skripsi evaluasi penggunaan pada produk uang...
Post on 20-Jun-2019
228 Views
Preview:
TRANSCRIPT
SKRIPSI
EVALUASI PENGGUNAAN PADA PRODUK UANG ELEKTRONIK E-
MONEY BANK MANDIRI MENGGUNAKAN MODEL UTAUT 2
(STUDI KASUS : KECAMATAN CIPUTAT)
Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer
Fakultas Sains Dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Disusun Oleh:
M. ADRIANSYAH ALAM PUTRA
11140930000013
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA
2018 M / 1440 H
i
SKRIPSI
EVALUASI PENGGUNAAN PADA PRODUK UANG ELEKTRONIK E-
MONEY BANK MANDIRI MENGGUNAKAN MODEL UTAUT 2
(STUDI KASUS : KECAMATAN CIPUTAT)
Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer
Fakultas Sains Dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Disusun Oleh :
M. ADRIANSYAH ALAM PUTRA
11140930000013
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA
2018 M / 1440 H
ii
(STUDI KASUS : KECAMATAN CIPUTAT)
SKRIPSI
Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer
Fakultas Sains Dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Disusun Oleh :
M. ADRIANSYAH ALAM PUTRA
11140930000013
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA
2018 M / 1440 H
EVALUASI PENGGUNAAN PADA PRODUK UANG ELEKTRONIK E-
MONEY BANK MANDIRI MENGGUNAKAN MODEL UTAUT 2
iii
LEMBAR PENGESAHAN SKRIPSI
EVALUASI PENGGUNAAN PADA PRODUK UANG ELEKTRONIK E-
MONEY BANK MANDIRI MENGGUNAKAN MODEL UTAUT 2
(STUDI KASUS : KECAMATAN CIPUTAT)
Disusun Oleh:
M. Adriansyah Alam Putra
11140930000013
Menyetujui,
Pembimbing I
M. Qomarul Huda, Ph.D
NIP: 19670412 200312 1 001
Pembimbing II
Elvi Fetrina, MIT
NIP: 19740625 200901 2 005
Mengetahui,
Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Nia Kumaladewi, MMSI
NIP. 19750412 200710 2 002
iv
PENGESAHAN UJIAN
Skripsi yang berjudul Evaluasi Penggunaan Pada Produk Uang Elektronik E-
Money Bank Mandiri Menggunakan Model UTAUT 2 (Studi Kasus :
Kecamatan Ciputat) yang ditulis oleh M. Adriansyah Alam Putra, NIM
11140930000013 telah diuji dan dinyatakan lulus dalam sidang Munaqosah
Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif Hidayatullah Jakarta
pada hari Kamis, tanggal 29 November 2018. Skripsi ini telah diterima sebagai
salah satu syarat memperoleh gelar Sarjana Satu (S1) Program Studi Sistem
Informasi.
Menyetujui,
Penguji I
Aries Susanto HT, Ph.D
NIP. 19740322 200710 1 002
Penguji II
A’ang Subiyakto, Ph.D
NIP. 19760219 200710 1 002
Pembimbing I
M. Qomarul Huda, Ph.D
NIP: 19670412 200312 1 001
Pembimbing II
Elvi Fetrina, MIT
NIP: 19740625 200901 2 005
Mengetahui,
Dekan
Fakultas Sains dan Teknologi
Dr. Agus Salim, S.Ag, M.Si
NIP. 19720816 199903 1 003
Ketua
Program Studi Sistem Informasi
Nia Kumaladewi, MMSI
NIP. 19750412 200710 2 002
v
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-
BENAR HASIL KARYA SENDIRI DAN BELUM PERNAH DIAJUKAN
SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN
TINGGI ATAU LEMBAGA MANAPUN.
Jakarta, 30 Desember 2018
M. ADRIANSYAH ALAM PUTRA
11140930000013
vi
ABSTRAK
M. Adriansyah Alam Putra – 11140930000013 Evaluasi Penggunaan Pada
Produk Uang Elektronik E-Money Bank Mandiri Menggunakan Model UTAUT 2
(Studi Kasus : Kecamatan Ciputat) dibawah bimbingan M. Qomarul Huda, Ph.D
dan Elvi Fetrina, MIT.
Beberapa tahun belakangan ini muncul layanan keuangan yang baru dengan
menggunakan teknologi sebagai media perantaranya salah satunya adalah uang
elektronik (e-money). Tiap tahunnya transaksi menggunakan uang elektronik terus
meningkat. Salah satunya ialah E-Money Bank Mandiri. Pada Tahun 2017, E-
Money Bank Mandiri sebagai uang elektronik dengan kepemilikan terbanyak.
Sebagai uang elektronik dengan kepemilikan terbanyak, E-Money Bank Mandiri
tidak luput dari berbagai masalah. Maka dilakukanlah penelitian terkait evaluasi
penggunaan E-Money Bank Mandiri, khusunya di Kecamatan Ciputat.Tujuan
penelitian ini adalah mengevaluasi penggunaan E-Money Bank Mandiri di
Kecamatan Ciputat dan menguji variabel-variabel dari model UTAUT 2 yang
mempengaruhi penggunaan E-Money Bank Mandiri di Kecamatan Ciputat
menggunakan metode kuantitatif dengan pendekatan teknik analisis PLS-SEM.
Penentuan sampling pada penelitian ini menggunakan metode purposive sampling
dengan teknik perhitungan rumus slovin. Selanjutnya dapat dihasilkan rekomendasi
kepada Bank Mandiri untuk pengembangan selanjutnya. Untuk itu, penelitian ini
dilakukan dengan survei menggunakan kuesioner terhadap 127 pengguna E-Money
Bank Mandiri yang berada di wilayah Kecamatan Ciputat. Hasilnya penenlitian ini
menunjukkan bahwa dari 10 hipotesis yang diuji, mayoritas hipotesis diterima
sebanyak 7 hipotesis dan yang ditolak sebanyak 3 hipotesis. Variabel Habit (HT)
merupakan faktor dengan perngaruh terbesar dan Effort Expectancy (PE) menjadi
faktor dengan pengaruh terkecil. Mnafaat dari penelitian ini ialah diberikannya
rekomendasi-rekomendasi yang terkait dengan Model UTAUT2 yang dapat
dijadikan sebagai bahan pertimbangan untuk pengembangan E-Money Bank
Mandiri kedepannya.
Kata kunci : Evaluasi Penggunaan, Metode Kuantitatif, E-Money, UTAUT 2, PLS-
SEM.
BAB I-V + 155 Halaman + xv + 20 Gambar + 25 Tabel + Daftar Pustaka +
Lampiran
Pustaka Acuan (95, 1962-2018)
vii
KATA PENGANTAR
Alhamdulillah, segala puji dan syukur penulis panjatkan kehadirat Allah
dapat menyelesaikan skripsi dengan judul “Evaluasi Penggunaan Pada Produk
Uang Elektronik E-Money Bank Mandiri Menggunakan Model Utaut 2 (Studi
Kasus : Kecamatan Ciputat)”. Dalam penyusunan laporan ini penulis telah
mendapat banyak bantuan dan bimbingan serta semangat dari berbagai pihak.
Tanpa bantuan dari berbagai pihak, tentunya proses penyusunan laporan ini akan
terasa sulit untuk diselesaikan. Oleh karena itu, penulis ingin menyampaikan terima
kasih kepada:
1. Bapak. Dr. Agus Salim, M.Si selaku Dekan Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah.
2. Ibu Nia Kumaladewi, MMSI selaku Ketua Program Studi Sistem
Informasi Fakultas Sains dan Teknologi.
3. Bapak M. Qomarul Huda, Ph.D sebagai Dosen Pembimbing I yang telah
memberikan bimbingan, dan arahan kepada penulis selama proses
penyelesaian skripsi ini. Terima kasih banyak untuk seluruh waktu,
tenaga, kesediaan menjawab setiap pertanyaan penulis dan senantiasa
memberikan dukungan moril serta membagikan banyak pengetahuan
agar penulis bisa menyelesaikan skripsi ini dengan baik.
4. Ibu Elvi Fetrina, MIT sebagai Dosen Pembimbing II yang selalu
menyediakan waktunya dan tidak pernah lelah menyemangati penulis.
Terima kasih atas kesabarannya dalam membimbing penulis, selalu
SWT yang telah melimpahkan rahmat, ridho dan karunia-Nya, sehingga penulis
viii
memberi masukkan yang positif, arahan yang jelas dan terarah sehingga
penulis bisa menyelesaikan skripsi ini dengan baik.
5. Kedua Orang tua penulis, Bapak Syamsu Alam dan Ibu Tenri awaru yang
telah mendidik, menyayangi, memberikan dukungan, semangat dan do’a
yang tiada henti sehingga penulis ingin selalu memberikan yang terbaik
untuk mereka.
6. Dosen-dosen Program Studi Sistem Informasi yang telah memberikan
ilmu selama perkuliahan.
7. Semua Masyarakat di Kecamatan Ciputat yang penulis temui, terima
kasih atas partisipasi dan kerja samanya.
8. Sahabat-sahabat penulis yaitu Riri, Chacha, Fanin, Nadia, Faikar, Anna,
dan Hadyan yang telah memberikan banyak bantuan semangat dan
motivasi kepada penulis selama ini..
9. Big Famliy SI A 2014, terutama kepada Dedy,Wafi, Iik, Hilda, Ai, Ika,
Redno, Nandita, dan Tiara yang selama ini berjuang bersama dan selalu
menjadi motivator bagi penulis. Juga telah meberikan banyak ilmu,
bantuan, dan dukungannya sehingga terselesaikannya skripsi ini.
10. Keluarga Besar Sistem Informasi 2014 yang menjadi motivasi penulis
dalam menyelesaikan laporan ini.
11. Seluruh pihak yang telah banyak berjasa terhadap proses penyelesaian
laporan skripsi ini yang tidak dapat disebutkan satu persatu namun tidak
mengurangi sedikitpun rasa terima kasih terhadap penulis
ix
Penulis menyadari dalam penyusunan laporan ini terdapat kekurangan yang
disebabkan oleh keterbatasan pengetahuan dari penulis. Untuk Penulis menyadari
bahwa dalam penyusunan laporan ini masih banyak kekurangan yang disebabkan
keterbatasan pengetahuan penulis. Untuk itu kiranya, pembaca dapat memaklumi
atas kekurangan dalam laporan ini. Penulis berharap semoga laporan skripsi ini
dapat bermanfaat untuk yang membaca terkhusus untuk penulis.
Jakarta, 30 Desember 2018
M. Adriansyah Alam Putra
11140930000013
x
x
DAFTAR ISI
LEMBAR PENGESAHAN SKRIPSI ................................................................ iii
PENGESAHAN UJIAN ....................................................................................... iv
PERNYATAAN ..................................................................................................... v
ABSTRAK ............................................................................................................ vi
KATA PENGANTAR ......................................................................................... vii
DAFTAR ISI .......................................................................................................... x
DAFTAR GAMBAR .......................................................................................... xiv
DAFTAR TABEL ............................................................................................... xv
BAB I PENDAHULUAN ...................................................................................... 1
1.1 Latar Belakang ............................................................................................ 1
1.2 Identifikasi Masalah .................................................................................... 9
1.3 Perumusan Masalah .................................................................................. 10
1.4 Ruang Lingkup dan Batasan Masalah ....................................................... 11
1.5 Tujuan dan Sasaran Penelitian .................................................................. 12
1.6 Pertanyaan Penelitian ................................................................................ 13
1.7 Metodologi Penelitian .............................................................................. 16
1.7.1 Metode Pengumpulan Data ................................................................. 16
1.7.2 Metode Analisis Data .......................................................................... 16
1.8 Manfaat Penelitian .................................................................................... 17
1.9 Sistematika Penulisan ............................................................................... 17
BAB II LANDASAN TEORI ............................................................................. 19
2.1 Evaluasi ..................................................................................................... 19
2.1.1 Definisi Evaluasi ................................................................................. 19
2.1.2 Tujuan Evaluasi ................................................................................... 19
2.1.3 Formulasi Evaluasi .............................................................................. 22
2.1.4 Jenis-Jenis Evaluasi ............................................................................. 23
2.2 Penerimaan dan Penggunaan..................................................................... 27
2.2.1 Penerimaan Sistem Informasi ............................................................. 29
xi
2.2.2 Faktor Keberhasilan Teknologi ........................................................... 30
2.3 Produk ....................................................................................................... 30
2.4 Uang Elektronik ........................................................................................ 31
2.4.1 Definisi Uang Elektronik .................................................................... 31
2.4.2 Manfaat Uang Elektronik .................................................................... 32
2.4.3 Fitur Uang Elektronik ......................................................................... 33
2.4.4 Jenis Uang Elektronik ......................................................................... 36
2.5 E-Money Bank Mandiri ............................................................................ 38
2.5.1 Definisi E-Money Bank Mandiri ........................................................ 38
2.5.2 Fitur E-Money Bank Mandiri ............................................................. 38
2.5.3 Lokasi Pembelian E-Money Bank Mandiri ........................................ 39
2.6 Unified Theory of Acceptence and Use of Technology (UTAUT) 2 ......... 39
2.6.1 Variabel UTAUT 2 ............................................................................. 43
2.6.1.1 Performance Expectancy (Ekspektasi/Harapan akan Kinerja) ........ 45
2.6.1.2 Effort Expectancy (Ekspektasi/Harapan akan Usaha) ..................... 46
2.6.1.3 Social Influece (Pengaruh Sosial) .................................................... 47
2.6.1.4 Facilitating Condition (Kondisi yang Memfasilitasi) ...................... 48
2.6.1.5 Behavioural Intention (Minat Pemanfaatan) .................................... 49
2.6.1.6 Use Bahaviour (Perilaku Pengguna) ................................................ 50
2.6.1.7 Hedonic Motivation (Motivasi Hedonisme) .................................... 50
2.6.1.8 Price Value (Nilai Harga)................................................................. 51
2.6.1.9 Habit (Kebiasaan)............................................................................. 51
2.6.2 Indikator Variabel UTAUT 2 .............................................................. 52
2.7 Metode Pengumpulan Data ....................................................................... 54
2.7.1 Wawancara .......................................................................................... 55
2.7.2 Kuesioner ............................................................................................ 55
2.7.3 Studi Literatur ..................................................................................... 55
2.8 Skala Likert ............................................................................................... 55
2.9 Variabel Penelitian .................................................................................... 56
2.10 Populasi dan Sampel ................................................................................. 60
2.10.1 Teknik Sampling ................................................................................. 60
2.10.2 Ukuran Sampel .................................................................................... 63
xii
2.11 Analisis Data ............................................................................................. 65
2.11.1 Metode Kuantitatif .............................................................................. 65
2.11.2 Partial Least Square-Structural Equation Modelling (PLS-SEM) ..... 66
2.12 Hipotesis .................................................................................................... 75
2.13 SmartPLS .................................................................................................. 76
2.14 Google Forms ............................................................................................ 77
BAB III METODOLOGI PENELITIAN ......................................................... 78
3.1 Pendekatan Penelitian ............................................................................... 78
3.2 Populasi dan Sampel Penelitian ................................................................ 78
3.3 Prosedur Penelitian.................................................................................... 80
3.4 Perancangan Instrumen Penelitian ............................................................ 82
3.4.1 Model Penelitian ................................................................................. 82
3.4.2 Instrumen Penelitian............................................................................ 83
3.5 Metode Pengumpulan Data ....................................................................... 87
3.5.1 Wawancara .......................................................................................... 87
3.5.2 Survei .................................................................................................. 88
3.5.3 Studi Literatur ..................................................................................... 89
3.6 Analisis Data dan Interpretasi Hasil .......................................................... 97
3.7 Kerangka Penelitian .................................................................................. 97
BAB IV HASIL DAN PEMBAHASAN ............................................................ 99
4.1 Hasil Analisis ............................................................................................ 99
4.1.1 Hasil Analisis Demografi .................................................................... 99
4.1.2 Hasil Analisis Pengukuran Model ..................................................... 111
4.1.3 Hasil Analisis Struktur Model ........................................................... 118
4.2 Interpretasi dan Diskusi Hasil Analisis ................................................... 125
4.2.1 Interpretasi dan Diskusi Hasil Analisi Data Demografis .................. 125
4.2.2 Interpretasi dan Diskusi Hasil Pengukuran Model............................ 129
4.2.3 Interpretasi dan Diskusi Hasil Struktural Model ............................... 130
4.3 Rekomendasi Terhadap Evaluasi Pemggunaan E-Money Bank Mandiri 138
xiii
BAB V KESIMPULAN DAN SARAN ............................................................ 143
5.1 Kesimpulan ............................................................................................. 143
5.2 Saran ........................................................................................................ 145
DAFTAR PUSTAKA ........................................................................................ 147
LAMPIRAN ....................................................................................................... 155
xiv
DAFTAR GAMBAR
Gambar 1. 1 Produk-Prouk Uang Elektronik (Bank Indonesia, 2014) ................... 3
Gambar 1. 2 Jumlah dan Transaksi Uang Elektronik 2010 – Juli 2017 (Katadata,
2017) .................................................................................................. 4
Gambar 1. 3 Kepemilikan Uang Elektronik di Masyarakat (Dailysocial, 2017) .... 6
Gambar 1. 4 Model Penelitian (Adopsi Model Venkatesh et al, 2012) ................ 14
Gambar 2. 1 Model UTAUT 2 (Venkatesh et al, 2012) ....................................... 44
Gambar 3. 1 Prosedur Penelitian (Modifikasi dari Subiyakto et al, 2018) ........... 81
Gambar 3. 2 Model Penelitian (Adopsi Model Venkatesh et al, 2012) ................ 82
Gambar 3. 3 Kerangka Penelitian ........................................................................ 98
Gambar 4. 1 Diagram Lingkaran Jenis Kelamin Responden .............................. 100
Gambar 4. 2 Diagram Lingkaran Usia Responden ............................................. 101
Gambar 4. 3 Diagram Lingkaran Tingkat Pendidikan Responden ..................... 102
Gambar 4. 4 Diagram Lingkaran Kelurahan Responden .................................... 103
Gambar 4. 5 Diagram Lingkaran Pekerjaan Responden ..................................... 104
Gambar 4. 6 Diagram Lingkaran Penggunaan E-Money Bank Mandiri Responden
........................................................................................................ 105
Gambar 4. 7 Diagram Lingkaran Intesitas Penggunaan E-Money Bank Mandiri
Responden (Dalam 1 Minggu) ....................................................... 106
Gambar 4. 8 Diagram Lingkaran Jenis Transaksi Yang Digunakan Responden 107
Gambar 4. 9 Diagram Lingkaran Nominal Uang Yang Dihabiskan Responden
(Dalam 1 Minggu) .......................................................................... 108
Gambar 4. 10 Diagram Demografi Penggunaan E-Money Bank Mandiri.......... 110
Gambar 4. 11 Hasil Analisis Outer Model dengan SmartPLS ............................ 117
Gambar 4. 12 Hasil Pengujian Hipotesa ............................................................. 123
xv
DAFTAR TABEL
Tabel 2. 1 Teori-teori yang Mendasari Model UTAUT (Venkatesh et al, 2003) . 42
Tabel 2. 2 Indikator Variabel UTAUT .................................................................. 52
Tabel 2. 3 Format Responden untuk Pertanyaan .................................................. 56
Tabel 2. 4 Ringkasan Rule of Thumb Evaluasi Model Pengukuran (Ghozali, 2015)
................................................................................................................. 71
Tabel 2. 5 Ringkasan Rule of Thumb Evaluasi Model Struktural (Ghozali, 2015) 74
Tabel 3. 1 Indikator Penelitian .............................................................................. 83
Tabel 3. 2 Daftar Pertanyaan ................................................................................. 85
Tabel 3. 3 Data Kuesioner Kembali ...................................................................... 89
Tabel 3. 4 Ringkasan Penelitian Sejenis Terdahulu .............................................. 90
Tabel 4. 1 Tabel Demografi Respnden Penggunaan E-Money Bank Mandiri ... 109
Tabel 4. 2 Hasil Uji Loading Factor dengan SmartPLS ..................................... 111
Tabel 4. 3 Hasil Uji Composite Reliability dengan SmartPLS ........................... 112
Tabel 4. 4 Hasil Uji Average Variance Extracted (AVE) dengan SmartPLS...... 113
Tabel 4. 5 Hasil Uji Discriminant Validity (Cross Loading) dengan SmartPLS 114
Tabel 4. 6 Hasil Uji Discriminant Validity (Cross Loading Fornell-Lacker’s)
dengan SmartPLS .............................................................................. 115
Tabel 4. 7 Hasil Uji Path Coefficient dengan SmartPLS .................................... 118
Tabel 4. 8 Hasil Uji R-Square dengan SmartPLS ............................................... 119
Tabel 4. 9 Hasil Uji T-test dengan SmartPLS ..................................................... 120
Tabel 4. 10 Hasil Uji Effect Size dengan SmartPLS ........................................... 121
Tabel 4. 11 Hasil Uji Predictive Relevance dengan SmartPLS .......................... 122
Tabel 4. 12 Hasil Uji Relative Impact dengan SmartPLS ................................... 122
Tabel 4. 13 Ringkasan Hasil Analisis Struktural Model (Inner Model) ............. 124
Tabel 4. 14 Hasil Uji Hipotesis dengan SmartPLS ............................................. 130
Tabel 4. 15 Rekomendasi Singkat E-Money Bank Mandiri ............................... 142
x
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Pada era globalisasi saat ini, perkembangan teknologi informasi tumbuh
dengan pesatnya. Perkembangan ini ditandai dengan mulai terotomatisasinya hal-
hal yang telah dilakukan manusia secara manual. Seiring dengan terusnya
berjalannya waktu, perkembangan teknologi informasi terus mengeluarkan inovasi-
inovasi baru. Inovasi dalam konsep yang luas sebenarnya tidak hanya terbatas pada
produk. Inovasi dapat berupa ide, gagasan, praktek atau objek/benda yang
dipersepsikan oleh seseorang sebagai suatu yang baru (Suryani, 2008).
Perkembangan teknologi informasi memberikan dampak ke berbagai bidang.
Bidang financial atau keuangan merupakan salah satu yang terkena dampaknya.
Saat ini bidang financial muncul dengan inovasi terbaru dengan menggunakan
penerapan teknologi informasi sebagai layanan keuangan yang ditawarkan.
Beberapa tahun belakangan ini muncul layanan keuangan yang baru dengan
menggunakan teknologi sebagai media perantaranya salah satunya adalah uang
elektronik (e-money).
Menurut Waspada (2012) pengertian uang elektronik ialah alat pembayaran
yang diterbitkan atas dasar nilai uang yang disetor terlebih dahulu oleh pemegang
kepada penerbit, dimana nilai uang disimpan secara elektronik dalam suatu media
atau server yang digunakan sebagai alat pembayaran kepada pedagang. Uang
2
elektronik menurut Peraturan Bank Indonesia No. 11/12/PBI/2009 tentang Uang
Elektronik adalah alat pembayaran yang memenuhi unsur-unsur sebagai berikut:
• Diterbitkan atas dasar nilai uang yang disetor terlebih dahulu oleh
pemegang kepada penerbit.
• Nilai uang disimpan secara elektronik dalam suatu media seperti chip atau
server.
• Digunakan sebagai alat pembayaran kepada pedagang yang bukan
merupakan penerbit uang elektronik tersebut.
• Nilai uang elektronik yang disetor oleh pemegang dan dikelola oleh
penerbit bukan merupakan simpanan sebagaimana dimaksud dalam
undang-undang yang mengatur mengenai perbankan
Jadi, uang elektronik adalah salah satu alat pembayaran yang di sahkan oleh
Bank Indonesia berbentuk elektronik dalam suatu media chip atau server dimana
pengguna terlebih dahulu melakukan pengisian saldo oleh penerbit. Pada media
chip, uang elektronik dengan media ini berbentuk kartu. Sedangkan pada media
server, uang elektronik dijalankan pada bentuk mobile. Uang elektronik dengan
media chip atau berbasis kartu berbeda dengan alat pembayaran elektronik berbasis
kartu lainnya seperti kartu debit dan kartu kredit. Uang elektronik termasuk dalam
prepaid product sedangkan kartu debit dan kartu kredit termasuk dalam access
products. Perbedaan antara prepaid products dengan access product dapat dilihat
dari dana yang tercatat, prepaid products dana yang tercatat sepenuhnya dalam
penguasaan pengguna, sedangkan access product dana yang tercatat berada dalam
pengelolaan bank.
3
Contoh uang elektronik berbasis media chip ialah Flazz dari BCA, E-money
dari Mandiri, Brizzi dari BRI, dan lain sebagainya. Contoh uang elektronik berbasis
server ialah T-Cash dari Telkomsel, XL-Tunai dari XL, dan lain sebagainya.
Beberapa produk uang elektonik yang ada di Indonesia menurut Bank Indonesia
dapat dilihat pada gambar 1.1.
Gambar 1.1 Produk-produk Uang Elektronik (Bank Indonesia, 2014)
Penggunaan uang elektronik juga dicanangkan oleh Bank Indonesia dengan
sebutan Gerakan Nasional Non Tunai. Dikutip dari halamn Website bi.go.id
bahwasanya Gubernur Bank Indonesia Agus D.W. Martowardojo, pada Kamis, 14
Agustus 2014 di Jakarta secara resmi mencanangkan “Gerakan Nasional Non Tunai
(GNNT)”. Kegiatan ini merupakan bagian dari peringatan HUT ke-69 Republik
Indonesia di Bank Indonesia. Pencanangan ini ditandai dengan penandatanganan
Nota Kesepahaman antara Bank Indonesia dengan Kementerian Koordinator
Bidang Perekonomian, Kementerian Keuangan, Pemerintah Daerah serta Asosiasi
4
Pemerintahan Provinsi Seluruh Indonesia sebagai komitmen untuk mendukung
GNNT. Acara ini diselenggarakan di Mangga Dua Mall, Jakarta yang
merepresentasikan pusat transaksi keuangan. Pencanangan dimaksudkan untuk
meningkatkan kesadaran masyarakat, pelaku bisnis dan juga lembaga-lembaga
pemerintah untuk menggunakan sarana pembayaran non tunai dalam melakukan
transaksi keuangan, yang tentunya mudah, aman dan efisien.
Menurut survey dari katadata.co.id penyebaran dan penggunaan transaksi
uang elektronik di Indonesia mengalami peningkat tiap tahunnya. Berikut grafik
data penyebaran dan penggunaan transaksi uang elektronik dimulai dari tahun 2010
hingga Juli 2017 yang dapat dilihat pada gambar 1.2.
Ket :
/ Diagram Garis = Penyebaran Uang Elektronik
/ Diagram Batang = Jumlah Transaksi Uang Elektronik
Gambar 1.2 Jumlah dan Transaksi Uang Elektronik 2010 – Juli 2017 (Katadata,
2017)
5
Berdasarkan pada gambar 1.2 Jumlah penyebaran uang elektronik mengalami
kenaikan setiap tahunnya dan di juli 2017 adalah paling tinggi dengan penyebaran
sebesar 75,8 juta kartu, akan tetapi pada grafik garis di tahun 2014 sedikit
mengalami penurunan. Sedangkan penggunaan transaksi uang elektronik terus
meningkat tiap tahunnya tanpa adanya penurunan. Dapat dilihat pada grafik batang
bahwa total transaksi hingga juli 2017 sudah mencapai 8,8 triliun rupiah.
Berlakunya kebijakan baru mulai 31 Oktober 2017 dimana setiap masyarakat
yang menggunakan jalan Toll diwajibkan untuk menggunakan uang elektronik
berbasis chip yang telah beredar di khalayak umum (Cermati, 2017). Kebijakan ini
akan berdampak dengan peningkatan penyebaran kartu dan penggunaan transaksi
uang elektronik, dikarenakan setiap masyarakat yang hendak menggunakan jalan
toll diwajibkan untuk menggunakan uang elektronik.
Dari peningkatan penyebaran uang elektronik dari data sebelumnya tentunya
berbagai macam uang elektronik yang dikeluarkan oleh Lembaga perbakan dan non
perbankan termasuk didalamnya. Melalui survey Dailysocial.id kita dapat
mengetahui persentase kepemilikan uang elektronik yang ada di Indonesia tahun
2017 pada gambar 1.3 berikut.
6
Gambar 1.3 Kepemilikan Uang Elektronik di Masyarakat (Dailysocial, 2017)
Berdasarkan gambar 1.3 kepemilikan E-Money Mandiri dinyatakan sebagai
persentase tertinggi dengan nilai 33,34 persen. Akan tetapi terdapat masyarakat
yang tidak memiliki uang eletronik dinyatakan dengan persentase tertinggi kedua
dengan nilai 28,61 persen.
Walaupun menjadi uang elektronik degan kepemilikan terbanyak, E-Money
Bank Mandiri tidak luput dari berbagai masalah. Dikutip dari berita yang tertera di
dalam Batamnews.co.id tanggal 2 Juli 2018, terdapat beberapa masalah dalam
penggunaan E-Money Bank Mandiri. Pertama, lambatnya proses pembacaan mesin
E-Money Bank Mandiri yang digunakan pada jalan toll sehingga diperlukannya
penggantian mesin yang baru dan lambatnya mesin pembaca dikarenakan mulai
kadaluarsanya kartu E-Money Bank mandiri yang tersebar. Kedua, Susahnya untuk
melakukan pengisian ulang E-Money Bank Mandiri. Hal ini disebabkan dari
berbagai hal yaitu tergangunya jaringan pada mesin EDC, masalah yang terdapat
7
dalam kartu yang di gunakan, dan pemilik maupun petugas yang membantu kurang
memahami penggunaan E-Money Bank Mandiri. Ketiga, terjadinya pemotongan
saldo hingga 2 kali yang dapat terjadi pada transaksi jalan toll. Keempat, jaringan
sistem transaksi offline ketika pengguna ingin melakukan pengisian saldo. Hal ini
disebabkan oleh habisnya dana talangan. Kelima, ketersediaan tempat pengisiian
ulang E-Money Bank Mandiri yang tidak merata. Keenam, Munculya calo yang
dapat merugikan pengguna dilihat dari tarif harga yang dikeluarkan untuk
melakukan transaksi. Disebutkan didalam berita tersebut biaya transaksi pada
TransJakarta bisa lebih mahal disbanding harga aslinya, hal ini disebabkan ketidak
punyaan E-Money Bank Mandiri penumpang.
Dari beberapa masalah tersebut peneliti merasa perlu untuk mengevaluasi dari
kegiatan penggunaan E-Money Bank Mandiri. Sehingga didapatkan dan
diberikannya solusi untuk mengatasi masalah-masalah tersebut. Definisi evaluasi
itu sendiri yang dikemukakan oleh Stutflebeam yang dikutip oleh Arikunto et al
(2010), menyatakan bahwa evaluasi merupakan proses penggambaran, pencarian
dan pemberian informasi yang sangat bermanfaat bagi pengambil keputusan dalam
menentukan alternatif keputusan. Dari pernyataan tersebut bahwa dengan
melakukan evaluasi, pihak dari Bank Mandiri dapat melakukan proses
penggambaran, pencarian dan pemberian informasi yang sangat bermanfaat terkait
dengan penggunaan E-Money Mandiri. Menurut Tayibnapis (2008) bahwa evaluasi
hendaknya mmembantu pengembangan, implementaasi, kebutuhan suatu program,
perbaikan program, pertanggungjawaban, seleksi motivasi, menambah
pengetahuan, dan dukungan dari mereka yang terlibat. Menurut Wirawan (2011)
8
bahwa tujuan evaluasi ialah untuk melindungi anggota masyarakat yang memakai
jasa layanan lembaga tersebut. Maka, dengan melakukan mengevaluasi E-Money
Bank Mandri dapat pula mempertahankan penggunanya untuk tetap menggunakan
E-Money Bank Mandiri. Lalu hasil dari proses evaluasi tersebut dapat dijadikan
landasan keputusan untuk pengembangan E-Money Bank Mandiri yang lebih baik,
memberikan solusi terhadap masalah-masalah yang ada, dan memberikan
pelayanan tambahan bagi konsumen.
Pada kasus tersebut, terdapat model untuk mengukur dan mengevaluasi
penggunaan teknologi, salah satunya yang akan digunakan dalam penelitian ini
adalah model UTAUT 2 (Unified Theory of Acceptance and Use of Technology 2).
UTAUT 2 merupakan pengembangan model UTAUT yang sebelumnya, dimana
UTAUT2 mempelajari penerimaan dan penggunaan dari sebuah teknologi yang
lebih berpusat pada konteks konsumen (Venkatesh et al, 2012). Tujuan dari model
UTAUT 2 adalah mengidentifikasi tiga variabel penting dari penelitian penerimaan
dan penggunaan teknologi baik untuk umum maupun konsumen, memodifikasi
beberapa hubungan yang sudah ada pada konsep model UTAUT terdahulu, dan
mengenalkan hubungan baru (Venkatesh et al, 2012). Tiga variabel baru yang
ditambahkan ialah Hedonic Motivation (HE), Price Value (PV), dan Habit (H).
