TA : Analisis Penerimaan Aplikasi Akademik Universitas Katolik Widya Mandala Surabaya Menggunakan Metode Unified Theory Of Acceptance And Use Of Technology (UTAUT).

ANALISIS PENERIMAAN APLIKASI AKADEMIK

UNIVERSITAS KATOLIK WIDYA MANDALA SURABAYA

MENGGUNAKAN METODE UNIFIED THEORY OF

ACCEPTANCE AND USE OF TECHNOLOGY (UTAUT)

TUGAS AKHIR

Program Studi

S1 Sistem Informasi

Oleh:

Hendrik Djoni Prasetiyo

08410100446

FAKULTAS TEKNOLOGI DAN INFORMATIKA

DAFTAR ISI

Halaman

ABSTRAK ... vii

KATA PENGANTAR ... viii

DAFTAR ISI ... x

DAFTAR TABEL ... xiii

DAFTAR GAMBAR ... xiv

DAFTAR LAMPIRAN ... xv

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang Masalah ... 1

1.2 Perumusan Masalah ... 2

1.3 Pembatasan Masalah ... 3

1.4 Tujuan ... 3

1.5 Manfaat ... 4

1.6 Sistematika Penulisan ... 5

BAB II LANDASAN TEORI ... 7

2.1 Penelitian Terdahulu ... 7

2.2 Unified Theory of Acceptance and Use of Technology ... 9

2.3 Kerangka Konseptual ... 11

2.4 Pengembangan Hipotesis ... 12

2.4.1 Ekspektasi Kinerja terhadap Minat Pemanfaatan ... 13

2.4.2 Ekspektasi Usaha terhadap Minat Pemanfaatan ... 13

2.4.3 Faktor Sosial terhadap Minat Pemanfaatan ... 14

2.4.4 Kondisi yang Memfasilitasi ... 14

Halaman

2.4.5 Minat Pemanfaatan terhadap Perilaku Penggunaan ... 15

2.5 Variabel Penelitian ... 15

2.6 Populasi dan Sampel ... 16

2.7 Teknik Pengambilan Sampel... 16

2.7.1 Menentukan Ukuran Sampel ... 17

2.7.2 Stratified Random Sampel ... 18

2.8 Skala Pengukuran ... 18

2.9 Analisis Deskriptif ... 19

2.10 Pengujian Alat Ukur ... 19

2.10.1 Validitas ... 20

2.10.2 Reliabilitas ... 23

2.11 Analisis Korelasi dan Regresi dengan metode SEM... 24

2.11.1 Structural Equation Model ... 24

2.11.2 Kecocokan Model ... 25

BAB III METODE PENELITIAN ... 30

3.1 Tahap Pendahuluan ... 30

3.2 Tahap Pengumpulan Data ... 31

3.2.1 Variabel Penelitian ... 31

3.2.2 Alat Bantu Penelitian ... 33

3.3 Tahap Analisis Data ... 35

3.3.1 Analisis Deskriptif ... 36

3.3.2 Analisis Tingkat Penerimaan Mahasiswa ... 36

3.3.3 Uji Asumsi Model SEM ... 37

Halaman

3.3.4 Analisis Korelasi dan Regresi dengan Metode SEM ... 38

BAB IV HASIL PENELITIAN DAN PEMBAHASAN ... 40

4.1 Gambaran Umum Objek Penelitian ... 40

4.2 Karakteristik Responden Penelitian ... 41

4.3 Analisis Deskripsi Variabel Penelitian... 42

4.3.1 Ekspektasi Kinerja (Performance Expectancy) ... 42

4.3.2 Ekspektasi Usaha (Effort Expectancy) ... 43

4.3.3 Faktor Sosial (Social Influence) ... 44

4.3.4 Kondisi yang Memfasilitasi (Facilitating Conditions) .... 45

4.3.5 Minat Pemanfaatan (Behavior Intention) ... 46

4.3.6 Perilaku Penggunaan (Use Behavior) ... 47

4.4 Asumsi Model ... 48

4.4.1 Uji Normalitas Sebaran dan Linieritas ... 48

4.4.2 Evaluasi atas Outlier ... 49

4.4.3 Multicollinierity dan Singularity ... 51

4.4.4 Validitas dan Reliabilitas ... 51

4.5 Pengujian Model ... 55

4.6 Pengujian Hipotesis dan Hubungan Kausal ... 58

4.7 Pembahasan ... 59

BAB V KESIMPULAN DAN SARAN ... 63

5.1 Kesimpulan ... 63

5.2 Saran ... 64

DAFTAR PUSTAKA ... 66

LAMPIRAN ... 68

DAFTAR TABEL

Halaman

Tabel 2.1 Teori-teori konstruk yang mendasari model UTAUT ... 9

