SKRIPSI

EVALUASI PENGGUNAAN PADA PRODUK UANG ELEKTRONIK E-

MONEY BANK MANDIRI MENGGUNAKAN MODEL UTAUT 2

(STUDI KASUS : KECAMATAN CIPUTAT)

Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer

Fakultas Sains Dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Disusun Oleh:

M. ADRIANSYAH ALAM PUTRA

11140930000013

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2018 M / 1440 H

i

SKRIPSI

EVALUASI PENGGUNAAN PADA PRODUK UANG ELEKTRONIK E-

MONEY BANK MANDIRI MENGGUNAKAN MODEL UTAUT 2

(STUDI KASUS : KECAMATAN CIPUTAT)

Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer

Fakultas Sains Dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Disusun Oleh :

M. ADRIANSYAH ALAM PUTRA

11140930000013

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2018 M / 1440 H

ii

(STUDI KASUS : KECAMATAN CIPUTAT)

SKRIPSI

Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer

Fakultas Sains Dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Disusun Oleh :

M. ADRIANSYAH ALAM PUTRA

11140930000013

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2018 M / 1440 H

EVALUASI PENGGUNAAN PADA PRODUK UANG ELEKTRONIK E-

MONEY BANK MANDIRI MENGGUNAKAN MODEL UTAUT 2

iii

LEMBAR PENGESAHAN SKRIPSI

EVALUASI PENGGUNAAN PADA PRODUK UANG ELEKTRONIK E-

MONEY BANK MANDIRI MENGGUNAKAN MODEL UTAUT 2

(STUDI KASUS : KECAMATAN CIPUTAT)

Disusun Oleh:

M. Adriansyah Alam Putra

11140930000013

Menyetujui,

Pembimbing I

M. Qomarul Huda, Ph.D

NIP: 19670412 200312 1 001

Pembimbing II

Elvi Fetrina, MIT

NIP: 19740625 200901 2 005

Mengetahui,

Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Nia Kumaladewi, MMSI

NIP. 19750412 200710 2 002

iv

PENGESAHAN UJIAN

Skripsi yang berjudul Evaluasi Penggunaan Pada Produk Uang Elektronik E-

Money Bank Mandiri Menggunakan Model UTAUT 2 (Studi Kasus :

Kecamatan Ciputat) yang ditulis oleh M. Adriansyah Alam Putra, NIM

11140930000013 telah diuji dan dinyatakan lulus dalam sidang Munaqosah

Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif Hidayatullah Jakarta

pada hari Kamis, tanggal 29 November 2018. Skripsi ini telah diterima sebagai

salah satu syarat memperoleh gelar Sarjana Satu (S1) Program Studi Sistem

Informasi.

Menyetujui,

Penguji I

Aries Susanto HT, Ph.D

NIP. 19740322 200710 1 002

Penguji II

A’ang Subiyakto, Ph.D

NIP. 19760219 200710 1 002

Pembimbing I

M. Qomarul Huda, Ph.D

NIP: 19670412 200312 1 001

Pembimbing II

Elvi Fetrina, MIT

NIP: 19740625 200901 2 005

Mengetahui,

Dekan

Fakultas Sains dan Teknologi

Dr. Agus Salim, S.Ag, M.Si

NIP. 19720816 199903 1 003

Ketua

Program Studi Sistem Informasi

Nia Kumaladewi, MMSI

NIP. 19750412 200710 2 002

v

PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-

BENAR HASIL KARYA SENDIRI DAN BELUM PERNAH DIAJUKAN

SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN

TINGGI ATAU LEMBAGA MANAPUN.

Jakarta, 30 Desember 2018

M. ADRIANSYAH ALAM PUTRA

11140930000013

vi

ABSTRAK

M. Adriansyah Alam Putra – 11140930000013 Evaluasi Penggunaan Pada

Produk Uang Elektronik E-Money Bank Mandiri Menggunakan Model UTAUT 2

(Studi Kasus : Kecamatan Ciputat) dibawah bimbingan M. Qomarul Huda, Ph.D

dan Elvi Fetrina, MIT.

Beberapa tahun belakangan ini muncul layanan keuangan yang baru dengan

menggunakan teknologi sebagai media perantaranya salah satunya adalah uang

elektronik (e-money). Tiap tahunnya transaksi menggunakan uang elektronik terus

meningkat. Salah satunya ialah E-Money Bank Mandiri. Pada Tahun 2017, E-

Money Bank Mandiri sebagai uang elektronik dengan kepemilikan terbanyak.

Sebagai uang elektronik dengan kepemilikan terbanyak, E-Money Bank Mandiri

tidak luput dari berbagai masalah. Maka dilakukanlah penelitian terkait evaluasi

penggunaan E-Money Bank Mandiri, khusunya di Kecamatan Ciputat.Tujuan

penelitian ini adalah mengevaluasi penggunaan E-Money Bank Mandiri di

Kecamatan Ciputat dan menguji variabel-variabel dari model UTAUT 2 yang

mempengaruhi penggunaan E-Money Bank Mandiri di Kecamatan Ciputat

menggunakan metode kuantitatif dengan pendekatan teknik analisis PLS-SEM.

Penentuan sampling pada penelitian ini menggunakan metode purposive sampling

dengan teknik perhitungan rumus slovin. Selanjutnya dapat dihasilkan rekomendasi

kepada Bank Mandiri untuk pengembangan selanjutnya. Untuk itu, penelitian ini

dilakukan dengan survei menggunakan kuesioner terhadap 127 pengguna E-Money

Bank Mandiri yang berada di wilayah Kecamatan Ciputat. Hasilnya penenlitian ini

menunjukkan bahwa dari 10 hipotesis yang diuji, mayoritas hipotesis diterima

sebanyak 7 hipotesis dan yang ditolak sebanyak 3 hipotesis. Variabel Habit (HT)

merupakan faktor dengan perngaruh terbesar dan Effort Expectancy (PE) menjadi

faktor dengan pengaruh terkecil. Mnafaat dari penelitian ini ialah diberikannya

rekomendasi-rekomendasi yang terkait dengan Model UTAUT2 yang dapat

dijadikan sebagai bahan pertimbangan untuk pengembangan E-Money Bank

Mandiri kedepannya.

Kata kunci : Evaluasi Penggunaan, Metode Kuantitatif, E-Money, UTAUT 2, PLS-

SEM.

BAB I-V + 155 Halaman + xv + 20 Gambar + 25 Tabel + Daftar Pustaka +

Lampiran

Pustaka Acuan (95, 1962-2018)

vii

KATA PENGANTAR

Alhamdulillah, segala puji dan syukur penulis panjatkan kehadirat Allah

dapat menyelesaikan skripsi dengan judul “Evaluasi Penggunaan Pada Produk

Uang Elektronik E-Money Bank Mandiri Menggunakan Model Utaut 2 (Studi

Kasus : Kecamatan Ciputat)”. Dalam penyusunan laporan ini penulis telah

mendapat banyak bantuan dan bimbingan serta semangat dari berbagai pihak.

Tanpa bantuan dari berbagai pihak, tentunya proses penyusunan laporan ini akan

terasa sulit untuk diselesaikan. Oleh karena itu, penulis ingin menyampaikan terima

kasih kepada:

1. Bapak. Dr. Agus Salim, M.Si selaku Dekan Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah.

2. Ibu Nia Kumaladewi, MMSI selaku Ketua Program Studi Sistem

Informasi Fakultas Sains dan Teknologi.

3. Bapak M. Qomarul Huda, Ph.D sebagai Dosen Pembimbing I yang telah

memberikan bimbingan, dan arahan kepada penulis selama proses

penyelesaian skripsi ini. Terima kasih banyak untuk seluruh waktu,

tenaga, kesediaan menjawab setiap pertanyaan penulis dan senantiasa

memberikan dukungan moril serta membagikan banyak pengetahuan

agar penulis bisa menyelesaikan skripsi ini dengan baik.

4. Ibu Elvi Fetrina, MIT sebagai Dosen Pembimbing II yang selalu

menyediakan waktunya dan tidak pernah lelah menyemangati penulis.

Terima kasih atas kesabarannya dalam membimbing penulis, selalu

SWT yang telah melimpahkan rahmat, ridho dan karunia-Nya, sehingga penulis

viii

memberi masukkan yang positif, arahan yang jelas dan terarah sehingga

penulis bisa menyelesaikan skripsi ini dengan baik.

5. Kedua Orang tua penulis, Bapak Syamsu Alam dan Ibu Tenri awaru yang

telah mendidik, menyayangi, memberikan dukungan, semangat dan do’a

yang tiada henti sehingga penulis ingin selalu memberikan yang terbaik

untuk mereka.

6. Dosen-dosen Program Studi Sistem Informasi yang telah memberikan

ilmu selama perkuliahan.

7. Semua Masyarakat di Kecamatan Ciputat yang penulis temui, terima

kasih atas partisipasi dan kerja samanya.

8. Sahabat-sahabat penulis yaitu Riri, Chacha, Fanin, Nadia, Faikar, Anna,

dan Hadyan yang telah memberikan banyak bantuan semangat dan

motivasi kepada penulis selama ini..

9. Big Famliy SI A 2014, terutama kepada Dedy,Wafi, Iik, Hilda, Ai, Ika,

Redno, Nandita, dan Tiara yang selama ini berjuang bersama dan selalu

menjadi motivator bagi penulis. Juga telah meberikan banyak ilmu,

bantuan, dan dukungannya sehingga terselesaikannya skripsi ini.

10. Keluarga Besar Sistem Informasi 2014 yang menjadi motivasi penulis

dalam menyelesaikan laporan ini.

11. Seluruh pihak yang telah banyak berjasa terhadap proses penyelesaian

laporan skripsi ini yang tidak dapat disebutkan satu persatu namun tidak

mengurangi sedikitpun rasa terima kasih terhadap penulis

ix

Penulis menyadari dalam penyusunan laporan ini terdapat kekurangan yang

disebabkan oleh keterbatasan pengetahuan dari penulis. Untuk Penulis menyadari

bahwa dalam penyusunan laporan ini masih banyak kekurangan yang disebabkan

keterbatasan pengetahuan penulis. Untuk itu kiranya, pembaca dapat memaklumi

atas kekurangan dalam laporan ini. Penulis berharap semoga laporan skripsi ini

dapat bermanfaat untuk yang membaca terkhusus untuk penulis.

Jakarta, 30 Desember 2018

M. Adriansyah Alam Putra

11140930000013

x

x

DAFTAR ISI

LEMBAR PENGESAHAN SKRIPSI ................................................................ iii

PENGESAHAN UJIAN ....................................................................................... iv

PERNYATAAN ..................................................................................................... v

ABSTRAK ............................................................................................................ vi

KATA PENGANTAR ......................................................................................... vii

DAFTAR ISI .......................................................................................................... x

DAFTAR GAMBAR .......................................................................................... xiv

DAFTAR TABEL ............................................................................................... xv

BAB I PENDAHULUAN ...................................................................................... 1

1.1 Latar Belakang ............................................................................................ 1

1.2 Identifikasi Masalah .................................................................................... 9

1.3 Perumusan Masalah .................................................................................. 10

1.4 Ruang Lingkup dan Batasan Masalah ....................................................... 11

1.5 Tujuan dan Sasaran Penelitian .................................................................. 12

1.6 Pertanyaan Penelitian ................................................................................ 13

1.7 Metodologi Penelitian .............................................................................. 16

1.7.1 Metode Pengumpulan Data ................................................................. 16

1.7.2 Metode Analisis Data .......................................................................... 16

1.8 Manfaat Penelitian .................................................................................... 17

1.9 Sistematika Penulisan ............................................................................... 17

BAB II LANDASAN TEORI ............................................................................. 19

2.1 Evaluasi ..................................................................................................... 19

2.1.1 Definisi Evaluasi ................................................................................. 19

2.1.2 Tujuan Evaluasi ................................................................................... 19

2.1.3 Formulasi Evaluasi .............................................................................. 22

2.1.4 Jenis-Jenis Evaluasi ............................................................................. 23

2.2 Penerimaan dan Penggunaan..................................................................... 27

2.2.1 Penerimaan Sistem Informasi ............................................................. 29

xi

2.2.2 Faktor Keberhasilan Teknologi ........................................................... 30

2.3 Produk ....................................................................................................... 30

2.4 Uang Elektronik ........................................................................................ 31

2.4.1 Definisi Uang Elektronik .................................................................... 31

2.4.2 Manfaat Uang Elektronik .................................................................... 32

2.4.3 Fitur Uang Elektronik ......................................................................... 33

2.4.4 Jenis Uang Elektronik ......................................................................... 36

2.5 E-Money Bank Mandiri ............................................................................ 38

2.5.1 Definisi E-Money Bank Mandiri ........................................................ 38

2.5.2 Fitur E-Money Bank Mandiri ............................................................. 38

2.5.3 Lokasi Pembelian E-Money Bank Mandiri ........................................ 39

2.6 Unified Theory of Acceptence and Use of Technology (UTAUT) 2 ......... 39

2.6.1 Variabel UTAUT 2 ............................................................................. 43

2.6.1.1 Performance Expectancy (Ekspektasi/Harapan akan Kinerja) ........ 45

2.6.1.2 Effort Expectancy (Ekspektasi/Harapan akan Usaha) ..................... 46

2.6.1.3 Social Influece (Pengaruh Sosial) .................................................... 47

2.6.1.4 Facilitating Condition (Kondisi yang Memfasilitasi) ...................... 48

2.6.1.5 Behavioural Intention (Minat Pemanfaatan) .................................... 49

2.6.1.6 Use Bahaviour (Perilaku Pengguna) ................................................ 50

2.6.1.7 Hedonic Motivation (Motivasi Hedonisme) .................................... 50

2.6.1.8 Price Value (Nilai Harga)................................................................. 51

2.6.1.9 Habit (Kebiasaan)............................................................................. 51

2.6.2 Indikator Variabel UTAUT 2 .............................................................. 52

2.7 Metode Pengumpulan Data ....................................................................... 54

2.7.1 Wawancara .......................................................................................... 55

2.7.2 Kuesioner ............................................................................................ 55

2.7.3 Studi Literatur ..................................................................................... 55

2.8 Skala Likert ............................................................................................... 55

2.9 Variabel Penelitian .................................................................................... 56

2.10 Populasi dan Sampel ................................................................................. 60

2.10.1 Teknik Sampling ................................................................................. 60

2.10.2 Ukuran Sampel .................................................................................... 63

xii

2.11 Analisis Data ............................................................................................. 65

2.11.1 Metode Kuantitatif .............................................................................. 65

2.11.2 Partial Least Square-Structural Equation Modelling (PLS-SEM) ..... 66

2.12 Hipotesis .................................................................................................... 75

2.13 SmartPLS .................................................................................................. 76

2.14 Google Forms ............................................................................................ 77

BAB III METODOLOGI PENELITIAN ......................................................... 78

3.1 Pendekatan Penelitian ............................................................................... 78

3.2 Populasi dan Sampel Penelitian ................................................................ 78

3.3 Prosedur Penelitian.................................................................................... 80

3.4 Perancangan Instrumen Penelitian ............................................................ 82

3.4.1 Model Penelitian ................................................................................. 82

3.4.2 Instrumen Penelitian............................................................................ 83

3.5 Metode Pengumpulan Data ....................................................................... 87

3.5.1 Wawancara .......................................................................................... 87

3.5.2 Survei .................................................................................................. 88

3.5.3 Studi Literatur ..................................................................................... 89

3.6 Analisis Data dan Interpretasi Hasil .......................................................... 97

3.7 Kerangka Penelitian .................................................................................. 97

BAB IV HASIL DAN PEMBAHASAN ............................................................ 99

4.1 Hasil Analisis ............................................................................................ 99

4.1.1 Hasil Analisis Demografi .................................................................... 99

4.1.2 Hasil Analisis Pengukuran Model ..................................................... 111

4.1.3 Hasil Analisis Struktur Model ........................................................... 118

4.2 Interpretasi dan Diskusi Hasil Analisis ................................................... 125

4.2.1 Interpretasi dan Diskusi Hasil Analisi Data Demografis .................. 125

4.2.2 Interpretasi dan Diskusi Hasil Pengukuran Model............................ 129

4.2.3 Interpretasi dan Diskusi Hasil Struktural Model ............................... 130

4.3 Rekomendasi Terhadap Evaluasi Pemggunaan E-Money Bank Mandiri 138

xiii

BAB V KESIMPULAN DAN SARAN ............................................................ 143

5.1 Kesimpulan ............................................................................................. 143

5.2 Saran ........................................................................................................ 145

DAFTAR PUSTAKA ........................................................................................ 147

LAMPIRAN ....................................................................................................... 155

xiv

DAFTAR GAMBAR

Gambar 1. 1 Produk-Prouk Uang Elektronik (Bank Indonesia, 2014) ................... 3

Gambar 1. 2 Jumlah dan Transaksi Uang Elektronik 2010 – Juli 2017 (Katadata,

2017) .................................................................................................. 4

Gambar 1. 3 Kepemilikan Uang Elektronik di Masyarakat (Dailysocial, 2017) .... 6

Gambar 1. 4 Model Penelitian (Adopsi Model Venkatesh et al, 2012) ................ 14

Gambar 2. 1 Model UTAUT 2 (Venkatesh et al, 2012) ....................................... 44

Gambar 3. 1 Prosedur Penelitian (Modifikasi dari Subiyakto et al, 2018) ........... 81

Gambar 3. 2 Model Penelitian (Adopsi Model Venkatesh et al, 2012) ................ 82

Gambar 3. 3 Kerangka Penelitian ........................................................................ 98

Gambar 4. 1 Diagram Lingkaran Jenis Kelamin Responden .............................. 100

Gambar 4. 2 Diagram Lingkaran Usia Responden ............................................. 101

Gambar 4. 3 Diagram Lingkaran Tingkat Pendidikan Responden ..................... 102

Gambar 4. 4 Diagram Lingkaran Kelurahan Responden .................................... 103

Gambar 4. 5 Diagram Lingkaran Pekerjaan Responden ..................................... 104

Gambar 4. 6 Diagram Lingkaran Penggunaan E-Money Bank Mandiri Responden

........................................................................................................ 105

Gambar 4. 7 Diagram Lingkaran Intesitas Penggunaan E-Money Bank Mandiri

Responden (Dalam 1 Minggu) ....................................................... 106

Gambar 4. 8 Diagram Lingkaran Jenis Transaksi Yang Digunakan Responden 107

Gambar 4. 9 Diagram Lingkaran Nominal Uang Yang Dihabiskan Responden

(Dalam 1 Minggu) .......................................................................... 108

Gambar 4. 10 Diagram Demografi Penggunaan E-Money Bank Mandiri.......... 110

Gambar 4. 11 Hasil Analisis Outer Model dengan SmartPLS ............................ 117

Gambar 4. 12 Hasil Pengujian Hipotesa ............................................................. 123

xv

DAFTAR TABEL

Tabel 2. 1 Teori-teori yang Mendasari Model UTAUT (Venkatesh et al, 2003) . 42

Tabel 2. 2 Indikator Variabel UTAUT .................................................................. 52

Tabel 2. 3 Format Responden untuk Pertanyaan .................................................. 56

Tabel 2. 4 Ringkasan Rule of Thumb Evaluasi Model Pengukuran (Ghozali, 2015)

................................................................................................................. 71

Tabel 2. 5 Ringkasan Rule of Thumb Evaluasi Model Struktural (Ghozali, 2015) 74

Tabel 3. 1 Indikator Penelitian .............................................................................. 83

Tabel 3. 2 Daftar Pertanyaan ................................................................................. 85

Tabel 3. 3 Data Kuesioner Kembali ...................................................................... 89

Tabel 3. 4 Ringkasan Penelitian Sejenis Terdahulu .............................................. 90

Tabel 4. 1 Tabel Demografi Respnden Penggunaan E-Money Bank Mandiri ... 109

Tabel 4. 2 Hasil Uji Loading Factor dengan SmartPLS ..................................... 111

Tabel 4. 3 Hasil Uji Composite Reliability dengan SmartPLS ........................... 112

Tabel 4. 4 Hasil Uji Average Variance Extracted (AVE) dengan SmartPLS...... 113

Tabel 4. 5 Hasil Uji Discriminant Validity (Cross Loading) dengan SmartPLS 114

Tabel 4. 6 Hasil Uji Discriminant Validity (Cross Loading Fornell-Lacker’s)

dengan SmartPLS .............................................................................. 115

Tabel 4. 7 Hasil Uji Path Coefficient dengan SmartPLS .................................... 118

Tabel 4. 8 Hasil Uji R-Square dengan SmartPLS ............................................... 119

Tabel 4. 9 Hasil Uji T-test dengan SmartPLS ..................................................... 120

Tabel 4. 10 Hasil Uji Effect Size dengan SmartPLS ........................................... 121

Tabel 4. 11 Hasil Uji Predictive Relevance dengan SmartPLS .......................... 122

Tabel 4. 12 Hasil Uji Relative Impact dengan SmartPLS ................................... 122

Tabel 4. 13 Ringkasan Hasil Analisis Struktural Model (Inner Model) ............. 124

Tabel 4. 14 Hasil Uji Hipotesis dengan SmartPLS ............................................. 130

Tabel 4. 15 Rekomendasi Singkat E-Money Bank Mandiri ............................... 142

x

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Pada era globalisasi saat ini, perkembangan teknologi informasi tumbuh

dengan pesatnya. Perkembangan ini ditandai dengan mulai terotomatisasinya hal-

hal yang telah dilakukan manusia secara manual. Seiring dengan terusnya

berjalannya waktu, perkembangan teknologi informasi terus mengeluarkan inovasi-

inovasi baru. Inovasi dalam konsep yang luas sebenarnya tidak hanya terbatas pada

produk. Inovasi dapat berupa ide, gagasan, praktek atau objek/benda yang

dipersepsikan oleh seseorang sebagai suatu yang baru (Suryani, 2008).

Perkembangan teknologi informasi memberikan dampak ke berbagai bidang.

Bidang financial atau keuangan merupakan salah satu yang terkena dampaknya.

Saat ini bidang financial muncul dengan inovasi terbaru dengan menggunakan

penerapan teknologi informasi sebagai layanan keuangan yang ditawarkan.

Beberapa tahun belakangan ini muncul layanan keuangan yang baru dengan

menggunakan teknologi sebagai media perantaranya salah satunya adalah uang

elektronik (e-money).

Menurut Waspada (2012) pengertian uang elektronik ialah alat pembayaran

yang diterbitkan atas dasar nilai uang yang disetor terlebih dahulu oleh pemegang

kepada penerbit, dimana nilai uang disimpan secara elektronik dalam suatu media

atau server yang digunakan sebagai alat pembayaran kepada pedagang. Uang

2

elektronik menurut Peraturan Bank Indonesia No. 11/12/PBI/2009 tentang Uang

Elektronik adalah alat pembayaran yang memenuhi unsur-unsur sebagai berikut:

• Diterbitkan atas dasar nilai uang yang disetor terlebih dahulu oleh

pemegang kepada penerbit.

• Nilai uang disimpan secara elektronik dalam suatu media seperti chip atau

server.

• Digunakan sebagai alat pembayaran kepada pedagang yang bukan

merupakan penerbit uang elektronik tersebut.

• Nilai uang elektronik yang disetor oleh pemegang dan dikelola oleh

penerbit bukan merupakan simpanan sebagaimana dimaksud dalam

undang-undang yang mengatur mengenai perbankan

Jadi, uang elektronik adalah salah satu alat pembayaran yang di sahkan oleh

Bank Indonesia berbentuk elektronik dalam suatu media chip atau server dimana

pengguna terlebih dahulu melakukan pengisian saldo oleh penerbit. Pada media

chip, uang elektronik dengan media ini berbentuk kartu. Sedangkan pada media

server, uang elektronik dijalankan pada bentuk mobile. Uang elektronik dengan

media chip atau berbasis kartu berbeda dengan alat pembayaran elektronik berbasis

kartu lainnya seperti kartu debit dan kartu kredit. Uang elektronik termasuk dalam

prepaid product sedangkan kartu debit dan kartu kredit termasuk dalam access

products. Perbedaan antara prepaid products dengan access product dapat dilihat

dari dana yang tercatat, prepaid products dana yang tercatat sepenuhnya dalam

penguasaan pengguna, sedangkan access product dana yang tercatat berada dalam

pengelolaan bank.

3

Contoh uang elektronik berbasis media chip ialah Flazz dari BCA, E-money

dari Mandiri, Brizzi dari BRI, dan lain sebagainya. Contoh uang elektronik berbasis

server ialah T-Cash dari Telkomsel, XL-Tunai dari XL, dan lain sebagainya.

Beberapa produk uang elektonik yang ada di Indonesia menurut Bank Indonesia

dapat dilihat pada gambar 1.1.

Gambar 1.1 Produk-produk Uang Elektronik (Bank Indonesia, 2014)

Penggunaan uang elektronik juga dicanangkan oleh Bank Indonesia dengan

sebutan Gerakan Nasional Non Tunai. Dikutip dari halamn Website bi.go.id

bahwasanya Gubernur Bank Indonesia Agus D.W. Martowardojo, pada Kamis, 14

Agustus 2014 di Jakarta secara resmi mencanangkan “Gerakan Nasional Non Tunai

(GNNT)”. Kegiatan ini merupakan bagian dari peringatan HUT ke-69 Republik

Indonesia di Bank Indonesia. Pencanangan ini ditandai dengan penandatanganan

Nota Kesepahaman antara Bank Indonesia dengan Kementerian Koordinator

Bidang Perekonomian, Kementerian Keuangan, Pemerintah Daerah serta Asosiasi

4

Pemerintahan Provinsi Seluruh Indonesia sebagai komitmen untuk mendukung

GNNT. Acara ini diselenggarakan di Mangga Dua Mall, Jakarta yang

merepresentasikan pusat transaksi keuangan. Pencanangan dimaksudkan untuk

meningkatkan kesadaran masyarakat, pelaku bisnis dan juga lembaga-lembaga

pemerintah untuk menggunakan sarana pembayaran non tunai dalam melakukan

transaksi keuangan, yang tentunya mudah, aman dan efisien.

Menurut survey dari katadata.co.id penyebaran dan penggunaan transaksi

uang elektronik di Indonesia mengalami peningkat tiap tahunnya. Berikut grafik

data penyebaran dan penggunaan transaksi uang elektronik dimulai dari tahun 2010

hingga Juli 2017 yang dapat dilihat pada gambar 1.2.

Ket :

/ Diagram Garis = Penyebaran Uang Elektronik

/ Diagram Batang = Jumlah Transaksi Uang Elektronik

Gambar 1.2 Jumlah dan Transaksi Uang Elektronik 2010 – Juli 2017 (Katadata,

2017)

5

Berdasarkan pada gambar 1.2 Jumlah penyebaran uang elektronik mengalami

kenaikan setiap tahunnya dan di juli 2017 adalah paling tinggi dengan penyebaran

sebesar 75,8 juta kartu, akan tetapi pada grafik garis di tahun 2014 sedikit

mengalami penurunan. Sedangkan penggunaan transaksi uang elektronik terus

meningkat tiap tahunnya tanpa adanya penurunan. Dapat dilihat pada grafik batang

bahwa total transaksi hingga juli 2017 sudah mencapai 8,8 triliun rupiah.

Berlakunya kebijakan baru mulai 31 Oktober 2017 dimana setiap masyarakat

yang menggunakan jalan Toll diwajibkan untuk menggunakan uang elektronik

berbasis chip yang telah beredar di khalayak umum (Cermati, 2017). Kebijakan ini

akan berdampak dengan peningkatan penyebaran kartu dan penggunaan transaksi

uang elektronik, dikarenakan setiap masyarakat yang hendak menggunakan jalan

toll diwajibkan untuk menggunakan uang elektronik.

Dari peningkatan penyebaran uang elektronik dari data sebelumnya tentunya

berbagai macam uang elektronik yang dikeluarkan oleh Lembaga perbakan dan non

perbankan termasuk didalamnya. Melalui survey Dailysocial.id kita dapat

mengetahui persentase kepemilikan uang elektronik yang ada di Indonesia tahun

2017 pada gambar 1.3 berikut.

6

Gambar 1.3 Kepemilikan Uang Elektronik di Masyarakat (Dailysocial, 2017)

Berdasarkan gambar 1.3 kepemilikan E-Money Mandiri dinyatakan sebagai

persentase tertinggi dengan nilai 33,34 persen. Akan tetapi terdapat masyarakat

yang tidak memiliki uang eletronik dinyatakan dengan persentase tertinggi kedua

dengan nilai 28,61 persen.

Walaupun menjadi uang elektronik degan kepemilikan terbanyak, E-Money

Bank Mandiri tidak luput dari berbagai masalah. Dikutip dari berita yang tertera di

dalam Batamnews.co.id tanggal 2 Juli 2018, terdapat beberapa masalah dalam

penggunaan E-Money Bank Mandiri. Pertama, lambatnya proses pembacaan mesin

E-Money Bank Mandiri yang digunakan pada jalan toll sehingga diperlukannya

penggantian mesin yang baru dan lambatnya mesin pembaca dikarenakan mulai

kadaluarsanya kartu E-Money Bank mandiri yang tersebar. Kedua, Susahnya untuk

melakukan pengisian ulang E-Money Bank Mandiri. Hal ini disebabkan dari

berbagai hal yaitu tergangunya jaringan pada mesin EDC, masalah yang terdapat

7

dalam kartu yang di gunakan, dan pemilik maupun petugas yang membantu kurang

memahami penggunaan E-Money Bank Mandiri. Ketiga, terjadinya pemotongan

saldo hingga 2 kali yang dapat terjadi pada transaksi jalan toll. Keempat, jaringan

sistem transaksi offline ketika pengguna ingin melakukan pengisian saldo. Hal ini

disebabkan oleh habisnya dana talangan. Kelima, ketersediaan tempat pengisiian

ulang E-Money Bank Mandiri yang tidak merata. Keenam, Munculya calo yang

dapat merugikan pengguna dilihat dari tarif harga yang dikeluarkan untuk

melakukan transaksi. Disebutkan didalam berita tersebut biaya transaksi pada

TransJakarta bisa lebih mahal disbanding harga aslinya, hal ini disebabkan ketidak

punyaan E-Money Bank Mandiri penumpang.

Dari beberapa masalah tersebut peneliti merasa perlu untuk mengevaluasi dari

kegiatan penggunaan E-Money Bank Mandiri. Sehingga didapatkan dan

diberikannya solusi untuk mengatasi masalah-masalah tersebut. Definisi evaluasi

itu sendiri yang dikemukakan oleh Stutflebeam yang dikutip oleh Arikunto et al

(2010), menyatakan bahwa evaluasi merupakan proses penggambaran, pencarian

dan pemberian informasi yang sangat bermanfaat bagi pengambil keputusan dalam

menentukan alternatif keputusan. Dari pernyataan tersebut bahwa dengan

melakukan evaluasi, pihak dari Bank Mandiri dapat melakukan proses

penggambaran, pencarian dan pemberian informasi yang sangat bermanfaat terkait

dengan penggunaan E-Money Mandiri. Menurut Tayibnapis (2008) bahwa evaluasi

hendaknya mmembantu pengembangan, implementaasi, kebutuhan suatu program,

perbaikan program, pertanggungjawaban, seleksi motivasi, menambah

pengetahuan, dan dukungan dari mereka yang terlibat. Menurut Wirawan (2011)

8

bahwa tujuan evaluasi ialah untuk melindungi anggota masyarakat yang memakai

jasa layanan lembaga tersebut. Maka, dengan melakukan mengevaluasi E-Money

Bank Mandri dapat pula mempertahankan penggunanya untuk tetap menggunakan

E-Money Bank Mandiri. Lalu hasil dari proses evaluasi tersebut dapat dijadikan

landasan keputusan untuk pengembangan E-Money Bank Mandiri yang lebih baik,

memberikan solusi terhadap masalah-masalah yang ada, dan memberikan

pelayanan tambahan bagi konsumen.

Pada kasus tersebut, terdapat model untuk mengukur dan mengevaluasi

penggunaan teknologi, salah satunya yang akan digunakan dalam penelitian ini

adalah model UTAUT 2 (Unified Theory of Acceptance and Use of Technology 2).

UTAUT 2 merupakan pengembangan model UTAUT yang sebelumnya, dimana

UTAUT2 mempelajari penerimaan dan penggunaan dari sebuah teknologi yang

lebih berpusat pada konteks konsumen (Venkatesh et al, 2012). Tujuan dari model

UTAUT 2 adalah mengidentifikasi tiga variabel penting dari penelitian penerimaan

dan penggunaan teknologi baik untuk umum maupun konsumen, memodifikasi

beberapa hubungan yang sudah ada pada konsep model UTAUT terdahulu, dan

mengenalkan hubungan baru (Venkatesh et al, 2012). Tiga variabel baru yang

ditambahkan ialah Hedonic Motivation (HE), Price Value (PV), dan Habit (H).

Sebelumnya beberapa peneliti telah menggunakan model tersebut pada

penelitian evaluasi. Diantaranya ialah Alotaibi dan Wald (2014) yang menerapkan

model UTAUT untuk mengevaluasi pengalaman penerimaan pengguna pada

Identity Access Management Systems (IAMS) yang menghasilkan bahwa terdapat

ketidakberpengaruhan pada perilaku penggunaan, kemudian Frank dan Markovic

9

(2018) yang menerapkan UTAUT2 untuk mengvaluasi e-Government Project

dimana menghasilkan semua hipotesis memiliki pengaruh yang signifikan, lalu,

Kalamatian dan Malamateniou (2017) yang menerapkan UTAUT2 dengan tujuan

mendeskripsikan sebuah model evaluasi untuk menginvestigasi kesuksesan e-

Government Project dimana hasilnya variabel gender, social influence, dan

hedonic motivation secara tidak signifikan memiliki pengaruh. Maka dari beberapa

penelitian tersebut, mempertegas bahwa model UTAUT telah digunakan untuk

penelitian terkait evaluasi.