Sebelumnya beberapa peneliti telah menggunakan model tersebut pada
penelitian evaluasi. Diantaranya ialah Alotaibi dan Wald (2014) yang menerapkan
model UTAUT untuk mengevaluasi pengalaman penerimaan pengguna pada
Identity Access Management Systems (IAMS) yang menghasilkan bahwa terdapat
ketidakberpengaruhan pada perilaku penggunaan, kemudian Frank dan Markovic
9
(2018) yang menerapkan UTAUT2 untuk mengvaluasi e-Government Project
dimana menghasilkan semua hipotesis memiliki pengaruh yang signifikan, lalu,
Kalamatian dan Malamateniou (2017) yang menerapkan UTAUT2 dengan tujuan
mendeskripsikan sebuah model evaluasi untuk menginvestigasi kesuksesan e-
Government Project dimana hasilnya variabel gender, social influence, dan
hedonic motivation secara tidak signifikan memiliki pengaruh. Maka dari beberapa
penelitian tersebut, mempertegas bahwa model UTAUT telah digunakan untuk
penelitian terkait evaluasi.
Pengunaan E-Money Bank Mandiri tentunya sampai masyarakat Kecamatan
Ciputat. Jumlah masyarakat yang berada di Kecamatan Ciputat sebesar 232.559
jiwa menurut data BPS Tangerang Selatan pada tahun 2016 tentunya tidak sedikit
yang tahu dan menggunakan E-Money Bank Mandiri. Masyarakat yang terdapat
pada Kecamatan Ciputat dijadikan sebagai tempat sampel pengguna E-Money Bank
Mandiri.
Dari latar belakang yang telah peneliti uraikan, peneliti ingin mengevaluasi
penggunaan E-Money Bank Mandiri pada masyarakat di Kecamatan Ciputat.
Sehingga judul penelitian yang peneliti ambil ialah “Evaluasi Penggunaan Pada
Produk Uang Elektronik E-Money Bank Mandiri Menggunakan Model UTAUT 2
(Studi Kasus : Kecamatan Ciputat)”.
1.2 Identifikasi Masalah
Berdasarkan latar belakang yang telah dipaparkan oleh penulis, maka dapat
diidentifikasi permasalahan yaitu sebagai berikut:
10
1. Mulai bermigrasinya penggunaan sistem pembayaran tunai menjadi
sistem pembayaran non-tunai.
2. Tingginya peningkatan penyebaran dan penggunaan transaksi uang
elektronik di Indonesia
3. Tingginya kepemilikan produk uang elektronik E-Money Bank Mandiri
di masyarakat Indonesia.
4. Lambatnya proses pembacaan mesin E-Money Bank Mandiri yang
digunakan pada jalan toll.
5. Sulitnya untuk melakukan pengisian ulang E-Money Bank Mandiri.
6. Terjadinya pemotongan saldo hingga 2 kali pada transaksi penggunaan E-
Money Bank Mandiri
7. Jaringan sistem transaksi E-Money Bank Mandiri offline.
8. Tidak merata tempat pengisiian ulang E-Money Bank Mandiri.
9. Munculya calo yang dapat merugikan masyarakat.
1.3 Perumusan Masalah
Berdasarkan identifikasi masalah yang ada, maka peneliti merumuskan
permasalahan yang diangkat pada penelitian ini adalah “Bagaimana Mengevaluasi
Penggunaan Pada Produk Uang Elektronik E-Money Bank Mandiri
Menggunakan Model UTAUT 2 Di Kecamatan Ciputat?” yang dapat membantu
pihak Bank Mandiri untuk mengetahui penggunaan dari penggunan E-Money Bank
Mandiri di Kecamatan Ciputat.
11
1.4 Ruang Lingkup dan Batasan Masalah
Agar Penelitian ini lebih fokus dan terarah, maka penelitian ini dilakukan
dengan ruang lingkup dan batasan masalah sebagai berikut:
1. Penelitian ini akan dilakukan terhadap pengguna e-Money milik Bank
Mandiri di Kecamatan Ciputat.
2. Objek penelitian yang peneliti ambil ialah e-Money Bank Mandiri
meliputi E-Money Bank Mandiri itu sendiri serta E-Money dari kerja
sama dengan beberapa merchant seperti E-Toll dan Indomaret Card
3. Karakteristik sampel penelitian ialah pengguna e-Money milik Bank
Mandiri di Kecamatan Ciputat dengan rentan umur dari 17 Tahun sampai
58 Tahun, Jenjang pendidikan Minimal SMA, dan pengalaman
menggunakan minimal 1 minggu.
4. Jumlah sampel ditentukan dengan peneliti menggunakan teknik purposive
sampling. Penggunaan teknik purposive sampling ialah menentukan
sampel dengan pertimbangan tertentu. Kemudian dilakukan perhitungan
sampel slovin dan harus memenuhi minimal sebanyak 10 kali dari jumlah
hipotesis penelitian sesuai dengan penelitian Yamin & Kurniawan (2011).
5. Secara teori, penelitian akan menggunakan model Unified Theory of
acceptence and Use of Technology 2 (UTAUT 2) merujuk pada penelitian
Venkatesh et al (2012), yang terdiri dari 6 variabel dari UTAUT
sebelumnya yaitu Performance Expectancy (PE), Effort Expectancy (EE),
Social Influence (SI), Facilitating Conditions (FC), Behavior Intention
12
(BI) Dan Use Behavior (UB) ditambah dengan 3 variabel baru yaitu
Hedonic Motivation (HM), Price Value (PV), dan Habit (H).
6. Secara metodologi, penelitian ini menggunakan metode kuantitatif
dengan teknik pengumpulan data kuisoner yang disebarkan kepada
masyarakat di Kecamatan Ciputat yang memiliki dan menggunakan e-
Money milik Bank Mandiri. Teknik pengambilan sample yang peneliti
gunakan ialah purposive sampling dimana sampel yang peneiliti ambil
hanya pada pengguna e-Money Mandiri, dengan analisis data
menggunakan Partial Least Square - Structural Equation Modeling (PLS-
SEM).
7. Software yang peneliti gunakan untuk menganalisis data ialah SmartPLS
3.0.
1.5 Tujuan dan Sasaran Penelitian
Tujuan yang ingin dicapai penulis dari penelitian ini adalah :
1. Mengetahui faktor-faktor atau variabel-variabel di UTAUT 2 yang
mempengaruhi penggunaan uang elektronik pada produk E-Money
Bank Mandiri di Kecamatan Ciputat.
2. Mengetahui besar pengaruh dari faktor-faktor atau variabel-variabel
yang ada pada model UTAUT 2.
3. Memberikan rekomendasi dan bahan pertimbangan kepada pihak Bank
Mandiri dari hasil evaluasi yang peneliti lakukan terhadap penggunaan
E-Money Bank Mandiri.
13
Merujuk pada tujuan penelitian di atas, sasaran pelaksanaan penelitian ini
adalah :
1. Diketahuinya faktor apa saja yang mempengaruhi penerimaan dan
penggunaan E-Money Bank Mandiri berdasarkan model penelitian yang
diajukan.
2. Diketahuinya faktor apa saja yang paling besar pengaruhnya maupun
yang tidak memiliki pengaruh terhandap penggunaan E-Money Bank
Mandiri untuk diberikan sebagai saran maupun bahan pertimbangan
kepada Bank Mandiri.
1.6 Pertanyaan Penelitian
Model dari penelitian ini terdapat pada gambar 1.4 yang merupakan adopsi
dari model yang di teliti oleh Venkatesh et al (2012), yaitu model Unified theory of
acceptence and use of technology 2 (UTAUT 2) yang terdiri dari 9 variabel dengan
rincian 6 vairabel dari UTAUT sebelumnya yaitu Performance Expectancy (PE),
Effort Expectancy (EE), Social Influence (SI), Facilitating Conditions (FC),
Behavior Intention (BI) Dan Use Behavior (UB) ditambah dengan 3 variabel baru
yaitu Hedonic Motivation (HM), Price Value (PV), dan Habit (H).
14
Gambar 1.4 Model Penelitian (Adopsi Model Venkatesh et al, 2012)
Berdasarkan tujuan dan sasaran pada penelitian ini, maka pertanyaan
penelitian dalam hal ini :
1. Bagaimana tingkat penggunaan dari produk uang elektronik pada e-
Money Mandiri sesuai dengan model UTAUT 2 di lingkungan Kecamatan
Ciputat?
2. Apa saja faktor-faktor yang mempengaruhi penggunaan produk uang
elektronik pada produk E-Money Bank Mandiri di Kecamatan Ciputat?
Berdasarkan beberapa faktor yang terdapat pada model yang digunakan
sebagaimana dapat dilihat pada gambar 1.4, maka terdapat 10 faktor yang
diasumsikan dapat saling mempengaruhi, diantarnya:
15
Q1. Apakah variabel Performance Expectancy (PE) berpengaruh secara
signifikan terhadap variabel Behavior Intention (BI)?
Q2. Apakah variabel Effort Expectancy (EE) berpengaruh secara
signifikan terhadap variabel Behavior Intention (BI)?
Q3. Apakah variabel Social Influence (SI) berpengaruh secara signifikan
terhadap variabel Behavior Intention (BI)?
Q4. Apakah variabel Hedonic Motivation (HM) berpengaruh secara
signifikan terhadap variabel Behavior Intention (BI)?
Q5. Apakah variabel Price value (PV) berpengaruh secara signifikan
terhadap variabel Behavior Intention (BI)?
Q6. Apakah variabel Facilitating Conditions (FC) berpengaruh secara
signifikan terhadap variabel Behavior Intention (BI)?
Q7. Apakah variabel Habit (H) berpengaruh secara signifikan terhadap
variabel Behavior Intention (BI)?
Q8. Apakah variabel Behavior Intention (BI) berpengaruh secara
signifikan terhadap variabel Use Behavior (UB)?
Q9. Apakah variabel Facilitating Conditions (FC) berpengaruh secara
signifikan terhadap variabel Use Behavior (UB)?
Q10. Apakah variabel Habit (H) berpengaruh secara signifikan terhadap
variabel Use Behavior (UB) ?
16
1.7 Metodologi Penelitian
Secara umum bahwa penelitian ini menggunakan metode pendekatan
kuantitatif. Agar penelitian ini memiliki proses yang terarah, adapun metodologi
pada peleitian ini, yaitu:
1.7.1 Metode Pengumpulan Data
Adapun metode pengumpulan data dilakukan melalui survei dengan
menyebarkan kuisoner. Kuisoner dirancang dalam bentuk pertanyaan terbuka
berdasarkan variabel dan indikator pada model UTAUT 2. Selain itu, studi
literatur dan wawancara juga dilakukan peneliti untuk memperkuat latar
belakang serta teori-teori pada penelitian.
Penyebaran kuisoner dilakukan secara langsung (tatap muka) dan
tidak langsung melalui media sosial whatsapp, line dan juga e-mail dengan
menggunakan Google Forms untuk pengisian kuisoner secara online. Setelah
semua kuisoner terkumpul dilakukan penyaringan dan diklasifikasi
menggunakan software pengolah angka MS. Excell 2013.
1.7.2 Metode Analisis Data
Adapun metode analisis data yang peneliti lakukan ilalah dengan
melakukan proses analisa demografis, analisis persepsi responden terhadap
idikator kemudian secara kuantitatif peneliti melakukan analisis pendekatan
PLS-SEM dengan software SmartPLS 3.0. Akhir dari analisis data ialah
dengan interpretasi dan pembahasan hasil berdasarkan hasil analisis data yang
telah dilakukan.
17
1.8 Manfaat Penelitian
Manfaat dari penelitian ini ialah sebagai berikut :
1. Dari sisi penulis, sebagai penelitian skripsi penulis dibidang Sistem
Informasi sebagai syarat tingkat sarjana.
2. Dari sisi metodologi, agar diharapkan penelitian ini menjadi landasan
pemanfaatan metode UTAUT 2 dalam hal pembuatan penelitian yang
selanjutnya.
3. Dari sisi informasi, dapat mengetahui tingkat penggunaan E-Money
Bank Mandiri pada Kecamatan Ciputat.
4. Dari sisi penggunan produk, dapat membantu pengguna memberikan
feedback terhadap kuliatas penggunaan E-Money Bank Mandiri.
5. Dari sisi perbankan yang mengeluarkan produk, dapat menjadi landasan
untuk lebih meningkatkan layanan yang dimiliki produknya.
1.9 Sistematika Penulisan
Dalam penyusunan laporan ini, penulis menguraikan pembahasan ke dalam
lima bab yang secara singkat diuraikan sebagai berikut :
BAB I PENDAHULUAN
Bab ini berisikan tentang latar belakang, identifikasi
masalah, perumusan masalah, tujuan penelitian, manfaat
penelitian, batasan masalah, model penelitian, metodologi
penelitian dan sistematika penulisan.
18
BAB II LANDASAN TEORI
Bab ini berisi tentang landasan teori yang digunakan dalam
membahas dan menganalisis permasalahan yang
berhubungan dengan topik yang sedang dibahas.
BAB III METODOLOGI PENELITIAN
Bab ini menjelaskan tentang metodologi proses pelaksanaan
penelitian, mencakup penjelasan tentang pendekatan,
prosedur, populasi dan sampel, instrumen, pengumpulan dan
pemrosesan data serta analisis data.
BAB IV HASIL DAN PEMBAHASAN
Bab ini berisikan pemaparan dari hasil “Evaluasi
Penggunaan Pada Produk Uang Elektronik E-Money Bank
Mandiri Menggunakan Model UTAUT 2 (Studi Kasus :
Kecamatan Ciputat)” dimulai dari analisis data dan hasilnya,
interpretasi dan diskusi hasil penelitian. Selanjutnya,
selanjutnya hasil interpretasi dan diskusi dilakukan dengan
merujuk pada basis teori yang sebelumnya.
BAB V PENUTUP
Bab ini merupakan kesimpulan dan saran atas hasil
pelaksanaan penelitian serta kelanjutan kajian selanjutnya
19
19
BAB II
LANDASAN TEORI
2.1 Evaluasi
2.1.1 Definisi Evaluasi
Evaluasi merupakan sebuah riset untuk mengumpulkan, menganalisis,
dan menyajikan informasi yang bermanfaat mengenai objek evaluasi, menilainya
dengan membandingkannya dengan indikator evaluasi dan hasilnya dipergunakan
untuk mengambil keputusan mengenai objek evaluasi (Wirawan, 2011).
2.1.2 Tujuan Evaluasi
Tujuan evaluasi adalah mengumpulkan informasi yang bermanfaat
mengenai objek evaluasi. Informasi tersebut kemudian dibandingkan atau dinilai
dengan indikator evaluasi dan muncul hasil perbandingan tersebut apakah sudah
memenuhi kriteria atau belum memenuhi kriteria evaluasi (Wirawan, 2011).
Evaluasi dilaksanakan untuk mencapai berbagai tujuan sesuai dengan
objek evaluasinya. Tujuan melaksanakan evaluasi antara lain adalah (Wirawan,
2011):
1. Mengukur pengaruh program terhadap masyarakat
Program dirancang dan dilaksanakan sebagai layanan atau intervensi
sosial untuk menyelesaikan masalah, situasi, keadaan yang dihadapi
masyarakat. Program juga diadakan untuk mengubah keadaan
masyarakat yang dilayani.
20
2. Menilai apakah program telah dilaksanakan sesuai dengan rencana.
Setiap program direncanakan dengan teliti dan pelaksanaannya harus
sesuai dengan rencana tersebut. Evaluasi program bertujuan
menentukan posisi pelaksanaan program apakah berada di jalurnya
atau tidak. Jika terjadi penyimpangan prosedur pelaksanaan aktivitas,
anggaran dan waktu segera dilakukan koreksi.
3. Mengukur apakah pelaksanaan program sesuai dengan standar
Setiap program dirancang dan dilaksanakan berdasarkan standar
tertentu. Evaluasi program dapat mengidentifikasi dan menemukan
mana dimensi program yang jalan, dan mana yang tidak berjalan.
4. Pengembangan staf program
Evaluasi dapat dipergunakan mengembangkan kemampuan staf garis
depan yang langsung menyajikan layanan kepada klien dan para
pemangku kepentingan lainnya.
5. Menentukan ketentuan undang-undang
Suatu program dirancang dan dilaksanakan berdasarkan ketentuan
undang-undang untuk menyelesaikan masalah yang dihadapi oleh
masyarakat.
6. Akreditasi program
Lembaga-lembaga yang melayani kebutuhan masyarakat perlu
dievaluasi untuk menentukan apakah telah menyajikan layanan
kepada masyarakat sesuai dengan standar layanan yang ditentukan.
21
Tujuan dari evaluasi adalah untuk melindungi anggota masyarakat
yang memakai jasa layanan lembaga tersebut.
7. Mengukur cost effectiveness dan cost efficiency
Penggunaan sumber dalam suatu program perlu diukur apakah
anggaran suatu program mempunyai nilai yang sepadan (cost
effective) dengan akibat atau manfaat yang ditimbulkan oleh program.
Sedangkan cost efficiency untuk mengukur apakah biaya yang
dikeluarkan untuk membiayai program telah dikeluarkan secara
efisien atau tidak.
8. Mengambil keputusan mengenai program.
9. Accountabilitas
Evaluasi dilakukan juga untuk pertanggungjawaban pimpinan dan
pelaksana program. Apakah program telah dilaksanakan sesuai
dengan rencana, sesuai dengan standar atau tolak ukur keberhasilan
atau tidak.
10. Memberikan balikan kepada pimpinan dan staf program.
11. Mempekuat posisi politik.
12. Jika evaluasi menghasilkan nilai yang positif, kebijakan, program,
atau proyek akan mendapat dukungan dari para pengambil keputusan,
legislatif dan eksekutif dan anggota masyarakat yang mendapat
layanan.
13. Mengembangkan teori ilmu evaluasi atau riset evaluasi.
22
2.1.3 Formulasi Evaluasi
Evaluasi memiliki definisi yang berbeda tetapi memiliki inti yang sama
sehingga, memiliki formula tersendiri yang terdiri dari (Wirawan, 2011):
1. Riset
Sebagai penelitian, evaluasi tunduk kepada kaidah-kaidah ilmu
penelitian. Misalnya, metode yang dipergunakan adalah metode
penelitian saintik, metode penelitian yang digunakan oleh semua jenis
penelitian dapat dipergunakan dalam evaluasi. Teknik penarikan
sample, instrument dan data analisisnya sesuai dengan teknik
penelitian.
2. Objek evaluasi
Objek evaluasi adalah apa yang akan dievaluasi. Donaldson et al
dalam Wirawan (2011) menggunakan istilah evaluand yaitu apa yang
diteliti dalam evaluasi dan evaluee jika objeknya orang. Karena
evaluasi dilakukan di semua sektor kehidupan, setiap sektor
mempunyai objek evaluasi yang unik.
3. Informasi
Tujuan evaluasi adalah mengumpulkan informasi yang bermanfaat
mengenai objek evaluasi. Informasi tersebut kemudian dibandingkan
atau dinilai dengan indikator keberhasilan tersebut. Hasil
perbandingan dapat memenuhi atau tidak memenuhi tolak ukur
keberhasilan.
23
4. Menilai
Evaluasi melakukan penelitian kualitas (merit) yaitu baik buruknya
atau tinggi rendahnya kualitas atau kinerja program yang dievaluasi,
dan penilaian manfaat (worth) yaitu bermanfaat tinggi atau rendahnya
program dalam kaitan dengan suatu tujuan atau standar tertentu.
5. Mengambil keputusan mengenai objek yang dievaluasi
Informasi mengenai objek evaluasi dipergunakan untuk mengambil
keputusan mengenai objek evaluasi. Artinya, jika program memenuhi
tolak ukur keberhasilan, maka perlu dilakukan perubahan atau
pengembangan. Sebaliknya, jika hasil evaluasi menyatakan program
berhasil, program tersebut akan diteruskan atau dilaksanakan.
2.1.4 Jenis-Jenis Evaluasi
Evaluasi dapat dikelompokkan berdasarkan objeknya dan fokus dalam
suatu program (Wirawan, 2011).
1. Jenis Evaluasi Berdasarkan Objek
Berdasarkan objeknya evaluasi dapat dikelompokkan menjadi:
a. Evaluasi Kebijakan
Evaluasi kebijakan adalah menilai kebijakan yang sedang atau
telah dilaksanakan. Setiap kebijakan harus dievaluasi untuk
menentukan apakah kebijakan bermanfaat, dapat mencapai
tujuannya, dilaksanakan secara efisien, dan untuk
pertanggungjawaban pelaksanaannya.
24
b. Evaluasi Program
Evaluasi program adalah metode sistematik untuk
mengumpulkan, menganalisis, dan memakai informasi untuk
menjawab pertanyaan dasar mengenai program. Evaluasi
program dapat dikelompokkan menjadi evaluasi proses (process
evaluation), evaluasi manfaat (outcome evaluation), dan evaluasi
akibat (impact evaluation).
c. Evaluasi Proyek
Sebelum dijadikan suatu program, suatu aktivitas dilaksanakan
dalam bentuk proyek. Proyek tersebut kemudian diteliti dan
dievaluasi secara formatif dengan berbagai upaya
penyempurnaan, perbaikan atau koreksi, dan evaluasi sumatif.
Jika proyek berhasil dan hasilnya baik, maka proyek tersebut
dikembangkan dan dilaksanakan sebagai suatu program.
d. Evaluasi Material
Evaluasi material adalah menganalisis material-material apa saja
yang sesuai dengan kriteria yang diinginkan. Untuk
melaksanakan kebijakan, program, atau proyek diperlukan
sejumlah material atau produk-produk tertentu.
e. Evaluasi Sumber Daya Manusia
Evaluasi sumber daya manusia, evaluasi personalia atau evaluasi
kinerja telah dilakukan untuk merekrut dan menilai kinerja
pegawai. Keberhasilan organisasi sangat ditentukan oleh kinerja
25
para karyawan, oleh karena itu mereka harus dievaluasi
kinerjanya secara periodik.
Berdasarkan penjelasan di atas maka penelitian yang dilakukan oleh
penulis merupakan evaluasi program karena berdasarkan objeknya terhadap E-
Money Bank Mandiri, sehingga dapat melihat apakah sistem sudah sesuai dengan
yang direncanakan atau belum diharapkan.
2. Jenis Evaluasi Berdasarkan Fokus
Berdasarkan objeknya evaluasi dapat dikelompokkan menjadi:
a. Asesmen Kebutuhan
Asesmen kebutuhan adalah mengidentifikasikan dan mengukur
level kebutuhan yang diperlukan dan diinginkan oleh organisasi atau
masyarakat. Asesmen kebutuhan perlu dilaksanakan sebelum
merencanakan suatu kebijakan, program atau proyek. Evaluator
mengidentifikasi dan mendefinisikan kebutuhan masyarakat dan
mengumpulkan sejumlah alternatif untuk memenuhi kebutuhan
tersebut. Hasil dari evaluasi kebutuhan dipergunakan untuk
menyusun rencana program sebagai intervensi sosial untuk
masyarakat.
b. Evaluasi Proses
Evaluasi proses merupakan evaluasi formatif yang berfungsi
mengukur kinerja program untuk mengontrol pelaksanaan program.
Salah satu cakupannya adalah mengukur apakah terjadi
penyimpangan dalam pelaksanaan program. Jika terjadi
26
penyimpangan dari yang direncanakan, diputuskan apa yang harus
dilakukan untuk mengontrol ketimpangan dan mengembalikan
pelaksanaan program ke kinerja yang diharapkan, penggunaan man,
money, material, machine, dan method yang dipergunakan untuk
melaksankan program.
c. Evaluasi Keluaran
Evaluasi keluaran (outcome) merupakan evaluasi sumatif yaitu
mengukur dan menilai keluaran dan akibat atau pengaruh dari
program. Data yang dijaring antara lain adalah hasil atau keluaran
program apakah sesuai dengan yang direncanakan, jumlah dan jenis
orang yang dilayani apakah sesuai dengan yang direncanakan,
pengaruh atau akibat dari program terhadap orang yang
mendapatkan layanan, dan mengidentifikasikan apa yang harus
dilakukan agar pengaruh program dapat berlangsung terus-menerus.
d. Evaluasi Efisiensi
Evaluasi yang mengukur nilai keuntungan dan nilai biaya dalam
suatu proyek. Evaluasi efisiensi dibagi 2 yaitu, evaluasi benefit biaya
(cost-benefit evaluation) adalah mengukur masukan dan keluaran
dalam pengertian keuangan dan evaluasi efektivitas biaya (cost-
effectiveness evaluation) adalah mengukur input program dalam
pengertian keuangan dan keluaran dalam pengertian non-keuangan.
Berdasarkan penjelasan di atas maka evaluasi yang dilakukan penulis
menurut fokusnya yaitu evaluasi keluaran, artinya penulis menganalisis selama
27
diimplementasikan E-Money Bank Mandiri telah memenuhi hasil yang
diinginkan pengguna sistem atau orang yang memakai sistem tersebut telah sesuai
dengan yang direncanakan.
2.2 Penerimaan dan Penggunaan
Menurut Succi dan Walter dalam Pikkarainen et al (2004), penerimaan
pengguna terhadap sistem teknologi informasi adalah kemauan yang tampak di
dalam kelompok pengguna untuk menerapkan sistem teknologi informasi tersebut
dalam pekerjaannya. Sedangkan menurut Nasir (2013) penerimaan pengguna dapat
di definisikan sebagai keinginan sebuah grup pengguna dalam memanfaatkan
teknologi informasi yang didesain untuk membantu pekerjaan mereka. Oleh karena
itu, semakin besar menerima sistem teknologi informasi yang baru maka semakin
besar kemauan pemakai untuk merubah praktek yang sudah ada dalam penggunaan
serta usaha untuk memulai secara nyata pada sistem teknologi informasi yang baru.
Tetapi jika pemakai tidak mau menerima sistem teknologi informasi yang baru,
maka perubahan sistem tersebut tidak memberikan keuntungan yang banyak bagi
organisasi atau perusahaan (Pikkarainen et al, 2004).
Dalam Kamus Besar Bahasa Indonesia penggunaan diartikan sebagai proses,
cara perbuatan memakai sesuatu, pemakaian. (KBBI, 2002:852). Penggunaan
sebagai aktifitas memakai sesuatu atau membeli sesuatu berupa barang dan jasa.
Pembeli dan pemakai yang dapat disebut pula sebagai konsumen barang dan jasa.
Dalam penelitian ini penggunaan adalah pemakaian pada fitur-fitur yang ada pada
smartphone dalam berinteraksi dengan orang lain.
28
Implementasi suatu teknologi informasi selalu berhubungan dengan
penerimaan pengguna. Sejauh mana pengguna dapat menerima dan memahami
teknologi tersebut adalah hal yang penting untuk mengetahui tingkat keberhasilan
dari implementasi sistem tersebut. Sehingga penerimaan pengguna atau user
acceptance merupakan faktor penting yang dapat mempengaruhi keberhasilan
implementasi sari suatu teknologi (Nasir, 2013). Kurangnya penerimaan pengguna
akan sangat berpengaruh terhadap kesuksesan implementasi teknologi informasi.
Karena itu, penerimaan harus dipandang sebagai faktor sentral yang akan
menentukan sukses atau tidaknya implementasi dari suatu teknologi informasi.
Banyak bentuk analisis yang dapat digunakan untuk mengukur tingkat keberhasilan
implementasi teknologi informasi.
Menurut Davis dalam Ananda (2014) konsep di dalam penerimaan sistem itu
diterima atau ditolak ditentukan oleh 2 faktor penentu, yaitu:
1. Orang akan cenderung untuk menggunakan atau tidak menggunakan
aplikasi jika mereka percaya hal itu akan bermanfaat untuk membantu
mereka melakukan pekerjaan mereka lebih baik.
2. Jika orang percaya bahwa apa yang diberikan oleh sebuah sistem itu
bermanfaat, namun mereka percaya bahwa sistem tersebut sulit untuk
digunakan, maka mereka akan enggan untuk menggunakan sistem
tersebut. Artinya, di samping manfaat dalam suatu sistem terdapat faktor
kemudahan dalam menggunakan sistem juga yang merupakan hal yang
penting.
29
Sehingga nilai manfaat dan kemudahan dalam menggunakan sistem
merupakan dasar dalam penerimaan suatu sistem sehingga dapat disimpulkan
apabila nilai manfaat dan kemudahan dalam suatu sistem tersebut besar maka
penerimaan pengguna pada suatu sistem pun menjadi besar sehingga intensitas
dalam implementasi suatu sistem menjadi meningkat.
2.2.1 Penerimaan Sistem Informasi
Berdasarkan pembahasan tentang ukuran penilaian dalam evaluasi sistem
informasi sebelumnya, salah satu yang dapat digunakan udalah kemampuan
penggunaan (usability). Terdapat 5 aspek dalam usability, yaitu (Beynon-Davies
dalam Kusuma, 2015):
1. Learnability, sebuah sistem informasi seharusnya mudah untuk
dipelajari.
2. Rememberability, setelah mengetahui bagaimana menggunakan
sistem informasi, pengguna harus mampu mengingat bagaimana
menggunakannya dengan mudah.
3. Efficiency of Use, sistem harus efisien untuk digunakan.
4. Reability in Use, sistem harus meningkatkan kinerja manusia menjadi
lebih handal dalam arti bahwa ia akan mengarahkan pengguna untuk
membuat sedikit kesalahan.
5. User Satisfaction, sistem harus memuaskan pengguna dalam arti
bahwa secara subyektif pengguna senang menggunakan sistem.
30
2.2.2 Faktor Keberhasilan Teknologi
Keberhasilan teknologi diukur dari empat faktor yang merupakan tolak
ukur untuk mengevaluasi teknologi, faktor tersebut adalah (Sudarmo dalam
Kusuma, 2015):
1. Kelayakan teknis, teknologi harus menghasilkan nilai tambah,
mempunyai fitur atau kemampuan beragam untuk memenuhi
keperluan yang makin beragam, hemat dalam menggunakan sumber
daya termasuk energi, dan faktor teknis lainnya.
2. Faktor ekonomis, teknologi harus menghasilkan produktivitas
ekonomi atau keuntungan finansial. Salah satu cara untuk
mengevaluasi produktivitas teknologi adalah menghitung rasio output
rupiah dibandingkan dengan input rupiah.
3. Teknologi harus dapat diterima oleh pengguna (user). Teknologi dapat
diterima karena memang diperlukan dan bermanfaat bagi pengguna,
disenangi, mudah dipakai, dapat dibeli dengan harga terjangkau, serta
tidak bertentangan dengan budaya dan kebiasaan pengguna (user).
4. Teknologi harus sesuai dengan lingkungan, faktor ini akan
menentukan ketahanan (sustainability) keberadaan teknologi di
tengah pengguna (user).
2.3 Produk
Produk (product) menurut Kotler (2009) adalah segala sesuatu yang dapat
ditawarkan ke pasar untuk mendapatkan perhatian, dibeli, digunakan, atau
dikonsumsi yang dapat memuaskan keinginan atau kebutuhan. Secara konseptual
31
produk adalah pemahaman subyektif dari produsen atas sesuatu yang bisa
ditawarkan sebagai usaha untuk mencapai tujuan organisasi melalui pemenuhan
kebutuhan dan kegiatan konsumen, sesuai dengan kompetensi dan kapasitas
organisasi serta daya beli pasar.
Menurut Kotler dan Keller (2008), produk adalah elemen kunci dalam
keseluruhan penawaran pasar. Selain itu produk dapat pula didefinisikan sebagai
persepsi konsumen yang dijabarkan oleh produsen melalui hasil produksinya
(Tjiptono, 2008).
Berdasarkan beberapa definisi di atas, maka produk didefinisikan sebagai
kumpulan dari atribut-atribut yang nyata maupun tidak nyata, termasuk di dalamnya
kemasan, warna, harga, kualitas dan merek ditambah dengan jasa dan reputasi
penjualannya
2.4 Uang Elektronik
2.4.1 Definisi Uang Elektronik
Bank for International Settlement (BIS) dalam salah satu publikasinya
pada bulan Oktober 1996 mendefinisikan uang elektronik ialah monetary value
measured in currency uniuts stored in electronic form on an electronic device in
the consumer’s possession.
Menurut Peraturan Bank Indonesia Nomor: 11/12/PBI/2009 Tentang
Uang Elektronik, Uang Elektronik adalah alat pembayaran yang diterbitkan atas
dasar nilai uang yang disetor dahulu oleh pemegang kepada penerbit, yang
tersimpan secara elektronik dalam suatu media seperti server atau chip, dan nilai
uang tersebut bukan merupakan simpanan serta digunakan sebagai alat
32
pembayaran kepada pedagang yang bukan merupakan penerbit uang elektronik
tersebut.
Uang elektronik yang dimaksud adalah alat pembayaran elektronik yang
diperoleh dengan menyetorkan terlebih dahulu sejumlah uang kepada penerbit,
baik secara llangsung, maupun melalui agen-agen penerbit, atau dengan
pendebitan rekening di bank, dan nilai uang tersebut dimasukkan menjadi nilai
uang dalam media uang elektronik, yang dinyatakan dalam satuan Rupiah, yang
digunakan untuk melakukan transaksi pembayaran dengan cara mengurangi
secara langsung nilai wing pada media uang elektronik tersebut .
2.4.2 Manfaat Uang Elektronik
Dalam perekonomian moderen lalu lintas pertukaran barang dan jasa
sudah sedemikian cepatnya sehingga memerlukan dukungan tersedianya sistim
pembayaran yang handal yang memungkinkan dilakukannya pembayaran secara
lebih cepat, efisien, dan aman. Penggunaan uang cash sebagai alat pembayaran
dirasakan mulai menimbulkan masalah, terutama tingginya biaya cash handling
dan rendahnya velocity of money .