Tabel 2.2 UTAUT Model Variable ... 11

Tabel 2.3 Kriteria Goodness of Fit Index ... 26

Tabel 3.1 Jumlah Populasi Mahasiswa Aktif Fakultas Bisnis ... 33

Tabel 3.2 Sampel Mahasiswa Setiap Prodi ... 35

Tabel 3.3 Skala Jawaban Kuisioner ... 36

Tabel 4.1 Karakteristik Responden Berdasarkan Jenis Kelamin ... 41

Tabel 4.2 Jawaban Responden pada Variabel Ekspektasi Kinerja ... 43

Tabel 4.3 Jawaban Responden pada Variabel Ekspektasi Usaha ... 44

Tabel 4.4 Jawaban Responden pada Variabel Faktor Sosial ... 45

Tabel 4.5 Jawaban Responden pada Variabel Kondisi yang Memfasilitasi... 46

Tabel 4.6 Jawaban Responden pada Variabel Minat Pemanfaatan ... 47

Tabel 4.7 Jawaban Responden pada Variabel Perilaku Penggunaan ... 48

Tabel 4.8 Hasil Pengujian Normalitas ... 49

Tabel 4.9 Hasil Pengujian Outlier Multivariate ... 50

Tabel 4.10 Faktor Loading dan Konstruk dengan CFA sebelum eliminasi ... 52

Tabel 4.11 Pengujian Reliability Consistency Internal ... 53

Tabel 4.12 Construct Reliability & Variance Extrated ... 54

Tabel 4.13 Evaluasi Kriteria Goodness of Fit Indices ... 56

Tabel 4.14 Evaluasi Kriteria Goodness of Fit Indices Modifikasi ... 57

Tabel 4.15 Hasil Pengujian Kausalitas ... 58

DAFTAR GAMBAR

Halaman

Gambar 2.1 Kerangka Konseptual Model UTAUT ... 12

Gambar 3.1 Tahapan dalam Metode Penelitian ... 30

Gambar 4.1 Diagram Batang Karakteristik Responden ... 42

Gambar 4.2 Kriteria Goodness of Fit ... 56

Gambar 4.3 Kriteria Goodness of Fit Modification ... 57

DAFTAR LAMPIRAN

Halaman

Lampiran 1 Daftar Mahasiswa Aktif Fakultas Bisnis ... 68

Lampiran 2 Kuisioner ... 69

Lampiran 3 Data Kuisioner ... 71

Lampiran 4 Frekuensi Jawaban Responden ... 77

Lampiran 5 Uji Validasi dan Reliabilitas ... 81

Lampiran 6 Uji SEM ... 83

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Di perguruan tinggi, informasi dan teknologi merupakan aset yang sangat berharga untuk mendukung kegiatan perguruan tinggi. Universitas Katolik Widya Mandala Surabaya telah memiliki Sistem Informasi Akademik yang disebut akademik.wima.ac.id. Website ini merupakan media informasi mahasiswa, dosen, dan tenaga administrasi, dengan jumlah pengguna ± 4600. Aplikasi ini digunakan untuk pengisian Kartu Rencana Studi dan Kuesioner Penilaian Kinerja Dosen; melihat History Nilai, Poin Kegiatan Kemahasiswaan, dan Jadwal perkuliahan,. Sedangkan isi web untuk tenaga administrasi antara lain Entry Nilai, Entry Kehadiran Mahasiswa, Entry Kegiatan Kemahsiswaan, Entry Nilai Mahasiswa.

Sejak digunakan dari tahun 2012, belum diketahui apakah aplikasi akademik.wima.ac.id yang dibuat memang telah diterima oleh pengguna karena telah memenuhi harapannya. Hasil observasi dan wawancara dengan mahasiswa Fakultas Bisnis diketahui bahwa beberapa menu belum memberikan informasi yang Up to Date serta ketersediaan akses masih kurang dan untuk penggunaan aplikasi akademik.wima.ac.id belum digunakan secara terus menerus, misalnya penggunaan layanan Jadwal Kuliah dapat dilihat melalui catatan manual, layanan poin kemahasiswaan hanya akan digunakan jika mereka mengikuti kegiatan kemahasiswaan untuk melihat poin apakah sudah masuk.

