behavioral intention. Peneliti selanjutnya dapat mengkaji ulang
konstruk penelitian untuk menghindari hubungan yang insignifikan.
4. Sesuaikan penelitian sebelumnya dengan konteks budaya dan geografis objek
yang akan diteliti (Rana et al. 2016).
5. Penelitian ini menggunakan teknik simple random sampling dalam
pengambilan sampel. Penelitian masa depan dapat menggunakan teknik
snowball sampling agar dapat mewakili populasi lebih baik.
Dari hasil diskusi di atas, peneliti selanjutnya akan merekomendasikan
untuk peneliti berikutnya dan untuk Dukcapil Kota Tangsel yang akan disampaikan
di Bab V.
144
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil temuan penelitian yang telah dilakukan, maka dapat diambil
kesimpulan sebagai berikut:
1. Diketahuinya tingkat penerimaan dimana pengguna sudah cukup dapat
menerima penggunaan Sistem Administrasi Kependudukan (SIAK) dilihat
dari sebanyak 7 hipotesis yang diterima pada penelitian ini.
2. Diketahuinya faktor-faktor yang mempengaruhi pengguna dalam adopsi
SIAK meliputi: PE→ATU, EE→ATU, →FC-BI, ANX→ATU, PR→BI,
TOG→PE, ATU→BI.
3. Memberikan saran serta rekomendasi kepada Dukcapil untuk membangun
pengaruh sosial dan membangun kepercayaan masyarakat dengan
meningkatkan layanan pada transaksi online.
4. Variabel Performance Expectancy, Effort Expectancy, dan Attitude Toward
Use, merupakan faktor terkuat yang secara positif dan signifikan
mempengaruhi sikap dan niat pengguna terhadap penerimaan SIAK.
5. Variabel Social Influence dan Trust of Government tidak memiliki pengaruh
yang langsung terhadap niat perilaku untuk menggunakan layanan SIAK.
145
Berdasarkan beberapa hasil temuan penelitian tersebut, peneliti
menganggap penelitian ini sudah memberikan beberapa manfaat sebagai berikut:
1. Secara teori, penelitian ini mengembangkan model UTAUT dalam konteks
penerimaan pengguna, sehingga dapat menjadi alternatif secara teoritis bagi
peneliti selanjutnya dalam melakukan penelitian penerimaan pengguna
dalam konteks e-government.
2. Secara metodologi, penelitian ini berperan dalam pemanfataan metode
kuantitatif dalam penyusunan skripsi program studi Sistem Informasi UIN
Syarif Hidayatullah Jakarta.
3. Secara praktis, penelitian ini dapat dijadikan sebagai bahan pertimbangan
bagi para pengambil keputusan di Disdukcapil Kota Tangerang Selatan
dalam rencana pengembangan sistem Dukcapil selanjutnya.
5.2 Saran
Setelah melakukan penelitian terkait penerimaan pengguna terhadap sistem
pendaftaran Dukcapil Kota Tangerang Selatan, peneliti akan memberikan beberapa
rekomendasi yang nantinya dapat berguna bagi peneliti berikutnya dengan topik
pembahasan sejenis di bidang e-government.
A. Saran untuk peneliti selanjutnya yang hendak melakukan penelitian sejenis
terkait e-government:
1. Peneliti selanjutnya dapat mengkaji ulang konstruk variabel untuk
menghindari hubungan yang insignifikan.
146
2. Peneliti selanjutnya disarankan untuk menggunakan rumus slovin
dengan error 5% untuk pengambilan sampel. Peneliti selanjutnya dapat
menggunakan teknik pengambilan sampel non-probabilitas seperti
snowball sampling.
3. Penelitian selanjutnya disarankan untuk menguji kembali indikator
pertanyaan yang digunakan untuk mengurangi penghapusan indikator
penelitian.
B. Saran bagi pihak Dukcapil untuk meningkatkan layanannya pada
masyarakat
1. Membentuk sikap masyarakat Kota Tangsel untuk mengadopsi layanan
SIAK dan mempengaruhi niat mereka.