Terdapat beberapa manfaat dari penggunaan uang elektronik diantaranya
adalah:
1) Penggunaan dalam pembayaran sangat mudah, cukup tempelkan kartu
maupun transaksi secara mobile untuk bertransaksi tanpa repot akan
uang kembalian
33
2) Dapat meminimalkan penggunaan uang kertas sehingga
meminimalisir kerusakan fisik uang yang beredar, meminimalisir
peredaran uang palsu, dan meminimalisir resiko pencurian.
3) Lebih cepat dan nyaman dibandingkan dengan uang tunai, khususnya
untuk transaksi yang bernilai kecil (micro payment), disebabkan
nasabah tidak perlu menyediakan sejumlah uang pas untuk suatu
transaksi atau harus menyimpan uang kembalian.
4) Kesalahan dalam menghitung uang kembalian dari suatu transaksi
tidak terjadi apabila menggunakan E-Money.
5) Waktu yang diperlukan untuk menyelesaikan suatu transaksi dengan
E-Money dapat dilakukan jauh lebih singkat dibandingkan transaksi
dengan kartu kredit atau kartu debit, karena tidak harus memerlukan
proses otorisasi on-line, tanda tangan maupun PIN. Selain itu, dengan
transaksi off-line, maka biaya komunikasi dapat dikurangi.
6) Electronic value dapat diisi ulang ke dalam kartu E-Money melalui
berbagai sarana yang disediakan oleh issuer.
2.4.3 Fitur Uang Elektronik
Penerapan features pada skema E-Money di berbagai negara sangat
bervariasi. Berikut ini beberapa fitur yang dapat diterapkan pada penyelenggaraan
E-Money (BIS, 1996), yaitu :
1. Transferability
Fitur ini dimaksudkan untuk memberikan batasan kepada siapa
transaksi atau transfer dana dari E-Money dapat dilakukan. Secara
34
teknis, E-Money dapat dikembangkan untuk bisa melakukan transaksi
atau transfer dana secara bebas (free transferability) dari satu
pemegang kartu ke pemegang kartu lainnya secara off-line melalui alat
bantu tertentu. Transaksi seperti ini akan sulit dideteksi dan ditelusuri
sebab tidak termonitor oleh penyelenggara secara langsung.
2. Otorisasi On-Line
Otorisasi on-line yang dimaksudkan disini adalah suatu proses
validasi oleh penyelenggara atau card issuer atas transaksi E-Money
yang dilakukan oleh pemegang kartu. Fitur on-line ini bisa diterapkan
untuk seluruh transaksi atau dibatasi hanya untuk transaksi-transaksi
tertentu saja yang dianggap kritikal, seperti pada saat ’loading
transaction’ (pengisian ulang) oleh pemegang kartu atau proses
deposit (penyetoran) oleh merchant. Konsekuensi dari penerapan
feature on-line ini adalah adanya tambahan biaya komunikasi dan
waktu dalam penyelesaian suatu transaksi. Oleh karena itu, pada
umumnya fitur ini hanya diterapkan untuk transaksi-transaksi tertentu
saja, seperti pada saat pengisian ulang (top up).
3. Information Collection
Fitur ini dimaksudkan untuk memudahkan pelacakan suatu transaksi.
Setiap transaksi pembayaran yang menggunakan E-Money akan
menghasilkan informasi baik yang terkait dengan aspek finansial
maupun keamanan. Informasi ini antara lain bisa meliputi, nominal
transaksi, lokasi, waktu, dan lain-lain. Informasi ini bisa disimpan
35
secara temporer atau permanen di kartu milik konsumen, terminal
merchant atau pada pusat komputer penyelenggara (issuer). Semakin
lengkap informasi transaksi yang disimpan akan semakin
memudahkan penyelenggara dalam melakukan pelacakan (tracing)
jika terjadi fraud.
4. Pengisian Ulang
Suatu produk E-Money dapat didesain hanya untuk sekali penggunaan
(disposable) dimana tidak dapat digunakan lagi apabila dana yang
tersimpan pada E-Money telah habis. Alternatif lainnya adalah produk
E-Money yang dapat diisi ulang setiap waktu melalui berbagai cara
(reloadable), seperti transfer dari rekening, pembayaran tunai atau
dengan kartu kredit.
5. Single atau Multiple Currencies
Secara teknis, E-Money dapat di-design untuk multiple currencies.
Namun pada umumnya produk E-Money yang ada saat ini hanya
menggunakan single currency yaitu mata uang yang berlaku di negara
yang bersangkutan.
6. Single atau Multiple Applications
Secara teknis, microprocessor chip pada smart card mampu
mengoperasikan lebih dari satu aplikasi. Dengan demikian suatu card-
based product dapat berfungsi sekaligus sebagai kartu kredit, kartu
debet, dan lainlain bahkan bisa ditambahkan aplikasi yang bersifat
36
non-payment seperti program royalti, medical record, identity dan
lain-lain.
2.4.4 Jenis Uang Elektronik
Menurut Bahri (2010) jenis-jenis uang elektronik dapat dibedakan sebagai
berikut:
1. Berdasarkan Media Penyimpanannya
a. Uang elektronik yang nilai uangnya dicatat pada media elektronik
pemegang dan penerbit.
b. Uang elektronik yang nilai uangnya hanya dicatat pada media
elektronik penerbit.
2. Berdasarkan Masa Berlaku Media Uang Elektronik
a. Reloadable
Uang elektronik dengan bentuk reloadable adalah uang elektronik
yang dapat di lakukan pengisian ulang, dengan kata lain, apabila
masa berlakunya sudah habis dan atau nilai uang elektroniknya
sudah habis terpakai, maka media uang elektronik tersebut dapat
digunakan kembali untuk di lakukan pengisian ulang.
b. Disposable
Uang elektronik dengan bentuk disposable adalah uang elektronik
yang tidak dapat diisi ulang, apabila masa berlakunya sudah habis
dan/atau nilai uang elektroniknya sudah habis terpakai, maka
media uang elektronik tersebut tidak dapat digunakan kembali
untuk dilakukan pengisian ulang.
37
3. Berdasarkan Jangkauan Penggunaannya
a. Single Purpose
Single-purpose adalah uang elektronik yang digunakan untuk
melakukan pembayaran atas kewajiban yang timbul dari satu jenis
transaksi ekonomi, misalnya uang elektronik yang hanya dapat
digunakan untuk pembayaran tol atau uang elektronik yang hanya
dapat digunakan untuk pembayaran transportasi umum.
b. Multi Purpose
Multi-purpose adalah uang elektronik yang digunakan untuk
melakukan berbagai pembayaran atas kewajiban pemegang kartu
terhadap berbagai hal yang dilakukannya. Contohnya yaitu suatu
uang elektronik yang dapat digunakan dalam beberapa jenis
transaksi seperti penggunaan uang elektronik untuk pembayaran
tol, dapat juga digunakan untuk membayar telepon, jasa
transportasi, pembayaran pada minimarket dan lain-lain cukup
menggunakan satu kartu.
Jadi, E-Money Bank Mandiri termasuk ke dalam jenis uang elektronik
berdasarkan media penyimpannya berupa Chip Based, berdasarkan masa berlaku
media uang elektronik berupa reloadable (yang dapat diisi ulang), dan
berdasarkan jangkauan penggunanya berupa Multi Purpose yang dapat digunakan
untuk berbagai tujuan.
38
2.5 E-Money Bank Mandiri
2.5.1 Definisi E-Money Bank Mandiri
Sesuai dengan yang tertera pada website bankmandiri.co.id bahwa E-
Money Bank Mandiri merupakan kartu prabayar multifungsi yang diterbitkan
oleh Bank Mandiri sebagai pengganti uang tunai untuk transaksi pembayaran.
Kartu nirsentuh yang hadir dalam 3 (tiga) pilihan kartu yang memudahkan
transaksi harian pemilik dan pengguna. Transaksi pemilik dan pengguna menjadi
lebih mudah dan praktis, tidak perlu membawa uang tunai dan direpotkan oleh
uang kembalian.
2.5.2 Fitur E-Money Bank Mandiri
Adapun fitur-fitur yang dimiliki oleh E-Money Bank Mandiri ialah :
1. Menggunakan teknologi RFID (Radio Frequency Identification) yang
memungkinkan pemegang kartu melakukan transaksi hanya dengan
melakukan tapping (tempel kartu ke reader)
2. Nilai uang yang tersimpan berupa saldo yang tersimpan
pada chip kartu
3. Pada saat transaksi, kartu cukup di-tap sampai saldo berkurang sesuai
dengan nominal transaksi, tidak diperlukan tanda tangan maupun PIN
4. Saldo dapat diisi ulang (top up) melalui berbagai pilihan channel yang
tersebar, dengan batas maksimum total nilai isi ulang sebesar
Rp.20.000.000,- (Dua Puluh Juta Rupiah) per bulan
5. Maksimal saldo tersimpan Rp 1.000.000,- (Satu Juta Rupiah) per
kartu. Saldo pada kartu tidak diberikan bunga
39
6. Kartu dapat dimiliki oleh nasabah maupun non-nasabah Bank Mandiri
7. Kartu dapat dipindahtangankan sepanjang fisik kartunya berpindah
2.5.3 Lokasi Pembelian E-Money Bank Mandiri
Pembelian kartu perdana E-Money Bank Mandiri dapat ditemukan di
lokasi sebagai berikut :
1. Kantor Cabang Mandiri
2. Merchant Retail offline, seperti:
1) Indomaret
2) Alfamart
3) Sales representative e-money di gerbang–gerbang tol tertentu
4) Stasiun commuterline
5) Halte transjakarta
6) Vending machine e-money
7) Merchant-merchant online tertentu
8) Dan merchant lainnya yang akan dikembangkan di kemudian hari.
2.6 Unified Theory of Acceptence and Use of Technology (UTAUT) 2
Pada tahun 1989 Davis menghasilkan sebuah metode penerimaan pengguna
dari sebuah sistem informasi dengan istilah Technology Acceptance Model (TAM).
TAM merupakan teori yang mengidentifikasikan reaksi dan persepsi seseorang
terhadap suatu yang menentukan sikap dan perilaku orang tersebut dengan cara
membuat model perilaku seseorang sebagai suatu fungsi dari tujuan perilaku
ditentukan oleh sikap perilaku tersebut (Davis, 1989). Davis (1989) menjabarkan
dan mengidentifikasi tiga konstruk utama dalam TAM yaitu persepsi kegunaan
40
(perceived usefulness), persepsi kemudahan penggunaan (perceived ease of use),
dan penggunaan teknologi sesungguhnya (actual technology use).
Pada tahun 2000, Venkatesh dan Davis mengeluarkan metode penerimaan
pengguna selanjutnya yang merupakan generasi selanjutnya dari TAM yakni
TAM2. TAM2 merupakan sebuah model dari pengembangan model TAM
sebelumnya oleh Venkatesh dan Davis, dimana model ini memiliki tujuan lanjutan
dari model TAM yaitu, beberapa faktor tambahan mempengaruhi perceived
usefulness dan usage intensions yaitu subjective norm, image, job relevance, output
quality, output reality, result demonstrability, dan tambahan variabel modetator
experience dan voluntariness, dan mengetahui bagaimana pengaruh penambahan
eksternal faktor dengan peningkatan pengalaman pengguna (Venkatesh & Davis,
2000).
Pada tahun 2003, Venkatesh dan beberapa peneliti lain mengeluarkan sebuah
ide metodologi penerimaan pengguna (user acceptance) yaitu Unified Theory of
Acceptance and Use of Technology (UTAUT). Pada model ini terdapat 4 variabel
dyang memiliki peranan penting,yaitu :
1. Performance expectancy yang memiliki hubungan dengan lima variabel
model seblumnya yaitu perceived usefulness (TAM/TAM2 dan C-TAM-
TPB), extrinsic motivation (MM), job-fit (MPCU), relative advantage
(IDT), dan outcome expectacuions (SCT).
2. Effort expectancy yang memiliki hubungan dengan tiga variabel dari
model sebelumnya yaitu, perceived ease of use (TAM/TAM2),
complexity (MPCU), dan ease of use (IDT).
41
3. Social influence yang memiliki hubungan dengan empat variabel model
sebelumnya yaitu, subjective norm (TRA, TAM2, TPB/DTPB, dan C-
TAM-TPB), social factors (MPCU) dan image (TAM2/IDT).
4. Facilitating Conditions yang memiliki hubungan dengan tiga variabel
model sebelumnya yaitu, perceived behavioral control (TPB/ DTPB,
CTAM-TPB), facilitating conditions (MPCU), dan compatibility (IDT).
Metode UTAUT merupakan sebuah model penelitian penerimaan pengguna
yang bertujuan untuk menjelaskan niat pengguna untuk menggunakan suatu sistem
dan perilaku penggunaan selanjutnya (Venkatesh et al, 2003). Menurut Venkatesh
et al (2003) keunggulan UTAUT adalah mampu menjelaskan bagaimana perbedaan
individu dapat mempengaruhi penggunaan teknologi yaitu mampu menjelaskan
hubungan antara manfaat yang dirasakan, kemudahan penggunaan, dan niat untuk
menggunakan suatu teknologi.
Pada tahun 2013, Venkatesh dan beberapa peneliti lainnya mengembangkan
model UTAUT pertama menjadi UTAUT 2. UTAUT 2 merupakan perkembangan
model UTAUT sebelumnya dengan berfokus pada konteks konsumen Individu
dimana konstraksi baru ditambahkan yaitu habit, hedonic motivation, dan price
value. Unifed Theory of Acceptance and Use of Technology 2 (UTAUT 2) tepat
untuk digunakan karena teori/model ini adalah teori/model penerimaan teknologi
terbaru yang merupakan unifikasi, sintesis, ataupun rangkuman dari delapan
teori/model penerimaan teknologi yang telah ada sebelumnya. Tidak sepert
UTAUT 1 yang konteksnya adalah organisasional, UTAUT 2 mampu menjelaskan
42
penerimaan teknologi yang konteksnya adalah consumer use (Venkatesh et al,
2012).
Metode UTAUT2 merupakan sistesis atau penggabungan daripada elemen-
elemen yang terdapat dalam delapan model penerimaan teknologi terkemuka
lainnya dengan tujuan untuk memperoleh kesatuan pandangan mengenai user atau
pengguna (Kusuma, 2015). Delapan model yang dijadikan sebagai acuan daripada
metodologi UTAUT terdapat pada tabel 2.1
Tabel 2.1 Teori-Teori yang Mendasari Model UTAUT (Venkatesh et al, 2003)
No. Nama Teori Peneliti Pengertian
1. Innovation
Diffusion
Theory (IDT)
Rogers (1962) Diadopsi dari penerapan teknologi IDT
dapat mengukur persepsi masyarakat
dengan menggunakan tujuh atribut
kunci.
2. Theory
Reasoned
Action (TRA)
Fishbein dan
Ajzen (1975)
Teori untuk memprediksi perilaku
manusia yaitu dengan cara
menganalisis hubungan antara
berbagai kriteria kinerja dan sikap
seseorang, niat, dan norma subyektif.
3. Social Cognitive
Theory (SCT)
Bandura
(1977)
Mengidentifikasi perilaku manusia
sebagai interaksi dari faktor pribadi,
perilaku, dan lingkungan yang
bertujuan memberikan kerangka untuk
memahami, memprediksi, dan
mengubah perilaku manusia.
4. Theory of
Planned
Behaviour
(TPB)
Ajzen (1988) Teori yang digunakan untuk memenuhi
keadaan ketika perilaku seseorang
tidak sukarela dengan memasukkan
prediktor niat dan perilaku yang
mengacu pada keyakinan tentang
adanya faktor yang dapat memfasilitasi
atau menghalangi kinerja suatu
perilaku.
5. Technology
Acceptance
Model (TAM) &
TAM2
Davis (1989),
Venkatesh &
Davis (2000)
Mengidentifikasi reaksi dan persepsi
seseorang terhadap suatu yang
menentukan sikap dan perilaku orang
tersebut dengan cara membuat model
perilaku seseorang sebagai suatu
fungsi dari tujuan perilaku ditentukan
oleh sikap perilaku tersebut.
43
Tabel 2.1 Teori-Teori yang Mendasari Model UTAUT (Venkatesh et al, 2003)
(lanjutan)
No. Nama Teori Peneliti Pengertian
6. Model of PC
Utilization
(MPCU)
Thompson, et
al (1991)
Menilai pengaruh dari kondisi-kondisi
yang mempengaruhi dan
memfasilitasi, faktor sosial,
kompleksitas, kesesuaian tugas dan
konsekuensi jangka panjang terhadap
pemanfaatan PC.
7. Motivation
Model (MM)
Davis, et al
(1992)
Teori motivasi yang dikembangkan
untuk memprediksi penerimaan dan
perilaku penggunaan suatu teknologi
tertentu
8. Combined TAM
and TPB (C-
TAM-TPB)
Taylor dan
Todd (1995)
Menilai pengaruh dari kondisi-kondisi
yang mempengaruhi dan
memfasilitasi, faktor sosial,
kompleksitas, kesesuaian tugas dan
konsekuensi jangka panjang terhadap
pemanfaatan PC.
2.6.1 Variabel UTAUT 2
Menurut Venkatesh et al (2012) metode UTAUT2 memiliki beberapa
variabel yang menjadi faktor penentu penerimaan pengguna dalam sebuah
teknologi yang terdapat pada gambar 2.1.
44
Gambar 2.1 Model UTAUT 2 (Venkatesh et al, 2012)
Berdasarkan gambar 2.1 Model UTAUT memiliki variabel bebas
(independen), variabel terikat (dependen) dan variabel moderator. Variabel
independen meliputi Performance Expectance, Effort Expectance, Social
Influence, Facilitating Conditions, Hedonic Motivation, Price Value, dan Habit.
Sedangkan variabel dependen merupakan variabel yang dipengaruhi atau yang
menjadi akibat karena adanya variabel bebas. Variabel dependen meliputi
Behavioral Intention dan Use Behavior. Berikut ini penjelasan dari masing-
masing variabel yang terdapat dalam model UTAUT2 (Venkatesh et al, 2012).
45
2.6.1.1 Performance Expectancy (Ekspektasi/Harapan akan Kinerja)
Ekspektasi kinerja adalah sejauh mana seseorang percaya bahwa
dengan menggunakan sistem akan membantu dia untuk mencapai keuntungan
dalam kinerja pekerjaannya. Ekspektasi kinerja merupakan konstraksi yang
kuat atas niat menggunakan sehingga dapat disimpulkan bahwa seseorang
yang telah percaya sebuah sistem informasi dapat membantu pekerjaannya
akan cenderung menggunakan sistem tersebut dalam waktu yang lebih lama.
Dalam konsep ini terdapat gabungan variabel-variabel yang diperoleh dari
model penelitian sebelumnya tentang model penerimaan dan penggunaan
teknologi. Adapun variabel tersebut terdiri dari (Venkatesh et al, 2003):
1. Persepsi Kegunaan (Perceived Usefulness)
Menurut Davis dalam Venkatesh et al (2003) persepsi terhadap
kegunaan yaitu seberapa jauh seseorang percaya bahwa dengan
menggunakan suatu sistem tertentu akan menambah dan
meningkatkan kinerjanya.
2. Motivasi Ekstrinsik (Extrinsic Motivation)
Menurut Davis dalam Venkatesh et al (2003) motivasi ekstrinsik
yaitu persepsi yang diinginkan pengguna untuk melakukan suatu
aktivitas karena dianggap sebagai alat dalam mencapai hasil-hasil
bernilai yang berbeda dari aktivitas itu sendiri, seperti kinerja
pekerjaan, pembayaran, dan promosi-promosi
46
3. Kesesuaian Pekerjaan (Job Fit)
Menurut Thompson dalam Venkatesh et al (2003) kesesuaian
pekerjaan adalah bagaimanakah kemampuan-kemampuan dari suatu
sistem untuk meningkatkan dan menambah kinerja pekerjaan
individual.
4. Keuntungan Relatif (Relative Advantage)
Menurut Moore dan Benbasat dalam Venkatesh et al (2003)
keuntungan relatif yaitu seberapa jauh menggunakan suatu inovasi
yang dipersipkan akan lebih baik dibandingkan menggunakan
pendahulunya.
5. Ekspektasi Hasil (Outcome Expectations)
Menurut Compeau dan Higgins dalam Venkatesh et al (2003)
ekspektasi hasil yaitu konsekuensi-konsekuensi yang berhubungan
dari perilaku.
2.6.1.2 Effort Expectancy (Ekspektasi/Harapan akan Usaha)
Ekspektasi usaha merupakan tingkat kemudahan terkait dalam
pengguna sistem (Venkatesh et al, 2003). Penggunaan teknologi informasi
yang mudah dapat menimbulkan persepsi bahwa sistem itu berguna baginya
dan menimbulkan kenyamanan bila menggunakannya. Namun jika sistem ini
dirasa sulit untuk digunakan maka rasa nyaman bekerja dengan sistem tidak
akan muncul dan niat menggunakan untuk memanfaatkan sistem akan
berkurang. Variabel tersebut diformulasikan oleh Venkatesh et al (2003)
berdasarkan 3 konstrak pada model atau teori sebelumnya yaitu:
47
1. Persepsi Kemudahan Pengguna (Perceived Ease of Use)
Menurut Davis dalam Venkatesh et al (2003) persepsi kemudahan
penggunaan adalah mengidentifikasikan bahwa kemudahan
pemakaian mempunyai pengaruh terhadap penggunaan teknologi
informasi.
2. Kompleksitas (Complexity)
Kompleksitas menurut Thompson dalam Venkatesh et al (2003)
adalah tingkat dimana inovasi dipersepsikan sebagai sesuatu yang
relatif sulit untuk diartikan dan digunakan oleh individu.
3. Kemudahan Pengguna (Easy of Use)
Kemudahan pengguna menurut Moore dan Benbasat dalam
Venkatesh et al (2003) adalah tingkat dimana menggunakan inovasi
dianggap sulit untuk digunakan. Sehingga bila pengguna
menganggap apabila menggunakan suatu teknologi sistem yang
baru maka akan berdampak intensitas penggunaan sistem tersebut.
2.6.1.3 Social Influece (Pengaruh Sosial)
Faktor sosial adalah sejauh mana seseorang individu memandang
bahwa orang lain percaya bahwa dia harus menggunakan sistem yang baru
(Venkatesh et al, 2003). Pengaruh social influence terhadap behavioral
intention akan lebih besar apabila pemakaian sistem tersebut adalah wajib,
namun hal tersebut hanya penting dan terjadi pada tahap awal pengalaman
pengguna dalam menggunakan suatu teknologi atau sistem dan akan
berkurang seiring dengan berjalannya waktu yang pada akhirnya menjadi
48
tidak signifikan dengan penggunaan yang berkelanjutan. Dalam konsep ini
terdapat gabungan variabel-variabel yang diperoleh dari model penelitian
sebelumnya tentang model penerimaan dan penggunaan teknologi. Adapun
variabel tersebut adalah:
1. Norma Subyektif (Subjective Norms)
Menurut Ajzen dalam Venkatesh et al (2003) norma subyektif
adalah persepsi orang bahwa kebanyakan orang-orang yang penting
baginya berpikir bahwa di harus atau tidak harus melakukan perilaku
yang bersangkutan.
2. Faktor-faktor sosial (Social Factors)
Menurut Thompson dalam Venkatesh et al (2003) faktor sosial
adalah internalisasi individu dari referensi budaya subyektif
kelompok, kesepakatan secara spesifik interpersonal dari salah satu
individu dengan individu lain dalam situasi sosial tertentu.
3. Gambaran (Image)
Menurut Moore dan Benbasat dalam Venkatesh et al (2003)
gambaran adalah sejauh mana pengguna suatu inovasi dianggap
untuk meningkatkan citra seseorang atau status dalam sistem sosial
seseorang.
2.6.1.4 Facilitating Condition (Kondisi yang Memfasilitasi)
Kondisi yang memfasilitasi adalah sejauh mana seorang individu
percaya bahwa infrastruktur organisasi dan teknis yang ada untuk mendukung
penggunaan sistem (Venkates et al, 2003). Dalam konsep ini terdapat
49
gabungan variabel-variabel yang diperoleh dari model penelitian sebelumnya
tentang model penerimaan dan penggunaan teknologi. Adapun variabel
tersebut adalah:
1. Kontrol Perilaku Persepsi (Perceived Behavioral Control)
Menurut Ajzen dalam Venkatesh et al (2003) kontrol perilaku
persepsi adalah mencerminkan persepsi kendala internal dan
eksternal terhadap perilaku dan meliputi hal yang berhasil secara
sendiri, kondisi memfasilitasi sumber daya, dan kondisi
memfasilitasi teknologi.
2. Kondisi Yang Memfasilitasi (Facilitating Conditions)
Menurut Thompson dalam Venkatesh et al (2003) faktor obyektif
yaitu didalam lingkungan para pengamat sepakat membuat suatu
tindakan mudah untuk dilakukan, termasuk penyediaan dukungan
komputer.
3. Kompabilitas (Compability)
Menurut Moore dan Benbasat dalam Venkatesh et al (2003)
kompabilitas adalah sejauh mana suatu inovasi dianggap konsisten dengan
nilai-nilai yang ada, kebutuhan, dan pengalaman dari pengadopsi potensial.
2.6.1.5 Behavioural Intention (Minat Pemanfaatan)
Minat pemanfaatan merupakan tingkat keinginan atau niat pemakai
menggunakan sistem secara terus menerus dengan asumsi bahwa mereka
mempunyai akses terhadap informasi (Jati, 2012). Jika seseorang berminat
meggunakan teknologi baru apabila dia meyakini dengan menggunakan
50
teknologi tersebut akan meningkatkan kinerja dalam pekerjaanya,
menggunakan teknologi tersebut merupakan hal yang mudah, dia
mendapatkan pengaruh dari lingkungan sekitarnya dan fasilitas terhadap
teknologi tersebut terpenuhi.
2.6.1.6 Use Bahaviour (Perilaku Pengguna)
Perilaku pengguna adalah intensitas pengguna dalam menggunakan
suatu teknologi yang baru (Jati, 2012). Sehingga faktor-faktor seseorang
dalam menggunakan teknologi di latar belakangi oleh niat seseorang untuk
menggunakan teknologi yang didorong berdasarkan persepsi dengan
menggunakan teknologi tersebut dapat meningkat kinerjanya, kemudahan
dalam pengoperasional, faktor sosial dan lingkungan yang mempengaruhi
serta kondisi yang memfasilitasi teknologi tersebut.
2.6.1.7 Hedonic Motivation (Motivasi Hedonisme)
Hedonic Motivation merupakan hal yang menyenangkan
kesenangan yang berasal dari penggunaan teknologi, dan telah terbukti
memainkan peran penting dalam menentukan penerimaan dan penggunaan
teknologi (Brown & Venkatesh 2005). Menurut Venkatesh et al (2012) bahwa
Hedonic Motivation merupakanmotivasi kesenangan yang diperoleh dari
penggunaan suatu sistem atau teknologi. Pada beberapa penelitian seperti
yang dilakukan oleh Van der Heijden (2004) dan Thong et al (2006) bahwa
ditemukan Hedonic Motivation mempengaruhi penerimaan dan penggunaan
teknologi secara langsung. Dalam konteks konsumen, Hedonic Motivation
51
juga telah ditemukan sebagai penentu penting penerimaan dan penggunaan
teknologi (Brown & Venkatesh 2005; Childers et al., 2001).
2.6.1.8 Price Value (Nilai Harga)
Struktur biaya dan harga mungkin berpengaruh signifikan terhadap
penggunaan teknologi konsumen (Ventakesh, et al. 2012). Price Value
dikatakan positif jika manfaat dalam menggunakan teknologi dirasakan lebih
oleh pengguna dibandingkan biaya yang dikeluarkan, dan nilai harga juga
memiliki pengaruh positif terhadap niat. Maka dari itu nilai harga dapat
digunakan untuk menjadi prediktor dari variabel niat perilaku dalam
menggunakan teknologi (Ventakesh, et al. 2012). Perbedaan penting antara
pengaturan penggunaan konsumen dan pengaturan penggunaan organisasi,
dimana UTAUT dikembangkan, adalah bahwa konsumen biasanya
menanggung biaya moneter untuk penggunaan tersebut sedangkan karyawan
tidak. Struktur biaya dan harga mungkin berpengaruh signifikan terhadap
penggunaan teknologi konsumen (Chang, 2012).
2.6.1.9 Habit (Kebiasaan)
Habit menjelaskan bagaimana seseorang menggunakan suatu
system dalam kesehariannya (Harsono, 2014). Menurut Limayem et al (2007)
dalam Venkatesh et al (2012) menyatakan bahwa habit didefinisikan sebagai
sejauh mana seseorang cenderung untuk berperilaku secara otomatis karena
pembelajaran sebelumnya. Dalam penelitian Venkatesh et al (2012)
menjelaskan bahwa ada pengaruh yang signifikan dari kebiasaan konsumen
52
pada penggunaan teknologi priibadi ketika mereka menghadapi lingkungan
yang berqagam dalan selalu berubah.
2.6.2 Indikator Variabel UTAUT 2
Terdapat indikator pada masing-masing variabel pada model UTAUT
2. Indicator-indikator tersebut dapat dilihat pada tabel 2.2.
Tabel 2.2 Indikator Variabel UTAUT (Venkatesh et al, 2012)
Variabel Indikator Definisi
Performance
Expectancy
Perceived usefulness
Tingkat dimana orang percaya bahwa
menggunakan sistem akan
meningkatkan pekerjaannya.
Extrinsic motivation
Kegiatan untuk mencapai hasil berbeda
yang dihargai, seperti peningkatan
prestasi kerja, gaji, atau promosi.
Job-fit
Bagaimana kemampuan dari sistem
untuk meningkatkan prestasi kerja bagi
individu.
Relative advantage Hasil harapan berhubungan dengan
konsekuensi perilaku.
Effort
Expectancy
Perceived ease of
use
Tingkat dimana seorang percaya
bahwa menggunakan sistem akan
meminimalkan usaha dalam proses
mengerjakan pekerjaan.
Complexity
Tingkat dimana sebuah sistem
dianggap sebagai relatif sulit untuk
memahami dan menggunakan.
Ease of use
Sejauh mana menggunakan teknologi
baru dianggap sebagai sulit untuk
digunakan.
Social
Influence
Subjective Norm
Persepsi seseorang bahwa harus atau
tidak harus untuk menggunakan sebuah
sistem baru.
Social Factor
Internalisasi individu dari referensi
kelompok budaya subjektif, dan
interpersonal bahwa individu telah
dibuat orang lain untuk menggunakan
teknologi baru.
Image
Sejauh mana penggunaan dianggap
meningkatkan citra seseorang atau
status dalam satu sosial.
53
Tabel 2.2 Indikator Variabel UTAUT (Venkatesh et al, 2012) (lanjutan)
Variabel Indikator Definisi
Facilitating
Condition
Perceived
behavioral
control
Mencerminkan persepsi internal dan
kendala eksternal pada perilaku yang
meliputi memfasilitasi kondisi sumber
daya dan memfasilitasi kondisi
teknologi.
Facilitating
conditions
Faktor-faktor objektif dalam
lingkungan pengamat yang setuju
membuat tindakan yang mudah
dilakukan, termasuk ketentuan
dukungan komputer.
Compatibility
Tingkat dimana sebuah inovasi
dirasakan sebagai konsisten dengan
nilai-nilai, kebutuhan yang ada dan
pengalaman pengadopsi potensial.
Behavioral
Intention
Repurchase
intentions
Pengguna mempunyai keinginan untuk
datang kembali dengan menggunakan
teknologi uang elektronik.
Positive word-of-
mouth
communication
Pengguna lain membicarakan hal yang
positif mengenai teknologi uang
elektronik.
Service quality Kualitas pelayanan teknologi uang
elektronik sudah baik.
Use Behavior
Usage time
Tingkat dimana pengguna merasa
senang untuk menggunakan teknologi
uang elektronik
Usage frequency Pengguna sudah menggunakan
teknologi uang elektronik berulangkali
Use variety Penggunaan teknologi uang elektronik
tidak hanya untuk akses keluar masuk
54
Tabel 2.2 Indikator Variabel UTAUT (Venkatesh et al, 2012) (lanjutan)
Variabel Indikator Definisi
Hedonic
Motivation
Fun
Tingkat dimana pengguna merasa
senang saat menggunakan teknologi
uang elektronik
Entertaint
Tingkat dimana pengguna merasa
terhibur saat menggunakan teknologi
uang elektronik
Interest
Tingkat dimana pengguna merasa
tertarik menggunakan teknologi uang
elektronik
Price Value
Quality
Tingkat dimana kualitas teknologi
uang elektronik sesuai dengan harga
yang ditawarkan.
Price Biaya yang dikeluarkan dengan uang
elektronik terjangkau.
Value Teknologi uang elektronik memiliki
nilai yang baik.
Habit
Prior Use Tingkat dimana pengguna sudah
terbiasa menggunakan teknologi ini.
Addiction Tingkat dimana pengguna merasa
kecanduan menggunakan teknologi ini.
Behavior to be
automatic
Jika pengguna ingin melakukan
transaksi, maka pengguna akan
menggunakan teknologi ini
2.7 Metode Pengumpulan Data
Pengumpulan data dapat dilakukan dengan menggunakan sumber data primer
dan sekunder. Sumber data primer merupakan sumber data penelitian yang
diperoleh secara langsung dari sumber asli (tidak melalui perantara). Sumber data
primer merupakan sumber yang langsung memberikan data kepada pengumpul data
seperti observasi, wawancara, dan kuesioner. Sedangkan data sekunder merupakan
sumber yang tidak langsung memberikan data kepada pengumpulan data seperti
studi literatur (Sangadji dan Sopiah, 2010).
