perpustakaan.uns.ac.id digilib.uns.ac.id ANALISIS FAKTOR .../Analisis-Faktor-Yang... · Tujuan dari penelitian ini adalah menemukan bukti-bukti empiris dan untuk mengetahui faktor-faktor

ANALISIS FAKTOR YANG MEMPENGARUHI

PENERIMAAN DAN PENGGUNAAN SOFTWARE AKUNTANSI

STUDI EMPIRIS : MAHASISWA AKUNTANSI S1 DAN D3 FAKULTAS

EKONOMI UNS DENGAN PENDEKATAN TECHNOLOGY

ACCEPTANCE MODEL (TAM)

SKRIPSI

Diajukan Untuk Melengkapi Tugas-Tugas Dan Memenuhi Persyaratan

Guna Memperoleh Gelar S-1 Pada Jurusan

Akuntansi Fakultas Ekonomi

Universitas Sebelas Maret Surakarta

DISUSUN OLEH :

EDWIN SURYA SAPUTRA

F.0309015

FAKULTAS EKONOMI

UNIVERSITAS SEBELAS MARET

SURAKARTA

perpustakaan.uns.ac.id digilib.uns.ac.id

commit to user

2012 ANALYSIS OF THE FACTORS AFFECTING THE ACCEPTANCE AND USE OF ACCOUNTING SOFTWARE CASE STUDIES OF ACCOUNTING STUDENTS

S1 AND D3 ECONOMICS FACULTY WITH TECHNOLOGY ACCEPTANCE MODELS (TAM) APPROACH

Edwin Surya Saputra F.0309015

Economic Faculty of Sebelas Maret University Surakarta

ABSTRACT

The purpose of this study was to find empirical evidence and to determine

the factors that influence the acceptance of accounting software based on the theory of the Technology Acceptance Model (TAM). Variables used in this study, consisting of three exogenous variables and five endogenous variables. The exogenous variables consits demand of work, experiences, and frequencyof use, while the endogenous variables of perceived of usefulness, perceived ease of use, attitude toward using, and actual system use.

This study is an empirical study using purposive sampling technique in collecting data. Amount of the final sample of students used the criteria that have been taking students as well as having experience in using accounting software in the lecture and outside lectures.

This study showed that job demand do not affect the perception of usefulness, experience does not affect the perception of usefulness, experience does not affect the perception of ease, the frequency effect on perceived ease of use, perceived ease of influence on the perception of usefulness, perceived of usefulness affects attitude toward use, perceived ease of effect on attitudes toward to use, attitude toward the use affect behavioral intention to use, and behavioral intention to use does not affect the actual system use.

Keywords: Information System, Accounting Software, Technology Acceptance Model (TAM), Perceived Ease of Use (PEOU), Perceived Usefulness (PU), Attitude toward Using (ATU), dan Actual System Use (AcU), Demand of Works (DOW), Experience (EXP), dan Frequency of Use (FOU).


commit to user

ANALISIS FAKTOR YANG MEMPENGARUHI PENERIMAAN DAN PENGGUNAAN SOFTWARE AKUNTANSI

STUDI KASUS : MAHASISWA AKUNTANSI S1 DAN D3 FAKULTAS EKONOMI UNS DENGAN PENDEKATAN TECHNOLOGI ACCEPTANCE

MODEL (TAM)

Edwin Surya Saputra F.0309015

Fakultas Ekonomi Universitas Sebelas Maret Surakarta

ABSTRAK

Tujuan dari penelitian ini adalah menemukan bukti-bukti empiris dan untuk mengetahui faktor-faktor yang mempengaruhi penerimaan terhadap software akuntansi berdasarkan Technology Acceptance Model (TAM). Variabel yang digunakan dalam penelitian ini, terdiri atas tiga variabel eksogen dan lima variabel endogen. Variabel eksogen terdiri atas Demand of Works, Experience, dan Frequency of Use, sedangkan variabel endogen terdiri dari Perceived Usefullness, Perceived Ease of Use, Attitude toward Using, dan Actual System Use.

Penelitian ini merupakan studi empiris yang menggunakan teknik purposive sampling dalam pengumpulan data. Jumlah sampel akhir yang digunakan sebanyak 200 mahasiswa dengan kriteria mahasiswa yang sudah menempuh serta memiliki pengalaman dalam menggunakan software akuntansi dalam perkuliahan maupun di luar perkuliahan. Penelitian ini menunjukkan bahwa tuntutan pekerjaan tidak berpengaruh terhadap persepsi kebermanfaatan, pengalaman tidak berpengaruh terhadap persepsi kebermanfaatan, pengalaman tidak berpengaruh terhadap persepsi kemudahan, frekuensi penggunaan berpengaruh terhadap persepsi kemudahan, persepsi kemudahan berpengaruh terhadap persepsi kebermanfaatan, persepsi kebermanfaatan berpengaruh terhadap sikap terhadap penggunaan, persepsi kemudahan berpengaruh terhadap sikap terhadap penggunaan, sikap terhadap penggunaan berpengaruh terhadap minat perilaku pengguna, minat perilaku tidak berpengaruh terhadap penggunaan senyatanya. Kata kunci : Technology Acceptance Model (TAM), Perceived Ease of Use (PEOU), Perceived Usefulness (PU), Attitude toward Using (ATU), dan Actual System Use (AcU), Demand of Works (DOW), Experience (EXP), dan Frequency of Use (FOU).


commit to user


commit to user


commit to user

PERSEMBAHAN

Teruntuk yang telah membantu saya selama ini, Ch Renitya, Wahyu, dan Fate …


commit to user

MOTTO

Segala perkara dapat kutanggung di dalam Dia, yang memberi kekuatan

kepadaku

(Filipi 4:13)


commit to user

KATA PENGANTAR

Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa, atas kasih,

penghiburan, pertolongan, dan kekuatan yang Dia berikan, sehingga penulis dapat

menyelesaikan penulisan skripsi ini.

Skripsi ini ditulis berdasarkan penelitian mengenai Analisis Faktor Yang

Mempengaruhi Penerimaan Dan Penggunaan Software Akuntansi. Dengan

keterbatasan, penulis menyadari bahwa hasil penelitian ini masih memiliki banyak

kekurangan. Dengan rendah hati penulis mengharapkan masukan, arahan maupun

kritikan demi penyempurnaan hasil penelitian ini.

Pada kesempatan ini, secara khusus, penulis ingin menyampaikan terima

kasih yang sebesar-sebesarnya kepada :

1. Dr. Wisnu Untoro, M.S., selaku Dekan Fakultas Ekonomi Universitas Sebelas

Maret.

2. Drs. Santoso Tri Hananta, M.Si.,Ak, selaku Ketua Jurusan Akuntansi

Fakultas Ekonomi Universitas Sebelas Maret.

3. Dra. Setianingtyas Honggowati, M.M., Ak., selaku pembimbing akademik

yang telah banyak membimbing penulis selama menjalani pendidikan di

Fakultas Ekonomi Universitas Sebelas Maret serta memberikan berbagai

pengalaman bagi penulis.

4. Christiyaningsih Budiwati, S.E., M.Si., Ak., selaku dosen pembimbing skripsi

yang telah meluangkan waktu dan pikirannya untuk membimbing dan

mengarahkan proses penulisan skripsi ini. Terimakasih untuk setiap ilmu dan


commit to user

pembelajaran yang sangat membantu penulis dalam menyelesaikan skripsi

ini.

5. Dra. Y. Anni Aryani M.Prof, Acc, Ph. D. Ak., selaku dosen penguji skripsi

yang telah meluangkan waktu dan pikirannya dalam memberikan ilmu bagi

penulis sehingga dapat menyelesaikan skripsi dengan tepat.

6. Sri Suranta, S.E., M.Si., Ak, selaku dosen penguji skripsi yang telah

meluangkan waktu dan pikirannya dalam memberikan ilmu bagi penulis

sehingga dapat menyelesaikan skripsi dengan tepat.

7. Agus Widodo, S.E., M.Si., Ak., selaku dosen Fakultas Ekonomi Uneversitas

Sebelas Maret yang selalu memberikan arahan bagi penulis dan berbagi

proyek kepada penulis.

8. Seluruh dosen yang telah mengajar dan mendidik penulis selama menjalani

pendidikan di Fakultas Ekonomi Universitas Sebelas Maret.

9. Dhewi Indah (Akuntansi 2006) serta teman-teman seperjuangan jurusan

Akuntansi 2009 Fakultas Ekonomi Universitas Sebelas Maret.

10. Para responden, yang telah membantu dan meluangkan waktu mengisi

kuesioner dan Teman-teman yang telah membantu menyebar kuesioner dalam

penelitian ini.

Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Namun

penulis tetap berharap skripsi ini dapat memberi manfaat bagi para pembaca.

Surakarta, 2012

Teriring Salam & Kasih

Penulis


commit to user

DAFTAR ISI

Halaman

HALAMAN JUDUL i

ABSTRACT ii

ABSTRAK iii

HALAMAN PERSETUJUAN PEMBIMBING iv

HALAMAN PENGESAHAN v

HALAMAN PERSEMBAHAN vi

HALAMAN MOTTO vii

KATA PENGANTAR viii

DAFTAR ISI x

DAFTAR TABEL xii

DAFTAR GAMBAR xv

ISI

BAB I PENDAHULUAN 01

A. Latar Belakang Masalah 01

B. Perumusan Masalah 07

C. Tujuan Penelitian 08

D. Kegunaan Penelitian 010

E. Sistematika Penulisan 10

BAB II TINJAUAN PUSTAKA 12

A. Sistem Informasi dan Software Akuntansi 12


commit to user

B. Landasan Teori 21

C. Penelitian Terdahulu 28

D. Kerangka Pemikiran dan Pengembangan Hipotesis 31

BAB III METODE PENELITIAN 39

A. Desain Penelitian 39

B. Populasi, dan Teknik Pemilihan Sampel 41

C. Jenis dan Sumber data 42

D. Metode Pengumpulan Data 42

E. Instrumen Penelitian, Definisi Operasional dan Variabel Penelitian

43

F. Metode Analisis Data 51

BAB IV ANALISIS DATA DAN PEMBAHASAN 67

A. Deskripsi Umum Responden Penelitian 67

B. Analisis Data dan Pengujian Hipotesis 71

BAB V PENUTUP 137

A. Kesimpulan 137

B. Keterbatasan Penelitian 138

C. Saran 139

DAFTAR PUSTAKA

LAMPIRAN


commit to user

DAFTAR TABEL

Halaman

Tabel 3.1.Teknik Estimasi 58

Tabel 3.2.Goodness of fit Indices 65

Tabel 4.1 Distribusi Kuesioner Penelitian 68

Tabel 4.2 Statistik Deskriptif Jenis Kelamin Responden 68

Tabel 4.3 Statistik Deskriptif Program Studi Responden 69

Tabel 4.4 Statistik Deskriptif Berdasarkan Pengalaman 70

Tabel 4.5 Goodness of fit Indices untuk Konstruk Demand of Work 73

Tabel 4.6 Regression Weight untuk Konstruk Demand of Work 74

Tabel 4.7 Standardize Regression untuk Konstruk Demand of Work 74

Tabel 4.8 Goodness of fit Indices untuk Konstruk Demand of Work 76

Tabel 4.9 Regression Weight untuk Konstruk Demand of Work 77

Tabel 4.10 Standardize Regression untuk Konstruk Demand of Work 77

Tabel 4.11 Goodness of fit Indices untuk Konstruk Experience 79

Tabel 4.12 Regression Weight untuk Konstruk Experience 80

Tabel 4.13 Standardize Regression untuk Konstruk Experience 80

Tabel 4.14 Goodness of fit Indices untuk Konstruk Frequency of Use 82

Tabel 4.15 Regression Weight untuk Konstruk Frequency of Use 83

Tabel 4.16 Standardize Regression untuk Konstruk Frequency of Use 83

Tabel 4.17 Goodness of fit Indices untuk Konstruk Perceived of


commit to user

Usefulnes 85

Tabel 4.18 Regression Weight untuk Konstruk Perceived of Usefulness 86

Tabel 4.19 Standardize Regression untuk Konstruk Perceived of

Usefulness 86

Tabel 4.20 Goodness of fit Indices untuk Konstruk Perceived Ease of

Use 89

Tabel 4.21 Regression Weight untuk Konstruk Perceived Ease of Use 89

Tabel 4.22 Standardize Regression untuk Konstruk Perceived Ease of

Use 90

Tabel 4.23 Goodness of fit Indices untuk Konstruk Attitude toward

Using 92

Tabel 4.24 Regression Weight untuk Konstruk Attitude toward Using 92

Tabel 4.25 Standardize Regression untuk Konstruk Attitude toward

Using 93

Tabel 4.26 Goodness of fit Indices untuk Konstruk Behavioral Intention to

Use 95

Tabel 4.27 Regression Weight untuk Konstruk Behavioral Intention

to Use 95

Tabel 4.28 Standardize Regression untuk Konstruk Behavioral Intention

to Use 96

Tabel 4.29 Goodness of fit Indices untuk Konstruk Actual System Use 98

Tabel 4.30 Regression Weight untuk Konstruk Actual System Use 98

Tabel 4.31 Standardize Regression untuk Konstruk Actual System Use 99


commit to user

Tabel 4.32 Goodness of fit Indices untuk Konstruk Endogen dan Eksogen 102

Tabel 4.33 Regression Weight untuk Konstruk Endogen dan Eksogen 103

Tabel 4.34 Standardize Regression untuk Konstruk Endogen dan Eksogen 104

Tabel 4.35 Tabel Mahalonobis Distance 108

Tabel 4.36 Tabel Uji Normalitas 110

Tabel 4.37 Bollen-Stine Bootstrap 112

Tabel 4.38 Goodness of fit Indices untuk Full Mode 114

Tabel 4.39 Standardize Regression untuk Factor Loading dalam

Full Mode 115

Tabel 4.40 Standardize Regression untuk Factor Loading dalam

Full Mode (modifikasi) 117

Tabel 4.41 Ouput Regression Weight 120

Tabel 4.42 Output Standardize Regression Weight 121

Tabel 4.43 Output Multiple Correlataion 122

Tabel 4.44 Ringkasan Hasil Pengujian Hipotesis 135


commit to user

DAFTAR GAMBAR

Gambar Halaman

2.1. Bagan Kerangka Pemikiran Penelitian 032

4.1 Confirmatory Factor Analysis untuk konstruk Demand of Work 72

4.2 ModificationConfirmatory Factor Analysis untuk konstruk

Demand of Work 75

4.3. Confirmatory Factor Analysis untuk konstruk Experience 78

4.4. Confirmatory Factor Analysis untuk konstruk Frequency of Use 81

4.5. Confirmatory Factor Analysis untuk konstruk Perceived of

Usefulness 0 84

4.6. Confirmatory Factor Analysis untuk konstruk Perceived Ease of

Use 88

4.7. Confirmatory Factor Analysis untuk konstruk Attitude toward

Using 91

4.8. Confirmatory Factor Analysis untuk konstruk Behaviour Intention to

Use 094

4.9. Confirmatory Factor Analysis untuk konstruk Actual System Use 97

4.10. Confirmatory Factor Analysis untuk konstruk Endogen dan

Eksogen 101

4.11. Persamaan Full Mode 106

4.12. Persamaan Full Mode Modification 113

4.13. Model TAM setelah pengujian hipotesis 136


commit to user

1

BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Informasi merupakan hal yang sangat penting. Informasi selalu

memberikan kontribusi yang membantu sesorang untuk lebih mengerti

mengenai suatu permasalahan. Untuk era yang selalu berkembang,

informasi sangat dibutuhkan di berbagai kalangan, baik perusahaan go

public, perusahaan kecil, dan sektor publik.

Akuntansi merupakan suatu komponen yang tidak dapat terpisahkan

dalam suatu organisasi. Akuntansi merupakan dasar dan pedoman baik bagi

pihak eksternal maupun internal untuk proses pengambilan keputusan

dengan melihat informasi yang ada dalam perusahaan tersebut. Kebutuhan

informasi selalu menjadi dasar bagi manusia untuk melakukan sesuatu.

Informasi selalu berkembang dari waktu ke waktu. Dari

pengertiannya sendiri, informasi adalah data yang dapat diolah dan

dijadikan sebuah informasi serta dapat digunakan sebagai dasar dalam

pengambilan keputusan dan memecahkan masalah (Romney dan Steinbard,

2003).

Informasi yang selalu berkembang juga memiliki suatu kelemahan,

yaitu informasi sudah dikatakan tidak valid apabila informasi disajikan

secara tidak relevan dan tidak tepat pada waktunya. Informasi yang baik


commit to user

2

selalu akurat, tepat waktu dan relevan terhadap sesuatu yang diulas dalam

informasi tersebut (Mcleod dan George, 2009).

Informasi selalu memberikan kontribusi bagi mahasiswa baik dalam

pembelajaran di dalam perkuliahan maupun di luar perkuliahan.

Penggunaan suatu sistem sangat diperlukan untuk mempermudah dan

memperkuat suatu informasi. Sistem informasi yang berkualitas merupakan

sistem yang memberikan informasi dan dirancang agar dapat menangkap,

mengartikan, dan memanipulasi serta menjelaskan informasi baik internal

dan eksternal secara efektif dan efisien (Mcleod, 2001).

Sistem informasi memberikan nilai tambah terhadap proses,

produksi, kualitas, manajemen, pengambilan keputusan, dan pemecahan

masalah serta keunggulan kompetitif yang tentu saja sangat berguna bagi

kegiatan bisnis. Sistem informasi selalu menjadi pelengkap dalam semua

tingkatan di suatu organisasi. Sistem informasi menjadi suatu trend baik

dalam perusahaan yang sudah go public, perusahaan kecil maupun dalam

sektor pemerintahan. Sistem informasi selalu terkait dan berhubungan satu

dengan yang lain.

Sistem informasi harus dapat digunakan di kalangan suatu

organisasi. Informasi yang selalu berhubungan selalu dibutuhkan dan terkait

antara satu divisi terhadap divisi yang lain dalam suatu organisasi. Sistem

informasi harus dapat digunakan oleh semua karyawan dalam suatu

organisasi yang saling berhubungan. Seringkali pengadaan suatu sistem

informasi selalu menghasilkan pengeluaran yang besar untuk investasi


commit to user

3

tersebut. Pengadaan sistem informasi dengan investasi yang besar dalam

suatu sektor sebenarnya juga memberikan feedback berupa kinerja dan

produktivitas yang lebih baik dibandingkan secara manual. Hal tersebut

mendasari beberapa sektor untuk lebih menggunakan teknologi informasi

dan komunikasi dalam proses kinerja.

Akuntansi merupakan dasar penilaian keuangan dalam suatu proses

bisnis. Proses bisnis dapat dinilai dengan melihat struktur sistem informasi.

Oleh karena itu, sistem informasi akuntansi selalu mengalami

perkembangan yang begitu pesat. Perkembangan yang pesat menimbulkan

berbagai macam jenis software yang dibuat untuk membantu dalam

mempersingkat waktu pengerjaan sistem akuntansi. Sistem akuntansi secara

manual membutuhkan waktu yang lebih banyak, dimulai dari bagaimana

mencatat transaksi hingga bagaimana melakukan proses pembuatan laporan

keuangan yang sesuai dengan kaidah kerangka konseptual dan standar yang

berlaku (Mcleod, 2001). Berbeda dengan sistem informasi akuntansi,

software menjadi hal penting yang digunakan untuk mengolah data

akuntansi dan membantu proses data transaksi keuangan suatu perusahaan.

Beberapa contoh software akuntansi yang seringkali digunakan oleh

perusahaan maupun di sektor lain pada saat ini diantaranya, ACCURATE,

BEE ACCOUNTING, PEACHTREE, MYOB, MS EXCEL dan lain

sebagainya.

Penggunaan software dalam entitas dapat mempercepat serta

memberikan olah data yang lebih akurat daripada secara manual dan seluruh


commit to user

4

evidence dapat ditelusur lebih mudah bila menggunakan software.

Teknologi informasi dapat memenuhi kebutuhan informasi bisnis dengan

sangat cepat, tepat waktu, relevan dan akurat (Wilkison dan Cerullo, 1997).

Setiap entitas baik sektor publik maupun sektor swasta, saat ini lebih

memberi perhatian khusus dan mengembangkan Teknologi Informasi

sebagai media yang lebih efektif dan efisien dalam mengumpulkan dan

menyebarkan informasi untuk berbagai kalangan.

Implementasi IT di kalangan mahasiswa ternyata kerap sekali terjadi

berbagai hambatan yang berpengaruh pada proses informasi. Banyak sekali

kalangan yang mungkin belum mampu mengoperasikan IT secara mutlak,

atau mungkin juga terdapat kesalahan dalam proses sistem sehingga

membuat suatu informasi menjadi tidak relevan dan tidak tepat waktu.

Kesalahan sistem kerap sekali terjadi dari data base yang bermasalah hingga

kemampuan personal yang kurang (Romney dan Steinbart, 2003).

Faktor pengguna adalah faktor yang mendasari kesuksesan dan

kebermanfaatan dari IT. Pengguna yang mampu mengoperasikan suatu

sistem IT dengan baik maka manfaat itu dapat dirasakan. Pengguna

merupakan suatu core dari suatu sistem, dengan sistem yang didasari suatu

AI (Artificial Intelligent) seseorang dapat memperoleh hasil yang secara

otomatis diproses oleh suatu sistem, penggunaan perintah If (jika-maka)

dapat mempermudah suatu olah informasi, jika pengguna siap untuk

menerima IT maka suatu sistem dapat dikatakan mengalami kesuksesan atau

tidak (Mcleod dan George, 2009).


commit to user

5

Oleh karena IT dapat digunakan dengan faktor kemudahan dan

kebermanfaatan, maka perilaku dari menggunakan IT tergantung dari

insentitas seberapa mudah dan bermanfaatnya IT tersebut dalam suatu

entitas, maka penelitian mengenai perilaku dari penggunaan IT

mengadaptasi penggunaan Technology Acceptance Model (TAM), TAM

menawarkan suatu penjelasan yang kuat dan sederhana untuk penerimaan

teknologi dan perilaku penggunanya (Venkatesh dan Moris, 2000).

Technology Acceptance Model (TAM) dikembangkan oleh Davis

(1989) yang mengadopsi model TRA, (Davis, Fred., 1989) mendefinisikan

persepsi atas kemanfaatan (perceive of usefulness) sebagai “suatu tingkatan

dimana seseorang percaya bahwa menggunakan sistem tersebut dapat

meningkatkan kinerjanya dalam bekerja”. Model TAM adalah model yang

seringkali digunakan untuk menganalisa perilaku penggunaan dalam

menggunakan IT yang terbentuk dari dua variabel kunci yaitu variabel

Kemudahan dan kebermanfaatan. Bentuk original TAM terbentuk dari

persepsi penggunaan (perceived of usefulness), persepsi kemudahan

penggunaan (perceived ease of use), sikap (attitude), minat perilaku

(behavioral intention), dan penggunaan senyatanya (actual use) (Davis,

1989). TAM digunakan untuk meneliti apakah antara perceived of

usefulness dan perceive ease of use berpengaruh terhadap behavioral

intension of use, namun disini peneliti menambahkan beberapa variabel

untuk mengetahui apakah variabel eksternal berpengaruh terhadap variabel

kunci dalam TAM dan apakah variabel tersebut berpengaruh positif


commit to user

6

terhadap variabel kunci dari TAM. Variabel eksternal yang digunakan oleh

peneliti adalah tuntutan tugas dan pekerjaan (demand of works), pengalaman

(experience), dan frekuensi penggunaan (frequency of use).

