Analisis Data

BAB V ANALISIS DATA DAN PEMBAHASAN

B. Analisis Data

Jumlah sampel 77 100% Jenis Kelamin 1. Laki-laki 2. Perempuan 42 35 54,54% 45,45% Tingkat Pendidikan 1. SD 2. SMP 3. SMA 4. Diploma 5. Sarjana (S1/S2) 6. Lainnya (SMK) 0 0 15 27 29 6 0% 0% 19,5% 35% 37,7% 7,8% Sumber : data diperoleh tahun 2020

B. Analisis Data

1. Model Pengukuran (Uji Outer Model)

a. Uji Validitas Data

Uji validitas dalam penelitian ini menggunakan software SmartPLS 3.0 dengan melihat nilai validitas diskriminan dan validitas konvergen. Hasil dari pengujian adalah sebagai berikut:

1) Validitas Diskriminan

“Validitas diskriminan berhubung dengan adanya prinsip pengukuran kontruk yang berbeda, seharusnya tidak berkorelasi

dengan tinggi” (Ghozali dan Latan, 2015:74). “Uji diskriminan dinilai dari cross loading > 0.7 dalam suatu variabel” (Hartono dan Abdillah, 2015:196). Nilai cross loading ditunjukkan dalam Tabel 5.3:

Tabel 5.3

Cross Loading

Cross Loading

sumber: data diolah tahun 2020

PU PEU ATUT BIU ATU

PU.1 0.729 0.804 0.661 0.680 0.693 PU.2 0.876 0.801 0.636 0.715 0.674 PU.3 0.796 0.851 0.732 0.767 0.794 PU.4 0.714 0.808 0.672 0.721 0.674 PU.5 0.748 0.769 0.709 0.699 0.651 PU.6 0.728 0.797 0.711 0.736 0.717 PEU.1 0.831 0.742 0.746 0.749 0.726 PEU.2 0.779 0.784 0.667 0.664 0.610 PEU.3 0.847 0.806 0.775 0.737 0.780 PEU.4 0.786 0.726 0.655 0.675 0.662 PEU.5 0.798 0.723 0.739 0.696 0.730 PEU.6 0.797 0.760 0.645 0.754 0.684 ATUT.1 0.698 0.691 0.832 0.680 0.644 ATUT.2 0.717 0.680 0.833 0.674 0.667 ATUT.3 0.702 0.706 0.732 0.679 0.662 ATUT.4 0.678 0.649 0.794 0694 0.652 BIU.1 0.728 0.738 0.670 0.843 0.750 BIU.2 0.710 0.706 0.720 0.815 0.718 BIU.3 0.732 0.742 0.738 0.820 0.687 BIU.4 0.762 0.755 0.691 0.810 0.720 BIU.5 0.703 0.739 0.698 0.827 0.702 ATU.1 0.722 0.749 0.728 0.710 0.848 ATU.2 0.750 0.739 0.720 0.737 0.843

“Berdasarkan Tabel 5.3 dapat diketahui hasil perhitungan dari SmartPLS 3.0 bahwa semua indikator dari masing-masing variabel dalam penelitian ini sudah memenuhi syarat validitas diskriminan, yaitu nilai cross loading > 0.7” (Abdillah dan Hartono, 2015:196)

2). Validitas Konvergen

“Validitas konvergen berhubungan dengan prinsip bahwa pengukuran-pengukuran dari suatu kontruk seharusnya berkorelasi tinggi” (Ghozali dan Latan, 2015:74). Uji validitas konvergen dalam SmarrtPLS menggunakan indikator refletif yang dinilai pada loading factor (korelasi antara skor item/skor komponen dengan skor konstruk). Indikator yang digunakan ntuk mengukur kontruk tersebut adalah rule of thumb yang digunakan untuk validitas konvergen merupakan outer loading > 0.7. Berikut merupakan hasil outer loading untuk setiap indikator:

Tabel 5.4

Outer Loading

Variabel Kode Outer

Loading Keterangan Persepsi Kegunaan (Perceived Usefullness) PU.1 0.804 Valid PU.2 0.801 Valid PU.3 0.851 Valid PU.4 0.808 Valid PU.5 0.769 Valid