Walaupun kualitas teknis sistem teknologi informasi sudah membaik, tetapi masih juga terdengar banyak sekali sistem informasi yang gagal diterapkan.

Beberapa penelitian menunjukkan bahwa penyebab kegagalan Teknologi Informasi adalah lebih pada aspek keperilakuannya (Hartono, 2007). Salah satu metode yang mengukur aspek perilaku pengguna adalah Unified Theory of Acceptance and Use of Technology (UTAUT). UTAUT merupakan salah satu model penerimaan teknologi informasi yang dikembangkan oleh Venkatesh, dkk. Venkatesh, dkk (2003) menyatakan bahwa penerimaan seseorang terhadap teknologi informasi user acceptane dipengaruhi oleh empat faktor, yaitu

Performance Expectancy (tingkat keyakinan seseorang percaya bahwa menggunakan sistem akan membantu pengguna untuk menghasilkan kinerja yang maksimal), Effort Expectancy (tingkat kemudahan pengguna dalam menggunakan sistem), Social Influence (kesadaran seseorang adanya orang lain atau lingkungan yang menggunakan sistem), dan Facilitating Conditions (keyakinan adanya orang lain yang mendukung aktivitas pengguna).

Berdasarkan masalah tersebut di atas dilakukan penelitian untuk menganalisis tingkat penerimaan mahasiswa dalam pemanfaatan aplikasi akademik.wima.ac.id. Hasil analisis akan diberikan pada pengelola sistem informasi untuk mengetahui beberapa faktor-faktor yang diterima oleh pengguna, sehingga dapat mempertimbangkan faktor-faktor tersebut dalam pengembangan sistem tersebut.

1.2 Perumusan Masalah

Adapun permasalahan yang akan diteliti dapat dirumuskan dalam pertanyaan berikut:

b. Apakah ekspektasi kinerja (performance expectancy) berpengaruh positif terhadap minat pemanfaatan (behavior intention) aplikasi akademik.wima.ac.id

c. Apakah Ekspektasi Usaha (effort expectancy) berpengaruh positif terhadap minat pemanfaatan (behavior intention) aplikasi akademik.wima.ac.id

d. Apakah faktor social (social influence) berpengaruh positif terhadap minat pemanfaatan (behavior intention) aplikasi akademik.wima.ac.id

e. Apakah kondisi yang memfasilitasi (facilitating conditions) berpengaruh positif terhadap perilaku penggunaan (use behavior) aplikasi akademik.wima.ac.id

f. Apakah minat pemanfaatan (behavior intention) berpengaruh positif terhadap perilaku penggunaan (use behavior) aplikasi akademik.wima.ac.id

1.3 Pembatasan Masalah

Adapun batasan masalah yang akan dilakukan dalam penelitian ini adalah sebagai berikut:

a. Analisis penerimaan hanya dilakukan pada aplikasi akademik.wima.ac.id yang digunakan oleh mahasiswa Universitas Katolik Widya Mandala Surabaya.

b. Sampel penelitian adalah mahasiswa aktif Fakultas Bisnis Universitas Katolik Widya Mandala Surabaya angkatan 2012 – 2015.

1.4 Tujuan

a. Mengetahui tingkat penerimaan mahasiswa terhadap aplikasi akademik.wima.ac.id

b. Untuk menguji secara empiris ekspektasi kinerja (performance expectancy) berpengaruh positif terhadap minat pemanfaatan (behavior intention) aplikasi akademik.wima.ac.id

c. Untuk menguji secara empiris Ekspektasi Usaha (effort expectancy) berpengaruh positif terhadap minat pemanfaatan (behavior intention) aplikasi akademik.wima.ac.id

d. Untuk menguji secara empiris faktor sosial (social influence) berpengaruh positif terhadap minat pemanfaatan (behavior intention) aplikasi akademik.wima.ac.id

e. Untuk menguji secara empiris kondisi yang memfasilitasi (facilitating conditions) berpengaruh positif terhadap perilaku penggunaan (use behavior) aplikasi akademik.wima.ac.id

f. Untuk menguji secara empiris minat pemanfaatan (behavior intention) berpengaruh positif terhadap perilaku penggunaan (use behavior) aplikasi akademik.wima.ac.id