Peneliti memilih untuk melakukan penelitian pada mahasiswa

akuntansi. Hal ini dikarenakan mahasiswa memiliki kontribusi yang cukup

besar dalam penggunaan software akuntansi. Mahasiswa akuntansi kerap

sekali berhubungan dengan informasi keuangan, namun mahasiswa

akuntansi kerap sekali dinilai kurang tanggap dalam penerapan sistem

informasi tersebut mengenai informasi keuangan.

Disini peneliti ingin mengetahui apakah variabel eksternal

berpengaruh terhadap model TAM yang berarti berpengaruh dalam

penggunaan sistem tersebut secara aktual. Penggunaan software di kalangan

mahasiswa akuntansi cukup membantu dalam penyelesaian tugas dan model

pembelajaran. Peneliti ingin mengetahui faktor-faktor apa saja yang

mempengaruhi penerimaan dan penggunaan software akuntansi terhadap

pemakaian di kalangan mahasiswa Akuntansi D3 dan Akuntansi S1 Fakultas

Ekonomi UNS dan apakah mahasiswa menggunakan software hanya sebatas

perkuliahan atau menggunakan software di luar perkuliahan.

Oleh karena itu, penelitian ini diberi judul “ANALISIS FAKTOR

YANG MEMPERNGARUHI PENERIMAAN DAN PENGGUNAAN

SOFTWARE AKUNTANSI STUDI EMPIRIS: MAHASISWA

AKUNTANSI S1 DAN D3 FAKULTAS EKONOMI DENGAN

PENDEKATAN TECHNOLOGY ACCEPTANCE MODEL (TAM)”.


commit to user

7

B. Perumusan Masalah

Berdasarkan latar belakang masalah yang dikemukakan di atas, maka

masalah yang menjadi perhatian dalam penelitian ini dapat dirumuskan

sebagai berikut.

1. Apakah tuntutan tugas dan pekerjaan (demand of works) berpengaruh

positif terhadap persepsi kebermanfaatan (perceive of usefulness) dalam

penggunaan software akuntansi di kalangan mahasiswa akuntansi?

2. Apakah pengalaman (experience) berpengaruh positif terhadap persepsi

kebermanfaatan (perceive of usefulness) dalam penggunaan software

akuntansi di kalangan mahasiswa akuntansi?

3. Apakah pengalaman (experience) berpengaruh positif terhadap persepsi

kemudahan (perceive ease of use) dalam penggunaan software akuntansi

di kalangan mahasiswa akuntansi?

4. Apakah frekuensi penggunaan (frequency of use) berpengaruh positif

terhadap persepsi kemudahan (perceive ease of use) dalam penggunaan

software akuntansi di kalangan mahasiswa akuntansi?

5. Apakah persepsi kemudahan (perceive ease of use) berpengaruh positif

terhadap persepsi kebermanfaatan (perceive of usefulness) dalam


6. Apakah persepsi kebermanfaatan (perceive of usefulness) berpengaruh

positif pada sikap terhadap penggunaan (attitude toward using) dalam



commit to user

8

7. Apakah persepsi kemudahan (perceive ease of use) berpengaruh positif

pada sikap terhadap penggunaan (attitude toward using) dalam


8. Apakah sikap terhadap penggunaan (attitude toward using) berpengaruh

positif terhadap minat perilaku pengguna (behavioral intention to use)

dalam penggunaan software akuntansi di kalangan mahasiswa akuntansi?

9. Apakah minat perilaku pengguna (behavioral intention to use)

berpengaruh positif terhadap penggunaan sistem senyatanya (actual

system use) dalam penggunaan software akuntansi di kalangan

mahasiswa akuntansi?

C. Tujuan Penelitian

Sesuai dengan rumusan masalah yang telah dikemukakan, maka

tujuan penelitian ini sebagai berikut.

1. Untuk mengetahui pengaruh tuntutan tugas dan pekerjaan (demand of

works) terhadap persepsi kebermanfaatan (perceive of usefulness) dalam

penggunaan software akuntansi di kalangan mahasiswa akuntansi.

2. Untuk mengetahui pengaruh pengalaman (experience) terhadap persepsi

kebermanfaatan (perceive of usefulness) dalam penggunaan software

akuntansi di kalangan mahasiswa akuntansi.

3. Untuk mengetahui pengaruh pengalaman (experience) terhadap persepsi

kemudahan (perceive ease of use) dalam penggunaan software akuntansi

di kalangan mahasiswa akuntansi.


commit to user

9

4. Untuk mengetahui pengaruh frekuensi penggunaan (frequency of use)

terhadap persepsi kemudahan (perceive ease of use) dalam penggunaan

software akuntansi di kalangan mahasiswa akuntansi.

5. Untuk mengetahui pengaruh persepsi kemudahan (perceive ease of use)

terhadap persepsi kebermanfaatan (perceive of usefulness) dalam


6. Untuk mengetahui pengaruh persepsi kebermanfaatan (perceive of

usefulness) pada sikap terhadap penggunaan (attitude toward using)

dalam penggunaan software akuntansi di kalangan mahasiswa akuntansi.

7. Untuk mengetahui pengaruh persepsi kemudahan (perceive ease of use)

pada sikap terhadap penggunaan (attitude toward using) dalam


8. Untuk mengetahui pengaruh sikap terhadap penggunaan (attitude toward

using) terhadap minat perilaku pengguna (behavioral intention to use)

dalam penggunaan software akuntansi di kalangan mahasiswa akuntansi.

9. Untuk mengetahui pengaruh perilaku pengguna (behavioral intention to

use) terhadap penggunaan sistem senyatanya (actual system use) dalam



commit to user

10

D. Kegunaan Penelitian

Hasil penelitian ini diharapkan dapat memberi kontribusi sebagai

berikut.

1. Bagi penulis

Sebagai tambahan pengetahuan dan sebagai bahan pembelajaran

untuk mempelajari masalah-masalah yang terkait dengan faktor-faktor

yang mempengaruhi penerimaan atas suatu sistem dengan model

Technology Acceptance.

2. Bagi pengembangan ilmu

Sebagai literatur yang memperkaya studi mengenai sistem informasi

dan megevaluasi kemampuan serta meningkatkan daya saing sehingga

mendapat hasil yang lebih dalam pengaplikasian software akuntansi

dikalangan mahasiswa S1 dan D3 akuntansi.

3. Bagi praktek

Membuka wawasan mengenai pentingnya sistem informasi dalam

segala segi organisasi, sehingga dapat memanfaatkan sistem informasi

yang tersedia.

E. Sistematika Skripsi

Untuk mempermudah dan memperjelas arah dan tujuan maka

penelitian menggunakan sistematika sebagai berikut.


commit to user

11

BAB I = PENDAHULUAN

Dalam hal ini membahas latar belakang masalah, perumusan

masalah, tujuan penelitian, manfaat penelitian, serta sistematika

penulisan skripsi.

BAB II = TELAAH PUSTAKA

Dalam Bab ini dikemukakan teori yang digunakan dalam

penyusunan skripsi ini, meliputi tinjauan umum tentang sistem,

informasi, sistem informasi, akuntansi, sistem informasi

akuntansi, software akuntansi, penelitian terdahulu, kerangka

teoritis dan hipotesis.

BAB III = METODELOGI PENELITIAN.

Dalam Bab ini meliputi desain penelitian, populasi, sampel,

teknik pemilihan sampel, definisi operasional, pengukuran

variabel, sumber data dan metode analisis data.

BAB IV = ANALISIS DATA DAN PEMBAHASAN

Dalam Bab ini berisi tentang pengumpulan data, data demografi

responden, hasil pengujian, dan analisis data.

BAB V = PENUTUP

Dalam Bab ini berisi kesimpulan terhadap analisis yang dilakukan

serta saran-saran untuk keterbatasan penelitian yang dilakukan.

DAFTAR PUSTAKA

LAMPIRAN


commit to user

12

BAB II

TINJAUAN PUSTAKA

A. Sistem Informasi Akuntasi dan Software Akuntansi

1. Sistem

Sistem adalah entitas yang terdiri dari dua atau lebih komponen

atau subsistem yang berinteraksi untuk mencapai satu tujuan. Sistem

adalah suatu kesatuan yang terbentuk atas suatu komponen atau

sekumpulan elemen yang saling berhubungan antara satu dengan yang

lain serta dapat dihubungkan bersama untuk mempermudah suatu aliran

komunikasi dan mempermudah pencapaian suatu tujuan bersama, dapat

dikatakan pula bahwa sistem merupakan serangkaian dari sebuah

subsistem yang terdiri atas bagian-bagian yang dikombinasikan serta

memiliki interaksi untuk mencapai tujuan yang telah disepakati (Romney

dan Steinbart, 2003).

2. Informasi

Informasi adalah data yang telah diproses dan diatur ke dalam

bentuk output yang memiliki arti bagi orang yang menerimanya,

informasi dapat bersifat wajib, mendasar atau bebas (Romney dan

Steinbart, 2003).

Informasi merupakan suatu kumpulan dari data yang diolah

sehingga menjadi satu bentuk yang berguna bagi penerima. Informasi


commit to user

13

juga dapat dikatakan sebagai data yang telah diberi makna melalui suatu

konteks.

3. Sistem Informasi

Sistem informasi merupakan pengaturan orang, data, proses, dan

informasi teknologi informasi yang berinteraksi untuk mengumpulkan,

memproses, menyimpan, dan menyediakan sebagai output informasi

yang diperlukan untuk mendukung sebuah organisasi (Jeffrey L, Bentley,

dan Dittman, 2004).

Sistem informasi dapat dikatakan sebagai kombinasi dari teknologi

informasi dan pengguna. Suatu sistem informasi mencakup pengguna,

teknologi informasi, proses alogaritma, dan data.

4. Akuntansi

Akuntansi bisa didefinisikan secara tepat dengan menjelaskan tiga

karakteristik penting dari akuntansi antara lain, pengidentifikasian,

pengukuran, dan pengkomunikasian informasi keuangan tentang entitas

ekonomi kepada pemakai yang berkepentingan (Weygandt, Kieso, dan

Kimmel, 2007).

Akuntansi adalah suatu proses pengklasifikasian, pencatatan, dan

penyajian data atas transaksi dan diolah menjadi sebuah laporan

keuangan yang digunakan sebagai alat untuk mengambil keputusan baik

untuk pihak internal maupun ekternal.


commit to user

14

5. Sistem Informasi akuntansi

Sistem Informasi Akuntansi (SIA) merupakan bagian terpenting

dari informasi yang diperlukan pihak manajemen agar dapat

menghasilkan informasi yang sesuai dengan suatu perusahaan.

Sistem informasi akuntansi adalah rangkaian dua atau lebih

komponen-komponen yang saling berhubungan, yang berinteraksi untuk

mencapai tujuan (Romney dan Steinbart, 2003).

6. Software Akuntansi

Perangkat lunak adalah istilah umum untuk data yang diformat

dan disimpan secara digital, termasuk program komputer,

dokumentasinya, dan berbagai informasi yang bisa dibaca dan ditulis

oleh komputer.

Sistem Informasi yang lebih spesifik dapat diartikan sebagai

kombinasi dari manusia, fasilitas atau alat teknologi, media, prosedur dan

pengendalian yang bermaksud menata jaringan komunikasi yang penting,

proses atas transaksi-transaksi tertentu dan rutin, serta membantu

manajemen dalam menyediakan dasar pengambilan keputusan yang

tepat.

Software dan informasi merupakan suatu hubungan yang tidak

dapat dipisahkan dalam suatu entitas usaha. Semakin berkembangnya

jaman, prinsip penggunaan yang secara otomatis dan praktis sangat

diminati oleh beberapa elemen usaha. Sistem client server juga sering


commit to user

15

digunakan dalam setiap usaha yang mempraktiskan dengan penggunaan

data base.

Client server adalah suatu teknologi di mana kita dapat melakukan

input data dari komputer mana saja yang tersimpan di file server

sehingga semua orang dalam jaringan bisa menjalankan operasi yang

sama.

Software kerap sekali disebut sebagai peranti lunak computer.

Mccleod mendefinisikan bahwa terdapat dua jenis dasar peranti lunak

antara lain peranti lunak sistem dan aplikasi. Peranti lunak sistem

dibutuhkan untuk menggunakan komputer, sedangkan peranti lunak

aplikasi memproses data pengguna. Peranti lunak aplikasi dapat

diperoleh dalam bentuk siap pakai atau dibuat sesuai pesanan untuk

pengguna tertentu (Mcleod, 2001).

Banyak sekali sistem perangkat lunak akuntansi yang merupakan

sistem komersial, perusahaan sering sekali langsung menggunakan

aplikasi yang sudah disediakan (sistem komersial). Sistem komersial

sendiri dibagi menjadi dua tipe yaitu sistem generalize dan customize.

Sistem generalize, merupakan sistem yang mudah diterima dan

relatif stabil diakrenakan sudah diuji kemampuannya, software semacam

ini disebut software off the shelf. Perusahaan dalam skala kecil dan belum

memiliki modal yang tinggi relatif menggunakan software yang sudah

dipakai secara umum, perushaan dapat belajar menggunakan software


commit to user

16

tersebut dalam bentuk modul-modul yang sudah dibuat untuk

mempermudah segala kegiatan bisnis.

Sistem customize merupakan suatu sistem yang dapat disesuaikan

dengan bisnis perusahaan dalam sistem ini biasanya perusahaan

bekerjasama dengan vendor dari product tersebut untuk menyesuaikan

opsi dalam suatu aplikasi tersebut agar sesuai dengan kondisi bisnis

perusahaan.

Sistem komersial merupakan media yang paling sering digunakan

dalam mempermudah kondisi bisnis perusahaan, namun sistem juga

memiliki keunggulan dan kelemahan. Keunggulan dalam penggunaan

sistem komersial adalah waktu implementasi peranti lunak yang singkat

dan dapat secara langsung pada saat timbul kebutuhan, biaya yang

berkurang yang disebabkan banyaknya pengguna sistem komersial yang

menanggung biaya pengembangan internal. Keandalan disebabkan sistem

komersial sudah teruji dan memiliki lebih sedikit kesalahan daripada

sistem yang dikembangkan secara internal.

Kelemahan dalam penggunaan sistem komersial adalah

independensi dikarenakan sistem yang didukung oleh vendor membuat

perusahaan tergantung pada vendor untuk pemeliharaan, dan bila vendor

mengalami kebangkrutan maka perusahaan akan mengalami suatu risiko.

Kebutuhan akan sistem yang disesuaikan dikarenakan sistem

komersial sudah terlalu umum dan sistem belum tentu cocok dengan

keadaan perusahaan dibanding dengan pengembangan sistem secara


commit to user

17

internal yang pasti akan sesuai dengan kondisi perusahaan tersebut,

pemeliharaan dikarenakan sistem informasi bisnis seringkali mengalami

perubahan. Dengan perubahan yang begitu cepat perusahaan akan

kesulitan dalam memodifikasi peranti lunak.

Software akuntansi merupakan perangkat lunak (software) yang

dibuat untuk memudahkan aktivitas dan pencatatan akuntansi dengan

memanfaatkan konsep modularitas atas serangkaian aktivitas yang serupa

ke dalam modul-modul spesifik dan merupakan sistem yang digunakan

dalam praktik akuntansi, penggunaan software sangat membantu dalam

perkembangan sistem informasi. Penggunaan sistem informasi akan

menambahkan nilai dari informasi yaitu relevansi, akurasi, ketepatan

waktu, dan kelengkapan.

Seiring dengan pertumbuhan informasi yang sangat cepat dan

persaingan bisnis. Hal ini mendorong perusahaan untuk menerapkan

teknologi agar meningkatkan efektivitas dan efisiensi pelayanan,

pemakaian teknologi mulai diterapkan oleh beberapa perusahaan demi

meningkatkan mutu perusahaan dan ketepatan informasi. Teknologi

informasi merupakan suatu value yang penting terutama bagi perusahaan

yang berkembang serta sering mengalami kompetisi yang begitu sulit

dalam dunia bisnis, maka pemakaian teknologi informasi semakin

penting sebagai alat untuk meningkatkan kemampuan perusahaan dalam

competitive advantage dan mengurangi risiko yang ada dalam pemakaian

secara manual.


commit to user

18

Terdapat beberapa jenis teknologi informasi yang diaplikasikan

kedalam suatu software sebagai media yang memudahkan pemakaian

teknologi informasi. Beberapa macam software yang kerap sekali

digunakan perusahaan-perusahaan dalam persaingan bisnis antara lain.

a. Software MYOB

MYOB (Mind Your Own Business) Accounting merupakan

software olah data akuntansi secara terpadu (integrated software),

yaitu proses pencatatan data transaksi akuntansi dilakukan dengan

cara mengentri data transaksi melalui media formulir yang terdapat

dalam command centre. MYOB adalah suatu paket software

accounting yang dikembangkan pertama kali oleh MYOB

Technology Pty Ltd di Australia. Kemudahan penggunaan,

ketepatan akses data dari sebuah laporan ke sumber transaksi, dan

linked dengan aplikasi Microsoft Office serta aplikasi lainnya.

Beberapa pertimbangan menggunakan software ini sebagai tool

yang membantu proses pekerjaan akuntansi diantaranya:

1) User Friendly (mudah digunakan) dimana tampilan menu dan

aliran transaksi yang sederhana, dan mudah diingat.

2) Tingkat keamanan (security) yang valid setiap user.

3) Kemampuan eksplorasi ke semua laporan ke program EXCEL

tanpa melalui proses export/import file yang merepotkan.

4) Kemampuan trash back semua laporan ke sumber dokumen data

source transaksi.


commit to user

19

5) Dapat diaplikasikan untuk 150 jenis perusahaan yang telah

direkomendasi.

6) Menampilkan laporan keuangan komparasi serta menampilkan

analisis laporan dalam bentuk grafik.

7) Bisa dijalankan secara offline maupun online.

b. Software ACCURATE

ACCURATE Accounting Software diciptakan oleh putera-

puteri bangsa Indonesia yang berdiri di bawah PT Cipta Piranti

Sejahtera (CPSSoft). Pertama kali diluncurkan dengan nama

Accurate 2000. Accounting Software Versi 1.0. memberikan solusi

pada millennium bug. Saat ini, Accurate software sudah memiliki

versi 4.0 dengan fitur yang lebih lengkap dibandingkan versi

sebelumnya yaitu versi 3.4. Beberapa pertimbangan menggunakan

software ini sebagai tool yang membantu proses pekerjaan akuntansi

diantaranya:

1) User Friendly (mudah digunakan) dimana tampilan menu dan

aliran transaksi yang sederhana dan mudah diingat.

2) Client Server Technology dimana melakukan input data dari

komputer mana saja yang tersimpan di file server sehingga semua

orang dalam jaringan bisa menjalankan operasi yang sama.

3) Kemanan (security) dengan Multi Server dengan tingkat

kewenangan.


commit to user

20

4) Multi Currency dengan menghitung otomatis realize dan

unrealized gain/los.

5) Multi Unit dengan tiga tingkat perhitungan unit setiap barang.

6) Multi Warehouse.

7) Multi Discount.

8) Project dan Department.

9) Real time processing dengan backward dan forward transaction.

10) Fungsi pilihan tampilan menu dengan bahasa Indonesia dan

bahasa Inggris.

11) Perubahan desain template setiap voucher dan invoice.

12) Report dapat dilakukan oleh user jika memahami process report

dengan fast report.

13) Digit transaksi sampai dengan 15 digit dan dua desimal 920

triliun.

14) Keakuratan perhitungan kuantitas sampai dengan 4 desimal.

15) Custom financial statement dengan berbegai macam

pengelompokan untuk tipe balance sheet dan income statement.

16) Fasilitas Grouping dalam item yaitu mengelompokkan beberapa

barang dalam satu kelompok barang baru dengan tanpa proses

penggabungan.

17) Fasilitas Job Costing.


commit to user

21

18) Fitur Extract Impor yang memungkinkan mengekstrak transaksi

penjualan dari perusahaan cabang untuk dikirimkan ke

perusahaan pusat

c. Software PEACHTREE

Menurut kamus wikipedia, Peachtree Accounting adalah

software manajemen bisnis yang diterbitkan oleh Sage Software dan

dijual terutama di Amerika Serikat. Ada beberapa generasi dari

perangkat lunak dijual dengan nama accounting peachtree. Peachtree

Accounting awalnya dijual oleh penerbit perangkat lunak yang

didirikan pada tahun 1978 oleh Ben Dyer, Ron Roberts, Steve Mann,

dan John Hayes. Perusahaan ini diukir dari The System Center

Komputer, agen Altair awal didirikan oleh Roberts, Mann, Jim

Dunion, dan Rich Stafford, yang Dyer telah bergabung sebagai

manajer dan di mana perangkat lunak pertama diterbitkan pada tahun

1977.

B. Landasan Teori

1. Theory of Reasoned Action (TRA)

Model TRA merupakan model yang merupakan dasar

pengembangan dari model TAM. TRA adalah teori tindakan yang

beralasan dengan suatu premis bahwa reaksi dan persepsi seseorang

terhadap suatu hal yang akan menentukan sikap dan perilaku orang

tersebut.


commit to user

22

Model TRA merupakan model yang dikembangkan dari teori

psikologis. Model TRA menghubungkan keyakinan (belief), sikap

(attitude), kehendak atau intensi (intention), dan perilaku. Theory

Reasoned Action pertama kali dicetuskan oleh Ajzen pada tahun 1980

(Jogiyanto, 2007). Teori ini memiliki tujuan untuk menjelaskan faktor-

faktor utama dari perilaku pengguna terhadap penerimaan pengguna

teknologi.

Model TRA sedikit berbeda dengan model TAM. Hal ini

dikarenakan model ini berfokus pada beberapa teori psikologis antara

lain :

a. sikap (attitude towards behavior)

b. norma subjektif (subjective norms)

c. keyakinan (beliefs)

d. keyakinan terhadap perilaku (behavioral beliefs)

e. keyakinan normatif (normative beliefs).

Niat melakukan atau tidak melakukan perilaku tertentu dipengaruhi

oleh dua penentu dasar, yang pertama berhubungan dengan sikap

(attitude towards behavior) dan yang lain berhubungan dengan pengaruh

sosial yaitu norma subjektif (subjective norms).