PU.6 0.797 Valid Persepsi Kemudahan (Perceived Ease of Use) PEU.1 0.831 Valid PEU.2 0.779 Valid PEU.3 0.847 Valid PEU.4 0.786 Valid PEU.5 0.798 Valid PEU.6 0.797 Valid Sikap terhadap penggunaan teknologi (Attitude Towards Using Technology) ATUT.1 0.832 Valid ATUT.2 0.833 Valid ATUT.3 0.732 Valid ATUT.4 0.794 Valid Minat perilaku menggunakan teknologi (Behavioral Intention to Use) BIU.1 0.843 Valid BIU.2 0.815 Valid BIU.3 0.820 Valid BIU.4 0.810 Valid BIU.5 0.827 Valid Penggunaan teknologi sesungguhnya (Actual Technology Use) ATU.1 0.848 Valid ATU.2 0.843 Valid

Sumber: data diolah tahun 2020

Berdasarkan Tabel 5.4 diatas, didapatkan hasil bahwa nilai outer loading untuk masing-masing indikator memiliki nilai lebih dari 0.7 (>0.7), hal ini menunjukkan bahwa semua indikator pada Tabel 5.4 telah memenuhi salah satu syarat dari validitas konvergen.

“Selain itu uji validiras konvergen dilihat dari nilai

Average Variance Extracted (AVE). Pada SmartPLS 3.0

konstruk dapat dikatakan valid jika nilai AVE > 0.5 “ (Hartono dan Abdillah, 2015:195). Nilai AVE dalam model dapat dilihat pada Tabel 5.5 sebagai berikut:

Tabel 5.5

Nilai AVE

Average Variance Extracted (AVE)

Perceived Usefullnes 0.651

Perceived Ease of Use 0.648

Attitute 0.638

Behavioral Intention 0.677

Actual technology Use 0.685 Sumber : data diolah tahun 2020

Berdasarkan hasil perhitungan dari SmartPLS 3.0 nilai masing-masing indikator pada Tabel 5.5 menunjukkan nilai

Average Variance Extracted (AVE) dengan kriteria > 0.5.

hasil pengujian pada Tabel 5.4 dan Tabel 5.5 menunjukkan hasil outer loading > 0.7 dan Average Variance Extracted (AVE) > 0.5 telah memenuhi syarat, maka validitas konvergen telah terpenuhi.

b. Uji Reabilitas Data

Uji reabilitas ditentukan dengan koefisien dari cronbach

alpha dan compositte reliablity. Pengujian ini menentukan

konsistensi jawaban reponden atas suatu instrumen penelitian.

Cronbach’s alpha untuk mengukur batas bawah nilai reliabilitas

pada suatu konstruk, sedangkan compositte reliability untuk mengukur nilai sesungguhnya reliabilitas dari suatu konstruk. Nilai

cronbach alpha dan compositte reliablity dapat ditunjukkan pada

Tabel 5.6:

Tabel 5.6

Cornbach’s Alpha dan Composite Reliability

Variabel Cornbach’s Alpha Composite Reliability Persepsi Kegunaan (Perceived Usefullnes) 0.893 0.918 Persepsi Kemudahaan (Perceived Ease of Use)

0.891 0.917

Sikap terhadap menggunakan (Attitude Towards Using Technology)

0.810 0.876

Minat perilaku menggunaan teknologi (Behavioral Intention

to Use)

0.881 0.913

Penggunaan teknologi sesungguhnya (Actual to Use)

0.846 0.897

Sumber: data diolah tahun 2020

“Suatu konstruk dikatakan reliabel jika nilai cornbach alpha dan composite reliability diatas 0.60” (Nunnaly, 1996 dalam Ghozali, 2011:43). Berdasarkan Tabel 5.6 menunjukkan nilai yang memiliki reliabilitas yang baik.