2. Memperhatikan faktor penerimaan pada konteks pengaruh sosial dan
membangun kepercayaan masyarakat dengan meningkatkan layanan
pada transaksi online.
3. Memberikan tanggung jawab kepada individu yang dihormati pada
lingkungan tertentu, untuk membangun kepercayaan dari mulut ke
mulut yang positif.
4. Menambahkan fitur pengingat sehingga masyarakat tidak lupa untuk
datang ke kantor layanan sesuai dengan jadwal yang sudah didaftarkan
pada sistem pendaftaran Dukcapil.
146
DAFTAR PUSTAKA
Afif, Nurullah Sururi, and Jono M Munandar. 2017. “Faktor Yang Mempengaruhi
Kepuasan Pengguna Layanan Pada Unit Pelayanan Disdukcapil Kota Bogor.”
Jurnal Manajemen dan Organisasi 8(1): 1–14.
Ajzen, Icek. 1991. “The Theory of Planned Behavior.” Organizational behavior
and human decision processes 50(2): 179–211.
———. 2005. Attitudes, Personality, and Behavior. McGraw-Hill Education (UK).
AlAwadhi, Suha, and Anne Morris. 2008. “The Use of the UTAUT Model in the
Adoption of E-Government Services in Kuwait.” In Proceedings of the 41st
Annual Hawaii International Conference on System Sciences (HICSS 2008),
Ieee, 219.
Alshare, Khaled A, and Peggy L Lane. 2011. “Predicting Student-Perceived
Learning Outcomes and Satisfaction in ERP Courses: An Empirical
Investigation.” Communications of the association for information systems
28(1): 34.
Alwasilah, A Chaedar. 2002. Pokoknya Kualitatif: Dasar-Dasar Merancang Dan
Melakukan Penelitian Kualitatif. Pustaka Jaya.
Arikunto, Suharsimi. 2016. “Dasar-Dasar Evaluasi Pendidikan.”
Arikunto, Suharsimi, and Cepi Safruddin Abdul Jabar. 2004. “Evaluasi Program
Pendidikan Pedoman Teoritis Praktis Bagi Praktisi Pendidikan.” Jakarta:
Bumi Aksara.
Bandura, Albert. 1977. “Self-Efficacy: Toward a Unifying Theory of Behavioral
Change.” Psychological review 84(2): 191.
Bélanger, France, and Lemuria Carter. 2008. “Trust and Risk in E-Government
Adoption.” The Journal of Strategic Information Systems 17(2): 165–76.
147
Brief, Arthur P, and Ramon J Aldag. 1977. “The Intrinsic-Extrinsic Dichotomy:
Toward Conceptual Clarity.” Academy of Management review 2(3): 496–500.
Brown, Mary M, and Jeffrey L Brudney. 2004. “Achieving Advanced Electronic
Government Services: Opposing Environmental Constraints.” Public
Performance & Management Review 28(1): 96–113.
Brown, Susan A, Robert M Fuller, and Chelley Vician. 2004. “Who’s Afraid of the
Virtual World? Anxiety and Computer-Mediated Communication.” Journal of
the Association for Information Systems 5(2): 2.
Budiaji, Weksi. 2013. “Skala Pengukuran Dan Jumlah Respon Skala Likert.”
Jurnal ilmu pertanian dan perikanan 2(2): 127–33.
Carter, Lemuria, and France Belanger. 2004. “Citizen Adoption of Electronic
Government Initiatives.” In 37th Annual Hawaii International Conference on
System Sciences, 2004. Proceedings of The, IEEE, 10-pp.
Carter, Lemuria, Ludwig Christian Schaupp, Jeffrey Hobbs, and Ronald Campbell.
2012. “E-Government Utilization: Understanding the Impact of Reputation
and Risk.” International Journal of Electronic Government Research (IJEGR)
8(1): 83–97.