2. Technology Acceptance Model (TAM)

Technology Acceptance Model (TAM) sebenarnya diadopsi dari

suatu model TRA. Model TAM adalah model yang seringkali digunakan

untuk menganalisa perilaku penggunaan dalam menggunakan IT yang


commit to user

23

terbentuk dari dua variabel kunci yaitu variabel kemudahan dan

kebermanfaatan. Bentuk original TAM terbentuk dari beberapa persepsi,

antara lain.

a. Persepsi kebermanfaatan (perceive of usefulness)

Davis (1989) mendefinisikan perceived usefulness sebagai suatu

tingkatan dimana seseorang percaya bahwa penggunaan suatu sistem

tertentu akan dapat meningkatkan prestasi kerja orang tersebut . Dari

definisi tersebut diketahui bahwa persepsi kegunaan merupakan suatu

kepercayaan tentang proses pengambilan keputusan (Jogiyanto, 2007).

b. Persepsi kemudahan penggunaan (perceived ease of use)

Kemudahan pengguna dapat diartikan bahwa penggunaan suatu

sistem sangat mudah dan bebas dari suatu kesulitan (free of effort)

disaat penggunaan suatu sistem (Davis, 1989).

Sistem yang mudah akan diterima dan dijalankan oleh

pengguna. Pengguna selalu berorientasi terhadap sistem user friendly

yang dapat diartikan mudah untuk disesuaikan dan di aplikasikan.

Persepsi kemudahan dapat meyakinkan individu bahwa

teknologi yang dipergunakan bukanlah merupakan beban serta

hambatan dalam pekerjaan atau tugas. Dengan adanya kemudahan

dalam penggunaan teknologi membuat seorang individu yang

menjalankan tugas akan terus menggunakan teknologi.

Persepsi kemudahan merupakan suatu keyakinan pengguna akan

mudahnya sistem saat digunakan dan mudahnya suatu sistem dapat


commit to user

24

diaplikasikan dalam suatu kegiatan. Selain itu dapat diartikan pula

bahwa persepsi kemudahan mengukur pandangan seseorang seberapa

besar IT dapat digunakan secara mudah untuk dipahami dan

digunakan. Persepsi kemudahan mempengaruhi intention of use

(perilaku) dan IT acceptance (penerimaan). Selain itu persepsi

kemudahan juga dapat mempengaruhi persepsi kebermanfaatan.

c. Sikap (attitude)

Dalam TAM aspek penerimaan dan penolakan akan suatu

sistem dikarenakan oleh suatu konsep Attitude toward Using yang

diartikan sebagai sikap pengguna akan penggunaan teknologi

informasi (Wibowo, 2008). Sikap dapat ditentukan dari bagaimana

seorang individu menerima, merespon, dan menghargai atas suatu

sistem.

Attitude toward using dapat dikatakan pula sebagai evaluasi atas

ketertarikan penggunaan teknologi informasi. Reaksi dan respon atas

penggunaan teknologi informasi membuat kecenderungan seseorang

akan menggunakan teknologi tersebut. Sikap seseorang terdiri atas

tiga komponen yaitu. Komponen kognitif (cognitive) yang merupakan

representasi atas sesuatu yang dipercayai oleh individu pemilik sikap.

Komponen afektif (affective) yang merupakan aspek emosional atas

perasaan pemilik sikap, dan Komponen konatif yang merupakan aspek

kecenderungan berperilaku tertentu sesuai dengan sikap yang dimiliki

oleh seseorang.


commit to user

25

d. Minat perilaku (behavioral intention)

Behavioral Intention to Use merupakan akibat atas sikap

perilaku penggunaan dikarenakan Behavoral Intention to use

merupakan kecenderungan atas perilaku pengguna untuk terus dan

tetap menggunakan suatu teknologi (Wibowo, 2008). Minat dapat

muncul dikarenakan terdapat sikap positif yang terjadi pada individu.

Suatu minat muncul atas menguntungkan atau tidakkah suatu hal yang

membuat seorang individu termotivasi dan memiliki keinginan untuk

tetap menggunakan.

Sikap perhatian pengguna teknologi menjadi faktor pemicu

suatu minat dalam diri individu. Atensi atau perhatian adalah

pemrosesan secara sadar sejumlah kecil informasi dari sejumlah besar

informasi yang tersedia. Seberapa besar tingkat perhatian individu atas

suatu teknologi akan berbanding lurus terhadap minat penggunaan

teknologi.

e. Penggunaan senyatanya (actual use)

Actual system use adalah suatu kondisi yang sebenarnya dan

nyata atas penggunaan suatu sistem (Davis, 1989). Suatu sistem terus

digunakan dikarenakan sistem mempunyai dampak yang positif

terhadap individu, misalnya suatu sistem yang mudah digunakan dapat

meningkatkan produktivitas sehingga tercermin dalam penggunaan

nyata sehari-hari.


commit to user

26

Pengukuran actual system use dikonsepkan dalam bentuk

tingkat durasi dan frekuensi atas penggunaan terhadap teknologi

informasi. actual system use diukur berdasarkan frekuensi atas

penggunaan suatu teknologi dan durasi waktu atas penggunaan suatu

sistem.

TAM digunakan untuk meneliti apakah antara perceived of

usefulness dan perceive ease of use berpengaruh terhadap behavioral

intension of use. Namun dalam penelitian ini peneliti menambahkan

beberapa variabel untuk mengetahui apakah variabel eksternal

berpengaruh terhadap variabel kunci dalam TAM dan apakah variabel

tersebut berpengaruh positif terhadap variabel kunci dari TAM.

Beberapa variabel eksternal antara lain.

a. Demand of works (Tuntutan Tugas dan Pekerjaan)

Tuntutan sering diartikan sebagai keharusan dalam suatu hal.

Pemakaian teknologi juga sering dikaitkan dengan tuntutan yang

ada. Seorang mahasiswa harus dapat menjalankan suatu software

atau teknologi yang sudah ditentukan dalam kurikulum. Tuntutan

tugas dan pekerjaan sering terjadi dalam berbagai situasi dan

kondisi.

Penerimaan atas teknologi informasi sering didasarkan atas

suatu rasa psikologis yang dialami oleh individu. Tuntutan tugas

dan pekerjaan dapat dikonsepkan sebagai akibat atas penyesuaian

tugas dan pekerjaan yang didasarkan pada jurusan yang dituju.


commit to user

27

Tuntutan tugas dan pekerjaan dapat dikatakan sebagai suatu

motivasi individu untuk lebih menggunakan suatu teknologi.

Tuntutan tugas dan pekerjaan dipengaruhi atas kesesuaian,

interkasi, teknologi, dan tugas atau pekerjaan yang berbasis

teknologi (Sagung dan Wijana, 2009). Tuntutan tugas dan

pekerjaan akan mengarah kepada seberapa mudah system dan

seberapa besar manfaat atas sistem.

b. Experience (pengalaman)

Pengalaman merupakan suatu hal yang pernah dialami.

Teknologi dapat terus dipergunakan dan dikembangkan

dikarenakan seseorang individu pernah mengalami penggunaan

atas suatu teknologi (Suseno dalam Khakim, 2011). Konstruk

pengalaman dapat dikatakan sebagai dasar atas penerimaan suatu

teknologi, tingkat kesulitan suatu teknologi dapat diterima dan

digunakan bila seorang individu mempunyai pengalaman dalam

teknologi tersebut.

c. Frequency of use (Frekuensi Penggunaan)

Frekuensi merupakan ukuran jumlah putaran ulang per

peristiwa dalam selang waktu yang diberikan. Frekuensi memiliki

arti yang hampir sama terhadap pengalaman. Namun frekuensi

diukur dari beberapa sering seorang individu memakai teknologi,

sedangkan pengalaman diukur bukan dari penggunaan melainkan

seberapa lama seorang individu menjalankan suatu teknologi.


commit to user

28

Frekuensi penggunaan juga merupakan suatu akar dari

penerimaan suatu teknologi. Individu mungkin sering

menggunakan suatu sistem disebabkan teknologi tersebut berguna

dalam pemakaian sehari-hari atau mungkin teknologi tersebut

sangat mudah diterima oleh individu (Tong, 2010).

C. Penelitian Terdahulu

Penelitian untuk menguji penggunaan dan penerimaan teknologi

informasi dengan menggunakan TAM telah banyak dilakukan dengan

melakukan juga modifikasi pada model TAM yang digunakan. Modifikasi

antara lain dengan menambahkan variabel-variabel eksternal sesuai

dengan kebutuhan penelitian yang akan dilakukan, tetapi tidak

meninggalkan bentuk dasar model TAM.

Davis (1989) dalam penelitiannya membahas tentang “Perceived

Usefulness, Perceived Ease of Use, and User Acceptance of Information

Technology” bertujuan untuk memberikan pengukuran yang lebih baik

untuk memprediksi dan menjelaskan pemakaian teknologi informasi. Hasil

penelitian tersebut menunjukkan bahwa faktor kemudahan dalam

menggunakan teknologi dapat menjelaskan alasan seseorang dalam

menggunakan sistem informasi dan menjelaskan bahwa sistem baru yang

sedang dikembangkan diterima oleh pelanggan. Perceived usefulness

dipengaruhi secara langsung oleh penggunaan saat ini (r = 0,63) dan

mendatang (r = 0,85). Perceived ease of use juga memiliki pengaruh


commit to user

29

signifikan terhadap penggunaan saat ini (r = 0,45) dan mendatang (r =

0,59). Selain itu, dijelaskan pula bahwa perceived usefulness memiliki

korelasi yang lebih besar pada penggunaan dibandingkan dengan

perceived ease of use. Penelitian ini memberikan kontribusi yang potensial

karena memberikan dasar bagi penelitian-penelitian tentang TAM

selanjutnya.

Penelitian Gardner dan Amoroso (2004) yang berjudul

“Development of an Instrument to Measure the Acceptance of Internet

Technology by Consumers” menunjukkan bahwa gender berpengaruh

terhadap tiga konstruk yaitu Perceived Ease of Use, Perceived Usefulness

dan Actual Use. Pengalaman (experience) hanya berpengaruh terhadap

Perceived Usefulness. Kerumitan (complexity) berpengaruh terhadap

Perceived Usefulness. Sedangkan kesukarelaan (voluntaries) berpengaruh

terhadap Behavioral Intention to Use.

Penelitian Nelvia dan Rudi (2009) menganalisis perilaku pengguna

melalui model TAM. Hasilnya dapat disimpulkan kemudahan penggunaan

mempunyai pengaruh terhadap penggunaan. Penggunaan berpengaruh

terhadap niat menggunakan. Keingginan menggunakan berpengaruh

langsung terhadap penggunaan senyatanya. Kemudahan penggunaan tidak

mempunyai pengaruh terhadap minat penggunaan.

Surachman (2007) melakukan penelitian yang berjudul “Analisis

Penerimaan Sistem Informasi Perpustakaan Terpadu di Lingkungan

Universitas Gajah Mada” menunjukan persepsi kemudahan (perceived


commit to user

30

ease of use) dan kebermanfaatan (perceived of usefulness) berpegaruh

langsung terhadap penerimaan “SIPUS” (acceptance of “SIPUS”).

Penelitian Wiyono (2008) menganalisis perilaku pengguna melalui

model TAM. Hasilnya dapat disimpulkan bahwa minat perilaku tidak

berpengaruh terhadap penggunaan senyatanya dan kerumitan mempunyai

pengaruh yang signifikan terhadap penggunaan senyatanya.

Iman, Ida, dan Septi (2005) melakukan penelitian yang berjudul

“Prediksi Keyakinan Mahasiswa Akan Manfaat Fasilitas Studentsite

Dengan Pendekatan Technology Acceptance Model” menunjukan persepsi

kemudahan (perceived ease of use) dan kebermanfaatan (perceived of

usefulness) berpegaruh langsung terhadap perilaku pengguna (behavioral

intention of use). Perilaku pengguna berpengaruh terhadap penggunaan

senyatanya (actual system usage).

Penelitian yang dilakukan oleh Igbaria, et al. (1995) berjudul

“Testing the Determinants of Microcomputer Usage Via a Structural

Equation Model” memasukkan faktor-faktor eksternal dengan

mengintegrasikan dua model yang menjelaskan penggunaan komputer.

Model pertama yang digunakan oleh Davis, yaitu Technology Acceptance

Model (TAM), dan model kedua adalah Theory of Planned Behavior

(TPB). Analisis yang dipakai dalam penelitian ini adalah menggunakan

pendekatan Structural Equation Modelling (SEM) dengan Partial Ease of

Use (PLS). Model ini mengkonfirmasikan adanya pengaruh dari faktor-

faktor eksternal pada perceived ease of use dan perceived usefulness,


commit to user

31

kemudian perceived ease of use terhadap perceived usefulness serta

dampak dari perceived ease of use dan perceived usefulness terhadap

variety of use.

Al-Gahtani (2001) menganalisis kemampuan TAM untuk diterapkan

di luar Amerika yaitu Inggris. Hasilnya disimpulkan bahwa secara

keseluruhan pengaruh Perceived Usefulness terhadap penerimaan

teknologi informasi lebih besar daripada pengaruh yang diberikan oleh

Perceived Ease of Use.

D. Kerangka Pemikiran dan Pengembangan Hipotesis

a. Kerangka Pemikiran

Penelitian ini merupakan replikasi dari penelitian yang pernah

dilakukan oleh beberapa peneliti, diantaranya. Wibowo (2008), Surachman

(2007), dan Tangke (2004).

Wibowo (2008) membahas mengenai kajian perilaku penggunaan

sistem informasi (Web Mahasiswa) di sebuah institusi pendidikan tinggi.

Tangke (2004) membahas mengenai penerimaan TABK di BPK. Peneliti

mengubah objek penelitian yang pernah dilakukan Wibowo (2008),

Surachman (2007), dan Tangke (2004) menjadi Accounting Software pada

beberapa mahasiswa Akuntansi Strata 1 dan diploma 3 di perguruan tinggi

negeri UNS.

Konstruk pada penelitian tentang accounting software terdiri dari

konstruk eksternal yang dikembangkan oleh beberapa peneliti sebelumnya


commit to user

32

yaitu konstruk pengalaman (experience), konstruk tuntutan tugas dan

pekerjaan (demand of work), konstruk frekuensi penggunaan (frequency of

use), dan lima konstruk utama dari TAM.

Kerangka Penelitian ini digunakan untuk mempermudah jalan

pemikiran terhadap permasalahan yang dibahas, terkait dengan variabel

kunci Technology Acceptance Model dan beberapa variabel eksternal.

Kerangka konseptual penelitian ini digambarkan sebagai model berikut.

Sumber: Davis, Fred D. (1989), Xiao (2010), Gardner dan Amroso (2004),

Venkatesh dan Davis (2000)

Gambar 2.I

Bagan Kerangka Pemikiran Penelitian

TAM Key

H9 H5

H6

H7

H8

H4

H1

H2

H3

Demand of Work

Experience

Frequency of Use

Perceive of

Usefullness

Perceive Ease of

Use

Attitude toward Using

Behavioral Intention

of Use

Actual System

Use


commit to user

33

b. Pengembangan Hipotesis

a) Pengaruh Tuntutan Tugas dan Pekerjaan (Demand of Work)

terhadap Persepsi Kebermanfaatan (Perceive of Usefulness) dalam

penggunaan software akuntansi di kalangan mahasiswa akuntansi

Tuntutan tugas dan pekerjaan dapat diukur dengan mengetahui

seberapa besar kebutuhan akan penggunaan dan pemanfaatan teknologi

informasi akan meningkatkan kemampuan dalam menyelesaikan tugas

mereka dan akan memberikan kontribusi terutama nilai yang baik pada

seorang individu.

Pemanfaatan teknologi sering kali terjadi dikarenakan suatu unsur

paksaan atau motivasi dari suatu pihak untuk menciptakan suatu nilai

untuk memanfaatkan teknologi di setiap individu. Tuntutan tugas dan

pekerjaan sebenarnya merupakan adobsi dari sebuah konstruk job fit

yang pernah dilakukan dalam penelitian Venkatesh dan Davis (2000),

job fit merupakan sebuah penurunan dari model Task Technology Fit

(TTF), yaitu kesesuaian antara teknologi dengan tuntutan pekerjaan,

atau kemampuan teknologi untuk mendukung pekerjaan.

Faktor-faktor yang mempengaruhi penerapan teknologi informasi

adalah faktor social affect, kompleksitas, tuntutan tugas, konsekuensi

jangka panjang, dan kondisi yang memfasilitasi pemanfaatan teknologi

informasi, maka pengaruh antara tuntutan tugas dan pekerjaan terhadap

persepsi kebermanfaatan akan diteliti.


commit to user

34

H1: Tuntutan Tugas dan Pekerjaan berpengaruh positif terhadap

Persepsi Kebermanfaatan dalam penggunaan software akuntansi di

kalangan mahasiswa akuntansi.

b) Pengaruh Pengalaman (Experience) terhadap Persepsi

Kebermanfaatan (Perceive of usefulness) dan Persepsi Kemudahan

(Perceive ease of use) dalam penggunaan software akuntansi di


Teknologi dapat terus dipergunakan dan dikembangkan

dikarenakan seseorang individu pernah mengalami penggunaan atas

suatu teknologi. Dengan seorang individu memiliki pengalaman atas

suatu teknologi, maka dapat disimpulkan bahwa pengalaman dapat

memberikan konstribusi dalam mempermudah dan memberikan

manfaat pada penggunaan teknologi, maka pengaruh antara pengalaman

terhadap persepsi kemudahan dan persepsi kebermanfaatan akan diteliti.

H2: Pengalaman berpengaruh positif terhadap Persepsi

Kebermanfaatan dalam penggunaan software akuntansi di


H3 : Pengalaman berpengaruh positif terhadap Persepsi

Kemudahan dalam penggunaan software akuntansi di kalangan

mahasiswa akuntansi.


commit to user

35

c) Pengaruh frekuensi penggunaan (Frequency of Use) terhadap

persepsi kemudahan (Perceive Ease of Use) dalam penggunaan


Frekuensi merupakan ukuran jumlah putaran ulang per peristiwa

dalam selang waktu yang diberikan. Frekuensi penggunaan juga

merupakan suatu akar dari penerimaan suatu teknologi.

Penggunaan teknologi oleh individu dikarenakan tingkat frekuensi

individu menggunakan suatu sistem dapat disebabkan teknologi

tersebut berguna dalam pemakaian sehari-hari atau mungkin teknologi

tersebut sangat mudah diterima oleh individu, maka pengaruh antara

frekuensi penggunaan terhadap persepsi kemudahan akan diteliti.

H4 : Frekuensi penggunaan berpengaruh positif terhadap Persepsi

Kebermanfaatan dalam penggunaan software akuntansi di


d) Pengaruh persepsi kemudahan (Perceive Ease of Use) terhadap

persepsi kebermanfaatan (Perceive of Usefulness) dalam


Kemudahan penggunaan teknologi dapat diartikan bahwa

menggunakan suatu sistem itu mudah dan bebas dari suatu kesulitan.

Pengguna selalu berorientasi terhadap sistem user friendly yang dapat

diartikan mudah untuk disesuaikan dan diaplikasikan.


commit to user

36

Persepsi kemudahan atas penggunaan software akuntansi diartikan

bahwa pemakaian software akuntansi dapat mempermudah pengguna

software akuntansi dalam pemakaiannya dan bukan merupakan suatu

beban. Konstruk pengaruh ini sudah beberapa kali dilakukan oleh

beberapa peneliti dan sudah teruji validitas dan keandalannya.

Dalam penelitian ini peneliti akan menguji kembali pengaruh

antara persepsi kemudahan terhadap persepsi kebermanfaatan

H5 : Persepsi kemudahan (Perceive Ease of Use) berpengaruh

positif terhadap persepsi kebermanfaatan (Perceive of Usefulness)

dalam penggunaan software akuntansi di kalangan mahasiswa

akuntansi.

e) Pengaruh Persepsi kebermanfaatan (Perceive of Usefulness)

dan Persepsi kemudahan (Perceive Ease of Use) terhadap sikap

terhadap penggunaan (Attitude toward Using) dalam penggunaan


Kemudahan dan Penggunaan merupakan variabel kunci atau

variabel independen dalam TAM. Persepsi ini digunakan untuk

mengukur seberapa besar penerimaan atas kemudahan dan

kebermanfaatan terhadap sikap penggunaan. Dalam penelitian ini

peneliti akan menguji kembali pengaruh antara persepsi

kebermanfaatan dan persepsi kemudahan terhadap sikap terhadap

penggunaan.


commit to user

37

H6 : Persepsi kebermanfaatan (Perceive of Usefulness)

berpengaruh positif terhadap sikap terhadap penggunaan (Attitude

toward Using) dalam penggunaan software akuntansi di kalangan

mahasiswa akuntansi.

H7 : Persepsi kemudahan (Perceive Ease of Use) berpengaruh

positif terhadap sikap terhadap penggunaan (Attitude toward Using)


akuntansi.

f) Pengaruh sikap terhadap penggunaan (Attitude toward Using)

terhadap minat perilaku pengguna (Behavioral Intention to Use)


akuntansi.

Behavoral Intention to use merupakan kecenderungan atas perilaku

pengguna untuk terus dan tetap menggunakan suatu teknologi. Minat

dapat muncul dikarenakan terdapat sikap positif yang terjadi pada

individu. Suatu minat muncul atas menguntungkan atau tidak suatu hal

yang membuat seorang individu termotivasi dan memiliki keinginan

untuk tetap menggunakan.


antara sikap terhadap penggunaan terhadap minat perilaku penggunaan.

H8 : Sikap penggunaan (Attitude toward Using) berpengaruh positif

terhadap Minat perilaku pengguna (Behavioral Intention to Use)


commit to user

38


akuntansi.

g) Pengaruh minat perilaku pengguna (Behavioral Intention to

Use) terhadap penggunaan sistem senyatanya (Actual system Use)


akuntansi.

Hipotesis pengaruh Berhavioral Intention to Use terhadap Actual

system Use merupakan persamaan 4 (Actual system Use = Intention to

Use). Namun dengan modifikasi yang telah dilakukan, maka muncul

persamaan baru (Actual system Use = Itention of Use + Perceive

usefulness) dikarenakan Peceive Ease of Use tidak memiliki dampak

yang signifikan, namun persamaan tersebut tetap dapat menjelaskan

pengaruh antara variabel Intention to Use terhadap Actual system Use

Wibowo (2008).


antara minat perilaku penggunaan terhadap penggunaan sistem

senyatanya.

H9 : Minat perilaku pengguna (Behavioral Intention to Use)

berpengaruh positif terhadap penggunaan sistem senyatanya

(Actual system Use) dalam penggunaan software akuntansi di



commit to user

39

BAB III

METODELOGI PENELITIAN

A. Desain Penelitian

Desain penelitian adalah suatu rencana penelaah atau penelitian

secara ilmiah dalam rangka menjawab pertanyaan peneltian atau identifikasi

masalah (Sekaran, 2006). Tujuan dari memahami desain penelitian adalah

penyelidikan secara sistematis berdasarkan data, kritis, objektif dan ilmiah

terhadap suatu masalah yang spesifik, yang dilakukan untuk mengerti

beberapa aspek yang berbeda yang relevan untuk mendesain suatu studi

penelitian, menjamin keakuratan, dan menemukan jawaban yang terkait.