2. Model Struktural ( Inner Model)

“Model struktural atau inner model menunjukkan hubungan atau kekuatan dari estimasi antar variabel laten atau konstruk berdasarkan pada substantive theory” (Ghozali dan Latan, 2015:10). Model struktural dievaluasi dengan melihat nilai R-Square untuk setiap

variabel dependen sebagai kekuatan prediksi dari model struktural. Nilai R-Square ditunjukkan pada Tabel 5.7 sebagai berikut:

Tabel 5.7

Laten Variabel Correlations

Variabel R-Square

Persepsi Kegunaan (Perceived Usefullnes)

0.829 Persepsi Kemudahaan

(Perceived Ease of Use)

0.767 Sikap terhadap menggunakan

(Attitude Towards Using Technology)

0.786 Minat perilaku menggunaan teknologi

(Behavioral Intention to Use)

0.830 Penggunaan teknologi sesungguhnya

(Actual to Use)

0.813 Sumber: data diolah tahun 2020

Berdasarkan Tabel 5.7 dapat disimpulkan bahwa:

a. Nilai Adjusted R-square Persepsi Kegunaan(Perceived

Usefullnes) sebesar 0,827. Hal ini memiliki arti bahwa

variabilitas konstruk Penggunaan dapat di jelaskan oleh variabilitas konstruk Kemudahan sebesar 82,7% sedangkan sisanya 17,3% dijelaskan oleh variabel lain di luar model yang diteliti. Semakin besar angka R-square menunjukan semakin besar variabel independen tersebut dapat menjelaskan variabel dependen sehingga semakin baik persamaan strukturalnya. b. Nilai Adjusted R-square Persepsi Kemudahan (Perceived Ease

of Use) sebesar 0,767. Hal ini memiliki arti bahwa variabilitas

konstruk Kemudahan sebesar 76,7% sedangkan sisanya 23,3% dijelaskan oleh variabel lain di luar model yang diteliti. Semakin besar angka R-square menunjukan semakin besar variabel independen tersebut dapat menjelaskan variabel dependen sehingga semakin baik persamaan strukturalnya. c. Nilai Adjusted R-square Attitude Toward Using sebesar 0,780.

Hal ini memiliki arti bahwa variabilitas konstruk Attitude

Toward Using dapat di jelaskan oleh variabilitas konstruk

Kemudahan dan Penggunaan sebesar 78,0% sedangkan sisanya 22% dijelaskan oleh variabel lain di luar model yang diteliti. Semakin besar angka R-square menunjukan semakin besar variabel independen tersebut dapat menjelaskan variabel dependen sehingga semakin baik persamaan strukturalnya.

d.

Nilai Adjusted R-square Behavioral Intention to Use sebesar 0,826. Hal ini memiliki arti bahwa variabilitas konstruk

Behavioral Intention to Use dapat di jelaskan oleh variabilitas

konstruk Kemudahan dan Attitude Toward Using sebesar 82,6% sedangkan sisanya 17,4% dijelaskan oleh variabel lain di luar model yang diteliti. Semakin besar angka R-square menunjukan semakin besar variabel independen tersebut dapat menjelaskan variabel dependen sehingga semakin baik persamaan strukturalnya.

e.

Nilai Adjusted R-square Actual System to Use sebesar 0,806. Hal ini memiliki arti bahwa variabilitas konstruk Actual System

to Use dapat di jelaskan oleh variabilitas konstruk Kemudahan,

Penggunaan, dan Behavioral Intention to Use sebesar 80,6% sedangkan sisanya 19,4% dijelaskan oleh variabel lain di luar model yang diteliti. Semakin besar angka Adjusted R-square menunjukan semakin besar variabel independen tersebut dapat menjelaskan variabel dependen sehingga semakin baik persamaan strukturalnya.

3. Pengujian Hipotesis (Pengaruh antar Variabel)

Uji hipotesis dalam penelitian ini dilakukan dengan melihat path

coefficients yang menunjukkan koefisien parameter dan nilai signifikan

t statistik. Untuk tingkat keyakinan 95% dengan Alpha 5%, maka nilai t-statistik > 1,96. “Nilai koefisien path atau inner model menunjukkan tingkat signifikan dan hipotesis dapat diterima jika p-value <0.05” (Ghozali dan Latan, 2015:80). Berikut ini merupakan tabel hasil perhitungan untuk uji hipotesis:

Tabel 5.8

Path Coefficients dan P-Value

Keterangan ^T

Statistic

P

Value ^Hasil H1a PEU ATUT 5.399 0.000 Terdukung H1b PU ATUT 3.061 0.002 Terdukung

H2 PU PEU 5.803 0.000 Terdukung H3a PU BIU 6.469 0.000 Terdukung H3b ATUT BIU 3.396 0.001 Terdukung H4a PU ATU 2.336 0.020 Terdukung H4b BIU ATU 2.331 0.020 Terdukung H4c PEU ATU 2.051 0.041 Terdukung