1.5 Manfaat

Penelitian ini dilakukan guna memberikan manfaat bagi pihak-pihak yang membutuhkan, seperti perusahaan atau organisasi, ilmu pengetahuan, dan penulis. Adapun manfaat dari penelitian ini adalah:

memperhatikan faktor-faktor yang dapat mempengaruhi penggunaan aplikasi akademik.wima.ac.id

b. Memberikan manfaat kepada Universitas Katolik Widya Mandala Surabaya dan pengguna sistem, dalam mengembangkan sistem dan menggunakan sistem informasi, sehingga sistem informasi yang ada memiliki kinerja yang lebih baik dari sebelumnya yang berguna sebagai pertimbangan untuk mengembangkan suatu sistem informasi pada masa yang akan datang.

1.6 Sistematika Penulisan

Sistematika penulisan yang digunakan oleh penulis dalam penyusunan laporan ini adalah:

BAB I : PENDAHULUAN

Bab Ini Menjelaskan Latar Belakang, Perumusan Masalah, Pembatasan Masalah, Tujuan, Manfaat, dan Sistematika dari Analisis Penerimaan Aplikasi Akademik Universitas Katolik Widya Mandala Surabaya Menggunakan Metode UTAUT.

BAB II : LANDASAN TEORI

BAB III : METODE PENELITIAN

Bab ini membahas tentang Metode UTAUT yang digunakan dalam melakukan penelitian. Pengumpulan data dilakukan melalui wawancara, kuesioner yang kemudian dilakukan tahap analisis data.

BAB IV : HASIL DAN PEMBAHASAN

Bab ini berisi tentang hasil instrument penelitian dan pembahasan seperti analisa deskriptif, analisa validitas reliabilitas menggunakan perangkat lunak SPSS, sedangkan untuk analisa data menggunakan metode Structural Equation Model (SEM) dan perangkat lunak yang digunakan untuk analisa structural adalah AMOS.

BAB V : PENUTUP

BAB II

LANDASAN TEORI

2.1 Penelitian Terdahulu

Internet banking menjadi pusat perhatian baru ketika jumlah pengguna internet meningkat secara global serta merasakan manfaatnya. Penelitian ini bertujuan untuk mengetahui sejumlah faktor dan penentu dari penggunaan internet banking di Malaysia. Penelitian ini melibatkan empat faktor dari Unified Theory of Acceptance and Use Technology (UTAUT) yang dapat mempengaruhi penggunaan. Sebanyak 200 responden dikumpulkan menggunakan teknik

convenience sampling. Hasil penelitian menunjukkan performance expectancy (r = 0.51, p < 0.01), effort expectancy (r = 0.55, p < 0.01), social influence (r = 0.64, p < 0.01), facilitating condition (r = 0.63, p < 0.01), dan trust (r = 0.55, p < 0.01) berkorelasi positif terhadap behavioral intention diantara responden. Analysis of Multiple Linear Regressions digunakan untuk menentukan faktor prediksi pengguna internet banking di Malaysia. Hasil menunjukkan bahwa 56.6% variasi dari behavioral attention antara para responden (F = 50.54, p < 0.01) dengan

performance expectancy, effort expectancy, social influence, facilitating condition

dan trust. Diketahui bahwa faktor penentu pada pengguna internet banking dapat membantu perusahaan bank untuk meningkatkan pelayanan untuk menarik lebih banyak pengguna. Selain itu, penggunaan internet banking dapat membantu bank untuk mengurangi polusi udara (Foon dan Fah, 2011).

Kemunculan popularitas teknologi web dan aplikasinya telah membuat peluang yang luas untuk organisasi, termasuk lembaga pendidikan tinggi. Dengan

adanya Sistem Informasi Akademik (SiAkad) yang ada di STTNAS, maka dilakukan penelitian untuk mengetahui niat perilaku dalam penggunaan Sistem Informasi Akademik menggunakan model UTAUT. Fenomena yang mendasari penelitian ini adalah belum optimalnya penggunaan Sistem Informasi Akademik oleh civitas akademik (dosen, mahasiswa dan karyawan) dalam proses pembelajaran dan sosialisasi, sehingga keberadaan SiAkad belum maksimal dan belum terukurnya pemanfaatan dampak penggunaannya untuk seluruh civitas akademik. Penelitian ini dibatasi dalam ruang lingkup: analisis pengaruh

Performance Expectancy, Effort Expectancy, Social Influence dan Facilitating Condition terhadap niat perilaku dalam penggunaan SiAkad di STTNAS Yogyakarta. Data dalam penelitian diuji dengan alat analisis Structural Equation Model (SEM). SEM adalah alat analisis statistik yang dipergunakan untuk menyelesaikan model penelitian bertingkat secara serempak. SEM dapat dipergunakan untuk menyelesaikan persamaan dengan variabel yang membentuk jalur (path).