55
2.7.1 Wawancara
Wawancara merupakan teknik pengumpulan data dalam metode
survei yang menggunakan pertanyaan secara lisan kepada subyek penelitian.
Teknik wawancara dilakukan jika peneliti memerlukan komunikasi atau
hubungan dengan responden (Sangadji dan Sopiah, 2010).
2.7.2 Kuesioner
Pengumpulan data penelitian pada kondisi tertentu kemungkinan tidak
memerlukan kehadiran peneliti. Pertanyaan peneliti dan jawaban responden
dapat dikemukakan secara tertulis melalui suatu kuesioner. Teknik ini
memberikan tanggung jawab kepada responden untuk membaca dan
menjawab pertanyaan (Sangadji dan Sopiah, 2010).
2.7.3 Studi Literatur
Studi literatur adalah kegiatan yang meliputi mencari secara literatur,
melokalisasi, dan menganalisis dokumen yang berhubungan dengan masalah
yang akan diteliti. Dokumen bisa berupa teori-teori dan bisa pula hasil-hasil
penelitian yang telah dilakukan mengenai permasalahan yang akan diteliti
(Sangadji dan Sopiah, 2010).
2.8 Skala Likert
Skala Likert adalah suatu skala psikometrik (mencakup pengukuran
pengetahuan, kemampuan, sikap, dan sifat kepribadian) yang umum digunakan
dalam kuesioner dan merupakan skala yang paling banyak digunakan dalam riset
berupa survei. Penelitian yang sering menggunakan skala ini adalah penelitian
survei deskriptif (gambaran). Skala Likert berasal dari nama penciptanya, yaitu
56
Rensis Likert, yang menerbitkan suatu laporan yang menjelaskan penggunaannya.
Dalam menanggapi pertanyaan dalam skala Likert, responden menentukan tingkat
persetujuan mereka terhadap suatu pernyataan dengan memilih salah satu dari
pilihan jawaban yang tersedia (Sugiyono, 2012).
Skala Likert adalah skala yang digunakan untuk mengukur sikap, pendapat,
dan persepsi seseorang atau sekelompok orang tentang fenomena sosial. Data yang
telah terkumpul melalui kuesioner, kemudian peneliti olah dalam bentuk kuantitatif,
yaitu dengan cara menetapkan bobot jawaban dari pertanyaan yang telah dijawab
oleh responden, dimana pemberian bobot tersebut berdasarkan ketentuan
(Sugiyono, 2012).
Tabel 2.3 Format Responden untuk Pertanyaan
Jawaban Bobot
Sangat Setuju 5
Setuju 4
Netral 3
Tidak Setuju 2
Sangat Tidak Setuju 1
2.9 Variabel Penelitian
Variabel adalah konstrak yang diukur dengan berbagai macam nilai untuk
memberikan gambaran lebih nyata mengenai fenomena-fenomena. Konstrak adalah
abstraksi fenomena kehidupan nyata yang diamati. Dengan demikian, variabel
merupakan representasi konstrak yang dapat diukur dengan berbagai macam nilai.
Variabel merupakan mediator antarkonstrak yang abstrak dengan fenomena nyata.
Variabel memberikan gambaran lebih nyata mengenai fenomena yang
digeneralisasi dalam konstrak (Sangadji dan Sopiah, 2010).
57
Penelitian kuantitatif umumnya menggunakan asumsi dan batasan pada
faktor tertentu yang diamati dalam bentuk variabel penelitian. Faktor-faktor lain
yang tidak diamati diasumsikan sebagai faktor yang tidak terkait signifikan dengan
fenomena tertentu yang diteliti (Sangadji dan Sopiah, 2010). Menurut Sekaran
dalam Sangadji dan Sopiah (2010), variabel penelitian dapat diklasifikasikan
berdasarkan beberapa pendekatan, diantaranya berdasarkan:
1. Fungsi Variabel
Tipe-tipe variabel dapat diklasifikasikan berdasarkan fungsi variabel
dalam hubungan antara variabel, yaitu:
a. Variabel Independen dan Variabel Dependen
Variabel independen adalah tipe variabel yang menjelaskan atau
mempengaruhi variabel lain. Variabel dependen adalah tipe variabel
yang dijelaskan atau dipengaruhi oleh variabel independen. Kedua tipe
variabel merupakan kategori variabel penelitian yang paling sering
digunakan dalam penelitian karena mempunyai aplikasi yang luas.
b. Variabel Moderating
Hubungan langsung antara variabel independen dengan variabel
dependen kemungkinan dipengaruhi oleh variabel-variabel lain. Salah
satu di antaranya variabel moderating, yaitu tipe variabel yang
memperkuat atau memperlemah hubungan langsung antara variabel
independen dengan variabel dependen. Variabel moderating
merupakan tipe variabel yang mempunyai pengaruh terhadap sifat atau
arah hubungan antar variabel. Sifat atau arah hubungan antara variabel
58
independen dengan variabel dependen kemungkinan positif atau negatif
dalam hal ini tergantung pada variabel moderating.
c. Variabel Intervening
Variabel intervening adalah tipe variabel yang mempengaruhi
hubungan antara variabel independen dengan variabel dependen
menjadi hubungan tidak langsung. Variabel intervening merupakan
variabel yang terletak di antara variabel independen dengan variabel
dependen, sehingga variabel independen tidak langsung menjelaskan
atau mempengaruhi variabel dependen.
2. Skala Nilai Variabel
Variabel umumnya diukur dengan skala dalam kisaran nilai tertentu.
Berdasarkan skal nilainya, variabel penelitian diklasifikasikan menjadi
dua, yaitu:
a. Variabel Kontinu
Variabel kontinu adalah tipe variabel penelitian yang memiliki
kumpulan nilai teratur dalam kisaran tertentu. Nilai dalam variabel
kontinu setidaknya menggambarkan peringkat atau jarak berdasarkan
skala pengukuran tertentu.
b. Variabel Kategoris
Variabel kategoris adalah tipe variabel penelitian yang memiliki nilai
berdasarkan kategori tertentu atau lebih dikenal dengan sebutan skala
nominal. Skala nilai pada variabel ini hanya merupakan label untuk
mengidentifikasi kategori atau kelompok variabel yang bersangkutan.
59
3. Perlakuan terhadap Variabel
Karakteristik penelitian eksperimen adalah adanya manipulasi terhadap
variabel tertentu. Manipulasi terhadap hal ini berarti memberikan
perlakuan berbeda kepada kelompok yang berbeda. Klasifikasi variabel
berdasarkan perlakuan peneliti terhadap variabel penelitian bermanfaat
untuk mengetahui perbedaan antara variabel-variabel yang tidak
dimanipulasi. Variabel penelitian dapat diklasifikasikan berdasarkan
perlakuan peneliti terhadap suatu variabel, yaitu:
a. Variabel aktif, merupakan variabel penelitian yang dimanipulasi untuk
keperluan penelitian eksperimen.
b. Variabel atribut, merupakan variabel penelitian yang tidak dapat
dimanipulasi, seperti variabel yang berkaitan dengan karakteristik
manusia.
Menurut Arikunto dalam (Sangadji dan Sopiah, 2010), variabel
berdasarkan sifatnya ada dua, yaitu:
a. Variabel statis, merupakan variabel yang tidak dapat diubah
keberadaannya, seperti jenis kelamin, status sosial ekonomi, dan tempat
tinggal.
b. Variabel dinamis, merupakan variabel yang dapat diubah
keberadaannya berupa pengubahan, peningkatan, atau penurunan,
seperti kedisiplinan, motivasi, kepedulian, dan pengaturan.
60
2.10 Populasi dan Sampel
Populasi adalah wilayah generalisasi yang terdiri atas subyek atau obyek
dengan kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan kemudian ditarik kesimpulan. Populasi bukan sekadar jumlah pada
subyek atau obyek yang dipelajari, tetapi meliputi seluruh karakteristik atau sifat
yang dimiliki oleh subyek atau obyek. Populasi memiliki dua status, yaitu sebagai
obyek penelitian, jika populasi bukan sebagai sumber informasi, tetapi sebagai
substansi yang diteliti dan sebagai subyek yang diteliti, jika berfungsi sebagai
sumber informasi (Sangadji dan Sopiah, 2010).
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi. Bila populasi besar, dan peneliti tidak mungkin mempelajari semua yang
ada pada populasi, misalnya karena keterbatasan dana, tenaga, dan waktu, maka
peneliti dapat menggunakan sampel yang diambil dari populasi. Untuk itu sampel
yang diambil dari populasi harus representatif (mewakili) populasi tersebut
(Sangadji dan Sopiah, 2010).
2.10.1 Teknik Sampling
Pengambilan jumlah sampel dari populasi memiliki aturan atau ada
tekniknya. Dengan menggunakan teknik yang benar, sampel diharapkan
dapat mewakili populasi. Sehingga kesimpulan untuk sampel dapat
digeneralisasi menjadi kesimpulan populasi. Pada dasarnya, ada dua teknik
penarikan sampel dari populasi, yaitu (Sangadji dan Sopiah, 2010):
61
1. Probability Sampling
Probability Sampling adalah teknik sampling yang memberikan
peluang sama bagi setiap unsur (anggota) populasi untuk dipilih
menjadi anggota sampel.
a. Simple Random Sampling
Dikatakan simple (sederhana) karena pengambilan sampel
anggota populasi dilakukan secara acak tanpa memperhatikan
strata yang ada dalam populasi itu.
b. Proporsional Stratified Random Sampling
Teknik ini digunakan bila populasi mempunyai anggota atau unsur
yang tidak homogen dan berstrata secara proporsional.
c. Disproportionate Stratified Random Sampling
Teknik ini digunakan untuk menentukan jumlah sampel bila
populasi berstrata tetapi kurang proporsional.
d. Cluster Sampling
Teknik ini digunakan untuk menentukan sampel bila obyek yang
akan diteliti atau sumber data sangat luas.
2. Nonprobability Sampling
Nonprobability Sampling adalah teknik pengambilan sampel yang
tidak memberi peluang/kesempatan sama bagi setiap unsur atau
anggota populasi untuk dipilih menjadi sampel.
62
a. Sampling Sistematis
Sampling sistematis adalah teknik penentuan sampel berdasarkan
urutan dari anggota populasi yang telah diberi nomor urut.
b. Sampling Kuota
Sampling kuota adalah teknik untuk menetukan sampel dari
populasi yang mempunyai ciri-ciri tertentu sampai jumlah (kuota)
yang diinginkan.
c. Sampling Aksidental
Sampling aksidental adalah teknik penentuan sampel berdasarkan
kebetulan, yaitu siapa saja yang secara kebetulan bertemu dengan
peneliti dapat digunakan sebagai sampel.
d. Sampling Purposive
Sampling purposive adalah teknik penentuan sampel dengan
pertimbangan tertentu.
e. Sampling Jenuh
Sampling jenuh adalah teknik penentuan sampel bila semua
anggota populasi digunakan sebagai sampel. Istilah lain sampel
jenuh adalah sensus.
f. Snowball Sampling
Snowball sampling adalah teknik penentuan sampel yang mula-
mula jumlahnya kecil, kemudian sampel ini disuruh memilih
teman-temannya untuk dijadikan sampel dan begitupun
seterusnya.
63
2.10.2 Ukuran Sampel
Besarnya jumlah sampel yang harus diambil dari populasi dalam
suatu kegiatan penelitian sangat tergantung dari keadaan populasi itu sendiri,
semakin homogen populasinya maka jumlah sampel semakin sedikit, begitu
juga sebaliknya. Adapun penentuan jumlah sampel Guritno et al. (2011) ialah
sampel yang diperlukan dalam SEM (Structural Equation Model) berkisar
antara 100 sampai 200 sampel . Pada PLS-SEM juga diatur mengenai penentuan
sampel untuk penelitian, yaitu 10 kali dari jumlah maksimum anak panah (jalur)
yang mengarah pada variabel laten (10 time rule of thumb) (Hair, et al., 2012)..
Champion (1981) dalam Indrawan dan Yaniawati (2014) menjelaskan uji
statistik akan efektif jika sampel digunakan antar 120 sampai dengan 250.
Menurut Roscoe (1975) dalam dalam Sugiyono (2012) mengusulkan tentang
ukuran sempel untuk penelitian yaitu sebagai berikut :
1. Ukuran sampel yang layak dalam penelitian adalah antara 30 sampai
dengan 500.
2. Bila sampel dibagi dalam kategori (misalnya: pria-wanita, pegawai
negeri-swasta, dan lain lain) maka jumlah anggota sampel setiap kategori
minimal 30.
3. Bila dalam penelitian akan melakukan analisis dengan multivariate
(korelasi atau regresi ganda) maka jumlah anggota sampel minimal 10 kali
dari jumlah variabel yang diteliti. Misalnya variabel penelitiannya ada 5
(independen + dependen), maka jumlah anggota sampel = 10 * 5 = 50,
64
4. Untuk penelitian eksperimen yang sederhana, yang menggunakan
kelompok eksperimen dan kelompok kontrol, maka jumlah anggota
sampel masing-masing antara 10 sampai dengan 20.
Penetapan ukuran sampel dari populasi dapat juga menggunakan rumus
Slovin, dimana penetapan sampel mempertimbangkan batas ketelitian yang
dapat mempengaruhi kesalahan pengambilan sampel populasi. Rumus Slovin
tersebut adalah sebagai berikut:
𝑛 = 𝑁
(1 +𝑁 𝑒2)………………………………………………………(2.1)
Keterangan:
n = ukuran sampel
N = ukuran populasi
e = nilai kritis (batas ketelitian) yang diinginkan taraf signifikansi (untuk
sosial dan pendidikan lazimnya 0.05)
Untuk menggunakan rumus ini, pertama ditentukan berapa batas
toleransi kesalahan. Batas toleransi kesalahan ini dinyatakan dalam
presentase. Menurut Sugioyono (2012) untuk populasi dalam jumlah besar,
nilai presentase kelonggaran ketelitian kesalahan pengambilan sampel yang
masih bisa ditolerir bernilai 10% atau 0,1 sedangkan untuk populasi yang
kecil nilai presentase kelonggaran ketelitian kesalahan pengambilan sampel
yang masih bisa ditolerir bernilai 20% atau 0,2. Semakin kecil toleransi
kesalahan, semakin akurat sampel menggambarkan populasi. Misalnya,
penelitian dengan batas kesalahan 5% berarti memiliki tingkat akurasi 95%.
65
Dengan jumlah populasi yang sama, semakin kecil toleransi kesalahan,
semakin besar jumlah sampel yang dibutuhkan (Sugiyono, 2012).
2.11 Analisis Data
Menurut Sugiyono (2013) dalam penelitian kuantitatif, analisis data
merupakan kegiatan setelah data dari seluruh responden atau sumber data lain
terkumpul. Kegiatan dalam analisis data adalah mengelompokkan data berdasarkan
variabel dan jenis responden, mentabulasi data berdasarkan variabel dari seluruh
responden, menyajikan data tiap variabel yang diteliti, melakukan perhitungan
untuk menjawab rumusan masalah, dan melakukan perhitungan untuk hipotesis
yang dilakukan. Dalam penelitian ini metode analisis data yang digunakan penulis
adalah metode kuantitatif dengan pendekatan PLS-SEM menggunakan tool
SmartPLS 3.0.
2.11.1 Metode Kuantitatif
Metode kuantitatif merupakan metode penelitian yang
berkarateristik sistematis, terencana dan terstruktur dengan jelas dari tahap
perencanaan hingga tahap pembuatan desain penelitiannya. Menurut
Sugiyono (2013) metode kuantitati didefinisikan sebagai metode penelitian
yang berlandaskan filsafat positivism, digunakan untuk meneliti pada
populasi atau sampel tertentu, teknik pengambilan sampel pada umumnya
dilakukan secara random,pengumpulan data menggunakan instrument
penelitian, analisis data bersifat kuantitatif/statistic dengan tujuan untuk
menguji hipotesis yang telah ditetapkan.
66
2.11.2 Partial Least Square-Structural Equation Modelling (PLS-SEM)
PLS-SEM merupakan salah satu metode yang digunakan dalam
menganalisis dan dinilai kuat karena digunakan pada setiap jenis skala data
seperti, data interval, data nominal, dan rasio serta syarat asumsi yang lebih
fleksibel (Yamin dan Kurniawan, 2011).
PLS merupakan metode analisis yang powerfull karena tidak
didasarkan pada banyak asumsi (Ghozali, 2011). Misalnya data harus
terdistribusi normal, sampel tidak harus benar. Selain dapat digunakan untuk
mengkonfirmasi teori, PLS juga dapat digunakan untuk menjelaskan ada
tidaknya hubungan antar variabel laten. PLS dapat sekaligus menganalisis
konstrak yang dibentuk dengan indikator reflektif dan formatif. Menurut
Ghozali (2011) tujuan PLS adalah membantu peneliti untuk tujuan prediksi.
Model formalnya mendefinisikan variabel laten adalah linear agregat dari
indikator-indikatornya.
Menurut Ghozali (2011) Structural Equation Modelling (SEM)
adalah sebuah evolusi dari model persamaan berganda yang dikembangkan
dari prinsip ekonometri dan digabungkan dengan prinsip pengaturan dari
psikologi dan sosiologi, SEM telah muncul sebagai bagian integral dari
penelitian manajerial akademik. SEM terdiri dari 2 bagian yaitu model
variabel laten dan model pengukuran (Ghozali, 2008). Bagian pertama yaitu
model variabel laten (latent variable model) mengadaptasi model persamaan
simultan pada ekonometri. Jika pada ekonometri semua variabelnya
merupakan beberapa variabel terukur/teramati (measured/observed
67
variables), maka pada model ini beberapa variabel merupakan variabel laten
(latent variables yang tidak terukur secara langsung). Sedangkan bagian
kedua yang dikenal dengan model pengukuran (measurement model),
menggambarkan beberapa indikator atau beberapa variabel terukur sebagai
efek atau refleksi dari variabel latennya
PLS dapat digunakan untuk tujuan konfirmasi (seperti pengujian
hipotesis) dan tujuan eksplorasi. PLS juga dapat menduga apakah terdapat
atau tidak hubungan antar variabel dan kemudian proposisi untuk pengujian.
Tujuan utamanya adalah menjelaskan hubungan antar konstrak dan
menekankan pengertian tentang nilai hubungan tersebut. Penggunaan PLS
untuk prediksi dan membangun teori serta sampel yang dibutuhkan relatif
kecil, dengan minimum sepuluh kali item konstrak yang paling kompleks
(Yamin dan Kurniawan, 2011).
Menurut Ringle et al (2012) di dalam Huda & Hussin (2016) ada
beberapa alasan untuk menggunakan PLS-SEM yaitu menggunakan ukuran
sampel yang kecil, data yang tidak normal, menerapkan pengukuran variable
laten formatif, dan digunakan untuk penelitian exploratory. Dalam Yamin
dan Kurniawan (2011) terdapat 4 alasan mengapa PLS-SEM populer
digunakan oleh para peneliti dan praktisi, yaitu sebagai berikut:
1. Algoritma PLS tidak terbatas hanya untuk hubungan antara indikator
dengan konstrak latennya yang bersifat reflektif saja tetapi algoritma PLS
juga dapat dipakai untuk hubungan yang bersifat formatif.
68
2. PLS dapat digunakan untuk menaksir model path dengan sample size yang
kecil.
3. PLS-SEM dapat digunakan untuk model yang sangat kompleks (terdiri
atas banyak variabel laten dan manifes) tanpa mengalami masalah dalam
estimasi data.
4. PLS dapat digunakan ketika distribusi data sangat miring (skew)
Di dalam PLS terdapat dua model evaluasi yaitu outer model atau
pengukuran model dan evaluasi terhadap inner model atau structural model
(Yamin dan Kurniawan, 2011):
1. Evaluasi Pengukuran Model (Outer Model)
Pada tahan ini dilakukan analisis pengukuran model (outer model)
dimana analisis pengukutan model ini mendefinisikan bagaimana setiap
blok indikator berhubungan dengan variabel latennya. Model ini meliputi
pemeriksaan individual item reliability, internal consistency atau construct
reliability, average variance extracted dan discriminant validity. Ketiga
pengukuran tersebut dikelompokkan dalam convergent validity, yaitu
mengukur besarnya korelasi antara konstrak dengan variabel laten.
Measurement model dilakukan untuk dapat mengetahui hubungan antara
konstrak (variabel) dengan indikator-indikatornya (Yamin dan
Kurniawan, 2011).
𝑥 = ∏ 𝜉𝑥 + 𝜀𝑥 ………………………………………….…….(2.2)
𝑦 = ∏ 𝜂𝑦 + 𝜀𝑦
69
Dimana :
x dan y = matriks variabel manifes independen dan dependen
𝜉 dan 𝜂 = matriks konstruk laten independent dan dependen
∏ = matriks koefisien (matriks loading)
𝜀 = matriks outer model residu.
Pemeriksaan individual item reliability dapat melihat nilai standardized
loading faktor. Nilai ini menggambarkan besarnya korelasi antara setiap
item pengukuran (indikator) dengan konstraknya. Nilai loading faktor yang
ideal diatas 0.7, ini berarti bahwa indikator tersebut sudah valid sebagai
indikator yang dapat mengukur konstrak (Yamin dan Kurniawan, 2011;
Hair et al., 2012; Ghozali, 2014; Hussein, 2015; Subiyakto et al, 2015,
Garson, 2016). Untuk mendapatkan nilai loading factor dilakukau dengan
melakukan rumus berikut.
……………(2.3)
Dimana X merupakan variabel laten (kontruks) independen dan Y
merupakan variabellaten (kontruk) dependen.
Pengukuran lainnya dari convergent validity adalah melihat nilai
Average Variance Extracted (AVE). Nilai ini menggambarkan besaran
varian atau keragaman variabel manifes yang dapat dikandung oleh
konstrak laten. Untuk nilai AVE ideal yaitu 0,5 hal ini berarti convergent
validity baik (Yamin dan Kurniawan, 2011; Hair et al., 2012; Ghozali, 2014;
70
Hussein, 2015; Garson, 2016; Subiyakto et al, 2016). Artinya, variabel laten
dapat menjelaskan rata-rata lebih dari setengah varian dari indikator-
indikatornya. Untuk mendapatkan nilai AVE dapat dihitung melalui rumus
berikut.
𝐴𝑉𝐸 = ∑ 𝜆𝑖
2
𝜆𝑖2+ ∑ 𝑣𝑎𝑟 (𝜀𝑖)𝑖
..........................................................(2.4)
Dimana : 𝜆1 adalah loading factor (convergent validity), dan
𝑣𝑎𝑟 (𝜀𝑖) = 1 - 𝜆𝑖2.
Internal consistency atau construct reliability dilakukan dengan melihat
nilai composite reliability (CR) dengan batas ambang di atas 0,7 Yamin dan
Kurniawan, 2011; Hair et al., 2012; Ghozali, 2014; Hussein, 2015; Garson,
2016). Untuk mendapatkan nilai CR dapat dihitung melalui rumus berikut.
𝐶𝑅 = (∑ 𝜆𝑖)𝑛
𝑖=12
(∑ 𝜆𝑖)𝑛𝑖=1
2+ ∑ 𝑣𝑎𝑟 (𝜀𝑖)𝑛
𝑖=1
………………………….………(2.5)
Dimana : 𝜆1 adalah loading factor (convergent validity), dan 𝑣𝑎𝑟 (𝜀𝑖)
= 1 -𝜆𝑖2.
Discriminat validity bisa melalui dua cara pemeriksaan cross
loading, yaitu cross loading antar indikator dan cross loading Fornell-
Lacker’s (Subiyakto et al., 2015, Subiyakto et al, 2017). Pemeriksaan
cross loading tiap indikator dilakukan dengan membandingkan hubungan
indikator dengan konstruknya dan konstruk blok lainnya. Bila korelasi
antara indikator dengan konstruknya lebih tinggi dari korelasi dengan
konstruk blok lainnya, hal ini menunjukkan konstruk tersebut
memprediksi ukuran pada blok mereka lebih baik dari blok lainnya.
71
Selanjutnya dengan memeriksa cross loading Fornell-Lacker’s yaitu
dengan membandingkan dengan nilai akar AVE, dimana nilai akar AVE
harus lebih besar daripada korelasi antara konstruk dengan konstruk
lainnya.
Tabel 2.4 Ringkasan Rule of Thumb Evaluasi Model Pengukuran (Ghozali, 2015)
Validitas dan Reabilitas Kriteria Rule of Thumb
Validitas Convergent
Loading Factor
• > 0,70 untuk
Confirmatory Research
• > 0,60 untuk
Explanantory Research
Average Variance
Extracted (AVE)
> 0,50 untuk Confirmatory
maupun Explanatory
Research
Communality
> 0,50 untuk Confirmatory
maupun Explanatory
Research
Validitas Discriminant
Cross Loading > 0,70 untuk setiap variabel
Akar AVE dan
Korelasi antar
Konstruk Laten
• Akar AVE > Korelasi
antar Konstruk Laten
• > 0,70 untuk
Confirmatory Research
> 0,60 untuk Explanantory
Research
Realibitas
Cronbach’s Alpha
• > 0,70 untuk
Confirmatory Research
• > 0,60 masih dapat
diterima untuk
Explanantory Research
Composite
Reliability
• > 0,70 untuk
Confirmatory Research
• > 0,60-0,70 masih
dapat diterima untuk
Explanantory Research
2. Evaluasi Struktural Model (Inner Model)
Pengukuran struktural model dilakukan untuk dapat mengetahui
hubungan antara konstrak yang dihipotesiskan oleh peneliti (Yamin dan
72
Kurniawan, 2011; Hair et al, 2012; Ghozali, 2014; Subiyakto, 2018).
Dalam model ini terdapat beberapa tahap dalam melakukan evaluasinya.
𝜂 = 𝛽𝜂 + 𝛾𝜉 + 𝜁 ……………………………………………..……(2.6)
Dimana 𝜂 menggambarkan vektor variabel laten indpenden, 𝜉 adalah
vektor variabel laten eksogen, dan 𝜁 adalah vektor variabel residual.
Tahap pertama adalah dengan melihat signifikansi hubungan antara
konstrak. Hal ini dapat dilihat dari koefisien jalur (path coefficient) yang
menggambarkan kekuatan hubungan antara konstrak. Pengukuran path
coefficient (β) memiliki nilai ambang batas diatas 0.1 hal ini untuk
menyatakan bahwa jalur (path) yang dimaksud mempunyai pengaruh di
dalam model (Hair et al, 2012; Subiyakto et al, 2016) .
Tahap kedua adalah dengan mengevaluasi nilai R2 (coefficient of
determination). Nilai ini menjelaskan varian dari tiap target endogenous
variabel dengan standar pengukuran sekitar 0,67 dinyatakan kuat, sekitar
0,33 moderat dan dibawah 0,19 menunjukkan tingkat varian yang lemah.
Untuk mendapat nilai R2 dapat dihitung melalui:
𝑅2 = 1 − ∑(𝜂𝑖− 𝜂′𝑖)2
∑(𝜂𝑖− 𝜂′𝑖)2…………………………………………...… (2.7)
Dimana 𝜂 merupakan vektor variabel laten (kontruk) indpenden.
Tahap ketiga adalah dengan melihat nilai t-test dengan metode
boostrapping menggunakan uji two-tailed dengan tingkat signifikansi 5%
untuk menguji hipotesis-hipotesis penelitian. Bila nilai t-test lebih besar dari
1,96 maka hipotesis penelitian yang dibuat dapat diterima. Untuk meperoleh
nilai t-test dapat dihitung melalui rumus berikut:
73
𝑇𝑡𝑒𝑠𝑡=
𝛾′𝑗𝑏
𝑆𝑒(𝛾′𝑗𝑏)
……………………………………………...…..(2.8)
Dimana jb merupakan jalur konstruk dan S merupakan simpangan
baku.
Tahap keempat yaitu pengujian 𝑓2 (effect size). Pengujian ini
dilakukan untuk dapat memprediksi pengaruh variabel tertentu terhadap
variabel lainnya dalam struktur model dengan nilai ambang batas sekitar
0,02 untuk pengaruh kecil, 0,15 untuk pengaruh menegah dan 0,35 untuk
pengaruh yang besar. 𝑓2 dihitung dengan menggunakan rumus sebagai
berikut:
𝑓2 =𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒− 𝑅2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
1− 𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 ……………………………………(2.9)
Dimana:
𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 : Nilai yang diperoleh ketika konstrak eksogen dimasukkan
ke model.
𝑅2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒 : Nilai yang diperoleh ketika konstrak eksogen dikeluarkan
dari model.
Tahap kelima yaitu pengujian 𝑄2 (predictive relevance) dengan
menggunakan metode blindfolding untuk dapat memberikan bukti bahwa
variabel tertentu yang digunakan dalam suatu model yang dibuat
mempunyai keterkaitan prediktif (predictive relevance) dengan variabel
lainnya dalam model tersebut dengan nilai ambang batas pengukuran di atas
nol. Untuk mendapatkan nilai 𝑄2 dapat dihitung melalui rumus sebagai
berikut:
𝑄2 = 1 − ∑ 𝐸𝐷 𝐷
∑ 𝑂𝐷 𝐷
…………………………………………..……..(2.10)
Dimana :
D = omission distance
74
E = The sum of squares of prediction error
O = The sum of square errors the mean for prediction
Tahap keenam yaitu melakukan pengujian 𝑞2 (Relative Impact)
dengan menggunakan metode blindfolding juga untuk dapat mengukur
relatif pengaruh sebuah keterkaitan antara prediktif sebuah variabel
tertentu dengan variabel lainnya yang memiliki nilai ambang batas sebesar
0,02 untuk pengaruh kecil, 0,15 untuk pengaruh sedang, dan 0,35 untuk
pengaruh besar. Rumus yang digunakan dalam perhitungan 𝑞2 adalah
sebagai berikut:
𝑞2 =𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒− 𝑄2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
1− 𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 ……………………………………(2.11)
Dimana:
𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 : Nilai q2 yang diperoleh ketika konstrak eksogen
dimasukkan ke model.
𝑄2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒 : Nilai q2 yang diperoleh ketika konstrak eksogen
dikeluarkan dari model.
Tabel 2.5 Ringkasan Rule of Thumb Evaluasi Model Struktural (Gozali,2014)
Kriteria Rule of Thumb
R-Square 0.75, 0.50, dan 0.25 menunjukkan model kuat,
moderate dan lemah . (Hair et al, 2011)
Effect Size f2 0.02, 0.15, dan 0.35 ( kecil, menengah, dan besar)
Q2 predictive relevance
• Q2> 0 menunjukkan model mempunyai predictive
relevance
• Q2< 0 menunjukkan model kurang memiliki
predictive relevance
Signifikansi (one tailed)
t-value 1.28 (significance level = 10%), 1.65
(significance level = 5%), 2.33 (significance level =
1%)
Signifikansi (two tailed)
t-value 1.65 (significance level = 10%), 1.96
(significance level = 5%), 2.58 (significance level =
1%)
75
2.12 Hipotesis
Menurut Andrews et al dalam Sangadji dan Sopiah (2010) hipotesis adalah
suatu jawaban bersifat sementara terhadap permasalahan penelitian sampai terbukti
melalui data yang terkumpul. Pengertian lain hipotesis menurut Buckley et al dalam
Sangadji dan Sopiah (2010) adalah suatu bentuk pernyataan sederhana mengenai
harapan peneliti akan hubungan antara variabel-variabel dalam suatu masalah untuk
diuji dalam penelitian. Sedangkan menurut Kerlinger dalam Sangadji dan Sopiah
(2010) hipotesis adalah pernyataan dugaan (conjectural) tentang hubungan antara
dua variabel atau lebih. Dari beberapa pendapat di atas, maka dapat disimpulkan
bahwa hipotesis adalah (Sangadji dan Sopiah, 2010):
1. Jawaban sementara (tentatif) terhadap masalah yang diajukan
2. Telah memiliki kebenaran, tetapi baru merupakan kebenaran taraf teoritis
atau kebenaran logis (logical validity, deductive validity)
3. Membutuhkan pembuktian atau pengujian (empirical validity, statistical
validity).
Menurut tingkat ekplanasi hipotesis yang akan diuji, maka rumusan hipotesis
dapat dikelompokkan menjadi tiga macam, yaitu (Sangadji dan Sopiah, 2010):
1. Hipotesis Deskriptif
Hipotesis deskriptif adalah dugaan tentang nilai suatu variabel mandiri,
tidak membuat perbandingan atau hubungan.
2. Hipotesis Komparatif
Hipotesis komparatif adalah pertanyaan yang menunjukkan dugaan nilai
dalam suatu variabel atau lebih pada sampel yang berbeda.
76
3. Hipotesis Gabungan (Asosiatif)
Hipotesis asosiatif adalah suatu pertanyaan yang menunjukkan dugaan
tentang hubungan antara dua variabel atau lebih.
2.13 SmartPLS
SmartPLS merupakan salah satu software yang biasa digunakan dalam
analisis menggunakan PLS-SEM, software ini dikembangkan oleh University of
Hamburg, Jerman (Ghozali & Latan, 2015). SmartPLS atau Smart Partial Least
Square adalah software statistik yang sama tujuannya dengan Lisrel dan AMOS
yaitu untuk menguji hubungan antara variabel, baik sesama variabel latent maupun
dengan variabel indikator, atau manifest.