Pengunaan E-Money Bank Mandiri tentunya sampai masyarakat Kecamatan

Ciputat. Jumlah masyarakat yang berada di Kecamatan Ciputat sebesar 232.559

jiwa menurut data BPS Tangerang Selatan pada tahun 2016 tentunya tidak sedikit

yang tahu dan menggunakan E-Money Bank Mandiri. Masyarakat yang terdapat

pada Kecamatan Ciputat dijadikan sebagai tempat sampel pengguna E-Money Bank

Mandiri.

Dari latar belakang yang telah peneliti uraikan, peneliti ingin mengevaluasi

penggunaan E-Money Bank Mandiri pada masyarakat di Kecamatan Ciputat.

Sehingga judul penelitian yang peneliti ambil ialah “Evaluasi Penggunaan Pada

Produk Uang Elektronik E-Money Bank Mandiri Menggunakan Model UTAUT 2

(Studi Kasus : Kecamatan Ciputat)”.

1.2 Identifikasi Masalah

Berdasarkan latar belakang yang telah dipaparkan oleh penulis, maka dapat

diidentifikasi permasalahan yaitu sebagai berikut:

10

1. Mulai bermigrasinya penggunaan sistem pembayaran tunai menjadi

sistem pembayaran non-tunai.

2. Tingginya peningkatan penyebaran dan penggunaan transaksi uang

elektronik di Indonesia

3. Tingginya kepemilikan produk uang elektronik E-Money Bank Mandiri

di masyarakat Indonesia.

4. Lambatnya proses pembacaan mesin E-Money Bank Mandiri yang

digunakan pada jalan toll.

5. Sulitnya untuk melakukan pengisian ulang E-Money Bank Mandiri.

6. Terjadinya pemotongan saldo hingga 2 kali pada transaksi penggunaan E-

Money Bank Mandiri

7. Jaringan sistem transaksi E-Money Bank Mandiri offline.

8. Tidak merata tempat pengisiian ulang E-Money Bank Mandiri.

9. Munculya calo yang dapat merugikan masyarakat.

1.3 Perumusan Masalah

Berdasarkan identifikasi masalah yang ada, maka peneliti merumuskan

permasalahan yang diangkat pada penelitian ini adalah “Bagaimana Mengevaluasi

Penggunaan Pada Produk Uang Elektronik E-Money Bank Mandiri

Menggunakan Model UTAUT 2 Di Kecamatan Ciputat?” yang dapat membantu

pihak Bank Mandiri untuk mengetahui penggunaan dari penggunan E-Money Bank

Mandiri di Kecamatan Ciputat.

11

1.4 Ruang Lingkup dan Batasan Masalah

Agar Penelitian ini lebih fokus dan terarah, maka penelitian ini dilakukan

dengan ruang lingkup dan batasan masalah sebagai berikut:

1. Penelitian ini akan dilakukan terhadap pengguna e-Money milik Bank

Mandiri di Kecamatan Ciputat.

2. Objek penelitian yang peneliti ambil ialah e-Money Bank Mandiri

meliputi E-Money Bank Mandiri itu sendiri serta E-Money dari kerja

sama dengan beberapa merchant seperti E-Toll dan Indomaret Card

3. Karakteristik sampel penelitian ialah pengguna e-Money milik Bank

Mandiri di Kecamatan Ciputat dengan rentan umur dari 17 Tahun sampai

58 Tahun, Jenjang pendidikan Minimal SMA, dan pengalaman

menggunakan minimal 1 minggu.

4. Jumlah sampel ditentukan dengan peneliti menggunakan teknik purposive

sampling. Penggunaan teknik purposive sampling ialah menentukan

sampel dengan pertimbangan tertentu. Kemudian dilakukan perhitungan

sampel slovin dan harus memenuhi minimal sebanyak 10 kali dari jumlah

hipotesis penelitian sesuai dengan penelitian Yamin & Kurniawan (2011).

5. Secara teori, penelitian akan menggunakan model Unified Theory of

acceptence and Use of Technology 2 (UTAUT 2) merujuk pada penelitian

Venkatesh et al (2012), yang terdiri dari 6 variabel dari UTAUT

sebelumnya yaitu Performance Expectancy (PE), Effort Expectancy (EE),

Social Influence (SI), Facilitating Conditions (FC), Behavior Intention

12

(BI) Dan Use Behavior (UB) ditambah dengan 3 variabel baru yaitu

Hedonic Motivation (HM), Price Value (PV), dan Habit (H).

6. Secara metodologi, penelitian ini menggunakan metode kuantitatif

dengan teknik pengumpulan data kuisoner yang disebarkan kepada

masyarakat di Kecamatan Ciputat yang memiliki dan menggunakan e-

Money milik Bank Mandiri. Teknik pengambilan sample yang peneliti

gunakan ialah purposive sampling dimana sampel yang peneiliti ambil

hanya pada pengguna e-Money Mandiri, dengan analisis data

menggunakan Partial Least Square - Structural Equation Modeling (PLS-

SEM).

7. Software yang peneliti gunakan untuk menganalisis data ialah SmartPLS

3.0.

1.5 Tujuan dan Sasaran Penelitian

Tujuan yang ingin dicapai penulis dari penelitian ini adalah :

1. Mengetahui faktor-faktor atau variabel-variabel di UTAUT 2 yang

mempengaruhi penggunaan uang elektronik pada produk E-Money

Bank Mandiri di Kecamatan Ciputat.

2. Mengetahui besar pengaruh dari faktor-faktor atau variabel-variabel

yang ada pada model UTAUT 2.

3. Memberikan rekomendasi dan bahan pertimbangan kepada pihak Bank

Mandiri dari hasil evaluasi yang peneliti lakukan terhadap penggunaan

E-Money Bank Mandiri.

13

Merujuk pada tujuan penelitian di atas, sasaran pelaksanaan penelitian ini

adalah :

1. Diketahuinya faktor apa saja yang mempengaruhi penerimaan dan

penggunaan E-Money Bank Mandiri berdasarkan model penelitian yang

diajukan.

2. Diketahuinya faktor apa saja yang paling besar pengaruhnya maupun

yang tidak memiliki pengaruh terhandap penggunaan E-Money Bank

Mandiri untuk diberikan sebagai saran maupun bahan pertimbangan

kepada Bank Mandiri.

1.6 Pertanyaan Penelitian

Model dari penelitian ini terdapat pada gambar 1.4 yang merupakan adopsi

dari model yang di teliti oleh Venkatesh et al (2012), yaitu model Unified theory of

acceptence and use of technology 2 (UTAUT 2) yang terdiri dari 9 variabel dengan

rincian 6 vairabel dari UTAUT sebelumnya yaitu Performance Expectancy (PE),

Effort Expectancy (EE), Social Influence (SI), Facilitating Conditions (FC),

Behavior Intention (BI) Dan Use Behavior (UB) ditambah dengan 3 variabel baru

yaitu Hedonic Motivation (HM), Price Value (PV), dan Habit (H).

14

Gambar 1.4 Model Penelitian (Adopsi Model Venkatesh et al, 2012)

Berdasarkan tujuan dan sasaran pada penelitian ini, maka pertanyaan

penelitian dalam hal ini :

1. Bagaimana tingkat penggunaan dari produk uang elektronik pada e-

Money Mandiri sesuai dengan model UTAUT 2 di lingkungan Kecamatan

Ciputat?

2. Apa saja faktor-faktor yang mempengaruhi penggunaan produk uang

elektronik pada produk E-Money Bank Mandiri di Kecamatan Ciputat?

Berdasarkan beberapa faktor yang terdapat pada model yang digunakan

sebagaimana dapat dilihat pada gambar 1.4, maka terdapat 10 faktor yang

diasumsikan dapat saling mempengaruhi, diantarnya:

15

Q1. Apakah variabel Performance Expectancy (PE) berpengaruh secara

signifikan terhadap variabel Behavior Intention (BI)?

Q2. Apakah variabel Effort Expectancy (EE) berpengaruh secara

signifikan terhadap variabel Behavior Intention (BI)?

Q3. Apakah variabel Social Influence (SI) berpengaruh secara signifikan

terhadap variabel Behavior Intention (BI)?

Q4. Apakah variabel Hedonic Motivation (HM) berpengaruh secara

signifikan terhadap variabel Behavior Intention (BI)?

Q5. Apakah variabel Price value (PV) berpengaruh secara signifikan

terhadap variabel Behavior Intention (BI)?

Q6. Apakah variabel Facilitating Conditions (FC) berpengaruh secara

signifikan terhadap variabel Behavior Intention (BI)?

Q7. Apakah variabel Habit (H) berpengaruh secara signifikan terhadap

variabel Behavior Intention (BI)?

Q8. Apakah variabel Behavior Intention (BI) berpengaruh secara

signifikan terhadap variabel Use Behavior (UB)?

Q9. Apakah variabel Facilitating Conditions (FC) berpengaruh secara

signifikan terhadap variabel Use Behavior (UB)?

Q10. Apakah variabel Habit (H) berpengaruh secara signifikan terhadap

variabel Use Behavior (UB) ?

16

1.7 Metodologi Penelitian

Secara umum bahwa penelitian ini menggunakan metode pendekatan

kuantitatif. Agar penelitian ini memiliki proses yang terarah, adapun metodologi

pada peleitian ini, yaitu:

1.7.1 Metode Pengumpulan Data

Adapun metode pengumpulan data dilakukan melalui survei dengan

menyebarkan kuisoner. Kuisoner dirancang dalam bentuk pertanyaan terbuka

berdasarkan variabel dan indikator pada model UTAUT 2. Selain itu, studi

literatur dan wawancara juga dilakukan peneliti untuk memperkuat latar

belakang serta teori-teori pada penelitian.

Penyebaran kuisoner dilakukan secara langsung (tatap muka) dan

tidak langsung melalui media sosial whatsapp, line dan juga e-mail dengan

menggunakan Google Forms untuk pengisian kuisoner secara online. Setelah

semua kuisoner terkumpul dilakukan penyaringan dan diklasifikasi

menggunakan software pengolah angka MS. Excell 2013.

1.7.2 Metode Analisis Data

Adapun metode analisis data yang peneliti lakukan ilalah dengan

melakukan proses analisa demografis, analisis persepsi responden terhadap

idikator kemudian secara kuantitatif peneliti melakukan analisis pendekatan

PLS-SEM dengan software SmartPLS 3.0. Akhir dari analisis data ialah

dengan interpretasi dan pembahasan hasil berdasarkan hasil analisis data yang

telah dilakukan.

17

1.8 Manfaat Penelitian

Manfaat dari penelitian ini ialah sebagai berikut :

1. Dari sisi penulis, sebagai penelitian skripsi penulis dibidang Sistem

Informasi sebagai syarat tingkat sarjana.

2. Dari sisi metodologi, agar diharapkan penelitian ini menjadi landasan

pemanfaatan metode UTAUT 2 dalam hal pembuatan penelitian yang

selanjutnya.

3. Dari sisi informasi, dapat mengetahui tingkat penggunaan E-Money

Bank Mandiri pada Kecamatan Ciputat.

4. Dari sisi penggunan produk, dapat membantu pengguna memberikan

feedback terhadap kuliatas penggunaan E-Money Bank Mandiri.

5. Dari sisi perbankan yang mengeluarkan produk, dapat menjadi landasan

untuk lebih meningkatkan layanan yang dimiliki produknya.

1.9 Sistematika Penulisan

Dalam penyusunan laporan ini, penulis menguraikan pembahasan ke dalam

lima bab yang secara singkat diuraikan sebagai berikut :

BAB I PENDAHULUAN

Bab ini berisikan tentang latar belakang, identifikasi

masalah, perumusan masalah, tujuan penelitian, manfaat

penelitian, batasan masalah, model penelitian, metodologi

penelitian dan sistematika penulisan.

18

BAB II LANDASAN TEORI

Bab ini berisi tentang landasan teori yang digunakan dalam

membahas dan menganalisis permasalahan yang

berhubungan dengan topik yang sedang dibahas.

BAB III METODOLOGI PENELITIAN

Bab ini menjelaskan tentang metodologi proses pelaksanaan

penelitian, mencakup penjelasan tentang pendekatan,

prosedur, populasi dan sampel, instrumen, pengumpulan dan

pemrosesan data serta analisis data.

BAB IV HASIL DAN PEMBAHASAN

Bab ini berisikan pemaparan dari hasil “Evaluasi

Penggunaan Pada Produk Uang Elektronik E-Money Bank

Mandiri Menggunakan Model UTAUT 2 (Studi Kasus :

Kecamatan Ciputat)” dimulai dari analisis data dan hasilnya,

interpretasi dan diskusi hasil penelitian. Selanjutnya,

selanjutnya hasil interpretasi dan diskusi dilakukan dengan

merujuk pada basis teori yang sebelumnya.

BAB V PENUTUP

Bab ini merupakan kesimpulan dan saran atas hasil

pelaksanaan penelitian serta kelanjutan kajian selanjutnya

19

19

BAB II

LANDASAN TEORI

2.1 Evaluasi

2.1.1 Definisi Evaluasi

Evaluasi merupakan sebuah riset untuk mengumpulkan, menganalisis,

dan menyajikan informasi yang bermanfaat mengenai objek evaluasi, menilainya

dengan membandingkannya dengan indikator evaluasi dan hasilnya dipergunakan

untuk mengambil keputusan mengenai objek evaluasi (Wirawan, 2011).

2.1.2 Tujuan Evaluasi

Tujuan evaluasi adalah mengumpulkan informasi yang bermanfaat

mengenai objek evaluasi. Informasi tersebut kemudian dibandingkan atau dinilai

dengan indikator evaluasi dan muncul hasil perbandingan tersebut apakah sudah

memenuhi kriteria atau belum memenuhi kriteria evaluasi (Wirawan, 2011).

Evaluasi dilaksanakan untuk mencapai berbagai tujuan sesuai dengan

objek evaluasinya. Tujuan melaksanakan evaluasi antara lain adalah (Wirawan,

2011):

1. Mengukur pengaruh program terhadap masyarakat

Program dirancang dan dilaksanakan sebagai layanan atau intervensi

sosial untuk menyelesaikan masalah, situasi, keadaan yang dihadapi

masyarakat. Program juga diadakan untuk mengubah keadaan

masyarakat yang dilayani.

20

2. Menilai apakah program telah dilaksanakan sesuai dengan rencana.

Setiap program direncanakan dengan teliti dan pelaksanaannya harus

sesuai dengan rencana tersebut. Evaluasi program bertujuan

menentukan posisi pelaksanaan program apakah berada di jalurnya

atau tidak. Jika terjadi penyimpangan prosedur pelaksanaan aktivitas,

anggaran dan waktu segera dilakukan koreksi.

3. Mengukur apakah pelaksanaan program sesuai dengan standar

Setiap program dirancang dan dilaksanakan berdasarkan standar

tertentu. Evaluasi program dapat mengidentifikasi dan menemukan

mana dimensi program yang jalan, dan mana yang tidak berjalan.

4. Pengembangan staf program

Evaluasi dapat dipergunakan mengembangkan kemampuan staf garis

depan yang langsung menyajikan layanan kepada klien dan para

pemangku kepentingan lainnya.

5. Menentukan ketentuan undang-undang

Suatu program dirancang dan dilaksanakan berdasarkan ketentuan

undang-undang untuk menyelesaikan masalah yang dihadapi oleh

masyarakat.

6. Akreditasi program

Lembaga-lembaga yang melayani kebutuhan masyarakat perlu

dievaluasi untuk menentukan apakah telah menyajikan layanan

kepada masyarakat sesuai dengan standar layanan yang ditentukan.

21

Tujuan dari evaluasi adalah untuk melindungi anggota masyarakat

yang memakai jasa layanan lembaga tersebut.

7. Mengukur cost effectiveness dan cost efficiency

Penggunaan sumber dalam suatu program perlu diukur apakah

anggaran suatu program mempunyai nilai yang sepadan (cost

effective) dengan akibat atau manfaat yang ditimbulkan oleh program.

Sedangkan cost efficiency untuk mengukur apakah biaya yang

dikeluarkan untuk membiayai program telah dikeluarkan secara

efisien atau tidak.

8. Mengambil keputusan mengenai program.

9. Accountabilitas

Evaluasi dilakukan juga untuk pertanggungjawaban pimpinan dan

pelaksana program. Apakah program telah dilaksanakan sesuai

dengan rencana, sesuai dengan standar atau tolak ukur keberhasilan

atau tidak.

10. Memberikan balikan kepada pimpinan dan staf program.

11. Mempekuat posisi politik.

12. Jika evaluasi menghasilkan nilai yang positif, kebijakan, program,

atau proyek akan mendapat dukungan dari para pengambil keputusan,

legislatif dan eksekutif dan anggota masyarakat yang mendapat

layanan.

13. Mengembangkan teori ilmu evaluasi atau riset evaluasi.

22

2.1.3 Formulasi Evaluasi

Evaluasi memiliki definisi yang berbeda tetapi memiliki inti yang sama

sehingga, memiliki formula tersendiri yang terdiri dari (Wirawan, 2011):

1. Riset

Sebagai penelitian, evaluasi tunduk kepada kaidah-kaidah ilmu

penelitian. Misalnya, metode yang dipergunakan adalah metode

penelitian saintik, metode penelitian yang digunakan oleh semua jenis

penelitian dapat dipergunakan dalam evaluasi. Teknik penarikan

sample, instrument dan data analisisnya sesuai dengan teknik

penelitian.

2. Objek evaluasi

Objek evaluasi adalah apa yang akan dievaluasi. Donaldson et al

dalam Wirawan (2011) menggunakan istilah evaluand yaitu apa yang

diteliti dalam evaluasi dan evaluee jika objeknya orang. Karena

evaluasi dilakukan di semua sektor kehidupan, setiap sektor

mempunyai objek evaluasi yang unik.

3. Informasi

Tujuan evaluasi adalah mengumpulkan informasi yang bermanfaat

mengenai objek evaluasi. Informasi tersebut kemudian dibandingkan

atau dinilai dengan indikator keberhasilan tersebut. Hasil

perbandingan dapat memenuhi atau tidak memenuhi tolak ukur

keberhasilan.

23

4. Menilai

Evaluasi melakukan penelitian kualitas (merit) yaitu baik buruknya

atau tinggi rendahnya kualitas atau kinerja program yang dievaluasi,

dan penilaian manfaat (worth) yaitu bermanfaat tinggi atau rendahnya

program dalam kaitan dengan suatu tujuan atau standar tertentu.

5. Mengambil keputusan mengenai objek yang dievaluasi

Informasi mengenai objek evaluasi dipergunakan untuk mengambil

keputusan mengenai objek evaluasi. Artinya, jika program memenuhi

tolak ukur keberhasilan, maka perlu dilakukan perubahan atau

pengembangan. Sebaliknya, jika hasil evaluasi menyatakan program

berhasil, program tersebut akan diteruskan atau dilaksanakan.

2.1.4 Jenis-Jenis Evaluasi

Evaluasi dapat dikelompokkan berdasarkan objeknya dan fokus dalam

suatu program (Wirawan, 2011).

1. Jenis Evaluasi Berdasarkan Objek

Berdasarkan objeknya evaluasi dapat dikelompokkan menjadi:

a. Evaluasi Kebijakan

Evaluasi kebijakan adalah menilai kebijakan yang sedang atau

telah dilaksanakan. Setiap kebijakan harus dievaluasi untuk

menentukan apakah kebijakan bermanfaat, dapat mencapai

tujuannya, dilaksanakan secara efisien, dan untuk

pertanggungjawaban pelaksanaannya.

24

b. Evaluasi Program

Evaluasi program adalah metode sistematik untuk

mengumpulkan, menganalisis, dan memakai informasi untuk

menjawab pertanyaan dasar mengenai program. Evaluasi

program dapat dikelompokkan menjadi evaluasi proses (process

evaluation), evaluasi manfaat (outcome evaluation), dan evaluasi

akibat (impact evaluation).

c. Evaluasi Proyek

Sebelum dijadikan suatu program, suatu aktivitas dilaksanakan

dalam bentuk proyek. Proyek tersebut kemudian diteliti dan

dievaluasi secara formatif dengan berbagai upaya

penyempurnaan, perbaikan atau koreksi, dan evaluasi sumatif.

Jika proyek berhasil dan hasilnya baik, maka proyek tersebut

dikembangkan dan dilaksanakan sebagai suatu program.

d. Evaluasi Material

Evaluasi material adalah menganalisis material-material apa saja

yang sesuai dengan kriteria yang diinginkan. Untuk

melaksanakan kebijakan, program, atau proyek diperlukan

sejumlah material atau produk-produk tertentu.

e. Evaluasi Sumber Daya Manusia

Evaluasi sumber daya manusia, evaluasi personalia atau evaluasi

kinerja telah dilakukan untuk merekrut dan menilai kinerja

pegawai. Keberhasilan organisasi sangat ditentukan oleh kinerja

25

para karyawan, oleh karena itu mereka harus dievaluasi

kinerjanya secara periodik.

Berdasarkan penjelasan di atas maka penelitian yang dilakukan oleh

penulis merupakan evaluasi program karena berdasarkan objeknya terhadap E-

Money Bank Mandiri, sehingga dapat melihat apakah sistem sudah sesuai dengan

yang direncanakan atau belum diharapkan.

2. Jenis Evaluasi Berdasarkan Fokus

Berdasarkan objeknya evaluasi dapat dikelompokkan menjadi:

a. Asesmen Kebutuhan

Asesmen kebutuhan adalah mengidentifikasikan dan mengukur

level kebutuhan yang diperlukan dan diinginkan oleh organisasi atau

masyarakat. Asesmen kebutuhan perlu dilaksanakan sebelum

merencanakan suatu kebijakan, program atau proyek. Evaluator

mengidentifikasi dan mendefinisikan kebutuhan masyarakat dan

mengumpulkan sejumlah alternatif untuk memenuhi kebutuhan

tersebut. Hasil dari evaluasi kebutuhan dipergunakan untuk

menyusun rencana program sebagai intervensi sosial untuk

masyarakat.

b. Evaluasi Proses

Evaluasi proses merupakan evaluasi formatif yang berfungsi

mengukur kinerja program untuk mengontrol pelaksanaan program.

Salah satu cakupannya adalah mengukur apakah terjadi

penyimpangan dalam pelaksanaan program. Jika terjadi

26

penyimpangan dari yang direncanakan, diputuskan apa yang harus

dilakukan untuk mengontrol ketimpangan dan mengembalikan

pelaksanaan program ke kinerja yang diharapkan, penggunaan man,

money, material, machine, dan method yang dipergunakan untuk

melaksankan program.

c. Evaluasi Keluaran

Evaluasi keluaran (outcome) merupakan evaluasi sumatif yaitu

mengukur dan menilai keluaran dan akibat atau pengaruh dari

program. Data yang dijaring antara lain adalah hasil atau keluaran

program apakah sesuai dengan yang direncanakan, jumlah dan jenis

orang yang dilayani apakah sesuai dengan yang direncanakan,

pengaruh atau akibat dari program terhadap orang yang

mendapatkan layanan, dan mengidentifikasikan apa yang harus

dilakukan agar pengaruh program dapat berlangsung terus-menerus.

d. Evaluasi Efisiensi

Evaluasi yang mengukur nilai keuntungan dan nilai biaya dalam

suatu proyek. Evaluasi efisiensi dibagi 2 yaitu, evaluasi benefit biaya

(cost-benefit evaluation) adalah mengukur masukan dan keluaran

dalam pengertian keuangan dan evaluasi efektivitas biaya (cost-

effectiveness evaluation) adalah mengukur input program dalam

pengertian keuangan dan keluaran dalam pengertian non-keuangan.

Berdasarkan penjelasan di atas maka evaluasi yang dilakukan penulis

menurut fokusnya yaitu evaluasi keluaran, artinya penulis menganalisis selama

27

diimplementasikan E-Money Bank Mandiri telah memenuhi hasil yang

diinginkan pengguna sistem atau orang yang memakai sistem tersebut telah sesuai

dengan yang direncanakan.

2.2 Penerimaan dan Penggunaan

Menurut Succi dan Walter dalam Pikkarainen et al (2004), penerimaan

pengguna terhadap sistem teknologi informasi adalah kemauan yang tampak di

dalam kelompok pengguna untuk menerapkan sistem teknologi informasi tersebut

dalam pekerjaannya. Sedangkan menurut Nasir (2013) penerimaan pengguna dapat

di definisikan sebagai keinginan sebuah grup pengguna dalam memanfaatkan

teknologi informasi yang didesain untuk membantu pekerjaan mereka. Oleh karena

itu, semakin besar menerima sistem teknologi informasi yang baru maka semakin

besar kemauan pemakai untuk merubah praktek yang sudah ada dalam penggunaan

serta usaha untuk memulai secara nyata pada sistem teknologi informasi yang baru.

Tetapi jika pemakai tidak mau menerima sistem teknologi informasi yang baru,

maka perubahan sistem tersebut tidak memberikan keuntungan yang banyak bagi

organisasi atau perusahaan (Pikkarainen et al, 2004).

Dalam Kamus Besar Bahasa Indonesia penggunaan diartikan sebagai proses,

cara perbuatan memakai sesuatu, pemakaian. (KBBI, 2002:852). Penggunaan

sebagai aktifitas memakai sesuatu atau membeli sesuatu berupa barang dan jasa.

Pembeli dan pemakai yang dapat disebut pula sebagai konsumen barang dan jasa.

Dalam penelitian ini penggunaan adalah pemakaian pada fitur-fitur yang ada pada

smartphone dalam berinteraksi dengan orang lain.

28

Implementasi suatu teknologi informasi selalu berhubungan dengan

penerimaan pengguna. Sejauh mana pengguna dapat menerima dan memahami

teknologi tersebut adalah hal yang penting untuk mengetahui tingkat keberhasilan

dari implementasi sistem tersebut. Sehingga penerimaan pengguna atau user

acceptance merupakan faktor penting yang dapat mempengaruhi keberhasilan

implementasi sari suatu teknologi (Nasir, 2013). Kurangnya penerimaan pengguna

akan sangat berpengaruh terhadap kesuksesan implementasi teknologi informasi.

Karena itu, penerimaan harus dipandang sebagai faktor sentral yang akan

menentukan sukses atau tidaknya implementasi dari suatu teknologi informasi.

Banyak bentuk analisis yang dapat digunakan untuk mengukur tingkat keberhasilan

implementasi teknologi informasi.

Menurut Davis dalam Ananda (2014) konsep di dalam penerimaan sistem itu

diterima atau ditolak ditentukan oleh 2 faktor penentu, yaitu:

1. Orang akan cenderung untuk menggunakan atau tidak menggunakan

aplikasi jika mereka percaya hal itu akan bermanfaat untuk membantu

mereka melakukan pekerjaan mereka lebih baik.

2. Jika orang percaya bahwa apa yang diberikan oleh sebuah sistem itu

bermanfaat, namun mereka percaya bahwa sistem tersebut sulit untuk

digunakan, maka mereka akan enggan untuk menggunakan sistem

tersebut. Artinya, di samping manfaat dalam suatu sistem terdapat faktor

kemudahan dalam menggunakan sistem juga yang merupakan hal yang

penting.

29

Sehingga nilai manfaat dan kemudahan dalam menggunakan sistem

merupakan dasar dalam penerimaan suatu sistem sehingga dapat disimpulkan

apabila nilai manfaat dan kemudahan dalam suatu sistem tersebut besar maka

penerimaan pengguna pada suatu sistem pun menjadi besar sehingga intensitas

dalam implementasi suatu sistem menjadi meningkat.

2.2.1 Penerimaan Sistem Informasi

Berdasarkan pembahasan tentang ukuran penilaian dalam evaluasi sistem

informasi sebelumnya, salah satu yang dapat digunakan udalah kemampuan

penggunaan (usability). Terdapat 5 aspek dalam usability, yaitu (Beynon-Davies

dalam Kusuma, 2015):

1. Learnability, sebuah sistem informasi seharusnya mudah untuk

dipelajari.

2. Rememberability, setelah mengetahui bagaimana menggunakan

sistem informasi, pengguna harus mampu mengingat bagaimana

menggunakannya dengan mudah.

3. Efficiency of Use, sistem harus efisien untuk digunakan.

4. Reability in Use, sistem harus meningkatkan kinerja manusia menjadi

lebih handal dalam arti bahwa ia akan mengarahkan pengguna untuk

membuat sedikit kesalahan.

5. User Satisfaction, sistem harus memuaskan pengguna dalam arti

bahwa secara subyektif pengguna senang menggunakan sistem.

30

2.2.2 Faktor Keberhasilan Teknologi

Keberhasilan teknologi diukur dari empat faktor yang merupakan tolak

ukur untuk mengevaluasi teknologi, faktor tersebut adalah (Sudarmo dalam

Kusuma, 2015):

1. Kelayakan teknis, teknologi harus menghasilkan nilai tambah,

mempunyai fitur atau kemampuan beragam untuk memenuhi

keperluan yang makin beragam, hemat dalam menggunakan sumber

daya termasuk energi, dan faktor teknis lainnya.

2. Faktor ekonomis, teknologi harus menghasilkan produktivitas

ekonomi atau keuntungan finansial. Salah satu cara untuk

mengevaluasi produktivitas teknologi adalah menghitung rasio output

rupiah dibandingkan dengan input rupiah.

3. Teknologi harus dapat diterima oleh pengguna (user). Teknologi dapat

diterima karena memang diperlukan dan bermanfaat bagi pengguna,

disenangi, mudah dipakai, dapat dibeli dengan harga terjangkau, serta

tidak bertentangan dengan budaya dan kebiasaan pengguna (user).

4. Teknologi harus sesuai dengan lingkungan, faktor ini akan

menentukan ketahanan (sustainability) keberadaan teknologi di

tengah pengguna (user).

2.3 Produk

Produk (product) menurut Kotler (2009) adalah segala sesuatu yang dapat

ditawarkan ke pasar untuk mendapatkan perhatian, dibeli, digunakan, atau

dikonsumsi yang dapat memuaskan keinginan atau kebutuhan. Secara konseptual

31

produk adalah pemahaman subyektif dari produsen atas sesuatu yang bisa

ditawarkan sebagai usaha untuk mencapai tujuan organisasi melalui pemenuhan

kebutuhan dan kegiatan konsumen, sesuai dengan kompetensi dan kapasitas

organisasi serta daya beli pasar.

Menurut Kotler dan Keller (2008), produk adalah elemen kunci dalam

keseluruhan penawaran pasar. Selain itu produk dapat pula didefinisikan sebagai

persepsi konsumen yang dijabarkan oleh produsen melalui hasil produksinya

(Tjiptono, 2008).

Berdasarkan beberapa definisi di atas, maka produk didefinisikan sebagai

kumpulan dari atribut-atribut yang nyata maupun tidak nyata, termasuk di dalamnya

kemasan, warna, harga, kualitas dan merek ditambah dengan jasa dan reputasi

penjualannya

2.4 Uang Elektronik

2.4.1 Definisi Uang Elektronik

Bank for International Settlement (BIS) dalam salah satu publikasinya

pada bulan Oktober 1996 mendefinisikan uang elektronik ialah monetary value

measured in currency uniuts stored in electronic form on an electronic device in

the consumer’s possession.

Menurut Peraturan Bank Indonesia Nomor: 11/12/PBI/2009 Tentang

Uang Elektronik, Uang Elektronik adalah alat pembayaran yang diterbitkan atas

dasar nilai uang yang disetor dahulu oleh pemegang kepada penerbit, yang

tersimpan secara elektronik dalam suatu media seperti server atau chip, dan nilai

uang tersebut bukan merupakan simpanan serta digunakan sebagai alat

32

pembayaran kepada pedagang yang bukan merupakan penerbit uang elektronik

tersebut.

Uang elektronik yang dimaksud adalah alat pembayaran elektronik yang

diperoleh dengan menyetorkan terlebih dahulu sejumlah uang kepada penerbit,

baik secara llangsung, maupun melalui agen-agen penerbit, atau dengan

pendebitan rekening di bank, dan nilai uang tersebut dimasukkan menjadi nilai

uang dalam media uang elektronik, yang dinyatakan dalam satuan Rupiah, yang

digunakan untuk melakukan transaksi pembayaran dengan cara mengurangi

secara langsung nilai wing pada media uang elektronik tersebut .

2.4.2 Manfaat Uang Elektronik

Dalam perekonomian moderen lalu lintas pertukaran barang dan jasa

sudah sedemikian cepatnya sehingga memerlukan dukungan tersedianya sistim

pembayaran yang handal yang memungkinkan dilakukannya pembayaran secara

lebih cepat, efisien, dan aman. Penggunaan uang cash sebagai alat pembayaran

dirasakan mulai menimbulkan masalah, terutama tingginya biaya cash handling

dan rendahnya velocity of money .