Chiu, Chao-Min, and Eric T G Wang. 2008. “Understanding Web-Based Learning
Continuance Intention: The Role of Subjective Task Value.” Information &
Management 45(3): 194–201.
Chiu, Yen-Ting Helena, Wan-I Lee, Chia-Chi Liu, and Li-Yu Liu. 2012. “Internet
Lottery Commerce: An Integrated View of Online Sport Lottery Adoption.”
Journal of Internet Commerce 11(1): 68–80.
Compeau, Deborah, Christopher A Higgins, and Sid Huff. 1999. “Social Cognitive
Theory and Individual Reactions to Computing Technology: A Longitudinal
Study.” MIS quarterly: 145–58.
Compeau, Deborah R, and Christopher A Higgins. 1995. “Computer Self-Efficacy:
148
Development of a Measure and Initial Test.” MIS quarterly: 189–211.
Consuelo, G, and Ed D Sevilla. 2007. “Research Methods.” Rex Printing Company.
Quezon City.
Davis, Fred D. 1989. “Perceived Usefulness, Perceived Ease of Use, and User
Acceptance of Information Technology.” MIS quarterly: 319–40.
———. 1993. “User Acceptance of Information Technology: System
Characteristics, User Perceptions and Behavioral Impacts.” International
journal of man-machine studies 38(3): 475–87.
Davis, Fred D, Richard P Bagozzi, and Paul R Warshaw. 1989. “User Acceptance
of Computer Technology: A Comparison of Two Theoretical Models.”
Management science 35(8): 982–1003.
———. 1992. “Extrinsic and Intrinsic Motivation to Use Computers in the
Workplace 1.” Journal of applied social psychology 22(14): 1111–32.
Dillon, Andrew, and Michael G Morris. 1996. “User Acceptance of New
Information Technology: Theories and Models.” In Medford, NJ: Information
Today.
Al Fatta, Hanif. 2007. Analisis Dan Perancangan Sistem Informasi Untuk
Keunggulan Bersaing Perusahaan Dan Organisasi Modern. Penerbit Andi.
Featherman, Mauricio S, and Paul A Pavlou. 2003. “Predicting E-Services
Adoption: A Perceived Risk Facets Perspective.” International journal of
human-computer studies 59(4): 451–74.
Fishbein, Martin, and Icek Ajzen. 1977. “Belief, Attitude, Intention, and Behavior:
An Introduction to Theory and Research.”
Gefen, David, Gregory M Rose, Merrill Warkentin, and Paul A Pavlou. 2005.
“Cultural Diversity and Trust in IT Adoption: A Comparison of Potential e-
Voters in the USA and South Africa.” Journal of Global Information
Management (JGIM) 13(1): 54–78.
149
Guritno, Suryo, and Untung Rahardja. 2011. Theory and Application of IT
Research: Metodologi Penelitian Teknologi Informasi. Penerbit Andi.
Hair, Joseph F, Christian M Ringle, and Marko Sarstedt. 2013. “Partial Least
Squares Structural Equation Modeling: Rigorous Applications, Better Results
and Higher Acceptance.” Long range planning 46(1–2): 1–12.
Hair Jr, Joseph F, Marko Sarstedt, Christian M Ringle, and Siegfried P Gudergan.
2017. Advanced Issues in Partial Least Squares Structural Equation
Modeling. saGe publications.
Handayani, Trie, and Sudiana Sudiana. 2015. “Analisis Penerapan Model Utaut
(Unified Theory of Acceptance and Use of Technology) Terhadap Perilaku
Pengguna Sistem Informasi (Studi Kasus: Sistem Informasi Akademik Pada
STTNAS Yogyakarta).” Angkasa: Jurnal Ilmiah Bidang Teknologi 7(2): 165–
80.
Hardjaloka, Loura. 2014. “Studi Penerapan E-Government Di Indonesia Dan
Negara Lainnya Sebagai Solusi Pemberantasan Korupsi Di Sektor Publik.”
Jurnal Rechts Vinding: Media Pembinaan Hukum Nasional 3(3): 435–52.