Penggunaan SmartPLS sangat dianjurkan ketika kita memiliki keterbatasan
jumlah sampel sementara model yang dibangung kompleks. Kelebihan lainnya dari
Smart PLS adalah kemampuannya mengolah data baik untuk model SEM formatif
ataupun reflektif model SEM formatif memiliki ciri-ciri diantaranya adalah variabel
latent atau konstrak dibangun oleh variabel indikator dimana panah mengarah dari
variabel konstrak ke variabel indikator. Model SEM reflektif adalah model SEM
dimana variabel konstrak merupakan refleksi dari variabel indikator, sehingga
panahnya mengarah dari variabel indikator ke variabel latent. Secara statistik,
konsekuensinya adalah tidak akan ada nilai error pada variabel indikator. Oleh
karena software ini dikhususkan untuk melakukan olah data SEM dengan sampel
kecil, maka tidak cocok digunakan untuk penelitian dengan sampel besar.
77
2.14 Google Forms
Google Form atau yang disebut google formulir adalah alat yang berguna
untuk membantu merencanakan acara, mengirim survei, memberikan kuis, atau
mengumpulkan informasi yang mudah dengan cara yang efisien. Form juga dapat
dihubungkan ke spreadsheet. Jika spreadsheet terkait dengan bentuk, maka
tanggapan otomatis akan dikirimkan ke spreadsheet. Jika tidak, pengguna dapat
melihat di “Ringkasan Tanggapan.” Halaman tersebut dapat diakses dari menu
“Tanggapan” (Pratama, 2014).
Google Form merupakan bagian dari Google Drive. Dengan demikian, untuk
membuat formulir baru, harus terlebih dahulu login ke Gmail atau Google Apps.
Spreadsheets akan menunjukkan penggunaan dalam pengajuan berbagai
pertanyaan, termasuk di mana pengguna akan merespon dengan jawaban teks
sederhana atau respon teks lebih lanjut. Pertanyaan bisa berupa pilihan ganda, daftar
pertanyaan, maupun pertanyaan skala. Formulir bisa diatur dengan tampilan dan
tema yang menarik serta akses yang mudah.
81
78
BAB III
METODOLOGI PENELITIAN
3.1 Pendekatan Penelitian
Penelitian ini dilakukan dengan pendekatan kuantitatif untuk menguji model
UTAUT 2 terhadap evaluasi penggunaan dan mengetahui faktor-faktor yang
mempengaruhi penggunaan E-Money Bank Mandiri. Sesuai dengan pendekatan
penelitian yang ditentukan, metode, teknik, serta instrumen penelitian yang
digunakan adalah secara kuantitatif. Salah satu bentuk pendekatan kuantitatif pada
penelitian ini adalah pengumpulan data yang dilakukan melalui survei dengan
menggunakan kuesioner dan analisis data yang dilakukan secara statistik dengan
menggunakan aplikasi pengolah data statistik.
Peneliti juga melakukan wawancara tidak terstruktur kepada beberapa
responden, hasil dari wawancara tersebut ditujukan sebagai data tambahan dalam
penelitian ini. Responden yang terlibat pada penelitian ini adalah pengguna E-
Money Bank Mandiri
3.2 Populasi dan Sampel Penelitian
Populasi pada penelitian adalah seluruh pengguna E-Money Bank Mandiri
di Daerah Kecamatan Ciputat. Berdasarkan dari data yang diperoleh dari Badan
Pusat Statistik (BPS) Kota Tangerang Selatan, bahwa jumlah penduduk kecamatan
Ciputat pada Tahun 2016 adalah sebesar 232.559 jiwa. Peneliti melakukan
pengambilan sampel dengan menggunakan Teknik Purposive Sampling. Teknik
Purposive Sampling dilakukan untuk memilih bagian dari populasi, dimana kriteria
79
yang dipilih adalah yang masyarakat yang menggunakan E-Money Bank Mandiri.
Kemudian, pengambilan sampel dilakukan secara aksidental artinya pemilihan
anggota sampelnya dilakukan terhadap responden yang kebetulan ada/dijumpai
(Accidental Sampling) (Hadi, 2016).
Untuk mendukung pengambilan sampel penelitian, peneliti mengambil
beberapa teori dari penelitian sebelumnya. Teori tersebut ialah, di dalam penelitian
Guritno et al. (2011) sampel yang diperlukan dalam SEM (Structural Equation
Model) berkisar antara 100 sampai 200 sampel . Pada PLS-SEM juga diatur
mengenai penentuan sampel untuk penelitian, yaitu 10 kali dari jumlah maksimum
anak panah (jalur) yang mengarah pada variabel laten (10 time rule of thumb) (Hair,
et al., 2012). Jumlah jalur yang ada pada penelitian ini berjumlah 10 jalur, maka 10
dikali 10 adalah 100. Champion (1981) dalam Indrawan dan Yaniawati (2014)
menjelaskan uji statistik akan efektif jika sampel digunakan antar 120 sampai dengan
250. Menurut Roscoe (1975) dalam Sugiyono (2012) mengusulkan tentang ukuran
sempel untuk penelitian yaitu sebagai berikut:
1) Ukuran sempel yang layak dalam penelitian adalah antara 30 sampai
dengan 500.
2) Bila sempel dibagi dalam katagori maka jumlah anggota sempel setiap
katagori minimal 30.
3) Bila dalam penelitian akan melakukan analisis dengan Multivariate
(korelasi atau regresi ganda misalnya). Maka jumlah anggota sempel
minimal 10 kali dari jumlah variabel yang diteliti.
80
4) Untuk penelitian eksperimen yang sederhana, yang mengunakan
kelompok ekspetrimen dan kelompok kontrol, maka jumlah anggota
sempel masing-masing antara 10 s/d 20.
Kemudian untuk peneliti menambahkan dengan metode perhitungan sampel
slovin untuk mendukung jumlah sampel penelitian. Populasi (N) sesuai dengan
jumlah penduduk kecamatan Ciputat ialah 232.559 orang. Menurut Sugioyono
(2012) untuk populasi dalam jumlah besar, nilai presentase kelonggaran ketelitian
kesalahan pengambilan sampel yang masih bisa ditolerir bernilai 10% atau 0,1 .
Maka perhitungan jumlah sampel (n) yang diperoleh yaitu :
𝑛 =𝑁
1+( 𝑁 ×𝑒2)=
232.559
1+(232.559 ×(10%)2) =
232.559
1+(320.000 ×(0,1)2) =
232.559
1+(232.559 ×0,01)=
232.559
1+2325,59=
232.559
2326,59= 99,96 , atau dibulatkan sebesar
100 Orang.
Keterangan :
n = Jumlah Sampel
N = Jumlah Populasi
e = Nilai persentase kelonggaran ketelitian, dalam penelitian ini
penelti mengambil nilai keloanggaran 10% atau level
signifikansi sebesar 90%.
Dengan demikian, jumlah sampel dalam penelitian ini yang dapat mewakili
jumlah populasi yang ada adalah minimal 100 orang.
3.3 Prosedur Penelitian
Penelitian ini melalui beberapa tahapan yang dilakukan secara prosedural
dan berurutan seperti diperlihatkan pada gambar 3.1 yang meliputi : pengujian
masalah, kajian pustaka, pengembangan model, perancangan penelitian, pembuatan
81
instrumen, pengumpulan data, analisis data, interpretasi, kesimpulan dan saran, dan
pembuatan laporan.
Gambar 3.1 Prosedur Penelitian (Moodifkasi dari Subiyakto et al., 2018)
82
3.4 Perancangan Instrumen Penelitian
3.4.1 Model Penelitian
Gambar 3.2 Model Penelitian (Adopsi Model Venkatesh et al, 2012)
Berdasarkan studi literatur awal yang telah peneliti lakukan, model
dari penelitian ini (Gambar 3.2) diadopsi dari model penelitian Venkatesh et
al, 2012 terdiri dari sembilan variabel dengan rincian enam vairabel dari
UTAUT sebelumnya yaitu Performance Expectancy (PE), Effort
Expectancy (EE), Social Influence (SI), Facilitating Conditions (FC),
Behavior Intention (BI) dan Use Behavior (UB) ditambah dengan tiga
variabel baru yaitu Hedonic Motivation (HM), Price Value (PV), dan Habit
(HT).
83
3.4.2 Instrumen Penelitian
Instrumen peneltian ini adalah berupa kuesioner (Sugiyono, 2013:) yang
terbagi menjadi dua bagian. Bagian pertama adalah lembar surat pengantar dari
peneliti yang digunakan sebagai permohonan pengisian kuesioner. Bagian
kedua, sebanyak 39 pertanyaan yang terdiri dari enam pertanyaan tentang profil
responden, lima pertanyaan umum, serta 28 pertanyaan yang dibuat berdasarkan
adopsi model UTAUT 2. Pertanyaan-pertanyaan disesuaikan dengan variabel-
variabel yang terdapat dalam metode UTAUT 2.
Tabel 3.1 menjabarkan indikator dari variabel yang ada dalam model
penelitian ini, lengkap dengan referensinya. Selanjutnya peneliti juga melakukan
pengujian pendahuluan terhadap desain awal kuesioner kepada 20 pengguna E-
Money Bank Mandiri. Tujuannya untuk dapat memperoleh masukan perbaikan
sebelum kusioner disebarkan ke lingkup lebih luas dan menjalankan prosedur
unidimensonality (Afthanorhan, 2013).
Tabel 3.1 Indikator Penelitian
Variabel Indikator
Referensi Kode Nama Indikator
Performance
Expectancy
(PE)
PE1 Perceived usefulness
Venkatesh, et al
(2012)
PE2 Extrinsic motivation
PE3 Job-fit
PE4 Relative advantage
Effort
Expectancy
EE1 Perceived ease of use
Venkatesh, et al
(2012) EE2 Complexity
EE3 Ease of use
84
Tabel 3.1 Indikator Penelitian (lanjutan)
Variabel Indikator
Referensi Kode Variabel
Social
Influence
SI1 Subjective Norm
Venkatesh, et al
(2012) SI2 Social Factor
SI3 Image
Facilitating
Conditions FC1
Perceived behavioral
control Venkatesh, et al
(2012) FC2 Facilitating conditions
FC3 Compatibility
Hedonic
Motivation
HM1 Repurchase intentions
Venkatesh, et al
(2012) HM2
Positive word-of-mouth
communication
HM3 Service quality
Price Value PV1 Usage time Venkatesh, et al
(2012) PV2 Usage frequency
PV3 Use variety
Habit HT1 Fun
Venkatesh, et al
(2012), HT2 Entertain
HT3 Interest
Behavioral
Intention
BI1 Quality
Venkatesh, et al
(2012) BI2 Price
BI3 Value
Use Behavior UB1 Prior Use
Venkatesh, et al
(2012) UB2 Addiction
UB3 Behavior to be automatic
85
Berdasarkan indikator penelitian pada tabel 3.2 akan dibuat sebanyak 28
pertanyaan pengujian yang telah disesuaikan dengan indikator variabel yang ada
di model UTAUT 2. Daftar pertanyaan dapat dilihat pada tabel 3.2, selengkapnya
format kuesioner dapat dilihat di bagian lampiran.
Tabel 3.2 Daftar Pertanyaan
Variabel Kode Pertanyaan
Performance
Expectancy (PE)
PE1 E-Money Bank Mandiri sangat bermanfaat untuk
keseharian saya
PE2 E-Money Bank Mandiri meningkatkan efisiensi
kinerja saya
PE3 E-Money Bank Mandiri membantu
menyelesaikan masalah saya lebih cepat
PE4 E-Money Bank Mandiri meningkatkan
produktivitas saya
Effort Expectancy
(EE)
EE1 E-Money Bank Mandiri mudah untuk dipelajari
dan dimengerti
EE2 E-Money Bank Mandiri mudah untuk digunakan
EE3 E-Money Bank Mandiri lebih efisien dalam segi
tenaga dan waktu yang dikeluarkan
Social Influence
(SI)
SI1 Orang-orang di lingkungan sekitar
mempengaruhi saya untuk menggunakan E-
Money Bank Mandiri
SI2 Orang-orang yang penting buat saya
menyarankan kepada saya untuk menggunakan
E-Money Bank Mandiri
SI3 Orang-orang di sekitar saya yang menggunakan
E-Money Bank Mandiri terlihat lebih Trendy
(Mengikuti Tren)
Facilitating
Conditions (FC)
FC1 Saya memiliki pengetahuan yang cukup untuk
menggunakan E-Money Bank Mandiri
FC2 Sarana dan prasarana teknologi yang ada sudah
umum digunakan
FC3 Terdapat tenaga ahli yang dapat membantu
apabila saya kesulitan dalam menggunakan E-
Money Bank Mandiri
86
Tabel 3.2 Daftar Pertanyaan (lanjutan)
Variabel Kode Pertanyaan
Hedonic
Motivation (HM)
HM1 Saya merasa senang saat menggunakan E-Money
Bank Mandiri
HM2 Saya merasa nyaman menggunakan E-Money
Bank Mandiri
HM3 Saya merasa menikmati ketika menggunakan E-
Money Bank Mandiri
Price Value (PV) PV1 Saya merasa harga untuk mendapatkan E-Money
Bank Mandiri masuk akal
PV2 Saya merasa harga layanan pada E-Money Bank
Mandiri sudah sesuai dengan layanan-layanan
yang ditawarkan dan diterima
PV3 Saya bersedia untuk membayar seharga yang
telah ditetapkan untuk menggunakan E-Money
Bank Mandiri
Habit (H) HT1 Saya sudah terbiasa untuk menggunakan E-
Money Bank Mandiri
HT2 Saya merasa harus terus menggunakan E-Money
Bank Mandiri
HT3 Jika saya ingin bertransaksi, maka saya akan
menggunakan E-Money Bank Mandiri
Behavioral
Intention (BI)
BI1 Saya berkeinginan untuk menggunakan E-Money
Bank Mandiri seterusnya
BI2 Saya memperkirakan untuk menggunakan E-
Money Bank Mandiri dalam keseharian saya
BI3 Saya berencana menggunakan E-Money Bank
Mandiri di setiap transaksi saya
Use Behavior
(UB)
UB1 Saya senang menggunakan E-Money Bank
Mandiri kapanpun dan dimanapun
UB2 Saya sudah sering menggunakan E-Money Bank
Mandiri
UB3 Saya selalu menggunakan E-Money Bank Mandiri
untuk berbagai keperluan
87
Peneliti menggunakan skala likert pada kuesioner penelitian ini yang
berarti skala penilaiannya menggunakan lima pilihan jawaban yang terdiri dari
sangat tidak setuju dengan bobot nilai 1, tidak setuju dengan bobot nilai 2, netral
(tidak tahu) dengan bobot nilai 3, setuju dengan bobot nilai 4 dan sangat setuju
dengan bobot nilai 5.
3.5 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah
berupa wawancara, studi literatur dan survei dengan menyebarkan kuesioner.
3.5.1 Wawancara
Wawancara ini dilakukan sebagai studi pendahuluan untuk
mengumpulkan data-data yang berkaitan dengan penelitian ini. Wawancara
dilakukan selama 1 minggu kepada 100 orang secara acak sesuai dengan jumlah
minimal sampel penelitian yang peneliti temui dari masyarakat Kecamatan
Ciputat dengan berumur kisaran 17 – 54 Tahun. Berikut kesimpulan hasil yang
didapat dari wawancara:
1. Peneliti mendapatkan data berupa 78 Orang memiliki uang elektronik dan
28 orang tidak memiliki uang elektronik.
2. Dari 78 orang yang memiliki uang elektronik hanya 24 Orang yang
menggunakan E-Money Bank Mandiri. Persentasi yang didapat sebesar
30,8% tidak jauh berbeda dari data yang peneliti peroleh dengan jumlah
kepemilikkan E-Money Bank Mandiri di Indonesia sebesar 33,14%.
3. Peneliti mendapatkan informasi mengenai penggunaan E-Money Bank
Mandiri.
88
3.5.2 Survei
Survei yang dilakukan peneliti untuk membantu proses penelitian
menggunakan instrument penelitian berupa kuesioner. Proses penyebaran
kuesioner dilakukan dengan secara langsung dan tidak langsung. Penyebaran
secara langsung dilakukan oleh peneliti melalui tatap muka secara langsung
dengan setiap pengguna E-Money Bank Mandiri pada saat tahap wawancara.
Penyebaran kuesioner secara tidak langsung dilakukan peneliti melalui media
social seperti whatsapp dan line dengan bantuan fitur Google Forms untuk
pengisiannya. Kuesioner ini disebar dan diisi hanya kepada pengguna E-Money
Bank Mandiri saja. Penyebaran dilakukan dari tanggal 1 Juni sampai dengan
tanggal 15 Juni.
Kemudian, seluruh kuesioner yang telah terkumpul selama proses
penelitian berlangsung akan diproses dan diklasifikasi menggunakan aplikasi
pengolah angka yaitu MS. Excel 2016. Dalam Kurun penyebaran kuesioner,
peneliti berhasil memperoleh 132 kuesioner. Diantaranya 28 kuesioner berasal
dari penyebaran secaran langsung dan 104 sisanya berasal dari penyebaran
secara tidak langsung. Dari 132 kuesioner tersebut, 6 diantaranya dinyatakan
tidak valid karena adanya penginputan ganda pada Google Forms. Sehingga
kuesioner yang dinyatakan valid untuk digunakan berjumlah 127 kuesioner.
Jumlah data kuesioner tersebut telah memenuhi jumlah minimalsampel yang ada
pada penelitian ini. Rinciannya dapat dilihat pada tabel 3.3
89
Tabel 3.3 Data Kuesioner Kembali
Metode Penyebaran ∑ Valid ∑ Tidak Valid Keterangan
Penyebaran Secara
Langsung
28 0
Penyebaran Secara
Tidak Langsung
99 6 Penginputan
ganda
Total 127 6
3.5.3 Studi Literatur
Peneliti mengkaji beberapa literatur yang berhubungan dengan penelitian
ini. Diantaranya sumber-sumber seputar metode penelitian kuantitatif, evaluasi,
dan SmartPLS untuk mengolah data. Selanjutnya peneliti juga membaca artikel
terkait, jurnal-jurnal, dan skripsi-skripsi yang membahas penelitian mengenai
UTAUT. Studi literatur ini dilakukan selain sebagai sumber informasi juga
sebagai referensi untuk mengetahui hasil dan metode penelitian yang terdapat
dalam penelitian sebelumnya. Berikut beberapa jurnal penelitian sejenis yang
telah dilakukan sebelumnya akan dijelaskan dalam tabel 3.4.
90
Tab
el 3
.4 R
ingk
asan
P
enel
itia
n S
ejen
is T
erdah
ulu
No
Pen
elit
i Ju
du
l M
od
el
Tu
juan
Pen
elit
ian
V
ari
ab
el
Hasi
l P
enel
itia
n
Kel
ebih
an
K
eku
ran
gan
1.
Yi
Chun
Liu
& y
on
g-
Min
g
Huan
g
(2015)
Usi
ng t
he
UT
AU
T
mo
del
to e
xam
ine
the
acc
epta
nce
beh
avi
or
of
synch
ronous
coll
abora
tion t
o
sup
port
pee
r
tra
nsa
ltio
n
UT
AU
T
Men
get
ahui
per
sfek
tif
pen
erim
aan
mah
asis
wa
terh
adap
synch
ronous
coll
abora
tion
•
Per
form
ance
Exp
ecta
ncy
•
Eff
ort
Exp
ecta
ncy
•
Soci
al
Infl
uen
ce
•
Faci
lita
ting
Condit
ions
•
Beh
avi
ora
l
Inte
nti
on
1.
Var
iabel
d
engan
p
engar
uh
terb
esar
adal
ah F
C
2.
Hip
ote
sis
PE
-BI
tidak
dit
erim
a
3.
Hip
ote
sis
EE
-BI,
SI-
BI,
FC
-
BI
Dit
erim
a
Dat
a an
alis
is
dit
ampil
kan
sehin
gga
mud
ah
untu
k d
ipah
ami
Mas
ih
men
ggun
akan
model
UT
AU
T
lam
a dan
rin
cian
indik
ator
var
iabel
tidak
dip
erli
hat
kan
2.
Suha
Ala
wad
hi
&
Anne
Morr
is
(2008)
The
Use
of
the
UT
AU
T M
odel
in
the
Adopti
on o
f E
-
Go
vern
men
t
Ser
vice
in K
uw
ait
UT
AU
T M
enget
ahui
fact
or-
fakto
r yan
g
men
entu
kan
pen
gad
opsi
an
layan
an E
-
Gover
nm
ent
di
Kuw
ait
•
Per
form
ance
Exp
ecta
ncy
•
Eff
ort
Exp
ecta
ncy
•
Pee
r In
fluen
ce
(PI)
•
Faci
lita
ting
Condit
ions
•
Beh
avi
ora
l
Inte
nti
on
•
Use
Beh
avi
our
•
Gen
der
•
Aca
dem
ic C
ours
e
•
Inte
rnet
Exp
erie
nce
1.
Var
iabel
PE
, E
E, P
I m
emil
iki
pen
gar
uh t
erbes
ar
2.
PE
han
ya
mem
ilik
i pen
gar
uh
signif
ikan
“Nex
t th
ree
month
s”
dan
“F
utu
re”,
sedan
gan
kan
pad
a “N
ext
four
month
s”
tidak
si
gnif
ikan
,
teta
pi
aka
signif
ikan
ket
ika
di
moder
ate
ole
h
Inte
rnet
Ex
per
ience
.
3.
Sem
ua
hip
ote
sis
dit
erim
a
Rin
cian
per
tan
yaa
n
kues
ioner
dip
erli
hat
kan
,
men
ggan
ti
var
iabel
SI
men
jadi
PI
dan
men
ggan
ti
var
iabel
moder
ator
exper
ience
dan
age
men
jadi
Aca
dem
ic
Cours
e dan
Inte
rnet
Ex
per
ience
Mas
ih
men
ggun
akan
model
lam
a, d
ata
anal
isis
suli
t
dip
aham
i.
91
Tab
el 3
.4 R
ingk
asan
P
enel
itia
n S
ejen
is T
erdah
ulu
(la
nju
tan)
No
Pen
elit
i Ju
du
l M
od
el
Tu
juan
Pen
elit
ian
V
ari
ab
el
Hasi
l P
enel
itia
n
Kel
ebih
an
K
eku
ran
gan
3.
Jam
es
Tet
teh A
mi-
Nar
h &
Pat
rici
a A
H
Wil
liam
s
(2012)
A r
evis
ed U
TA
UT
mo
del
to
inve
stig
ate
E-
Hea
lth
acc
epta
nce
of
hea
lth
pro
fess
ionals
in
Afr
ica
UT
AU
T M
erev
isi
model
kep
uas
an
pen
erim
aan
pen
ggun
a E
-Hea
lth
•
Beh
avi
ora
l
Inte
nti
on
•
Use
Beh
avi
our
•
Info
rmati
on
Sati
sfact
ion
•
Sys
tem
Sati
sfact
ion
Tec
hnolo
gic
al
•
Per
form
ance
Exp
ecta
ncy
•
Eff
ort
Exp
ecta
ncy
Org
aniz
ati
onal
•
Soci
al
Infl
uen
ce
•
Faci
lita
ting
Condit
ions
Indiv
idual
•
Com
pute
r
Anxi
ety
•
Att
itude
tow
ard
s
tech
nolo
gy
Moder
ato
rs
•
Use
r
Dem
ogra
phic
s
•
Geo
gra
phic
al
Loca
tion
•
Afr
ican C
ult
ure
Mem
ban
gun
teori
bar
u
dar
i
kom
bin
asi
beb
erap
a ar
ea m
edis
dan
TIK
Mem
ban
gun
model
uta
ut
bar
u,
men
gkom
bin
asi
kan
model
dar
i
bid
ang m
edis
dan
TIK
Han
ya
men
gem
ban
gkan
model
, ti
dak
men
ggun
akan
per
hit
ungan
dar
i
dat
a re
spond
en
92
Tab
el 3
.4 R
ingk
asan
P
enel
itia
n S
ejen
is T
erdah
ulu
(la
nju
tan)
No
Pen
elit
i Ju
du
l M
od
el
Tu
juan
Pen
elit
ian
V
ari
ab
el
Hasi
l P
enel
itia
n
Kel
ebih
an
K
eku
ran
gan
4.
Anil
Gupta
& N
ikia
Dogra
(2017)
Touri
st A
dopti
on
of
Mappin
g A
pss
:
A U
TA
UT
2
Per
spec
tive
of
Sm
art
Tra
vell
ers
UT
AU
T
2
Men
gid
enti
fikas
i
fact
or-
fakto
r yan
g
mem
pen
gar
uhi
nia
t
turi
s untu
k
men
ggun
akan
apli
kas
i m
aps
pad
a
saat
tra
veli
ng
•
Per
form
ance
Exp
ecta
ncy
•
Eff
ort
Exp
ecta
ncy
•
Soci
al
Infl
uen
ce
•
Faci
lita
ting
Condit
ions
•
Hed
onic
Moti
vati
on
•
Pri
ce V
alu
e
•
Habit
•
Beh
avi
ora
l
Inte
nti
on
•
Use
Beh
avi
our
1.
Var
iabel
H
abit
m
erup
akan
fact
or
yan
g
mem
pen
gar
uhi
pal
ing k
uat
2.
Dar
i 10 h
ipote
sis,
3 h
ipote
sis
dit
ola
k
3.
3 h
ipote
sis
yan
g d
itola
k i
alah
EE
-BI,
Si-
BI,
dan
FC
-UB
4.
7
hip
ote
sis
yan
g
dit
erim
a
iala
h P
E-B
I, F
C-B
I, H
M-B
I,
H-B
I, F
C-U
B, H
-UB
, dan
BI-
UB
Dat
a an
alis
is
jela
s dan
mudah
dip
aham
i,
per
tan
yaa
n
pen
elit
itan
dip
erli
hat
kan
Tid
ak
mem
per
loih
atkan
indic
ator
var
iab
el
5.
Chi-
Yo
Huan
g 7
Yu-S
hen
g
Kao
(2015)
UA
TU
T2 B
ase
d
Pre
dic
tions
of
Fa
ctors
Infl
uen
cing t
he
Tec
hnolo
gy
Acc
epte
nce
of
Ph
able
ts b
y D
NP
UT
AU
T
2
Men
get
ahui
dan
mep
redik
si
nia
t
untu
k
men
ggun
akan
Phab
lets
•
Per
form
ance
Exp
ecta
ncy
•
Eff
ort
Exp
ecta
ncy
•
Soci
al
Infl
uen
ce
•
Faci
lita
ting
Condit
ions
•
Hed
onic
Moti
vati
on
•
Pri
ce V
alu
e
•
Habit
•
Beh
avi
ora
l
Inte
nti
on
•
Use
Beh
avi
our
1.
Var
iabel
H
abit
m
erup
akan
fact
or
yan
g
mem
pen
gar
uhi
pal
ing k
uat
2.
Var
iabel
B
I,
HM
, dan
P
E
men
jadi
yan
g
pal
ing
signif
ikan
Men
ggunk
aan
per
hit
angan
rinci
, in
dic
ator
dip
erli
hat
kan
Per
tan
yaa
an
pen
elit
ian t
idak
dip
erli
hat
kan
,
93
Tab
el 3
.4 R
ingk
asan
P
enel
itia
n S
ejen
is T
erdah
ulu
(la
nju
tan)
No
Pen
elit
i Ju
du
l M
od
el
Tu
juan
Pen
elit
ian
V
ari
ab
el
Hasi
l P
enel
itia
n
Kel
ebih
an
K
eku
ran
gan
6.
Mu-C
hen
g
Wu
(2016)
Ab E
xam
inati
on
of
Mobil
e
Ap
pli
cati
oan U
se
Inte
nti
on t
hro
ugh
the
Unif
ied T
hory
of
Acc
epta
nce
Tec
hnolo
gy
Model
UT
AU
T M
enget
ahui
hubungan
kas
ual
terk
ait
nia
t
men
ggun
akan
pen
ggun
a m
obil
e
app
di
Tai
wan
uta
ra,
tim
ur,
dan
sela
tan
•
Per
form
ance
Exp
ecta
ncy
•
Eff
ort
Exp
ecta
ncy
•
Soci
al
Infl
uen
ce
•
Faci
lita
ting
Condit
ions
•
Sys
tem
Quali
ty
•
Info
rmati
on
Quali
ty
•
Ser
vice
Quali
ty
•
Use
l In
tenti
on
•
Use
Beh
avi
our
1.
Var
iabel
U
se
Inte
nti
on
mer
upak
an
fact
or
yan
g
mem
pen
gar
uhi
pal
ing k
uat
2.
Dar
i 8 h
ipote
sis,
3 h
ipote
sis
dit
ola
k
3.
3 h
ipote
sis
yan
g d
itola
k i
alah
PE
-UI,
EE
-UI,
dan
FC
-UB
4.
5
hip
ote
sis
yan
g
dit
erim
a
iala
h
SI-
UI,
S
Q-U
I,
IQ-U
I,
SQ
-UI,
dan
UI-
UB
Mel
akukan
pen
ambah
an
beb
erap
a
var
iabel
bar
u,
rinci
an d
ata
anal
isis
dip
erli
hat
kan
Mas
ih
men
ggun
akan
model
UT
AU
T
per
tam
a
7.
Mokh
Adib
Sult
an
&
Moch
amm
a
d
Ris
man
Purw
anto
Ram
dhan
(2016)
Beh
avi
ora
l
Inte
nti
on o
f
Inst
agra
m a
s P
art
of
Tec
hnolo
gy
Acc
epte
nce
UT
AU
T M
enguji
pen
gar
uh
PE
, E
E,
dan
S
I
terh
adap
nia
t
men
ggun
akan
Inst
agra
m
•
Per
form
ance
Exp
ecta
ncy
•
Eff
ort
Exp
ecta
ncy
•
Soci
al
Infl
uen
ce
•
Beh
avi
ora
l
Inte
nti
on
1.
Var
iabel
P
E
dan
S
I se
cara
signif
ikan
mem
ilik
i pen
gar
uh
terh
adap
BI
2.
Var
iabel
E
E
seca
ra
tidak
signif
ikan
mem
ilik
i pen
gar
uh
terh
adap
BI
Pen
elit
ian j
elas
dan
mudah
dip
aham
i
Mas
ih
men
ggun
akan
model
UT
AU
T
per
tam
a dan
han
ya
men
ggun
akan
beb
erap
a var
iabel
94
Tab
el 3
.4 R
ingk
asan
P
enel
itia
n S
ejen
is T
erdah
ulu
(la
nju
tan)
No
Pen
elit
i Ju
du
l M
od
el
Tu
juan
Pen
elit
ian
V
ari
ab
el
Hasi
l P
enel
itia
n
Kel
ebih
an
K
eku
ran
gan
8.
Mar
ia
Ari
stea
Kal
amat
ian
ou &
Flo
ra
Mal
amat
eni
ou
(2017)
An E
xten
ded
UT
AU
T2 M
odel
for
e-G
ove
rnm
ent
Pro
ject
Eva
luati
on
UT
AU
T
2
Men
des
kri
psi
kan
sebuah
m
odel
eval
uas
i untu
k
men
gin
ves
tigas
i
kes
ukse
san
e-
Gover
nm
ent
Pro
ject
•
Per
form
ance
Exp
ecta
ncy
•
Eff
ort
Exp
ecta
ncy
•
Soci
al
Infl
uen
ce
•
Faci
lita
ting
Condit
ions
•
Hed
onic
Moti
vati
on
•
Pri
ce V
alu
e
•
Habit
•
Beh
avi
ora
l
Inte
nti
on
•
Use
Beh
avi
our
•
Use
r
Sati
sfic
ati
on
•
Pro
fess
ion
•
Conti
nio
us
Usa
ge
•
Age
•
Gen
der
•
Exp
erie
nce
1.
Var
iabel
PE
, E
E, F
C, A
ge,
IE
,
Pro
fess
ion,
H,
CU
se
cara
signif
ikan
mem
ilik
i pen
gar
uh
terh
adap
BI
2.
Var
iabel
G
ender
, S
I,
HM
seca
ra
tidak
si
gnif
ikan
mem
ilik
i pen
gar
uh
terh
adap
BI
Pen
elit
ian
men
ggun
akan
pen
gem
bag
an
UT
AU
T2
den
gan
men
ambah
kan
var
iabel
bar
u
Rin
cian
dat
a
anal
isis
tid
ak
dip
erli
hat
kan
seca
ra j
elas
.
95
Tab
el 3
.4 R
ingk
asan
P
enel
itia
n S
ejen
is T
erdah
ulu
(la
nju
tan)
No
Pen
elit
i Ju
du
l M
od
el
Tu
juan
Pen
elit
ian
V
ari
ab
el
Hasi
l P
enel
itia
n
Kel
ebih
an
K
eku
ran
gan
9.