Terdapat beberapa manfaat dari penggunaan uang elektronik diantaranya

adalah:

1) Penggunaan dalam pembayaran sangat mudah, cukup tempelkan kartu

maupun transaksi secara mobile untuk bertransaksi tanpa repot akan

uang kembalian

33

2) Dapat meminimalkan penggunaan uang kertas sehingga

meminimalisir kerusakan fisik uang yang beredar, meminimalisir

peredaran uang palsu, dan meminimalisir resiko pencurian.

3) Lebih cepat dan nyaman dibandingkan dengan uang tunai, khususnya

untuk transaksi yang bernilai kecil (micro payment), disebabkan

nasabah tidak perlu menyediakan sejumlah uang pas untuk suatu

transaksi atau harus menyimpan uang kembalian.

4) Kesalahan dalam menghitung uang kembalian dari suatu transaksi

tidak terjadi apabila menggunakan E-Money.

5) Waktu yang diperlukan untuk menyelesaikan suatu transaksi dengan

E-Money dapat dilakukan jauh lebih singkat dibandingkan transaksi

dengan kartu kredit atau kartu debit, karena tidak harus memerlukan

proses otorisasi on-line, tanda tangan maupun PIN. Selain itu, dengan

transaksi off-line, maka biaya komunikasi dapat dikurangi.

6) Electronic value dapat diisi ulang ke dalam kartu E-Money melalui

berbagai sarana yang disediakan oleh issuer.

2.4.3 Fitur Uang Elektronik

Penerapan features pada skema E-Money di berbagai negara sangat

bervariasi. Berikut ini beberapa fitur yang dapat diterapkan pada penyelenggaraan

E-Money (BIS, 1996), yaitu :

1. Transferability

Fitur ini dimaksudkan untuk memberikan batasan kepada siapa

transaksi atau transfer dana dari E-Money dapat dilakukan. Secara

34

teknis, E-Money dapat dikembangkan untuk bisa melakukan transaksi

atau transfer dana secara bebas (free transferability) dari satu

pemegang kartu ke pemegang kartu lainnya secara off-line melalui alat

bantu tertentu. Transaksi seperti ini akan sulit dideteksi dan ditelusuri

sebab tidak termonitor oleh penyelenggara secara langsung.

2. Otorisasi On-Line

Otorisasi on-line yang dimaksudkan disini adalah suatu proses

validasi oleh penyelenggara atau card issuer atas transaksi E-Money

yang dilakukan oleh pemegang kartu. Fitur on-line ini bisa diterapkan

untuk seluruh transaksi atau dibatasi hanya untuk transaksi-transaksi

tertentu saja yang dianggap kritikal, seperti pada saat ’loading

transaction’ (pengisian ulang) oleh pemegang kartu atau proses

deposit (penyetoran) oleh merchant. Konsekuensi dari penerapan

feature on-line ini adalah adanya tambahan biaya komunikasi dan

waktu dalam penyelesaian suatu transaksi. Oleh karena itu, pada

umumnya fitur ini hanya diterapkan untuk transaksi-transaksi tertentu

saja, seperti pada saat pengisian ulang (top up).

3. Information Collection

Fitur ini dimaksudkan untuk memudahkan pelacakan suatu transaksi.

Setiap transaksi pembayaran yang menggunakan E-Money akan

menghasilkan informasi baik yang terkait dengan aspek finansial

maupun keamanan. Informasi ini antara lain bisa meliputi, nominal

transaksi, lokasi, waktu, dan lain-lain. Informasi ini bisa disimpan

35

secara temporer atau permanen di kartu milik konsumen, terminal

merchant atau pada pusat komputer penyelenggara (issuer). Semakin

lengkap informasi transaksi yang disimpan akan semakin

memudahkan penyelenggara dalam melakukan pelacakan (tracing)

jika terjadi fraud.

4. Pengisian Ulang

Suatu produk E-Money dapat didesain hanya untuk sekali penggunaan

(disposable) dimana tidak dapat digunakan lagi apabila dana yang

tersimpan pada E-Money telah habis. Alternatif lainnya adalah produk

E-Money yang dapat diisi ulang setiap waktu melalui berbagai cara

(reloadable), seperti transfer dari rekening, pembayaran tunai atau

dengan kartu kredit.

5. Single atau Multiple Currencies

Secara teknis, E-Money dapat di-design untuk multiple currencies.

Namun pada umumnya produk E-Money yang ada saat ini hanya

menggunakan single currency yaitu mata uang yang berlaku di negara

yang bersangkutan.

6. Single atau Multiple Applications

Secara teknis, microprocessor chip pada smart card mampu

mengoperasikan lebih dari satu aplikasi. Dengan demikian suatu card-

based product dapat berfungsi sekaligus sebagai kartu kredit, kartu

debet, dan lainlain bahkan bisa ditambahkan aplikasi yang bersifat

36

non-payment seperti program royalti, medical record, identity dan

lain-lain.

2.4.4 Jenis Uang Elektronik

Menurut Bahri (2010) jenis-jenis uang elektronik dapat dibedakan sebagai

berikut:

1. Berdasarkan Media Penyimpanannya

a. Uang elektronik yang nilai uangnya dicatat pada media elektronik

pemegang dan penerbit.

b. Uang elektronik yang nilai uangnya hanya dicatat pada media

elektronik penerbit.

2. Berdasarkan Masa Berlaku Media Uang Elektronik

a. Reloadable

Uang elektronik dengan bentuk reloadable adalah uang elektronik

yang dapat di lakukan pengisian ulang, dengan kata lain, apabila

masa berlakunya sudah habis dan atau nilai uang elektroniknya

sudah habis terpakai, maka media uang elektronik tersebut dapat

digunakan kembali untuk di lakukan pengisian ulang.

b. Disposable

Uang elektronik dengan bentuk disposable adalah uang elektronik

yang tidak dapat diisi ulang, apabila masa berlakunya sudah habis

dan/atau nilai uang elektroniknya sudah habis terpakai, maka

media uang elektronik tersebut tidak dapat digunakan kembali

untuk dilakukan pengisian ulang.

37

3. Berdasarkan Jangkauan Penggunaannya

a. Single Purpose

Single-purpose adalah uang elektronik yang digunakan untuk

melakukan pembayaran atas kewajiban yang timbul dari satu jenis

transaksi ekonomi, misalnya uang elektronik yang hanya dapat

digunakan untuk pembayaran tol atau uang elektronik yang hanya

dapat digunakan untuk pembayaran transportasi umum.

b. Multi Purpose

Multi-purpose adalah uang elektronik yang digunakan untuk

melakukan berbagai pembayaran atas kewajiban pemegang kartu

terhadap berbagai hal yang dilakukannya. Contohnya yaitu suatu

uang elektronik yang dapat digunakan dalam beberapa jenis

transaksi seperti penggunaan uang elektronik untuk pembayaran

tol, dapat juga digunakan untuk membayar telepon, jasa

transportasi, pembayaran pada minimarket dan lain-lain cukup

menggunakan satu kartu.

Jadi, E-Money Bank Mandiri termasuk ke dalam jenis uang elektronik

berdasarkan media penyimpannya berupa Chip Based, berdasarkan masa berlaku

media uang elektronik berupa reloadable (yang dapat diisi ulang), dan

berdasarkan jangkauan penggunanya berupa Multi Purpose yang dapat digunakan

untuk berbagai tujuan.

38

2.5 E-Money Bank Mandiri

2.5.1 Definisi E-Money Bank Mandiri

Sesuai dengan yang tertera pada website bankmandiri.co.id bahwa E-

Money Bank Mandiri merupakan kartu prabayar multifungsi yang diterbitkan

oleh Bank Mandiri sebagai pengganti uang tunai untuk transaksi pembayaran.

Kartu nirsentuh yang hadir dalam 3 (tiga) pilihan kartu yang memudahkan

transaksi harian pemilik dan pengguna. Transaksi pemilik dan pengguna menjadi

lebih mudah dan praktis, tidak perlu membawa uang tunai dan direpotkan oleh

uang kembalian.

2.5.2 Fitur E-Money Bank Mandiri

Adapun fitur-fitur yang dimiliki oleh E-Money Bank Mandiri ialah :

1. Menggunakan teknologi RFID (Radio Frequency Identification) yang

memungkinkan pemegang kartu melakukan transaksi hanya dengan

melakukan tapping (tempel kartu ke reader)

2. Nilai uang yang tersimpan berupa saldo yang tersimpan

pada chip kartu

3. Pada saat transaksi, kartu cukup di-tap sampai saldo berkurang sesuai

dengan nominal transaksi, tidak diperlukan tanda tangan maupun PIN

4. Saldo dapat diisi ulang (top up) melalui berbagai pilihan channel yang

tersebar, dengan batas maksimum total nilai isi ulang sebesar

Rp.20.000.000,- (Dua Puluh Juta Rupiah) per bulan

5. Maksimal saldo tersimpan Rp 1.000.000,- (Satu Juta Rupiah) per

kartu. Saldo pada kartu tidak diberikan bunga

39

6. Kartu dapat dimiliki oleh nasabah maupun non-nasabah Bank Mandiri

7. Kartu dapat dipindahtangankan sepanjang fisik kartunya berpindah

2.5.3 Lokasi Pembelian E-Money Bank Mandiri

Pembelian kartu perdana E-Money Bank Mandiri dapat ditemukan di

lokasi sebagai berikut :

1. Kantor Cabang Mandiri

2. Merchant Retail offline, seperti:

1) Indomaret

2) Alfamart

3) Sales representative e-money di gerbang–gerbang tol tertentu

4) Stasiun commuterline

5) Halte transjakarta

6) Vending machine e-money

7) Merchant-merchant online tertentu

8) Dan merchant lainnya yang akan dikembangkan di kemudian hari.

2.6 Unified Theory of Acceptence and Use of Technology (UTAUT) 2

Pada tahun 1989 Davis menghasilkan sebuah metode penerimaan pengguna

dari sebuah sistem informasi dengan istilah Technology Acceptance Model (TAM).

TAM merupakan teori yang mengidentifikasikan reaksi dan persepsi seseorang

terhadap suatu yang menentukan sikap dan perilaku orang tersebut dengan cara

membuat model perilaku seseorang sebagai suatu fungsi dari tujuan perilaku

ditentukan oleh sikap perilaku tersebut (Davis, 1989). Davis (1989) menjabarkan

dan mengidentifikasi tiga konstruk utama dalam TAM yaitu persepsi kegunaan

40

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

dan penggunaan teknologi sesungguhnya (actual technology use).

Pada tahun 2000, Venkatesh dan Davis mengeluarkan metode penerimaan

pengguna selanjutnya yang merupakan generasi selanjutnya dari TAM yakni

TAM2. TAM2 merupakan sebuah model dari pengembangan model TAM

sebelumnya oleh Venkatesh dan Davis, dimana model ini memiliki tujuan lanjutan

dari model TAM yaitu, beberapa faktor tambahan mempengaruhi perceived

usefulness dan usage intensions yaitu subjective norm, image, job relevance, output

quality, output reality, result demonstrability, dan tambahan variabel modetator

experience dan voluntariness, dan mengetahui bagaimana pengaruh penambahan

eksternal faktor dengan peningkatan pengalaman pengguna (Venkatesh & Davis,

2000).

Pada tahun 2003, Venkatesh dan beberapa peneliti lain mengeluarkan sebuah

ide metodologi penerimaan pengguna (user acceptance) yaitu Unified Theory of

Acceptance and Use of Technology (UTAUT). Pada model ini terdapat 4 variabel

dyang memiliki peranan penting,yaitu :

1. Performance expectancy yang memiliki hubungan dengan lima variabel

model seblumnya yaitu perceived usefulness (TAM/TAM2 dan C-TAM-

TPB), extrinsic motivation (MM), job-fit (MPCU), relative advantage

(IDT), dan outcome expectacuions (SCT).

2. Effort expectancy yang memiliki hubungan dengan tiga variabel dari

model sebelumnya yaitu, perceived ease of use (TAM/TAM2),

complexity (MPCU), dan ease of use (IDT).

41

3. Social influence yang memiliki hubungan dengan empat variabel model

sebelumnya yaitu, subjective norm (TRA, TAM2, TPB/DTPB, dan C-

TAM-TPB), social factors (MPCU) dan image (TAM2/IDT).

4. Facilitating Conditions yang memiliki hubungan dengan tiga variabel

model sebelumnya yaitu, perceived behavioral control (TPB/ DTPB,

CTAM-TPB), facilitating conditions (MPCU), dan compatibility (IDT).

Metode UTAUT merupakan sebuah model penelitian penerimaan pengguna

yang bertujuan untuk menjelaskan niat pengguna untuk menggunakan suatu sistem

dan perilaku penggunaan selanjutnya (Venkatesh et al, 2003). Menurut Venkatesh

et al (2003) keunggulan UTAUT adalah mampu menjelaskan bagaimana perbedaan

individu dapat mempengaruhi penggunaan teknologi yaitu mampu menjelaskan

hubungan antara manfaat yang dirasakan, kemudahan penggunaan, dan niat untuk

menggunakan suatu teknologi.

Pada tahun 2013, Venkatesh dan beberapa peneliti lainnya mengembangkan

model UTAUT pertama menjadi UTAUT 2. UTAUT 2 merupakan perkembangan

model UTAUT sebelumnya dengan berfokus pada konteks konsumen Individu

dimana konstraksi baru ditambahkan yaitu habit, hedonic motivation, dan price

value. Unifed Theory of Acceptance and Use of Technology 2 (UTAUT 2) tepat

untuk digunakan karena teori/model ini adalah teori/model penerimaan teknologi

terbaru yang merupakan unifikasi, sintesis, ataupun rangkuman dari delapan

teori/model penerimaan teknologi yang telah ada sebelumnya. Tidak sepert

UTAUT 1 yang konteksnya adalah organisasional, UTAUT 2 mampu menjelaskan

42

penerimaan teknologi yang konteksnya adalah consumer use (Venkatesh et al,

2012).

Metode UTAUT2 merupakan sistesis atau penggabungan daripada elemen-

elemen yang terdapat dalam delapan model penerimaan teknologi terkemuka

lainnya dengan tujuan untuk memperoleh kesatuan pandangan mengenai user atau

pengguna (Kusuma, 2015). Delapan model yang dijadikan sebagai acuan daripada

metodologi UTAUT terdapat pada tabel 2.1

Tabel 2.1 Teori-Teori yang Mendasari Model UTAUT (Venkatesh et al, 2003)

No. Nama Teori Peneliti Pengertian

1. Innovation

Diffusion

Theory (IDT)

Rogers (1962) Diadopsi dari penerapan teknologi IDT

dapat mengukur persepsi masyarakat

dengan menggunakan tujuh atribut

kunci.

2. Theory

Reasoned

Action (TRA)

Fishbein dan

Ajzen (1975)

Teori untuk memprediksi perilaku

manusia yaitu dengan cara

menganalisis hubungan antara

berbagai kriteria kinerja dan sikap

seseorang, niat, dan norma subyektif.

3. Social Cognitive

Theory (SCT)

Bandura

(1977)

Mengidentifikasi perilaku manusia

sebagai interaksi dari faktor pribadi,

perilaku, dan lingkungan yang

bertujuan memberikan kerangka untuk

memahami, memprediksi, dan

mengubah perilaku manusia.

4. Theory of

Planned

Behaviour

(TPB)

Ajzen (1988) Teori yang digunakan untuk memenuhi

keadaan ketika perilaku seseorang

tidak sukarela dengan memasukkan

prediktor niat dan perilaku yang

mengacu pada keyakinan tentang

adanya faktor yang dapat memfasilitasi

atau menghalangi kinerja suatu

perilaku.

5. Technology

Acceptance

Model (TAM) &

TAM2

Davis (1989),

Venkatesh &

Davis (2000)

Mengidentifikasi reaksi dan persepsi

seseorang terhadap suatu yang

menentukan sikap dan perilaku orang

tersebut dengan cara membuat model

perilaku seseorang sebagai suatu

fungsi dari tujuan perilaku ditentukan

oleh sikap perilaku tersebut.

43

Tabel 2.1 Teori-Teori yang Mendasari Model UTAUT (Venkatesh et al, 2003)

(lanjutan)

No. Nama Teori Peneliti Pengertian

6. Model of PC

Utilization

(MPCU)

Thompson, et

al (1991)

Menilai pengaruh dari kondisi-kondisi

yang mempengaruhi dan

memfasilitasi, faktor sosial,

kompleksitas, kesesuaian tugas dan

konsekuensi jangka panjang terhadap

pemanfaatan PC.

7. Motivation

Model (MM)

Davis, et al

(1992)

Teori motivasi yang dikembangkan

untuk memprediksi penerimaan dan

perilaku penggunaan suatu teknologi

tertentu

8. Combined TAM

and TPB (C-

TAM-TPB)

Taylor dan

Todd (1995)

Menilai pengaruh dari kondisi-kondisi

yang mempengaruhi dan

memfasilitasi, faktor sosial,

kompleksitas, kesesuaian tugas dan

konsekuensi jangka panjang terhadap

pemanfaatan PC.

2.6.1 Variabel UTAUT 2

Menurut Venkatesh et al (2012) metode UTAUT2 memiliki beberapa

variabel yang menjadi faktor penentu penerimaan pengguna dalam sebuah

teknologi yang terdapat pada gambar 2.1.

44

Gambar 2.1 Model UTAUT 2 (Venkatesh et al, 2012)

Berdasarkan gambar 2.1 Model UTAUT memiliki variabel bebas

(independen), variabel terikat (dependen) dan variabel moderator. Variabel

independen meliputi Performance Expectance, Effort Expectance, Social

Influence, Facilitating Conditions, Hedonic Motivation, Price Value, dan Habit.

Sedangkan variabel dependen merupakan variabel yang dipengaruhi atau yang

menjadi akibat karena adanya variabel bebas. Variabel dependen meliputi

Behavioral Intention dan Use Behavior. Berikut ini penjelasan dari masing-

masing variabel yang terdapat dalam model UTAUT2 (Venkatesh et al, 2012).

45

2.6.1.1 Performance Expectancy (Ekspektasi/Harapan akan Kinerja)

Ekspektasi kinerja adalah sejauh mana seseorang percaya bahwa

dengan menggunakan sistem akan membantu dia untuk mencapai keuntungan

dalam kinerja pekerjaannya. Ekspektasi kinerja merupakan konstraksi yang

kuat atas niat menggunakan sehingga dapat disimpulkan bahwa seseorang

yang telah percaya sebuah sistem informasi dapat membantu pekerjaannya

akan cenderung menggunakan sistem tersebut dalam waktu yang lebih lama.

Dalam konsep ini terdapat gabungan variabel-variabel yang diperoleh dari

model penelitian sebelumnya tentang model penerimaan dan penggunaan

teknologi. Adapun variabel tersebut terdiri dari (Venkatesh et al, 2003):

1. Persepsi Kegunaan (Perceived Usefulness)

Menurut Davis dalam Venkatesh et al (2003) persepsi terhadap

kegunaan yaitu seberapa jauh seseorang percaya bahwa dengan

menggunakan suatu sistem tertentu akan menambah dan

meningkatkan kinerjanya.

2. Motivasi Ekstrinsik (Extrinsic Motivation)

Menurut Davis dalam Venkatesh et al (2003) motivasi ekstrinsik

yaitu persepsi yang diinginkan pengguna untuk melakukan suatu

aktivitas karena dianggap sebagai alat dalam mencapai hasil-hasil

bernilai yang berbeda dari aktivitas itu sendiri, seperti kinerja

pekerjaan, pembayaran, dan promosi-promosi

46

3. Kesesuaian Pekerjaan (Job Fit)

Menurut Thompson dalam Venkatesh et al (2003) kesesuaian

pekerjaan adalah bagaimanakah kemampuan-kemampuan dari suatu

sistem untuk meningkatkan dan menambah kinerja pekerjaan

individual.

4. Keuntungan Relatif (Relative Advantage)

Menurut Moore dan Benbasat dalam Venkatesh et al (2003)

keuntungan relatif yaitu seberapa jauh menggunakan suatu inovasi

yang dipersipkan akan lebih baik dibandingkan menggunakan

pendahulunya.

5. Ekspektasi Hasil (Outcome Expectations)

Menurut Compeau dan Higgins dalam Venkatesh et al (2003)

ekspektasi hasil yaitu konsekuensi-konsekuensi yang berhubungan

dari perilaku.

2.6.1.2 Effort Expectancy (Ekspektasi/Harapan akan Usaha)

Ekspektasi usaha merupakan tingkat kemudahan terkait dalam

pengguna sistem (Venkatesh et al, 2003). Penggunaan teknologi informasi

yang mudah dapat menimbulkan persepsi bahwa sistem itu berguna baginya

dan menimbulkan kenyamanan bila menggunakannya. Namun jika sistem ini

dirasa sulit untuk digunakan maka rasa nyaman bekerja dengan sistem tidak

akan muncul dan niat menggunakan untuk memanfaatkan sistem akan

berkurang. Variabel tersebut diformulasikan oleh Venkatesh et al (2003)

berdasarkan 3 konstrak pada model atau teori sebelumnya yaitu:

47

1. Persepsi Kemudahan Pengguna (Perceived Ease of Use)

Menurut Davis dalam Venkatesh et al (2003) persepsi kemudahan

penggunaan adalah mengidentifikasikan bahwa kemudahan

pemakaian mempunyai pengaruh terhadap penggunaan teknologi

informasi.

2. Kompleksitas (Complexity)

Kompleksitas menurut Thompson dalam Venkatesh et al (2003)

adalah tingkat dimana inovasi dipersepsikan sebagai sesuatu yang

relatif sulit untuk diartikan dan digunakan oleh individu.

3. Kemudahan Pengguna (Easy of Use)

Kemudahan pengguna menurut Moore dan Benbasat dalam

Venkatesh et al (2003) adalah tingkat dimana menggunakan inovasi

dianggap sulit untuk digunakan. Sehingga bila pengguna

menganggap apabila menggunakan suatu teknologi sistem yang

baru maka akan berdampak intensitas penggunaan sistem tersebut.

2.6.1.3 Social Influece (Pengaruh Sosial)

Faktor sosial adalah sejauh mana seseorang individu memandang

bahwa orang lain percaya bahwa dia harus menggunakan sistem yang baru

(Venkatesh et al, 2003). Pengaruh social influence terhadap behavioral

intention akan lebih besar apabila pemakaian sistem tersebut adalah wajib,

namun hal tersebut hanya penting dan terjadi pada tahap awal pengalaman

pengguna dalam menggunakan suatu teknologi atau sistem dan akan

berkurang seiring dengan berjalannya waktu yang pada akhirnya menjadi

48

tidak signifikan dengan penggunaan yang berkelanjutan. Dalam konsep ini

terdapat gabungan variabel-variabel yang diperoleh dari model penelitian

sebelumnya tentang model penerimaan dan penggunaan teknologi. Adapun

variabel tersebut adalah:

1. Norma Subyektif (Subjective Norms)

Menurut Ajzen dalam Venkatesh et al (2003) norma subyektif

adalah persepsi orang bahwa kebanyakan orang-orang yang penting

baginya berpikir bahwa di harus atau tidak harus melakukan perilaku

yang bersangkutan.

2. Faktor-faktor sosial (Social Factors)

Menurut Thompson dalam Venkatesh et al (2003) faktor sosial

adalah internalisasi individu dari referensi budaya subyektif

kelompok, kesepakatan secara spesifik interpersonal dari salah satu

individu dengan individu lain dalam situasi sosial tertentu.

3. Gambaran (Image)

Menurut Moore dan Benbasat dalam Venkatesh et al (2003)

gambaran adalah sejauh mana pengguna suatu inovasi dianggap

untuk meningkatkan citra seseorang atau status dalam sistem sosial

seseorang.

2.6.1.4 Facilitating Condition (Kondisi yang Memfasilitasi)

Kondisi yang memfasilitasi adalah sejauh mana seorang individu

percaya bahwa infrastruktur organisasi dan teknis yang ada untuk mendukung

penggunaan sistem (Venkates et al, 2003). Dalam konsep ini terdapat

49

gabungan variabel-variabel yang diperoleh dari model penelitian sebelumnya

tentang model penerimaan dan penggunaan teknologi. Adapun variabel

tersebut adalah:

1. Kontrol Perilaku Persepsi (Perceived Behavioral Control)

Menurut Ajzen dalam Venkatesh et al (2003) kontrol perilaku

persepsi adalah mencerminkan persepsi kendala internal dan

eksternal terhadap perilaku dan meliputi hal yang berhasil secara

sendiri, kondisi memfasilitasi sumber daya, dan kondisi

memfasilitasi teknologi.

2. Kondisi Yang Memfasilitasi (Facilitating Conditions)

Menurut Thompson dalam Venkatesh et al (2003) faktor obyektif

yaitu didalam lingkungan para pengamat sepakat membuat suatu

tindakan mudah untuk dilakukan, termasuk penyediaan dukungan

komputer.

3. Kompabilitas (Compability)

Menurut Moore dan Benbasat dalam Venkatesh et al (2003)

kompabilitas adalah sejauh mana suatu inovasi dianggap konsisten dengan

nilai-nilai yang ada, kebutuhan, dan pengalaman dari pengadopsi potensial.

2.6.1.5 Behavioural Intention (Minat Pemanfaatan)

Minat pemanfaatan merupakan tingkat keinginan atau niat pemakai

menggunakan sistem secara terus menerus dengan asumsi bahwa mereka

mempunyai akses terhadap informasi (Jati, 2012). Jika seseorang berminat

meggunakan teknologi baru apabila dia meyakini dengan menggunakan

50

teknologi tersebut akan meningkatkan kinerja dalam pekerjaanya,

menggunakan teknologi tersebut merupakan hal yang mudah, dia

mendapatkan pengaruh dari lingkungan sekitarnya dan fasilitas terhadap

teknologi tersebut terpenuhi.

2.6.1.6 Use Bahaviour (Perilaku Pengguna)

Perilaku pengguna adalah intensitas pengguna dalam menggunakan

suatu teknologi yang baru (Jati, 2012). Sehingga faktor-faktor seseorang

dalam menggunakan teknologi di latar belakangi oleh niat seseorang untuk

menggunakan teknologi yang didorong berdasarkan persepsi dengan

menggunakan teknologi tersebut dapat meningkat kinerjanya, kemudahan

dalam pengoperasional, faktor sosial dan lingkungan yang mempengaruhi

serta kondisi yang memfasilitasi teknologi tersebut.

2.6.1.7 Hedonic Motivation (Motivasi Hedonisme)

Hedonic Motivation merupakan hal yang menyenangkan

kesenangan yang berasal dari penggunaan teknologi, dan telah terbukti

memainkan peran penting dalam menentukan penerimaan dan penggunaan

teknologi (Brown & Venkatesh 2005). Menurut Venkatesh et al (2012) bahwa

Hedonic Motivation merupakanmotivasi kesenangan yang diperoleh dari

penggunaan suatu sistem atau teknologi. Pada beberapa penelitian seperti

yang dilakukan oleh Van der Heijden (2004) dan Thong et al (2006) bahwa

ditemukan Hedonic Motivation mempengaruhi penerimaan dan penggunaan

teknologi secara langsung. Dalam konteks konsumen, Hedonic Motivation

51

juga telah ditemukan sebagai penentu penting penerimaan dan penggunaan

teknologi (Brown & Venkatesh 2005; Childers et al., 2001).

2.6.1.8 Price Value (Nilai Harga)

Struktur biaya dan harga mungkin berpengaruh signifikan terhadap

penggunaan teknologi konsumen (Ventakesh, et al. 2012). Price Value

dikatakan positif jika manfaat dalam menggunakan teknologi dirasakan lebih

oleh pengguna dibandingkan biaya yang dikeluarkan, dan nilai harga juga

memiliki pengaruh positif terhadap niat. Maka dari itu nilai harga dapat

digunakan untuk menjadi prediktor dari variabel niat perilaku dalam

menggunakan teknologi (Ventakesh, et al. 2012). Perbedaan penting antara

pengaturan penggunaan konsumen dan pengaturan penggunaan organisasi,

dimana UTAUT dikembangkan, adalah bahwa konsumen biasanya

menanggung biaya moneter untuk penggunaan tersebut sedangkan karyawan

tidak. Struktur biaya dan harga mungkin berpengaruh signifikan terhadap

penggunaan teknologi konsumen (Chang, 2012).

2.6.1.9 Habit (Kebiasaan)

Habit menjelaskan bagaimana seseorang menggunakan suatu

system dalam kesehariannya (Harsono, 2014). Menurut Limayem et al (2007)

dalam Venkatesh et al (2012) menyatakan bahwa habit didefinisikan sebagai

sejauh mana seseorang cenderung untuk berperilaku secara otomatis karena

pembelajaran sebelumnya. Dalam penelitian Venkatesh et al (2012)

menjelaskan bahwa ada pengaruh yang signifikan dari kebiasaan konsumen

52

pada penggunaan teknologi priibadi ketika mereka menghadapi lingkungan

yang berqagam dalan selalu berubah.

2.6.2 Indikator Variabel UTAUT 2

Terdapat indikator pada masing-masing variabel pada model UTAUT

2. Indicator-indikator tersebut dapat dilihat pada tabel 2.2.

Tabel 2.2 Indikator Variabel UTAUT (Venkatesh et al, 2012)

Variabel Indikator Definisi

Performance

Expectancy

Perceived usefulness

Tingkat dimana orang percaya bahwa

menggunakan sistem akan

meningkatkan pekerjaannya.

Extrinsic motivation

Kegiatan untuk mencapai hasil berbeda

yang dihargai, seperti peningkatan

prestasi kerja, gaji, atau promosi.

Job-fit

Bagaimana kemampuan dari sistem

untuk meningkatkan prestasi kerja bagi

individu.

Relative advantage Hasil harapan berhubungan dengan

konsekuensi perilaku.

Effort

Expectancy

Perceived ease of

use

Tingkat dimana seorang percaya

bahwa menggunakan sistem akan

meminimalkan usaha dalam proses

mengerjakan pekerjaan.

Complexity

Tingkat dimana sebuah sistem

dianggap sebagai relatif sulit untuk

memahami dan menggunakan.

Ease of use

Sejauh mana menggunakan teknologi

baru dianggap sebagai sulit untuk

digunakan.

Social

Influence

Subjective Norm

Persepsi seseorang bahwa harus atau

tidak harus untuk menggunakan sebuah

sistem baru.

Social Factor

Internalisasi individu dari referensi

kelompok budaya subjektif, dan

interpersonal bahwa individu telah

dibuat orang lain untuk menggunakan

teknologi baru.

Image

Sejauh mana penggunaan dianggap

meningkatkan citra seseorang atau

status dalam satu sosial.

53

Tabel 2.2 Indikator Variabel UTAUT (Venkatesh et al, 2012) (lanjutan)

Variabel Indikator Definisi

Facilitating

Condition

Perceived

behavioral

control

Mencerminkan persepsi internal dan

kendala eksternal pada perilaku yang

meliputi memfasilitasi kondisi sumber

daya dan memfasilitasi kondisi

teknologi.

Facilitating

conditions

Faktor-faktor objektif dalam

lingkungan pengamat yang setuju

membuat tindakan yang mudah

dilakukan, termasuk ketentuan

dukungan komputer.

Compatibility

Tingkat dimana sebuah inovasi

dirasakan sebagai konsisten dengan

nilai-nilai, kebutuhan yang ada dan

pengalaman pengadopsi potensial.

Behavioral

Intention

Repurchase

intentions

Pengguna mempunyai keinginan untuk

datang kembali dengan menggunakan

teknologi uang elektronik.

Positive word-of-

mouth

communication

Pengguna lain membicarakan hal yang

positif mengenai teknologi uang

elektronik.

Service quality Kualitas pelayanan teknologi uang

elektronik sudah baik.

Use Behavior

Usage time

Tingkat dimana pengguna merasa

senang untuk menggunakan teknologi

uang elektronik

Usage frequency Pengguna sudah menggunakan

teknologi uang elektronik berulangkali

Use variety Penggunaan teknologi uang elektronik

tidak hanya untuk akses keluar masuk

54

Tabel 2.2 Indikator Variabel UTAUT (Venkatesh et al, 2012) (lanjutan)

Variabel Indikator Definisi

Hedonic

Motivation

Fun

Tingkat dimana pengguna merasa

senang saat menggunakan teknologi

uang elektronik

Entertaint

Tingkat dimana pengguna merasa

terhibur saat menggunakan teknologi

uang elektronik

Interest

Tingkat dimana pengguna merasa

tertarik menggunakan teknologi uang

elektronik

Price Value

Quality

Tingkat dimana kualitas teknologi

uang elektronik sesuai dengan harga

yang ditawarkan.

Price Biaya yang dikeluarkan dengan uang

elektronik terjangkau.

Value Teknologi uang elektronik memiliki

nilai yang baik.

Habit

Prior Use Tingkat dimana pengguna sudah

terbiasa menggunakan teknologi ini.

Addiction Tingkat dimana pengguna merasa

kecanduan menggunakan teknologi ini.

Behavior to be

automatic

Jika pengguna ingin melakukan

transaksi, maka pengguna akan

menggunakan teknologi ini

2.7 Metode Pengumpulan Data

Pengumpulan data dapat dilakukan dengan menggunakan sumber data primer

dan sekunder. Sumber data primer merupakan sumber data penelitian yang

diperoleh secara langsung dari sumber asli (tidak melalui perantara). Sumber data

primer merupakan sumber yang langsung memberikan data kepada pengumpul data

seperti observasi, wawancara, dan kuesioner. Sedangkan data sekunder merupakan

sumber yang tidak langsung memberikan data kepada pengumpulan data seperti

studi literatur (Sangadji dan Sopiah, 2010).

