Uji Validitas Diskriminan

BAB 5 ANALISIS DAN PEMBAHASAN

5.4 Uji Validitas

5.4.2 Uji Validitas Diskriminan

Metode yang digunakan untuk mengukur validitas diskriminan adalah dengan membandingkan akar AVE untuk setiap variabel dengan korelasi antara variabel

dengan variabel lainnya dalam model. Nilai akar AVE lebih besar dari korelasi variabel laten lain maka variabel tersebut dikatakan valid.

Tabel 5. 4 Nilai AVE dan Akar AVE Variabel Laten AVE Akar AVE

BI 0,8342 0,913345 EE 0,7254 0,851704 FC 0,6173 0,785684 HT 0,7362 0,858021 PE 0,6333 0,795801 SI 0,6335 0,795927 U 0,7858 0,886454

Nilai-nilai dari akar AVE di atas dibandingkan dengan nilai korelasi antar variabel laten yang tertera pada Tabel 5. 5

Tabel 5. 5 Nilai Korelasi antar Variabel Laten

BI EE FC HT PE SI U BI 1.0000 0 0 0 0 0 0 EE 0,5391 1.0000 0 0 0 0 0 FC 0,6068 0,5835 1.0000 0 0 0 0 HT 0,546 0,5131 0,5385 1.0000 0 0 0 PE 0.4692 0,5644 0,7123 0.4745 1.0000 0 0 SI 0.4554 0.3818 0,556 0,5006 0,5259 1.0000 0 U 0.4574 0.2822 0,5411 0.4739 0.425 0.4539 1.0000 Jika dilihat dari variabel BI dengan nilai variabel laten yang lain terlihat bahwa nilai akar AVE BI adalah 0,913345. Nilai akar AVE tersebut lebih besar dari nilai korelasi dengan variabel laten yang lain. Pada Tabel 5. 5 dapat dilihat nilai korelasi BI dengan EE 0,5391, sehingga dapat disimpulkan pada uji validitas diskriminan untuk variabel BI adalah valid. Demikian pula dapat dilihat pada Tabel 5. 5 untuk nilai akar AVE pada variabel EE, FC,HT, PE, SI, dan U semua

skornya melebihi nilai korelasi dengan variabel laten lainnya sehingga dapat disimpulkan bahwa seluruh variabel adalah valid.

5.5 Uji Reliabilitas

Uji Reliabilitas dilakukan dengan menggunakan nilai Cronbach’s Alpha dan Composite Reliability. Uji reliabilitas merupakan pengujian data yang menyelidiki konsistensi internal data sedangkan uji validitas merupakan pengujian data yang menentukan apakah alat pengukuran atau instrument yang digunakan adalah tepat (Aji, 2013). Nilai Cronbach’s Alpha harus lebih dari 0,6 dan nilai Composite Reliability harus lebih dari 0,7.

Tabel 5. 6 Uji Reliabilitas

Cronbach’s Alpha Composite Reliability Kesimpulan Uji Reliabilitas BI 0,9005 0,9378 Reliabel EE 0,8732 0,9133 Reliabel FC 0,6905 0,8284 Reliabel HT 0,6472 0,8478 Reliabel PE 0,8063 0,8724 Reliabel SI 0,7035 0,837 Reliabel U 0,7311 0,88 Reliabel

Dalam uji reliabilitas seperti yang ditunjukkan pada Tabel 5. 6 untuk variabel laten Performance Expectancy (PE) didapat nilai Cronbach’s Alpha sebesar 0,8063 yang artinya indikator-indikator dari variabel PE adalah reliabel karena nilai Cronbach’s Alpha untuk variabel PE melebihi 0,6. Untuk variabel/konstruk laten Effort Expectancy (EE) diperoleh nilai Cronbach’s Alpha sebesar 0,8732 angka ini melebihi batas 0,6, artinya indikator-indikator untuk variabel laten EE adalah reliabel. Variabel Social Influence (SI) nilai Cronbach’s Alpha lebih kecil dibandingkan dua konstruk yang telah dibahas yaitu sebesar 0,7035, tetapi variabel/konstruk ini reliabel karena nilai Cronbach’s Alphanya juga melebihi 0,6. Variabel Facilitating Condition (FC) memiliki nilai Cronbach’s Alpha sebesar 0,

6905 sehingga konstruk ini dinyatakan reliabel. Selanjutnya variabel laten Habit nilainnya sebesar 0, 6472, indikator-indikator untuk variabel ini reliabel. Demikian pula dengan dua konstruk terakhir yaitu Behavioral Intention (BI) dan Use Behavior (U) masing-masing memiliki nilai Cronbach’s Alpha sebesar 0,9005 dan 0,7311, keduanya reliabel. Sedangkan jika diperhatikan nilai dari Composite Reliability, semua konstruk memiliki nilai lebih dari 0,7, yang artinya semuanya reliabel. Perbandingan nilai Cronbach’s Alpha dan nilai Composite Reliability dari tiap-tiap konstruk dapat dilihat pada Tabel 5. 6.

5.6 Uji Model Struktural (Inner Model)

Uji model struktural menggunakan R² untuk variabel independen. Dalam penelitian ini terdapat 2 variabel independen yaitu Behavioral Intention (BI) dan Use Behaviour (U).