Desain penelitian ini adalah sebagai berikut.

1. Jenis dan Tujuan Penelitian

Jenis penelitian yang dilakukan tergolong penelitian kuantitatif,

dikarenakan peneliti memerlukan perhitungan secara statistik dan

mengambil sampel atas populasi untuk menekankan pada pengujian

teori-teori melalui pengukuran atas variabel dan menyimpulkannya

sebagai hasil uji yang mengestimasikan hasil statistik sebagai parameter

populasi.

Penelitian ini tergolong penelitian deskriptif dimana penelitian

yang dilakukan untuk mengetahui nilai variabel mandiri, baik satu

variabel atau lebih tanpa membuat perbandingan atau menghubungkan

antara satu variabel dengan variabel lain, yang dianalisa dengan


commit to user

40

hypothesis testing. Hypothesis testing digunakan untuk menguji hipotesis

yang diajukan peneliti. Penelitian ini berusaha menjelaskan analisa faktor

yang mempengaruhi penerimaan dan penggunaan software akuntansi

studi kasus mahasiswa fakultas ekonomi yaitu mahsiswa strata 1 dan

diploma 3 dengan menggunakan pendekatan TAM.

2. Jenis Investigasi dan Luas Campur Tangan dari Peneliti (Intervensi)

Jenis investigasi yang dilakukan adalah studi korelasional

dikarenakan peneliti berminat untuk menemukan variable penting yang

berkaitan dengan masalah, bukan menemukan sebab akibat melainkan

korelasi antara dua variabel.

Tingkat intervensi yang dilakukan peneliti dalam penelitian ini

adalah minimal, dikarenakan peneliti melakukan studi korelasional pada

setiap individu dalam suatu organisasi. Data yang dikumpulkan adalah

data primer yaitu merupakan tanggapan atas pertanyaan yang terdapat

dalam kuesioner.

3. Tempat Penelitian atau Situasi Studi

Studi yang dilakukan oleh peneliti merupakan studi lapangan (field

study) dikarenakan peneliti melakukan penelitian secara langsung pada

resonden, tanpa melakukan intervensi yang berlebih pada responden.

4. Analisis Unit

Pada analisis penelitian ini, peneliti menganalisis tiap individu.

Dalam melakukan analisis, peneliti memperhatikan individu sebagai

obyek penelitian. Sampel yang digunakan adalah individu dari tiap


commit to user

41

kelompok responden, yaitu kelompok mahasiswa strata 1 dan kelompok

mahasiswa diploma 3 Fakultas Ekonomi UNS.

5. Horison Waktu

Horison waktu yang digunakan dalam penelitian ini adalah cross-

sectional study. Cross-sectional study merupakan studi yang dapat

dilakukan dengan data yang hanya sekali dikumpulkan, yaitu datanya

dikumpulkan hanya sekali dalam satu periode waktu penelitian.

B. Populasi dan Teknik Pengambilan Sampel

Populasi merupakan wilayah generalisasi yang terdiri atas obyek

atau subyek yang mempunyai kualitas dan karakteristik tertentu yang

ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik

kesimpulannya. Populasi juga mengacu pada keseluruhan kelompok orang,

kejadian atau hal minat yang ingin peneliti investigasi. Populasi dari

penelitian ini adalah seluruh mahasiswa Strata 1 dan Diploma 3 Fakultas

Ekonomi UNS.

Pengambilan sampel adalah proses memilih sejumlah elemen

secukupnya dari populasi, sehingga penelitian terhadap sampel dan

pemahaman tentang sifat atau karakteristiknya akan membuat untuk dapat

menggeneralisasikan sifat atau karakteristik terhadap elemen populasi.

Ukuran Sampel yang digunakan sesuai dengan sampel minimum

dalam SEM antara 100-200, demikian juga dalam Ghozali (2008) jumlah

sampel yang diperlukan dalam SEM minimal 100.


commit to user

42

Pengambilan sampel berjumlah 100 untuk setiap mahasiswa S1 dan

D3 dikarenakan untuk memperkuat data analisa yang akan diteliti oleh

peneliti dan memperkuat persebaran data yang merata antara mahasiswa S1

dan D3.

Teknik pengambilan sampel yang digunakan dalam penelitian ini

berdasarkan metode purposive sampling. Sampel yang diambil adalah

mahasiswa Strata 1 dan Diploma 3 Fakultas Ekonomi UNS yang

memperoleh pelajaran atau menggunakan software akuntansi dalam

pengerjaan tugas atau pekerjaan lain. Mahasiswa digunakan sebagai sampel

karena mahasiswa merupakan pengguna langsung, pengguna terakhir, dan

memperoleh pengajaran dalam penggunaan software akuntansi.

C. Jenis dan Sumber data

Jenis data yang digunakan dalam penelitian ini adalah data primer

yaitu data yang didapat secara langsung dari sumber asli (responden tanpa

melalui perantara). Data diambil dari mahasiswa Fakultas Ekonomi UNS

yang pernah mendapat pelajaran atau mempunyai pengalaman dalam

menggunakan software akuntansi.

D. Metode Pengumpulan Data

Data diperoleh dengan cara menyebarkan kuesioner kepada

mahasiswa Fakultas Ekonomi UNS. Penyebaran kuesioner dilakukan

kepada 100 mahasiswa Strata 1 dan Diploma 3 Fakultas Ekonomi, kuesioner


commit to user

43

dibagikan secara langsung pada mahasiswa yang terkait dan kuesioner dapat

diambil secara langsung setelah mahasiswa mengisi kuesioner tersebut.

E. Intrumen Penelitian, Definisi Operasional dan Variabel Penelitian

Konstruk Instrumen Penelitian dalam penelitian ini dibagi menjadi 2,

yaitu:

1. Konstruk Eksogenous (Exogenous Construct)

Konstruk ini dikenal sebagai source variabel variables, atau

variabel bebas. Pada penelitian ini konstruk eksogen meliputi tuntutan

tugas dan pekerjaan (demand of works), pengalaman (experience),

kerumitan (complexity), dan frekuensi penggunaan (frequency of use).

2. Konstruk Endogen (Endogenous Construct)

Konstruk Endogen dikenal sebagai variabel terikat, konstruk

endogen dapat berhubungan kasual maupun korelasional. Konstruk ini

disebut juga konstruk yang meiliki penyebab. Pada penelitian ini

konstruk endogen meliputi persepsi penggunaan (perceived usefulness),

persepsi kemudahan (perceived ease of use), sikap terhadap penggunaan

(Attitude toward Using), minat perilaku (Behavioral Intention to Use),

dan penggunaan senyatanya (Actual system Use).

Variabel penelitian dan definisi operasional atas variabel yang

digunakan dalam penelitian ini adalah berikut.


commit to user

44

a) Persepsi Kebermanfaatan (perceived of usefulness)

Persepsi kebermanfaatan dapat didefinisikan bahwa suatu sistem

digunakan didasarkan karena memiliki kegunaan yang bersifat positif

bagi pengguna, dalam persepsi kebermanfaatan seseorang percaya

bahwa penggunaan suatu sistem dapat meningkatkan efektivitas dan

efisiensi dalam kinerja. variabel persepsi kebermanfaatan merupakan

variabel dependen untuk melihat pengaruh tuntutan tugas dan

pekerjaan (demand of works), pengalaman (experience), dan pengaruh

persepsi kemudahan (perceive ease of use) terhadap persepsi

kebermanfaatan (perceive usefulness). Variabel ini diukur dengan

indikator sebagai berikut.

1) Meminimalkan kehilangan data

2) Peningkatan efektivitas pengerjaan tugas

3) Meningkatkan kecepatan penyelesaian tugas

4) Memperbaiki tugas dan pekerjaan

5) Bermanfaat untuk tugas dan pekerjaan

6) Meningkatkan produktivitas pengerjaan tugas

Instrumen pengukuran menggunakan skala likert dengan skala

skor 1 sampai dengan 5 yang menyatakan dari sangat tidak setuju

sampai sangat setuju serta menggunakan 6 item pertanyaan (Davis,

1989, dan Wibowo, 2008).


commit to user

45

b) Persepsi Kemudahan (perceive ease of use)

Kemudahan penggunaan dapat diartikan bahwa penggunaan

suatu sistem mudah dan bebas dari suatu kesulitan saat

menggunakan suatu sistem. Sistem yang mudah akan diterima dan

dijalankan oleh pengguna. Variabel persepsi kemudahan sebenarnya

merupakan variabel independen dalam pendekatan TAM, namun di

penelitian ini peneliti menyangkutkan beberapa indikator variabel

eksogen/ variabel eksternal untuk melihat korelasi antara faktor

terhadap penerimaan. Variabel ini untuk melihat pengaruh antara

pengalaman (experience), dan frekuensi penggunaan (frequency of

use) terhadap persepsi kemudahan (perceive ease of use). Variabel

ini diukur dengan indikator sebagai berikut.

1) Kemudahan akses

2) Kemudahan untuk dipelajari

3) Kemudahan untuk dimengerti

4) Fasilitas dan fitur yang mudah untuk digunakan

5) Memperlancar tugas dan pekerjaan

6) Mudah untuk mendapatkan software

7) Mudah untuk beradaptasi



sampai sangat setuju serta menggunakan 7 item pertanyaan (Davis,

1989, dan Wibowo, 2008).


commit to user

46

c) Sikap Terhadap Penggunaan (Attitude toward Using)

Aspek penerimaan dan penolakan akan suatu sistem dikarenakan

oleh suatu konsep Attitude toward Using yang diartikan sebagai

sikap pengguna akan penggunaan teknologi informasi. Sikap dapat

ditentukan dari bagaimana seorang individu menerima, merespon,

dan menghargai atas suatu sistem.

Variabel ini merupakan variabel dependen untuk melihat

pengaruh antara variabel persepsi kebermanfaatan (perceive of

usefulness) dan persepsi kemudahan (perceive ease of use) terhadap

sikap terhadap penggunaan (Attitude toward Using). Variabel dalam

penelitian ini diukur dengan indikator sebagai berikut.

1) Kenyamanan interaksi

2) Menikmati penggunaan

3) Tidak membosankan

4) Senang menggunakan



sampai sangat setuju serta menggunakan 4 item pertanyaan (Gardner

dan Amroso, 2004).

d) Minat Perilaku (Behavioral Intention to Use)

Behavoral Intention to use merupakan kecenderungan atas

perilaku pengguna untuk terus dan tetap menggunakan suatu


commit to user

47

teknologi. Wibowo (2008) mendefinisikan minat perilaku

menggunakan teknologi (behavioral intention of use), di definiskan

sebagai minat (keinginan) seseorang untuk melakukan perilaku

tertentu. Variabel ini merupakan variabel dependen untuk melihat

pengaruh antara sikap terhadap penggunaan (Attitude toward Using)

terhadap minat perilaku menggunakan teknologi (behavioral

intention of use). Variabel dalam penelitian ini diukur dengan


1) Berniat untuk menggunakan

2) Berniat untuk mencoba

3) Berniat untuk mendapatkan software

4) Berniat untuk mempelajari

5) Berniat mengajak teman



sampai sangat setuju serta menggunakan 5 item pertanyaan

(Wibowo, 2008, dan Gardner dan Amroso, 2004).

e) Penggunaan Senyatanya (Actual system Use)

Actual system Use adalah suatu kondisi yang sebenarnya dan

nyata atas penggunaan akan suatu sistem. Suatu sistem akan terus

digunakan dikarenakan sistem mempunyai dampak yang positif

terhadap individu. Penggunaan senyatanya dikonsepkan sebagai


commit to user

48

frekuensi atau durasi waktu atas penggunaan suatu sistem. Variabel

ini merupakan variabel dependen untuk melihat pengaruh antara

minat perilaku menggunakan teknologi (behavioral intention of use)

terhadap penggunaan senyatanya (Actual system Use). Variabel

dalam penelitian ini diukur dengan indikator sebagai berikut.

1) Menggunakan selama perkuliahan

2) Sering membuka software

3) Menggunakan rata-rata 3x dalam seminggu

4) Menggunakan dan mencoba dalam setiap pengerjaan tugas

5) Puas dan menggunakan software yang telah dipelajari



sampai sangat setujus serta menggunakan 5 item pertanyaan (Davis,

1989, dan Tangke (2004).

f) Demand of works (Tuntutan Tugas dan Pekerjaan)

Tuntutan sering diartikan sebagai keharusan dalam suatu hal.

Pemakaian teknologi juga sering dikaitkan dengan tuntutan yang

ada. Seorang mahasiswa harus dapat menjalankan suatu software

atau teknologi yang sudah ditentukan dalam kurikulum. Variabel ini

merupakan variabel eksternal atau variabel independen yang

berpengaruh secara tidak langsung. Variabel ini untuk melihat

pengaruh tuntutan tugas dan pekerjaan (demand of works) terhadap


commit to user

49

persepsi kebermanfaatan (perceive usefulness). Variabel dalam

penelitian ini diukur dengan indikator sebagai berikut.

1) Menggunakan untuk kesukesan perkuliahan

2) Diharuskan untuk mengerti

3) Wajib untuk menggunakan

4) Harus dilakukan untuk meningkatkan kualitas

5) Harus dilakukan untuk meningkatkan efektivitas



sampai sangat setuju serta menggunakan 5 item pertanyaan (Sagung

dan Wijana, 2009, dan Venkatesh dan Davis, 2000).

g) Experience (pengalaman)

Pengalaman merupakan suatu hal yang pernah dialami.

Teknologi dapat terus dipergunakan dan dikembangkan dikarenakan

seseorang individu pernah mengalami penggunaan atas suatu

teknologi. Variabel ini merupakan variabel eksternal atau variabel

independen yang berpengaruh secara tidak langsung. Variabel ini

berfungsi untuk mengukur pengaruh pengalaman (experience)

terhadap persepsi kebermanfaatan (perceive usefulness) dan persepsi

kemudahan (perceive ease of use). Variabel dalam penelitian ini

diukur dengan indikator sebagai berikut.

1) Mempunyai pengalaman dalam menggunakan


commit to user

50

2) Mudah memahami karena meiliki pengalaman

3) Memilih software akuntansi karena berpengalaman

4) Pemahaman yang baik karena pengalaman



sampai sangat setuju serta menggunakan 4 item pertanyaan (Gardner

dan Amroso, 2004).

h) Frequency of use (Frekuensi Penggunaan)

Frekuensi merupakan ukuran jumlah putaran ulang per

peristiwa dalam selang waktu yang diberikan. Frekuensi diukur dari

beberapa sering seorang individu memakai teknologi. Frekuensi

penggunaan juga merupakan suatu akar dari penerimaan suatu

teknologi. Di sisi lain, seorang mungkin sering menggunakan suatu

sistem disebabkan teknologi tersebut berguna dalam pemakaian

sehari-hari atau mungkin teknologi tersebut sangat mudah diterima

oleh individu. Variabel ini untuk melihat pengaruh frekuensi

penggunaan (frequency of use) terhadap persepsi kemudahan

(perceive ease of use). Variabel dalam penelitian ini diukur dengan


1) Selalu digunakan untuk menuntaskan tugas

2) Selalu digunakan karena mudah

3) Selalu digunakan karena memiliki manfaat yang besar


commit to user

51

4) Selalu digunakan karena lebih mudah daripada manual



sampai sangat setuju serta menggunakan 4 item pertanyaan (Tong,

2010).

F. Metode Analisis Data

Pada penelitian ini analisis data menggunakan pendekatan Model

persamaan struktural (Structural Equation Model). Model Persamaan

Struktural (Structural Equation Model) merupakan model dengan

pendekatan berbasis kovarian (covariance based). Ghozali (2008)

menyimpulkan analisa berbasis kovarian juga dapat disebut sebagai model

sebab akibat. Model persamaan persamaan strkctural merupakan gabungan

dari dua metode statistik yang terpisah yaitu analisis faktor (factor analysis)

yang dikembangkan di ilmu psikologi dan psikometri serta model

persamaan simultan (simultaneous equation modeling).

Penelitian menggunakan software AMOS versi 18, AMOS

merupakan kependekan dari Analisis of Moment Structures yang digunakan

sebagai pendekatan dalam analisis data dalam Model Persamaan Struktural

(SEM). Amos adalah model persamaan yang powerfull. Amos merupakan

software yang memungkinkan untuk mendukung penelitian dan teori-teori

dengan memperluas metode analisis standar multivariat, termasuk regresi,

analisis faktor, korelasi, dan analisis varians. Dengan Amos, dapat


commit to user

52

menentukan, memperkirakan, menilai, dan menyajikan model analisa dalam

sebuah diagram jalur intuitif untuk menunjukkan hubungan antar variabel

yang dihipotesiskan.

Model Persamaan Struktural terdiri dari dua bagian yaitu bagian

pengukuran yang menghubungkan observed variabel (Manifest) dengan

unobserved variabel (latent) melalui confirmatory factor model dan bagian

struktur yang menghubungkan antar unobserved variabel (latent) melalui

persamaan regresi simultan. Observed variabel atau manifest merupakan

konsep abstrak yang langsung dapat diukur, sedangkan unobserved variabel

atau latent merupakan konsep yang tak dapat diukur secara langsung.

Dalam model pengukuran SEM memiliki keunggulan yaitu dapat

digunakan untuk menguji konstruk secara bersama-sama model struktural,

dan measurement model.

Model Persamaan Struktural memiliki dua jenis laten variabel yaitu

variabel exogen (independen) dan variabel endogen (dependen). Kedua jenis

konstruk ini dibedakan atas dasar apakah mereka berkedudukan sebagai

variabel dependen atau bukan dependen dalam suatu model persamaan

(Ghozali, 2008).

Estimasi parameter dalam SEM umumnya berdasarkan pada metode

maximum likehood (ML). Estimasi dengan metode ML menghendaki

adanya asumsi yang harus dipenuhi, seperti. Jumlah Sampel harus besar

(asymptotic), distribusi dari observed variabel normal secara multivariate,


commit to user

53

model yang dihipotesiskan harus valid, dan skala pengukuran variabel

kontinyu (interval).

Dalam model pengukuran SEM setiap konstruk laten dihubungkan

dengan multiple measure. Hubungan antar konstruk laten dengan

pengukurannya dilakukan dengan prosedur analytic Measurement Model

factor yaitu setiap konstruk laten dibuat dengan model sebagai common

factor dari pengukurannya (measurement). Nilai loading menjadi

penghubung konstruk dengan pengukurannya. Pengukuran model

menggunakan langkah sebagai berikut.

1) Analisa faktor Konfirmatory dan Validitas Konstruk

Analisa konfirmatori sering disebut sebagai dengan Confirmatory

factor analysis (CFA). Confirmatory factor analysis didesain untuk

menguji multidimensional dari suatu konstruk teoritis. Analisis ini

sering juga disebut menguji validitas suatu konstruk teoritis. Validitas

konstruk digunakan untuk mengukur seberapa jauh ukuran indikator

dapat mereflesikan konstruk laten teoritisnya. Validitas merupakan

ukuran yang dapat memberikan kepercayaan bahwa indikator yang

diambil dalam sampel mengambarkan skor sesungguhnya dan dapat

digunakan sebagai estimasi atas populasi.

Pengujian validitas dilakukan untuk mengetahui kelayakan butir-

butir dalam suatu daftar konstruk pertanyaan dalam mendefinisikan

suatu variabel. Uji validitas dilakukan untuk mengetahui adanya


commit to user

54

ketepatan antara alat ukur dengan konsep yang diukur (Uma Sekaran

2006).

Pengujian validitas dengan program AMOS 18.0, menggunakan

empat ukuran validitas konstruk yang convergent validity, variance

extracted, reliability, dan discriminant validity.

a) Convergent Validity : dinilai atas indicator suatu konstruk laten harus

konvergen (share) dengan proporsi varian yang tinggi. korelasi

dikatakan tinggi dengan syarat nilai loading faktor melebihi 0,70

b) Variance Extracted : menilai presentase rata-rata nilai variance

extrcacted (AVE) antar item atau indikator suatu set konstruk laten

yang merupakan ringkasan convergen indicator. Berikut rumus

untuk menghitung AVE:

Variance Extracred = ( ∑ standart Loading)2

( ∑ Standard Loading)2 + ∑Ej

Jika nilai AVE sama dengan atau diatas 0.50 menunjukan adanya

convergent yang baik. Nilai AVE harus dihitung untuk setiap

konstruk laten.

c) Construct Realiability : merupakan salah satu indikator validitas

konvergen. Dalam penelitian ini peneliti dapat membandingkan nilai

reliabilitas dengan menggunakan Cronbach alpha dan konstruk

realibilitas dikarenakan Cronbach alpha memberikan reliabilitas


commit to user

55

yang lebih rendah dibanding dengan konstruk realibilitas. Berikut

adalah rumus untuk menhitung reliabilitas menggunakan konstruk

reliabilitas:

Construct reliability = ( ∑ standart Loading)2

( ∑ Standard Loading)2 + ∑Ej

Construct reliability menunjukan reliabilitas yang baik dengan nilai

0.70 atau lebih. Sedangkan reliabilitas 0.60 – 0.70 masih dapat

diterima dengan syarat validitas indikator dalam model yang baik.

d) Discriminant Validity : mengukur seberapa jauh suatu konstruk

benar-benar berbeda dengan konstruk lainnya. Nilai Discriminant

Validity yang tinggi memberikan bukti bahwa konstruk adalah unik

dan mampu menangkap fenomena yang diukur. Cara mengujinya

adalah membandingkan akar dari AVE dengan nilai korelasi antar

konstruk.

2) Analisa SEM

Teknik SEM memungkinkan pengujian dalam beberapa variabel

dependen terhadap variabel independen dalam sekali estimasi. Terdapat

pemodelan dan analisis persamaan struktural menjadi tujuh langkah

yaitu:


commit to user

56

a) Pengembangan Model Berdasar Teori

Model persamaan structural pada prinsipnya didasarkan

terhadap analisa hubungan casualitas. Pada langkah ini hubungan

antara variabel eksogen dan endogen dianalisa dan sekaligus

memeriksa validitas dan reliabilitas instrument penelitian.

Kuatnya hubungan casualitas antara dua variabel yang

diasumsikan oleh peneliti bukan terletak pada metode analisis yang

ditentukan, tetapi terletak pada pembenaran secara teoritis untuk

mendukung analisa. Pengembangan model berdasarkan teori atau

konsep yang dikenal atau dikenal sebagai pembuatan model

konfirmatori.