55

2.7.1 Wawancara

Wawancara merupakan teknik pengumpulan data dalam metode

survei yang menggunakan pertanyaan secara lisan kepada subyek penelitian.

Teknik wawancara dilakukan jika peneliti memerlukan komunikasi atau

hubungan dengan responden (Sangadji dan Sopiah, 2010).

2.7.2 Kuesioner

Pengumpulan data penelitian pada kondisi tertentu kemungkinan tidak

memerlukan kehadiran peneliti. Pertanyaan peneliti dan jawaban responden

dapat dikemukakan secara tertulis melalui suatu kuesioner. Teknik ini

memberikan tanggung jawab kepada responden untuk membaca dan

menjawab pertanyaan (Sangadji dan Sopiah, 2010).

2.7.3 Studi Literatur

Studi literatur adalah kegiatan yang meliputi mencari secara literatur,

melokalisasi, dan menganalisis dokumen yang berhubungan dengan masalah

yang akan diteliti. Dokumen bisa berupa teori-teori dan bisa pula hasil-hasil

penelitian yang telah dilakukan mengenai permasalahan yang akan diteliti

(Sangadji dan Sopiah, 2010).

2.8 Skala Likert

Skala Likert adalah suatu skala psikometrik (mencakup pengukuran

pengetahuan, kemampuan, sikap, dan sifat kepribadian) yang umum digunakan

dalam kuesioner dan merupakan skala yang paling banyak digunakan dalam riset

berupa survei. Penelitian yang sering menggunakan skala ini adalah penelitian

survei deskriptif (gambaran). Skala Likert berasal dari nama penciptanya, yaitu

56

Rensis Likert, yang menerbitkan suatu laporan yang menjelaskan penggunaannya.

Dalam menanggapi pertanyaan dalam skala Likert, responden menentukan tingkat

persetujuan mereka terhadap suatu pernyataan dengan memilih salah satu dari

pilihan jawaban yang tersedia (Sugiyono, 2012).

Skala Likert adalah skala yang digunakan untuk mengukur sikap, pendapat,

dan persepsi seseorang atau sekelompok orang tentang fenomena sosial. Data yang

telah terkumpul melalui kuesioner, kemudian peneliti olah dalam bentuk kuantitatif,

yaitu dengan cara menetapkan bobot jawaban dari pertanyaan yang telah dijawab

oleh responden, dimana pemberian bobot tersebut berdasarkan ketentuan

(Sugiyono, 2012).

Tabel 2.3 Format Responden untuk Pertanyaan

Jawaban Bobot

Sangat Setuju 5

Setuju 4

Netral 3

Tidak Setuju 2

Sangat Tidak Setuju 1

2.9 Variabel Penelitian

Variabel adalah konstrak yang diukur dengan berbagai macam nilai untuk

memberikan gambaran lebih nyata mengenai fenomena-fenomena. Konstrak adalah

abstraksi fenomena kehidupan nyata yang diamati. Dengan demikian, variabel

merupakan representasi konstrak yang dapat diukur dengan berbagai macam nilai.

Variabel merupakan mediator antarkonstrak yang abstrak dengan fenomena nyata.

Variabel memberikan gambaran lebih nyata mengenai fenomena yang

digeneralisasi dalam konstrak (Sangadji dan Sopiah, 2010).

57

Penelitian kuantitatif umumnya menggunakan asumsi dan batasan pada

faktor tertentu yang diamati dalam bentuk variabel penelitian. Faktor-faktor lain

yang tidak diamati diasumsikan sebagai faktor yang tidak terkait signifikan dengan

fenomena tertentu yang diteliti (Sangadji dan Sopiah, 2010). Menurut Sekaran

dalam Sangadji dan Sopiah (2010), variabel penelitian dapat diklasifikasikan

berdasarkan beberapa pendekatan, diantaranya berdasarkan:

1. Fungsi Variabel

Tipe-tipe variabel dapat diklasifikasikan berdasarkan fungsi variabel

dalam hubungan antara variabel, yaitu:

a. Variabel Independen dan Variabel Dependen

Variabel independen adalah tipe variabel yang menjelaskan atau

mempengaruhi variabel lain. Variabel dependen adalah tipe variabel

yang dijelaskan atau dipengaruhi oleh variabel independen. Kedua tipe

variabel merupakan kategori variabel penelitian yang paling sering

digunakan dalam penelitian karena mempunyai aplikasi yang luas.

b. Variabel Moderating

Hubungan langsung antara variabel independen dengan variabel

dependen kemungkinan dipengaruhi oleh variabel-variabel lain. Salah

satu di antaranya variabel moderating, yaitu tipe variabel yang

memperkuat atau memperlemah hubungan langsung antara variabel

independen dengan variabel dependen. Variabel moderating

merupakan tipe variabel yang mempunyai pengaruh terhadap sifat atau

arah hubungan antar variabel. Sifat atau arah hubungan antara variabel

58

independen dengan variabel dependen kemungkinan positif atau negatif

dalam hal ini tergantung pada variabel moderating.

c. Variabel Intervening

Variabel intervening adalah tipe variabel yang mempengaruhi

hubungan antara variabel independen dengan variabel dependen

menjadi hubungan tidak langsung. Variabel intervening merupakan

variabel yang terletak di antara variabel independen dengan variabel

dependen, sehingga variabel independen tidak langsung menjelaskan

atau mempengaruhi variabel dependen.

2. Skala Nilai Variabel

Variabel umumnya diukur dengan skala dalam kisaran nilai tertentu.

Berdasarkan skal nilainya, variabel penelitian diklasifikasikan menjadi

dua, yaitu:

a. Variabel Kontinu

Variabel kontinu adalah tipe variabel penelitian yang memiliki

kumpulan nilai teratur dalam kisaran tertentu. Nilai dalam variabel

kontinu setidaknya menggambarkan peringkat atau jarak berdasarkan

skala pengukuran tertentu.

b. Variabel Kategoris

Variabel kategoris adalah tipe variabel penelitian yang memiliki nilai

berdasarkan kategori tertentu atau lebih dikenal dengan sebutan skala

nominal. Skala nilai pada variabel ini hanya merupakan label untuk

mengidentifikasi kategori atau kelompok variabel yang bersangkutan.

59

3. Perlakuan terhadap Variabel

Karakteristik penelitian eksperimen adalah adanya manipulasi terhadap

variabel tertentu. Manipulasi terhadap hal ini berarti memberikan

perlakuan berbeda kepada kelompok yang berbeda. Klasifikasi variabel

berdasarkan perlakuan peneliti terhadap variabel penelitian bermanfaat

untuk mengetahui perbedaan antara variabel-variabel yang tidak

dimanipulasi. Variabel penelitian dapat diklasifikasikan berdasarkan

perlakuan peneliti terhadap suatu variabel, yaitu:

a. Variabel aktif, merupakan variabel penelitian yang dimanipulasi untuk

keperluan penelitian eksperimen.

b. Variabel atribut, merupakan variabel penelitian yang tidak dapat

dimanipulasi, seperti variabel yang berkaitan dengan karakteristik

manusia.

Menurut Arikunto dalam (Sangadji dan Sopiah, 2010), variabel

berdasarkan sifatnya ada dua, yaitu:

a. Variabel statis, merupakan variabel yang tidak dapat diubah

keberadaannya, seperti jenis kelamin, status sosial ekonomi, dan tempat

tinggal.

b. Variabel dinamis, merupakan variabel yang dapat diubah

keberadaannya berupa pengubahan, peningkatan, atau penurunan,

seperti kedisiplinan, motivasi, kepedulian, dan pengaturan.

60

2.10 Populasi dan Sampel

Populasi adalah wilayah generalisasi yang terdiri atas subyek atau obyek

dengan kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk

dipelajari dan kemudian ditarik kesimpulan. Populasi bukan sekadar jumlah pada

subyek atau obyek yang dipelajari, tetapi meliputi seluruh karakteristik atau sifat

yang dimiliki oleh subyek atau obyek. Populasi memiliki dua status, yaitu sebagai

obyek penelitian, jika populasi bukan sebagai sumber informasi, tetapi sebagai

substansi yang diteliti dan sebagai subyek yang diteliti, jika berfungsi sebagai

sumber informasi (Sangadji dan Sopiah, 2010).

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh

populasi. Bila populasi besar, dan peneliti tidak mungkin mempelajari semua yang

ada pada populasi, misalnya karena keterbatasan dana, tenaga, dan waktu, maka

peneliti dapat menggunakan sampel yang diambil dari populasi. Untuk itu sampel

yang diambil dari populasi harus representatif (mewakili) populasi tersebut

(Sangadji dan Sopiah, 2010).

2.10.1 Teknik Sampling

Pengambilan jumlah sampel dari populasi memiliki aturan atau ada

tekniknya. Dengan menggunakan teknik yang benar, sampel diharapkan

dapat mewakili populasi. Sehingga kesimpulan untuk sampel dapat

digeneralisasi menjadi kesimpulan populasi. Pada dasarnya, ada dua teknik

penarikan sampel dari populasi, yaitu (Sangadji dan Sopiah, 2010):

61

1. Probability Sampling

Probability Sampling adalah teknik sampling yang memberikan

peluang sama bagi setiap unsur (anggota) populasi untuk dipilih

menjadi anggota sampel.

a. Simple Random Sampling

Dikatakan simple (sederhana) karena pengambilan sampel

anggota populasi dilakukan secara acak tanpa memperhatikan

strata yang ada dalam populasi itu.

b. Proporsional Stratified Random Sampling

Teknik ini digunakan bila populasi mempunyai anggota atau unsur

yang tidak homogen dan berstrata secara proporsional.

c. Disproportionate Stratified Random Sampling

Teknik ini digunakan untuk menentukan jumlah sampel bila

populasi berstrata tetapi kurang proporsional.

d. Cluster Sampling

Teknik ini digunakan untuk menentukan sampel bila obyek yang

akan diteliti atau sumber data sangat luas.

2. Nonprobability Sampling

Nonprobability Sampling adalah teknik pengambilan sampel yang

tidak memberi peluang/kesempatan sama bagi setiap unsur atau

anggota populasi untuk dipilih menjadi sampel.

62

a. Sampling Sistematis

Sampling sistematis adalah teknik penentuan sampel berdasarkan

urutan dari anggota populasi yang telah diberi nomor urut.

b. Sampling Kuota

Sampling kuota adalah teknik untuk menetukan sampel dari

populasi yang mempunyai ciri-ciri tertentu sampai jumlah (kuota)

yang diinginkan.

c. Sampling Aksidental

Sampling aksidental adalah teknik penentuan sampel berdasarkan

kebetulan, yaitu siapa saja yang secara kebetulan bertemu dengan

peneliti dapat digunakan sebagai sampel.

d. Sampling Purposive

Sampling purposive adalah teknik penentuan sampel dengan

pertimbangan tertentu.

e. Sampling Jenuh

Sampling jenuh adalah teknik penentuan sampel bila semua

anggota populasi digunakan sebagai sampel. Istilah lain sampel

jenuh adalah sensus.

f. Snowball Sampling

Snowball sampling adalah teknik penentuan sampel yang mula-

mula jumlahnya kecil, kemudian sampel ini disuruh memilih

teman-temannya untuk dijadikan sampel dan begitupun

seterusnya.

63

2.10.2 Ukuran Sampel

Besarnya jumlah sampel yang harus diambil dari populasi dalam

suatu kegiatan penelitian sangat tergantung dari keadaan populasi itu sendiri,

semakin homogen populasinya maka jumlah sampel semakin sedikit, begitu

juga sebaliknya. Adapun penentuan jumlah sampel Guritno et al. (2011) ialah

sampel yang diperlukan dalam SEM (Structural Equation Model) berkisar

antara 100 sampai 200 sampel . Pada PLS-SEM juga diatur mengenai penentuan

sampel untuk penelitian, yaitu 10 kali dari jumlah maksimum anak panah (jalur)

yang mengarah pada variabel laten (10 time rule of thumb) (Hair, et al., 2012)..

Champion (1981) dalam Indrawan dan Yaniawati (2014) menjelaskan uji

statistik akan efektif jika sampel digunakan antar 120 sampai dengan 250.

Menurut Roscoe (1975) dalam dalam Sugiyono (2012) mengusulkan tentang

ukuran sempel untuk penelitian yaitu sebagai berikut :

1. Ukuran sampel yang layak dalam penelitian adalah antara 30 sampai

dengan 500.

2. Bila sampel dibagi dalam kategori (misalnya: pria-wanita, pegawai

negeri-swasta, dan lain lain) maka jumlah anggota sampel setiap kategori

minimal 30.

3. Bila dalam penelitian akan melakukan analisis dengan multivariate

(korelasi atau regresi ganda) maka jumlah anggota sampel minimal 10 kali

dari jumlah variabel yang diteliti. Misalnya variabel penelitiannya ada 5

(independen + dependen), maka jumlah anggota sampel = 10 * 5 = 50,

64

4. Untuk penelitian eksperimen yang sederhana, yang menggunakan

kelompok eksperimen dan kelompok kontrol, maka jumlah anggota

sampel masing-masing antara 10 sampai dengan 20.

Penetapan ukuran sampel dari populasi dapat juga menggunakan rumus

Slovin, dimana penetapan sampel mempertimbangkan batas ketelitian yang

dapat mempengaruhi kesalahan pengambilan sampel populasi. Rumus Slovin

tersebut adalah sebagai berikut:

𝑛 = 𝑁

(1 +𝑁 𝑒2)………………………………………………………(2.1)

Keterangan:

n = ukuran sampel

N = ukuran populasi

e = nilai kritis (batas ketelitian) yang diinginkan taraf signifikansi (untuk

sosial dan pendidikan lazimnya 0.05)

Untuk menggunakan rumus ini, pertama ditentukan berapa batas

toleransi kesalahan. Batas toleransi kesalahan ini dinyatakan dalam

presentase. Menurut Sugioyono (2012) untuk populasi dalam jumlah besar,

nilai presentase kelonggaran ketelitian kesalahan pengambilan sampel yang

masih bisa ditolerir bernilai 10% atau 0,1 sedangkan untuk populasi yang

kecil nilai presentase kelonggaran ketelitian kesalahan pengambilan sampel

yang masih bisa ditolerir bernilai 20% atau 0,2. Semakin kecil toleransi

kesalahan, semakin akurat sampel menggambarkan populasi. Misalnya,

penelitian dengan batas kesalahan 5% berarti memiliki tingkat akurasi 95%.

65

Dengan jumlah populasi yang sama, semakin kecil toleransi kesalahan,

semakin besar jumlah sampel yang dibutuhkan (Sugiyono, 2012).

2.11 Analisis Data

Menurut Sugiyono (2013) dalam penelitian kuantitatif, analisis data

merupakan kegiatan setelah data dari seluruh responden atau sumber data lain

terkumpul. Kegiatan dalam analisis data adalah mengelompokkan data berdasarkan

variabel dan jenis responden, mentabulasi data berdasarkan variabel dari seluruh

responden, menyajikan data tiap variabel yang diteliti, melakukan perhitungan

untuk menjawab rumusan masalah, dan melakukan perhitungan untuk hipotesis

yang dilakukan. Dalam penelitian ini metode analisis data yang digunakan penulis

adalah metode kuantitatif dengan pendekatan PLS-SEM menggunakan tool

SmartPLS 3.0.

2.11.1 Metode Kuantitatif

Metode kuantitatif merupakan metode penelitian yang

berkarateristik sistematis, terencana dan terstruktur dengan jelas dari tahap

perencanaan hingga tahap pembuatan desain penelitiannya. Menurut

Sugiyono (2013) metode kuantitati didefinisikan sebagai metode penelitian

yang berlandaskan filsafat positivism, digunakan untuk meneliti pada

populasi atau sampel tertentu, teknik pengambilan sampel pada umumnya

dilakukan secara random,pengumpulan data menggunakan instrument

penelitian, analisis data bersifat kuantitatif/statistic dengan tujuan untuk

menguji hipotesis yang telah ditetapkan.

66

2.11.2 Partial Least Square-Structural Equation Modelling (PLS-SEM)

PLS-SEM merupakan salah satu metode yang digunakan dalam

menganalisis dan dinilai kuat karena digunakan pada setiap jenis skala data

seperti, data interval, data nominal, dan rasio serta syarat asumsi yang lebih

fleksibel (Yamin dan Kurniawan, 2011).

PLS merupakan metode analisis yang powerfull karena tidak

didasarkan pada banyak asumsi (Ghozali, 2011). Misalnya data harus

terdistribusi normal, sampel tidak harus benar. Selain dapat digunakan untuk

mengkonfirmasi teori, PLS juga dapat digunakan untuk menjelaskan ada

tidaknya hubungan antar variabel laten. PLS dapat sekaligus menganalisis

konstrak yang dibentuk dengan indikator reflektif dan formatif. Menurut

Ghozali (2011) tujuan PLS adalah membantu peneliti untuk tujuan prediksi.

Model formalnya mendefinisikan variabel laten adalah linear agregat dari

indikator-indikatornya.

Menurut Ghozali (2011) Structural Equation Modelling (SEM)

adalah sebuah evolusi dari model persamaan berganda yang dikembangkan

dari prinsip ekonometri dan digabungkan dengan prinsip pengaturan dari

psikologi dan sosiologi, SEM telah muncul sebagai bagian integral dari

penelitian manajerial akademik. SEM terdiri dari 2 bagian yaitu model

variabel laten dan model pengukuran (Ghozali, 2008). Bagian pertama yaitu

model variabel laten (latent variable model) mengadaptasi model persamaan

simultan pada ekonometri. Jika pada ekonometri semua variabelnya

merupakan beberapa variabel terukur/teramati (measured/observed

67

variables), maka pada model ini beberapa variabel merupakan variabel laten

(latent variables yang tidak terukur secara langsung). Sedangkan bagian

kedua yang dikenal dengan model pengukuran (measurement model),

menggambarkan beberapa indikator atau beberapa variabel terukur sebagai

efek atau refleksi dari variabel latennya

PLS dapat digunakan untuk tujuan konfirmasi (seperti pengujian

hipotesis) dan tujuan eksplorasi. PLS juga dapat menduga apakah terdapat

atau tidak hubungan antar variabel dan kemudian proposisi untuk pengujian.

Tujuan utamanya adalah menjelaskan hubungan antar konstrak dan

menekankan pengertian tentang nilai hubungan tersebut. Penggunaan PLS

untuk prediksi dan membangun teori serta sampel yang dibutuhkan relatif

kecil, dengan minimum sepuluh kali item konstrak yang paling kompleks

(Yamin dan Kurniawan, 2011).

Menurut Ringle et al (2012) di dalam Huda & Hussin (2016) ada

beberapa alasan untuk menggunakan PLS-SEM yaitu menggunakan ukuran

sampel yang kecil, data yang tidak normal, menerapkan pengukuran variable

laten formatif, dan digunakan untuk penelitian exploratory. Dalam Yamin

dan Kurniawan (2011) terdapat 4 alasan mengapa PLS-SEM populer

digunakan oleh para peneliti dan praktisi, yaitu sebagai berikut:

1. Algoritma PLS tidak terbatas hanya untuk hubungan antara indikator

dengan konstrak latennya yang bersifat reflektif saja tetapi algoritma PLS

juga dapat dipakai untuk hubungan yang bersifat formatif.

68

2. PLS dapat digunakan untuk menaksir model path dengan sample size yang

kecil.

3. PLS-SEM dapat digunakan untuk model yang sangat kompleks (terdiri

atas banyak variabel laten dan manifes) tanpa mengalami masalah dalam

estimasi data.

4. PLS dapat digunakan ketika distribusi data sangat miring (skew)

Di dalam PLS terdapat dua model evaluasi yaitu outer model atau

pengukuran model dan evaluasi terhadap inner model atau structural model

(Yamin dan Kurniawan, 2011):

1. Evaluasi Pengukuran Model (Outer Model)

Pada tahan ini dilakukan analisis pengukuran model (outer model)

dimana analisis pengukutan model ini mendefinisikan bagaimana setiap

blok indikator berhubungan dengan variabel latennya. Model ini meliputi

pemeriksaan individual item reliability, internal consistency atau construct

reliability, average variance extracted dan discriminant validity. Ketiga

pengukuran tersebut dikelompokkan dalam convergent validity, yaitu

mengukur besarnya korelasi antara konstrak dengan variabel laten.

Measurement model dilakukan untuk dapat mengetahui hubungan antara

konstrak (variabel) dengan indikator-indikatornya (Yamin dan

Kurniawan, 2011).

𝑥 = ∏ 𝜉𝑥 + 𝜀𝑥 ………………………………………….…….(2.2)

𝑦 = ∏ 𝜂𝑦 + 𝜀𝑦

69

Dimana :

x dan y = matriks variabel manifes independen dan dependen

𝜉 dan 𝜂 = matriks konstruk laten independent dan dependen

∏ = matriks koefisien (matriks loading)

𝜀 = matriks outer model residu.

Pemeriksaan individual item reliability dapat melihat nilai standardized

loading faktor. Nilai ini menggambarkan besarnya korelasi antara setiap

item pengukuran (indikator) dengan konstraknya. Nilai loading faktor yang

ideal diatas 0.7, ini berarti bahwa indikator tersebut sudah valid sebagai

indikator yang dapat mengukur konstrak (Yamin dan Kurniawan, 2011;

Hair et al., 2012; Ghozali, 2014; Hussein, 2015; Subiyakto et al, 2015,

Garson, 2016). Untuk mendapatkan nilai loading factor dilakukau dengan

melakukan rumus berikut.

……………(2.3)

Dimana X merupakan variabel laten (kontruks) independen dan Y

merupakan variabellaten (kontruk) dependen.

Pengukuran lainnya dari convergent validity adalah melihat nilai

Average Variance Extracted (AVE). Nilai ini menggambarkan besaran

varian atau keragaman variabel manifes yang dapat dikandung oleh

konstrak laten. Untuk nilai AVE ideal yaitu 0,5 hal ini berarti convergent

validity baik (Yamin dan Kurniawan, 2011; Hair et al., 2012; Ghozali, 2014;

70

Hussein, 2015; Garson, 2016; Subiyakto et al, 2016). Artinya, variabel laten

dapat menjelaskan rata-rata lebih dari setengah varian dari indikator-

indikatornya. Untuk mendapatkan nilai AVE dapat dihitung melalui rumus

berikut.

𝐴𝑉𝐸 = ∑ 𝜆𝑖

2

𝜆𝑖2+ ∑ 𝑣𝑎𝑟 (𝜀𝑖)𝑖

..........................................................(2.4)

Dimana : 𝜆1 adalah loading factor (convergent validity), dan

𝑣𝑎𝑟 (𝜀𝑖) = 1 - 𝜆𝑖2.

Internal consistency atau construct reliability dilakukan dengan melihat

nilai composite reliability (CR) dengan batas ambang di atas 0,7 Yamin dan

Kurniawan, 2011; Hair et al., 2012; Ghozali, 2014; Hussein, 2015; Garson,

2016). Untuk mendapatkan nilai CR dapat dihitung melalui rumus berikut.

𝐶𝑅 = (∑ 𝜆𝑖)𝑛

𝑖=12

(∑ 𝜆𝑖)𝑛𝑖=1

2+ ∑ 𝑣𝑎𝑟 (𝜀𝑖)𝑛

𝑖=1

………………………….………(2.5)

Dimana : 𝜆1 adalah loading factor (convergent validity), dan 𝑣𝑎𝑟 (𝜀𝑖)

= 1 -𝜆𝑖2.

Discriminat validity bisa melalui dua cara pemeriksaan cross

loading, yaitu cross loading antar indikator dan cross loading Fornell-

Lacker’s (Subiyakto et al., 2015, Subiyakto et al, 2017). Pemeriksaan

cross loading tiap indikator dilakukan dengan membandingkan hubungan

indikator dengan konstruknya dan konstruk blok lainnya. Bila korelasi

antara indikator dengan konstruknya lebih tinggi dari korelasi dengan

konstruk blok lainnya, hal ini menunjukkan konstruk tersebut

memprediksi ukuran pada blok mereka lebih baik dari blok lainnya.

71

Selanjutnya dengan memeriksa cross loading Fornell-Lacker’s yaitu

dengan membandingkan dengan nilai akar AVE, dimana nilai akar AVE

harus lebih besar daripada korelasi antara konstruk dengan konstruk

lainnya.

Tabel 2.4 Ringkasan Rule of Thumb Evaluasi Model Pengukuran (Ghozali, 2015)

Validitas dan Reabilitas Kriteria Rule of Thumb

Validitas Convergent

Loading Factor

• > 0,70 untuk

Confirmatory Research

• > 0,60 untuk

Explanantory Research

Average Variance

Extracted (AVE)

> 0,50 untuk Confirmatory

maupun Explanatory

Research

Communality

> 0,50 untuk Confirmatory

maupun Explanatory

Research

Validitas Discriminant

Cross Loading > 0,70 untuk setiap variabel

Akar AVE dan

Korelasi antar

Konstruk Laten

• Akar AVE > Korelasi

antar Konstruk Laten

• > 0,70 untuk

Confirmatory Research

> 0,60 untuk Explanantory

Research

Realibitas

Cronbach’s Alpha

• > 0,70 untuk

Confirmatory Research

• > 0,60 masih dapat

diterima untuk

Explanantory Research

Composite

Reliability

• > 0,70 untuk

Confirmatory Research

• > 0,60-0,70 masih

dapat diterima untuk

Explanantory Research

2. Evaluasi Struktural Model (Inner Model)

Pengukuran struktural model dilakukan untuk dapat mengetahui

hubungan antara konstrak yang dihipotesiskan oleh peneliti (Yamin dan

72

Kurniawan, 2011; Hair et al, 2012; Ghozali, 2014; Subiyakto, 2018).

Dalam model ini terdapat beberapa tahap dalam melakukan evaluasinya.

𝜂 = 𝛽𝜂 + 𝛾𝜉 + 𝜁 ……………………………………………..……(2.6)

Dimana 𝜂 menggambarkan vektor variabel laten indpenden, 𝜉 adalah

vektor variabel laten eksogen, dan 𝜁 adalah vektor variabel residual.

Tahap pertama adalah dengan melihat signifikansi hubungan antara

konstrak. Hal ini dapat dilihat dari koefisien jalur (path coefficient) yang

menggambarkan kekuatan hubungan antara konstrak. Pengukuran path

coefficient (β) memiliki nilai ambang batas diatas 0.1 hal ini untuk

menyatakan bahwa jalur (path) yang dimaksud mempunyai pengaruh di

dalam model (Hair et al, 2012; Subiyakto et al, 2016) .

Tahap kedua adalah dengan mengevaluasi nilai R2 (coefficient of

determination). Nilai ini menjelaskan varian dari tiap target endogenous

variabel dengan standar pengukuran sekitar 0,67 dinyatakan kuat, sekitar

0,33 moderat dan dibawah 0,19 menunjukkan tingkat varian yang lemah.

Untuk mendapat nilai R2 dapat dihitung melalui:

𝑅2 = 1 − ∑(𝜂𝑖− 𝜂′𝑖)2

∑(𝜂𝑖− 𝜂′𝑖)2…………………………………………...… (2.7)

Dimana 𝜂 merupakan vektor variabel laten (kontruk) indpenden.

Tahap ketiga adalah dengan melihat nilai t-test dengan metode

boostrapping menggunakan uji two-tailed dengan tingkat signifikansi 5%

untuk menguji hipotesis-hipotesis penelitian. Bila nilai t-test lebih besar dari

1,96 maka hipotesis penelitian yang dibuat dapat diterima. Untuk meperoleh

nilai t-test dapat dihitung melalui rumus berikut:

73

𝑇𝑡𝑒𝑠𝑡=

𝛾′𝑗𝑏

𝑆𝑒(𝛾′𝑗𝑏)

……………………………………………...…..(2.8)

Dimana jb merupakan jalur konstruk dan S merupakan simpangan

baku.

Tahap keempat yaitu pengujian 𝑓2 (effect size). Pengujian ini

dilakukan untuk dapat memprediksi pengaruh variabel tertentu terhadap

variabel lainnya dalam struktur model dengan nilai ambang batas sekitar

0,02 untuk pengaruh kecil, 0,15 untuk pengaruh menegah dan 0,35 untuk

pengaruh yang besar. 𝑓2 dihitung dengan menggunakan rumus sebagai

berikut:

𝑓2 =𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒− 𝑅2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒

1− 𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 ……………………………………(2.9)

Dimana:

𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 : Nilai yang diperoleh ketika konstrak eksogen dimasukkan

ke model.

𝑅2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒 : Nilai yang diperoleh ketika konstrak eksogen dikeluarkan

dari model.

Tahap kelima yaitu pengujian 𝑄2 (predictive relevance) dengan

menggunakan metode blindfolding untuk dapat memberikan bukti bahwa

variabel tertentu yang digunakan dalam suatu model yang dibuat

mempunyai keterkaitan prediktif (predictive relevance) dengan variabel

lainnya dalam model tersebut dengan nilai ambang batas pengukuran di atas

nol. Untuk mendapatkan nilai 𝑄2 dapat dihitung melalui rumus sebagai

berikut:

𝑄2 = 1 − ∑ 𝐸𝐷 𝐷

∑ 𝑂𝐷 𝐷

…………………………………………..……..(2.10)

Dimana :

D = omission distance

74

E = The sum of squares of prediction error

O = The sum of square errors the mean for prediction

Tahap keenam yaitu melakukan pengujian 𝑞2 (Relative Impact)

dengan menggunakan metode blindfolding juga untuk dapat mengukur

relatif pengaruh sebuah keterkaitan antara prediktif sebuah variabel

tertentu dengan variabel lainnya yang memiliki nilai ambang batas sebesar

0,02 untuk pengaruh kecil, 0,15 untuk pengaruh sedang, dan 0,35 untuk

pengaruh besar. Rumus yang digunakan dalam perhitungan 𝑞2 adalah

sebagai berikut:

𝑞2 =𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒− 𝑄2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒

1− 𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 ……………………………………(2.11)

Dimana:

𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 : Nilai q2 yang diperoleh ketika konstrak eksogen

dimasukkan ke model.

𝑄2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒 : Nilai q2 yang diperoleh ketika konstrak eksogen

dikeluarkan dari model.

Tabel 2.5 Ringkasan Rule of Thumb Evaluasi Model Struktural (Gozali,2014)

Kriteria Rule of Thumb

R-Square 0.75, 0.50, dan 0.25 menunjukkan model kuat,

moderate dan lemah . (Hair et al, 2011)

Effect Size f2 0.02, 0.15, dan 0.35 ( kecil, menengah, dan besar)

Q2 predictive relevance

• Q2> 0 menunjukkan model mempunyai predictive

relevance

• Q2< 0 menunjukkan model kurang memiliki

predictive relevance

Signifikansi (one tailed)

t-value 1.28 (significance level = 10%), 1.65

(significance level = 5%), 2.33 (significance level =

1%)

Signifikansi (two tailed)

t-value 1.65 (significance level = 10%), 1.96

(significance level = 5%), 2.58 (significance level =

1%)

75

2.12 Hipotesis

Menurut Andrews et al dalam Sangadji dan Sopiah (2010) hipotesis adalah

suatu jawaban bersifat sementara terhadap permasalahan penelitian sampai terbukti

melalui data yang terkumpul. Pengertian lain hipotesis menurut Buckley et al dalam

Sangadji dan Sopiah (2010) adalah suatu bentuk pernyataan sederhana mengenai

harapan peneliti akan hubungan antara variabel-variabel dalam suatu masalah untuk

diuji dalam penelitian. Sedangkan menurut Kerlinger dalam Sangadji dan Sopiah

(2010) hipotesis adalah pernyataan dugaan (conjectural) tentang hubungan antara

dua variabel atau lebih. Dari beberapa pendapat di atas, maka dapat disimpulkan

bahwa hipotesis adalah (Sangadji dan Sopiah, 2010):

1. Jawaban sementara (tentatif) terhadap masalah yang diajukan

2. Telah memiliki kebenaran, tetapi baru merupakan kebenaran taraf teoritis

atau kebenaran logis (logical validity, deductive validity)

3. Membutuhkan pembuktian atau pengujian (empirical validity, statistical

validity).

Menurut tingkat ekplanasi hipotesis yang akan diuji, maka rumusan hipotesis

dapat dikelompokkan menjadi tiga macam, yaitu (Sangadji dan Sopiah, 2010):

1. Hipotesis Deskriptif

Hipotesis deskriptif adalah dugaan tentang nilai suatu variabel mandiri,

tidak membuat perbandingan atau hubungan.

2. Hipotesis Komparatif

Hipotesis komparatif adalah pertanyaan yang menunjukkan dugaan nilai

dalam suatu variabel atau lebih pada sampel yang berbeda.

76

3. Hipotesis Gabungan (Asosiatif)

Hipotesis asosiatif adalah suatu pertanyaan yang menunjukkan dugaan

tentang hubungan antara dua variabel atau lebih.

2.13 SmartPLS

SmartPLS merupakan salah satu software yang biasa digunakan dalam

analisis menggunakan PLS-SEM, software ini dikembangkan oleh University of

Hamburg, Jerman (Ghozali & Latan, 2015). SmartPLS atau Smart Partial Least

Square adalah software statistik yang sama tujuannya dengan Lisrel dan AMOS

yaitu untuk menguji hubungan antara variabel, baik sesama variabel latent maupun

dengan variabel indikator, atau manifest.