Henry, Nicholas. 2015. Public Administration and Public Affairs. Routledge.
Hopkins, Charles D, and Richard L Antes. 1985. Classroom Measurement &
Evaluation. Wadsworth.
Hung, Shin-Yuan, Chia-Ming Chang, and Shao-Rong Kuo. 2013. “User
Acceptance of Mobile E-Government Services: An Empirical Study.”
Government Information Quarterly 30(1): 33–44.
Igbaria, Magid, and Alok Chakrabarti. 1990. “Computer Anxiety and Attitudes
towards Microcomputer Use.” Behaviour & Information Technology 9(3):
229–41.
Indonesia, Presiden Republik. 2003. “Instruksi Presiden Republik Indonesia Nomor
3 Tahun 2003 Tentang Kebijakan Dan Strategi Nasional Pengembangan E-
150
Government.” Jakarta: Sekretaris Negara.
Indonesia, Pusat Informasi. 2015. Undang-Undang Republik Indonesia No. 25
Tahun 2009 Tentang Pelayanan Publik.
Indrajit, R E, Akbar Zainudin, and Dudy Rudianto. 2005. “Electronic Government
in Action.” Yogyakarta: Andi Yogyakarta.
Indrajit, Richardus Eko. 2002. Electronic Government: Strategi Pembangunan Dan
Pengembangan Sistem Pelayanan Publik Berbasis Teknologi Digital. Andi.
Jogiyanto, H M. 2008. “Metodologi Penelitian Sistem Informasi.” Yogyakarta:
Penerbit Andi.
Juliandi, AZUAR. 2018. “Structural Equation Model Partial Least Square (SEM-
PLS) Dengan SmartPLS.” Batam: Universitas Batam.
Komunikasi, Kementerian, and Informasi Republik Indonesia. 2003. “Cetak Biru
(Blueprint) Sistem Aplikasi e-Government Bagi Lembaga Pemerintah
Daerah.” Jakarta: Pemerintah Indonesia.
Korobili, Stella, Aspasia Togia, and Afrodite Malliari. 2010. “Computer Anxiety
and Attitudes among Undergraduate Students in Greece.” Computers in
Human Behavior 26(3): 399–405.
Kurfalı, Murathan, Ali Arifoğlu, Gül Tokdemir, and Yudum Paçin. 2017.
“Adoption of E-Government Services in Turkey.” Computers in Human
Behavior 66: 168–78.
Layne, Karen, and Jungwoo Lee. 2001. “Developing Fully Functional E-
Government: A Four Stage Model.” Government information quarterly 18(2):
122–36.
Lewis, Carol W, and Stuart C Gilman. 2005. The Ethics Challenge in Public
Service: A Problem-Solving Guide. John Wiley & Sons.
Margono, Drs. “S. Margono. 2004.” Metodologi penelitian pendidikan.
151
Moore, Gary C, and Izak Benbasat. 1991. “Development of an Instrument to
Measure the Perceptions of Adopting an Information Technology Innovation.”
Information systems research 2(3): 192–222.
Moryson, Heiko, and Guido Moeser. 2016. “Consumer Adoption of Cloud
Computing Services in Germany: Investigation of Moderating Effects by
Applying an UTAUT Model.” International Journal of Marketing Studies
8(1): 14.
Nemat, Rania. 2011. “Taking a Look at Different Types of E-Commerce.” World
Applied Programming 1(2): 100–104.
Nomor, Undang-Undang. 23AD. “Tahun 2006 Tentang Administrasi
Kependudukan.” Citra Umbara. Bandung.
Oktavia, Lola. 2020. “Penilaian Penerimaan E-Government Di Indonesia.” Jurnal
CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi 6(1):
15–21.
Park, JungKun, SuJin Yang, and Xinran Lehto. 2007. “Adoption of Mobile
Technologies for Chinese Consumers.” Journal of electronic commerce
research 8(3).
Patel, Hemant, and David Jacobson. 2008. “Factors Influencing Citizen Adoption
of E-Government: A Review and Critical Assessment.”