Model persamaan struktural (SEM) merupakan sebuah

confirmatory technique. Teknik ini merupakan teknik untuk menguji

baik teori baru maupun teori yang sudah dikembangkan yang akan

diuji lagi secara empiris. Pengujian ini dapat dilakukan dengan

menggunakan SEM, akan tetapi perlu diketahui bahwa SEM tidak

digunakan untuk membentuk hubungan kausalitas baru, tetapi

digunakan untuk menguji pengembangan kausalitas yang memiliki

justifikasi teori.

b) Menyusun Diagram Jalur

Langkah selanjutnya setelah setelah menyusun model

berbasis teori adalah menyusun model dalam bentuk diagram jalur


commit to user

57

(path diagram). Diagram jalur disusun berdasarkan hubungan

kasualitas antara variabel endogen dan eksogen.

c) Menerjemahkan Diagram Jalur ke dalam Persamaan Struktural

Persamaan struktural merupakan persamaan yang dihasilkan

melalui diagram jalur. Pengukuran dan matrik korelasi dibentuk

berdasarkan hubungan kasualitas antar konstruk.

persamaan struktural pada dasarnya dibangun berdarkan

pedoman sebagai berikut. variabel endogen (terikat) = variabel

eksogen + variabel endogen + error.

Variabel eksogen adalah variabel yang nilainya ditentukan di

luar model, seperti variabel bebas dan variabel instrumen

(predetermined variables). Sedangkan variabel endogen adalah

variabel yang nilainya ditentukan berdasarkan model, seperti

variabel tidak bebas

d) Memilih Input Matrix dan Mendapatkan Model Estimasi

Setelah model dispesifikasi kedalam persamaan secara

lengkap. Dalam penelitian ini matrik input yang dipilih adalah

matrik kovarian, karena matrik kovarian memiliki kelebihan

daripada matrik korelasi dalam memberikan validitas perbandingan

antara populasi yang berbeda atau sampel yang berbeda. Matrik

kovarian lebih sesuai dalam memvalidasi hubungan kasual.

Langkah selanjutnya adalah memilih teknik analisis dengan

mempertimbangkan ukuran sampel. Besaran ukuran sampel


commit to user

58

memiliki peranan penting dalam interprestasi SEM. Besaran

sampel digunakan sebagai estimasi sampling error. Dalam program

AMOS 18.0 teknik-teknik estimasi yang tersedia adalah: (i)

Maximum Likelihood Estimation (ML), (ii) Generalized Least

Square Estimation (GLS), (iii) Unweighted Least Square

Estimation (ULS), (iv) Scale Free Least Square Estimation (SLS),

dan (v) Symtotically Distribution-free Estimation (ADF). Metode

yang digunakan dalam penelitian ini adalah Maximum Likelihood

Estimation (ML) dan Generalized Least Square Estimation (GLS).

Metode ini dipilih berdasarkan jumlah sampel yang diambil

berkisar 200-500.

Estimasi yang dapat digunakan dalam Amos VS 18.0 dapat

diringkas dalam tabel III.1 berikut ini

Tabel 3.1 Teknik Estimasi

Pertimbangan Teknik yang Dipilih

Keterangan

Bila ukuran Sampel kecil (100-200) dan asumsi normalitas terpenuhi

ML ULS dan SLS biasanya tidak menghasilkan uji X2 karena itu tidak menarik perhatian peneliti

Bila asumsi normalitas dipenuhi dan ukuran sampel sampai dengan antara 200-500

ML dan GLS Bila ukuran sampel kurang dari 500. Hasil GLS cukup baik.

Bila asumsi normalitas kurang dipenuhi dan ukuran sampel lebih dari 2500

ADF

ADF kkurang cocok bila ukuran sampel kurang dari 2500

Sumber : Ghozali (2008)


commit to user

59

e) Menilai Identifikasi Model Struktural

Masalah identifikasi adalah ketidakmampuan proposed model

(model yang dikembangkan) untuk menghasilkan unique estimate

(estimasi yang unik). Untuk melihat ada atau tidaknya masalah

identifikasi adalah dengan melihat hasil estimasi yang meliputi.

i. Nilai standar error yang besar untuk satu atau lebih koefisien

ii. Program tidak mampu untuk menghasilkanmatrik informasi yang

seharusnya disajikan (invert information matrix)

iii. Munculnya nilai estimasi yang tidak mungkin seperti error varian

yang negatif

iv. Diantara koefisien estimasi muncul nilai korelasi yang sangat

tinggi (>0.90)

f) Memilih dan Mengevaluasi Kriteria Godness of Fit

Dalam langkah ini sebelum melakukan penilaian kelayakan dari

model struktural adalah menilai apakah data yang akan diolah

memenuhi asumsi model persamaan struktural. SEM sangat sensitif

terhadap karekteristik distribusi data, khusunya distribusi yang

melanggar normalitas multivariate atau adanya kurtosis yang tinggi

dalam data (Ghozali, 2008). Maka sebelum pengolah, data harus

diuji untuk mengetahui ada tidaknya data outlier dan apakah

distribusi data normal secara multivariate.

Berikut adalah asumsi-asumsi SEM yang harus dipenuhi.


commit to user

60

i. Ukuran Sampel

Penelitian menggunakan model dengan 40 parameter maka

sampel minimum yang digunakan 200 sampel. Jumlah Ukuran

sampel yang harus dipenuhi dalam permodelan SEM adalah

minimum berjumlah 100, dengan pembanding 5 observasi untuk

setiap parameter yang diestimasi.

ii. Melihat Offending Estimated (dugaan yang tidak wajar)

Offending estimate adalah estimasi koefisien dalam model

structural maupun model pengukuran yang nilainya diatas batas

yang dapat diterima. Offending estimate biasanya ditunjukan

dengan adanya varian error yang negative (non significant) pada

suatu konstruk, standar koefisien yang mendekati 0.1 dan

adanya nilai standar error yang tinggi. Jika terjadi offending

estimate maka peneliti harus menghilangkan hal tersebut

sebelum penilaian kelayakan model.

iii. Menguji Normalitas dan Linieritas

Tingkat persebaran data harus dianalisis untuk melihat apakah

asumsi normalitas terpenuhi sehingga data dapat diolah lebih

lanjut dengan pemodelan SEM. Untuk mengetahui dilanggar

atau tidaknya asumsi normalitas, maka dapat dilakukan dengan

menggunakan nilai statistik untuk skewness dan kurtosisnya.

Secara statistik dapat dilihat dari nilai Critical Ratio (CR). Jika

digunakan tingkat signifikansi sebesar 1%, maka nilai CR yang


commit to user

61

berada di antara -2.58 sampai dengan 2.58. Data terdistribusi

normal, apabila nilai critical ratio (C.r.) skewness < 2.58 dan

nilai C.r. kurtosis < 7 (Ghozali, 2005).

iv. Angka Ekstrim (Outliers)

Outliers adalah observasi yang muncul dengan nilai-nilai

ekstrim baik secara univariant maupun multivariant yaitu yang

muncul karena kombinasi karakteristik unik yang dimilikinya

dan terlihat sangat jauh berbeda dari observasi-observasi

lainnya. Outlier muncul dengan 4 (empat) kategori, yakni:

i) Outlier muncul karena kesalahan prosedur seperti kesalahan

dalam memasukkan data atau kesalahan dalam mengkoding

data.

ii) Outlier muncul karena keadaan benar-benar khusus yang

memungkinkan profil data menjadi lain, tetapi peneliti

mempunyai penjelasan mengenai apa yang menyebabkan

munculnya nilai ekstrim tersebut.

iii) Outlier muncul karena adanya sesuatu alasan tetapi peneliti

tidak dapat mengetahui penyebab munculnya nilai ekstrim

tersebut.

iv) Outlier muncul dalam rentang nilai yang ada, tetapi bila

dikombinasikan dengan variabel lain, kombinasinya

menjadi tidak lazim atau sangat ekstrim. Inilah yang disebut

multivariant outlier.


commit to user

62

Apabila terjadi outlier dapat dilakukan perlakuan khusus

pada outliernya asal diketahui bagaimana munculnya outlier

tersebut. Hasil uji outlier pada penelitian ini disajikan pada

Mahalanobis distance atau Mahalanobis d squared. Nilai

Mahalonobis yang lebih besar dari Chi-Square tabel atau nilai p

< 0,001 dikatakan observasi yang outlier

v. Penilaian Overall model fit

Overall model fit digunakan setelah peneliti berhasil

menghilangkan offending estimated yang bila terjadi dalam suatu

penelitan. Overall model fit digunakan untuk mengukur kesesuaian

input observasi yang diajukan. ukuran goodness of fit merupakan

alat sebagai pengidentifikasi model yang memenuhi kriteria model

persamaan dalam SEM dengan menggunakan software AMOS

versi 16.0, yaitu:

i) Likelihood Ratio Chi Square Statistik (X2)

Merupakan alat uji fundamental dalam mengukur overall

fit. Model dikatagorikan baik bila memiliki nilai chi square

yang kecil terhadap degree of freedom, sehingga

menghasilkan nilai probabilitas yang lebih besar daripada

signifikansi dan dapat disimpulkan bahwa prediksi dengan

observasi sesungguhnya tidak berbeda secara signiikan.


commit to user

63

ii) CMIN/DF (normed Chi Square)

CMIN/DF merupakan ukuran dari nilai chi square dibagi

dengan degree of freedom. Menurut Ghozali (2008) nilai

yang direkomendasikan untuk menerima kesesuaian model

adalah nilai CMIN/DF < 2.

iii) GFI (goodness of fit index)

GFI merupakan ukuran non statistik yang nilainya berkisar

0 (poor fit) hingga 1.0 (perfect fit). GFI mencerminkan

tingkat kesesuaian model secara keseluruhan dalam

menghitung proporsi tertimbang atas varian dalam matrik

kovarian sampel yang dijelaskan dalam kovarian populasi

dengan residual kuadrat yang atas model yang dipredikasi

terhadap data sebenarnya. Nilai GFI yang tinggi

menunjukan nilai fit yang baik. Nilai GFI dapat dikatakan

tinggi bila > 90%.

iv) RMSEA (root mean square error of appromation)

RMSEA menunjukan goodness of fit yang diharapkan. Nilai

RSMEA kurang dari 0.08 merupakan ukuran yang dapat

diterima, hasil uji RMSEA digunakan untuk menguji model

konfirmatori dalam jumlah sampel yang besar.

v) AGFI (adjusted goodness of fit)


commit to user

64

AGFI merupakan pengembangan dari GFI yang

disesuaikan dengan ratio degree of freedom dalam null

mode. GFI adalah analog dari R2 (R square) dalam regresi

berganda. Tingkat nilai penerimaan yang direkomendasikan

adalah sama atau >0.90.

vi) TLI (tucker lewis index)

TLI merupakan alat untuk mengevaluasi analisa faktor yang

dikembangkan dalam SEM. Ukuran merupakan alternative

sebagai pembanding proposed model dengan baseline

model. TLI merupakan indeks fit yang tidak dipengaruhi

jumlah sampel. Nilai TLI berkisar 0 (poor fit) hingga 1

(perfect fit). Nilai TLI yang direkomendasikan adalah sama

atau >0.90.

Indeks-indeks yang digunakan untuk menguji

kelayakan sebuah model dapat diringkas dalam tabel 3.2 berikut

ini.


commit to user

65

Tabel 3.2 Goodness-of-fit Indices

Goodness-of-fit Indices Cut-off Value

Chi-square Diharapkan kecil

Significance Probability

CMIN/DF

GFI

AGFI

TLI

CFI RMSEA

Sumber : Ghozali (2008)

g) Measurement Model fit

Setelah model fit dievaluasi, langkah selanjutnya adalah

mengukur setiap konstruk untuk melihat reliabilitas dari

konstruk. Pendekatan untuk menilai Measurement Model adalah

mengukur composite reliability dan variance extracted untuk

setiap konstruk. Tingkat konstruk reliabilitas yang diterima

secara umum adalah >0.70, sedangkan variance extracted

adalah >0.50. variance extracted merupakan estimasi pelengkap

ukuran construct reliability.

h) Pengujian Hipotesis Penelitian

Setelah melakukan pengujian dengan CFA untuk

meneliti tigkat validasi atas data maka pengujian hpotesis dapat

dilakukan setelah memenuhi beberapa persyaratan dalam CFA.

Penelitian ini menguji sembilan variabel yang diabagi menjadi


commit to user

66

variabel dependen dan indepenen. variabel independen terdiri

atas tuntutan pekerjaan, pengalaman, kerumitan, dan ferkuensi

penggunaan. Variabel dependen terdiri atas persepsi

kemudahan, persepsi kebermanfaatan, perilaku penggunaan,

minat perilaku, dan penggunaan sistem secara senyatanya,

kemudian dibentuk dalam dua belas hipotesis. Pengujian

hipotesis dilakukan dengan menguji signifikansi regresi dengan

alfa 5%. Jika nilai probabilitas lebih kecil dari taraf signifikansi

maka dapat mendukung hipotesis.


commit to user

67

BAB IV

ANALISIS DATA DAN PEMBAHASAN

A. Deskripsi Umum Responden Penelitian

Populasi dalam penelitian ini adalah mahasiswa FE UNS baik

Program Studi S1 maupun D3. Responden ditentukan dengan purposive

sampling karena tidak semua mahasiswa S1 dan D3 dapat mengisi

kuesioner. Mahasiswa yang diperkenankan adalah mahasiswa FE UNS

pada semester IV dan VI yang telah menempuh mata kuliah Praktek

Akuntansi 2 atau mahasiswa yang pernah melakukan pelatihan mengenai

software akuntansi.

1. Kuesioner Responden

Pada bagian ini dijelaskan mengenai data-data deskriptif dari

responden. Data deskriptif yang menggambarkan keadaan atau kondisi

responden perlu diperhatikan sebagai informasi tambahan untuk

memahami hasil penelitian. Perolehan data dilakukan pada bulan April

2012. Pada tabel 4.1, dijelaskan bahwa kuesioner yang disebar sebanyak

200 kuesioner dan kuesioner yang kembali sebanyak 200 kuesioner karena

kuesioner dibagikan secara langsung pada mahasiswa yang terkait dan

kuesioner dapat diambil secara langsung setelah mahasiswa mengisi

kuesioner tersebut. Jumlah sampel pengamatan sebanyak 200 pengamatan

yang terdiri dari banyaknya kuesioner yang kembali.


commit to user

68

Tabel 4.1 Distribusi Kuesioner Penelitian

Keterangan Jumlah Kuesioner Jumlah kuesioner yang dipilih kuesioner yang kembali kuesioner yang tidak kembali kuesioner yang tidak lengkap Sampel akhir pengamatan

200 0 0 0

200 Sumber : Data penelitian diolah 2012

2. Deskripsi Jenis Kelamin Responden

Berdasarkan data penelitian yang dilakukan dari penyebaran

kuesioner maka data tentang jenis kelamin dapat dilihat pada tabel 4.2.

Tabel 4.2 Statistik Deskriptif Jenis Kelamin Responden

No. Jenis Kelamin Frekuensi Presentase 1. Laki-laki 88 44% 2. Perempuan 112 66% Jumlah 200 100%

Sumber : Data penelitian diolah 2012

Tabel 4.2 menyajikan informasi berupa data demografi responden

meliputi Jenis kelamin, tidak ada perbedaan antara pria dan wanita dalam

memahami software akuntansi dikarenakan jumlah proporsi dan kesediaan

dalam mengerjakan tugas adalah sama. Tidak terdapat pengecualian yang

khusus antara pria dan wanita dalam proses belajar mengajar dalam

perkuliahan.

Sebagian besar responden adalah perempuan dengan jumlah 112

responden atau sekitar 66% dari seluruh responden yang berjumlah 200


commit to user

69

orang, sedangkan responden yang berjenis kelamin laki-laki hanya

berjumlah 88 orang atau sekitar 44% dari jumlah 200 orang.

3. Deskripsi Program Studi Responden

Berdasarkan data kuesioner yang tersebar dapat ditunjukan pula

distribusi program studi mahasiswa FE UNS. Program studi sebenarnya

dapat mempengaruhi penguasaan atas software akuntansi. Program studi

D3 memiliki masa waktu yang lebih lama dalam menggunakan software

dibandingkan dengan mahasiswa S1. Mahasiswa D3 lebih berorientasi

pada praktek yang ada dan memiliki pengalaman serta frekuensi

penggunaan yang lebih, sedangkan mahasiswa S1 terbatas dalam

pemakaian software akuntansi karena lebih fokus dalam teori yang ada.

Berdasarkan data penelitian yang dilakukan dari penyebaran kuesioner

maka diperoleh data statistik deskriptif mengenai program studi

mahasiswa FE UNS yang dapat dilihat pada tabel 4.3 berikut.

Tabel 4.3 Statistik Deskriptif Program Studi Responden

No. Program Studi Frekuensi Presentase 1. Program S-1 Akuntansi

Reguler 58 29%

2. Program S-1 Akuntansi transfer

40 20%

3. Diploma III 102 51% Jumlah 200 100%

Sumber: Data penelitian diolah 2012

Data pada tabel 4.3 menunjukan bahwa responden penelitian untuk

prodi S-1 akuntansi regular sebanyak 58 responden, untuk prodi akuntansi


commit to user

70

transfer 40 responden, dan untuk diploma III sebanyak 102 responden

yang terdiri atas DIII Perpajakan dan DIII akuntansi.

4. Deskripsi Pengalaman Penggunaan Software

Berdasarkan distribusi data dari 200 responden menurut

pengalaman dalam menggunakan software dapat ditunjukkan sebagai

berikut.

Tabel 4.4 Klasifikasi Responden Berdasarkan Pengalaman

No Pengalaman Jumlah Presentase

1. 1 Semester 68 34% 2. 1 Semester hingga

3 Tahun 32

16% 3. > 3 Tahun 0 -

Jumlah responden yang menjawab

100 50%

Total responden 200 100% Sumber: data primer diolah (2012)

Hasil distribusi tentang pengalaman responden dalam

menggunakan software dari 200 responden hanya 100 responden yang

menjawab telah memiliki pengalaman dalam rentang waktu tertentu. Hal

ini dapat dikarenakan karena sebagian responden masih belum memiliki

pengalaman atau masih dalam proses pembelajaran untuk mengenal

software. Dalam tabel 4.4 dapat diketahui bahwa 68 responden (34%)

mempunyai pengalaman kurang dari 1 Semester, yang terdiri dari

mahasiswa akuntansi S1 regular dan mahasiswa D3. dan 32 responden

(16%) memiliki pengalaman antara 1 Semester hingga 3 Tahun, yang

terdiri dari mahasiwa non regular.


commit to user

71

B. Analisis Data dan Pengujian Hipotesis

1. Model Pengukuran (Measurement Model) dengan Analisis Faktor

Konfirmatori (Confirmatory factor analysis)

Model pengukuran (measurement model) dengan analisis faktor

konfirmatori merupakan analisa dengan menggunakan estimasi setiap

konstruk dalam analisis. Tiap konstruk ini berfungsi untuk menyelidiki

unidimensionalitas dari indikator-indikator yang menjelaskan sebuah

faktor atau sebuah variabel. Dengan melihat nilai validitas konvergen

masing-masing indikator serta reliabilitas konstruk agar memastikan suatu

konsep atau konstrak berada dalam kondisi unidimensional. Model dengan

derajat bebas (df) 0 akan dipastikan dalam keadaan unidimensional,

sedangkan model yang memiliki df positif terlebih dahulu harus dilihat

kriteria goodness of fit-nya agar diketahui unidimensionalitas-nya.

Analisis konfirmatori menggunakan single Measurement Model,

suatu konstruk latent sangat dipengaruhi oleh beberapa indikator yang

membangun konstruk tersebut, sehingga beberapa indikator yang ada

digunakan sebagai pengukur konstruk sebuah latent. Pada bagian ini akan

diuraikan model pengukuran untuk konstruk Demand of work (DOW),

experience (EXP), frequency of use (FOU), perceived of usefulness (PU),

perceived ease of use (PEOU), Attitude toward Using (ATU), Behaviour

intention of use (BIOU), dan actual system use (ACU).


commit to user

72

a. Measurement Model dengan Confirmatory factor analysis untuk

Konstruk Demand of work

Dengan menggunakan software AMOS V.S 18.0 hasil

perhitungan pengukuran model dengan confirmatory factor analysis

dapat dilihat pada gambar 4.1 sebagai berikut.

Gambar 4.1 Confirmatory factor analysis untuk Konstruk Demand of work

Sumber : Data primer yang diolah 2012

Untuk mengetahui apakah data tersebut sudah mencapai goodness

of fit Indices dan model yang dibangun mendukung secara statistik,

berikut adalah ringkasan perbandingan model yang dibangun


commit to user

73

mendukung berdasarkan goodness-of-fit indices seperti pada tabel 4.5

berikut.

Tabel 4.5 Goodness-of-fit Indices untuk Konstruk Demand of work

Goodness of fit indices

Cut off value Hasil model Keterangan

Chi square Diharapkan kecil 0.186 Marginal Probability

0.999 Fit

CMIN/DF

0.37 Fit

GFI

1.000 Fit

AGFI

0.999 Fit

TLI

1.094 Fit

CFI 1.000 Fit RMSEA 0.000 Fit


Berdasarkan tabel 4.5 nilai goodness of fit Indices untuk konstruk

demand of work sudah dipenuhi, langkah selanjutnya yang harus

dilakukan adalah melihat nilai signifikansi dari estimasi parameter

regression weight seperti yang ada dalam tabel 4.6 sebagai berikut.


commit to user

74

Tabel 4.6 Regresion Weight untuk Konstruk Demand of work

Estimate S.E. C.R. P Label

X14 <--- DOW .848 .176 4.815 *** X15 <--- DOW 1.000

X16 <--- DOW .993 .194 5.126 *** X17 <--- DOW .881 .177 4.965 *** X18 <--- DOW .665 .177 3.752 *** Sumber : Data primer yang diolah 2012

Berdasarkan tabel 4.6 di atas menunjukan bahwa semua indikator

variabel Demand of work signifikan pada 0.05 dengan ditunjukkan

dengan tanda (***). Selanjutnya, model fit suatu konstruk yang

dianalisis dengan AMOS dipersyaratkan memenuhi nilai convergent

validity yaitu indikator dengan faktor loading diatas 0,50 sehingga

indikator dengan faktor loading dibawah 0,50 dinyatakan tidak valid

sebagai konstruk variabel system quality dan harus kembali

dieliminasi (didrop) dari analisis (Ghozali, 2008). Nilai convergent

validity tiap indikator konstruk ditunjukan pada tabel 4.7 sebagai

berikut.

Tabel 4.7

Standardized Regression untuk Konstruk Demand of work

Estimate X14 <--- DOW .513 X15 <--- DOW .608 X16 <--- DOW .584 X17 <--- DOW .542 X18 <--- DOW .361



commit to user

75

Berdasarkan tabel 4.7 terdapat indikator dari konstruk demand of

work yang memiliki loading factor di bawah 0,5, sehingga indikator

X18 harus dibuang dari analisis karena dinyatakan tidak valid. Karena

terdapat indikator yang dinyatakan tidak valid sebagai konstruk

variabel pemberdaya, maka indikator tersebut harus dieliminasi

(didrop) dari analisis. Modifikasi model dapat dilihat kembali pada

gambar 4.2 sebagai berikut.