Penggunaan SmartPLS sangat dianjurkan ketika kita memiliki keterbatasan

jumlah sampel sementara model yang dibangung kompleks. Kelebihan lainnya dari

Smart PLS adalah kemampuannya mengolah data baik untuk model SEM formatif

ataupun reflektif model SEM formatif memiliki ciri-ciri diantaranya adalah variabel

latent atau konstrak dibangun oleh variabel indikator dimana panah mengarah dari

variabel konstrak ke variabel indikator. Model SEM reflektif adalah model SEM

dimana variabel konstrak merupakan refleksi dari variabel indikator, sehingga

panahnya mengarah dari variabel indikator ke variabel latent. Secara statistik,

konsekuensinya adalah tidak akan ada nilai error pada variabel indikator. Oleh

karena software ini dikhususkan untuk melakukan olah data SEM dengan sampel

kecil, maka tidak cocok digunakan untuk penelitian dengan sampel besar.

77

2.14 Google Forms

Google Form atau yang disebut google formulir adalah alat yang berguna

untuk membantu merencanakan acara, mengirim survei, memberikan kuis, atau

mengumpulkan informasi yang mudah dengan cara yang efisien. Form juga dapat

dihubungkan ke spreadsheet. Jika spreadsheet terkait dengan bentuk, maka

tanggapan otomatis akan dikirimkan ke spreadsheet. Jika tidak, pengguna dapat

melihat di “Ringkasan Tanggapan.” Halaman tersebut dapat diakses dari menu

“Tanggapan” (Pratama, 2014).

Google Form merupakan bagian dari Google Drive. Dengan demikian, untuk

membuat formulir baru, harus terlebih dahulu login ke Gmail atau Google Apps.

Spreadsheets akan menunjukkan penggunaan dalam pengajuan berbagai

pertanyaan, termasuk di mana pengguna akan merespon dengan jawaban teks

sederhana atau respon teks lebih lanjut. Pertanyaan bisa berupa pilihan ganda, daftar

pertanyaan, maupun pertanyaan skala. Formulir bisa diatur dengan tampilan dan

tema yang menarik serta akses yang mudah.

81

78

BAB III

METODOLOGI PENELITIAN

3.1 Pendekatan Penelitian

Penelitian ini dilakukan dengan pendekatan kuantitatif untuk menguji model

UTAUT 2 terhadap evaluasi penggunaan dan mengetahui faktor-faktor yang

mempengaruhi penggunaan E-Money Bank Mandiri. Sesuai dengan pendekatan

penelitian yang ditentukan, metode, teknik, serta instrumen penelitian yang

digunakan adalah secara kuantitatif. Salah satu bentuk pendekatan kuantitatif pada

penelitian ini adalah pengumpulan data yang dilakukan melalui survei dengan

menggunakan kuesioner dan analisis data yang dilakukan secara statistik dengan

menggunakan aplikasi pengolah data statistik.

Peneliti juga melakukan wawancara tidak terstruktur kepada beberapa

responden, hasil dari wawancara tersebut ditujukan sebagai data tambahan dalam

penelitian ini. Responden yang terlibat pada penelitian ini adalah pengguna E-

Money Bank Mandiri

3.2 Populasi dan Sampel Penelitian

Populasi pada penelitian adalah seluruh pengguna E-Money Bank Mandiri

di Daerah Kecamatan Ciputat. Berdasarkan dari data yang diperoleh dari Badan

Pusat Statistik (BPS) Kota Tangerang Selatan, bahwa jumlah penduduk kecamatan

Ciputat pada Tahun 2016 adalah sebesar 232.559 jiwa. Peneliti melakukan

pengambilan sampel dengan menggunakan Teknik Purposive Sampling. Teknik

Purposive Sampling dilakukan untuk memilih bagian dari populasi, dimana kriteria

79

yang dipilih adalah yang masyarakat yang menggunakan E-Money Bank Mandiri.

Kemudian, pengambilan sampel dilakukan secara aksidental artinya pemilihan

anggota sampelnya dilakukan terhadap responden yang kebetulan ada/dijumpai

(Accidental Sampling) (Hadi, 2016).

Untuk mendukung pengambilan sampel penelitian, peneliti mengambil

beberapa teori dari penelitian sebelumnya. Teori tersebut ialah, di dalam penelitian

Guritno et al. (2011) sampel yang diperlukan dalam SEM (Structural Equation

Model) berkisar antara 100 sampai 200 sampel . Pada PLS-SEM juga diatur

mengenai penentuan sampel untuk penelitian, yaitu 10 kali dari jumlah maksimum

anak panah (jalur) yang mengarah pada variabel laten (10 time rule of thumb) (Hair,

et al., 2012). Jumlah jalur yang ada pada penelitian ini berjumlah 10 jalur, maka 10

dikali 10 adalah 100. Champion (1981) dalam Indrawan dan Yaniawati (2014)

menjelaskan uji statistik akan efektif jika sampel digunakan antar 120 sampai dengan

250. Menurut Roscoe (1975) dalam Sugiyono (2012) mengusulkan tentang ukuran

sempel untuk penelitian yaitu sebagai berikut:

1) Ukuran sempel yang layak dalam penelitian adalah antara 30 sampai

dengan 500.

2) Bila sempel dibagi dalam katagori maka jumlah anggota sempel setiap

katagori minimal 30.

3) Bila dalam penelitian akan melakukan analisis dengan Multivariate

(korelasi atau regresi ganda misalnya). Maka jumlah anggota sempel

minimal 10 kali dari jumlah variabel yang diteliti.

80

4) Untuk penelitian eksperimen yang sederhana, yang mengunakan

kelompok ekspetrimen dan kelompok kontrol, maka jumlah anggota

sempel masing-masing antara 10 s/d 20.

Kemudian untuk peneliti menambahkan dengan metode perhitungan sampel

slovin untuk mendukung jumlah sampel penelitian. Populasi (N) sesuai dengan

jumlah penduduk kecamatan Ciputat ialah 232.559 orang. Menurut Sugioyono

(2012) untuk populasi dalam jumlah besar, nilai presentase kelonggaran ketelitian

kesalahan pengambilan sampel yang masih bisa ditolerir bernilai 10% atau 0,1 .

Maka perhitungan jumlah sampel (n) yang diperoleh yaitu :

𝑛 =𝑁

1+( 𝑁 ×𝑒2)=

232.559

1+(232.559 ×(10%)2) =

232.559

1+(320.000 ×(0,1)2) =

232.559

1+(232.559 ×0,01)=

232.559

1+2325,59=

232.559

2326,59= 99,96 , atau dibulatkan sebesar

100 Orang.

Keterangan :

n = Jumlah Sampel

N = Jumlah Populasi

e = Nilai persentase kelonggaran ketelitian, dalam penelitian ini

penelti mengambil nilai keloanggaran 10% atau level

signifikansi sebesar 90%.

Dengan demikian, jumlah sampel dalam penelitian ini yang dapat mewakili

jumlah populasi yang ada adalah minimal 100 orang.

3.3 Prosedur Penelitian

Penelitian ini melalui beberapa tahapan yang dilakukan secara prosedural

dan berurutan seperti diperlihatkan pada gambar 3.1 yang meliputi : pengujian

masalah, kajian pustaka, pengembangan model, perancangan penelitian, pembuatan

81

instrumen, pengumpulan data, analisis data, interpretasi, kesimpulan dan saran, dan

pembuatan laporan.

Gambar 3.1 Prosedur Penelitian (Moodifkasi dari Subiyakto et al., 2018)

82

3.4 Perancangan Instrumen Penelitian

3.4.1 Model Penelitian

Gambar 3.2 Model Penelitian (Adopsi Model Venkatesh et al, 2012)

Berdasarkan studi literatur awal yang telah peneliti lakukan, model

dari penelitian ini (Gambar 3.2) diadopsi dari model penelitian Venkatesh et

al, 2012 terdiri dari sembilan variabel dengan rincian enam vairabel dari

UTAUT sebelumnya yaitu Performance Expectancy (PE), Effort

Expectancy (EE), Social Influence (SI), Facilitating Conditions (FC),

Behavior Intention (BI) dan Use Behavior (UB) ditambah dengan tiga

variabel baru yaitu Hedonic Motivation (HM), Price Value (PV), dan Habit

(HT).

83

3.4.2 Instrumen Penelitian

Instrumen peneltian ini adalah berupa kuesioner (Sugiyono, 2013:) yang

terbagi menjadi dua bagian. Bagian pertama adalah lembar surat pengantar dari

peneliti yang digunakan sebagai permohonan pengisian kuesioner. Bagian

kedua, sebanyak 39 pertanyaan yang terdiri dari enam pertanyaan tentang profil

responden, lima pertanyaan umum, serta 28 pertanyaan yang dibuat berdasarkan

adopsi model UTAUT 2. Pertanyaan-pertanyaan disesuaikan dengan variabel-

variabel yang terdapat dalam metode UTAUT 2.

Tabel 3.1 menjabarkan indikator dari variabel yang ada dalam model

penelitian ini, lengkap dengan referensinya. Selanjutnya peneliti juga melakukan

pengujian pendahuluan terhadap desain awal kuesioner kepada 20 pengguna E-

Money Bank Mandiri. Tujuannya untuk dapat memperoleh masukan perbaikan

sebelum kusioner disebarkan ke lingkup lebih luas dan menjalankan prosedur

unidimensonality (Afthanorhan, 2013).

Tabel 3.1 Indikator Penelitian

Variabel Indikator

Referensi Kode Nama Indikator

Performance

Expectancy

(PE)

PE1 Perceived usefulness

Venkatesh, et al

(2012)

PE2 Extrinsic motivation

PE3 Job-fit

PE4 Relative advantage

Effort

Expectancy

EE1 Perceived ease of use

Venkatesh, et al

(2012) EE2 Complexity

EE3 Ease of use

84

Tabel 3.1 Indikator Penelitian (lanjutan)

Variabel Indikator

Referensi Kode Variabel

Social

Influence

SI1 Subjective Norm

Venkatesh, et al

(2012) SI2 Social Factor

SI3 Image

Facilitating

Conditions FC1

Perceived behavioral

control Venkatesh, et al

(2012) FC2 Facilitating conditions

FC3 Compatibility

Hedonic

Motivation

HM1 Repurchase intentions

Venkatesh, et al

(2012) HM2

Positive word-of-mouth

communication

HM3 Service quality

Price Value PV1 Usage time Venkatesh, et al

(2012) PV2 Usage frequency

PV3 Use variety

Habit HT1 Fun

Venkatesh, et al

(2012), HT2 Entertain

HT3 Interest

Behavioral

Intention

BI1 Quality

Venkatesh, et al

(2012) BI2 Price

BI3 Value

Use Behavior UB1 Prior Use

Venkatesh, et al

(2012) UB2 Addiction

UB3 Behavior to be automatic

85

Berdasarkan indikator penelitian pada tabel 3.2 akan dibuat sebanyak 28

pertanyaan pengujian yang telah disesuaikan dengan indikator variabel yang ada

di model UTAUT 2. Daftar pertanyaan dapat dilihat pada tabel 3.2, selengkapnya

format kuesioner dapat dilihat di bagian lampiran.

Tabel 3.2 Daftar Pertanyaan

Variabel Kode Pertanyaan

Performance

Expectancy (PE)

PE1 E-Money Bank Mandiri sangat bermanfaat untuk

keseharian saya

PE2 E-Money Bank Mandiri meningkatkan efisiensi

kinerja saya

PE3 E-Money Bank Mandiri membantu

menyelesaikan masalah saya lebih cepat

PE4 E-Money Bank Mandiri meningkatkan

produktivitas saya

Effort Expectancy

(EE)

EE1 E-Money Bank Mandiri mudah untuk dipelajari

dan dimengerti

EE2 E-Money Bank Mandiri mudah untuk digunakan

EE3 E-Money Bank Mandiri lebih efisien dalam segi

tenaga dan waktu yang dikeluarkan

Social Influence

(SI)

SI1 Orang-orang di lingkungan sekitar

mempengaruhi saya untuk menggunakan E-

Money Bank Mandiri

SI2 Orang-orang yang penting buat saya

menyarankan kepada saya untuk menggunakan

E-Money Bank Mandiri

SI3 Orang-orang di sekitar saya yang menggunakan

E-Money Bank Mandiri terlihat lebih Trendy

(Mengikuti Tren)

Facilitating

Conditions (FC)

FC1 Saya memiliki pengetahuan yang cukup untuk

menggunakan E-Money Bank Mandiri

FC2 Sarana dan prasarana teknologi yang ada sudah

umum digunakan

FC3 Terdapat tenaga ahli yang dapat membantu

apabila saya kesulitan dalam menggunakan E-

Money Bank Mandiri

86

Tabel 3.2 Daftar Pertanyaan (lanjutan)

Variabel Kode Pertanyaan

Hedonic

Motivation (HM)

HM1 Saya merasa senang saat menggunakan E-Money

Bank Mandiri

HM2 Saya merasa nyaman menggunakan E-Money

Bank Mandiri

HM3 Saya merasa menikmati ketika menggunakan E-

Money Bank Mandiri

Price Value (PV) PV1 Saya merasa harga untuk mendapatkan E-Money

Bank Mandiri masuk akal

PV2 Saya merasa harga layanan pada E-Money Bank

Mandiri sudah sesuai dengan layanan-layanan

yang ditawarkan dan diterima

PV3 Saya bersedia untuk membayar seharga yang

telah ditetapkan untuk menggunakan E-Money

Bank Mandiri

Habit (H) HT1 Saya sudah terbiasa untuk menggunakan E-

Money Bank Mandiri

HT2 Saya merasa harus terus menggunakan E-Money

Bank Mandiri

HT3 Jika saya ingin bertransaksi, maka saya akan

menggunakan E-Money Bank Mandiri

Behavioral

Intention (BI)

BI1 Saya berkeinginan untuk menggunakan E-Money

Bank Mandiri seterusnya

BI2 Saya memperkirakan untuk menggunakan E-

Money Bank Mandiri dalam keseharian saya

BI3 Saya berencana menggunakan E-Money Bank

Mandiri di setiap transaksi saya

Use Behavior

(UB)

UB1 Saya senang menggunakan E-Money Bank

Mandiri kapanpun dan dimanapun

UB2 Saya sudah sering menggunakan E-Money Bank

Mandiri

UB3 Saya selalu menggunakan E-Money Bank Mandiri

untuk berbagai keperluan

87

Peneliti menggunakan skala likert pada kuesioner penelitian ini yang

berarti skala penilaiannya menggunakan lima pilihan jawaban yang terdiri dari

sangat tidak setuju dengan bobot nilai 1, tidak setuju dengan bobot nilai 2, netral

(tidak tahu) dengan bobot nilai 3, setuju dengan bobot nilai 4 dan sangat setuju

dengan bobot nilai 5.

3.5 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah

berupa wawancara, studi literatur dan survei dengan menyebarkan kuesioner.

3.5.1 Wawancara

Wawancara ini dilakukan sebagai studi pendahuluan untuk

mengumpulkan data-data yang berkaitan dengan penelitian ini. Wawancara

dilakukan selama 1 minggu kepada 100 orang secara acak sesuai dengan jumlah

minimal sampel penelitian yang peneliti temui dari masyarakat Kecamatan

Ciputat dengan berumur kisaran 17 – 54 Tahun. Berikut kesimpulan hasil yang

didapat dari wawancara:

1. Peneliti mendapatkan data berupa 78 Orang memiliki uang elektronik dan

28 orang tidak memiliki uang elektronik.

2. Dari 78 orang yang memiliki uang elektronik hanya 24 Orang yang

menggunakan E-Money Bank Mandiri. Persentasi yang didapat sebesar

30,8% tidak jauh berbeda dari data yang peneliti peroleh dengan jumlah

kepemilikkan E-Money Bank Mandiri di Indonesia sebesar 33,14%.

3. Peneliti mendapatkan informasi mengenai penggunaan E-Money Bank

Mandiri.

88

3.5.2 Survei

Survei yang dilakukan peneliti untuk membantu proses penelitian

menggunakan instrument penelitian berupa kuesioner. Proses penyebaran

kuesioner dilakukan dengan secara langsung dan tidak langsung. Penyebaran

secara langsung dilakukan oleh peneliti melalui tatap muka secara langsung

dengan setiap pengguna E-Money Bank Mandiri pada saat tahap wawancara.

Penyebaran kuesioner secara tidak langsung dilakukan peneliti melalui media

social seperti whatsapp dan line dengan bantuan fitur Google Forms untuk

pengisiannya. Kuesioner ini disebar dan diisi hanya kepada pengguna E-Money

Bank Mandiri saja. Penyebaran dilakukan dari tanggal 1 Juni sampai dengan

tanggal 15 Juni.

Kemudian, seluruh kuesioner yang telah terkumpul selama proses

penelitian berlangsung akan diproses dan diklasifikasi menggunakan aplikasi

pengolah angka yaitu MS. Excel 2016. Dalam Kurun penyebaran kuesioner,

peneliti berhasil memperoleh 132 kuesioner. Diantaranya 28 kuesioner berasal

dari penyebaran secaran langsung dan 104 sisanya berasal dari penyebaran

secara tidak langsung. Dari 132 kuesioner tersebut, 6 diantaranya dinyatakan

tidak valid karena adanya penginputan ganda pada Google Forms. Sehingga

kuesioner yang dinyatakan valid untuk digunakan berjumlah 127 kuesioner.

Jumlah data kuesioner tersebut telah memenuhi jumlah minimalsampel yang ada

pada penelitian ini. Rinciannya dapat dilihat pada tabel 3.3

89

Tabel 3.3 Data Kuesioner Kembali

Metode Penyebaran ∑ Valid ∑ Tidak Valid Keterangan

Penyebaran Secara

Langsung

28 0

Penyebaran Secara

Tidak Langsung

99 6 Penginputan

ganda

Total 127 6

3.5.3 Studi Literatur

Peneliti mengkaji beberapa literatur yang berhubungan dengan penelitian

ini. Diantaranya sumber-sumber seputar metode penelitian kuantitatif, evaluasi,

dan SmartPLS untuk mengolah data. Selanjutnya peneliti juga membaca artikel

terkait, jurnal-jurnal, dan skripsi-skripsi yang membahas penelitian mengenai

UTAUT. Studi literatur ini dilakukan selain sebagai sumber informasi juga

sebagai referensi untuk mengetahui hasil dan metode penelitian yang terdapat

dalam penelitian sebelumnya. Berikut beberapa jurnal penelitian sejenis yang

telah dilakukan sebelumnya akan dijelaskan dalam tabel 3.4.

90

Tab

el 3

.4 R

ingk

asan

P

enel

itia

n S

ejen

is T

erdah

ulu

No

Pen

elit

i Ju

du

l M

od

el

Tu

juan

Pen

elit

ian

V

ari

ab

el

Hasi

l P

enel

itia

n

Kel

ebih

an

K

eku

ran

gan

1.

Yi

Chun

Liu

& y

on

g-

Min

g

Huan

g

(2015)

Usi

ng t

he

UT

AU

T

mo

del

to e

xam

ine

the

acc

epta

nce

beh

avi

or

of

synch

ronous

coll

abora

tion t

o

sup

port

pee

r

tra

nsa

ltio

n

UT

AU

T

Men

get

ahui

per

sfek

tif

pen

erim

aan

mah

asis

wa

terh

adap

synch

ronous

coll

abora

tion

•

Per

form

ance

Exp

ecta

ncy

•

Eff

ort

Exp

ecta

ncy

•

Soci

al

Infl

uen

ce

•

Faci

lita

ting

Condit

ions

•

Beh

avi

ora

l

Inte

nti

on

1.

Var

iabel

d

engan

p

engar

uh

terb

esar

adal

ah F

C

2.

Hip

ote

sis

PE

-BI

tidak

dit

erim

a

3.

Hip

ote

sis

EE

-BI,

SI-

BI,

FC

-

BI

Dit

erim

a

Dat

a an

alis

is

dit

ampil

kan

sehin

gga

mud

ah

untu

k d

ipah

ami

Mas

ih

men

ggun

akan

model

UT

AU

T

lam

a dan

rin

cian

indik

ator

var

iabel

tidak

dip

erli

hat

kan

2.

Suha

Ala

wad

hi

&

Anne

Morr

is

(2008)

The

Use

of

the

UT

AU

T M

odel

in

the

Adopti

on o

f E

-

Go

vern

men

t

Ser

vice

in K

uw

ait

UT

AU

T M

enget

ahui

fact

or-

fakto

r yan

g

men

entu

kan

pen

gad

opsi

an

layan

an E

-

Gover

nm

ent

di

Kuw

ait

•

Per

form

ance

Exp

ecta

ncy

•

Eff

ort

Exp

ecta

ncy

•

Pee

r In

fluen

ce

(PI)

•

Faci

lita

ting

Condit

ions

•

Beh

avi

ora

l

Inte

nti

on

•

Use

Beh

avi

our

•

Gen

der

•

Aca

dem

ic C

ours

e

•

Inte

rnet

Exp

erie

nce

1.

Var

iabel

PE

, E

E, P

I m

emil

iki

pen

gar

uh t

erbes

ar

2.

PE

han

ya

mem

ilik

i pen

gar

uh

signif

ikan

“Nex

t th

ree

month

s”

dan

“F

utu

re”,

sedan

gan

kan

pad

a “N

ext

four

month

s”

tidak

si

gnif

ikan

,

teta

pi

aka

signif

ikan

ket

ika

di

moder

ate

ole

h

Inte

rnet

Ex

per

ience

.

3.

Sem

ua

hip

ote

sis

dit

erim

a

Rin

cian

per

tan

yaa

n

kues

ioner

dip

erli

hat

kan

,

men

ggan

ti

var

iabel

SI

men

jadi

PI

dan

men

ggan

ti

var

iabel

moder

ator

exper

ience

dan

age

men

jadi

Aca

dem

ic

Cours

e dan

Inte

rnet

Ex

per

ience

Mas

ih

men

ggun

akan

model

lam

a, d

ata

anal

isis

suli

t

dip

aham

i.

91

Tab

el 3

.4 R

ingk

asan

P

enel

itia

n S

ejen

is T

erdah

ulu

(la

nju

tan)

No

Pen

elit

i Ju

du

l M

od

el

Tu

juan

Pen

elit

ian

V

ari

ab

el

Hasi

l P

enel

itia

n

Kel

ebih

an

K

eku

ran

gan

3.

Jam

es

Tet

teh A

mi-

Nar

h &

Pat

rici

a A

H

Wil

liam

s

(2012)

A r

evis

ed U

TA

UT

mo

del

to

inve

stig

ate

E-

Hea

lth

acc

epta

nce

of

hea

lth

pro

fess

ionals

in

Afr

ica

UT

AU

T M

erev

isi

model

kep

uas

an

pen

erim

aan

pen

ggun

a E

-Hea

lth

•

Beh

avi

ora

l

Inte

nti

on

•

Use

Beh

avi

our

•

Info

rmati

on

Sati

sfact

ion

•

Sys

tem

Sati

sfact

ion

Tec

hnolo

gic

al

•

Per

form

ance

Exp

ecta

ncy

•

Eff

ort

Exp

ecta

ncy

Org

aniz

ati

onal

•

Soci

al

Infl

uen

ce

•

Faci

lita

ting

Condit

ions

Indiv

idual

•

Com

pute

r

Anxi

ety

•

Att

itude

tow

ard

s

tech

nolo

gy

Moder

ato

rs

•

Use

r

Dem

ogra

phic

s

•

Geo

gra

phic

al

Loca

tion

•

Afr

ican C

ult

ure

Mem

ban

gun

teori

bar

u

dar

i

kom

bin

asi

beb

erap

a ar

ea m

edis

dan

TIK

Mem

ban

gun

model

uta

ut

bar

u,

men

gkom

bin

asi

kan

model

dar

i

bid

ang m

edis

dan

TIK

Han

ya

men

gem

ban

gkan

model

, ti

dak

men

ggun

akan

per

hit

ungan

dar

i

dat

a re

spond

en

92

Tab

el 3

.4 R

ingk

asan

P

enel

itia

n S

ejen

is T

erdah

ulu

(la

nju

tan)

No

Pen

elit

i Ju

du

l M

od

el

Tu

juan

Pen

elit

ian

V

ari

ab

el

Hasi

l P

enel

itia

n

Kel

ebih

an

K

eku

ran

gan

4.

Anil

Gupta

& N

ikia

Dogra

(2017)

Touri

st A

dopti

on

of

Mappin

g A

pss

:

A U

TA

UT

2

Per

spec

tive

of

Sm

art

Tra

vell

ers

UT

AU

T

2

Men

gid

enti

fikas

i

fact

or-

fakto

r yan

g

mem

pen

gar

uhi

nia

t

turi

s untu

k

men

ggun

akan

apli

kas

i m

aps

pad

a

saat

tra

veli

ng

•

Per

form

ance

Exp

ecta

ncy

•

Eff

ort

Exp

ecta

ncy

•

Soci

al

Infl

uen

ce

•

Faci

lita

ting

Condit

ions

•

Hed

onic

Moti

vati

on

•

Pri

ce V

alu

e

•

Habit

•

Beh

avi

ora

l

Inte

nti

on

•

Use

Beh

avi

our

1.

Var

iabel

H

abit

m

erup

akan

fact

or

yan

g

mem

pen

gar

uhi

pal

ing k

uat

2.

Dar

i 10 h

ipote

sis,

3 h

ipote

sis

dit

ola

k

3.

3 h

ipote

sis

yan

g d

itola

k i

alah

EE

-BI,

Si-

BI,

dan

FC

-UB

4.

7

hip

ote

sis

yan

g

dit

erim

a

iala

h P

E-B

I, F

C-B

I, H

M-B

I,

H-B

I, F

C-U

B, H

-UB

, dan

BI-

UB

Dat

a an

alis

is

jela

s dan

mudah

dip

aham

i,

per

tan

yaa

n

pen

elit

itan

dip

erli

hat

kan

Tid

ak

mem

per

loih

atkan

indic

ator

var

iab

el

5.

Chi-

Yo

Huan

g 7

Yu-S

hen

g

Kao

(2015)

UA

TU

T2 B

ase

d

Pre

dic

tions

of

Fa

ctors

Infl

uen

cing t

he

Tec

hnolo

gy

Acc

epte

nce

of

Ph

able

ts b

y D

NP

UT

AU

T

2

Men

get

ahui

dan

mep

redik

si

nia

t

untu

k

men

ggun

akan

Phab

lets

•

Per

form

ance

Exp

ecta

ncy

•

Eff

ort

Exp

ecta

ncy

•

Soci

al

Infl

uen

ce

•

Faci

lita

ting

Condit

ions

•

Hed

onic

Moti

vati

on

•

Pri

ce V

alu

e

•

Habit

•

Beh

avi

ora

l

Inte

nti

on

•

Use

Beh

avi

our

1.

Var

iabel

H

abit

m

erup

akan

fact

or

yan

g

mem

pen

gar

uhi

pal

ing k

uat

2.

Var

iabel

B

I,

HM

, dan

P

E

men

jadi

yan

g

pal

ing

signif

ikan

Men

ggunk

aan

per

hit

angan

rinci

, in

dic

ator

dip

erli

hat

kan

Per

tan

yaa

an

pen

elit

ian t

idak

dip

erli

hat

kan

,

93

Tab

el 3

.4 R

ingk

asan

P

enel

itia

n S

ejen

is T

erdah

ulu

(la

nju

tan)

No

Pen

elit

i Ju

du

l M

od

el

Tu

juan

Pen

elit

ian

V

ari

ab

el

Hasi

l P

enel

itia

n

Kel

ebih

an

K

eku

ran

gan

6.

Mu-C

hen

g

Wu

(2016)

Ab E

xam

inati

on

of

Mobil

e

Ap

pli

cati

oan U

se

Inte

nti

on t

hro

ugh

the

Unif

ied T

hory

of

Acc

epta

nce

Tec

hnolo

gy

Model

UT

AU

T M

enget

ahui

hubungan

kas

ual

terk

ait

nia

t

men

ggun

akan

pen

ggun

a m

obil

e

app

di

Tai

wan

uta

ra,

tim

ur,

dan

sela

tan

•

Per

form

ance

Exp

ecta

ncy

•

Eff

ort

Exp

ecta

ncy

•

Soci

al

Infl

uen

ce

•

Faci

lita

ting

Condit

ions

•

Sys

tem

Quali

ty

•

Info

rmati

on

Quali

ty

•

Ser

vice

Quali

ty

•

Use

l In

tenti

on

•

Use

Beh

avi

our

1.

Var

iabel

U

se

Inte

nti

on

mer

upak

an

fact

or

yan

g

mem

pen

gar

uhi

pal

ing k

uat

2.

Dar

i 8 h

ipote

sis,

3 h

ipote

sis

dit

ola

k

3.

3 h

ipote

sis

yan

g d

itola

k i

alah

PE

-UI,

EE

-UI,

dan

FC

-UB

4.

5

hip

ote

sis

yan

g

dit

erim

a

iala

h

SI-

UI,

S

Q-U

I,

IQ-U

I,

SQ

-UI,

dan

UI-

UB

Mel

akukan

pen

ambah

an

beb

erap

a

var

iabel

bar

u,

rinci

an d

ata

anal

isis

dip

erli

hat

kan

Mas

ih

men

ggun

akan

model

UT

AU

T

per

tam

a

7.

Mokh

Adib

Sult

an

&

Moch

amm

a

d

Ris

man

Purw

anto

Ram

dhan

(2016)

Beh

avi

ora

l

Inte

nti

on o

f

Inst

agra

m a

s P

art

of

Tec

hnolo

gy

Acc

epte

nce

UT

AU

T M

enguji

pen

gar

uh

PE

, E

E,

dan

S

I

terh

adap

nia

t

men

ggun

akan

Inst

agra

m

•

Per

form

ance

Exp

ecta

ncy

•

Eff

ort

Exp

ecta

ncy

•

Soci

al

Infl

uen

ce

•

Beh

avi

ora

l

Inte

nti

on

1.

Var

iabel

P

E

dan

S

I se

cara

signif

ikan

mem

ilik

i pen

gar

uh

terh

adap

BI

2.

Var

iabel

E

E

seca

ra

tidak

signif

ikan

mem

ilik

i pen

gar

uh

terh

adap

BI

Pen

elit

ian j

elas

dan

mudah

dip

aham

i

Mas

ih

men

ggun

akan

model

UT

AU

T

per

tam

a dan

han

ya

men

ggun

akan

beb

erap

a var

iabel

94

Tab

el 3

.4 R

ingk

asan

P

enel

itia

n S

ejen

is T

erdah

ulu

(la

nju

tan)

No

Pen

elit

i Ju

du

l M

od

el

Tu

juan

Pen

elit

ian

V

ari

ab

el

Hasi

l P

enel

itia

n

Kel

ebih

an

K

eku

ran

gan

8.

Mar

ia

Ari

stea

Kal

amat

ian

ou &

Flo

ra

Mal

amat

eni

ou

(2017)

An E

xten

ded

UT

AU

T2 M

odel

for

e-G

ove

rnm

ent

Pro

ject

Eva

luati

on

UT

AU

T

2

Men

des

kri

psi

kan

sebuah

m

odel

eval

uas

i untu

k

men

gin

ves

tigas

i

kes

ukse

san

e-

Gover

nm

ent

Pro

ject

•

Per

form

ance

Exp

ecta

ncy

•

Eff

ort

Exp

ecta

ncy

•

Soci

al

Infl

uen

ce

•

Faci

lita

ting

Condit

ions

•

Hed

onic

Moti

vati

on

•

Pri

ce V

alu

e

•

Habit

•

Beh

avi

ora

l

Inte

nti

on

•

Use

Beh

avi

our

•

Use

r

Sati

sfic

ati

on

•

Pro

fess

ion

•

Conti

nio

us

Usa

ge

•

Age

•

Gen

der

•

Exp

erie

nce

1.

Var

iabel

PE

, E

E, F

C, A

ge,

IE

,

Pro

fess

ion,

H,

CU

se

cara

signif

ikan

mem

ilik

i pen

gar

uh

terh

adap

BI

2.

Var

iabel

G

ender

, S

I,

HM

seca

ra

tidak

si

gnif

ikan

mem

ilik

i pen

gar

uh

terh

adap

BI

Pen

elit

ian

men

ggun

akan

pen

gem

bag

an

UT

AU

T2

den

gan

men

ambah

kan

var

iabel

bar

u

Rin

cian

dat

a

anal

isis

tid

ak

dip

erli

hat

kan

seca

ra j

elas

.

95

Tab

el 3

.4 R

ingk

asan

P

enel

itia

n S

ejen

is T

erdah

ulu

(la

nju

tan)

No

Pen

elit

i Ju

du

l M

od

el

Tu

juan

Pen

elit

ian

V

ari

ab

el

Hasi

l P

enel

itia

n

Kel

ebih

an

K

eku

ran

gan

9.

Dom

agoj

FR

AN

K &

Mar

in

MIL

KO

VIC

(2018)

Eva

luati

on o

f

Ele

ctro

nic

Pro

gra

mm

e

Gu

ide

Adopti

on

Usi

ng U

TA

UT

2

Ba

sed M

odel

UT

AU

T

2

Men

des

kri

psi

kan

moti

vas

i konsu

men

men

ggun

akan

Ele

ctro

nic

Pro

gra

mm

e G

uid

e

•

Per

form

ance

Exp

ecta

ncy

•

Eff

ort

Exp

ecta

ncy

•

Soci

al

Infl

uen

ce

•

Faci

lita

ting

Condit

ions

•

Hed

onic

Moti

vati

on

•

Pri

ce V

alu

e

•

Habit

•

Beh

avi

ora

l

Inte

nti

on

•

Use

Beh

avi

our

•

Age

•

Gen

der

Exp

erie

nce

1.