Tabel 5. 7 Nilai R² pada Uji Struktural R Square BI 0.4676 EE 0 FC 0 HT 0 PE 0 SI 0 U 0.3491

Pada Tabel 5. 7 dapat dilihat bahwa nilai R² untuk BI adalah 0,4676 berarti variabel ini bisa dijelaskan oleh variabel Effort Expectancy (EE), Facilitating Condition (FC), Habit (HT), Social Influence (SI) dan Performance Expectation (PE) sebesar 47% sedangkan sisanya diukur oleh variabel lain diluar penelitian ini. Variabel independen U mempunyai nilai R² adalah 0.3491 yang berarti variabel ini bisa di jelaskan oleh variabel Facilitating Condition (FC), Habit (HT), dan Behavioral Intention (BI) sebesar 35% sedangkan sisanya diukur oleh variabel lain diluar penelitian ini. Menurut Wynne W. Chin (1998) pada penelitian yang berjudul “The Partial Least Squares Approach to Structural Equation Modeling”

dalam (Latan & Ghozali, 2013) nilai R² untuk BI sebesar 0,4676 masuk dalam kategori moderate dan nilai R² untuk U sebesar 0.3491 masuk kedalam kategori moderate.

5.7 Uji Hipotesis Berdasarkan Variabel Utama

Path Coefficient digunakan untuk menguji hipotesis dengan mengamati perbandingan antara nilai T-Table dan T-Statistic. Jika nilai T-Statistics lebih besar daripada T-Table maka hipotesis terdukung. Untuk tingkat keyakinan 95% (signifikansi level=5%) maka digunakan nilai T-Table sebagai acuan sebesar 1,96.

Tabel 5. 8 Uji Hipotesis berdasarkan Variabel Utama Original Sample (O) Sample Mean (M) Standard Deviation (STDEV) Standard Error (STERR) T Statistics (|O/STERR|) BI U 0.1288 0.1388 0.121 0.121 1.0641 EE  BI 0.2164 0.1934 0.0902 0.0902 2.3985 FC  BI 0.345 0.3396 0.1172 0.1172 2.9447 FC  U 0.3459 0.344 0.1027 0.1027 3.369 HT  BI 0.228 0.2366 0.112 0.112 2.0357 HT  U 0.2173 0.223 0.0968 0.0968 2.2447 PE  BI -0.058 -0.034 0.0932 0.0932 0,6219 SI  BI 0.0974 0.0921 0.1106 0.1106 0,8803

Pada Tabel 5. 8 di atas terdapat relasi antara PEBI yang bernilai negatif (Hipotesis H1 ditolak Tabel 5. 9). Nilai negatif dalam relasi antar variabel laten berarti semakin tinggi nilai PE makan nilai BI akan semakin turun. Dalam penelitian ini berarti bahwa tingkat kepercayaan seseorang menggunakan sebuah sistem (PE) berbanding terbalik dengan niat seseorang menggunakan sebuah sistem (BI). Berikut akan ditampilkan dalam tabel rangkuman hasil uji hipotesis berdasarkan variabel utama.

Tabel 5. 9 Rangkuman Uji Hipotesis Variabel Utama

T Statistics

(|O/STERR|) Hipotesis Hasil

BI U 1.0641 H8 Ditolak EE  BI 2.3985 H2 Diterima FC  BI 2.9447 H4 Diterima FC  U 3.369 H5 Diterima HT  BI 2.0357 H6 Diterima HT  U 2.2447 H7 Diterima PE  BI 0,6219 H1 Ditolak SI  BI 0,8803 H3 Ditolak

Pada Tabel 5. 9 terdapat 5 hipotesis yang diterima yaitu H2, H4, H5, H6, dan H7. Nilai T-Statistic tertinggi terdapat pada hipotesis H5 dengan nilai T-statistic 3,369, kemudian menyusul hipotesis H4 dengan nilai T-Statistic 2,9447. Hipotesis H2 memyusul dengan nilai T-Statistic 2,3985. Dua hipotesis terakhir adalah H7 dan H6 dengan nilai T-Statistic adalah 2,2447 dan 2,0357.

Dari hasil hipotesis variabel utama, terbentuklah model yang dihasilkan seperti pada Gambar 5. 18.

Gambar 5. 18 Model Akhir Berdasarkan Variabel Utama

Berdasarkan uji variabel utama tersebut menghasilkan model dengan lima variabel utama yaitu EE, FC, HT, BI, dan U. Relasi antara variabel laten tersebut

adalah EE, FC, dan HT sama mempengaruhi BI dan FC, HT bersama-sama mempengaruhi U.

5.8 Uji Efek Moderasi

Uji moderasi menunjukkan interaksi antara variabel moderator dengan variabel independen (prediktor) dalam mempengaruhi variabel dependen (Jogiyanto, 2011). Pengujian dengan efek moderasi ini menggunakan pendekatan (Baron & Kenny, 1986) dimana untuk menguji efek moderasi membutuhkan nilai signifikan dari pengaruh antara variabel independen terhadap dependen.

Moderasi yang akan dilakukan menggunakan cara moderasi product indicator approach. Cara moderasi ini diterapkan karena variabel eksogen dan moderator berbentuk reflektif (Latan & Ghozali, 2013). Uji moderasi akan melihat nilai total effect yang dihasilkan, karena efek moderasi tidak hanya dilakukan efek langsung (direct effect) variabel independen ke variabel dependen, tetapi juga hubungan interaksi antara variabel independen dan variabel moderasi terhadap variabel dependen (indirect effect) (Jogiyanto, 2011).

Uji efek moderasi ini menggunakan cara yang umum yang digunakan regresi linear berganda biasa yaitu Moderated Regression Analysis (MRA) dengan memasukkan variabel ketiga berupa perkalian antara dua variabel independen (eksogen) sebagai variabel moderating. Hal ini sebenarnya dapat menimbulkan kesalahan pengukuran dari koefisien estimasi MRA. Solusi yang diberikan SEM adalah dengan memasukkan pengaruh interaksi tersebut ke dalam model.