Hasil penelitian berdasarkan analisis dan pembahasan adalah variabel Performance Expectancy (PE), Social Influence (SI) dan Facilitating Condition (FC) berpengaruh secara signifikan terhadap Behavioral Intention, sedangkan variabel Effort Expectancy (EE) memberikan hasil yang tidak signifikan. Secara keseluruhan keempat prediktor tersebut hanya mampu menjelaskan pengaruh terhadap behavioral intention sebesar 37,6 persen. (Handayani, 2005).

2.2 Unified Theory of Acceptance and Use of Technology (UTAUT)

Model UTAUT merupakan teori yang berpengaruh dan banyak diadopsi untuk melakukan penelitian penerimaan pengguna (user acceptance) terhadap suatu teknologi informasi. UTAUT yang dikembangkan oleh Venkatesh, dkk. (2003) menggabungkan fitur-fitur yang berhasil dari delapan teori penerimaan teknologi terkemuka menjadi satu teori. Kedelapan teori terkemuka yang disatukan di dalam UTAUT dapat dilihat pada tabel 2.1

Tabel 2.1 Teori-teori konstruk yang mendasari Model UTAUT

No Nama Teori Peneliti dan

Tahun Penelitian Pengertian

1 Theory of perilaku manusia yaitu dengan menganalisis hubungan antara berbagai kriteria kinerja dan sikap seseorang, niat, dan norma subyektif

2 Technology Acceptance Model

(TAM)

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 factor yang dapat memfasilitasi atau menghalangi kinerja suatu perilaku tertentu. 3 Motivational

Model (MM)

Davis F.D (1989) 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 dimana tujuan perilaku ditentukan oleh sikap atas perilaku tersebut.

4 Theory of Planned Behavior (TPB)

Davis, et al. (1992)

Teori motivasi yang

dikembangkan untuk

No Nama Teori Peneliti dan

Tahun Penelitian Pengertian

5 Combined TAM and TPB (C-TAM-TPB)

Taylor dan Todd (1995)

Model hibrida dari TPB dengan

TAM yang memberikan

penjelasan akurat mengenai penentu penerimaan dan perilaku penggunaan suatu teknologi tertentu. kondisi yang mempengaruhi dan memfasilitasi, faktor sosial, kompleksitas, kesesuaian tugas dan konsekuensi jangka panjang terhadap pemanfaatan PC.

7 Innovation Diffusion Theory

(IDT)

Rogers (1962) Diadopsi dari penerapan

teknologi IDT dapat mengukur persepsi masyarakat dengan menggunakan tujuh atribut kunci.

8 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.

Implementasi suatu teknologi informasi selalu berhubungan dengan penerimaan pengguna. Sejauh mana pengguna dapat menerima dan memahami teknologi tersebut adalah hal penting untuk dapat mengetahui tingkat keberhasilan dari implementasi tersebut. Penerimaan pengguna atau lebih dikenal dengan nama

expectancy (ekspektasi kemudahan dalam penggunaan teknologi), social influence

(pengaruh orang lain untuk menggunakan teknologi), dan facilitating condition

(dukungan sarana/prasarana yang dimiliki individu untuk menggunakan teknologi). Pemahaman mengenai faktor-faktor tersebut pada akhirnya dapat membantu organisasi untuk mengetahui hal-hal apa saja yang mempengaruhi pemakai dalam menggunakan teknologi sistem informasi seperti dapat dilihat pada tabel 2.2

Tabel 2.2 UTAUT Model Variables (sumber: Venkatesh, dkk. 2003)

UTAUT 2003 Definisi

Performance Expectancy

(PE)

Tingkat ukuran dimana seseorang percaya pada saat penggunaan teknologi akan membantunya menyelesaikan berbagai permasalahan dalam kinerjanya

Effort Expectancy (EE) Tingkat ukuran penggunaan sistem

Social Influence (SI) Tingkat ukuran dimana dapat terlihat betapa pentingnya orang lain harus mampu juga menggunakan sistem tersebut