Sem

ua

hip

ote

sisi

m

emil

iki

pen

gar

uh y

ang si

gnif

ikan

2.

Var

iabel

hab

it

yan

g

mem

ilii

pen

gar

uh p

alin

g b

esar

Men

ggun

akan

model

UT

AU

T2

Rin

cian

per

hit

ungan

dat

a

tidak

dip

erli

hat

kan

seca

ra j

elas

10 .

Sar

a Je

za

Alo

taib

i &

Dr.

M

ike

Wal

d

(2013)

Eva

luati

on o

f th

e

UT

AU

T M

odel

for

Acc

epte

nce

Use

r

Exp

erie

nce

s in

e-

Gove

rnm

ent

Ph

ysic

al

and

Vir

tual

Iden

tity

Acc

ess

Managem

ent

Sys

tem

s

UT

AU

T M

engev

aluas

i

pen

gal

aman

pen

erim

aan

pen

ggun

a p

ada

Iden

tity

A

cces

s

Man

agem

ent

Syst

ems

(IA

MS

)

•

Per

form

ance

Exp

ecta

ncy

•

Eff

ort

Exp

ecta

ncy

•

Soci

al

Infl

uen

ce

•

UX

and

Acc

epta

bil

ity

•

Sec

uri

ty a

nd

Iden

tity

Beh

avi

or

Inte

nti

on

1.

Var

iabel

Sec

uri

ty a

nd I

den

tity

tidak

m

emil

iki

pen

gar

uh

terh

adap

BI

2.

Var

iabel

PE

, EE

, SI,

ber

kai

tan

den

gan

v

aria

bel

U

X

and

Acc

epta

bil

ity

Mel

akukan

pen

gem

ban

gan

terh

adap

model

UT

AU

T

Mas

ih

men

ggun

akan

UT

AU

T p

erta

ma,

rinci

an d

ata

anal

isis

tid

ak

dip

erli

hat

kan

seca

ra j

elas

96

Tab

el 3

.4 R

ingk

asan

P

enel

itia

n S

ejen

is T

erdah

ulu

(la

nju

tan)

No

Pen

elit

i Ju

du

l M

od

el

Tu

juan

Pen

elit

ian

V

ari

ab

el

Hasi

l P

enel

itia

n

Kel

ebih

an

K

eku

ran

gan

11 .

Bel

la M

Car

oli

ne

(2018

)

Anali

sis

Pen

erim

aan

Pen

gguna

Ter

hadap

Sis

tem

Ap

lika

si

Ser

vice

Des

k (S

AS

D)

UT

AU

T M

enget

ahui

seber

apa

jauh

pen

erim

aan

pen

ggun

a S

iste

m

Apli

kas

i S

ervic

e

Des

k

(SA

SD

) di

UIN

S

yar

if

Hid

ayat

ull

ah

Jakar

ta

•

Per

form

ance

Exp

ecta

ncy

•

Eff

ort

Exp

ecta

ncy

•

Soci

al

Infl

uen

ce

•

Faci

lita

ting

Condit

ions

•

Beh

avi

ora

l

Inte

nti

on

•

Use

Beh

avi

our

1.

Dar

i 141 R

esponden

, 72

% s

udah

men

get

hau

i S

AS

D

dan

38%

bel

um

m

engta

hui.

D

an

62%

Sudah

per

nah

men

ggun

akan

nya.

2.

5

indik

ator

dih

apus

dar

i 21

indik

ator

3.

KE

lim

a H

ipote

sis

dit

erim

a, y

aiut

PE

-BI,

EE

-BI,

SI-

BI,

FC

-UB

, B

I-

UB

.

4.

Var

iabel

yan

g m

emil

iki

pen

gar

uh

terb

esar

ia

lah

beh

avio

ral

Inte

nst

ion

Pen

elit

ian

yan

g

dil

akukan

ber

isi

pen

ejel

asan

dan

dat

a yan

g

jela

s

Mas

ih

men

ggun

aka

n m

odel

UT

AU

T

yan

g l

ama

12 .

Vir

iya

Dhar

ma

(2012

)

Model

P

eril

aku

Pen

gguna

TIK

Pad

a U

MK

M

Di

Wil

ayah

B

ekas

i

Den

gan

Men

ggun

akan

Pen

dek

atan

UT

AU

T

UT

AU

T T

uju

an

pen

elit

ian

ini

adal

ah

untu

k

mem

ber

i gam

bar

an

men

gen

ai p

engar

uh

adopsi

te

knolo

gi

info

rmas

i dan

kom

unik

asi

dil

ihat

dar

i je

nis

kel

amin

resp

onden

dan

tingkat

ad

opsi

teknolo

gi

info

rmas

i

dan

kom

unik

asi

dan

m

engan

alis

is

model

pre

dik

si

tingkat

ad

opsi

inte

rnet

pad

a

UM

KM

•

Per

form

ance

Exp

ecta

ncy

•

Eff

ort

Exp

ecta

ncy

•

Soci

al

Infl

uen

ce

•

Faci

lita

ting

Condit

ions

•

Beh

avi

ora

l

Inte

nti

on

•

Use

Beh

avi

our

•

Inte

rnet

Sel

f-

Eff

icen

cy

•

Anxi

ety

of

Inte

rnet

Pad

a an

alis

is d

iskri

min

an, dal

am t

abel

class

ific

ati

on

resu

lts,

did

apat

has

il

yai

tu

72,9

%

dar

i dat

a te

lah

terk

lasi

fikas

i den

gan

b

enar

, ber

arti

dat

a te

rseb

ut

sudah

dim

asukkan

pad

a

gru

p y

ang s

esuai

den

gan

dat

a se

mula

.

Pad

a an

alis

is

anova,

untu

k

var

iabel

PE

, E

E,

ISE

, A

nx

, S

uC

, S

oI,

dan

In

U

terd

apat

p

erbed

aan an

tara

nil

ai ra

ta-

rata

dar

i kel

om

pok i

nte

rnet

, dan

pad

a

var

iabel

Att

tid

ak t

erdap

at p

erbed

aan

nil

ai

rata

-rat

a. S

edan

gk

an nil

ai

rata

-

rata

yan

g

pal

ing

adal

ah

kel

om

pok

inte

rnet

ad

opte

r yan

g

did

apat

dar

i

var

iabel

PE

, E

E,

ISE

, S

uC

, S

oI,

Att

,

InU

. D

an

untu

k

var

iab

el

Anx

, nil

ai

rata

-rat

a yan

g

pal

ing

tinggi

adal

ah

kel

om

pok i

nte

rnet

non

-adopte

r.

Mudah

di

bac

a d

an

dip

elaj

ari

Rin

cian

pen

gola

han

dat

a ti

dak

dit

ampil

kan

,

97

3.6 Analisis Data dan Interpretasi Hasil

Tahap ini dibagi menjadi dua bagian yaitu analisis demografis dan analisis

statistik inferensial. Bagian pertama, peneliti melakukan analisis dengan mengolah

data demografis menggunakan perangkat lunak pengolah angka Ms. Excel 2016.

Data responden dikelompokkan berdasarkan pertanyaan karakteristik responden

dan pertanyaan umum kuesioner.

Setelah analisis demografis selesai dilakukan, peneliti melakukan analisis

statistik inferensial dengan pendekatan PLS-SEM menggunakan tool SmartPLS

versi 3.0 (Hair et al, 2012; Garson, 2016). Merujuk pada sejumlah peneliti tersebut,

peneliti melakukan analisis dengan dua tahap, yaitu analisis measurement mode

(inner model) dan structural mode (outer model). Measurement model (inner

model) dilakukan untuk menguji reliabilitas dan validitas outer model melalui

indikator reliability, internal consistency reliability, convergent validity, dan

discriminant validity. Sedangkan pengujian structural model (outer model)

dilakukan untuk menguji path ceofficient (β), coefficient of determination (𝑅2), t-

test melalui method bootstrapping, effect size (f2), predictive relevance (𝑄2), dan

relative impact (𝑞2) menggunakan metode pengujian blindfolding (Hair et al, 2012;

Garson, 2016).

Kemudian, interpretasi hasil penelitian dijabarkan dengan menggambarkan

hasil analisis demografis responden dengan kondisi lapangan yang berjalan dan

memaparkan hasil analisis measurement mode (inner model) dan structural mode

(outer model) yang telah peneliti lakukan secara statistik-kuantitatif dengan

membandingkan dan mempertimbangkan sejumlah literatur terkait dengan

98

penelitian ini. Selanjutnya, dari hasil analisis measurement mode (inner model) dan

structural mode (outer model) tersebut, peneliti memberikan rekomendasi-

rekomendasi dari beberapa faktor-faktor yang mempengaruhi penggunaan E-

Money Bank Mandiri .

3.7 Kerangka Penelitian

Berikut ini merupakan kerangka penelitian yang menjadi dasar peneliti

untuk melakukan penelitian.

Gambar 3.3 Kerangka Penelitian

99

99

BAB IV

HASIL DAN PEMBAHASAN

4.1 Hasil Analisis

4.1.1 Hasil Analisis Demografi

Pada tahapan ini peneliti menganalisis jawaban responden terhadap

pertanyaan dalam kuesioner yang diberikan, terkhususnya pertanyaan pada bagian

profil responden dan pertanyaan umum tentang penggunaan E-Money Bank

Mandiri untuk menghasilkan informasi demografis. Peneilti berhasil memperoleh

data pada daerah Kecamatan Ciputat dalam rentang waktu selama 15 hari (1 Juni

sampai 15 Juni 2018), sebanyak 127 data responden yang valid. Informasi

demografis yang dihasilkan ini meliputi jenis kelamin, usia, pekerjaan, kelurahan,

tingkat pendidikan, penggunaan E-Money Bank Mandiri, intesitas penggunaan E-

Money Bank Mandiri (dalam 1 minggu), jenis transaksi, dan nominal uang yang

dihabiskan responden (dalam 1 minggu) . Berikut merupakan hasil analisis

demografisnya:

100

1) Jenis kelamin

Pada penelitian ini bahwa dari 127 data responden yang dikumpulkan,

responden dengan jenis kelamin perempuan yang mendominasi, yaitu

sebanyak 70 orang (55,12%) dan sisanya berasal dari responden laki-laki,

yaitu sebanyak 57 orang (44,88%). Dapat dilihat pada gambar 4.1.

Gambar 4. 1 Diagram Lingkaran Jenis Kelamin Responden

44,88%55,12%

Jenis Kelamin

Laki-laki Perempuan

101

2) Usia

Dari 127 banyaknya data responden yang dikumpulkan dalam

penelitian ini, responden berusia 17-27 tahun yang mendominasi, yaitu

sebanyak 69 orang (54,33%) dan disusul dengan responden berusia 26-37

tahun dan diatas 47 tahun, yaitu sebanyak 21 orang (16,54%). Jumlah

responden yang paling sedikit berusia 38-47 tahun, yaitu sebanyak 16 orang

(12,60%). Dapat dilihat pada gambar 4.2.

Gambar 4.2 Diagram Lingkaran Usia Responden

54,33%

16,54%

12,60%

16,54%

Usia

17 - 26 Tahun

27 - 37 Tahun

38 - 47 Tahun

>47 Tahun

102

3) Pendidikan Terakhir

Sebanyak 127 data responden yang dikumpulkan dalam penelitian ini,

responden yang mendominasi berasal dari tingkat pendidikan S1, yaitu

sebanyak 61 orang (48,03%) dan disusul dengan responden berasal dari

tingkat pendidikan SLTA, yaitu sebanyak 35 orang (27,56%). Selanjutnya

dengan responden berasal dari tingkat pendidikan Diploma, yaitu sebanyak

24 orang (18,90%). Jumlah responden dengan tingkat pendidikan S2

sebanyak 6 orang (4,72%) dan S3 sebanyak satu orang (0,79%) merupakan

yang terendah. Dapat dilihat pada gambar 4.3.

Gambar 4. 3 Diagram Lingkaran Tingkat Pendidikan Responden

Diploma19%

S148%

S25%

S31%

SLTA27%

Pendidikan Terakhir

Diploma

S1

S2

S3

SLTA

103

4) Kelurahan

Dari 127 banyaknya data responden yang terkumpul dalam penelitian

ini, responden yang mendominasi berasal dari kelurahan Ciputat, yaitu

sebanyak 91 orang (71,65%). Kemudian berasal dari kelurahan Jombang

sebanyak 17 orang (13,39%). Diposisi selanjutnya berasal dari kelurahan

Serua sebanyak 11 orang (8,66%). Dan terakhir berasal dari kelurahan

Cipayung sebanyak delapan orang (6,30%). Dapat dilihat pada gambar 4.4.

Gambar 4.3 Diagram Lingkaran Pekerjaan Responden

71,65%

6,30%

8,66%

13,39%

Kelurahan

Ciputat

Cipayung

Serua

Jombang

104

5) Pekerjaan

Sebanyak 127 data responden yang terkumpul dalam penelitian ini,

responden yang mendominasi berasal dari pelajar/mahasiswa, yaitu

sebanyak 63 orang (49,61%) dan disusul dengan responden berasal dari

PNS, yaitu sebanyak 24 orang (18,90%). Kemudian posisi selanjutnya

berasal dari pekerjaan Karyawan dan pekerjaan Lainnya sebanyak 12 orang

(9,45%). Jumlah responden yang lebih sedikit berasal dari Karyawan yaitu

sebanyak 11 orang (11%) dan paling sedikit berasal dari pekerjaan

Wiraswasta sebanyak lima orang (3,94%). Dapat dilihat pada gambar 4.5.

Gambar 4.5 Diagram Lingkaran Pekerjaan Responden

9,45%

8,66%

9,45%

49,61%

18,90%

3,94%

Pekerjaan

Karyawan

Keprofesian

Lainnya

Pelajar/Mahasiswa

PNS

Wiraswasta

105

6) Penggunaan E-Money Bank Mandiri

Dari 127 banyaknya data responden yang terkumpul dalam penelitian

ini, responden yang telah menggunakan uang elektronik selama 2-3 tahun,

yaitu sebanyak 42 orang (33,07%) merupakan yang terbesar, disusul

dengan responden yang telah menggunakan 3-4 tahun, yaitu sebanyak 31

orang (24,41%). Kemudian posisi selanjutnya dengan responden yang telah

menggunakan 1-2 tahun sebanyak 26 orang (20,47%) dan responden yang

telah menggunakan selama kurang dari satu tahun sebanyak 20 orang

(15,75%). Responden yang telah menggunakan lebih dari 4 tahun, yaitu

sebanyak 8 orang (6,30%) merupukan yang terkecil. Dapat dilihat pada

gambar 4.6.

Gambar 4. 6 Diagram Lingkaran Penggunaan E-Money Bank Mandiri

Responden

15,75%

6,30%

20,47%

33,07%

24,41%

Penggunaan E-Money Bank Mandiri

<1 Tahun

>4 Tahun

1 - 2 Tahun

2 - 3 Tahun

3 - 4 Tahun

106

7) Intesitas Penggunaan E-Money Bank Mandiri (Dalam 1 Minggu)

Sebanyak 127 data responden yang terkumpul dalam penelitian ini,

responden yang mendominasi ialah dalam satu mingggu menggunakan E-

Money Bank Mandiri diatas 10 kali, yaitu sebanyak 45 orang (35,43%), dan

disusul dengan responden yang menggunakan 2-4 kali, yaitu sebanyak 28

orang (22,05%). Selanjutanya responden yang menggunakan 8-10 kali

sebanyak 27 orang (21,26%) dan responden yang menggunakan hanya satu

kali atau tidak sama sekali menggunakan sebanyak 22 orang (17,32%).

Jumlah responden yang paling rendah berasal dari yang menggunakan E-

Money Bank Mandiri 5-7 kali, yaitu sebanyak lima orang (3,94%). Dapat

dilihat pada gambar 4.7.

Gambar 4. 7 Diagram Lingkaran Intensitas Penggunaan E-Money Bank

Mandiri Responden (Dalam 1 Minggu)

17,32%

35,43%22,05%

3,94%

21,26%

Intensitas Penggunaan Uang Elektronik Responden (Dalam 1 Minggu)

<=1 Kali

>10 Kali

2 - 4 Kali

5 - 7 Kali

8 - 10 Kali

107

8) Jenis Transaksi

Dari 127 banyaknya data responden yang terkumpul dalam penelitian

ini, responden yang mendominasi menggunakan E-Money Bank Mandiri

untuk jenis transaksi tol, yaitu sebanyak 54 orang (42,52%), dan disusul

dengan responden yang menggunakan untuk transaksi kereta, yaitu

sebanyak 46 orang (36,22%). Posisi selanjutnya dengan responden yang

menggunakan untuk transaksi Bus sebanyak 22 Orang (17,32%). Jumlah

responden yang paling rendah menggunakan E-Money Bank Mandiri untuk

transaksi Belanja hanya sebanyak empat orang (3,15%) dan Parkir hanya

sebanyak satu orang (0,79%). Dapat dilihat pada gambar 4.8.

Gambar 4. 8 Diagram Lingkaran Jenis Transaksi Yang Digunakan

Responden

3,15%

17,32%

36,22%

0,79%

42,52%

Jenis Transaksi

Belanja

Bus

Kereta

Parkir

Tol

108

9) Nominal Uang Yang Dihabiskan Responden (Dalam 1 Minggu)

Sebanyak 127 data responden yang terkumpul dalam penelitian ini,

responden yang mendominasi menggunakan E-Money Bank Mandiri

dengan menghabiskan nominal 100-500 ribu rupiah, yaitu sebanyak 75

orang (59,06%). Jumlah responden yang paling sedikit menggunakan uang

elektronik menghabiskan kurang dari 100 ribu rupiah, yaitu sebanyak 52

orang (40,94%). Dapat dilihat pada gambar 4.9.

Gambar 4. 9 Diagram Lingkaran Nominal Uang Yang Dihabiskan

Responden (Dalam 1 Minggu)

Untuk lebih singkatnya, hasil analisis demografi pada penelitian ini

dapat dilihat pada tabel 4.1 dan gambar 4.10 dengan memperlihatkan nilai

pilihan dengan persentase tertinggi dan teremdah dari selurah data

responden yang terkumpul.

40,94%

59,06%

Nominal Uang Yang Dihabiskan Responden (Dalam 1 Minggu)

<100 Ribu

100 - 500 Ribu

109

Tabel 4.1 Tabel Demografi Responden Penggunaan E-Money Bank Mandiri

Demografi PILIHAN MAX Persentase

MAX

PILIHAN

MIN

Persentase

MIN

Jenis Kelamin Perempuan 55.12% Laki-laki 44.88%

Usia 17 - 26 Tahun 54.33% 38 - 47

Tahun 12.60%

Pendidikan

Terakhir S1 48.03% S3 0.79%

Kelurahan Ciputat 71.65% Cipayung 6.30%

Pekerjaan Pelajar/Mahasiswa 49.61% Wiraswasta 3.94%

Penggunaan E-

Money Bank

Mandiri

2 - 3 Tahun 33.07% >4 Tahun 6.30%

Intensitas

Pengguanaan

Uang

Elektronik

Responden

(Dalam 1

Minggu)

>10 Kali 35.43% 5 - 7 Kali 3.94%

Jenis Transaksi Tol 42.52% Parkir 0.79%

Nominal Uang

Yang

Dihabiskan

Responden

(Dalam 1

Minggu)

100 - 500 Ribu 59.06% <100 Ribu 40.94%

11

0

Gam

bar

4. 10 D

iagra

m D

emogra

fi P

enggunaa

n E

-Money

Ban

k M

andir

i

111

4.1.2 Hasil Analisis Pengukuran Model

Pada tahan ini dilakukan analisis pengukuran model (outer model) dimana

analisis pengukutan model ini mendefinisikan bagaimana setiap blok indikator

berhubungan dengan variabel latennya. Analisis pengukuran model terdiri dari

empat tahap pengujian. Empat tahap pengujian ini yaitu individual item realibility,

internal consistency reliability, average variance extracted, dan disciminant

validity. Analisis pengukuran model ini dilakukan menggunakan proses PLS

Algorithm pada Smart PLS 3.0. Berikut hasil analisis pengukuran model dijelaskan

dalam empat tahap.

1) Uji Individual Item Realibility

Tahap pengujian ini dilakukan dengan meninjau nilai standardized

loading factor. Nilai ini menggambarkan besar korelasi antara setiap

indikator dengan konstruknya dengan melihat nilai outer loading factor.

Untuk mendapatkan nilai outer loading factor dilakukan dengan melakukan

rumus berikut. Nilai loading factor di atas 0,7 dapat dikatakan valid sebagai

indikator yang mengukur konstruk.

Tabel 4. 2 Hasil Uji Loading Factor dengan SmartPLS

Indikator PE EE SI FC HM PV HT BI UB

PE1 0.872

PE2 0.916

PE3 0.910

PE4 0.883

EE1 0.948

EE2 0.903

EE3 0.919

SI1 0.911

SI2 0.909

SI3 0.856

112

Tabel 4. 2 Hasil Uji Loading Factor dengan SmartPLS lanjutan

Indikator PE EE SI FC HM PV HT BI UB

FC1 0.870

FC2 0.889

FC3 0.819

HM1 0.918

HM2 0.968 HM3 0.936

PV1 0.888

PV2 0.929

PV3 0.867 HT1 0.829

HT2 0.876

HT3 0.850

BI1 0.913 BI2 0.905 BI3 0.868 UB1 0.831

UB2 0.888

UB3 0.863

Dapat dilihat pada tabel 4.2 bahwa seluruh item memiliki loading factor

di atas 0,7, Maka dapat dinyatakan bahwa seluruh indikator penelitian sudah

valid untuk digunakan dalam model penelitian dan dapat dilanjutkan ke

pengujian selanjutnya.

2) Uji Internal Consistency Reliability

Tahap pengujian ini dilakukan dengan meninjau nilai composite

reliability (CR) dengan batas ambang di atas 0,7.

Tabel 4. 3 Hasil Uji Composite Reliability dengan SmartPLS

Variabel Composite Realibity (CR)

PE 0.942

EE 0.946

SI 0.922

113

Tabel 4. 3 Hasil Uji Composite Reliability dengan SmartPLS lanjutan

Variabel Composite Realibity (CR)

FC 0.895

HM 0.959

PV 0.924

HT 0.888

BI 0.924

UB 0.896

Dapat dilihat dari tabel 4.3 bahwa seluruh nilai CR di atas 0,7, maka

dapat dinyatakan bahwa seluruh variabel telah memenuhi syarat untuk

digunakan dan dapat dilanjutkan ke pengujian selanjutnya.

3) Uji Average Variance Extracted (AVE)

Tahap pengujian ini dilakukan dengan meninjau nilai average variance

extracted (AVE), dimana nilai ini menjelaskan besar varian atau keragaman

variabel manifes (indikator) yang dapat dikandung oleh variabel laten

(konstruk). Nilai AVE minimal 0,5 memperlihatkan ukuran convergent

validity yang baik. Artinya, variabel laten (konstruk) dan dapat menjelaskan

rata-rata lebih dari setengah variance dari indikator-indikatornya. Untuk

mendapatkan nilai AVE dapat dihitung melalui rumus berikut.

Tabel 4. 4 Hasil Uji Average Variance Extracted (AVE) dengan SmartPLS

Variabel Average Variance Extracted (AVE)

PE 0.801

EE 0.853

SI 0.565

FC 0.739

HM 0.886

PV 0.802

HT 0.726

BI 0.801

UB 0.741

114

Contoh perhitungan AVE PE = 0.895 * 0.895 = 0,801

Dapat diketahui dari tabel 4.4 bahwa seluruh nilai AVE memiliki nilai

yang lebih besar dari 0,5 sehingga dapat dikatakan bahwa seluruh variabel

memenuhi syarat untuk digunakan dan tidak ada masalah dalam uji AVE.

4) Uji Discriminant Validity

Tahap pengujian discriminat validity bisa melalui dua cara pemeriksaan

cross loading, yaitu cross loading antar indikator dan cross loading Fornell-

Lacker’s (Subiyakto et al., 2015; Subiyakto, 2017). Pemeriksaan cross

loading tiap indikator dilakukan dengan membandingkan hubungan

indikator dengan konstruknya dan konstruk blok lainnya. Bila korelasi

antara indikator dengan konstruknya lebih tinggi dari korelasi dengan

konstruk blok lainnya, hal ini menunjukkan konstruk tersebut memprediksi

ukuran pada blok mereka lebih baik dari blok lainnya. Selanjutnya dengan

memeriksa cross loading Fornell-Lacker’s yaitu dengan membandingkan

dengan nilai akar AVE, dimana nilai akar AVE harus lebih besar daripada

korelasi antara konstruk dengan konstruk lainnya. Hasilnya dapat dilihat

pada tabel 4.5 yang telah menunjukkan bahwa nilai cross loading indikator

yang diberi blok biru pada setiap variabel memiliki nilai lebih besar dari

korelasi dengan konstruk blok lainnya.

Tabel 4. 5 Hasil Uji Discriminant Validity (Cross Loading) dengan SmartPLS

Disscriminant

Validity PE EE SI FC HM PV HT BI UB

PE1 0.872 0.775 0.337 0.676 0.758 0.667 0.455 0.508 0.596

PE2 0.916 0.827 0.376 0.727 0.790 0.680 0.477 0.555 0.657

PE3 0.910 0.706 0.290 0.616 0.736 0.557 0.433 0.559 0.602

115

Tabel 4. 5 Hasil Uji Discriminant Validity (Cross Loading) dengan SmartPLS lanjutan

Disscriminant

Validity PE EE SI FC HM PV HT BI UB

PE4 0.883 0.637 0.199 0.687 0.687 0.597 0.382 0.473 0.596

EE1 0.764 0.948 0.254 0.771 0.730 0.636 0.419 0.522 0.525

EE2 0.749 0.903 0.292 0.689 0.635 0.603 0.312 0.408 0.530

EE3 0.774 0.919 0.270 0.709 0.699 0.645 0.432 0.496 0.545

SI1 0.296 0.250 0.911 0.220 0.414 0.393 0.355 0.475 0.382

SI2 0.325 0.317 0.909 0.336 0.432 0.471 0.304 0.451 0.414

SI3 0.286 0.215 0.856 0.224 0.357 0.426 0.294 0.441 0.353

FC1 0.695 0.766 0.224 0.870 0.652 0.574 0.486 0.554 0.611

FC2 0.724 0.771 0.261 0.889 0.735 0.622 0.452 0.514 0.575

FC3 0.526 0.484 0.266 0.819 0.628 0.587 0.409 0.578 0.539

HM1 0.721 0.673 0.402 0.716 0.918 0.668 0.593 0.717 0.732

HM2 0.814 0.740 0.446 0.720 0.968 0.773 0.504 0.706 0.698

HM3 0.816 0.699 0.423 0.771 0.936 0.782 0.438 0.632 0.655

PV1 0.553 0.591 0.407 0.554 0.598 0.888 0.397 0.521 0.491

PV2 0.679 0.681 0.449 0.684 0.783 0.929 0.487 0.692 0.675

PV3 0.632 0.538 0.434 0.603 0.711 0.867 0.372 0.510 0.596

HT1 0.460 0.442 0.122 0.610 0.469 0.326 0.829 0.591 0.639

HT2 0.442 0.358 0.314 0.345 0.436 0.427 0.876 0.631 0.569

HT3 0.353 0.290 0.465 0.383 0.490 0.455 0.850 0.714 0.588

BI1 0.502 0.410 0.476 0.508 0.609 0.554 0.659 0.913 0.679

BI2 0.589 0.589 0.434 0.680 0.746 0.619 0.654 0.905 0.669

BI3 0.484 0.393 0.462 0.525 0.605 0.579 0.726 0.868 0.695

UB1 0.669 0.583 0.413 0.636 0.762 0.592 0.511 0.653 0.831

UB2 0.554 0.509 0.299 0.584 0.617 0.554 0.668 0.662 0.888

UB3 0.549 0.396 0.402 0.510 0.534 0.568 0.634 0.652 0.863

Tabel 4. 6 Hasil Uji Discriminant Validity (Cross Loading Fornell-Lacker’s)

dengan SmartPLS

BI EE FC HM HT PE PV SI UB

BI 0.895

EE 0.519 0.924

FC 0.639 0.785 0.860

HM 0.730 0.748 0.781 0.941

HT 0.760 0.425 0.523 0.547 0.852

PE 0.587 0.825 0.755 0.831 0.489 0.895

PV 0.653 0.681 0.691 0.786 0.474 0.698 0.895

SI 0.511 0.292 0.291 0.450 0.357 0.339 0.481 0.893

116

Tabel 4. 6 Hasil Uji Discriminant Validity (Cross Loading Fornell-Lacker’s)

dengan SmartPLS lanjutan

BI EE FC HM HT PE PV SI UB

UB 0.761 0.577 0.670 0.740 0.703 0.685 0.663 0.429 0.861

Contoh untuk mendapat nilai Cross Loading BI

CL BI = ∑ 𝜆𝑖

2

𝐵𝑎𝑛𝑦𝑎𝑘 𝐼𝑛𝑑𝑖𝑘𝑎𝑡𝑜𝑟=

2,686

3= 0,895333 = 0,895

Pada tabel 4.6 memperlihatkan bahwa nilai akar AVE lebih besar daripada

korelasi antara konstruk dengan konstruk lainnya. Sehingga berdasarkan hasil

pemeriksaan dua tahap cross loading diketahui bahwa tidak ada masalah dalam

tahap uji discriminant validity.

117

Gambar 4. 11 Hasil Analisis Outer Model dengan SmartPLS

Gambar 4.11 Menunjukkan hasil analisis setelah melalui tahapan analisis

outer model. Berdasarkan empat tahap pengujian yang telah dilakukan pada analisis

pengukuran model (outer model) sebelumnya, dapat diketahui bahwa model yang

diajukan dalam penelitian ini sudah memiliki karakteristik yang baik secara stastik,

sesuai dengan syarat pada masing-masing tahapan yang ada pada pengukuran

model (individual item reliability, internal consistency reliability, average variance

extracted, dan discriminant validity). Sehingga dapat diambil kesimpulan dari hasil

analisis pengukuran model bahwa model tersebut memenuhi syarat untuk

dilanjutkan ke tahap pengujian model struktural (inner model).

118

4.1.3 Hasil Analisis Struktur Model

Struktural model (inner model) menggambarkan hubungan antar variabel

laten (kosntruk) berdasarkan pada teori substantif. Pada tahap analisis struktur

model ini dilakukan enam tahapan pengujian, yaitu pengujian path coefficient (β),

coefficient of determination (R2), t-test menggunakan metode bootstrapping, effect

size (f2), predictive relevance (𝑄2), dan relative impact (𝑞2). Analisis ini dilakukan

dengan melakukan proses bootsraping pada Smart PLS 3.0. Dimana bootsraping

merupakan prosedur non-parametik yang memungkinkan pengujian signifkasi

statistic hasil model PLS SE. hasil dari proseud ini berupa nilai uji Path Coefficient,

t-test, dan lain-lain.

1) Path Coefficient (β)

Pada tahap pengujian ini dilakukan dengan melihat nilai ambang batas

di atas 0,1, dimana jalur (path) dapat dikatakan mempunyai pengaruh dalam

model jika hasil pengujian path coefficient berada diatas 0,1.

Tabel 4. 7 Hasil Uji Path coefficient dengan SmartPLS

Hubungan antar Variabel (Jalur) Path Coefficient (β)

PE→ BI -0.093

EE→ BI -0.109

SI→ BI 0.146

FC→ BI 0.141

HM → BI 0.367

PV → BI 0.113

HT → BI 0.472

FC → UB 0.293

HT → UB 0.268

BI → UB 0.370

119

Dilihat dari tabel 4.7 bahwasanya terdapat delapan jalur yang memiliki

nilai di atas 0,1 yang berarti berpengaruh signifikan dalam model,

sedangkan dua jalur lainnya menunjukkan pengaruh yang tidak signifikan

yaitu PE→BI dan EE→BI.

2) Coefficient of Determination (R2)

Pada tahap pengujian ini dilakukan untuk menjelaskan varian dari tiap

target endogenous variabel (variabel yang dianggap dipengaruhi oleh

variabel lain dalam model) dengan standar pengukuran sekitar 0,670 sebagai

kuat, sekitar 0,333 moderat, dan 0,190 atau di bawahnya menunjukan

tingkat varian yang. Untuk mendapat nilai R2 dapat dihitung melalui:

Tabel 4. 8 Hasil Uji R-square dengan SmartPLS

Variabel R Square

Behavioral Intention 0.754

Use Behavior 0.667

Dilihat dari hasil uji coefficient of determination pada tabel 4.8 bahwa

nilai R2 variabel Behavioral Intention (BI) adalah 0,754 (75,4%) dan nilai

R2 variabel Use Behavior (UB) adalah 0,667 (66,7%). Dengan demikian

dapat diartikan bahwa kemampuan variabel independen menjelaskan secara

kuat (75,4%) varian dari BI. Sementara, kemampuan variabel independen

menjelaskan secara moderat (66,7%) varian dari UB.