Dom
agoj
FR
AN
K &
Mar
in
MIL
KO
VIC
(2018)
Eva
luati
on o
f
Ele
ctro
nic
Pro
gra
mm
e
Gu
ide
Adopti
on
Usi
ng U
TA
UT
2
Ba
sed M
odel
UT
AU
T
2
Men
des
kri
psi
kan
moti
vas
i konsu
men
men
ggun
akan
Ele
ctro
nic
Pro
gra
mm
e G
uid
e
•
Per
form
ance
Exp
ecta
ncy
•
Eff
ort
Exp
ecta
ncy
•
Soci
al
Infl
uen
ce
•
Faci
lita
ting
Condit
ions
•
Hed
onic
Moti
vati
on
•
Pri
ce V
alu
e
•
Habit
•
Beh
avi
ora
l
Inte
nti
on
•
Use
Beh
avi
our
•
Age
•
Gen
der
Exp
erie
nce
1.
Sem
ua
hip
ote
sisi
m
emil
iki
pen
gar
uh y
ang si
gnif
ikan
2.
Var
iabel
hab
it
yan
g
mem
ilii
pen
gar
uh p
alin
g b
esar
Men
ggun
akan
model
UT
AU
T2
Rin
cian
per
hit
ungan
dat
a
tidak
dip
erli
hat
kan
seca
ra j
elas
10 .
Sar
a Je
za
Alo
taib
i &
Dr.
M
ike
Wal
d
(2013)
Eva
luati
on o
f th
e
UT
AU
T M
odel
for
Acc
epte
nce
Use
r
Exp
erie
nce
s in
e-
Gove
rnm
ent
Ph
ysic
al
and
Vir
tual
Iden
tity
Acc
ess
Managem
ent
Sys
tem
s
UT
AU
T M
engev
aluas
i
pen
gal
aman
pen
erim
aan
pen
ggun
a p
ada
Iden
tity
A
cces
s
Man
agem
ent
Syst
ems
(IA
MS
)
•
Per
form
ance
Exp
ecta
ncy
•
Eff
ort
Exp
ecta
ncy
•
Soci
al
Infl
uen
ce
•
UX
and
Acc
epta
bil
ity
•
Sec
uri
ty a
nd
Iden
tity
Beh
avi
or
Inte
nti
on
1.
Var
iabel
Sec
uri
ty a
nd I
den
tity
tidak
m
emil
iki
pen
gar
uh
terh
adap
BI
2.
Var
iabel
PE
, EE
, SI,
ber
kai
tan
den
gan
v
aria
bel
U
X
and
Acc
epta
bil
ity
Mel
akukan
pen
gem
ban
gan
terh
adap
model
UT
AU
T
Mas
ih
men
ggun
akan
UT
AU
T p
erta
ma,
rinci
an d
ata
anal
isis
tid
ak
dip
erli
hat
kan
seca
ra j
elas
96
Tab
el 3
.4 R
ingk
asan
P
enel
itia
n S
ejen
is T
erdah
ulu
(la
nju
tan)
No
Pen
elit
i Ju
du
l M
od
el
Tu
juan
Pen
elit
ian
V
ari
ab
el
Hasi
l P
enel
itia
n
Kel
ebih
an
K
eku
ran
gan
11 .
Bel
la M
Car
oli
ne
(2018
)
Anali
sis
Pen
erim
aan
Pen
gguna
Ter
hadap
Sis
tem
Ap
lika
si
Ser
vice
Des
k (S
AS
D)
UT
AU
T M
enget
ahui
seber
apa
jauh
pen
erim
aan
pen
ggun
a S
iste
m
Apli
kas
i S
ervic
e
Des
k
(SA
SD
) di
UIN
S
yar
if
Hid
ayat
ull
ah
Jakar
ta
•
Per
form
ance
Exp
ecta
ncy
•
Eff
ort
Exp
ecta
ncy
•
Soci
al
Infl
uen
ce
•
Faci
lita
ting
Condit
ions
•
Beh
avi
ora
l
Inte
nti
on
•
Use
Beh
avi
our
1.
Dar
i 141 R
esponden
, 72
% s
udah
men
get
hau
i S
AS
D
dan
38%
bel
um
m
engta
hui.
D
an
62%
Sudah
per
nah
men
ggun
akan
nya.
2.
5
indik
ator
dih
apus
dar
i 21
indik
ator
3.
KE
lim
a H
ipote
sis
dit
erim
a, y
aiut
PE
-BI,
EE
-BI,
SI-
BI,
FC
-UB
, B
I-
UB
.
4.
Var
iabel
yan
g m
emil
iki
pen
gar
uh
terb
esar
ia
lah
beh
avio
ral
Inte
nst
ion
Pen
elit
ian
yan
g
dil
akukan
ber
isi
pen
ejel
asan
dan
dat
a yan
g
jela
s
Mas
ih
men
ggun
aka
n m
odel
UT
AU
T
yan
g l
ama
12 .
Vir
iya
Dhar
ma
(2012
)
Model
P
eril
aku
Pen
gguna
TIK
Pad
a U
MK
M
Di
Wil
ayah
B
ekas
i
Den
gan
Men
ggun
akan
Pen
dek
atan
UT
AU
T
UT
AU
T T
uju
an
pen
elit
ian
ini
adal
ah
untu
k
mem
ber
i gam
bar
an
men
gen
ai p
engar
uh
adopsi
te
knolo
gi
info
rmas
i dan
kom
unik
asi
dil
ihat
dar
i je
nis
kel
amin
resp
onden
dan
tingkat
ad
opsi
teknolo
gi
info
rmas
i
dan
kom
unik
asi
dan
m
engan
alis
is
model
pre
dik
si
tingkat
ad
opsi
inte
rnet
pad
a
UM
KM
•
Per
form
ance
Exp
ecta
ncy
•
Eff
ort
Exp
ecta
ncy
•
Soci
al
Infl
uen
ce
•
Faci
lita
ting
Condit
ions
•
Beh
avi
ora
l
Inte
nti
on
•
Use
Beh
avi
our
•
Inte
rnet
Sel
f-
Eff
icen
cy
•
Anxi
ety
of
Inte
rnet
Pad
a an
alis
is d
iskri
min
an, dal
am t
abel
class
ific
ati
on
resu
lts,
did
apat
has
il
yai
tu
72,9
%
dar
i dat
a te
lah
terk
lasi
fikas
i den
gan
b
enar
, ber
arti
dat
a te
rseb
ut
sudah
dim
asukkan
pad
a
gru
p y
ang s
esuai
den
gan
dat
a se
mula
.
Pad
a an
alis
is
anova,
untu
k
var
iabel
PE
, E
E,
ISE
, A
nx
, S
uC
, S
oI,
dan
In
U
terd
apat
p
erbed
aan an
tara
nil
ai ra
ta-
rata
dar
i kel
om
pok i
nte
rnet
, dan
pad
a
var
iabel
Att
tid
ak t
erdap
at p
erbed
aan
nil
ai
rata
-rat
a. S
edan
gk
an nil
ai
rata
-
rata
yan
g
pal
ing
adal
ah
kel
om
pok
inte
rnet
ad
opte
r yan
g
did
apat
dar
i
var
iabel
PE
, E
E,
ISE
, S
uC
, S
oI,
Att
,
InU
. D
an
untu
k
var
iab
el
Anx
, nil
ai
rata
-rat
a yan
g
pal
ing
tinggi
adal
ah
kel
om
pok i
nte
rnet
non
-adopte
r.
Mudah
di
bac
a d
an
dip
elaj
ari
Rin
cian
pen
gola
han
dat
a ti
dak
dit
ampil
kan
,
97
3.6 Analisis Data dan Interpretasi Hasil
Tahap ini dibagi menjadi dua bagian yaitu analisis demografis dan analisis
statistik inferensial. Bagian pertama, peneliti melakukan analisis dengan mengolah
data demografis menggunakan perangkat lunak pengolah angka Ms. Excel 2016.
Data responden dikelompokkan berdasarkan pertanyaan karakteristik responden
dan pertanyaan umum kuesioner.
Setelah analisis demografis selesai dilakukan, peneliti melakukan analisis
statistik inferensial dengan pendekatan PLS-SEM menggunakan tool SmartPLS
versi 3.0 (Hair et al, 2012; Garson, 2016). Merujuk pada sejumlah peneliti tersebut,
peneliti melakukan analisis dengan dua tahap, yaitu analisis measurement mode
(inner model) dan structural mode (outer model). Measurement model (inner
model) dilakukan untuk menguji reliabilitas dan validitas outer model melalui
indikator reliability, internal consistency reliability, convergent validity, dan
discriminant validity. Sedangkan pengujian structural model (outer model)
dilakukan untuk menguji path ceofficient (β), coefficient of determination (𝑅2), t-
test melalui method bootstrapping, effect size (f2), predictive relevance (𝑄2), dan
relative impact (𝑞2) menggunakan metode pengujian blindfolding (Hair et al, 2012;
Garson, 2016).
Kemudian, interpretasi hasil penelitian dijabarkan dengan menggambarkan
hasil analisis demografis responden dengan kondisi lapangan yang berjalan dan
memaparkan hasil analisis measurement mode (inner model) dan structural mode
(outer model) yang telah peneliti lakukan secara statistik-kuantitatif dengan
membandingkan dan mempertimbangkan sejumlah literatur terkait dengan
98
penelitian ini. Selanjutnya, dari hasil analisis measurement mode (inner model) dan
structural mode (outer model) tersebut, peneliti memberikan rekomendasi-
rekomendasi dari beberapa faktor-faktor yang mempengaruhi penggunaan E-
Money Bank Mandiri .
3.7 Kerangka Penelitian
Berikut ini merupakan kerangka penelitian yang menjadi dasar peneliti
untuk melakukan penelitian.
Gambar 3.3 Kerangka Penelitian
99
99
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil Analisis
4.1.1 Hasil Analisis Demografi
Pada tahapan ini peneliti menganalisis jawaban responden terhadap
pertanyaan dalam kuesioner yang diberikan, terkhususnya pertanyaan pada bagian
profil responden dan pertanyaan umum tentang penggunaan E-Money Bank
Mandiri untuk menghasilkan informasi demografis. Peneilti berhasil memperoleh
data pada daerah Kecamatan Ciputat dalam rentang waktu selama 15 hari (1 Juni
sampai 15 Juni 2018), sebanyak 127 data responden yang valid. Informasi
demografis yang dihasilkan ini meliputi jenis kelamin, usia, pekerjaan, kelurahan,
tingkat pendidikan, penggunaan E-Money Bank Mandiri, intesitas penggunaan E-
Money Bank Mandiri (dalam 1 minggu), jenis transaksi, dan nominal uang yang
dihabiskan responden (dalam 1 minggu) . Berikut merupakan hasil analisis
demografisnya:
100
1) Jenis kelamin
Pada penelitian ini bahwa dari 127 data responden yang dikumpulkan,
responden dengan jenis kelamin perempuan yang mendominasi, yaitu
sebanyak 70 orang (55,12%) dan sisanya berasal dari responden laki-laki,
yaitu sebanyak 57 orang (44,88%). Dapat dilihat pada gambar 4.1.
Gambar 4. 1 Diagram Lingkaran Jenis Kelamin Responden
44,88%55,12%
Jenis Kelamin
Laki-laki Perempuan
101
2) Usia
Dari 127 banyaknya data responden yang dikumpulkan dalam
penelitian ini, responden berusia 17-27 tahun yang mendominasi, yaitu
sebanyak 69 orang (54,33%) dan disusul dengan responden berusia 26-37
tahun dan diatas 47 tahun, yaitu sebanyak 21 orang (16,54%). Jumlah
responden yang paling sedikit berusia 38-47 tahun, yaitu sebanyak 16 orang
(12,60%). Dapat dilihat pada gambar 4.2.
Gambar 4.2 Diagram Lingkaran Usia Responden
54,33%
16,54%
12,60%
16,54%
Usia
17 - 26 Tahun
27 - 37 Tahun
38 - 47 Tahun
>47 Tahun
102
3) Pendidikan Terakhir
Sebanyak 127 data responden yang dikumpulkan dalam penelitian ini,
responden yang mendominasi berasal dari tingkat pendidikan S1, yaitu
sebanyak 61 orang (48,03%) dan disusul dengan responden berasal dari
tingkat pendidikan SLTA, yaitu sebanyak 35 orang (27,56%). Selanjutnya
dengan responden berasal dari tingkat pendidikan Diploma, yaitu sebanyak
24 orang (18,90%). Jumlah responden dengan tingkat pendidikan S2
sebanyak 6 orang (4,72%) dan S3 sebanyak satu orang (0,79%) merupakan
yang terendah. Dapat dilihat pada gambar 4.3.
Gambar 4. 3 Diagram Lingkaran Tingkat Pendidikan Responden
Diploma19%
S148%
S25%
S31%
SLTA27%
Pendidikan Terakhir
Diploma
S1
S2
S3
SLTA
103
4) Kelurahan
Dari 127 banyaknya data responden yang terkumpul dalam penelitian
ini, responden yang mendominasi berasal dari kelurahan Ciputat, yaitu
sebanyak 91 orang (71,65%). Kemudian berasal dari kelurahan Jombang
sebanyak 17 orang (13,39%). Diposisi selanjutnya berasal dari kelurahan
Serua sebanyak 11 orang (8,66%). Dan terakhir berasal dari kelurahan
Cipayung sebanyak delapan orang (6,30%). Dapat dilihat pada gambar 4.4.
Gambar 4.3 Diagram Lingkaran Pekerjaan Responden
71,65%
6,30%
8,66%
13,39%
Kelurahan
Ciputat
Cipayung
Serua
Jombang
104
5) Pekerjaan
Sebanyak 127 data responden yang terkumpul dalam penelitian ini,
responden yang mendominasi berasal dari pelajar/mahasiswa, yaitu
sebanyak 63 orang (49,61%) dan disusul dengan responden berasal dari
PNS, yaitu sebanyak 24 orang (18,90%). Kemudian posisi selanjutnya
berasal dari pekerjaan Karyawan dan pekerjaan Lainnya sebanyak 12 orang
(9,45%). Jumlah responden yang lebih sedikit berasal dari Karyawan yaitu
sebanyak 11 orang (11%) dan paling sedikit berasal dari pekerjaan
Wiraswasta sebanyak lima orang (3,94%). Dapat dilihat pada gambar 4.5.
Gambar 4.5 Diagram Lingkaran Pekerjaan Responden
9,45%
8,66%
9,45%
49,61%
18,90%
3,94%
Pekerjaan
Karyawan
Keprofesian
Lainnya
Pelajar/Mahasiswa
PNS
Wiraswasta
105
6) Penggunaan E-Money Bank Mandiri
Dari 127 banyaknya data responden yang terkumpul dalam penelitian
ini, responden yang telah menggunakan uang elektronik selama 2-3 tahun,
yaitu sebanyak 42 orang (33,07%) merupakan yang terbesar, disusul
dengan responden yang telah menggunakan 3-4 tahun, yaitu sebanyak 31
orang (24,41%). Kemudian posisi selanjutnya dengan responden yang telah
menggunakan 1-2 tahun sebanyak 26 orang (20,47%) dan responden yang
telah menggunakan selama kurang dari satu tahun sebanyak 20 orang
(15,75%). Responden yang telah menggunakan lebih dari 4 tahun, yaitu
sebanyak 8 orang (6,30%) merupukan yang terkecil. Dapat dilihat pada
gambar 4.6.
Gambar 4. 6 Diagram Lingkaran Penggunaan E-Money Bank Mandiri
Responden
15,75%
6,30%
20,47%
33,07%
24,41%
Penggunaan E-Money Bank Mandiri
<1 Tahun
>4 Tahun
1 - 2 Tahun
2 - 3 Tahun
3 - 4 Tahun
106
7) Intesitas Penggunaan E-Money Bank Mandiri (Dalam 1 Minggu)
Sebanyak 127 data responden yang terkumpul dalam penelitian ini,
responden yang mendominasi ialah dalam satu mingggu menggunakan E-
Money Bank Mandiri diatas 10 kali, yaitu sebanyak 45 orang (35,43%), dan
disusul dengan responden yang menggunakan 2-4 kali, yaitu sebanyak 28
orang (22,05%). Selanjutanya responden yang menggunakan 8-10 kali
sebanyak 27 orang (21,26%) dan responden yang menggunakan hanya satu
kali atau tidak sama sekali menggunakan sebanyak 22 orang (17,32%).
Jumlah responden yang paling rendah berasal dari yang menggunakan E-
Money Bank Mandiri 5-7 kali, yaitu sebanyak lima orang (3,94%). Dapat
dilihat pada gambar 4.7.
Gambar 4. 7 Diagram Lingkaran Intensitas Penggunaan E-Money Bank
Mandiri Responden (Dalam 1 Minggu)
17,32%
35,43%22,05%
3,94%
21,26%
Intensitas Penggunaan Uang Elektronik Responden (Dalam 1 Minggu)
<=1 Kali
>10 Kali
2 - 4 Kali
5 - 7 Kali
8 - 10 Kali
107
8) Jenis Transaksi
Dari 127 banyaknya data responden yang terkumpul dalam penelitian
ini, responden yang mendominasi menggunakan E-Money Bank Mandiri
untuk jenis transaksi tol, yaitu sebanyak 54 orang (42,52%), dan disusul
dengan responden yang menggunakan untuk transaksi kereta, yaitu
sebanyak 46 orang (36,22%). Posisi selanjutnya dengan responden yang
menggunakan untuk transaksi Bus sebanyak 22 Orang (17,32%). Jumlah
responden yang paling rendah menggunakan E-Money Bank Mandiri untuk
transaksi Belanja hanya sebanyak empat orang (3,15%) dan Parkir hanya
sebanyak satu orang (0,79%). Dapat dilihat pada gambar 4.8.
Gambar 4. 8 Diagram Lingkaran Jenis Transaksi Yang Digunakan
Responden
3,15%
17,32%
36,22%
0,79%
42,52%
Jenis Transaksi
Belanja
Bus
Kereta
Parkir
Tol
108
9) Nominal Uang Yang Dihabiskan Responden (Dalam 1 Minggu)
Sebanyak 127 data responden yang terkumpul dalam penelitian ini,
responden yang mendominasi menggunakan E-Money Bank Mandiri
dengan menghabiskan nominal 100-500 ribu rupiah, yaitu sebanyak 75
orang (59,06%). Jumlah responden yang paling sedikit menggunakan uang
elektronik menghabiskan kurang dari 100 ribu rupiah, yaitu sebanyak 52
orang (40,94%). Dapat dilihat pada gambar 4.9.
Gambar 4. 9 Diagram Lingkaran Nominal Uang Yang Dihabiskan
Responden (Dalam 1 Minggu)
Untuk lebih singkatnya, hasil analisis demografi pada penelitian ini
dapat dilihat pada tabel 4.1 dan gambar 4.10 dengan memperlihatkan nilai
pilihan dengan persentase tertinggi dan teremdah dari selurah data
responden yang terkumpul.
40,94%
59,06%
Nominal Uang Yang Dihabiskan Responden (Dalam 1 Minggu)
<100 Ribu
100 - 500 Ribu
109
Tabel 4.1 Tabel Demografi Responden Penggunaan E-Money Bank Mandiri
Demografi PILIHAN MAX Persentase
MAX
PILIHAN
MIN
Persentase
MIN
Jenis Kelamin Perempuan 55.12% Laki-laki 44.88%
Usia 17 - 26 Tahun 54.33% 38 - 47
Tahun 12.60%
Pendidikan
Terakhir S1 48.03% S3 0.79%
Kelurahan Ciputat 71.65% Cipayung 6.30%
Pekerjaan Pelajar/Mahasiswa 49.61% Wiraswasta 3.94%
Penggunaan E-
Money Bank
Mandiri
2 - 3 Tahun 33.07% >4 Tahun 6.30%
Intensitas
Pengguanaan
Uang
Elektronik
Responden
(Dalam 1
Minggu)
>10 Kali 35.43% 5 - 7 Kali 3.94%
Jenis Transaksi Tol 42.52% Parkir 0.79%
Nominal Uang
Yang
Dihabiskan
Responden
(Dalam 1
Minggu)
100 - 500 Ribu 59.06% <100 Ribu 40.94%
11
0
Gam
bar
4. 10 D
iagra
m D
emogra
fi P
enggunaa
n E
-Money
Ban
k M
andir
i
111
4.1.2 Hasil Analisis Pengukuran Model
Pada tahan ini dilakukan analisis pengukuran model (outer model) dimana
analisis pengukutan model ini mendefinisikan bagaimana setiap blok indikator
berhubungan dengan variabel latennya. Analisis pengukuran model terdiri dari
empat tahap pengujian. Empat tahap pengujian ini yaitu individual item realibility,
internal consistency reliability, average variance extracted, dan disciminant
validity. Analisis pengukuran model ini dilakukan menggunakan proses PLS
Algorithm pada Smart PLS 3.0. Berikut hasil analisis pengukuran model dijelaskan
dalam empat tahap.
1) Uji Individual Item Realibility
Tahap pengujian ini dilakukan dengan meninjau nilai standardized
loading factor. Nilai ini menggambarkan besar korelasi antara setiap
indikator dengan konstruknya dengan melihat nilai outer loading factor.
Untuk mendapatkan nilai outer loading factor dilakukan dengan melakukan
rumus berikut. Nilai loading factor di atas 0,7 dapat dikatakan valid sebagai
indikator yang mengukur konstruk.
Tabel 4. 2 Hasil Uji Loading Factor dengan SmartPLS
Indikator PE EE SI FC HM PV HT BI UB
PE1 0.872
PE2 0.916
PE3 0.910
PE4 0.883
EE1 0.948
EE2 0.903
EE3 0.919
SI1 0.911
SI2 0.909
SI3 0.856
112
Tabel 4. 2 Hasil Uji Loading Factor dengan SmartPLS lanjutan
Indikator PE EE SI FC HM PV HT BI UB
FC1 0.870
FC2 0.889
FC3 0.819
HM1 0.918
HM2 0.968 HM3 0.936
PV1 0.888
PV2 0.929
PV3 0.867 HT1 0.829
HT2 0.876
HT3 0.850
BI1 0.913 BI2 0.905 BI3 0.868 UB1 0.831
UB2 0.888
UB3 0.863
Dapat dilihat pada tabel 4.2 bahwa seluruh item memiliki loading factor
di atas 0,7, Maka dapat dinyatakan bahwa seluruh indikator penelitian sudah
valid untuk digunakan dalam model penelitian dan dapat dilanjutkan ke
pengujian selanjutnya.
2) Uji Internal Consistency Reliability
Tahap pengujian ini dilakukan dengan meninjau nilai composite
reliability (CR) dengan batas ambang di atas 0,7.
Tabel 4. 3 Hasil Uji Composite Reliability dengan SmartPLS
Variabel Composite Realibity (CR)
PE 0.942
EE 0.946
SI 0.922
113
Tabel 4. 3 Hasil Uji Composite Reliability dengan SmartPLS lanjutan
Variabel Composite Realibity (CR)
FC 0.895
HM 0.959
PV 0.924
HT 0.888
BI 0.924
UB 0.896
Dapat dilihat dari tabel 4.3 bahwa seluruh nilai CR di atas 0,7, maka
dapat dinyatakan bahwa seluruh variabel telah memenuhi syarat untuk
digunakan dan dapat dilanjutkan ke pengujian selanjutnya.
3) Uji Average Variance Extracted (AVE)
Tahap pengujian ini dilakukan dengan meninjau nilai average variance
extracted (AVE), dimana nilai ini menjelaskan besar varian atau keragaman
variabel manifes (indikator) yang dapat dikandung oleh variabel laten
(konstruk). Nilai AVE minimal 0,5 memperlihatkan ukuran convergent
validity yang baik. Artinya, variabel laten (konstruk) dan dapat menjelaskan
rata-rata lebih dari setengah variance dari indikator-indikatornya. Untuk
mendapatkan nilai AVE dapat dihitung melalui rumus berikut.
Tabel 4. 4 Hasil Uji Average Variance Extracted (AVE) dengan SmartPLS
Variabel Average Variance Extracted (AVE)
PE 0.801
EE 0.853
SI 0.565
FC 0.739
HM 0.886
PV 0.802
HT 0.726
BI 0.801
UB 0.741
114
Contoh perhitungan AVE PE = 0.895 * 0.895 = 0,801
Dapat diketahui dari tabel 4.4 bahwa seluruh nilai AVE memiliki nilai
yang lebih besar dari 0,5 sehingga dapat dikatakan bahwa seluruh variabel
memenuhi syarat untuk digunakan dan tidak ada masalah dalam uji AVE.
4) Uji Discriminant Validity
Tahap pengujian discriminat validity bisa melalui dua cara pemeriksaan
cross loading, yaitu cross loading antar indikator dan cross loading Fornell-
Lacker’s (Subiyakto et al., 2015; Subiyakto, 2017). Pemeriksaan cross
loading tiap indikator dilakukan dengan membandingkan hubungan
indikator dengan konstruknya dan konstruk blok lainnya. Bila korelasi
antara indikator dengan konstruknya lebih tinggi dari korelasi dengan
konstruk blok lainnya, hal ini menunjukkan konstruk tersebut memprediksi
ukuran pada blok mereka lebih baik dari blok lainnya. Selanjutnya dengan
memeriksa cross loading Fornell-Lacker’s yaitu dengan membandingkan
dengan nilai akar AVE, dimana nilai akar AVE harus lebih besar daripada
korelasi antara konstruk dengan konstruk lainnya. Hasilnya dapat dilihat
pada tabel 4.5 yang telah menunjukkan bahwa nilai cross loading indikator
yang diberi blok biru pada setiap variabel memiliki nilai lebih besar dari
korelasi dengan konstruk blok lainnya.
Tabel 4. 5 Hasil Uji Discriminant Validity (Cross Loading) dengan SmartPLS
Disscriminant
Validity PE EE SI FC HM PV HT BI UB
PE1 0.872 0.775 0.337 0.676 0.758 0.667 0.455 0.508 0.596
PE2 0.916 0.827 0.376 0.727 0.790 0.680 0.477 0.555 0.657
PE3 0.910 0.706 0.290 0.616 0.736 0.557 0.433 0.559 0.602
115
Tabel 4. 5 Hasil Uji Discriminant Validity (Cross Loading) dengan SmartPLS lanjutan
Disscriminant
Validity PE EE SI FC HM PV HT BI UB
PE4 0.883 0.637 0.199 0.687 0.687 0.597 0.382 0.473 0.596
EE1 0.764 0.948 0.254 0.771 0.730 0.636 0.419 0.522 0.525
EE2 0.749 0.903 0.292 0.689 0.635 0.603 0.312 0.408 0.530
EE3 0.774 0.919 0.270 0.709 0.699 0.645 0.432 0.496 0.545
SI1 0.296 0.250 0.911 0.220 0.414 0.393 0.355 0.475 0.382
SI2 0.325 0.317 0.909 0.336 0.432 0.471 0.304 0.451 0.414
SI3 0.286 0.215 0.856 0.224 0.357 0.426 0.294 0.441 0.353
FC1 0.695 0.766 0.224 0.870 0.652 0.574 0.486 0.554 0.611
FC2 0.724 0.771 0.261 0.889 0.735 0.622 0.452 0.514 0.575
FC3 0.526 0.484 0.266 0.819 0.628 0.587 0.409 0.578 0.539
HM1 0.721 0.673 0.402 0.716 0.918 0.668 0.593 0.717 0.732
HM2 0.814 0.740 0.446 0.720 0.968 0.773 0.504 0.706 0.698
HM3 0.816 0.699 0.423 0.771 0.936 0.782 0.438 0.632 0.655
PV1 0.553 0.591 0.407 0.554 0.598 0.888 0.397 0.521 0.491
PV2 0.679 0.681 0.449 0.684 0.783 0.929 0.487 0.692 0.675
PV3 0.632 0.538 0.434 0.603 0.711 0.867 0.372 0.510 0.596
HT1 0.460 0.442 0.122 0.610 0.469 0.326 0.829 0.591 0.639
HT2 0.442 0.358 0.314 0.345 0.436 0.427 0.876 0.631 0.569
HT3 0.353 0.290 0.465 0.383 0.490 0.455 0.850 0.714 0.588
BI1 0.502 0.410 0.476 0.508 0.609 0.554 0.659 0.913 0.679
BI2 0.589 0.589 0.434 0.680 0.746 0.619 0.654 0.905 0.669
BI3 0.484 0.393 0.462 0.525 0.605 0.579 0.726 0.868 0.695
UB1 0.669 0.583 0.413 0.636 0.762 0.592 0.511 0.653 0.831
UB2 0.554 0.509 0.299 0.584 0.617 0.554 0.668 0.662 0.888
UB3 0.549 0.396 0.402 0.510 0.534 0.568 0.634 0.652 0.863
Tabel 4. 6 Hasil Uji Discriminant Validity (Cross Loading Fornell-Lacker’s)
dengan SmartPLS
BI EE FC HM HT PE PV SI UB
BI 0.895
EE 0.519 0.924
FC 0.639 0.785 0.860
HM 0.730 0.748 0.781 0.941
HT 0.760 0.425 0.523 0.547 0.852
PE 0.587 0.825 0.755 0.831 0.489 0.895
PV 0.653 0.681 0.691 0.786 0.474 0.698 0.895
SI 0.511 0.292 0.291 0.450 0.357 0.339 0.481 0.893
116
Tabel 4. 6 Hasil Uji Discriminant Validity (Cross Loading Fornell-Lacker’s)
dengan SmartPLS lanjutan
BI EE FC HM HT PE PV SI UB
UB 0.761 0.577 0.670 0.740 0.703 0.685 0.663 0.429 0.861
Contoh untuk mendapat nilai Cross Loading BI
CL BI = ∑ 𝜆𝑖
2
𝐵𝑎𝑛𝑦𝑎𝑘 𝐼𝑛𝑑𝑖𝑘𝑎𝑡𝑜𝑟=
2,686
3= 0,895333 = 0,895
Pada tabel 4.6 memperlihatkan bahwa nilai akar AVE lebih besar daripada
korelasi antara konstruk dengan konstruk lainnya. Sehingga berdasarkan hasil
pemeriksaan dua tahap cross loading diketahui bahwa tidak ada masalah dalam
tahap uji discriminant validity.
117
Gambar 4. 11 Hasil Analisis Outer Model dengan SmartPLS
Gambar 4.11 Menunjukkan hasil analisis setelah melalui tahapan analisis
outer model. Berdasarkan empat tahap pengujian yang telah dilakukan pada analisis
pengukuran model (outer model) sebelumnya, dapat diketahui bahwa model yang
diajukan dalam penelitian ini sudah memiliki karakteristik yang baik secara stastik,
sesuai dengan syarat pada masing-masing tahapan yang ada pada pengukuran
model (individual item reliability, internal consistency reliability, average variance
extracted, dan discriminant validity). Sehingga dapat diambil kesimpulan dari hasil
analisis pengukuran model bahwa model tersebut memenuhi syarat untuk
dilanjutkan ke tahap pengujian model struktural (inner model).
118
4.1.3 Hasil Analisis Struktur Model
Struktural model (inner model) menggambarkan hubungan antar variabel
laten (kosntruk) berdasarkan pada teori substantif. Pada tahap analisis struktur
model ini dilakukan enam tahapan pengujian, yaitu pengujian path coefficient (β),
coefficient of determination (R2), t-test menggunakan metode bootstrapping, effect
size (f2), predictive relevance (𝑄2), dan relative impact (𝑞2). Analisis ini dilakukan
dengan melakukan proses bootsraping pada Smart PLS 3.0. Dimana bootsraping
merupakan prosedur non-parametik yang memungkinkan pengujian signifkasi
statistic hasil model PLS SE. hasil dari proseud ini berupa nilai uji Path Coefficient,
t-test, dan lain-lain.
1) Path Coefficient (β)
Pada tahap pengujian ini dilakukan dengan melihat nilai ambang batas
di atas 0,1, dimana jalur (path) dapat dikatakan mempunyai pengaruh dalam
model jika hasil pengujian path coefficient berada diatas 0,1.
Tabel 4. 7 Hasil Uji Path coefficient dengan SmartPLS
Hubungan antar Variabel (Jalur) Path Coefficient (β)
PE→ BI -0.093
EE→ BI -0.109
SI→ BI 0.146
FC→ BI 0.141
HM → BI 0.367
PV → BI 0.113
HT → BI 0.472
FC → UB 0.293
HT → UB 0.268
BI → UB 0.370
119
Dilihat dari tabel 4.7 bahwasanya terdapat delapan jalur yang memiliki
nilai di atas 0,1 yang berarti berpengaruh signifikan dalam model,
sedangkan dua jalur lainnya menunjukkan pengaruh yang tidak signifikan
yaitu PE→BI dan EE→BI.
2) Coefficient of Determination (R2)
Pada tahap pengujian ini dilakukan untuk menjelaskan varian dari tiap
target endogenous variabel (variabel yang dianggap dipengaruhi oleh
variabel lain dalam model) dengan standar pengukuran sekitar 0,670 sebagai
kuat, sekitar 0,333 moderat, dan 0,190 atau di bawahnya menunjukan
tingkat varian yang. Untuk mendapat nilai R2 dapat dihitung melalui:
Tabel 4. 8 Hasil Uji R-square dengan SmartPLS
Variabel R Square
Behavioral Intention 0.754
Use Behavior 0.667
Dilihat dari hasil uji coefficient of determination pada tabel 4.8 bahwa
nilai R2 variabel Behavioral Intention (BI) adalah 0,754 (75,4%) dan nilai
R2 variabel Use Behavior (UB) adalah 0,667 (66,7%). Dengan demikian
dapat diartikan bahwa kemampuan variabel independen menjelaskan secara
kuat (75,4%) varian dari BI. Sementara, kemampuan variabel independen
menjelaskan secara moderat (66,7%) varian dari UB.