Facilitating Conditions (FC) Tingkat ukuran dimana masing-masing individu yakin bahwa organisasi dan infrastruktur teknologi ada untuk mendukung e-services

Behavioral Intentions (BI) Keadaan dimana ketika keuntungan dari sebuah teknologi ditemukan, maka akan ada rencana lain untuk menggunakannya

Usage Behaviour (UB) Sebuah tingkatan ukuran dimana ketika sebuah rencana untuk menggunakan teknologi/sistem setelah diketahui manfaatnya

2.3 Kerangka Konseptual

memfasilitasi pemakai dan pemanfaatan sistem informasi terhadap penggunaan sistem informasi. Adapun kerangka konseptual menurut Venkatesh, dkk. (2003) dapat dilihat pada gambar 2.1

Performance Expectancy (Ekspektasi Kinerja)

Effort Expectancy (Ekspektasi Usaha)

Social Influence (Faktor Sosial)

Facilitating Conditions (Kondisi yang Memfasilitasi)

Behavioral Intention (Minat Pemanfaatan)

Use Behavior (Perilaku Penggunaan)

H1

H2

H3

H4

H5

Gender Age Experience Voluntarines of Use

Gambar 2.1 Kerangka Konseptual Model UTAUT

Pada penelitian ini Variabel Gender, Age, Experience dan Voluntarines of Use tidak digunakan.

2.4 Pengembangan Hipotesis

2.4.1 Ekspektasi Kinerja (Performance Expectancy) Terhadap Minat Pemanfaatan (Behavioral Intention)

Ekspektasi Kinerja (Performance Expectancy) didefinisikan sebagai tingkat ukuran dimana seseorang percaya pada saat penggunaan teknologi akan membantunya menyelesaikan berbagai permasalahan dalam kinerjanya (Venkatesh, dkk., 2003). Minat pemanfaatan sistem informasi (behavioral intention) didefinisikan sebagai tingkat keinginan atau niat pemakai menggunakan sistem secara terus menerus dengan asumsi mereka mempunyai akses terhadap informasi, maka diajukan hipotesis penelitian sebagai berikut:

H1: Ekspektasi kinerja mempunyai pengaruh positif terhadap minat pemanfaatan

sistem informasi.

2.4.2 Ekspektasi Usaha (Effort Expectancy) terhadap Minat Pemanfaatan (Behavioral Intention)

Ekspektasi usaha (effort expectancy) merupakan tingkat kemudahan penggunaan sistem yang akan dapat mengurangi upaya (tenaga dan waktu) individu dalam melakukan pekerjaannya. Kemudahan penggunaan teknologi informasi akan menimbulkan perasaan dalam diri seseorang bahwa sistem itu mempunyai kegunaan dan karenanya menimbulkan rasa yang nyaman bila bekerja dengan menggunakannya (Venkatesh, dkk., 2003), maka diajukan hipotesis penelitian sebagai berikut:

H2: Ekspektasi usaha mempunyai pengaruh positif terhadap minat pemanfaatan

2.4.3 Faktor Sosial (Social Influence) terhadap Minat Pemanfaatan (Behavioral Intention)

Faktor sosial didefinisikan sebagai tingkat ukuran dimana dapat terlihat betapa pentingnya orang lain harus mampu juga menggunakan sistem tersebut. Faktor sosial ditunjukkan besarnya dukungan dari teman, organisasi. Faktor sosial memiliki hubungan posistif dengan pemanfaatan sistem informasi. Hal ini menunjukkan bahwa individu akan meningkatkan pemanfaatan sistem informasi jika mendapat dukungan dari individu lainnya.

Sesuai teori (Venkatesh, dkk., 2003) yang menyatakan hubungan signifikan positif faktor sosial terhadap minat pemanfaatan sistem informasi dan bukti empiris yang mendukung lainnya, maka diajukan hipotesis penelitian sebagai berikut:

H3: Faktor sosial mempunyai pengaruh positif terhadap minat pemanfaatan sistem

informasi.