3) T-test

Pada tahap pengujian t-test ini dilakukan melalui metode bootstrapping

pada SmartPLS, menggunakan uji two-tailed dengan tingkat signifikansi

120

10% untuk menguji hipotesis-hipotesis penelitian. Hipotesis tersebut akan

diterima jika memiliki t-test lebih besar dari 1,645. Untuk meperoleh nilai

t-test dapat dihitung melalui rumus berikut:

Tabel 4. 9 Hasil Uji T-test dengan SmartPLS

Hubungan antar Variabel (Jalur) T- test

PE→ BI 1.064

EE→ BI 1.177

SI→ BI 2.400

FC→ BI 1.575

HM → BI 4.083

PV → BI 1.908

HT → BI 8.134

FC → UB 4.991

HT → UB 2.531

BI → UB 3.165

Dilihat dari hasil pengujian t-test pada tabel 4.9 bahwa terdapat tiga

nilai t-test yang kurang dari 1,654 yaitu adalah hubungan antara variabel

PE→BI yang memiliki nilai t-test 1,064, EE→BI yang memiliki nilai t-test

1,177, dan FC→BI yang memiliki nilai t-test 1,575. Dengan kata lain hasil

ini menunjukkan bahwa dari 10 hipotesis terdapat tiga hipotesis yang tidak

diterima.

4) Effect Size (f2)

Pada tahap pengujian ini dilakukan untuk mengetahui pengaruh

variabel tertentu terhadap variabel lainnya dalam struktur model dengan

121

nilai ambang batas sekitar 0,02 untuk pengaruh kecil, 0,15 untuk menengah,

dan 0,35 untuk pengaruh besar.

Tabel 4. 10 Hasil Uji Effect Size dengan Samart PLS

Hipotesis f2 Keterangan

No Jalur R2-in R2-ex ∑ f2

H1 PE→ BI 0.754 0.752 0.007 Kecil

H2 EE→ BI 0.754 0.751 0.011 Kecil

H3 SI→ BI 0.754 0.739 0.059 Kecil

H4 FC→ BI 0.754 0.748 0.023 Kecil

H5 HM → BI 0.754 0.728 0.104 Kecil

H6 PV → BI 0.754 0.749 0.019 Kecil

H7 HT → BI 0.754 0.610 0.583 Besar

H8 FC → UB 0.667 0.617 0.150 Kecil

H9 HT → UB 0.667 0.637 0.090 Kecil

H10 BI → UB 0.667 0.619 0.144 Kecil

Contoh untuk mendapat nilai r2 pada jalur PE terhadap BI pada tabel 4.10

q2 PE→ BI = 0,754 − 0,752

1− 0,754=

0,002

0,246= −0,006534 = 0,007

Dapat dilihat dari pengujian effect size pada tabel 4.10 menunjukkan

pengujian f2 terhadap 10 jalur. satu jalur diantaranya memiliki pengaruh

besar yaitu HT→BI. Sisa 9 jalur lainnya memiliki pengaruh yang kecil.

5) Predictive Relevance (𝑄2)

Pada tahap pengujian ini dilakukan melalui metode blindfolding pada

SmartPLS untuk memberikan bukti bahwa variabel tertentu yang digunakan

dalam model mempunyai keterkaitan prediktif (predictive relevance)

dengan variabel lainnya dalam model dengan ambang batas pengukuran di

atas nol.

122

Tabel 4. 11 Hasil Uji Predictive Relevance dengan SmartPLS

Variabel Q Square

Behavioral Intention 0.548

Use Behavior 0.452

Dapat dilihat dari tahap pengujian predictive relevance pada tabel 4.11

bahwa 𝑄2dari semua variabel bernilai diatas nol, maka semua variabel

memiliki keterkaitan prediktif.

6) Relative Impact (𝑞2)

Pada tahqap pengujian ini dilakukan melalui metode blindfolding pada

SmartPLS untuk mengukur relatif pengaruh dari sebuah keterkaitan

prediktif suatu variabel tertentu dengan variabel lainnya dengan nilai

ambang batas sekitar 0,02 untuk pengaruh kecil, 0,15 untuk pengaruh

menengah/sedang, dan 0,35 untuk pengaruh besar. Rumus yang digunakan

untuk perhitungan 𝑞2 adalah sebagai berikut :

Tabel 4. 12 Hasil Uji Relative Impact dengan SmartPLS

Hipotesis q2 Keterangan

No Jalur Q2-in Q2-ex ∑ q2

H1 PE→ BI 0.548 0.551 -0.007 Kecil

H2 EE→ BI 0.548 0.546 0.004 Kecil

H3 SI→ BI 0.548 0.540 0.018 Kecil

H4 FC→ BI 0.548 0.545 0.007 Kecil

H5 HM → BI 0.548 0.533 0.033 Kecil

H6 PV → BI 0.548 0.546 0.004 Kecil

H7 HT → BI 0.548 0.455 0.206 Menengah

H8 FC → UB 0.452 0.422 0.055 Kecil

H9 HT → UB 0.452 0.436 0.029 Kecil

H10 BI → UB 0.452 0.417 0.064 Kecil

Contoh untuk mendapat nilai q2 pada jalur PE terhadap BI

q2 PE→ BI = 0,548 − 0,551

1− 0,551=

− 0,003

0,449= −0,00668 = − 0,007

123

Dari tabel 4.11 menunjukan hasil dari pengujian q2 terhadap 10 jalur

pada penelitian ini. Ditunjukkan bahwa jalur HT → BI memiliki pengaruh

menengah dan sisa jalur lainnya memiliki pengaruh yang kecil.

Maka dari hasil inner model, didapat hasil pengujian hipotesa yang dapat

dilihat pada gambar 4.11. Ringkasan hasil inner model dapat dilihat pada table 4.13

Gambar 4.11 Hasil Pengujian Hipotesa

12

4

Hip

ote

sis

β

t-t

est

R

2

f2

Q2

q2

An

aly

ses

No

J

alu

r R

2-i

n

R2-e

x

∑ f

2

Q2-i

n

Q2-e

x

∑ q

2

β

t-t

est

R

2

f2

Q2

q

2

H1

P

E→

BI

-0,0

93

1,0

64

0,7

54

0

,75

4

0,7

52

0,0

07

0,5

48

0,5

48

0,5

51

-0,0

07

Insi

gn

D

ito

lak

K

uat

k

P

red

icti

ve

Rel

evance

k

H2

E

E→

BI

-0,1

09

1,1

77

0,7

54

0

,75

4

0,7

51

0,0

11

0,5

48

0,5

48

0,5

46

0,0

04

Insi

gn

D

ito

lak

K

uat

k

P

red

icti

ve

Rel

evance

k

H3

S

I→ B

I 0

,14

6

2,4

00

0,7

54

0

,75

4

0,7

39

0,0

59

0,5

48

0,5

48

0,5

40

0,0

18

Sig

n

Dit

erim

a

Kuat

k

P

red

icti

ve

Rel

evance

k

H4

F

C→

BI

0,1

41

1,5

75

0,7

54

0

,75

4

0,7

48

0,0

23

0,5

48

0,5

48

0,5

45

0,0

07

Sig

n

Dit

ola

k

Kuat

k

P

red

icti

ve

Rel

evance

k

H5

H

M →

BI

0,3

67

4,0

83

0,7

54

0

,75

4

0,7

28

0,1

04

0,5

48

0,5

48

0,5

33

0,0

33

Sig

n

Dit

erim

a

Kuat

k

P

red

icti

ve

Rel

evance

k

H6

P

V →

BI

0,1

13

1,9

08

0,7

54

0

,75

4

0,7

49

0,0

19

0,5

48

0,5

48

0,5

46

0,0

04

Sig

n

Dit

erim

a

Kuat

k

P

red

icti

ve

Rel

evance

k

H7

H

T →

BI

0,4

72

8,1

34

0,7

54

0

,75

4

0,6

10

0,5

83

0,5

48

0,5

48

0,4

55

0,2

06

Sig

n

Dit

erim

a

Kuat

b

P

red

icti

ve

Rel

evance

m

H8

F

C →

UB

0

,29

3

4,9

91

0,6

67

0

,66

7

0,6

17

0,1

50

0,4

52

0,4

52

0,4

22

0,0

55

Sig

n

Dit

erim

a

M

k

Pre

dic

tive

Rel

evance

k

H9

H

T →

UB

0

,26

8

2,5

31

0,6

67

0

,66

7

0,6

37

0,0

90

0,4

52

0,4

52

0,4

36

0,0

29

Sig

n

Dit

erim

a

M

k

Pre

dic

tive

Rel

evance

k

H1

0

BI

→ U

B

0,3

70

3,1

65

0,6

67

0

,66

7

0,6

19

0,1

44

0,4

52

0,4

52

0,4

17

0,0

64

Sig

n

Dit

erim

a

M

k

Pre

dic

tive

Rel

evance

k

Tab

el 4

.13 R

ingk

asan

Has

il A

nal

isis

Str

uktu

ral

Model

(In

ner

Mod

el)

Ket

eran

gan

:

Sig

n

:

Sig

nif

ikan

Insi

gn

: T

idak

Sig

nif

ikan

K

:

Kuat

M

:

Moder

at

L

:

Lem

ah

b

:

Bes

ar

m

:

Men

engah

k

:

Kec

il

125

4.2 Interpretasi dan Diskusi Hasil Analisis

4.2.1 Interpretasi dan Diskusi Hasil Analisi Data Demografis

Dari hasil analisis informasi demografis profil responden yang sudah

dipaparkan pada subbab sebelumnya, peneliti melakukan interpretasi dan

mendiskusikan hasil analisisnya yaitu sebagai berikut:

1) Jenis kelamin

Berdasarkan pada gambar 4.1 yang ada pada analisis demografis

sebelumnya, dapat diketahui bahwa pada penelitian ini dari jumlah 127 data

responden responden perempuan lebih mendominasi yaitu sebanyak 70

orang (55,12%) dan sisanya berasal dari responden laki-laki, yaitu sebanyak

57 orang (44,88%). Ini bisa terjadi dikarenakan ketika peneliti

melaksanakan penyebaran kuesioner secara langsung, gender perempuan

cenderung lebih banyak yang setuju untuk mengisi kuesioner dibandingkan

gender laki-laki. Dan penyebaran kuesioner secara tidak langsung (online

via google form) responden dengan gender perempuan lebih banyak

berpartisipasi untuk mengisi kuesioner.

2) Usia

Berdasarkan pada gambar 4.2 yang ada pada analisis demografis

sebelumnya tentang usia responden, diketahui bahwa dari 127 data

responden yang digunakan dalam penelitian ini, responden terbanyak

berusia 17-27 tahun, yaitu sebanyak 69 orang (54,33%) dan disusul dengan

responden berusia 26-37 tahun dan diatas 47 tahun, yaitu sebanyak 21 orang

(16,54%). Jumlah responden yang paling sedikit berusia 38-47 tahun, yaitu

126

sebanyak 16 orang (12,60%). Maka peneliti beranggapan tingkat

penggunaan E-Money Bank Mandiri di Kecamatan Ciputat pada usia 17-27

lebih tinggi dimungkinkan karena penyebaran kusesioner lebih banyak

disebar kepada rentang usia tersebut dan pada rentang usia tersebut sudah

lebih mengenal E-Money Bank Mandiri.

3) Pendidikan Terakhir

Berdasarkan pada gambar 4.3 yang ada pada analisis demografis

sebelumnya tentang tingkat pendidikan responden bahwa dari 127 data

responden yang digunakan dalam penelitian ini, responden terbanyak

berasal dari tingkat pendidikan S1, yaitu sebanyak 61 orang (48,03%) dan

disusul dengan responden berasal dari tingkat pendidikan SLTA, yaitu

sebanyak 35 orang (27,56%). Selanjutnya dengan responden berasal dari

tingkat pendidikan Diploma, yaitu sebanyak 24 orang (18,90%). Jumlah

responden yang paling sedikit berasal dari tingkat pendidikan S2 sebanyak

6 orang (4,72%) dan S3 sebanyak satu orang (0,79%).. Dengan demikian

dapat disimpulkan bahwa mayoritas tingkat pendidikan responden

penelitian yaitu adalah S1. Ini disebabkan penyebaran kuesioner banyak

diberikan pada rentang usia 17-25 dimana Pendidikan terakhir minimal

kebanyakan S1 dan SMA pada rentang usia tersebut dan tingkat pendidikan

ini sudah memiliki banyak pengetahuan mengenai uang elektronik terutama

pada E-Money Bank Mandiri.

127

4) Kelurahan

Berdasarkan pada gambar 4.4 yang ada pada analisis demografis

sebelumnya tentang kelurahan sebagai lokasi tempat tinggal, bekerja,

sekolah, maupun kampus responden. Adapun dari 127 data responden yang

digunakan dalam penelitian ini, responden terbanyak berasal dari kelurahan

Ciputat, yaitu sebanyak 91 orang (71,65%). Kemudian berasal dari

kelurahan Jombang sebanyak 17 orang (13,39%). Diposisi selanjutnya

berasal dari kelurahan Serua sebanyak 11 orang (8,66%). Dan terakhir

berasal dari kelurahan Cipayung sebanyak delapan orang (6,30%). Lokasi

kelurahan hanya mewakili 4 kelurahan dari 7 kelurahan yang ada pada

kecamatan Ciputat sesuai dengan data pada BPS Kota Tangerang Selatan.

Hal ini disebabkan dikarenakan penyebaran kuesioner yang tidak merata

oleh peneliti.

5) Pekerjaan

Berdasarkan pada gambar 4.5 yang ada pada analisis demografis

sebelumnya tentang status pekerjaan responden diketahui bahwa dari 127

data responden yang digunakan dalam penelitian ini, responden terbanyak

berasal dari pelajar/mahasiswa, yaitu sebanyak 63 orang (49,61%) dan

disusul dengan responden berasal dari PNS, yaitu sebanyak 24 orang

(18,90%). Kemudian posisi selanjutnya berasal dari pekerjaan Karyawan

dan pekerjaan Lainnya sebanyak 12 orang (9,45%).Jumlah responden yang

lebih sedikit berasal dari Karyawan yaitu sebanyak 11 orang (11%) dan

paling sedikit berasal dari pekerjaan Wiraswasta sebanyak lima orang

128

(3,94%). Ini terjadi bisa dikarenakan sebagian besar kuesioner disebar

dikalangan mahasiswa kampus peneliti dan aktifitas pekerjaan responden

terdukung dengan penggunaan E-Money Bank Mandiri .

6) Penggunaan E-Money Bank Mandiri

Berdasarkan pada gambar 4.6 yang ada pada analisis demografis

sebelumnya tentang penggunaan E-Money Bank Mandiri bahwa dari 127

data responden yang digunakan dalam penelitian ini, responden terbanyak

telah menggunakan uang elektronik selama 2-3 tahun, yaitu sebanyak 42

orang (33,07%), dan disusul dengan responden yang telah menggunakan 3-

4 tahun, yaitu sebanyak 31 orang (24,41%). Pada gambar 4.7 menunjukkan

dari 127 data responden yang digunakan dalam penelitian ini, responden

terbanyak dalam satu mingggu menggunakan uang elektronik diatas 10 kali,

yaitu sebanyak 45 orang (35,43%), dan disusul dengan responden yang

menggunakan 2-4 kali, yaitu sebanyak 28 orang (22,05%). Pada gambar 4.8

menunjukkan bahwa dari 127 data responden yang digunakan dalam

penelitian ini, responden terbanyak menggunakan uang elektronik untuk

jenis transaksi tol, yaitu sebanyak 54 orang (42,52%), dan disusul dengan

responden yang menggunakan untuk transaksi kereta, yaitu sebanyak 46

orang (36,22%). Pada gambar 4.9 menunjukkan bahwa dari 127 data

responden yang digunakan dalam penelitian ini, responden terbanyak

menggunakan uang elektronik 100-500 ribu rupiah, yaitu sebanyak 75

orang (59,06%). Jumlah responden yang paling sedikit menggunakan uang

elektronik menghabiskan kurang dari 100 ribu rupiah, yaitu sebanyak 52

129

orang (40,94%). Maka peneliti menyimpulkan bahwa penggunaan E-

Money Bank Mandiri di kecamatan Ciputat mengalami peningkatan dalam

menggunakan E-Money Bank Mandiri dan kebanyakan pengguna telah

menggunakan uang elektronik sejak tahun 2015 dan penggunaannya

terbilang cukup sering dalam seminggunya dengan nominal uang yang

dikeluarkan cukup banyak yang digunakan dalam satu minggu.

4.2.2 Interpretasi dan Diskusi Hasil Pengukuran Model

Dari hasil analisis pengukuran model yang dipaparkan sebelumnya, hasil

akhirnya menunjukkan bahwa pada analisis pengukuran model dari model

penelitian ini telah memenuhi syarat dan memiliki karakteristik yang baik melalui

4 pengujian yaitu uji individual item reliability dimana pada pengujian ini nilai

faktor loading pada penelitian ini lebih besar dari 0,7 (Hair et al, 2012;

Ghozali,2014; Ghordan, 2016) yang dapatdilihat pada tabel 4.2 ,uji internal

consistency reliability dimana pada pengujian ini nilai composite reability

penelitian ini lebih besar dari 0,7 (Hair et al, 2012; Ghozali,2014; Ghordan, 2016)

yang dapat dilihat pada tabel 4.3 , uji average variance extracted dimana pada

pengujian ini nilai AVE penelitian ini lebih besar dari 0,7 (Ghozali,2014; Hair et

al, 2012) yang dapat dilihat pada tabel 4.4, dan uji discriminant validity dimana

pengujian ini korelasi antara indikator dengan konstruknya penelitian ini lebih

tinggi dari korelasi dengan konstruk blok lainnya (Hair et al, 2011; Ghozali,2014)

yang dapat dilihat pada tabel 4.5. Maka dari itu, analisis pengukuran model pada

penelitian layak untuk dilanjutkan ke tahap analisis struktur model untuk menguji

struktural model dari model penelitian ini.

130

4.2.3 Interpretasi dan Diskusi Hasil Struktural Model

Dari hasil analisis inner model akan diperlihatkan interpretasi dan diskusi

berdasarkan hasil dari enam tahapan analisis struktur model yaitu path coefficient

(β), coefficient of determination (R2), t-test menggunakan metode bootstrapping,

effect size (f2), predictive relevance (𝑄2), dan relative impact (𝑞2). Berikut adalah

pemaparan hasil analisis yang dilakukan dengan mengikuti pertanyaan-pertanyaan

penelitian dan hipotesis-hipotesis yang telah dirumuskan sebelumnya.

Tabel 4. 14 Hasil Uji Hipotesis dengan SmartPLS

Hipotesis β T-test

Keterangan

No Jalur β T-test

H1 PE→ BI -0.093 1.064 Tidak Signifikan Ditolak

H2 EE→ BI -0.109 1.177 Tidak Signifikan Ditolak

H3 SI→ BI 0.146 2.400 Signifikan Diterima

H4 FC→ BI 0.141 1.575 Signifikan Ditolak

H5 HM → BI 0.367 4.083 Signifikan Diterima

H6 PV → BI 0.113 1.908 Signifikan Diterima

H7 HT → BI 0.472 8.134 Signifikan Diterima

H8 FC → UB 0.293 4.991 Signifikan Diterima

H9 HT → UB 0.268 2.531 Signifikan Diterima

H10 BI → UB 0.370 3.165 Signifikan Diterima

Q1. Apakah Performance Expectancy (PE) berpengaruh terhadap

Behavioral Intention (BI)?

Untuk coefficient of determination (R2) dari jalur PE ke BI

dinyatakan kuat dengan nilai 0,754. Namun, dari hasil analisis inner model

yang dapat dilihat pada tabel 4.14, merujuk pada nilai t-test 1,064 yang

131

menunjukan bahwa H1 hubungan PE→BI ditolak, sehingga dapat diartikan

bahwa PE tidak memiliki pengaruh terhadap terhadap BI. Selain itu

didukung juga dengan hasil nilai path coefficient (β) -0,093 yang berarti PE

juga tidak berpengaruh secara signifikan terhadap BI tidak sesuai dengan

penelitian awal yang dilakukan Venkatesh et al. (2003), hal ini juga sejalan

dengan penelitian terdahulu lainnya (Liu & Huang, 2015; Malau, 2016:

Hikmah et al, 2018) dimana PE tidak berpengaruh secara signifikan

terhadap BI. Kemudian didukung dengan nilai effect size (f2) dan relative

impact (q2) yang menyatakan bahwa PE ke BI kecil. Hal ini bisa terjadi

dikarekan tidak dimasukkannya efek moderasasi age, gender, dan

experience seperti yang disarankan model UTAUT2. Kemudian

permasalahan pada penelitian ini penggunaan E-Money Bank Mandiri dapat

membantu dan mempermudah pengguna dalam peningkatan kinerja mereka

secara lebih efektif dan efisien, namu hal ini tidak berpengaruh kepada niat

pengguna untuk menggunakan E-Money Bank Mandiri. Hal ini didukung

dengan tingginya tingkat penggunaan pada transaksi Tol dimana di setiap

gerbang Tol telah diterapkan peraturan untuk menggunakan e-money. Tiap

gerbang tol tersebut semua dapat digunakan dengan kartu E-Money Bank

Mandiri. Hal ini yang menjadi salah satu faktor keharusan untuk

menggunakan E-Money Bank Mandiri. Kemudian, kepemilikan dari E-

Money Bank Mandiri merupakan paling tinggi diantaan jenis uang

elektronik lainnya dan E-Money Bank Mandiri merupakan uang elektronik

pertama yang keluar di Indonesia, sehingga dirasa pengguna hipotesis ini

132

tidak berimbas. Sehingga dapat disimpulkan bahwa H1 ditolak dalam

penelitian ini. Kemudian didukung dengan hasil demografi penelitian ini

yang menunjukkan pada umur pemakai terbanyak ialah jenjang 17-26 tahun

dan pekerjaan responden terbanyak ialah mahasiswa dimana rentang umur

dan pekerjaan tersebut tidak memiliki banyak kinerja yang dirasakan

dibanding dengan umur dan pekerjaan lainnya pada penelitian ini.

Q2. Apakah Effort Expectancy (EE) berpengaruh terhadap Behavioral

Intention (BI)?

Untuk coefficient of determination (R2) dari jalur EE ke BI

dinyatakan kuat dengan nilai 0,754. Namun, dari hasil analisis inner model

yang dapat dilihat pada tabel 4.14, merujuk pada nilai t-test menunjukan

bahwa H2 hubungan EE→BI ditolak dengan nilai 1,177, sehingga dapat

diartikan bahwa EE tidak memiliki pengaruh terhadap BI. Selain itu

didukung juga dengan hasil nilai path coefficient (β) -0,109 yang berarti EE

juga tidak berpengaruh secara signifikan terhadap BI, sejalan dengan

penelitian terdahulu lainnya (Sultan & Ramdhan, 2016; Gupta & Dogra,

2017). Kemudian didukung dengan nilai effect size (f2) dan relative impact

(q2) yang menyatakan bahwa EE ke BI kecil. Selain itu hal ini didukung

oleh pengamatan langsung oleh peneliti, bahwa pengguna mementingkan

hal kemudahan dalam menggunakan uang elektronik, semakin kecil upaya

yang dikeluarkan atau semakin mudahnya sistem mendorong pengguna

untuk menggunakan sistem. Namun, sejalan dengan hipotesis sebelumnya

bahwa penggunaan E-Money Bank Mandiri saat ini sudah menjadi

133

keharusan. Kemudian didukung dengan hasil demografi penelitian ini yang

menunjukkan pada umur pemakai terbanyak ialah jenjang 17-26 tahun

dimana jenjang umur tersebut sudah memiliki pengetahuan, tenaga, dan

waktu yang lebih besar atau biasa disebut usia produktif dibanding pada

jenjang umur lainnya. Sehingga dapat disimpulkan bahwa H2 ditolak dalam

penelitian ini.

Q3. Apakah Social Influence (SI) berpengaruh terhadap Behavioral

Intention (BI)?

Dari hasil analisis inner model yang dapat dilihat pada tabel 4.14,

merujuk pada nilai t-test menunjukan bahwa H3 hubungan SI→BI diterima

dengan nilai T-test 2,400 sehingga dapat diartikan bahwa SI memiliki

pengaruh positif terhadap BI. Untuk coefficient of determination (R2) dari

jalur SI ke BI dinyatakan kuat dengan nilai 0,754 sejalan dengan penelitian

terdahulu lainnya (Venkatesh, 2003; Venkatesh et al. 2012; Caroline, 2018;

). Selain itu didukung juga dengan hasil nilai path coefficient (β) 0,146 yang

berarti SI juga berpengaruh secara signifikan terhadap BI. Pada nilai effect

size (f2) dan relative impact (q2) menyatakan bahwa jalur SI ke BI kecil.

Q4. Apakah Facilitating Condition (FC) berpengaruh terhadap Behavioral

Intention (BI)?

Untuk coefficient of determination (R2) dari jalur FC ke BI

dinyatakan kuat dengan nilai 0,754. Namun, dari hasil analisis inner model

yang dapat dilihat pada tabel 4.14, merujuk pada nilai t-test 1,575

menunjukan bahwa H4 hubungan FC→BI ditolak, sehingga dapat diartikan

134

bahwa FC tidak memiliki pengaruh terhadap BI. Kemudian didukung

dengan nilai effect size (f2) dan relative impact (q2) yang menyatakan bahwa

FC ke BI kecil. Hal ini sesuai dengan penelitian sebelumnya (Azis & Kamal,

2016; Ramdhani et al, 2017) juga menyatakan bahwa FC tidak memiliki

hubungan signifikan terhadap niat pengguna. Hal ini dikarenakan walaupun

tersedianya pengetahuan, infrastruktur atau saranan dan prasarana yang

memadai, dan tenaga ahli dari pihak Bank Mandiri, penggunan tidak

merasakan pengaruh terhadap bpenggunaan E-Money Bank Mandiri

mereka.

Q5. Apakah Hedonic Motivation (HM) berpengaruh terhadap Behavioral

Intention (BI)?

Dari hasil analisis inner model yang dapat dilihat pada tabel 4.14,

memengarah pada nilai t-test 4,083 menunjukan bahwa H5 hubungan

HM→BI diterima. Hasil t-test itu didukung dengan hasil nilai path

coefficient (β) 0,367 yang berarti berpengaruh secara signifikan HM

terhadap BI. Untuk coefficient of determination (R2) dari jalur FC ke BI

dinyatakan kuat dengan nilai 0,754. Pada nilai effect size (f2) dan relative

impact (q2) yang menyatakan bahwa HM ke BI kecil. S ehingga dapat

diartikan bahwa HM memiliki pengaruh positif terhadap BI, hal ini juga

sesuai dengan penelitian sebelumnya (Venkatesh, et al. 2012; Huang &

Kao, 2014; Sabarkah, 2018).

Q6. Apakah Price Value (PV) berpengaruh terhadap Behavioral Intention

(BI)?

135

Dari hasil analisis inner model yang dapat dilihat pada tabel 4.14,

memengarah pada nilai t-test menunjukan bahwa H6 hubungan PV→BI

diterima. Selain itu didukung juga dengan hasil nilai path coefficient (β)

0,113 yang berarti PV juga berpengaruh secara signifikan terhadap BI.

Untuk coefficient of determination (R2) dari jalur PV ke BI dinyatakan kuat

dengan nilai 0,754. Pada nilai effect size (f2) dan relative impact (q2) yang

menyatakan bahwa PV ke BI kecil. Sehingga dapat diartikan bahwa PV

memiliki pengaruh positif terhadap BI. hal ini konsisten dengan penelitian

sebelumnya (Venkatesh, et al. 2012; Harsono & Suryana, 2014; Kurniabudi,

2016; Sabarkah, 2018). Hal ini juga didukung oleh pengamatan langsung

peneliti, dimana memang harga E-Money Bank Mandiri tergolong murah

dan transaksi menggunakan E-Money Bank Mandiri tidak memberatkan

pengguna dari segi biaya administrasi. Oleh karena itu peneliti menganggap

pengguna akan lebih tertarik dalam menggunakan E-Money Bank Mandiri

dalam bertransaksi.

Q7. Apakah Habit (HT) berpengaruh terhadap Behavioral Intention (BI)?

Dari hasil analisis inner model yang dapat dilihat pada tabel 4.14,

memengarah pada nilai t-test 8,134 menunjukan bahwa H7 hubungan

HT→BI diterima. Didukung dengan hasil nilai path coefficient (β) 0,472

yang berarti tingkat signifikan HT terhadap BI. Untuk coefficient of

determination (R2) dari jalur FC ke BI dinyatakan kuat dengan nilai 0,754.

Pada nilai effect size (f2) dinyatakan pula dengan nilai besar dan relative

impact (q2) yang menyatakan bahwa HT ke BI menengah. Sehingga dapat

136

diartikan bahwa HT memiliki pengaruh positif terhadap BI dan juga

merupakan variabel dengan pengaruh yang paling besar, hal ini sesuai

dengan penelitian sebelumnya yang dilakukan oleh peneliti sebelumnya

(Harsono & Suryana, 2014; Azis & Kamal, 2016; Kurniabudi, 2016; Gupta

& Dogra, 2017) yang menghasilkan tingkat signifikan HT terhadap BI kuat.

Q8. Apakah Facilitating conditions (FC) berpengaruh terhadap Use

Behavior (UB)?

Dari hasil analisis inner model yang dapat dilihat pada tabel 4.14,

memengarah pada nilai t-test menunjukan bahwa H8 hubungan FC→UB

diterima. Selain itu didukung juga dengan hasil nilai path coefficient (β)

0,293 yang berarti FC juga berpengaruh secara signifikan terhadap UB

Untuk coefficient of determination (R2) dari jalur FC ke UB dinyatakan

moderat dengan nilai 0,667. Pada nilai effect size (f2) dan relative impact

(q2) yang menyatakan bahwa FC ke UB kecil. Sehingga dapat diartikan

bahwa FC memiliki pengaruh positif terhadap UB, sesuai dengan penelitian

sebelumnya (Venkatesh et al. 2012; Hasrono & Suryana, 2014; Sabarkah,

2018).

Q9. Apakah Habit (HT) berpengaruh terhadap Use Behavior (UB)?

Dari hasil analisis inner model yang dapat dilihat pada tabel 4.14,

memengarah pada nilai t-test 2,531 menunjukan bahwa H9 hubungan

HT→UB diterima. Selain itu didukung juga dengan hasil nilai path

coefficient (β) 0,268 yang berarti HT juga berpengaruh secara signifikan

terhadap UB. Untuk coefficient of determination (R2) dari jalur HT ke UB

137

dinyatakan moderat dengan nilai 0,667. Pada nilai effect size (f2) dan relative

impact (q2) yang menyatakan bahwa HT ke UB kecil. sehingga dapat

diartikan bahwa HT memiliki pengaruh positif terhadap UB, hal ini sesuai

dengan penelitian sebelumnya yang dilakukan oleh peneliti sebelumnya

(Venkatesh, et al. 2012; Harsono & Suryana, 2014; Ramdhani et al., 2017;

Gupta & Dogra, 2017; Sabarkah, 2018) bahwa HT berpengaruh terhadap

UB.

Q10. Apakah Behavioral Intention (BI) berpengaruh terhadap Use Behavior

(UB)?

Dari hasil analisis inner model yang dapat dilihat pada tabel 4.14,

memengarah pada nilai t-test 3,165 menunjukan bahwa H10 hubungan

BI→UB diterima. Selain itu didukung juga dengan hasil nilai path

coefficient (β) 0,370 merupakan hasil nilai tertinggi dibandingkan dengan

yang lain yang berarti BI juga berpengaruh secara signifikan terhadap UB

sesuai dengan penelitian awal yang dilakukan Venkatesh et al. (2003).

Untuk coefficient of determination (R2) dari jalur UB ke BI dinyatakan

moderat dengan nilai 0,667. nilai effect size (f2) dan relative impact (q2) yang

menyatakan bahwa BI ke UB kecil. Sehingga dapat diartikan bahwa BI

memiliki pengaruh positif terhadap UB. Ini juga didukung dari penelitian

sebelumnya (Venkatesh, 2012; Wu, 2016; Gupta & Dogra, 2017; Sabarkah,

2018)

Maka, dari 10 question atau hipotesis penelitian ini hipotesis diterima ada

sebanyak tujuh hipotesis yaitu Social Influence (SI) berpengaruh terhadap

138

Behavioral Intention (BI) , Hedonic Motivation (HM) berpengaruh terhadap

Behavioral Intention (BI), Price Value (PV) berpengaruh terhadap Behavioral

Intention (BI), Habit (HT) berpengaruh terhadap Behavioral Intention (BI),

Facilitating conditions (FC) berpengaruh terhadap Use Behavior (UB), Habit (HT)

berpengaruh terhadap Use Behavior (UB), dan Behavioral Intention (BI)

berpengaruh terhadap Use Behavior (UB). Tiga dari 10 hipotesis pada penelitian

ini ditolak yaitu Performance Expectancy (PE) berpengaruh terhadap Behavioral

Intention (BI), Effort Expectancy (EE) berpengaruh terhadap Behavioral Intention

(BI), dan Facilitating Condition (FC) berpengaruh terhadap Behavioral Intention

(BI). Seluruh hipotesis ini dinyatakan memiliki Predictive Relevance terlihat dari

nilai Predictive Relevance (Q2) diatas nilai nol yang dapat dilihat pada table 4.13.