3) T-test
Pada tahap pengujian t-test ini dilakukan melalui metode bootstrapping
pada SmartPLS, menggunakan uji two-tailed dengan tingkat signifikansi
120
10% untuk menguji hipotesis-hipotesis penelitian. Hipotesis tersebut akan
diterima jika memiliki t-test lebih besar dari 1,645. Untuk meperoleh nilai
t-test dapat dihitung melalui rumus berikut:
Tabel 4. 9 Hasil Uji T-test dengan SmartPLS
Hubungan antar Variabel (Jalur) T- test
PE→ BI 1.064
EE→ BI 1.177
SI→ BI 2.400
FC→ BI 1.575
HM → BI 4.083
PV → BI 1.908
HT → BI 8.134
FC → UB 4.991
HT → UB 2.531
BI → UB 3.165
Dilihat dari hasil pengujian t-test pada tabel 4.9 bahwa terdapat tiga
nilai t-test yang kurang dari 1,654 yaitu adalah hubungan antara variabel
PE→BI yang memiliki nilai t-test 1,064, EE→BI yang memiliki nilai t-test
1,177, dan FC→BI yang memiliki nilai t-test 1,575. Dengan kata lain hasil
ini menunjukkan bahwa dari 10 hipotesis terdapat tiga hipotesis yang tidak
diterima.
4) Effect Size (f2)
Pada tahap pengujian ini dilakukan untuk mengetahui pengaruh
variabel tertentu terhadap variabel lainnya dalam struktur model dengan
121
nilai ambang batas sekitar 0,02 untuk pengaruh kecil, 0,15 untuk menengah,
dan 0,35 untuk pengaruh besar.
Tabel 4. 10 Hasil Uji Effect Size dengan Samart PLS
Hipotesis f2 Keterangan
No Jalur R2-in R2-ex ∑ f2
H1 PE→ BI 0.754 0.752 0.007 Kecil
H2 EE→ BI 0.754 0.751 0.011 Kecil
H3 SI→ BI 0.754 0.739 0.059 Kecil
H4 FC→ BI 0.754 0.748 0.023 Kecil
H5 HM → BI 0.754 0.728 0.104 Kecil
H6 PV → BI 0.754 0.749 0.019 Kecil
H7 HT → BI 0.754 0.610 0.583 Besar
H8 FC → UB 0.667 0.617 0.150 Kecil
H9 HT → UB 0.667 0.637 0.090 Kecil
H10 BI → UB 0.667 0.619 0.144 Kecil
Contoh untuk mendapat nilai r2 pada jalur PE terhadap BI pada tabel 4.10
q2 PE→ BI = 0,754 − 0,752
1− 0,754=
0,002
0,246= −0,006534 = 0,007
Dapat dilihat dari pengujian effect size pada tabel 4.10 menunjukkan
pengujian f2 terhadap 10 jalur. satu jalur diantaranya memiliki pengaruh
besar yaitu HT→BI. Sisa 9 jalur lainnya memiliki pengaruh yang kecil.
5) Predictive Relevance (𝑄2)
Pada tahap pengujian ini dilakukan melalui metode blindfolding pada
SmartPLS untuk memberikan bukti bahwa variabel tertentu yang digunakan
dalam model mempunyai keterkaitan prediktif (predictive relevance)
dengan variabel lainnya dalam model dengan ambang batas pengukuran di
atas nol.
122
Tabel 4. 11 Hasil Uji Predictive Relevance dengan SmartPLS
Variabel Q Square
Behavioral Intention 0.548
Use Behavior 0.452
Dapat dilihat dari tahap pengujian predictive relevance pada tabel 4.11
bahwa 𝑄2dari semua variabel bernilai diatas nol, maka semua variabel
memiliki keterkaitan prediktif.
6) Relative Impact (𝑞2)
Pada tahqap pengujian ini dilakukan melalui metode blindfolding pada
SmartPLS untuk mengukur relatif pengaruh dari sebuah keterkaitan
prediktif suatu variabel tertentu dengan variabel lainnya dengan nilai
ambang batas sekitar 0,02 untuk pengaruh kecil, 0,15 untuk pengaruh
menengah/sedang, dan 0,35 untuk pengaruh besar. Rumus yang digunakan
untuk perhitungan 𝑞2 adalah sebagai berikut :
Tabel 4. 12 Hasil Uji Relative Impact dengan SmartPLS
Hipotesis q2 Keterangan
No Jalur Q2-in Q2-ex ∑ q2
H1 PE→ BI 0.548 0.551 -0.007 Kecil
H2 EE→ BI 0.548 0.546 0.004 Kecil
H3 SI→ BI 0.548 0.540 0.018 Kecil
H4 FC→ BI 0.548 0.545 0.007 Kecil
H5 HM → BI 0.548 0.533 0.033 Kecil
H6 PV → BI 0.548 0.546 0.004 Kecil
H7 HT → BI 0.548 0.455 0.206 Menengah
H8 FC → UB 0.452 0.422 0.055 Kecil
H9 HT → UB 0.452 0.436 0.029 Kecil
H10 BI → UB 0.452 0.417 0.064 Kecil
Contoh untuk mendapat nilai q2 pada jalur PE terhadap BI
q2 PE→ BI = 0,548 − 0,551
1− 0,551=
− 0,003
0,449= −0,00668 = − 0,007
123
Dari tabel 4.11 menunjukan hasil dari pengujian q2 terhadap 10 jalur
pada penelitian ini. Ditunjukkan bahwa jalur HT → BI memiliki pengaruh
menengah dan sisa jalur lainnya memiliki pengaruh yang kecil.
Maka dari hasil inner model, didapat hasil pengujian hipotesa yang dapat
dilihat pada gambar 4.11. Ringkasan hasil inner model dapat dilihat pada table 4.13
Gambar 4.11 Hasil Pengujian Hipotesa
12
4
Hip
ote
sis
β
t-t
est
R
2
f2
Q2
q2
An
aly
ses
No
J
alu
r R
2-i
n
R2-e
x
∑ f
2
Q2-i
n
Q2-e
x
∑ q
2
β
t-t
est
R
2
f2
Q2
q
2
H1
P
E→
BI
-0,0
93
1,0
64
0,7
54
0
,75
4
0,7
52
0,0
07
0,5
48
0,5
48
0,5
51
-0,0
07
Insi
gn
D
ito
lak
K
uat
k
P
red
icti
ve
Rel
evance
k
H2
E
E→
BI
-0,1
09
1,1
77
0,7
54
0
,75
4
0,7
51
0,0
11
0,5
48
0,5
48
0,5
46
0,0
04
Insi
gn
D
ito
lak
K
uat
k
P
red
icti
ve
Rel
evance
k
H3
S
I→ B
I 0
,14
6
2,4
00
0,7
54
0
,75
4
0,7
39
0,0
59
0,5
48
0,5
48
0,5
40
0,0
18
Sig
n
Dit
erim
a
Kuat
k
P
red
icti
ve
Rel
evance
k
H4
F
C→
BI
0,1
41
1,5
75
0,7
54
0
,75
4
0,7
48
0,0
23
0,5
48
0,5
48
0,5
45
0,0
07
Sig
n
Dit
ola
k
Kuat
k
P
red
icti
ve
Rel
evance
k
H5
H
M →
BI
0,3
67
4,0
83
0,7
54
0
,75
4
0,7
28
0,1
04
0,5
48
0,5
48
0,5
33
0,0
33
Sig
n
Dit
erim
a
Kuat
k
P
red
icti
ve
Rel
evance
k
H6
P
V →
BI
0,1
13
1,9
08
0,7
54
0
,75
4
0,7
49
0,0
19
0,5
48
0,5
48
0,5
46
0,0
04
Sig
n
Dit
erim
a
Kuat
k
P
red
icti
ve
Rel
evance
k
H7
H
T →
BI
0,4
72
8,1
34
0,7
54
0
,75
4
0,6
10
0,5
83
0,5
48
0,5
48
0,4
55
0,2
06
Sig
n
Dit
erim
a
Kuat
b
P
red
icti
ve
Rel
evance
m
H8
F
C →
UB
0
,29
3
4,9
91
0,6
67
0
,66
7
0,6
17
0,1
50
0,4
52
0,4
52
0,4
22
0,0
55
Sig
n
Dit
erim
a
M
k
Pre
dic
tive
Rel
evance
k
H9
H
T →
UB
0
,26
8
2,5
31
0,6
67
0
,66
7
0,6
37
0,0
90
0,4
52
0,4
52
0,4
36
0,0
29
Sig
n
Dit
erim
a
M
k
Pre
dic
tive
Rel
evance
k
H1
0
BI
→ U
B
0,3
70
3,1
65
0,6
67
0
,66
7
0,6
19
0,1
44
0,4
52
0,4
52
0,4
17
0,0
64
Sig
n
Dit
erim
a
M
k
Pre
dic
tive
Rel
evance
k
Tab
el 4
.13 R
ingk
asan
Has
il A
nal
isis
Str
uktu
ral
Model
(In
ner
Mod
el)
Ket
eran
gan
:
Sig
n
:
Sig
nif
ikan
Insi
gn
: T
idak
Sig
nif
ikan
K
:
Kuat
M
:
Moder
at
L
:
Lem
ah
b
:
Bes
ar
m
:
Men
engah
k
:
Kec
il
125
4.2 Interpretasi dan Diskusi Hasil Analisis
4.2.1 Interpretasi dan Diskusi Hasil Analisi Data Demografis
Dari hasil analisis informasi demografis profil responden yang sudah
dipaparkan pada subbab sebelumnya, peneliti melakukan interpretasi dan
mendiskusikan hasil analisisnya yaitu sebagai berikut:
1) Jenis kelamin
Berdasarkan pada gambar 4.1 yang ada pada analisis demografis
sebelumnya, dapat diketahui bahwa pada penelitian ini dari jumlah 127 data
responden responden perempuan lebih mendominasi yaitu sebanyak 70
orang (55,12%) dan sisanya berasal dari responden laki-laki, yaitu sebanyak
57 orang (44,88%). Ini bisa terjadi dikarenakan ketika peneliti
melaksanakan penyebaran kuesioner secara langsung, gender perempuan
cenderung lebih banyak yang setuju untuk mengisi kuesioner dibandingkan
gender laki-laki. Dan penyebaran kuesioner secara tidak langsung (online
via google form) responden dengan gender perempuan lebih banyak
berpartisipasi untuk mengisi kuesioner.
2) Usia
Berdasarkan pada gambar 4.2 yang ada pada analisis demografis
sebelumnya tentang usia responden, diketahui bahwa dari 127 data
responden yang digunakan dalam penelitian ini, responden terbanyak
berusia 17-27 tahun, yaitu sebanyak 69 orang (54,33%) dan disusul dengan
responden berusia 26-37 tahun dan diatas 47 tahun, yaitu sebanyak 21 orang
(16,54%). Jumlah responden yang paling sedikit berusia 38-47 tahun, yaitu
126
sebanyak 16 orang (12,60%). Maka peneliti beranggapan tingkat
penggunaan E-Money Bank Mandiri di Kecamatan Ciputat pada usia 17-27
lebih tinggi dimungkinkan karena penyebaran kusesioner lebih banyak
disebar kepada rentang usia tersebut dan pada rentang usia tersebut sudah
lebih mengenal E-Money Bank Mandiri.
3) Pendidikan Terakhir
Berdasarkan pada gambar 4.3 yang ada pada analisis demografis
sebelumnya tentang tingkat pendidikan responden bahwa dari 127 data
responden yang digunakan dalam penelitian ini, responden terbanyak
berasal dari tingkat pendidikan S1, yaitu sebanyak 61 orang (48,03%) dan
disusul dengan responden berasal dari tingkat pendidikan SLTA, yaitu
sebanyak 35 orang (27,56%). Selanjutnya dengan responden berasal dari
tingkat pendidikan Diploma, yaitu sebanyak 24 orang (18,90%). Jumlah
responden yang paling sedikit berasal dari tingkat pendidikan S2 sebanyak
6 orang (4,72%) dan S3 sebanyak satu orang (0,79%).. Dengan demikian
dapat disimpulkan bahwa mayoritas tingkat pendidikan responden
penelitian yaitu adalah S1. Ini disebabkan penyebaran kuesioner banyak
diberikan pada rentang usia 17-25 dimana Pendidikan terakhir minimal
kebanyakan S1 dan SMA pada rentang usia tersebut dan tingkat pendidikan
ini sudah memiliki banyak pengetahuan mengenai uang elektronik terutama
pada E-Money Bank Mandiri.
127
4) Kelurahan
Berdasarkan pada gambar 4.4 yang ada pada analisis demografis
sebelumnya tentang kelurahan sebagai lokasi tempat tinggal, bekerja,
sekolah, maupun kampus responden. Adapun dari 127 data responden yang
digunakan dalam penelitian ini, responden terbanyak berasal dari kelurahan
Ciputat, yaitu sebanyak 91 orang (71,65%). Kemudian berasal dari
kelurahan Jombang sebanyak 17 orang (13,39%). Diposisi selanjutnya
berasal dari kelurahan Serua sebanyak 11 orang (8,66%). Dan terakhir
berasal dari kelurahan Cipayung sebanyak delapan orang (6,30%). Lokasi
kelurahan hanya mewakili 4 kelurahan dari 7 kelurahan yang ada pada
kecamatan Ciputat sesuai dengan data pada BPS Kota Tangerang Selatan.
Hal ini disebabkan dikarenakan penyebaran kuesioner yang tidak merata
oleh peneliti.
5) Pekerjaan
Berdasarkan pada gambar 4.5 yang ada pada analisis demografis
sebelumnya tentang status pekerjaan responden diketahui bahwa dari 127
data responden yang digunakan dalam penelitian ini, responden terbanyak
berasal dari pelajar/mahasiswa, yaitu sebanyak 63 orang (49,61%) dan
disusul dengan responden berasal dari PNS, yaitu sebanyak 24 orang
(18,90%). Kemudian posisi selanjutnya berasal dari pekerjaan Karyawan
dan pekerjaan Lainnya sebanyak 12 orang (9,45%).Jumlah responden yang
lebih sedikit berasal dari Karyawan yaitu sebanyak 11 orang (11%) dan
paling sedikit berasal dari pekerjaan Wiraswasta sebanyak lima orang
128
(3,94%). Ini terjadi bisa dikarenakan sebagian besar kuesioner disebar
dikalangan mahasiswa kampus peneliti dan aktifitas pekerjaan responden
terdukung dengan penggunaan E-Money Bank Mandiri .
6) Penggunaan E-Money Bank Mandiri
Berdasarkan pada gambar 4.6 yang ada pada analisis demografis
sebelumnya tentang penggunaan E-Money Bank Mandiri bahwa dari 127
data responden yang digunakan dalam penelitian ini, responden terbanyak
telah menggunakan uang elektronik selama 2-3 tahun, yaitu sebanyak 42
orang (33,07%), dan disusul dengan responden yang telah menggunakan 3-
4 tahun, yaitu sebanyak 31 orang (24,41%). Pada gambar 4.7 menunjukkan
dari 127 data responden yang digunakan dalam penelitian ini, responden
terbanyak dalam satu mingggu menggunakan uang elektronik diatas 10 kali,
yaitu sebanyak 45 orang (35,43%), dan disusul dengan responden yang
menggunakan 2-4 kali, yaitu sebanyak 28 orang (22,05%). Pada gambar 4.8
menunjukkan bahwa dari 127 data responden yang digunakan dalam
penelitian ini, responden terbanyak menggunakan uang elektronik untuk
jenis transaksi tol, yaitu sebanyak 54 orang (42,52%), dan disusul dengan
responden yang menggunakan untuk transaksi kereta, yaitu sebanyak 46
orang (36,22%). Pada gambar 4.9 menunjukkan bahwa dari 127 data
responden yang digunakan dalam penelitian ini, responden terbanyak
menggunakan uang elektronik 100-500 ribu rupiah, yaitu sebanyak 75
orang (59,06%). Jumlah responden yang paling sedikit menggunakan uang
elektronik menghabiskan kurang dari 100 ribu rupiah, yaitu sebanyak 52
129
orang (40,94%). Maka peneliti menyimpulkan bahwa penggunaan E-
Money Bank Mandiri di kecamatan Ciputat mengalami peningkatan dalam
menggunakan E-Money Bank Mandiri dan kebanyakan pengguna telah
menggunakan uang elektronik sejak tahun 2015 dan penggunaannya
terbilang cukup sering dalam seminggunya dengan nominal uang yang
dikeluarkan cukup banyak yang digunakan dalam satu minggu.
4.2.2 Interpretasi dan Diskusi Hasil Pengukuran Model
Dari hasil analisis pengukuran model yang dipaparkan sebelumnya, hasil
akhirnya menunjukkan bahwa pada analisis pengukuran model dari model
penelitian ini telah memenuhi syarat dan memiliki karakteristik yang baik melalui
4 pengujian yaitu uji individual item reliability dimana pada pengujian ini nilai
faktor loading pada penelitian ini lebih besar dari 0,7 (Hair et al, 2012;
Ghozali,2014; Ghordan, 2016) yang dapatdilihat pada tabel 4.2 ,uji internal
consistency reliability dimana pada pengujian ini nilai composite reability
penelitian ini lebih besar dari 0,7 (Hair et al, 2012; Ghozali,2014; Ghordan, 2016)
yang dapat dilihat pada tabel 4.3 , uji average variance extracted dimana pada
pengujian ini nilai AVE penelitian ini lebih besar dari 0,7 (Ghozali,2014; Hair et
al, 2012) yang dapat dilihat pada tabel 4.4, dan uji discriminant validity dimana
pengujian ini korelasi antara indikator dengan konstruknya penelitian ini lebih
tinggi dari korelasi dengan konstruk blok lainnya (Hair et al, 2011; Ghozali,2014)
yang dapat dilihat pada tabel 4.5. Maka dari itu, analisis pengukuran model pada
penelitian layak untuk dilanjutkan ke tahap analisis struktur model untuk menguji
struktural model dari model penelitian ini.
130
4.2.3 Interpretasi dan Diskusi Hasil Struktural Model
Dari hasil analisis inner model akan diperlihatkan interpretasi dan diskusi
berdasarkan hasil dari enam tahapan analisis struktur model yaitu path coefficient
(β), coefficient of determination (R2), t-test menggunakan metode bootstrapping,
effect size (f2), predictive relevance (𝑄2), dan relative impact (𝑞2). Berikut adalah
pemaparan hasil analisis yang dilakukan dengan mengikuti pertanyaan-pertanyaan
penelitian dan hipotesis-hipotesis yang telah dirumuskan sebelumnya.
Tabel 4. 14 Hasil Uji Hipotesis dengan SmartPLS
Hipotesis β T-test
Keterangan
No Jalur β T-test
H1 PE→ BI -0.093 1.064 Tidak Signifikan Ditolak
H2 EE→ BI -0.109 1.177 Tidak Signifikan Ditolak
H3 SI→ BI 0.146 2.400 Signifikan Diterima
H4 FC→ BI 0.141 1.575 Signifikan Ditolak
H5 HM → BI 0.367 4.083 Signifikan Diterima
H6 PV → BI 0.113 1.908 Signifikan Diterima
H7 HT → BI 0.472 8.134 Signifikan Diterima
H8 FC → UB 0.293 4.991 Signifikan Diterima
H9 HT → UB 0.268 2.531 Signifikan Diterima
H10 BI → UB 0.370 3.165 Signifikan Diterima
Q1. Apakah Performance Expectancy (PE) berpengaruh terhadap
Behavioral Intention (BI)?
Untuk coefficient of determination (R2) dari jalur PE ke BI
dinyatakan kuat dengan nilai 0,754. Namun, dari hasil analisis inner model
yang dapat dilihat pada tabel 4.14, merujuk pada nilai t-test 1,064 yang
131
menunjukan bahwa H1 hubungan PE→BI ditolak, sehingga dapat diartikan
bahwa PE tidak memiliki pengaruh terhadap terhadap BI. Selain itu
didukung juga dengan hasil nilai path coefficient (β) -0,093 yang berarti PE
juga tidak berpengaruh secara signifikan terhadap BI tidak sesuai dengan
penelitian awal yang dilakukan Venkatesh et al. (2003), hal ini juga sejalan
dengan penelitian terdahulu lainnya (Liu & Huang, 2015; Malau, 2016:
Hikmah et al, 2018) dimana PE tidak berpengaruh secara signifikan
terhadap BI. Kemudian didukung dengan nilai effect size (f2) dan relative
impact (q2) yang menyatakan bahwa PE ke BI kecil. Hal ini bisa terjadi
dikarekan tidak dimasukkannya efek moderasasi age, gender, dan
experience seperti yang disarankan model UTAUT2. Kemudian
permasalahan pada penelitian ini penggunaan E-Money Bank Mandiri dapat
membantu dan mempermudah pengguna dalam peningkatan kinerja mereka
secara lebih efektif dan efisien, namu hal ini tidak berpengaruh kepada niat
pengguna untuk menggunakan E-Money Bank Mandiri. Hal ini didukung
dengan tingginya tingkat penggunaan pada transaksi Tol dimana di setiap
gerbang Tol telah diterapkan peraturan untuk menggunakan e-money. Tiap
gerbang tol tersebut semua dapat digunakan dengan kartu E-Money Bank
Mandiri. Hal ini yang menjadi salah satu faktor keharusan untuk
menggunakan E-Money Bank Mandiri. Kemudian, kepemilikan dari E-
Money Bank Mandiri merupakan paling tinggi diantaan jenis uang
elektronik lainnya dan E-Money Bank Mandiri merupakan uang elektronik
pertama yang keluar di Indonesia, sehingga dirasa pengguna hipotesis ini
132
tidak berimbas. Sehingga dapat disimpulkan bahwa H1 ditolak dalam
penelitian ini. Kemudian didukung dengan hasil demografi penelitian ini
yang menunjukkan pada umur pemakai terbanyak ialah jenjang 17-26 tahun
dan pekerjaan responden terbanyak ialah mahasiswa dimana rentang umur
dan pekerjaan tersebut tidak memiliki banyak kinerja yang dirasakan
dibanding dengan umur dan pekerjaan lainnya pada penelitian ini.
Q2. Apakah Effort Expectancy (EE) berpengaruh terhadap Behavioral
Intention (BI)?
Untuk coefficient of determination (R2) dari jalur EE ke BI
dinyatakan kuat dengan nilai 0,754. Namun, dari hasil analisis inner model
yang dapat dilihat pada tabel 4.14, merujuk pada nilai t-test menunjukan
bahwa H2 hubungan EE→BI ditolak dengan nilai 1,177, sehingga dapat
diartikan bahwa EE tidak memiliki pengaruh terhadap BI. Selain itu
didukung juga dengan hasil nilai path coefficient (β) -0,109 yang berarti EE
juga tidak berpengaruh secara signifikan terhadap BI, sejalan dengan
penelitian terdahulu lainnya (Sultan & Ramdhan, 2016; Gupta & Dogra,
2017). Kemudian didukung dengan nilai effect size (f2) dan relative impact
(q2) yang menyatakan bahwa EE ke BI kecil. Selain itu hal ini didukung
oleh pengamatan langsung oleh peneliti, bahwa pengguna mementingkan
hal kemudahan dalam menggunakan uang elektronik, semakin kecil upaya
yang dikeluarkan atau semakin mudahnya sistem mendorong pengguna
untuk menggunakan sistem. Namun, sejalan dengan hipotesis sebelumnya
bahwa penggunaan E-Money Bank Mandiri saat ini sudah menjadi
133
keharusan. Kemudian didukung dengan hasil demografi penelitian ini yang
menunjukkan pada umur pemakai terbanyak ialah jenjang 17-26 tahun
dimana jenjang umur tersebut sudah memiliki pengetahuan, tenaga, dan
waktu yang lebih besar atau biasa disebut usia produktif dibanding pada
jenjang umur lainnya. Sehingga dapat disimpulkan bahwa H2 ditolak dalam
penelitian ini.
Q3. Apakah Social Influence (SI) berpengaruh terhadap Behavioral
Intention (BI)?
Dari hasil analisis inner model yang dapat dilihat pada tabel 4.14,
merujuk pada nilai t-test menunjukan bahwa H3 hubungan SI→BI diterima
dengan nilai T-test 2,400 sehingga dapat diartikan bahwa SI memiliki
pengaruh positif terhadap BI. Untuk coefficient of determination (R2) dari
jalur SI ke BI dinyatakan kuat dengan nilai 0,754 sejalan dengan penelitian
terdahulu lainnya (Venkatesh, 2003; Venkatesh et al. 2012; Caroline, 2018;
). Selain itu didukung juga dengan hasil nilai path coefficient (β) 0,146 yang
berarti SI juga berpengaruh secara signifikan terhadap BI. Pada nilai effect
size (f2) dan relative impact (q2) menyatakan bahwa jalur SI ke BI kecil.
Q4. Apakah Facilitating Condition (FC) berpengaruh terhadap Behavioral
Intention (BI)?
Untuk coefficient of determination (R2) dari jalur FC ke BI
dinyatakan kuat dengan nilai 0,754. Namun, dari hasil analisis inner model
yang dapat dilihat pada tabel 4.14, merujuk pada nilai t-test 1,575
menunjukan bahwa H4 hubungan FC→BI ditolak, sehingga dapat diartikan
134
bahwa FC tidak memiliki pengaruh terhadap BI. Kemudian didukung
dengan nilai effect size (f2) dan relative impact (q2) yang menyatakan bahwa
FC ke BI kecil. Hal ini sesuai dengan penelitian sebelumnya (Azis & Kamal,
2016; Ramdhani et al, 2017) juga menyatakan bahwa FC tidak memiliki
hubungan signifikan terhadap niat pengguna. Hal ini dikarenakan walaupun
tersedianya pengetahuan, infrastruktur atau saranan dan prasarana yang
memadai, dan tenaga ahli dari pihak Bank Mandiri, penggunan tidak
merasakan pengaruh terhadap bpenggunaan E-Money Bank Mandiri
mereka.
Q5. Apakah Hedonic Motivation (HM) berpengaruh terhadap Behavioral
Intention (BI)?
Dari hasil analisis inner model yang dapat dilihat pada tabel 4.14,
memengarah pada nilai t-test 4,083 menunjukan bahwa H5 hubungan
HM→BI diterima. Hasil t-test itu didukung dengan hasil nilai path
coefficient (β) 0,367 yang berarti berpengaruh secara signifikan HM
terhadap BI. Untuk coefficient of determination (R2) dari jalur FC ke BI
dinyatakan kuat dengan nilai 0,754. Pada nilai effect size (f2) dan relative
impact (q2) yang menyatakan bahwa HM ke BI kecil. S ehingga dapat
diartikan bahwa HM memiliki pengaruh positif terhadap BI, hal ini juga
sesuai dengan penelitian sebelumnya (Venkatesh, et al. 2012; Huang &
Kao, 2014; Sabarkah, 2018).
Q6. Apakah Price Value (PV) berpengaruh terhadap Behavioral Intention
(BI)?
135
Dari hasil analisis inner model yang dapat dilihat pada tabel 4.14,
memengarah pada nilai t-test menunjukan bahwa H6 hubungan PV→BI
diterima. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,113 yang berarti PV juga berpengaruh secara signifikan terhadap BI.
Untuk coefficient of determination (R2) dari jalur PV ke BI dinyatakan kuat
dengan nilai 0,754. Pada nilai effect size (f2) dan relative impact (q2) yang
menyatakan bahwa PV ke BI kecil. Sehingga dapat diartikan bahwa PV
memiliki pengaruh positif terhadap BI. hal ini konsisten dengan penelitian
sebelumnya (Venkatesh, et al. 2012; Harsono & Suryana, 2014; Kurniabudi,
2016; Sabarkah, 2018). Hal ini juga didukung oleh pengamatan langsung
peneliti, dimana memang harga E-Money Bank Mandiri tergolong murah
dan transaksi menggunakan E-Money Bank Mandiri tidak memberatkan
pengguna dari segi biaya administrasi. Oleh karena itu peneliti menganggap
pengguna akan lebih tertarik dalam menggunakan E-Money Bank Mandiri
dalam bertransaksi.
Q7. Apakah Habit (HT) berpengaruh terhadap Behavioral Intention (BI)?
Dari hasil analisis inner model yang dapat dilihat pada tabel 4.14,
memengarah pada nilai t-test 8,134 menunjukan bahwa H7 hubungan
HT→BI diterima. Didukung dengan hasil nilai path coefficient (β) 0,472
yang berarti tingkat signifikan HT terhadap BI. Untuk coefficient of
determination (R2) dari jalur FC ke BI dinyatakan kuat dengan nilai 0,754.
Pada nilai effect size (f2) dinyatakan pula dengan nilai besar dan relative
impact (q2) yang menyatakan bahwa HT ke BI menengah. Sehingga dapat
136
diartikan bahwa HT memiliki pengaruh positif terhadap BI dan juga
merupakan variabel dengan pengaruh yang paling besar, hal ini sesuai
dengan penelitian sebelumnya yang dilakukan oleh peneliti sebelumnya
(Harsono & Suryana, 2014; Azis & Kamal, 2016; Kurniabudi, 2016; Gupta
& Dogra, 2017) yang menghasilkan tingkat signifikan HT terhadap BI kuat.
Q8. Apakah Facilitating conditions (FC) berpengaruh terhadap Use
Behavior (UB)?
Dari hasil analisis inner model yang dapat dilihat pada tabel 4.14,
memengarah pada nilai t-test menunjukan bahwa H8 hubungan FC→UB
diterima. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,293 yang berarti FC juga berpengaruh secara signifikan terhadap UB
Untuk coefficient of determination (R2) dari jalur FC ke UB dinyatakan
moderat dengan nilai 0,667. Pada nilai effect size (f2) dan relative impact
(q2) yang menyatakan bahwa FC ke UB kecil. Sehingga dapat diartikan
bahwa FC memiliki pengaruh positif terhadap UB, sesuai dengan penelitian
sebelumnya (Venkatesh et al. 2012; Hasrono & Suryana, 2014; Sabarkah,
2018).
Q9. Apakah Habit (HT) berpengaruh terhadap Use Behavior (UB)?
Dari hasil analisis inner model yang dapat dilihat pada tabel 4.14,
memengarah pada nilai t-test 2,531 menunjukan bahwa H9 hubungan
HT→UB diterima. Selain itu didukung juga dengan hasil nilai path
coefficient (β) 0,268 yang berarti HT juga berpengaruh secara signifikan
terhadap UB. Untuk coefficient of determination (R2) dari jalur HT ke UB
137
dinyatakan moderat dengan nilai 0,667. Pada nilai effect size (f2) dan relative
impact (q2) yang menyatakan bahwa HT ke UB kecil. sehingga dapat
diartikan bahwa HT memiliki pengaruh positif terhadap UB, hal ini sesuai
dengan penelitian sebelumnya yang dilakukan oleh peneliti sebelumnya
(Venkatesh, et al. 2012; Harsono & Suryana, 2014; Ramdhani et al., 2017;
Gupta & Dogra, 2017; Sabarkah, 2018) bahwa HT berpengaruh terhadap
UB.
Q10. Apakah Behavioral Intention (BI) berpengaruh terhadap Use Behavior
(UB)?
Dari hasil analisis inner model yang dapat dilihat pada tabel 4.14,
memengarah pada nilai t-test 3,165 menunjukan bahwa H10 hubungan
BI→UB diterima. Selain itu didukung juga dengan hasil nilai path
coefficient (β) 0,370 merupakan hasil nilai tertinggi dibandingkan dengan
yang lain yang berarti BI juga berpengaruh secara signifikan terhadap UB
sesuai dengan penelitian awal yang dilakukan Venkatesh et al. (2003).
Untuk coefficient of determination (R2) dari jalur UB ke BI dinyatakan
moderat dengan nilai 0,667. nilai effect size (f2) dan relative impact (q2) yang
menyatakan bahwa BI ke UB kecil. Sehingga dapat diartikan bahwa BI
memiliki pengaruh positif terhadap UB. Ini juga didukung dari penelitian
sebelumnya (Venkatesh, 2012; Wu, 2016; Gupta & Dogra, 2017; Sabarkah,
2018)
Maka, dari 10 question atau hipotesis penelitian ini hipotesis diterima ada
sebanyak tujuh hipotesis yaitu Social Influence (SI) berpengaruh terhadap
138
Behavioral Intention (BI) , Hedonic Motivation (HM) berpengaruh terhadap
Behavioral Intention (BI), Price Value (PV) berpengaruh terhadap Behavioral
Intention (BI), Habit (HT) berpengaruh terhadap Behavioral Intention (BI),
Facilitating conditions (FC) berpengaruh terhadap Use Behavior (UB), Habit (HT)
berpengaruh terhadap Use Behavior (UB), dan Behavioral Intention (BI)
berpengaruh terhadap Use Behavior (UB). Tiga dari 10 hipotesis pada penelitian
ini ditolak yaitu Performance Expectancy (PE) berpengaruh terhadap Behavioral
Intention (BI), Effort Expectancy (EE) berpengaruh terhadap Behavioral Intention
(BI), dan Facilitating Condition (FC) berpengaruh terhadap Behavioral Intention
(BI). Seluruh hipotesis ini dinyatakan memiliki Predictive Relevance terlihat dari
nilai Predictive Relevance (Q2) diatas nilai nol yang dapat dilihat pada table 4.13.