Preston, Carolyn C, and Andrew M Colman. 2000. “Optimal Number of Response
Categories in Rating Scales: Reliability, Validity, Discriminating Power, and
Respondent Preferences.” Acta psychologica 104(1): 1–15.
Purnamawati, Erlina. 2012. “Analisis Kualitas Layanan Dengan Metode Servqual
Dan AHP Di Dinas Kependudukan Dan Pencatatan Sipil Di Surabaya.”
Tekmapro: Journal of Industrial Engineering and Management 3(1).
Putra, Syopiansyah Jaya et al. 2017. “Factors Influencing the User Acceptance of
Integrated Service Management Information System on Local Government in
152
Indonesia.” In 2017 International Conference on Computing, Engineering,
and Design (ICCED), IEEE, 1–6.
Pynoo, Bram et al. 2011. “Predicting Secondary School Teachers’ Acceptance and
Use of a Digital Learning Environment: A Cross-Sectional Study.” Computers
in Human behavior 27(1): 568–75.
Rana, Nripendra P, Yogesh K Dwivedi, Michael D Williams, and Vishanth
Weerakkody. 2016. “Adoption of Online Public Grievance Redressal System
in India: Toward Developing a Unified View.” Computers in Human Behavior
59: 265–82.
Ranganathan, Chandrasekaran, and Shobha Ganapathy. 2002. “Key Dimensions of
Business-to-Consumer Web Sites.” Information & Management 39(6): 457–
65.
Reffat, Rabee. 2003. “Developing a Successful E-Government.” Proc. Sympos. e-
Government: Opportunities and Challenge, Muscat Municipality, Oman, IV1–
IV13.
Rhodes, Ryan E, Lee W Jones, and Kerry S Courneya. 2002. “Extending the Theory
of Planned Behavior in the Exercise Domain: A Comparison of Social Support
and Subjective Norm.” Research quarterly for exercise and sport 73(2): 193–
99.
Ringle, Christian, Dirceu Da Silva, and Diógenes Bido. 2015. “Structural Equation
Modeling with the SmartPLS.” Bido, D., da Silva, D., & Ringle, C.(2014).
Structural Equation Modeling with the Smartpls. Brazilian Journal Of
Marketing 13(2).
Rogers, Everett M, and F Floyd Shoemaker. 1971. “Communication of Innovations;
a Cross-Cultural Approach.”
Sagirani, Tri. 2006. “Sistem Informasi Manajemen.”
Sedana, I Gusti Nyoman, and St W Wijaya. 2010. “UTAUT Model for
153
Understanding Learning Management System.” Internetworking Indonesia
Journal 2(2): 27–32.
de Sena Abrahão, Ricardo, Stella Naomi Moriguchi, and Darly Fernando Andrade.
2016. “Intention of Adoption of Mobile Payment: An Analysis in the Light of
the Unified Theory of Acceptance and Use of Technology (UTAUT).” RAI
Revista de Administração e Inovação 13(3): 221–30.
Setiawan, Muhammad Rafi. 2019. “PENGUKURAN TINGKAT USABILITY
WEBSITE DISDUKCAPIL KOTA BANDUNG MENGGUNAKAN
KONSEP HEURISTIC EVALUATION.”
Setyobudi, Yustinus Farid. 2016. “Peran Masyarakat Dalam Pelayanan Publik
Sesuai Dengan Undang-Undang No. 25 Tahun 2009 Tentang Pelayanan
Publik.” Jurnal Dimensi 2(1).
Sidharta, Lani. 1995. “Pengantar Sistem Informasi Bisnis.” PT ELEX Media
Komputindo, Jakarta.
Simonson, Michael R, Matthew Maurer, Mary Montag-Torardi, and Mary
Whitaker. 1987. “Development of a Standardized Test of Computer Literacy
and a Computer Anxiety Index.” Journal of educational computing research
3(2): 231–47.
Siti Maryam, Neneng. 2017. “Mewujudkan Good Governance Melalui Pelayanan
Publik.” JIPSI-Jurnal Ilmu Politik dan Komunikasi UNIKOM 6.