Gambar 4.2 Modifikasi Confirmatory factor analysis untuk Konstruk Demand of work

Sumber : Data primer yang diolah, 2012


commit to user

76

Ringkasan perbandingan model yang telah dimodifikasi dengan

persyaratan yang telah ditetapkan seperti yang ada dalam tabel 4.8

sebagai berikut.

Tabel 4.8 Goodness-of-fit Indices untuk Konstruk Demand of work


Cut off value Hasil model

Keterangan


0.927 Fit

CMIN/DF

0.076 Fit

GFI 1.000 Fit AGFI

0.998 Fit

TLI

1.063 Fit

NFI 1.000 Fit RMSEA 0.000 Fit


Berdasarkan tabel 4.8 di atas nilai chi-squares telah mengalami

penurunan yang cukup tinggi, namun nilai CMIN/DF mengalami

peningkatan, nilai probabilitas, AGFI, dan TLI mengalami penurunan

dikarenakan modifikasi. Namun seluruh goodness of fit untuk

konstruk demand of work masih sesuai dengan yang dipersyaratkan.

Langkah selanjutnya yang kembali dilakukan adalah melihat nilai

signifikansi dari estimasi parameter regression weight seperti yang

ada dalam tabel 4.9 sebagai berikut.


commit to user

77

Tabel 4.9 Regresion Weight untuk Konstruk Demand of work (Modifikasi)


X14 <--- DOW .849 .183 4.645 *** X15 <--- DOW 1.000 X16 <--- DOW .986 .202 4.879 *** X17 <--- DOW .883 .185 4.776 ***


Berdasarkan tabel 4.9 di atas menunjukan bahwa semua indikator

variabel Demand of work signifikan pada 0.05 dengan ditunjukan



validity yaitu indikator dengan faktor loading diatas 0,50 sehingga


sebagai konstruk variabel demand of work dan harus kembali



berikut.

Tabel 4.10 Standardized Regression untuk Konstruk Demand of work (Modifikasi)

Estimate X14 <--- DOW .513 X15 <--- DOW .609 X16 <--- DOW .580 X17 <--- DOW .545


Berdasarkan tabel 4.10 tidak ada indikator dari konstruk demand

of work yang memiliki loading factor di bawah 0,5, maka dapat

disimpulkan bahwa indikator X14, X15, X16, dan X17 merupakan


commit to user

78

indikator yang mampu menjelaskan dan mendefinisikan konstruk

demand of work serta keempat indikator tersebut memenuhi

convergent validity dan unidimensionalitas.

b. Measurement Model dengan Confirmatory factor analysis untuk

Konstruk Experience




Gambar 4.3 Confirmatory factor analysis untuk Konstruk Experience



commit to user

79


of fit indhices dan model yang dibangun mendukung secara statistik,


mendukung secara statistik berdasarkan goodness-of-fit indices seperti

pada tabel 4.11 berikut.

Tabel 4.11 Goodness-of-fit Indices untuk Konstruk Experience

Goodness of

fit indices Cut off value Hasil

model Keterangan


0.557 Fit

CMIN/DF

0.585 Fit

GFI 0.997 Fit AGFI 0.985 Fit TLI

1.009 Fit



Berdasarkan tabel 4.11 nilai goodness of fit Indices untuk

konstruk experience sudah dipenuhi, langkah selanjutnya yang harus




commit to user

80

Tabel 4.12 Regresion Weight untuk Konstruk Experience


X19 <--- EXP .852 .083 10.303 *** X20 <--- EXP .703 .087 8.104 *** X21 <--- EXP .988 .088 11.229 *** X22 <--- EXP 1.000


Berdasarkan tabel 4.12 di atas menunjukan bahwa semua

indikator variabel experience signifikan pada 0.05 dengan ditunjukan



validity yaitu indikator dengan faktor loading diatas 0,50, sehingga


sebagai konstruk variabel experience dan harus dieliminasi (didrop)

dari analisis (Ghozali, 2008). Nilai convergent validity tiap indikator

konstruk ditunjukan pada tabel 4.13 sebagai berikut.

Tabel 4.13 Standardized Regression untuk Konstruk Experience

Estimate

X19 <--- EXP .724 X20 <--- EXP .584 X21 <--- EXP .798 X22 <--- EXP .843

Berdasarkan tabel 4.13 tidak ada indikator dari konstruk

experience yang memiliki loading factor di bawah 0,5, maka dapat




commit to user

81

experience serta keempat indikator tersebut memenuhi convergent

validity dan unidimensionalitas.

c. Measurement Model dengan Confirmatory factor analysis untuk

Konstruk Frequency of Use

Dengan menggunakan software AMOS V.S 18.0, hasil



Gambar 4.4 Confirmatory factor analysis untuk Konstruk Frequency Of Use



commit to user

82


of fit indices dan model yang dibangun mendukung secara statistik,


mendukung berdasarkan goodness-of-fit-indices seperti pada tabel

4.14 berikut.

Tabel 4.14 Goodness-of-fit Indices untuk Konstruk Frequency of Use

Goodness of

fit indices Cut off value Hasil

model Keterangan

Chi square Diharapkan kecil 0,723 Marginal Probability

0.697 Fit

CMIN/DF

0.361 Fit


1.019 Fit




konstruk frequency of use sudah dipenuhi, langkah selanjutnya yang

harus dilakukan adalah melihat nilai signifikansi dari estimasi

parameter regression weight seperti yang ada dalam tabel 4.15 sebagai

berikut.


commit to user

83

Tabel 4.15 Regresion Weight untuk Konstruk Frequency of Use

Estimate S.E. C.R. P Label X28 <--- FOU .974 .121 8.052 *** X29 <--- FOU .930 .126 7.358 *** X30 <--- FOU .902 .121 7.460 *** X31 <--- FOU 1.000


Berdasarkan tabel 4.15 di atas menunjukkan bahwa semua

indikator variabel frequency of use signifikan pada 0.05 dengan

ditunjukan dengan tanda (***). Selanjutnya, model fit suatu konstruk

yang dianalisis dengan AMOS dipersyaratkan memenuhi nilai

convergent validity yaitu indikator dengan faktor loading diatas 0,50

sehingga indikator dengan loading factor dibawah 0,50 dinyatakan

tidak valid sebagai konstruk variabel frequency of use dan harus


validity tiap indikator konstruk ditunjukkan pada tabel 4.16 sebagai

berikut.

Tabel 4.16 Standardized Regression untuk Konstruk Frequency of Use

Estimate

X28 <--- FOU .734 X29 <--- FOU .634 X30 <--- FOU .646 X31 <--- FOU .720



frequency of use yang memiliki loading factor di bawah 0,5, maka

dapat disimpulkan bahwa indikator X28, X29, X30, dan X31


commit to user

84

merupakan indikator yang mampu menjelaskan dan mendefinisikan

konstruk frequency of use serta keempat indikator tersebut memenuhi


c. Measurement Model dengan Confirmatory factor analysis untuk

Konstruk Perceived of Usefullnes



dapat dilihat pada Gambar 4.5 sebagai berikut.

Gambar 4.5 Confirmatory factor analysis untuk Konstruk Perceived of Usefulness



commit to user

85



berikut adalah ringkasan perbandingan model yang dibangun secara

statistik mendukung berdasarkan goodness-of-fit-indices seperti pada

tabel 4.17 berikut.

Tabel 4.17 Goodness-of-fit Indices untuk Konstruk Perceived of Usefulness



Keterangan


0.431 Fit

CMIN/DF

1.008 Fit


1.000 Fit


Sumber : Data primer diolah yang, 2012

Walaupun nilai goodness of fit statistik untuk konstruk perceived

of usefulness sudah dipenuhi, langkah selanjutnya yang harus




commit to user

86

Tabel 4.18 Regresion Weight untuk Konstruk Perceived of Usefulness

Estimate S.E. C.R. P Label X9 <--- PU .873 .116 7.557 *** par_1 X10 <--- PU .861 .122 7.036 *** par_2 X12 <--- PU .924 .112 8.249 *** par_3 X11 <--- PU .783 .108 7.224 *** par_4 X13 <--- PU 1.000 X8 <--- PU .992 .129 7.669 *** par_5



indikator variabel perceived of usefulness signifikan pada 0.05 dengan

ditunjukkan dengan tanda (***). Selanjutnya, model fit suatu konstruk



sehingga indikator dengan faktor loading dibawah 0,50 dinyatakan

tidak valid sebagai konstruk variabel perceived of usefullness dan

harus dieliminasi (didrop) dari analisis (Ghozali, 2008). Nilai

convergent validity tiap indikator konstruk ditunjukan pada tabel 4.19

sebagai berikut.

Tabel 4.19 Standardized Regression untuk Konstruk Perceived of Usefulness

Estimate

X9 <--- PU .637 X10 <--- PU .586 X12 <--- PU .712 X11 <--- PU .604 X13 <--- PU .687 X8 <--- PU .649



commit to user

87


perceived of usefulness yang memiliki loading factor di bawah 0,5,

maka dapat disimpulkan bahwa indikator X8, X9, X10, X11, X12, dan

X13 merupakan indikator yang mampu menjelaskan dan

mendefinisikan konstruk perceived of usefulness serta keenam

indikator tersebut memenuhi convergent validity dan

unidimensionalitas.

d. Measurement Model dengan Confirmatory factor analysis untuk

Konstruk Perceived ease of use





commit to user

88

Gambar 4.6 Confirmatory factor analysis untuk Konstruk Perceived ease of use

Sumber : Data primer diolah, 2012





4.20 berikut.


commit to user

89

Tabel 4.20 Goodness-of-fit Indices untuk Konstruk Perceived ease of use

Goodness of

fit indices Cut off value Hasil model Keterangan


0.466 Fit

CMIN/DF

0.921 Fit


1.003 Fit




konstruk perceived ease of use sudah dipenuhi, langkah selanjutnya

yang harus dilakukan adalah melihat nilai signifikansi dari estimasi


berikut.

Tabel 4.21

Regresion Weight untuk Konstruk Perceived ease of use

Estimate S.E. C.R. P Label X1 <--- PEOU .939 .110 8.551 *** par_1 X3 <--- PEOU 1.002 .111 9.003 *** par_2 X2 <--- PEOU 1.000

X4 <--- PEOU .831 .103 8.065 *** par_3 X5 <--- PEOU .805 .114 7.094 *** par_4 Sumber : Data primer yang diolah, 2012

Berdasarkan Tabel 4.21 di atas menunjukkan bahwa semua

indikator variabel perceived ease of use signifikan pada 0.05 dengan


commit to user

90




sehingga indikator dengan faktor loading dibawah 0,50 dinyatakan

tidak valid sebagai konstruk variabel perceived ease of use dan harus



berikut.

Tabel 4.22 Standardized Regression untuk Konstruk Perceived ease of use

Estimate

X1 <--- PEOU .710 X3 <--- PEOU .760 X2 <--- PEOU .700 X4 <--- PEOU .674 X5 <--- PEOU .589



perceived ease of use yang memiliki loading factor di bawah 0,5,

maka dapat disimpulkan bahwa indikator X1, X2, X3, X4, dan X5


konstruk perceived ease of use serta kelima indikator tersebut

memenuhi convergent validity dan unidimensionalitas.


commit to user

91

e. Measurement Model dengan Confirmatory factor analysis untuk

Konstruk Behavioral Intention to Use




Gambar 4.7 Confirmatory factor analysis untuk Konstruk Behavioral Intention to Use






commit to user

92

mendukung secara statistik berdasarkan goodness-of-fit-indices seperti


Tabel 4.23 Goodness-of-fit Indices untuk Konstruk Behavioral Intention to Use




0.721 Fit

CMIN/DF

0.585 Fit


1.032 Fit




konstruk behavioral intention to use sudah dipenuhi, langkah

selanjutnya yang harus dilakukan adalah melihat nilai signifikansi dari

estimasi parameter regression weight seperti yang ada dalam tabel

4.24 sebagai berikut.

Tabel 4.24

Regresion Weight untuk Konstruk Behavioral Intention to Use

Estimate S.E. C.R. P Label X32 <--- BIOU .759 .146 5.208 ***

X33 <--- BIOU 1.000

X34 <--- BIOU .760 .151 5.031 *** X35 <--- BIOU .805 .148 5.429 *** X36 <--- BIOU .711 .134 5.302 ***



commit to user

93


indikator variabel behavioral intention to use signifikan pada 0.05

dengan ditunjukkan dengan tanda (***). Selanjutnya, model fit suatu

konstruk yang dianalisis dengan AMOS dipersyaratkan memenuhi

nilai convergent validity yaitu indikator dengan loading factor diatas

0,50 sehingga indikator dengan faktor loading dibawah 0,50

dinyatakan tidak valid sebagai konstruk variabel behavioral intention

to use dan harus dieliminasi (didrop) dari analisis (Ghozali, 2008).

Nilai convergent validity tiap indikator konstruk ditunjukkan pada

tabel 4.25 sebagai berikut.

Tabel 4.25 Standardized Regression untuk Behavioral Intention to Use

Estimate

X32 <--- BIOU .532 X33 <--- BIOU .622 X34 <--- BIOU .504 X35 <--- BIOU .572 X36 <--- BIOU .548



behavioral intention to use yang memiliki loading factor di bawah

0,5, maka dapat disimpulkan bahwa indikator X32, X33, X34, X35,

dan X36 merupakan indikator yang mampu menjelaskan dan

mendefinisikan konstruk behavioral intention to use serta kelima

indikator tersebut memenuhi convergent validity dan

unidimensionalitas.


commit to user

94

f. Measurement Model dengan Confirmatory factor analysis untuk

Konstruk Attitude toward Using




Gambar 4.8 Confirmatory factor analysis untuk Konstruk Attitude toward Using

Sumber : Data primer yang dioleh, 2012





commit to user

95



Tabel 4.26 Goodness-of-fit Indices untuk Konstruk Attitude toward Using




0.915 Fit

CMIN/DF

0.089 Fit


1.023 Fit




konstruk attitude toward using sudah dipenuhi, langkah selanjutnya

yang harus dilakukan adalah melihat nilai signifikansi dari estimasi


berikut.

Tabel 4.27

Regresion Weight untuk Konstruk Attitude toward Using

Estimate S.E. C.R. P Label X37 <--- ATU .812 .094 8.644 ***

X38 <--- ATU 1.000

X39 <--- ATU .927 .103 9.035 *** X40 <--- ATU .771 .095 8.099 ***



commit to user

96


indikator variabel attitude toward using signifikan pada 0.05 dengan





tidak valid sebagai konstruk variabel attitude toward using dan harus



berikut.

Tabel 4.28 Standardized Regression untuk Attitude toward Using

Estimate

X37 <--- ATU .683 X38 <--- ATU .795 X39 <--- ATU .724 X40 <--- ATU .635


Berdasarkan tabel 4.28 tidak ada indikator dari konstruk attitude

toward using yang memiliki loading factor di bawah 0,5, maka dapat



attitude toward using serta keempat indikator tersebut memenuhi



commit to user

97

g. Measurement Model dengan Confirmatory factor analysis untuk Konstruk Actual System Use




Gambar 4.9 Confirmatory factor analysis untuk Konstruk Actual System Use






commit to user

98



Tabel 4.29 Goodness-of-fit Indices untuk Konstruk Actual System Use



Keterangan


0.472 Fit

CMIN/DF

0.912 Fit


1.004 Fit




konstruk actual system use sudah dipenuhi, Langkah selanjutnya yang

harus dilakukan adalah melihat nilai signifikansi dari estimasi


berikut.

Tabel 4.30

Regresion Weight untuk Konstruk Actual System Use

Estimate S.E. C.R. P Label X32 <--- ATU .759 .146 5.208 ***

X33 <--- ATU 1.000

X34 <--- ATU .760 .151 5.031 *** X35 <--- ATU .805 .148 5.429 *** X36 <--- ATU .711 .134 5.302 ***



commit to user

99


indikator variabel actual system use signifikan pada 0.05 dengan





tidak valid sebagai konstruk variabel actual system use dan harus



berikut.

Tabel 4.31 Standardized Regression untuk Actual System Use

Estimate

X41 <--- ACU .614 X42 <--- ACU .757 X43 <--- ACU .703 X44 <--- ACU .511 X45 <--- ACU .564


Berdasarkan tabel 4.31 tidak ada indikator dari konstruk actual

system use yang memiliki loading factor di bawah 0,5, maka dapat

disimpulkan bahwa indikator X41, X42, X43, X44, dan X45


konstruk actual system use serta kelima indikator tersebut memenuhi



commit to user

100

h. Measurement Model dengan Confirmatory factor analysis antar

Konstruk Endogen dan Eksogen

Uji konfirmatori ini dilakukan dengan mengkovariankan antar

variabel endogen dan eksogen untuk mengetahui nilai goodness fit

indices serta melihat nilai covergent validity apakah sudah memenuhi

kriteria. Uji ini harus dilakukan sebelum memasuki estimasi

persamaan full mode untuk mendapat hasil goodness fit indices yang

lebih sesuai. Dengan menggunakan software AMOS V.S 18.0, hasil


antar konstruk endogen dan eksogen dapat dilihat pada gambar 4.10

sebagai berikut.


commit to user

101

Gambar 4.10 Confirmatory factor analysis Konstruk Eksogen dan Endogen



of fit statistik dan model yang dibangun mendukung secara statistik,



4.32 berikut.


commit to user

102

Tabel 4.32 Goodness-of-fit Indices untuk Konstruk Eksogen dan Endogen




0.330 Fit

CMIN/DF

1.024 Fit

GFI 0.859 Marginal AGFI 0.840 Marginal TLI

0.992 Fit



Berdasarkan nilai goodness of fit statistik untuk uji konfirmatori

konstruk endogen dan konstruk endogen, GFI dan AGFi memiliki

nilainya dibawah 0,90, sehingga model untuk persyaratan GFI dan

AGFI diterima dalam kondisi marginal. Untuk kriteria lain sudah

dipenuhi dan melebihi persyaratan. Nilai AGFI dan GFI berada di

anatara nilai 0 (poor fit) hingga 1 (perfect fit), menurut Ghozali (2008)

bila terdapat tiga kriteria atau lebih yang telah memenuhi goodness-of-

fit, maka dapat diasumsikan bahwa model telah memenuhi persyaratan

dan model dapat dikatakan baik. Langkah selanjutnya yang harus




commit to user

103

Tabel 4.33 Regresion Weight Uji Konfirmatori antar Konstruk Eksogen dan Endogen


X14 <--- DOW .854 .182 4.686 *** X15 <--- DOW 1.000

X16 <--- DOW .989 .201 4.925 *** X17 <--- DOW .884 .184 4.812 *** X19 <--- EXP .850 .082 10.373 *** X20 <--- EXP .702 .086 8.155 *** X21 <--- EXP .988 .087 11.348 *** X22 <--- EXP 1.000

X28 <--- FOU .963 .119 8.069 *** X29 <--- FOU .926 .125 7.392 *** X30 <--- FOU .897 .120 7.484 *** X31 <--- FOU 1.000

X8 <--- PU .993 .129 7.694 *** X9 <--- PU .881 .115 7.625 *** X10 <--- PU .889 .123 7.246 *** X11 <--- PU .798 .109 7.350 *** X12 <--- PU .905 .111 8.155 *** X1 <--- PEOU .959 .118 8.156 *** X2 <--- PEOU 1.000

X3 <--- PEOU 1.017 .119 8.539 *** X4 <--- PEOU .879 .109 8.052 *** X5 <--- PEOU .877 .119 7.372 *** X37 <--- ATU .872 .108 8.059 *** X38 <--- ATU 1.000

X39 <--- ATU .969 .117 8.283 *** X40 <--- ATU .785 .110 7.134 *** X32 <--- BIOU .774 .148 5.238 *** X33 <--- BIOU 1.000

X34 <--- BIOU .759 .152 4.988 *** X35 <--- BIOU .817 .150 5.443 *** X42 <--- ASU 1.000

X43 <--- ASU .919 .113 8.144 *** X44 <--- ASU .652 .104 6.246 *** X45 <--- ASU .753 .110 6.839 *** X41 <--- ASU .871 .118 7.367 *** X13 <--- PU 1.000

X36 <--- BIOU .727 .136 5.338 ***



indikator dalam uji konfirmatori antar variabel endogen dan eksogen


commit to user

104

signifikan pada 0.05 dengan ditunjukan dengan tanda (***).

Selanjutnya, model fit suatu konstruk yang dianalisis dengan AMOS

dipersyaratkan memenuhi nilai convergent validity yaitu indikator

dengan faktor loading diatas 0,50 sehingga indikator dengan faktor

loading dibawah 0,50 dinyatakan tidak valid sebagai konstruk variabel

dan harus dieliminasi (didrop) dari analisis (Ghozali, 2008). Nilai

convergent validity tiap indikator konstruk ditunjukan pada tabel 4.34

sebagai berikut.

Tabel 4.34 Standardized Regression Uji Konfirmatori antar Konstruk

Eksogen dan Endogen

Estimate X14 <--- DOW .515 X15 <--- DOW .608 X16 <--- DOW .581 X17 <--- DOW .544 X19 <--- EXP .724 X20 <--- EXP .585 X21 <--- EXP .800 X22 <--- EXP .845 X28 <--- FOU .730 X29 <--- FOU .635 X30 <--- FOU .645 X31 <--- FOU .724 X8 <--- PU .647 X9 <--- PU .640 X10 <--- PU .603 X11 <--- PU .613 X12 <--- PU .695 X1 <--- PEOU .697 X2 <--- PEOU .673 X3 <--- PEOU .741 X4 <--- PEOU .685 X5 <--- PEOU .616 X37 <--- ATU .669 X38 <--- ATU .733 X39 <--- ATU .693


commit to user

105

X40 <--- ATU .582 X32 <--- BIOU .537 X33 <--- BIOU .615 X34 <--- BIOU .498 X35 <--- BIOU .574 X42 <--- ASU .757 X43 <--- ASU .703 X44 <--- ASU .511 X45 <--- ASU .564 X41 <--- ASU .614 X13 <--- PU .683 X36 <--- BIOU .554


Berdasarkan tabel 4.34 tidak ada indikator dari konstruk yang

memiliki loading factor di bawah 0,5. Maka dapat disimpulkan bahwa

semua indikator merupakan indikator yang mampu menjelaskan dan

mendefinisikan setiap konstruk dalam uji konfirmatori antar variabel

eksogen dan endogen dan setiap indikator tersebut memenuhi

convergent validity.