4.3 Rekomendasi Terhadap Evaluasi Pemggunaan E-Money Bank

Mandiri

Pada bagian ini peneiliti memaparkan rekomendasi-rekomendasi terhadap

eveluasi faktor-faktor penggunaan E-Money Bank Mandiri. Rekomendasi-

rekomendasi ini dapat dijadikan acuan untuk meningkatkan performasi dan kualitas

E-Money Bank Mandiri, agar posisi sebagai e-money yang paling banyak

digunakan dapat dipertahankan.

1. Performance Expectancy (PE)

Dari faktor ini peneliti tidak menemukan pengaruh terhadap niat

menggunakan E-Money Bank Mandiri berdasarkan hasil interprestasi

analisis structural model pada hipotesis Q1 bahwasanya PE tidak

berpengaruh terhadap BI. Namun, bukan tidak mungkin untuk selalu

139

meningkatkan performa E-Money Bank Mandiri kedepannya. Karena,

semakin banyak e-money yang telah beredar yang mungkin performanya

bisa lebih baik dibandingE-Money Bank Mandiri. Performa yang dapat

ditingkat dari segi keamaan data dan kecepatan pembaca transaksi sehingga

ketika konsumen menggunakan E-Money mereka dapat meningkatkan

efektifitas kinerja mereka.

2. Effort Expectancy (EE)

Dari faktor ini peneliti tidak menemukan pengaruh terhadap niat

menggunakan E-Money Bank Mandiri berdasarkan hasil interprestasi

analisis structural model pada hipotesis Q2 bahwasanya EE tidak

berpengaruh terhadap BI. Namun sama halnya dengan faktor sebelumnya,

mungkin pengguna sudah merasakan kemudahan penggunaan E-Money

bank Mandiri. Rekomendasi kedepannya Bank Mandiri dapat berkerja

dengan intansi atau perusahaan dalam memudahkan pekerjaan pengguna

dalam bertransaksi baik dari segi finansial mapun beban usaha yang

dikeluarkan pengguna dan juga agar konsumen dapat lebih mudah untuk

memahami dan mempelajari penggunaan E-Money Bank Mandiri..

3. Social Influence (SI)

Dari faktor ini peneliti menemukan pengaruh yang signifikan terhadap

penggunaan E-Money Bank Mandiri berdasarkan hasil interprestasi analisis

structural model pada hipotesis Q3 bahwasanya SI berpengaruh terhadap

BI. Rekomendasi yang dapat peneliti berikan terkait dengan faktor ini ialah

diperbanyak sosialisasi maupun penyebaran informasi yang diterima

140

masyrakat. Informasi ini dapat dijadikan acuan sebagai dasar untuk

mempengaruhi masyarakat untuk menggunakan E-Money Bank Mandiri.

4. Facilitating Condition (FC)

Dari faktor ini peneliti tidak menemukan pengaruh terhadap

penggunaan E-Money Bank Mandiri berdasarkan hasil interprestasi analisis

structural model pada hipotesis Q4 bahwasanya FC tidak berpengaruh

terhadap BI. Namun peneliti menemukan pengaruh yang signifikan

terhadap niat menggunakan E-Money Bank Mandiri berdasarkan hasil

interprestasi analisis structural model pada hipotesis Q8 bahwasanya FC

berpengaruh terhadap UB. Rekomendasi dari faktor ini ialah lebih diperluas

dan diperbanyak lagi jangkauan transkasi yang dapat dilakukan

menggunakan E-Money Bank Mandiri. Diperbanyak pula merchant atau

partner yang dapat bekerja sama untuk meningkatkan jalannya transaksi

E_Money Bank Mandiri.

5. Hedonic Motivation (HM)

Dari faktor ini peneliti menemukan pengaruh terhadap penggunaan E-

Money Bank Mandiri berdasarkan hasil interprestasi analisis structural

model pada hipotesis Q5 bahwasanya HM berpengaruh terhadap BI.

Rekomendasi dari faktor ini yang dapat peneliti berikan ialah memberikan

banyak pilihan bentuk dan desain yang baru pada E-Money Bank Mandiri,

sehingga desain produk tidak baku yang itu-itu saja. Pengguna dapat

memberikan desain nya sendiri untuk kartu yang mereka gunakan. Hal ini

dapat mengingkatkan nilai trendy pada E-Money Bank Mandiri.

141

6. Price Value (PV)

Dari faktor ini peneliti menemukan pengaruh terhadap penggunaan E-

Money Bank Mandiri berdasarkan hasil interprestasi analisis structural

model pada hipotesis Q6 bahwasanya PV berpengaruh terhadap BI.

Rekomendari terhadapt faktor ini adalah diberikannya promo potongan atau

cashback dari suatu transaksi kepada pengguna. Hal ini dapat dilakukan

dengan melakukan kerja sama dari berbagai merchant maupun partner Bank

Mandiri.

7. Habit (HT)

Dari faktor ini peneliti tmenemukan pengaruh terhadap penggunaan dan

niat menggunakan E-Money Bank Mandiri berdasarkan hasil interprestasi

analisis structural model pada hipotesis Q7 dan Q9 bahwasanya HT

berpengaruh terhadap BI dan UB. Rekomendasi ini pada faktor ini ialah

mengikuti dari faktor yang lainnya, dikarenak kebiasaan pengguna untuk

menggunakan E-Money Bank Mandiri tergantung terhadap faktor lainnya.

Sehingga ketika pengguna sudah sering menggunakan E-Money Bank

Mandiri dikarenakan banyak manfaat yang diterima pengguna menjadi

kebiasaan pengguna untuk menggunakan Bank Mandiri.

8. Behavioral Intention (BI)

Dari faktor ini peneliti tmenemukan pengaruh terhadap niat

menggunakan E-Money Bank Mandiri berdasarkan hasil interprestasi

analisis structural model pada hipotesis Q10 bahwasanya BI berpengaruh

terhadap UB. Rekomendasi ini pada faktor ini ialah upaya mandiri untuk

142

dapat mempertahakan pengguna untuk tetap dikemudian hari maupun

setrusnya pengguna tetap menggunakan E-Money Bank Mandiri menjadi

suatu keseharian pengguna. Dari penelitian yang peneliti dapat bahwasanya

intesitas penggunaan dominan dengan lebih dari 10 kali transkasi. Hal ini

dikarekan intesitas yang tinggi atau berulang dapat mempertahankan

pengguna untuk tetap menggunakan E-Money Bank Mandiri seterusnya.

Semua rekomendasi ini dapat diterima untuk dijadikan bahan pertimbangan

untuk meningkatkan E-Money Bank Mandiri kedepannya. Rekomendasi-

rekomendasi ini dapat dilihat secara singkat pada tabel 4.15 berikut.

Tabel 4.15 Rekomendasi Singkat E-Money Bank Mandiri

No. Faktor - Faktor Dasar Hipotesis

Penelitian Rekomendasi

1. Performance

Expectancy (PE) Q1 Ditolak

Meningkatkan performa yang dapat

ditingkat dari segi keamanan data dan

kecepatan pembaca transaksi sehinggan

kinerja pengguna lebih efektif.

2. Effort

Expectancy (EE) Q2 Ditolak

Bank Mandiri dapat menambah kerja sama

dengan intansi atau perusahaan lain

3. Social Influence

(SI) Q3 Diterima

Memperluas sosialisasi maupun penyebaran

informasi yang dapat diterima masyarakat

4. Facilitating

Condition (FC)

Q4 Ditolak

Q8 Diterima

Diperluas dan diperbanyak lagi jangkauan

transkasi yang dapat dilakukan

menggunakan E-Money Bank Mandiri

seperti menambah merchant dengan

memanfaatkan transaksi E-Money Bank

Mandiri

5. Hedonic

Motivation (HM) Q5 Diterima

Membuat desain baru atau menerima desain

dari konsumen

6. Price Value (PV) Q6 Diterima Memberikan promo potongan atau cashback

dari suatu transaksi kepada pengguna

7. Habit (HT) Q7 & Q9 Diterima

Mengikuti rekomendasi faktor-faktor

lainnya agar kedepannya terbiasa untuk

menggunakan E-Money bank Mandiri

8. Behavioral

Intention (BI) Q10 Diterima

Mengikuti rekomendasi faktor-faktor

lainnya agar kedepannya terbiasa untuk

menggunakan E-Money bank Mandiri

143

143

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil penelitian yang telah peneliti lakukan, maka beberapa

kesimpulan yang dapat peneliti berikan sebagai berikut :

1) Dari 127 data responden, 33,07% responden telah menggunakan E-

Money Bank Mandiri selama 2-3 tahun dan 35,43% responden

menggunakan E-Money bank Mandiri sebanyak lebih dari 10 kali

dalam seminggu. Kemudian, 42,52% responden menggunakan E-

Money Bank Mandiri untuk bertransaksi pembayaran tol dan dengan

persentase 59,06% telah menghabiskan 100-500 ribu rupiah untuk

bertransaksi menggunakan E-Money Bank Mandiri. Sehingga dapat

disimpulkan bahwa pengguna E-Money Bank Mandiri di Kecamatan

Ciputat sudah cukup optimal dalam evaluasi penggunaan E-Money

Bank Mandiri. Terlihat bahwa persentase menunjukkan pada angka

penggunaan yang cukup tinggi.

2) Mayoritas hipotesis dalam penelitian ini diterima sebanyak tujuh

hipotesis yaitu FC→UB, SI→BI, HM→BI, PV→BI, HT→BI, HT→BI,

dan BI→UB. Tujuh hipotesis ini memiliki nilai path coefficient dan t-

test diatas ambang batas. Sedangkan tiga hipotesis yang ditolak ialah

PE→BI, EE→BI, dan FC→BI. Hipotesis ini dinyatakan ditolak karena

ketiga hipotesis ini memiliki nilai dibawah ambang batas.

144

3) Variabel dengan pengaruh terbesar ialah Habit (HT) terhadap

Behavioral Intention (BI) diikuti oleh Hedonic Motivation (HM)

terhadap Behavioral Intention (BI) dan Facilitating Condition (FC)

terhadap Use Behavior (UB). Sedangkan pengaruh yang paling kecil

ialah variabel Effor Expectancy (EE) terhadap Behavioral Intention (BI)

diikuti oleh Performance Ecpectancy (PE) terhadap Behavioral

Intention (BI) dan Facilitating Condition (FC) terhadap Behavioral

Intention (BI).

4) Variabel Habit memiliki pengaruh paling besar didasari dengan

kebiasaan pengguna menggunakan E-Money Bank Mandiri yang cukup

rutin dilihat dari analisis demografi dari intesitas penggunaan lebih dari

10 kali dalam seminggu. Sedangkan, variabel dengan pengaruh terkecil

ialah Effort Expectancy didasari dengan pengguna merasakan beberapa

masalah yang telah disebutkan dalam identifikasi masalah. Dimana

pengguna malah mengeluarkan upaya lebih besar untuk meggunakan E-

Money Bank Mandiri yang bertolak belakang dengana indikator-

indikator variabel Effort Expectancy.

Berdasarkan hasil temuan itu juga dapat disimpulkan bahwa penelitian

ini telah memberikan kontribusi/manfaat, berupa :

1) Secara teori, penelitian ini telah mengadaptasi model evaluasi

penggunaan pengguna UTAUT 2 sesuai dengan penelitian yang

dikemukan oleh Venkatesh et al pada tahun 2012. Pengembangan

model UTAUT2 dari UTAUT sebelumnya difokuskan untuk

145

penggunaan konsumen, dimana konsumen sebagai focus objek utama

dalam model ini.

2) Secara metodologi, penelitian ini juga berperan dalam mendorong

pemanfaatan metode kuantitatif dalam penyusunan skripsi di Program

Studi Sistem Informasi UIN Syarif Hidayatullah Jakarta.

3) Secara praktis, hasil penelitian ini dapat menjadi bahan pertimbangan

bagi pihak Bank Mandiri untuk mengembangkan lagi E-Money Bank

Mandiri untuk bisa lebih baiklagi dan mempertahankan posisi uang

elektronik dengan pengguna terbanyak.

Berdasarkan hasil temuan itu juga dapat disimpulkan bahwa penelitian

ini memiliki keterbatasan, berupa :

1) Menggunakan jumlah sampel yang terbilang sedikit.

2) Cakupan penyebaran kuesioner kecil hanya pada Kecamatan Ciputat.

3) Tidak dimasukkannya isu-isu terkini terhadap penggunaan E-Money

Bank Mandiri diluar dari pertanyaan model penelitian yang dapat

dijadikan justifikasi pendukung hipotesis.

4) Masih terdapat data yang tidak valid dikarenakan penyebaran kuesioner

yang lebih banyak menggunakan media online.

5) Penyebaran kuesioner tidak merata di semua kalangan umur, pekerjaan,

dan lokasi.

5.2 Saran

Untuk dapat mengembangkan hasil penelitian selanjutnya, maka peneliti

memaparkan beberapa saran sebagai berikut:

146

1) Saran untuk peneliti selanjutnya

a. Penyebaran kuesioner lebih diperbanyak dengan cara tatap muka

langsung dengan responden. Sehingga responden dapat penjelasan

langsung mengenai item-item pernyataan yang ada saat pengisian

kuesioner guna menghindari kesalahpahaman terhadap pernyataan

yang ada dalam kuesioner.

b. Diharapkan untuk peneliti selanjutnya agar mendapatkan data

yang cakupannya lebih luas, tidak membatasi kriteria responden

yang dicari, dan dapat mengklasifikasi penyebaran kuesioner seara

merata.

c. Kedepannya dapat mengambil objek dari pengguna yang lebih

sedikit agar memberikan rekomendasi kepeada penerbit agar dapat

meningkatkan jumlah pengguna uang elektroniknya.

d. Menambahkan dan Mengembangakan model UTAUT2 sehingga

terdapat berbagai persfektif baru terkait penggunaan objek yang

diteliti.

2) Saran untuk pihak Bank Mandiri ialah dapat melihat rekomendasi dari

pengaruh yang dihasilkan dari penelitian ini. Rekomendasi-

rekomendasi yang ada pada penelitian ini diharapkan menjadi salah satu

bahan pertimbangan bagi Bank Mandiri untuk meningkatkan terus E-

Money Bank Mandiri kedepannya. Sehingga, E-Money Bank Mandiri

dapat mempertahankan posisi teratasnya sebagai uang elektronik

dengan pengguna terbanyak

147

−

−

147

DAFTAR PUSTAKA

Afthanorhan, W. M. (2013). A Comparison Of Partial Least Square Structural

Equation Modeling (PLS-SEM) and Covariance Based Structural Equation.

International Journal of Engineering Science and Innovative Technology,

vol. 2, no. 5, pp. 198-205.

Ajzen, I. (1988). Attitudes, Personality, and Behavior. Milton Keynes: Open

University Press.

Alotaibi, S. J. & Wald, M. (2013). Evaluation of the UTAUT Model for Acceptence

User Experiences in e-Government Physical and Virtual Identity Access

Management Systems. ICITST, pp. 232-237.

Alawadhi, S. & Morris, A. (2008). The Use of the UTAUT Model in the Adoption

of E-Government Service in Kuwait. IEEE, pp. 1-11.

Alwi, H. (2002). Kamus Besar Bahasa Indonesia (KBBI) Edisi Ketiga. Jakarta:

Balai Pustaka

Ananda, R. M., Kamalah, & Azhar, A. (2014). Faktor-faktor yang mempengaruhi

Kinerja Sistem Informasi Akuntansi pada Perbankan di Kota Pekanbaru.

JOMFEKON, vol. 1, no. 2, pp. 1-15.

Arikunto, S., Jabar, C., & Abdul, S. (2010). Evaluasi Program Pendidikan,

Pedoman, Teoritis, dan Praktis Bagi Mahasiswa dan Praktisi Pendidikan.

Jakarta: Bumi Aksara,

Azis, E. & Kamal, R. M. (2016). Adopsi Teknologi Belanja Online Oleh Konsumen

UMKM dengan Model Unified Theory of acceptence and Use of Technology

2. Bandung: Universitas Telkom.

Badan Pusat Statistik Kota Tangerang Selatan. Diakses dari

https://tangselkota.bps.go.id.

Bandura, A. (1977). Social Learning Theory. Prentice-Hall, Inc., New Jersey

Bank International Settlement (BIS). (1996). Implications For Central Banks Of

The Development Of Electronic Money. BIS Journal. Diakses dari

https://www.bis.org/publ/bisp01.htm

Bank Indonesia. (2014). Siaran Pers Bank Indonesia. Diakses dari

http://www.bi.go.id/id/ruang-media/siaran-pers/Pages/sp_165814.aspx

Bank Mandiri. (2012). Mandiri E-Money. Diakses dari

https://www.bankmandiri.co.id/e-money.

148

Bahri, A. S. (2010). Konsep Uang Elektronik Dan Peluang Implementasinya Pada

Perbankan Syariah (Studi Kritis Terhadap Peraturan Bank Indonesia

Nomor 11/12/PBI/2009 tentang Uang Elektronik). Jakarta: UIN Syarif

Hidayatullah.

Brown, S. A. & Venkatesh, V. (2005). Model of Adoption of Technology in the

Household: A Baseline Model Test and Extension Incorporating Household

Life Cycle. MIS Quarterly, vol. 29, no. 4, pp. 399-426.

Caroline, B. M. (2017). Analisis Penerimaan Pengguna Terhadap Sistem Aplikasi

Service Desk (SASD). Jakarta: UIN Syarif Hidayatullah Jakarta.

Cermati. (2017). Bayar Tol Wajib Gunakan E-Money Berlaku Oktober 2017.

Dikases di https://www.cermati.com/artikel/bayar-tol-wajib-gunakan-e-

money-berlaku-oktober-2017.

Champion, D. J. (1981). Basic Stastistic for Social Research, 2th Edition. Ohio:

South-Western Publishing Co.

Childers, T. L., Carr, C. L., Peck, J., & Carson, S . (2001). Hedonic and Utilitarian

Motivations for Online Retail Shopping Behavior. Journal of Retailing, vol.

77, no. 4, pp. 511-535.

Compeau, D. R. (1995). Computer Self-Efficacy: Development of a Measure and

Initial Test. MIS Quaterly, vol. 19 no. 2, pp. 189-211. .

Compeau, D. R. (1999). Social Cognitive Theory and Individual Reactions to

Computing Technology: A Longitudinal Study. MIS Quaterly, vol. 23, no.

2, pp. 145-158.

Dailysocial. (2017). Transaksi Uang Elektronik Januari-Juli 2017 Naik 58 Persen.

Diakses dari

https://databoks.katadata.co.id/datapublish/2017/09/06/transaksi-uang-

elektronik-januari-juli-2017-naik-58-persen.

Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User

Acceptance of Information Technology. MIS Quaterly, vol. 13, no. 3, pp.

319-340.

Davis, F. D., Bagozzi, R., & Warshaw, P. R. (1992). Extrinsic and Intrinsic

Motivation to Use Computer in the Workplace1. Journal of Applied Social

Psychology, vol. 22, no. 14 , pp. 1111-1132.

Davis, F. D. & Venkatesh, V. (2000). A theoretical extension of the technology

acceptance model: Four longitudinal field studies. Management Studies, vol

46, no. 2, pp. 186-204.

149

Dharma, V. (2012). Model Perilaku Penggunaan TIK pada UMKM di Wilayah

Bekasi dengan Menggunakan Pendekatan UTAUT. Depok: Universitas

Gunadarma

Dinsosnaker Trans Kota Tangerang Selatan. (2010). Diakses dari

http://tangsel.weebly.com. Pada tanggal 07 Februari 2018

Fishbein, M. & Ajzen, I. (1975). Belief, Attitude, Intention, and Behavior: An

Introduction to Theory and Research. Reading, MA: Addison-Wesley

Frank, D. & Milkovic, M. (2018). Evaluation of Electronic Programme Guide

Adoption Using UTAUT2 Based Model. Technical Gazette, vol. 25, no. 3,

pp. 884-890.

Garson, G. D. (2016). Partial Least Square: Regresion & Structural Equation

Models. USA: Statistical Assiciates Publishing.

Gayatrie, M. S., Kusyanti, A. & Saputra, M. C. (2017). Analisis Penerimaan Os

Windows 10 Dengan Unified Theory of Acceptance and Use of Technology

(UTAUT2). Jurnal Pengembangan Teknologi Informasi dan Ilmu

Komputer, vol. 1, no. 6, pp. 514-523.

Ghozali, I. (2011). Aplikasi Analisis Multivariate dengan Program SPSS.

Semarang: Badan Penerbit Universitas Diponegoro.

Ghozali, I. (2014). Structural Equation Modeling, Metode Alternatif dengan

Partial Least Square (PLS) Edisi 4. Semarang: Badan Penerbit Universitas

Diponegoro.

Ghozali, I. & Latan, H. (2015). Partial Least Square:Konsep, Teknik dan Aplikasi

Menggunakan SmartPLS 3.0 Edisi 2. Semarang: Universitas Dipenogoro.

Gupta, A. & Dogra, N. (2017). Tourist Adoption of Mapping Apss: A UTAUT2

Perspective of Smart Travellers. Tourism and Hospitality Management. vol.

23, no. 2, pp. 145-161.

Guritno, S., Sudaryono & Rahardja, U. (2011). Metodologi Penelitian Teknologi

Informasi. Yogyakarta: Penerbit ANDI.

Hadi, S. (2016). Statistik. Jakarta: Pustaka Pelajar.

Hair, J. F. (2012). An Assessment Of The Use Of Partial Least Squares Structural

Equation Modeling In Marketing Research. Journal of the academy of

marketing science, vol. 40, no. 3, pp. 414-433.

150

Harsono, L. D. & Suryana, L. A. (2014). Factors Affecting the Use Behavior of

Social Media Using UTAUT 2 Model. Proceedings of the First Asia-Pacifif

Conference on Global Business, Economics, Finance and Social Sciences

(AP14Singapore Conference), pp. 1-14.

Hidayati, S. (2006). Operasional E-Money. Bank Indonesia

Hikmah, A. F., Kusyanti, A. & Perdanakusuma, A. R. (2018). Analisis Faktor-

Faktor Yang Memengaruhi Perilaku pengguna Massenger ABC dalam

Penerimaan Informasi pada Lembaga XYZ dengan Menggunakan UTAUT

(Unified Theory of Acceptence and Use of technology). Malang: Universitas

Brawijaya.

Huang, C. Y. & Kao, Y. S. (2015). UTAUT2 Based Predictions of Factors

Influencing the Technology Acceptence of Phablets by DNP. Mathematical

Problems in Engineering, vol. 2015, no. 1, pp. 1-23.

Huda, M. Q. & Hussin, H. (2016). Evaluation model of Information Technology

innovation effectiveness case of higher education institutions in Indonesia.

In Informatics and Computing (ICIC). IEEE, pp. 221-226.

Hussein, A. S. (2015). Penelitian Bisnis dan Manajemen Menggunakan Partial

Least Square (PLS) dengan SmartPLS 3.0. Malang: Universitas Brawijaya.

Indra, N. (2018). 6 Masalah Penggunaan E-Money di Jakarta, Pelajaran untuk Sri

Binta Pura. Batamnews. Diakses https://www.batamnews.co.id/berita-

34084-6-masalah-penggunaan-emoney-di-jakarta-pelajaran-untuk-sri-

bintan-pura.html.

Indrawan, R. & Yaniawati, R. P. (2014). Metodologi Penelitian Kuantitatif,

Kualitatif, dan Campuran Untuk Manajemen, Pembangunan, dan

Pendidikan. Bandung: Penerbit PT Refika Aditama

Instrumen Pembayaran Nontunai. Diakses di http://www.bi.go.id/id/sistem-

pembayaran/instrumen-nontunai/unik/Contents/Default.aspx. Pada tanggal

30 Desember 2017.

Jati, N. J. & Laksito, H. (2012). Analisis Faktor-faktor yang Mempengaruhi Minat

Pemanfaatan Dan Penggunaan Sistem E-Ticket. Diponogoro Journal of

Accounting, vol. 1, no. 2, pp. 1-14.

Kalamatianou, M A & Malamateniou, F. (2017). An Extended UTAUT2 Model for

e-Government Project Evaluation. IARIA, pp. 48-54.

Kotler, P. (2009). Manajemen Pemasaran, Edisi 13. Jakarta: Erlangga.

151

Kotler, P. & Keller, K. L. (2008). Manajemen Pemasaran, Jilid I. Jakarta: Erlangga.

Kusuma, V. (2015). Pengembangan dan Analisis Kualitas Sistem Informasi

Ekstrakulikuler Berbasis WEB dia SMANegeri 1 Purbalingga. Yogyakarta:

UNY.

Limayem, M., Hirt, S. G., & Cheung, C. M. K. (2007). How Habit Limits The

Predictive Power Of Intention: The Case Of Information Systems

Continuance. MIS Quarterly, vol. 31, no. 4, pp. 705-737.

Liu, Y. C. & Huang, Y. M. (2015). Using the UTAUT model to examine the

acceptance behavior of synchronous collaboration to support peer

transaltion. JALT CALL, vol. 11, no. 1, pp. 77-91.

Malau, Y. (2016). Analisis Penerimaan Rail Ticket System pada PT.KAI dengan

Menggunakan Model UTAUT. PARADIGMA, vol. XVIIII, no. 2, pp. 102-

112.

Katadata. (2017). Mandiri e-Money, Uang Elektronik Terpopuler di Indonesia.

Diakses di https://databoks.katadata.co.id/datapublish/2017/10/27/mandiri-

e-money-uang-elektronik-terpopuler-di-indonesia.

Moore, G. C. & Benbasat, I. (1991). Development of an Instrument to Measure the

Perceptions of Adopting an Information Technology Innovation.

Information Systems Research, vol. 2, no. 3, pp. 192-222.

Narh, J. T. A. & Williams, P. A. H. (2012). A revised UTAUT model to investigate

E-Health acceptance of health professionals in Africa. JETCIS, vol. 2, no.

10, pp. 1383-1391

Nasir, M. (2013). Evaluasi Penerimaan Teknologi Informasi Mahasiswa di

Palembang Menggunakan Model UTAUT. SNATI, pp. 36-40.

Pikkarainen, T., Pikkarainen, K., Karjalouto, H., & Pahnila, S. (2004). Consumer

Acceptence of Online Banking: An Extension oh The Technology

Acceptence Model. Internet Research, vol. 14, no. 3, pp, 224-235.

Pratama, A. E. (2014). Sistem Informasi dan Implementasinya. Bandung:

Informatika Bandung,

Ramdhani, A. B., Rachmawati, I., & Prabowo, F. S. A. (2017). Pengaruh Adopsi

Teknologi Layanan Uang Elektronik Telkomsel Cash Menggunakan

Pendektan UATUT2. Bandung: Universitas Telkom.

Ringle, C. M., Sarstedt, M., & Straub, D. W. (2012). A Critical Look at The Use

of PLS-SEM. MIS Quarterly, vol. 36, no. 1, pp. 3-14.

152

Rogers, E. M. (1962). Diffusion and Innovation. The Free Press: New York.

Roscoe, J. T. (1975). Fundamental Research Statistics for the Behavioral Sciences.

New York: Holt, Rinehart and Winston.

Sabarkah, D. R. (2018). Pengukuran Pengukuran Tingkat Penerimaan Dan

Penggunaan Teknologi Uang Elektronik Di Tangerang Selatan Dengan

Menggunakan Model UTAUT 2. Jakarta: UIN Jakarta.

Sangadji, E. M. & Sopiah. (2010). Metodologi Penelitian. Yogyakarta: ANDI.

Setiawan, A. B. (2016). Evaluasi Kepuasan Pengguna Sistem Aplikasi Surat

Keterangan Tinggal Sementara Online (SKTS) dengan Mengggunakan

Metode End-User Computing Satisfaction. Surabaya: Universitas

Airlangga.

Subiyakto, A., Ahlan, A. R., & Sukmana, H. T. (2014). An Alternative Method for

Determining Critical Success Factors of Information System Project.

TELKOMNIKA Telecommunication, Computing, Electronics and Control,

vol. 12, no. 3, pp. 665-674.

Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Sukmana, H. T. (2015). Influences of

the Input Factors towards Success of An Information System Project.

TELKOMNIKA, vol. 13, no. 2, pp. 686-693.

Subiyakto, A., Ahlan, A. R., Putra, S. J., & Kartiwi, M. (2015). Validation of

Information System Project Success Model. SAGE Open, vol. 5, no. 2, pp.

1-14.

Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Putra, S. J. (2016). Measurement of the

information system project success of the higher education institutions in

Indonesia: a pilot study. International Journal of Business Information

System, vol. 23, no. 2, pp. 229-247.

Subiyakto, A., Ahlan, A. R., Kartiwi, M., Putra, S. J., & Durachman, Y. (2016).

The User Satisfaction Perspectives of the Information System Projects.

Indonesian Journal of Electrical Engineering and Computer Science, vol.

4, no. 1.

Subiyakto, A. (2017). Development of The Readiness and Success Model for

Assessing the Information System Integration. Paper presented at the

International Conference on Science and Technology (ICOSAT) 2017,

Jakarta.

Subiyakto, A., Septiandani, D., Nurmiati, E., Durachman, Y., Kartiwi, M., & Ahlan,

A. R. (2017). Managers Perceptions towards the Success of E-Performance

153

Reporting System. TELKOMNIKA (Telecommunication Computing

Electronics and Control), vol. 15, no. 3, pp. 1389-1396.

Subiyakto, A., Rosalina, R., Utami, M. C., Kumaladewi, N., & Putra, S. J. (2017).

The Psychometric and Interpretative Analyses for Assessing the End-User

Computing Satisfaction Questionnaire. Paper presented at the 5th

International Conference on Information Technology for Cyber and IT

Service Management (CITSM) 2017 Denpasar, Bali.

Subiyakto, A. (2018). Assessing Information System Integration Using

Combination of the Readiness and Success Models. Bulletin of Electrical

Engineering and Informatics, vol. 7, no. 3, pp. 400-410.

Subiyakto, A., Ahlan, A. R., Kartiwi, M., Hakiem, N., Huda, M. Q. & Susanto, A.

(2018). The Information SystemProject Profiles among Universities in

Indonesia. Indonesian Journal of Electrical Engineering and Computer

Science, vol. 12, no. 2, pp. 865-872 .

Succi, M. J. & Walter, Z. D. (1999). Theory of User Acceptance of Information

Technologies: An Examination of Health Care Professionals. HICSS, pp. 1-

7.

Sugiyono. (2012). Metodologi Penelitian Kuantitatif, Kualitatif dan R&D.

Bandung: Alfabeta.

Sugiyono. (2013). Metodologi Penelitian Kombinasi (Mixed Methode). Bandung:

Alfabeta.

Sultan, M. A. & Ramdhan, M. R. P. (2016). Behavioral Intention of Instagram as

Part of Technology Acceptence. Educational Technology & Society, vol.

12, no. 3, pp. 150-162.

Suryani, T. (2008). Perilaku Konsumen: Implikasi Pada strategi Pemasaran.

Yogyakarta: Graha Ilmu.

Tayibnapis, F. Y. (2008). Evaluasi Program dan Instrumen Evaluasi untuk

Program Pendidikan dan Penelitian. Jakarta: Rineka Cipta.

Taylor, S. & Todd, P. A. (1995). Understanding Information Technology Usage: A

Test of Competing Models. Information Systems Research, no.6, pp. 144-

176

Thompson, R. L., Higgins, C. A., & Howell, J. M. (1991). Personal Computing:

Towards a Conceptual Model of Utilization. MIS Quaterly, vol. 15, no. 1,

pp. 125-143.

154

Tjiptono, F. (2008). Strategi Pemasaran,Edisi 3. Yogyakarta: ANDI

Venkatesh, V., Morris, M. G., Davis, G. B., & Davis F. D. (2003). User Acceptance

of Information Technology: Toward a Unified View. MIS Quaterly, vol. 27,

no. 3, pp. 425-478.

Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer Acceptance and Use of

Information Technology: Extending the Unified Theory of Acceptance and

Use of Technology. MIS Quaterly, vol. 36, no. 1, pp. 157-178.

Waspada, I. (2012). Percepatan Adopsi Sistem Transaksi Teknlogi Informasi Untuk

Meningkatkan Aksesibilitas Layanan Jasa Perbankan. Jurnal Keuangan dan

Perbankan, vol. 16, no. 1, pp. 122-131.

Wirawan. (2011). Evaluasi Teori Model Standar Aplikasi dan Profesi, Contoh

aplikasi Evaluasi Program: Pengembangan Sumber Daya Manusia,

Program Nasional Pemberdayaan Masyarakat (PNPM) Mandiri Pedesaan

Kurikulum, Perpustakaan, dan Buku Tes. Jakarta: Raja Grafindo Persada.

Wu, M. C. (2016). An Examination of Mobile Applicatioan Use Intention through

the Unified Thory of Acceptance Technology Model. JIMS, vol. 11, no. 1,

pp. 110-121.

Yamin, S. & Kurniawan, H. (2011). Generasi Baru Mengolah Data Penelitian

dengan Partial Least Square Path Modeling : Aplikasi dengan software

XLSTAT, SmartPLS, dan Visual PLS. Edisi 1. Jakarta: Salemba Infotek.

Yuniarti, Y. (2016). Analisis Faktor-Faktor yang Mempengaruhi Penggunaan

Media Sosial dalam Berwirausaha dengan Menggunakan Decomposition

Theory OF Planned Behaviour (DTPB). Bandung: Universitas Pendidikan

Indonesia.

Zuriah, N. (2006). Metodologi Penelitian Sosial dan Pendidikan. Jakarta: Bumi

Aksara.