Slade, Emma L, Yogesh K Dwivedi, Niall C Piercy, and Michael D Williams. 2015.
“Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in
the United Kingdom: Extending UTAUT with Innovativeness, Risk, and
Trust.” Psychology & Marketing 32(8): 860–73.
Sosiawan, Edwi Arief. 2015. “Tantangan Dan Hambatan Dalam Implementasi E-
Government Di Indonesia.” In Seminar Nasional Informatika (SEMNASIF),.
Subiyakto, A’ang, Abd Rahman Ahlan, Syopiansyah Jaya Putra, and Mira Kartiwi.
154
2015. “Validation of Information System Project Success Model: A Focus
Group Study.” SAGE Open 5(2): 2158244015581650.
Sugiyono, J. 2008. “Statistics for Research.”
Sugiyono, S. 2015. “Metode Penelitian Pendidikan Pendekatan Kuantitatif, Dan
R&D.” Alfabeta Bandung.
Sutabri, Tata. 2005. “Sistem Informasi Manajemen.” Yogyakarta: Andi: 21.
Sutono, Djoko. 2007. “Sistem Informasi Manajemen.” Pusdiklatwas BPKP.
Tarhini, Ali, Mazen El-Masri, Maged Ali, and Alan Serrano. 2016. “Extending the
UTAUT Model to Understand the Customers’ Acceptance and Use of Internet
Banking in Lebanon.” Information Technology & People.
Taylor, Shirley, and Peter Todd. 1995a. “Assessing IT Usage: The Role of Prior
Experience.” MIS quarterly: 561–70.
Taylor, Shirley, and Peter A Todd. 1995b. “Understanding Information Technology
Usage: A Test of Competing Models.” Information systems research 6(2):
144–76.
Terry, George Robert, and Stephen G Franklin. 1972. Principles of Management.
RD Irwin Homewood, IL.
Thomas, Troy, Lenandlar Singh, and Kemuel Gaffar. 2013. “The Utility of the
UTAUT Model in Explaining Mobile Learning Adoption in Higher Education
in Guyana.” International Journal of Education and Development using ICT
9(3).
Thompson, Ronald L, Christopher A Higgins, and Jane M Howell. 1991. “Personal
Computing: Toward a Conceptual Model of Utilization.” MIS quarterly: 125–
43.
Venkatesh, Viswanath, Michael G Morris, Gordon B Davis, and Fred D Davis.
2003. “User Acceptance of Information Technology: Toward a Unified
View.” MIS quarterly: 425–78.
155
Voutinioti, Anastasia. 2013. “Determinants of User Adoption of E-Government
Services in Greece and the Role of Citizen Service Centres.” Procedia
Technology 8(1): 238–44.
Williams, Michael D, Nripendra P Rana, and Yogesh K Dwivedi. 2015. “The
Unified Theory of Acceptance and Use of Technology (UTAUT): A Literature
Review.” Journal of enterprise information management.
Wold, Herman. 1975. “Path Models with Latent Variables: The NIPALS
Approach.” In Quantitative Sociology, Elsevier, 307–57.
Wright, Tom. 2019. “Gap Analysis: Guide and Template.” cascade.app.
Yamin, Sofyan, Lien A Rachmach, and Heri Kurniawan. 2011. “Regresi Dan
Korelasi Dalam Genggaman Anda.” Jakarta: Salemba Empat 50.
Yunita, Novi Prisma, and Rudi Dwi Aprianto. 2018. “Kondisi Terkini
Perkembangan Pelaksanaan E-Government Di Indonesia: Analisis Website.”
In Seminar Nasional Teknologi Informasi Dan Komunikasi, , 329–36.
Zainal, A. 2007. “Metodologi Penelitian Pada Bidang Ilmu Komputer Dan
Teknologi Informasi; Konsep, Teknik, Dan Aplikasi.”
LAMPIRAN
BUKTI PENELITIAN