2. Persamaan Full Model

Setelah melakukan uji konfirmatori dengan unidimensional dan

mengkovariankan setiap variabel endogen dan eksogen, langkah

selanjutnya adalah melakukan analisis full structural equation model (Full

Mode Analisis). Analisis ini dilakukan dengan tetap memperhatikan proses

analisis faktor konfirmatori tiap konstruk, dengan demikian proses tersebut

menguji model secara keseluruhan dengan menggunakan model tiap

konstruk sehingga terbentuk model yang baik. Analisis model persamaan

struktural secara penuh (full structural equation model analysis) dapat

dilihat pada gambar 4.11 sebagai berikut.

Lanjutan Tabel 4.34


commit to user

106

Gambar 4.11 Persamaan Full Mode



commit to user

107

A. Pengujian Asumsi

Langkah yang harus dilakukan pertama kali dalam pengujian

dengan SEM adalah mengevaluasi asumsi-asumsi SEM sebagai

berikut.

a) Ukuran Sampel

Ukuran sampel yang harus dipenuhi dalam pemodelan ini

adalah menggunakan ukuran sampel menggunakan teknik maximum

likelihood estimation. Dalam penelitian ini peneliti menggunakan 200

sampel. Ghozali (2008) merekomendasikan bahwa ukuran sampel

antara 100 sampai 200 harus menggunakan metode estimasi maximum

likelihood. Dari penjelasan tersebut dapat disimpulkan ukuran sampel

dalam penelitian ini sudah memenuhi jumlah sampel minimum.

b) Asumsi Outlier

Pengujian asumsi outlier dapat dengan memperhatikan tabel

observations farthest from the centroid (mahalonobis distance).

Pengujian ini berfungsi untuk mengukur apakah data penelitian ada

yang mengalami outlier yaitu dengan mendeteksi apakah skor

observasi ada yang jauh berbeda dengan skor centroid untuk 200

kasus. Mahalonobis d square digunakan untuk mengukur jarak skor

hasil observasi terhadap nilai centroid-nya. Penentuan cut-off outlier

ditentukan menjumlahkan p1 dan p2. Jika nilai mahalanobis distance

lebih besar dari chi square pada derajat bebas sebesar jumlah variabel


commit to user

108

berarti responden tersebut adalah multivariate outliers (Ferdinand,

2006).

Hasil perhitungan menunjukkan masih terdapat data yang

memiliki nilai Probabilitas (P) yaitu P2 < 0,001 atau mengalami outlier

sehingga perlu dilakukan pembersihan data (Ghozali, 2008). Dalam

data ini tidak terdapat nilai mahalonobis distance yang lebih besar dari

X2 (40, 0,001) = 78.41 disimpulkan tidak terdapat multivariate outlier

tetapi terdapat nilai P2 < 0,001 maka sebaiknya data dieliminasi

karena menunjukan observasi yang jauh dari nilai centroid-nya.

Mahalonobis Distance dapat dilihat pada tabel 4.35.

Tabel 4.35 Tabel Mahalonobis Distance

Observation number Mahalanobis d-squared p1 p2

199 71.519 .001 .000 168 69.734 .002 .000 90 68.814 .002 .000

180 68.514 .002 .000 96 67.660 .003 .000

200 65.086 .005 .000 89 64.566 .006 .000

121 64.068 .007 .000 20 62.401 .010 .000

198 60.732 .014 .000 116 60.159 .016 .000 24 57.773 .027 .000 94 56.647 .034 .000 69 48.623 .139 .000 77 48.617 .139 .000

129 48.285 .146 .000 Sumber : Data primer yang diolah, 2012

Outlier merupakan kondisi observasi dari suatu data yang

memiliki karakteristik unik yang terlihat sangat berbeda jauh dari


commit to user

109

observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim,

baik untuk sebuah variabel tunggal ataupun variabel-variabel

kombinasi (Hair, Anderson, Tatham dan Black, 1998). Nilai yang

kecil pada P2 menunjukkan observasi yang jauh dari nilai centroidnya

dan dianggap outlier serta harus dibuang (didrop) dari analisis.

Bedasarkan hasil output di atas, maka data yang dianggap outlier

adalah observasi 199, 168, 90, 180, 96, 200, 89, 121, 20, 198, 116, 24,

94, 69, 77, dan 129 sehingga data tersebut harus dibuang dari analisis.

Setelah perbaikan data tidak terdapat outlier dan data dinyatakan

terbebas dari outlier.

c) Asumsi Normalitas

Syarat lain dalam pengujian SEM adalah uji normalitas

dilakukan terhadap data yang digunakan dalam analisis model awal

secara keseluruhan, dengan menggunakan AMOS versi 18.0. Hasil uji

normalitas dapat dilihat yang menunjukkan nilai minimum,

maksimum, skewness, kurtosis, critical ratio untuk masing-masing

variabel dan total nilai multivariate. Nilai statistik untuk menguji

normalitas menggunakan z value (C.R pada output AMOS Vs 18.0)

dari nilai skewness dan kurtosis sebaran data. Nilai kritis dapat

ditentukan berdasarkan nili kritis dari C.R skewness dibawah 2,58 dan

C.R kurtosis dibawah 7 (Ferdinant, 2006). Hasil uji asumsi normalitas

secara lengkap dapat dilihat dalam tabel 4.36 berikut.


commit to user

110

Tabel 4.36 Tabel Uji Normalitas

Variable min max Skew c.r. Kurtosis c.r. X39 2.000 5.000 -.259 -1.436 -.795 -2.200 X38 3.000 5.000 -.133 -.738 -1.091 -3.020 X41 2.000 5.000 -.260 -1.438 -.785 -2.173 X45 1.000 5.000 -.685 -3.796 .279 .771 X43 1.000 5.000 -.802 -4.444 1.050 2.906 X42 1.000 5.000 -.586 -3.244 .221 .613 X35 1.000 5.000 -.035 -.195 -.262 -.725 X40 2.000 5.000 -.256 -1.419 -.639 -1.770 X37 3.000 5.000 -.137 -.758 -.962 -2.664 X33 1.000 5.000 -.562 -3.111 .065 .180 X32 2.000 5.000 -.184 -1.020 -.630 -1.745 X7 1.000 5.000 -.413 -2.288 .433 1.200 X6 2.000 5.000 -.080 -.443 -.376 -1.041 X5 2.000 5.000 -.086 -.479 -.460 -1.273 X4 2.000 5.000 -.475 -2.631 .591 1.635 X3 2.000 5.000 -.256 -1.419 -.149 -.413 X2 2.000 5.000 -.422 -2.336 -.257 -.711 X1 2.000 5.000 -.445 -2.464 -.059 -.163 X13 2.000 5.000 -.086 -.475 -.734 -2.032 X12 1.000 5.000 -.470 -2.604 .424 1.174 X11 2.000 5.000 .309 1.710 -.831 -2.302 X10 2.000 5.000 -.304 -1.685 -.428 -1.186 X9 1.000 5.000 -.645 -3.571 .544 1.506 X8 1.000 5.000 -.612 -3.391 .208 .575 X31 1.000 5.000 -.295 -1.634 -.252 -.698 X30 1.000 5.000 -.279 -1.546 -.312 -.864 X29 1.000 5.000 -.384 -2.129 -.166 -.461 X28 2.000 5.000 -.200 -1.108 -.435 -1.204 X22 1.000 5.000 -.373 -2.068 -.483 -1.338 X21 1.000 5.000 -.154 -.855 -1.017 -2.816 X20 1.000 5.000 -.040 -.223 -.897 -2.484 X19 1.000 5.000 -.339 -1.879 -.784 -2.172 X17 1.000 5.000 -.372 -2.062 -.295 -.817 X16 1.000 5.000 -.459 -2.541 -.235 -.650 X15 2.000 5.000 -.550 -3.047 -.473 -1.309 Multivariate 56.335 7.508


Tabel 4.36 menjelaskan hasil pengujian normalitas yang

selanjutnya digunakann untuk mengevaluasi normalitas baik secara


commit to user

111

univariate maupun multivariate. Secara univariate data dalam

penelitian ini termasuk non normal karena nilai X45, X43, X42, X33,

X4, X12, X9, X8, dan X15 memiliki nilai C.R. Skewness X > 2.58.

Secara multivariate data tidak terdistribusi normal dengan nilai C.R

kurtosis diatas batas persyaratan, data dalam penelitian menunjukan

nilai CR. Kurtosis secara multivariate sebesar 7.508.

Asumsi kenormalan data diperlukan dikarenakan data yang

tidak normal mengakibatkan pembiasan interprestasi nilai chi square.

Namun teknik Maximum Likehood Estimate (MLE) yang digunakan

dalam penelitian tidak terlalu terpengaruh (robust) terhadap

penyimpangan normalitas (Ghozali, 2008). Hal ini dikarenakan data

yang digunakan adalah data primer yang didapat dari responden

sehingga jawaban responden akan sangat beragam ditambah dengan

banyak indikator sehingga sulit untuk memperoleh data yang

mengikuti distribusi normal.

Terdapat perspektif baru di dalam estimasi non parametrik

yang berkaitan dengan parameter dan confidence interval estimation

untuk variabel metrik. Kita tidak perlu berasumsi bahwa confidence

interval untuk parameter mengikuti suatu distribusi normal.

Pendekatan non parametrik ini dikenal dengan resampling (Hair, et.al,

1998). Resampling dapat dilakukan dengan menggunakan kekuatan

komputasi untuk mengukur nilai parameter dari sampling. Metode

yang digunakan untuk resampling yaitu dengan bootstrap.


commit to user

112

Dikarenakan data yang diperoleh dalam penelitian ini tidak

berdistribusi normal, maka peneliti menggunakan fasilitas bootstrap.

Peneliti menggunakan fasilitas bootstrap dalam program AMOS VS

18.0 dengan menggunakan Bollen-Stine Bootstrap, Bollen-Stine

Bootsrap digunakan untuk mengevaluasi kesesuaian model yang

dihipotesiskan. Boolen-Stine Bootstrap menyatakan bahwa model

penelitian tidak dapat ditolak dikarenakan hasil resampling yang

menunjukan probabilitas sebesar 0.843, nilai yang meningkat daripada

model original. Hasil ini konsisten dengan nilai chi square model

original yang juga tidak dapat menolak hipotesis nol. Berikut tabel

4.37 yang menunjukan hasil Bollen-Stine Bootstrap.

Tabel 4.37 Bollen-Stine Bootstrap

The model fit better in 50 bootstrap samples. It fit about equally well in 0 bootstrap samples. It fit worse or failed to fit in 250 bootstrap samples. Testing the null hypothesis that the model is correct, Bollen-Stine bootstrap p = .834


d) Penilaian Kriteria Goodness of Fit Index Full Structural

Model

Setelah diadakan perbaikan data karena adanya outlier maka

nilai full model menjadi berubah seperti pada gambar 4.12 berikut.


commit to user

113

Gambar 4.12 Persamaan Full Mode Modifikasi


Untuk mengetahui apakah data tersebut sudah mencapai

goodness of fit indices dan model yang dibangun mendukung

mendukung secara statistik, berikut adalah ringkasan perbandingan

model yang dibangun mendukung secara statistik berdasarkan

goodness-of-fit-indices seperti pada tabel 4.38 berikut.


commit to user

114

Tabel 4.38 Goodness-of-fit Indices untuk Full Mode




0.72 Fit

CMIN/DF

0.966 Fit

GFI 0.859 Marginal AGFI 0.841 Marginal TLI

1.013 Fit



Sebelum melakukan pengujian hipotesis, langkah awal adalah

menilai kesesuaian goodness of fit berdasarkan nilai goodness of fit

indices untuk full mode pada tabel 4.38. Dikarenakan terdapat

pergeseran nilai akibat perubahan data dari penghapusan data yang

dianggap sebagai outlier menyebabkan nilai probabilitas turun

menjadi 0.72 diiringi dengan kenaikan nilai chi square menjadi

599.072, nilai GFI dan AGFI juga memiliki nilai dibawah 0,90 dan

GFI dan AGFI diterima dalam kondisi marginal. Untuk kriteria lain

sudah dipenuhi dan melebihi persyaratan, Nilai AGFI dan GFI berada

di antara nilai 0 (poor fit) hingga 1 (perfect fit), ghozali (2008) bila

terdapat tiga kriteria atau lebih yang telah memenuhi goodness-of-fit,

maka dapat diasumsikan bahwa model telah memenuhi persyaratan,

dan model dapat dikatakan baik.


commit to user

115

B. Pengujian Validitas dan Reliabilitas

Salah satu manfaat utama dari CFA adalah kemampuan

melihat nilai konstruk measurement theory yang diusulkan. Validitas

konsttruk mengukur sampai seberapa jauh ukuran indikator mampu

merefleksikan konstruk latent teorinya. Jadi validitas konstruk

mengukur memberikan kepercayaan bahwa ukuran indikator yang

diambil dari sampel menggambatkan skor sesungguhnya dalam

populasi. Berikut beberapa pengujian uji validitas yang dilakukan

dengan memperhatikan nilai loading faktor masing-masing konstruk.

a) Pengujian Validitas Konvergen (Convergent Validity)

Convergent Validity adalah pengujian indikator-indikator suatu

konstruk laten yang harus konvergen/share (berbagi) dengan proporsi

varian yang tinggi. Penilaian convergent validity dilihat dari nilai

loading factor. Berikut tabel 4.39 merupakan nilai loading factor

masing-masing konstruk sebagai berikut.

Tabel 4.39 Standardized Factor Loading Konstruk dalam Full Mode

Estimate

X14 <--- DOW .517 X15 <--- DOW .607 X16 <--- DOW .578 X17 <--- DOW .546 X19 <--- EXP .721 X20 <--- EXP .581 X21 <--- EXP .795 X22 <--- EXP .849 X28 <--- FOU .729 X29 <--- FOU .634 X30 <--- FOU .645 X31 <--- FOU .727


commit to user

116

X8 <--- PU .635 X9 <--- PU .622 X10 <--- PU .611 X11 <--- PU .623 X12 <--- PU .671 X1 <--- PEOU .696 X2 <--- PEOU .678 X3 <--- PEOU .736 X4 <--- PEOU .678 X5 <--- PEOU .643 X32 <--- BIOU .535 X33 <--- BIOU .616 X34 <--- BIOU .573 X35 <--- BIOU .578 X36 <--- BIOU .570 X42 <--- ASU .757 X43 <--- ASU .703 X44 <--- ASU .511 X45 <--- ASU .564 X41 <--- ASU .614 X37 <--- ATU .712 X38 <--- ATU .763 X39 <--- ATU .724 X40 <--- ATU .621 X13 <--- PU .711 X14 <--- DOW .417 X15 <--- DOW .607

Sumber : data primer yang diolah, 2012

Berdasarkan hasil output standardized loading factor estimate

pada Tabel 4.39, secara umum terdapat indikator yang nilainya masih

dibawah signifikansi 0.50 yaitu indikator X14 sehingga indikator

tersebut harus dieliminasi (didrop) dari analisis. Berikut tabel 4.40

merupakan nilai factor loading masing-masing konstruk yang telah

dimodifikasi.

Lanjutan Tabel 4.39


commit to user

117

Tabel 4.40 Standardized Factor Loading Konstruk dalam Full Mode modifikasi

Estimate

X15 <--- DOW .656 X16 <--- DOW .555 X17 <--- DOW .530 X19 <--- EXP .754 X20 <--- EXP .569 X21 <--- EXP .802 X22 <--- EXP .846 X28 <--- FOU .700 X29 <--- FOU .698 X30 <--- FOU .624 X31 <--- FOU .715 X8 <--- PU .598 X9 <--- PU .603 X10 <--- PU .550 X11 <--- PU .609 X12 <--- PU .699 X1 <--- PEOU .702 X2 <--- PEOU .660 X3 <--- PEOU .719 X4 <--- PEOU .708 X5 <--- PEOU .607 X32 <--- BIOU .508 X33 <--- BIOU .583 X34 <--- BIOU .501 X35 <--- BIOU .554 X36 <--- BIOU .505 X42 <--- ASU .798 X43 <--- ASU .726 X44 <--- ASU .481 X45 <--- ASU .583 X41 <--- ASU .595 X37 <--- ATU .690 X38 <--- ATU .745 X39 <--- ATU .732 X40 <--- ATU .707


Berdasarkan hasil output standardized loading factor estimate

modifikasi pada tabel 4.40, secara umum nilainya sudah mencapai


commit to user

118

signifikansi 0.50, sehingga ukuran convergent validity sudah terpenuhi

secara full mode.

b) Pengujian Reliabilitas

Reliabilitas adalah ukuran konsistensi internal dari indikator

sebuah variabel bentukan yang menunjukan derajat sampai dimana

masing-masing indikator itu mengindikasikan sebuah variabel

bentukan yang umum (Ghozali, 2008). Terdapat dua cara yang dapat

digunakan yaitu composite (construct) realibility dan variance

extracted. Cut-off value untuk composite (construct) realibility adalah

minimal 0,7 dan cut-off value untuk variance extracted adalah

minimal 0,5.

i. Pengujian Composite (Construct) Reliability

Perhitungan dari composite (construct) reliability dapat dilihat

pada lampiran. Dari hasil perhitungan didapatkan bahwa nilai

composite (construct) reliability masing-masing konstruk, berikut

adalah hasil perhitungan Composite Realibility.

DOW = 0.7

EXP = 0.8

FOU = 0.8

PU = 0.8

PEOU = 0.9

BIOU = 0.7

ATU = 0.8


commit to user

119

AcU = 0.8

Dari hasil tersebut dapat dilihat bahwa reliabilitas semua

konstruk diatas memenuhi nilai cut-off yaitu 0.70. Walaupun terdapat

dua konstruk yang mempunyai nilai 0.60, kedua konstruk tersebut

dianggap baik dan masih dapat diterima karena memiliki validitas

indikator yang baik. Hal ini menunjukkan bahwa semua konstuk yang

ada dalam full model adalah reliabel.

ii. Pengujian Variance Extracted

Variance Extracted memperlihatkan jumlah varians dari

indikator yang diekstraksi oleh variabel bentukan yang dikembangkan.

Nilai variance extracted yang tinggi menunjukkan bahwa indikator-

indikator telah mewakili secara baik variabel bentukan yang

dikembangkan (Ghozali, 2008). Berikut adalah hasil perhitungan

Variance Extracted.

DOW = 0.7

EXP = 0.74

FOU = 0.70

PU = 0.75

PEOU = 0.78

BIOU = 0.70

ATU = 0.72

AcU = 0.70


commit to user

120

Dari hasil tersebut dapat dilihat bahwa variance extracted semua

konstruk diatas memenuhi nilai cut-off yaitu 0.50, hal ini

menunjukkan bahwa semua indikator telah mewakili variabel yang

ada dalam full model.

a. Pengujian Hipotesis

Setelah memastikan bahwa data telah fit secara statistik, langkah

selanjutnya adalah melakukan pengujian hipotesis dengan analisis

terhadap hubungan model struktural, terdapat kriteria pengujian

hipotesis (Ghozali, 2008) adalah sebagai berikut.

1. Nilai CR (critical ratio) > 1,96 dengan tingkat signifikansi < 0,05

berarti variabel eksogen berpengaruh pada variabel endogen.

2. Nilai CR (critical ratio) < 1,96 dengan tingkat signifikansi > 0,05

berarti variabel eksogen tidak berpengaruh pada variabel endogen.

Analisis dapat dilihat dari signifikansi besaran regression weight

model yang dapat dilihat pada tabel 4.41 berikut.

Tabel 4.41

Output Regression Weights

Estimate S.E. C.R. P Label PEOU <--- EXP -.066 .055 -1.217 .224 par_32 PEOU <--- FOU .258 .085 3.044 .002 par_33 PU <--- DOW -.155 .094 -1.638 .101 par_30 PU <--- EXP .041 .054 .755 .450 par_31 PU <--- PEOU .594 .114 5.228 *** par_38 ATU <--- PU .295 .096 3.072 .002 par_34 ATU <--- PEOU .546 .112 4.867 *** par_35 BIOU <--- ATU .381 .107 3.578 *** par_36 ASU <--- BIOU -.108 .137 -.783 .434 par_37



commit to user

121

Sedangkan uji tanda hubungan variabel eksogen terhadap

variabel endogen dapat dilihat nilai estimate standardized regression

weight seperti pada tabel 4.42 sebagai berikut.

Tabel 4.42 Output Standardized Regression Weight

Estimate

PEOU <--- EXP -.105 PEOU <--- FOU .287 PU <--- DOW -.156 PU <--- EXP .062 PU <--- PEOU .568 ATU <--- PU .311 ATU <--- PEOU .551 BIOU <--- ATU .395 ASU <--- BIOU -.080


Model persamaan struktural berdasarkan hasil tersebut dapat

ditulis sebagai berikut :

PU = -0.156 DOW + 0.62 EXP + 0.568 PEOU + Z1

PEOU = -0.105 EXP + 0.287 FOU + Z2

ATU = 0.311 PU + 0.551 PEOU + Z3

BIOU = 0.395 ATU + Z4

AcU = -0.080 BIOU + Z5

Untuk mengetahui koefisien determinasi untuk persamaan

regresi dapat dilihat pada tabel 4.43 berikut.


commit to user

122

Tabel 4.43 Output Multiple Correlations

Estimate

PEOU .094 PU .344 ATU .592 BIOU .156 ASU .006


Berdasarkan tabel di atas menunjukkan bahwa koefisien

determinasi untuk persamaan Perceived of usefulness sebesar 0.344

yang berarti variabel perceived of usefulness yang dapat dijelaskan

oleh varibilitas demand of work, experience, dan perceived ease of use

sebesar 34.4%. Kofisien determinasi untuk persamaan perceived ease

of use sebesar 0.94 yang berarti variabel perceived ease of use dapat

dijelaskan oleh variabilitas experience dan frequency of use sebesar

9.4%. Koofisien determinasi untuk persamaan Attitude toward Using

sebesar 0.592 yang berarti variabel Attitude toward Using dapat

dijelaskan oleh variabilitas perceived ease of use dan perceived of

usefulness sebesar 59.2%. Kofisien determinasi untuk persamaan

behavior intention to use sebesar 0.156 yang berarti variabel

Behavioral Intention to Use dapat dijelaskan oleh variabilitas Attitude

toward Using sebesar 15.6%, sedangkan kofisien determinasi untuk

persamaan actual system use sebesar 0.006 yang berarti variabel

Actual System Use dapat dijelaskan oleh variabilitas Behavioral

Intention to Use sebesar 0.6%.


commit to user

123

Semua koefisien variabel memiliki arah positif, hal ini berarti

bahwa hubungan variable dalam penelitian ini adalah positif.

Pengujian masing-masing hipotesis dapat dijelaskan sebagai berikut.

1. Pengujian Hipotesis 1

Hipotesis pertama menyatakan bahwa tuntutan tugas dan

pekerjaan (demand of works) berpengaruh positif terhadap persepsi

kebermanfaatan (perceive of usefulness). Hasil uji terhadap parameter

estimasi (standardizad regression weight) antara demand of work

terhadap perceive of usefulness menunjukkan adanya hubungan

negatif sebesar -0,156. Nilai critical ratio (CR) sebesar -1.638, nilai

C.R. tersebut di bawah nilai kritis ± 1,96 atau dengan melihat nilai p-

value berada di atas nilai signifikan 0,05 yaitu ditunjukkan dengan

tanda nilai 0.101. Dengan demikian hipotesis pertama, demand of

work berpengaruh terhadap perceive of usefullnes tidak dapat

diterima karena nilainya tidak signifikan.