Sumber: data diolah tahun 2020

Berdasrkan pada Tabel 5.8 dapat disimpulkan bahwa :

a Data yang dihasilkan dari pengujian menggunakan SmartPLS menunjukkan bahwa nilai t-statistik 5.399 > 1.96 dengan nilai p-value sebesar 0.000 < 0.05 sehingga Ho tidak diterima. Hal ini menunjukkan bahwa persepsi kemudahan pengguna internet (perceived ease of use) memiliki pengaruh terhadap sikap pengguna internet (attitude toward using). Dengan demikian hipotesis 1 (H1) dalam penelitian ini terdukung atau diterima.

b Data yang dihasilkan dari pengujian menggunakan SmartPLS menunjukkan bahwa nilai t-statistik 3.061 > 1.96 dengan nilai p-value sebesar 0.002 < 0.05 sehingga Ho tidak diterima. Hal ini menunjukkan bahwa persepsi kegunaan pengguna internet (perceived usefulness) memiliki pengaruh terhadap pengguna

internet (attitude tpward using). Dengan demikian hipotesis 1 (H1) dalam penelitian ini terdukung atau diterima.

c Data yang dihasilkan dari pengujian menggunakan SmartPLS menunjukkan bahwa nilai t-statistik 5.803 > 1.96 dengan nilai p-value sebesar 0.000 < 0.05 sehingga Ho tidak diterima. Hal ini menunjukkan bahwa persepsi kegunaan pengguna internet (perceived usefulness) memiliki pengaruh terhadap kemudahan pengguna internet (perceived ease to use). Dengan demikian hipotesis 2 (H2) dalam penelitian ini terdukung atau diterima.

d Data yang dihasilkan dari pengujian menggunakan SmartPLS menunjukkan bahwa nilai t-statistik 6.469 > 1.96 dengan nilai p-value sebesar 0.000 < 0.05 sehingga Ho tidak diterima. Hal ini menunjukkan bahwa persepsi kegunaan pengguna internet (perceived usefulness) memiliki pengaruh terhadap perilaku menggunakan teknologi (behavioral intention to use). Dengan demikian hipotesis 3 (H3) dalam penelitian ini terdukung atau diterima.

e Data yang dihasilkan dari pengujian menggunakan SmartPLS menunjukkan bahwa nilai t-statistik 3.396 > 1.96 dengan nilai p-value sebesar 0.001 < 0.05 sehingga Ho tidak diterima. Hal ini menunjukkan bahwa sikap terhadap penggunaan teknologi (attitude toward using technology) memiliki pengaruh terhadap

minat perliaku menggunakan teknologi (behavioral intention to

use). Dengan demikian hipotesis 3 (H3) terdukung atau

diterima.

f Data yang dihasilkan dari pengujian menggunakan SmartPLS menunjukkan bahwa nilai t-statistik 2.336 > 1.96 dengan nilai p-value sebesar 0.020 < 0.05 sehingga Ho tidak diterima. Hal ini menunjukkan bahwa persepsi kegunaan pengguna internet (perceived usefulness) memiliki pengaruh terhadap menggunakan teknologi (actual system use). Dengan demikian hipotesis 4 (H4) dalam penelitian ini terdukung atau diterima.

g Data yang dihasilkan dari pengujian menggunakan SmartPLS menunjukkan bahwa nilai t-statistik 2.331 > 1.96 dengan nilai p-value sebesar 0.020 < 0.05 sehingga Ho tidak diterima. Hal ini menunjukkan bahwa minat perliaku menggunakan teknologi (behavioral intention to use) memiliki pengaruh terhadap penggunaan tekonologi sesungguhnya (actual system use). Dengan demikian hipotesis 4 (H4) terdukung atau diterima.

h Data yang dihasilkan dari pengujian menggunakan SmartPLS menunjukkan bahwa nilai t-statistik 2.051 > 1.96 dengan nilai p-value sebesar 0.041 < 0.05 sehingga Ho tidak diterima. Hal ini menunjukkan bahwa minat perliaku menggunakan teknologi (behavioral intention to use) memiliki pengaruh terhadap

penggunaan tekonologi sesungguhnya (actual system use). Dengan demikian hipotesis 4 (H4) terdukung atau diterima.