4.3 Rekomendasi Terhadap Evaluasi Pemggunaan E-Money Bank
Mandiri
Pada bagian ini peneiliti memaparkan rekomendasi-rekomendasi terhadap
eveluasi faktor-faktor penggunaan E-Money Bank Mandiri. Rekomendasi-
rekomendasi ini dapat dijadikan acuan untuk meningkatkan performasi dan kualitas
E-Money Bank Mandiri, agar posisi sebagai e-money yang paling banyak
digunakan dapat dipertahankan.
1. Performance Expectancy (PE)
Dari faktor ini peneliti tidak menemukan pengaruh terhadap niat
menggunakan E-Money Bank Mandiri berdasarkan hasil interprestasi
analisis structural model pada hipotesis Q1 bahwasanya PE tidak
berpengaruh terhadap BI. Namun, bukan tidak mungkin untuk selalu
139
meningkatkan performa E-Money Bank Mandiri kedepannya. Karena,
semakin banyak e-money yang telah beredar yang mungkin performanya
bisa lebih baik dibandingE-Money Bank Mandiri. Performa yang dapat
ditingkat dari segi keamaan data dan kecepatan pembaca transaksi sehingga
ketika konsumen menggunakan E-Money mereka dapat meningkatkan
efektifitas kinerja mereka.
2. Effort Expectancy (EE)
Dari faktor ini peneliti tidak menemukan pengaruh terhadap niat
menggunakan E-Money Bank Mandiri berdasarkan hasil interprestasi
analisis structural model pada hipotesis Q2 bahwasanya EE tidak
berpengaruh terhadap BI. Namun sama halnya dengan faktor sebelumnya,
mungkin pengguna sudah merasakan kemudahan penggunaan E-Money
bank Mandiri. Rekomendasi kedepannya Bank Mandiri dapat berkerja
dengan intansi atau perusahaan dalam memudahkan pekerjaan pengguna
dalam bertransaksi baik dari segi finansial mapun beban usaha yang
dikeluarkan pengguna dan juga agar konsumen dapat lebih mudah untuk
memahami dan mempelajari penggunaan E-Money Bank Mandiri..
3. Social Influence (SI)
Dari faktor ini peneliti menemukan pengaruh yang signifikan terhadap
penggunaan E-Money Bank Mandiri berdasarkan hasil interprestasi analisis
structural model pada hipotesis Q3 bahwasanya SI berpengaruh terhadap
BI. Rekomendasi yang dapat peneliti berikan terkait dengan faktor ini ialah
diperbanyak sosialisasi maupun penyebaran informasi yang diterima
140
masyrakat. Informasi ini dapat dijadikan acuan sebagai dasar untuk
mempengaruhi masyarakat untuk menggunakan E-Money Bank Mandiri.
4. Facilitating Condition (FC)
Dari faktor ini peneliti tidak menemukan pengaruh terhadap
penggunaan E-Money Bank Mandiri berdasarkan hasil interprestasi analisis
structural model pada hipotesis Q4 bahwasanya FC tidak berpengaruh
terhadap BI. Namun peneliti menemukan pengaruh yang signifikan
terhadap niat menggunakan E-Money Bank Mandiri berdasarkan hasil
interprestasi analisis structural model pada hipotesis Q8 bahwasanya FC
berpengaruh terhadap UB. Rekomendasi dari faktor ini ialah lebih diperluas
dan diperbanyak lagi jangkauan transkasi yang dapat dilakukan
menggunakan E-Money Bank Mandiri. Diperbanyak pula merchant atau
partner yang dapat bekerja sama untuk meningkatkan jalannya transaksi
E_Money Bank Mandiri.
5. Hedonic Motivation (HM)
Dari faktor ini peneliti menemukan pengaruh terhadap penggunaan E-
Money Bank Mandiri berdasarkan hasil interprestasi analisis structural
model pada hipotesis Q5 bahwasanya HM berpengaruh terhadap BI.
Rekomendasi dari faktor ini yang dapat peneliti berikan ialah memberikan
banyak pilihan bentuk dan desain yang baru pada E-Money Bank Mandiri,
sehingga desain produk tidak baku yang itu-itu saja. Pengguna dapat
memberikan desain nya sendiri untuk kartu yang mereka gunakan. Hal ini
dapat mengingkatkan nilai trendy pada E-Money Bank Mandiri.
141
6. Price Value (PV)
Dari faktor ini peneliti menemukan pengaruh terhadap penggunaan E-
Money Bank Mandiri berdasarkan hasil interprestasi analisis structural
model pada hipotesis Q6 bahwasanya PV berpengaruh terhadap BI.
Rekomendari terhadapt faktor ini adalah diberikannya promo potongan atau
cashback dari suatu transaksi kepada pengguna. Hal ini dapat dilakukan
dengan melakukan kerja sama dari berbagai merchant maupun partner Bank
Mandiri.
7. Habit (HT)
Dari faktor ini peneliti tmenemukan pengaruh terhadap penggunaan dan
niat menggunakan E-Money Bank Mandiri berdasarkan hasil interprestasi
analisis structural model pada hipotesis Q7 dan Q9 bahwasanya HT
berpengaruh terhadap BI dan UB. Rekomendasi ini pada faktor ini ialah
mengikuti dari faktor yang lainnya, dikarenak kebiasaan pengguna untuk
menggunakan E-Money Bank Mandiri tergantung terhadap faktor lainnya.
Sehingga ketika pengguna sudah sering menggunakan E-Money Bank
Mandiri dikarenakan banyak manfaat yang diterima pengguna menjadi
kebiasaan pengguna untuk menggunakan Bank Mandiri.
8. Behavioral Intention (BI)
Dari faktor ini peneliti tmenemukan pengaruh terhadap niat
menggunakan E-Money Bank Mandiri berdasarkan hasil interprestasi
analisis structural model pada hipotesis Q10 bahwasanya BI berpengaruh
terhadap UB. Rekomendasi ini pada faktor ini ialah upaya mandiri untuk
142
dapat mempertahakan pengguna untuk tetap dikemudian hari maupun
setrusnya pengguna tetap menggunakan E-Money Bank Mandiri menjadi
suatu keseharian pengguna. Dari penelitian yang peneliti dapat bahwasanya
intesitas penggunaan dominan dengan lebih dari 10 kali transkasi. Hal ini
dikarekan intesitas yang tinggi atau berulang dapat mempertahankan
pengguna untuk tetap menggunakan E-Money Bank Mandiri seterusnya.
Semua rekomendasi ini dapat diterima untuk dijadikan bahan pertimbangan
untuk meningkatkan E-Money Bank Mandiri kedepannya. Rekomendasi-
rekomendasi ini dapat dilihat secara singkat pada tabel 4.15 berikut.
Tabel 4.15 Rekomendasi Singkat E-Money Bank Mandiri
No. Faktor - Faktor Dasar Hipotesis
Penelitian Rekomendasi
1. Performance
Expectancy (PE) Q1 Ditolak
Meningkatkan performa yang dapat
ditingkat dari segi keamanan data dan
kecepatan pembaca transaksi sehinggan
kinerja pengguna lebih efektif.
2. Effort
Expectancy (EE) Q2 Ditolak
Bank Mandiri dapat menambah kerja sama
dengan intansi atau perusahaan lain
3. Social Influence
(SI) Q3 Diterima
Memperluas sosialisasi maupun penyebaran
informasi yang dapat diterima masyarakat
4. Facilitating
Condition (FC)
Q4 Ditolak
Q8 Diterima
Diperluas dan diperbanyak lagi jangkauan
transkasi yang dapat dilakukan
menggunakan E-Money Bank Mandiri
seperti menambah merchant dengan
memanfaatkan transaksi E-Money Bank
Mandiri
5. Hedonic
Motivation (HM) Q5 Diterima
Membuat desain baru atau menerima desain
dari konsumen
6. Price Value (PV) Q6 Diterima Memberikan promo potongan atau cashback
dari suatu transaksi kepada pengguna
7. Habit (HT) Q7 & Q9 Diterima
Mengikuti rekomendasi faktor-faktor
lainnya agar kedepannya terbiasa untuk
menggunakan E-Money bank Mandiri
8. Behavioral
Intention (BI) Q10 Diterima
Mengikuti rekomendasi faktor-faktor
lainnya agar kedepannya terbiasa untuk
menggunakan E-Money bank Mandiri
143
143
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil penelitian yang telah peneliti lakukan, maka beberapa
kesimpulan yang dapat peneliti berikan sebagai berikut :
1) Dari 127 data responden, 33,07% responden telah menggunakan E-
Money Bank Mandiri selama 2-3 tahun dan 35,43% responden
menggunakan E-Money bank Mandiri sebanyak lebih dari 10 kali
dalam seminggu. Kemudian, 42,52% responden menggunakan E-
Money Bank Mandiri untuk bertransaksi pembayaran tol dan dengan
persentase 59,06% telah menghabiskan 100-500 ribu rupiah untuk
bertransaksi menggunakan E-Money Bank Mandiri. Sehingga dapat
disimpulkan bahwa pengguna E-Money Bank Mandiri di Kecamatan
Ciputat sudah cukup optimal dalam evaluasi penggunaan E-Money
Bank Mandiri. Terlihat bahwa persentase menunjukkan pada angka
penggunaan yang cukup tinggi.
2) Mayoritas hipotesis dalam penelitian ini diterima sebanyak tujuh
hipotesis yaitu FC→UB, SI→BI, HM→BI, PV→BI, HT→BI, HT→BI,
dan BI→UB. Tujuh hipotesis ini memiliki nilai path coefficient dan t-
test diatas ambang batas. Sedangkan tiga hipotesis yang ditolak ialah
PE→BI, EE→BI, dan FC→BI. Hipotesis ini dinyatakan ditolak karena
ketiga hipotesis ini memiliki nilai dibawah ambang batas.
144
3) Variabel dengan pengaruh terbesar ialah Habit (HT) terhadap
Behavioral Intention (BI) diikuti oleh Hedonic Motivation (HM)
terhadap Behavioral Intention (BI) dan Facilitating Condition (FC)
terhadap Use Behavior (UB). Sedangkan pengaruh yang paling kecil
ialah variabel Effor Expectancy (EE) terhadap Behavioral Intention (BI)
diikuti oleh Performance Ecpectancy (PE) terhadap Behavioral
Intention (BI) dan Facilitating Condition (FC) terhadap Behavioral
Intention (BI).
4) Variabel Habit memiliki pengaruh paling besar didasari dengan
kebiasaan pengguna menggunakan E-Money Bank Mandiri yang cukup
rutin dilihat dari analisis demografi dari intesitas penggunaan lebih dari
10 kali dalam seminggu. Sedangkan, variabel dengan pengaruh terkecil
ialah Effort Expectancy didasari dengan pengguna merasakan beberapa
masalah yang telah disebutkan dalam identifikasi masalah. Dimana
pengguna malah mengeluarkan upaya lebih besar untuk meggunakan E-
Money Bank Mandiri yang bertolak belakang dengana indikator-
indikator variabel Effort Expectancy.
Berdasarkan hasil temuan itu juga dapat disimpulkan bahwa penelitian
ini telah memberikan kontribusi/manfaat, berupa :
1) Secara teori, penelitian ini telah mengadaptasi model evaluasi
penggunaan pengguna UTAUT 2 sesuai dengan penelitian yang
dikemukan oleh Venkatesh et al pada tahun 2012. Pengembangan
model UTAUT2 dari UTAUT sebelumnya difokuskan untuk
145
penggunaan konsumen, dimana konsumen sebagai focus objek utama
dalam model ini.
2) Secara metodologi, penelitian ini juga berperan dalam mendorong
pemanfaatan metode kuantitatif dalam penyusunan skripsi di Program
Studi Sistem Informasi UIN Syarif Hidayatullah Jakarta.
3) Secara praktis, hasil penelitian ini dapat menjadi bahan pertimbangan
bagi pihak Bank Mandiri untuk mengembangkan lagi E-Money Bank
Mandiri untuk bisa lebih baiklagi dan mempertahankan posisi uang
elektronik dengan pengguna terbanyak.
Berdasarkan hasil temuan itu juga dapat disimpulkan bahwa penelitian
ini memiliki keterbatasan, berupa :
1) Menggunakan jumlah sampel yang terbilang sedikit.
2) Cakupan penyebaran kuesioner kecil hanya pada Kecamatan Ciputat.
3) Tidak dimasukkannya isu-isu terkini terhadap penggunaan E-Money
Bank Mandiri diluar dari pertanyaan model penelitian yang dapat
dijadikan justifikasi pendukung hipotesis.
4) Masih terdapat data yang tidak valid dikarenakan penyebaran kuesioner
yang lebih banyak menggunakan media online.
5) Penyebaran kuesioner tidak merata di semua kalangan umur, pekerjaan,
dan lokasi.
5.2 Saran
Untuk dapat mengembangkan hasil penelitian selanjutnya, maka peneliti
memaparkan beberapa saran sebagai berikut:
146
1) Saran untuk peneliti selanjutnya
a. Penyebaran kuesioner lebih diperbanyak dengan cara tatap muka
langsung dengan responden. Sehingga responden dapat penjelasan
langsung mengenai item-item pernyataan yang ada saat pengisian
kuesioner guna menghindari kesalahpahaman terhadap pernyataan
yang ada dalam kuesioner.
b. Diharapkan untuk peneliti selanjutnya agar mendapatkan data
yang cakupannya lebih luas, tidak membatasi kriteria responden
yang dicari, dan dapat mengklasifikasi penyebaran kuesioner seara
merata.
c. Kedepannya dapat mengambil objek dari pengguna yang lebih
sedikit agar memberikan rekomendasi kepeada penerbit agar dapat
meningkatkan jumlah pengguna uang elektroniknya.
d. Menambahkan dan Mengembangakan model UTAUT2 sehingga
terdapat berbagai persfektif baru terkait penggunaan objek yang
diteliti.
2) Saran untuk pihak Bank Mandiri ialah dapat melihat rekomendasi dari
pengaruh yang dihasilkan dari penelitian ini. Rekomendasi-
rekomendasi yang ada pada penelitian ini diharapkan menjadi salah satu
bahan pertimbangan bagi Bank Mandiri untuk meningkatkan terus E-
Money Bank Mandiri kedepannya. Sehingga, E-Money Bank Mandiri
dapat mempertahankan posisi teratasnya sebagai uang elektronik
dengan pengguna terbanyak
147
−
−
147
DAFTAR PUSTAKA
Afthanorhan, W. M. (2013). A Comparison Of Partial Least Square Structural
Equation Modeling (PLS-SEM) and Covariance Based Structural Equation.
International Journal of Engineering Science and Innovative Technology,
vol. 2, no. 5, pp. 198-205.
Ajzen, I. (1988). Attitudes, Personality, and Behavior. Milton Keynes: Open
University Press.
Alotaibi, S. J. & Wald, M. (2013). Evaluation of the UTAUT Model for Acceptence
User Experiences in e-Government Physical and Virtual Identity Access
Management Systems. ICITST, pp. 232-237.
Alawadhi, S. & Morris, A. (2008). The Use of the UTAUT Model in the Adoption
of E-Government Service in Kuwait. IEEE, pp. 1-11.
Alwi, H. (2002). Kamus Besar Bahasa Indonesia (KBBI) Edisi Ketiga. Jakarta:
Balai Pustaka
Ananda, R. M., Kamalah, & Azhar, A. (2014). Faktor-faktor yang mempengaruhi
Kinerja Sistem Informasi Akuntansi pada Perbankan di Kota Pekanbaru.
JOMFEKON, vol. 1, no. 2, pp. 1-15.
Arikunto, S., Jabar, C., & Abdul, S. (2010). Evaluasi Program Pendidikan,
Pedoman, Teoritis, dan Praktis Bagi Mahasiswa dan Praktisi Pendidikan.
Jakarta: Bumi Aksara,
Azis, E. & Kamal, R. M. (2016). Adopsi Teknologi Belanja Online Oleh Konsumen
UMKM dengan Model Unified Theory of acceptence and Use of Technology
2. Bandung: Universitas Telkom.
Badan Pusat Statistik Kota Tangerang Selatan. Diakses dari
https://tangselkota.bps.go.id.
Bandura, A. (1977). Social Learning Theory. Prentice-Hall, Inc., New Jersey
Bank International Settlement (BIS). (1996). Implications For Central Banks Of
The Development Of Electronic Money. BIS Journal. Diakses dari
https://www.bis.org/publ/bisp01.htm
Bank Indonesia. (2014). Siaran Pers Bank Indonesia. Diakses dari
http://www.bi.go.id/id/ruang-media/siaran-pers/Pages/sp_165814.aspx
Bank Mandiri. (2012). Mandiri E-Money. Diakses dari
https://www.bankmandiri.co.id/e-money.
148
Bahri, A. S. (2010). Konsep Uang Elektronik Dan Peluang Implementasinya Pada
Perbankan Syariah (Studi Kritis Terhadap Peraturan Bank Indonesia
Nomor 11/12/PBI/2009 tentang Uang Elektronik). Jakarta: UIN Syarif
Hidayatullah.
Brown, S. A. & Venkatesh, V. (2005). Model of Adoption of Technology in the
Household: A Baseline Model Test and Extension Incorporating Household
Life Cycle. MIS Quarterly, vol. 29, no. 4, pp. 399-426.
Caroline, B. M. (2017). Analisis Penerimaan Pengguna Terhadap Sistem Aplikasi
Service Desk (SASD). Jakarta: UIN Syarif Hidayatullah Jakarta.
Cermati. (2017). Bayar Tol Wajib Gunakan E-Money Berlaku Oktober 2017.
Dikases di https://www.cermati.com/artikel/bayar-tol-wajib-gunakan-e-
money-berlaku-oktober-2017.
Champion, D. J. (1981). Basic Stastistic for Social Research, 2th Edition. Ohio:
South-Western Publishing Co.
Childers, T. L., Carr, C. L., Peck, J., & Carson, S . (2001). Hedonic and Utilitarian
Motivations for Online Retail Shopping Behavior. Journal of Retailing, vol.
77, no. 4, pp. 511-535.
Compeau, D. R. (1995). Computer Self-Efficacy: Development of a Measure and
Initial Test. MIS Quaterly, vol. 19 no. 2, pp. 189-211. .
Compeau, D. R. (1999). Social Cognitive Theory and Individual Reactions to
Computing Technology: A Longitudinal Study. MIS Quaterly, vol. 23, no.
2, pp. 145-158.
Dailysocial. (2017). Transaksi Uang Elektronik Januari-Juli 2017 Naik 58 Persen.
Diakses dari
https://databoks.katadata.co.id/datapublish/2017/09/06/transaksi-uang-
elektronik-januari-juli-2017-naik-58-persen.
Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User
Acceptance of Information Technology. MIS Quaterly, vol. 13, no. 3, pp.
319-340.
Davis, F. D., Bagozzi, R., & Warshaw, P. R. (1992). Extrinsic and Intrinsic
Motivation to Use Computer in the Workplace1. Journal of Applied Social
Psychology, vol. 22, no. 14 , pp. 1111-1132.
Davis, F. D. & Venkatesh, V. (2000). A theoretical extension of the technology
acceptance model: Four longitudinal field studies. Management Studies, vol
46, no. 2, pp. 186-204.
149
Dharma, V. (2012). Model Perilaku Penggunaan TIK pada UMKM di Wilayah
Bekasi dengan Menggunakan Pendekatan UTAUT. Depok: Universitas
Gunadarma
Dinsosnaker Trans Kota Tangerang Selatan. (2010). Diakses dari
http://tangsel.weebly.com. Pada tanggal 07 Februari 2018
Fishbein, M. & Ajzen, I. (1975). Belief, Attitude, Intention, and Behavior: An
Introduction to Theory and Research. Reading, MA: Addison-Wesley
Frank, D. & Milkovic, M. (2018). Evaluation of Electronic Programme Guide
Adoption Using UTAUT2 Based Model. Technical Gazette, vol. 25, no. 3,
pp. 884-890.
Garson, G. D. (2016). Partial Least Square: Regresion & Structural Equation
Models. USA: Statistical Assiciates Publishing.
Gayatrie, M. S., Kusyanti, A. & Saputra, M. C. (2017). Analisis Penerimaan Os
Windows 10 Dengan Unified Theory of Acceptance and Use of Technology
(UTAUT2). Jurnal Pengembangan Teknologi Informasi dan Ilmu
Komputer, vol. 1, no. 6, pp. 514-523.
Ghozali, I. (2011). Aplikasi Analisis Multivariate dengan Program SPSS.
Semarang: Badan Penerbit Universitas Diponegoro.
Ghozali, I. (2014). Structural Equation Modeling, Metode Alternatif dengan
Partial Least Square (PLS) Edisi 4. Semarang: Badan Penerbit Universitas
Diponegoro.
Ghozali, I. & Latan, H. (2015). Partial Least Square:Konsep, Teknik dan Aplikasi
Menggunakan SmartPLS 3.0 Edisi 2. Semarang: Universitas Dipenogoro.
Gupta, A. & Dogra, N. (2017). Tourist Adoption of Mapping Apss: A UTAUT2
Perspective of Smart Travellers. Tourism and Hospitality Management. vol.
23, no. 2, pp. 145-161.
Guritno, S., Sudaryono & Rahardja, U. (2011). Metodologi Penelitian Teknologi
Informasi. Yogyakarta: Penerbit ANDI.
Hadi, S. (2016). Statistik. Jakarta: Pustaka Pelajar.
Hair, J. F. (2012). An Assessment Of The Use Of Partial Least Squares Structural
Equation Modeling In Marketing Research. Journal of the academy of
marketing science, vol. 40, no. 3, pp. 414-433.
150
Harsono, L. D. & Suryana, L. A. (2014). Factors Affecting the Use Behavior of
Social Media Using UTAUT 2 Model. Proceedings of the First Asia-Pacifif
Conference on Global Business, Economics, Finance and Social Sciences
(AP14Singapore Conference), pp. 1-14.
Hidayati, S. (2006). Operasional E-Money. Bank Indonesia
Hikmah, A. F., Kusyanti, A. & Perdanakusuma, A. R. (2018). Analisis Faktor-
Faktor Yang Memengaruhi Perilaku pengguna Massenger ABC dalam
Penerimaan Informasi pada Lembaga XYZ dengan Menggunakan UTAUT
(Unified Theory of Acceptence and Use of technology). Malang: Universitas
Brawijaya.
Huang, C. Y. & Kao, Y. S. (2015). UTAUT2 Based Predictions of Factors
Influencing the Technology Acceptence of Phablets by DNP. Mathematical
Problems in Engineering, vol. 2015, no. 1, pp. 1-23.
Huda, M. Q. & Hussin, H. (2016). Evaluation model of Information Technology
innovation effectiveness case of higher education institutions in Indonesia.
In Informatics and Computing (ICIC). IEEE, pp. 221-226.
Hussein, A. S. (2015). Penelitian Bisnis dan Manajemen Menggunakan Partial
Least Square (PLS) dengan SmartPLS 3.0. Malang: Universitas Brawijaya.
Indra, N. (2018). 6 Masalah Penggunaan E-Money di Jakarta, Pelajaran untuk Sri
Binta Pura. Batamnews. Diakses https://www.batamnews.co.id/berita-
34084-6-masalah-penggunaan-emoney-di-jakarta-pelajaran-untuk-sri-
bintan-pura.html.
Indrawan, R. & Yaniawati, R. P. (2014). Metodologi Penelitian Kuantitatif,
Kualitatif, dan Campuran Untuk Manajemen, Pembangunan, dan
Pendidikan. Bandung: Penerbit PT Refika Aditama
Instrumen Pembayaran Nontunai. Diakses di http://www.bi.go.id/id/sistem-
pembayaran/instrumen-nontunai/unik/Contents/Default.aspx. Pada tanggal
30 Desember 2017.
Jati, N. J. & Laksito, H. (2012). Analisis Faktor-faktor yang Mempengaruhi Minat
Pemanfaatan Dan Penggunaan Sistem E-Ticket. Diponogoro Journal of
Accounting, vol. 1, no. 2, pp. 1-14.
Kalamatianou, M A & Malamateniou, F. (2017). An Extended UTAUT2 Model for
e-Government Project Evaluation. IARIA, pp. 48-54.
Kotler, P. (2009). Manajemen Pemasaran, Edisi 13. Jakarta: Erlangga.
151
Kotler, P. & Keller, K. L. (2008). Manajemen Pemasaran, Jilid I. Jakarta: Erlangga.
Kusuma, V. (2015). Pengembangan dan Analisis Kualitas Sistem Informasi
Ekstrakulikuler Berbasis WEB dia SMANegeri 1 Purbalingga. Yogyakarta:
UNY.
Limayem, M., Hirt, S. G., & Cheung, C. M. K. (2007). How Habit Limits The
Predictive Power Of Intention: The Case Of Information Systems
Continuance. MIS Quarterly, vol. 31, no. 4, pp. 705-737.
Liu, Y. C. & Huang, Y. M. (2015). Using the UTAUT model to examine the
acceptance behavior of synchronous collaboration to support peer
transaltion. JALT CALL, vol. 11, no. 1, pp. 77-91.
Malau, Y. (2016). Analisis Penerimaan Rail Ticket System pada PT.KAI dengan
Menggunakan Model UTAUT. PARADIGMA, vol. XVIIII, no. 2, pp. 102-
112.
Katadata. (2017). Mandiri e-Money, Uang Elektronik Terpopuler di Indonesia.
Diakses di https://databoks.katadata.co.id/datapublish/2017/10/27/mandiri-
e-money-uang-elektronik-terpopuler-di-indonesia.
Moore, G. C. & Benbasat, I. (1991). Development of an Instrument to Measure the
Perceptions of Adopting an Information Technology Innovation.
Information Systems Research, vol. 2, no. 3, pp. 192-222.
Narh, J. T. A. & Williams, P. A. H. (2012). A revised UTAUT model to investigate
E-Health acceptance of health professionals in Africa. JETCIS, vol. 2, no.
10, pp. 1383-1391
Nasir, M. (2013). Evaluasi Penerimaan Teknologi Informasi Mahasiswa di
Palembang Menggunakan Model UTAUT. SNATI, pp. 36-40.
Pikkarainen, T., Pikkarainen, K., Karjalouto, H., & Pahnila, S. (2004). Consumer
Acceptence of Online Banking: An Extension oh The Technology
Acceptence Model. Internet Research, vol. 14, no. 3, pp, 224-235.
Pratama, A. E. (2014). Sistem Informasi dan Implementasinya. Bandung:
Informatika Bandung,
Ramdhani, A. B., Rachmawati, I., & Prabowo, F. S. A. (2017). Pengaruh Adopsi
Teknologi Layanan Uang Elektronik Telkomsel Cash Menggunakan
Pendektan UATUT2. Bandung: Universitas Telkom.
Ringle, C. M., Sarstedt, M., & Straub, D. W. (2012). A Critical Look at The Use
of PLS-SEM. MIS Quarterly, vol. 36, no. 1, pp. 3-14.
152
Rogers, E. M. (1962). Diffusion and Innovation. The Free Press: New York.
Roscoe, J. T. (1975). Fundamental Research Statistics for the Behavioral Sciences.
New York: Holt, Rinehart and Winston.
Sabarkah, D. R. (2018). Pengukuran Pengukuran Tingkat Penerimaan Dan
Penggunaan Teknologi Uang Elektronik Di Tangerang Selatan Dengan
Menggunakan Model UTAUT 2. Jakarta: UIN Jakarta.
Sangadji, E. M. & Sopiah. (2010). Metodologi Penelitian. Yogyakarta: ANDI.
Setiawan, A. B. (2016). Evaluasi Kepuasan Pengguna Sistem Aplikasi Surat
Keterangan Tinggal Sementara Online (SKTS) dengan Mengggunakan
Metode End-User Computing Satisfaction. Surabaya: Universitas
Airlangga.
Subiyakto, A., Ahlan, A. R., & Sukmana, H. T. (2014). An Alternative Method for
Determining Critical Success Factors of Information System Project.
TELKOMNIKA Telecommunication, Computing, Electronics and Control,
vol. 12, no. 3, pp. 665-674.
Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Sukmana, H. T. (2015). Influences of
the Input Factors towards Success of An Information System Project.
TELKOMNIKA, vol. 13, no. 2, pp. 686-693.
Subiyakto, A., Ahlan, A. R., Putra, S. J., & Kartiwi, M. (2015). Validation of
Information System Project Success Model. SAGE Open, vol. 5, no. 2, pp.
1-14.
Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Putra, S. J. (2016). Measurement of the
information system project success of the higher education institutions in
Indonesia: a pilot study. International Journal of Business Information
System, vol. 23, no. 2, pp. 229-247.
Subiyakto, A., Ahlan, A. R., Kartiwi, M., Putra, S. J., & Durachman, Y. (2016).
The User Satisfaction Perspectives of the Information System Projects.
Indonesian Journal of Electrical Engineering and Computer Science, vol.
4, no. 1.
Subiyakto, A. (2017). Development of The Readiness and Success Model for
Assessing the Information System Integration. Paper presented at the
International Conference on Science and Technology (ICOSAT) 2017,
Jakarta.
Subiyakto, A., Septiandani, D., Nurmiati, E., Durachman, Y., Kartiwi, M., & Ahlan,
A. R. (2017). Managers Perceptions towards the Success of E-Performance
153
Reporting System. TELKOMNIKA (Telecommunication Computing
Electronics and Control), vol. 15, no. 3, pp. 1389-1396.
Subiyakto, A., Rosalina, R., Utami, M. C., Kumaladewi, N., & Putra, S. J. (2017).
The Psychometric and Interpretative Analyses for Assessing the End-User
Computing Satisfaction Questionnaire. Paper presented at the 5th
International Conference on Information Technology for Cyber and IT
Service Management (CITSM) 2017 Denpasar, Bali.
Subiyakto, A. (2018). Assessing Information System Integration Using
Combination of the Readiness and Success Models. Bulletin of Electrical
Engineering and Informatics, vol. 7, no. 3, pp. 400-410.
Subiyakto, A., Ahlan, A. R., Kartiwi, M., Hakiem, N., Huda, M. Q. & Susanto, A.
(2018). The Information SystemProject Profiles among Universities in
Indonesia. Indonesian Journal of Electrical Engineering and Computer
Science, vol. 12, no. 2, pp. 865-872 .
Succi, M. J. & Walter, Z. D. (1999). Theory of User Acceptance of Information
Technologies: An Examination of Health Care Professionals. HICSS, pp. 1-
7.
Sugiyono. (2012). Metodologi Penelitian Kuantitatif, Kualitatif dan R&D.
Bandung: Alfabeta.
Sugiyono. (2013). Metodologi Penelitian Kombinasi (Mixed Methode). Bandung:
Alfabeta.
Sultan, M. A. & Ramdhan, M. R. P. (2016). Behavioral Intention of Instagram as
Part of Technology Acceptence. Educational Technology & Society, vol.
12, no. 3, pp. 150-162.
Suryani, T. (2008). Perilaku Konsumen: Implikasi Pada strategi Pemasaran.
Yogyakarta: Graha Ilmu.
Tayibnapis, F. Y. (2008). Evaluasi Program dan Instrumen Evaluasi untuk
Program Pendidikan dan Penelitian. Jakarta: Rineka Cipta.
Taylor, S. & Todd, P. A. (1995). Understanding Information Technology Usage: A
Test of Competing Models. Information Systems Research, no.6, pp. 144-
176
Thompson, R. L., Higgins, C. A., & Howell, J. M. (1991). Personal Computing:
Towards a Conceptual Model of Utilization. MIS Quaterly, vol. 15, no. 1,
pp. 125-143.
154
Tjiptono, F. (2008). Strategi Pemasaran,Edisi 3. Yogyakarta: ANDI
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis F. D. (2003). User Acceptance
of Information Technology: Toward a Unified View. MIS Quaterly, vol. 27,
no. 3, pp. 425-478.
Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer Acceptance and Use of
Information Technology: Extending the Unified Theory of Acceptance and
Use of Technology. MIS Quaterly, vol. 36, no. 1, pp. 157-178.
Waspada, I. (2012). Percepatan Adopsi Sistem Transaksi Teknlogi Informasi Untuk
Meningkatkan Aksesibilitas Layanan Jasa Perbankan. Jurnal Keuangan dan
Perbankan, vol. 16, no. 1, pp. 122-131.
Wirawan. (2011). Evaluasi Teori Model Standar Aplikasi dan Profesi, Contoh
aplikasi Evaluasi Program: Pengembangan Sumber Daya Manusia,
Program Nasional Pemberdayaan Masyarakat (PNPM) Mandiri Pedesaan
Kurikulum, Perpustakaan, dan Buku Tes. Jakarta: Raja Grafindo Persada.
Wu, M. C. (2016). An Examination of Mobile Applicatioan Use Intention through
the Unified Thory of Acceptance Technology Model. JIMS, vol. 11, no. 1,
pp. 110-121.
Yamin, S. & Kurniawan, H. (2011). Generasi Baru Mengolah Data Penelitian
dengan Partial Least Square Path Modeling : Aplikasi dengan software
XLSTAT, SmartPLS, dan Visual PLS. Edisi 1. Jakarta: Salemba Infotek.
Yuniarti, Y. (2016). Analisis Faktor-Faktor yang Mempengaruhi Penggunaan
Media Sosial dalam Berwirausaha dengan Menggunakan Decomposition
Theory OF Planned Behaviour (DTPB). Bandung: Universitas Pendidikan
Indonesia.
Zuriah, N. (2006). Metodologi Penelitian Sosial dan Pendidikan. Jakarta: Bumi
Aksara.
top related