Hasil penelitian ini tidak mendukung penelitian terdahulu,

yaitu penelitian Venkatesh dan Davis (2000) yang menyatakan bahwa

job fit berpengaruh positif terhadap perceived of usefulness, tetapi

hasil penelitian sesuai dengan penelitian yang pernah dilakukan

Sagung dan Wijana (2009). Berdasarkan hipotesis tersebut dapat

disimpulkan bahwa kesesuaian tugas tidak berpengaruh dalam

persepsi kebermanfaatan, hal ini mengindikasikan bahwa tuntutan

tugas dan pekerjaan bukanlah merupakan alasan bagi mahasiswa


commit to user

124

untuk memahami software akuntansi dalam sudut manfaat, mahasiswa

merasa tidak secara terpaksa harus mengerti software akuntansi karena

adanya tuntutan, responden juga merasa belum memiliki tekanan

dalam melakukan tugas dan pekerjaan mereka. Tugas perkuliahan

responden tidak selalu condong ke pemakaian software akuntansi

sehingga kesesuaian tugas belum dapat diukur secara tepat


Hipotesis kedua menyatakan bahwa pengalaman (experience)

berpengaruh positif terhadap persepsi kebermanfaatan (perceive of

usefulness). Hasil uji terhadap parameter estimasi (standardizad

regression weight) antara experience terhadap perceive of usefulness

menunjukkan adanya hubungan positif sebesar 0,062. Nilai critical

ratio (CR) sebesar 0.755, nilai C.R. tersebut di bawah nilai kritis

± 1,96 atau dengan melihat nilai p-value berada di atas nilai signifikan

0,05 yaitu ditunjukkan dengan tanda nilai 0.450. Dengan demikian

hipotesis kedua, experience berpengaruh terhadap perceive of

usefullnes tidak dapat diterima karena nilainya belum signifikan.


yaitu penelitian Suseno (2009) dalam Khakim (2011) dan Gardner dan

Amroso (2004) yang menyatakan bahwa experience berpengaruh

positif terhadap perceived of usefulness. Berdasarkan hipotesis

tersebut dapat disimpulkan bahwa bila individu memiliki pengalaman

dalam menggunakan software belum tentu software tersebut akan


commit to user

125

memiliki kegunaan yang fungsional dalam setiap kegiatan individu

baik dalam perkuliahan, maupun penyelesaian tugas, hal ini

mengindikasikan bahwa pengalaman bukanlah suatu motivasi

mahasiswa untuk mengerti dan menggunakan software dalam sudut

manfaat. Dalam statistik deskriptif menunjukkan tingkat pengalaman

mahasiswa yang rendah dalam menggunakan software terlebih lagi

mahasiswa tidak selalu menggunakan software akuntansi dalam setiap

tugas mereka dikarenakan tugas yang tidak terkait praktek akuntansi

lebih banyak dialami oleh mahasiswa sehingga penggunaan software

belum tentu bermanfaat bagi mahasiswa.


Hipotesis ketiga menyatakan bahwa pengalaman (experience)

berpengaruh positif terhadap persepsi kemudahan (perceive ease of

use). Hasil uji terhadap parameter estimasi (standardizad regression

weight) antara experience terhadap perceive of usefulness

menunjukkan adanya hubungan negatif sebesar -0.105. Nilai critical

ratio (CR) sebesar -1.217, nilai C.R. tersebut di bawah nilai kritis

± 1,96 atau dengan melihat nilai p-value berada di atas nilai signifikan

0,05 yaitu ditunjukkan dengan tanda nilai 0.224. Dengan demikian

hipotesis ketiga, experience berpengaruh terhadap perceived of ease of

use tidak dapat diterima karena nilainya tidak signifikan.


yaitu penelitian Suseno (2009) dalam Khakim (2011) dan Gardner


commit to user

126

dan Amroso (2004) yang menyatakan bahwa experience

berpengaruh positif terhadap perceived ease of use. Berdasarkan

hipotesis tersebut dapat disimpulkan bahwa apabila seseorang

mempunyai pengalaman dalam menggunakan software belum tentu

software tersebut mudah untuk digunakan, hal ini mengindikasi

bahwa seorang yang berpengalaman tidak selalu mudah dalam

penggunaan software akuntansi, dapat dikatakan terdapat indikasi

lain dalam hal ini dapat dimisalkan seorang yang berpengalaman dan

tidak menggunakan software menjadi lupa akan software dan

mengalami kesulitan dalam penggunaannya sehingga menyebabkan

pengalaman tidak memiliki hubungan dengan persepsi kemudahan,

dalam statistik deskriptif ditunjukkan persebaran data responden

yang sudah memiliki pengalaman dalam menggunakan software,

namun sebagian besar responden tidak memiliki pengalaman dalam

menggunakan software dalam arti mereka masih belajar mengenai

software tersebut. Pengenalan software akuntansi dalam prodi

akuntansi juga dapat dikatakan kurang, sebab mahasiswa hanya

diperkenalkan software dalam waktu 1 semester.


Hipotesis keempat menyatakan bahwa frekuensi penggunaan

(frequency of use) berpengaruh positif terhadap persepsi kemudahan

(perceive ease of use). Hasil uji terhadap parameter estimasi

(standardizad regression weight) antara Frequency of use terhadap


commit to user

127

perceive ease of use menunjukkan adanya hubungan positif sebesar

0.287. Nilai critical ratio (CR) sebesar 3.044, nilai C.R. tersebut di

atas nilai kritis ± 1,96 atau dengan melihat nilai p-value berada di

bawah nilai signifikan 0,05 yaitu ditunjukkan dengan tanda nilai

0.002. Dengan demikian hipotesis keempat, frequency of use

berpengaruh terhadap perceive of ease of use dapat diterima karena

nilainya signifikan.

Hasil penelitian ini mendukung penelitian terdahulu,

penelitian Xiao (2010) yang menyatakan bahwa frequency of use

berpengaruh positif terhadap perceived ease of use. Berdasarkan

hipotesis tersebut dapat disimpulkan bahwa apabila seseorang terus

menggunakan software maka individu akan merasa terbiasa dan

dapat dengan mudah mengkakses sotware akuntansi, hal ini juga

mengindikasi bahwa mahasiswa bila sering menggunakan software

dalam jam kuliah, pengerjaan tugas, ataupun hanya untuk mengingat,

membuat mahasiswa dapat lebih memahami software akuntansi.

Tingkat penerimaan dan penggunaan mahasiswa menjadi lebih

mudah dan cepat sehingga hal ini mendukung hipotesis bahwa

frekuensi penggunaan berpengaruh positif terhadap persepsi

kemudahan. Frekuensi menggunakan tidak berarti pernah melakukan

atau berpengalaman dalam penggunaan software, namun lebih

terarah pada kebiasaan individu dalam menggunakan software yang

sudah ada.


commit to user

128


Hipotesis kelima menyatakan bahwa persepsi kemudahan

(perceive ease of use) berpengaruh positif terhadap persepsi

kebermanfaatan (perceive of usefulness). Hasil uji terhadap parameter

estimasi (standardizad regression weight) antara perveive ease of use

terhadap perceive of usefulness menunjukkan adanya hubungan positif

sebesar 0.568. Nilai critical ratio (CR) sebesar 5.228, nilai C.R.

tersebut di atas nilai kritis ± 1,96 atau dengan melihat nilai p-value

berada di bawah nilai signifikan 0,05 yaitu ditunjukkan dengan tanda

(***). Dengan demikian hipotesis kelima, perceive ease of use

berpengaruh terhadap perceive of usefulness dapat diterima karena


Hasil penelitian ini mendukung beberapa penelitian

terdahulu, yaitu antara lain penelitian Tangke (2004) dan Wibowo

(2008) yang menyatakan bahwa perceived ease of use berpengaruh

positif terhadap perceived usefulness. Hasil tersebut juga sesuai

dengan hasil penelitian Davis (1989) yang menunjukkan perceived

ease of use adalah penentu perceived usefulness. Berdasarkan

hipotesis tersebut dapat disimpulkan bahwa apabila seseorang

percaya bahwa software mudah digunakan, maka orang tersebut

percaya bahwa menggunakan accounting software mempermudah

dan dapat meningkatkan efektivitas dalam penerimaan software

dalam perkuliahan maupun penyelesaian pekerjaan, hal ini juga


commit to user

129

mengindikasi tingkat kemudahan dalam mengerjakan software

akuntansi membuat manfaat yang begitu besar dalam penerimaan

dan penggunaan software akuntansi. Kemudahan software akuntansi

membuat mahasiswa merasa nyaman dalam penggunaan software di

setiap pekerjaan maupun tugas kuliahnya karena faktor kemudahan

tersebut mahasiswa dapat bekerja lebih cepat dan dapat

menyelesaikan tugas dengan akurat sehingga memiliki manfaat bagi

mahasiswa.


Hipotesis keenam menyatakan bahwa persepsi kebermanfaatan

(perceive of usefulness) berpengaruh positif terhadap sikap terhadap

penggunaan (Attitude toward Using). Hasil uji terhadap parameter

estimasi (standardizad regression weight) antara perveive of

usefulness terhadap Attitude toward Using menunjukkan adanya

hubungan positif sebesar 0.311. Nilai critical ratio (CR) sebesar

3.072, nilai C.R. tersebut di atas nilai kritis ± 1,96 atau dengan melihat

nilai p-value berada di bawah nilai signifikan 0,05 yaitu ditunjukkan

dengan nilai 0.002. Dengan demikian hipotesis keenam, perceive of

usefulness berpengaruh terhadap Attitude toward Using dapat

diterima karena nilainya signifikan.

Hasil penelitian sejalan dengan Wibowo (2008) yang

menyatakan bahwa perceived usefulness merupakan konstruk yang

cukup signifikan mempengaruhi attitude toward using. Tetapi hasil


commit to user

130

tersebut tidak sesuai dengan penelitian yang dilakukan oleh Igbaria,

Zinatelli, Cragg dan Cavaye (1997) dan penelitian Money (2004)

yang berjudul “Application of the Technology Acceptance Model

(TAM) to a Knowledge Management System” yang menyatakan

bahwa konstruk attitude toward using tidak memberikan pengaruh

yang signifikan dalam penelitian sehingga dihapuskan.

Dari hasil hipotesis tersebut dapat disimpulkan bahwa jika

seseorang atau user percaya bahwa menggunakan software dapat

mempermudah dalam perkuliahan dan penyelesaian pekerjaan,

mereka akan bersikap positif untuk menerima software dalam

menyelesaikan tugas dan pekerjaan, hal ini juga mengindikasi

tingkat kebermanfaatan suatu sistem pasti akan mendorong sikap

dari mahasiswa. Sistem yang memiliki manfaat pasti selalu

dipertahankan oleh mahasiswa dan mahasiswa akan terus mencoba

memakai software tersebut karena perasaaan nyaman.


Hipotesis ketujuh menyatakan bahwa persepsi kemudahan

(perceive ease of use) berpengaruh positif terhadap sikap terhadap

penggunaan (Attitude toward Using). Hasil uji terhadap parameter

estimasi (standardizad regression weight) antara perceive ease of use

terhadap Attitude toward Using menunjukkan adanya hubungan

positif sebesar 0.551. Nilai critical ratio (CR) sebesar 4.867, nilai C.R.

tersebut di atas nilai kritis ± 1,96 atau dengan melihat nilai p-value


commit to user

131

berada di bawah nilai signifikan 0,05 yaitu ditunjukkan dengan tanda

(***). Dengan demikian hipotesis ketujuh, perceive ease of use

berpengaruh terhadap Attitude toward Using dapat diterima karena


Hasil penelitian ini mendukung hasil penelitian yang

dilakukan oleh Taylor dan Todd (1995), Al Gahtani (2001) serta

Tangke (2004) yang menyatakan bahwa perceived ease of use

berpengaruh positif terhadap atittude toward using. Tetapi hasil

tersebut tidak sesuai dengan penelitian yang dilakukan oleh Wibowo

(2008) yang menyatakan bahwa mudah atau tidaknya web digunakan

tidak akan mempengaruhi sikap pengguna terhadap penggunaan

teknologi tersebut.

Jadi dapat disimpulkan bahwa bila software mudah untuk

digunakan, maka akan membentuk sikap user untuk selalu menerima

software dalam menyelesaikan tugas maupun pekerjaan, hal ini juga

mengindikasi tingkat kemudahan suatu sistem pasti akan mendorong

sikap dari mahasiswa, mahasiswa cenderung lebih menyukai sistem

yang mudah dan bermanfaat bagi mereka.


Hipotesis kedelapan menyatakan bahwa sikap terhadap

penggunaan (Attitude toward Using) berpengaruh positif terhadap

minat perilaku pengguna (Behavioral Intention to Use). Hasil uji

terhadap parameter estimasi (standardizad regression weight) antara


commit to user

132

Attitude toward Using terhadap Behavioral Intention to Use

menunjukkan adanya hubungan positif sebesar 0.395. Nilai critical

ratio (CR) sebesar 3.578, nilai C.R. tersebut di atas nilai kritis ± 1,96

atau dengan melihat nilai p-value berada di bawah nilai signifikan

0,05 yaitu ditunjukkan dengan nilai (***). Dengan demikian hipotesis

kedelapan, Attitude toward Using berpengaruh terhadap Behavioral

Intention to Use dapat diterima karena nilainya signifikan.

Hasil tersebut mendukung hasil penelitian sebelumnya yaitu

Gardner dan Amoroso (2004), Wibowo (2008) dan Yuadi (2009)

yang menyatakan bahwa attitude toward using berpengaruh positif

terhadap behavioral intention. Berdasarkan hasil hipotesis tersebut

dapat disimpulkan bahwa seseorang yang menerima dan

menggunakan accounting software akan membuat orang tersebut

mempunyai minat untuk selalu menggunakan software tersebut, hal

ini juga mengindikasi sikap mahasiswa atas penerimaan software

pasti akan menimbulkan minat bagi mahasiswa. Bila mahasiswa

menemukan software yang cocok, mahasiswa pasti berniat untuk

menggunakan atau mungkin berniat untuk menyebarluaskan

software tersebut dikalangan teman-teman ataupun masyarakat

umum.


Hipotesis kesembilan menyatakan bahwa minat perilaku

pengguna (Behavioral Intention to Use) berpengaruh positif terhadap


commit to user

133

penggunaan sistem senyatanya (Actual System Use). Hasil uji terhadap

parameter estimasi (standardizad regression weight) antara

Behavioral Intention to Use terhadap actual system use menunjukkan

adanya hubungan negative sebesar -0.080. Nilai critical ratio (CR)

sebesar -0.783, nilai C.R. tersebut di bawah nilai kritis ± 1,96 atau

dengan melihat nilai p-value berada di atas nilai signifikan 0,05 yaitu

ditunjukkan dengan nilai 0.434. Dengan demikian hipotesis

kesembilan, Behavioral Intention to Use berpengaruh terhadap actual

system use tidak dapat diterima karena nilainya tidak signifikan.

Hasil tersebut tidak sesuai dengan penelitian yang dilakukan

oleh Davis (1989) yang menunjukkan bahwa behavioral intention

adalah prediktor yang baik terhadap actual system use. Penelitian yang

dilakukan oleh Wibowo (2008) juga menyatakan bahwa seseorang

akan melakukan suatu perilaku (behavior) jika mempunyai keinginan

atau minat (behavioral intention) untuk melakukannya. Berdasarkan

hipotesis tersebut dapat disimpulkam minat mahasiswa tidak selalu

diiringi dengan penggunaan sistem senyatanya, kemungkinan terdapat

indikasi untuk masa depan seperti tempat pekerjaan yang mungkin

tidak menggunakan software akuntansi yang dituju sebab kebijakan

tidak dapat dilanggar, mahasiswa mungkin lebih condong dalam

pengerjaan tugas secara manual, dikarenakan pemberian mata kuliah

mengenai software akuntansi sangat terbatas. Tetapi dalam penelitian

ini sifat penerimaan sistemnya adalah mandatory use (user wajib


commit to user

134

memakai sistem yang sudah ditetapkan dalam perkuliahan) sehingga

intention to use tidak dapat diterapkan dalam lingkungan sistem yang

bersifat mandatory use (Brown, Massey, Montoya-Weiss, dan

Burkman, 2002). Penelitian oleh Adamson dan Shine (2003) juga

mendukung bahwa konstruk intention to use tidak berpengaruh dan

tidak tepat untuk mengukur penerimaan penggunaan sistem informasi

yang bersifat mandatory use.

Hasil penelitian ini menunjukkan bahwa user yang memiliki

minat menggunakan accounting software belum tentu akan membuat

user tersebut memiliki kecenderungan untuk selalu menggunakannya

dalam tugas perkuliahan maupun penyelesaian pekerjaan. Faktor

yang menyebabkan responden belum memiliki kecenderungan untuk

selalu menggunakan software dikarena faktor pengalaman dan tidak

semua tugas perkuliahan dan penyelesaian pekerjaan menggunakan

accounting software.

Ringkasan hasil pengujian hipotesis disajikan dalam tabel 4.44

sebagai berikut.


commit to user

135

Tabel 4.44 Ringkasan Hasil Pengujian Hipotesis

No Hipotesis Keputusan 1. Tuntutan tugas dan pekerjaan berpengaruh positif

terhadap persepsi kebermanfaatan Ditolak

2. Pengalaman berpengaruh positif terhadap persepsi kebermanfaatan

Ditolak

3. Pengalaman berpengaruh positif terhadap persepsi kemudahan

Ditolak

4. Frekuensi penggunaan berpengaruh positif terhadap persepsi kemudahan

Diterima

5. Persepsi kemudahan berpengaruh positif terhadap persepsi kebermanfaatan

Diterima

6. Persepsi kebermanfaatan berpengaruh positif terhadap sikap terhadap penggunaan

Diterima

7. Persepsi kemudahan berpengaruh positif terhadap sikap terhadap penggunaan

Diterima

8. Sikap terhadap penggunaan berpengaruh positif terhadap minat perilaku pengguna

Diterima

9. Minat perilaku pengguna berpengaruh positif terhadap penggunaan sistem senyatanya

Ditolak

Sumber : data diolah

Model TAM Setelah Pengujian Hipotesis

Secara keseluruhan, kesimpulan dari hasil penelitian dapat dilihat pada

gambar berikut ini.


commit to user

136

Gambar 4.13

Model TAM setelah pengujian hipotesis

Keterangan

H1

H2

H3

Demand of Work

Experience

Frequency of Use

Perceive of

Usefullness

Perceive Ease of

Use

Attitude toward Using

Behavioral Intention

of Use

Actual System

Use

: Tidak memiliki pengaruh

: Memiliki pengaruh


commit to user

137

BAB V

PENUTUP

Pada bagian ini akan dipaparkan kesimpulan dan saran sebagai bagian

akhir dari penelitian ini. Kesimpulan ini didasarkan pada hasil analisis data yang

telah dilakukan dan akan menjawab permasalahan yang telah dirumuskan

sebelumnya sesuai dengan tujuan penelitian ini. Selain kesimpulan akan

disertakan keterbatasan dari penelitian ini dan saran-saran yang diharapkan

berguna bagi semua pihak yang berkepentingan.

A. Kesimpulan

Berdasarkan dari hasil analisis yang telah dilakukan peneliti pada

bab IV maka dapat diambil kesimpulan antara lain, frekuensi (frequency of

use) penggunaan berpengaruh positif terhadap persepsi kemudahan

(perceived ease of use), persepsi kemudahan (perceived ease of use)

berpengaruh positif terhadap persepsi kebermanfaatan (perceived of

usefulness), persepsi kebermanfaatan (perceived of usefulness)

berpengaruh positif terhadap sikap terhadap penggunaan (attitude toward

using), persepsi kemudahan (perceived ease of use) berpengaruh positif

terhadap sikap terhadap penggunaan (attitude toward using), sikap

terhadap penggunaan (attitude toward using) berpengaruh positif terhadap

minat perilaku pengguna (behavioral intention to use).


commit to user

138

Beberapa kesimpulan yang menyatakan bahwa tidak ada pengaruh

antara konstruk satu dengan yang lainnya dalam penelitian ini antara lain,

tuntutan tugas dan pekerjaan (demand of work) tidak berpengaruh positif

terhadap persepsi kebermanfaatan (perceived of usefulness), pengalaman

(experience) tidak berpengaruh positif terhadap persepsi kebermanfaatan

(perceived of usefulness), pengalaman (experience) tidak berpengaruh

positif terhadap persepsi kemudahan (perceived ease of use), minat

perilaku pengguna (behavioral intention to use) tidak berpengaruh positif

terhadap penggunaan sistem senyatanya (actual system use).

B. Keterbatasan Penelitian

Penelitian ini mengandung beberapa keterbatasan, antara lain:

1. Masih terdapat berbagai variabel-variabel terkait dengan kondisi

mahasiswa yang belum dapat diobservasi dalam penelitian ini.

2. Hasil penelitian hanya didasarkan pada jawaban atas responden dari

kuesioner yang disebar, sehingga data yang dikumpulkan sangat

tergantung pada jawaban responden.

3. Perluasan cakupan responden sehingga lebih lanjut dapat mengatasi

permasalahan dalam pengunaan sistem dengan mandatory use.

Dengan adanya keterbatasan ini diharapkan menjadi masukan serta

perhatian bagi penelitin selanjutnya agar menjadi suatu gambaran yang

berguna dan memberikan hasil penelitian yang lebih baik.


commit to user

139

C. Saran

1. Rekomendasi untuk penelitian mendatang adalah memperluas cakupan

responden dengan purposive mahasiswa yang telah memperlajari dan

menggunakan software di luar perkuliahan.

2. Penelitian mendatang sebaiknya menambah dimensi yang ada dalam

masing-masing konstruk sehingga pengujian terhadap konstruk dapat

dilakukan secara mendetail. Hal tersebut akan menambah jelas hasil

penelitian masing-masing konstruk.

3. Penelitian ini hanya berdasarkan atas jawaban responden melalui sebuah

kuesioner. Untuk penelitian selanjutnya sebaiknya juga melakukan

wawancara sebagai metode pengumpulan data atau sebagai pelengkap atas

jawaban dengan menggunakan kuesioner agar data yang diperoleh dapat

memeberikan gambaran yang terperinci mengenai keadaan yang

sesungguhnya.


commit to user

Documents

perpustakaan.uns.ac.id digilib.uns.ac.id ANALISIS FAKTOR .../Analisis-Faktor-Yang... · Tujuan dari penelitian ini adalah menemukan bukti-bukti empiris dan untuk mengetahui faktor-faktor