2.4.4 Kondisi yang Memfasilitasi (Facilitating Conditions) terhadap Perilaku Penggunaan (Use Behavior)

Kondisi yang Memfasilitasi didefinisikan sebagai tingkat ukuran dimana masing-masing individu yakin bahwa organisasi dan infrastruktur teknologi ada untuk mendukung e-services. (Venkatesh, dkk., 2003) menyatakan bahwa kondisi-kondisi yang memfasilitasi pemakai mempunyai pengaruh pada perilaku penggunaan sistem informasi. maka diajukan hipotesis penelitian sebagai berikut: H4: Kondisi yang Memfasilitasi mempunyai pengaruh positif terhadap perilaku

2.4.5 Minat Pemanfaatan (Behavioral Intention) terhadap Perilaku Penggunaan (Use Behavior)

Minat Pemanfaatan didefinisikan keadaan dimana ketika keuntungan dari sebuah teknologi ditemukan, maka akan ada rencana lain untuk menggunakannya. Perilaku pengguna sistem sangat bergantung pada evaluasi pengguna dari sistem tersebut, dengan kata lain penggunaan sistem adalah indikator dari penilaian kinerja terhadap pemanfaatan dan penerimaan sebuah sistem informasi, baik buruknya sistem informasi mempengaruhi pengguna setelah menggunakannya. (Venkatesh, dkk., 2003) menyatakan bahwa terdapat adanya hubungan langsung dan signifikan antara minat pemanfaatan sistem informasi terhadap penggunaan sistem informasi, maka diajukan hipotesis penelitian sebagai berikut:

H5: Minat Pemanfaatan mempunyai pengaruh positif terhadap perilaku

penggunaan sistem informasi

2.5 Variabel Penelitian

Variabel adalah sesuatu yang akan menjadi objek atau sering juga sebagai faktor yang berperan dalam peristiwa atau gejala yang akan diteliti. Variabel itu, ada bermacam-macam. Variabel dapat dibagi atas dua bagian yaitu Variabel Bebas dan Variabel Terikat

Variabel Bebas (Independent Variable) biasa disebut dengan variabel prediksi atau variabel yang sebenarnya. Variabel bebas dapat dimanipulasi (proses yang disengaja) dan diukur pengaruhnya terhadap variabel terikat.

2.6 Populasi dan Sampel

Populasi atau universe adalah jumlah keseluruhan objek (satuan-satuan atau individu-individu) yang karakteristiknya hendak diduga. Satuan-satuan atau individu-individu ini disebut unit analisa.

Sampel adalah sebagian dari populasi yang karakteristiknya hendak diselidiki dan dianggap bisa mewakili keseluruhan populasi/jumlahnya lebih sedikit daripada jumlah populasinya (Nasir, M., 2013).

2.7 Teknik Pengambilan Sampel

Menurut Yusuf, Muri A. (2014). Pengambilan sampel (sampling) adalah pemilihan sejumlah item tertentu dari seluruh item yang ada dengan tujuan mempelajari sebagian item tersebut untuk mewakili seluruh itemnya. Sampling dilakukan karena pertimbangan biaya dan waktu, akan sangat mahal dan lama untuk memeriksa semua item di populasi yang jumlahnya cukup banyak. Walaupun hasil pemeriksaan sampel-sampel tidak dijamin 100% benar, tetapi diharapkan dapat mewakili populasinya. Oleh sebab itu pengambilan sampel yang baik harus mempertimbangkan:

a. Banyak sampelnya harus cukup

Banyaknya sampel dikatakan cukup bila hasil evaluasinya akan sama atau mendekati sama kalau diambil sampel yang lebih banyak lagi.

b. Dapat mewakili populasinya

n

x

N

Ni

n

_i

=

c. Stabil

Sampel dikatakan stabil bila hasil evaluasinya mendekati sama untuk sampel-sampel yang lain bila terpilih

2.7.1 Menentukan Ukuran Sampel

Jumlah anggota sampel sering dinyatakan dengan ukuran sampel. Jumlah sampel yang diharapkan 100% mewakili populasi adalah jumlah anggota populasi itu sendiri. Untuk penelitian jumlah populasi yang terlalu banyak akan diambil untuk dijadikan sampel dengan harapan jumlah sampel yang diambil dapat mewakili populasi yang ada (Yusuf, Muri A., 2014). Peneliti dalam menentukan sampel menggunakan Rumus Slovin, yaitu:

(2.1)

Dengan:

n : Ukuran sampel keseluruhan. N : Ukuran populasi.

e : Bound of error atau besarnya akurasi yang diinginkan dengan derajat keyakinan tertentu. Default nilai e = 5%

Jika jumlah sampel sebesar n, jumlah populasi sebesar N, dan jumlah subpopulasi pada strata 1 sebesar N1, jumlah subpopulasi pada strata 2 sebesar N2, jumlah

subpopulasi pada strata 3 sebesar N3, maka didapatkan perhitungan sampel untuk

masing-masing strata sebagai berikut:

(2.2)

Dengan:

ni = ukuran sampel pada stratum ke i

n = ukuran sampel keseluruhan

Ni = ukuran populasi pada stratum ke i

N = ukuran populasi

2.7.2 Stratified Random Sampling

Metode penarikan sampel berstrata merupakan suatu prosedur penarikan sampel berstrata, yaitu suatu sub sampel acak sederhana ditarik dari setiap strata yang kurang lebih sama dalam beberapa karakteristik (Guritno, dkk. 2011). Teknik ini digunakan bila populasi mempunyai anggota atau unsur yang tidak homogen dan berstrata proposional.

2.8 Skala Pengukuran

Penelitian dilakukan dengan menggunakan skala likert. Menurut (Guritno, dkk. 2011) skala likert digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok. Dengan menggunakan skala likert, variabel yang akan diukur dijabarkan menjadi dimensi, lalu dimensi menjadi sub variabel dan sub variabel menjadi indikator yang dapat diukur. Indikator yang terukur dapat menjadi titik tolak untuk membuat item instrumen pernyataan atau pertanyaan yang perlu dijawab oleh responden.

penilaian yaitu: Sangat Tidak Setuju: 1, Tidak Setuju: 2, Setuju: 3, dan Sangat Setuju: 4. Hasil persentase setiap variabel akan dibandingkan dengan tabel kriteria interprestasi Score untuk mengukur penerimaan dari masing-masing variabel.

Kriteria Interpretasi Score 0% - 25% Sangat Lemah 26% - 50% Lemah

51% - 75% Kuat

76% - 100% Sangat Kuat Sumber: (Guritno, dkk. 2011)

2.9 Analisis Deskriptif

Analisis Deskriptif dimaksudkan untuk mengetahui distribusi frekuensi jawaban responden dari hasil kuesioner, yaitu dengan cara mengumpulkan data dari hasil jawaban responden, selanjutnya ditabulasi dalam tabel dan dilakukan pembahasan secara deskriptif. Ukuran deskriptif adalah pemberian angka, baik dalam jumlah responden (orang) beserta nilai rata-rata jawaban responden maupun persentase. (Nasir, M., 2013)

2.10 Pengujian Alat Ukur

Uji validitas dan reliabilitas dilakukan untuk menunjukkan sejauh mana suatu alat pengukur itu mengukur apa yang diukur dan menunjukkan sejauh mana suatu alat pengukur dapat dipercaya atau dapat diandalkan (Yusuf, Muri A., 2014). Apabila data sudah valid dan reliable, maka penelitian dapat dilanjutkan, jika tidak valid dan reliable maka ada langkah yang harus dilakukan:

tersisa. Misalkan variable X terdiri dari 5 pertanyaan, apabila dari 5 pertanyaan tersebut ada 2 item pertanyaan yang tidak valid maka diperbolehkan apabila 2 pertanyaan tersebut dihapus dari kuesioner.

b. Apabila item pertanyaan yang harus dibuang sangat penting dan krusial atau tidak akan dihapus karena menyangkut variabel yang penting solusinya adalah memperbaiki atau membuat item pernyataan baru yang substansinya sama, untuk kemudian diuji kembali validitasnya atau menambahkan sampel responden data baru sampai item pernyataan tadi menjadi valid, sehingga untuk data yang lebih besar lebih mudah lolos uji validitas.

2.10.1 Validitas

Menurut Yusuf, Muri A. (2014). Validitas dalam bahasa sederhana digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner untuk mengungkapkan sesuatu yang akan diukur. Uji validitas dilakukan untuk menilai seberapa baik suatu instrumen ataupun proses pengukuran terhadap konsep yang diharapkan untuk mengetahui apakah yang kita tanyakan dalam kuesioner sudah sesuai dengan konsepnya. Data dikatakan valid apabila skor indikator masing pertanyaan berkorelasi secara signifikan terhadap skor total konstruk. Hasil uji validitas dilakukan untuk masing-masing indikator.

Sisi lain yang berkaitan dengan konsep validitas adalah masalah kecermatan. Suatu tes yang validitasnya tinggi selain dapat menjalankan fungsi ukurnya dengan tepat, juga memiliki kecermatan tinggi. Artinya kecermatan didalam mendeteksi perbedaan-perbedaan kecil yang ada pada atribut yang di ukurnya. Ketentuan validitas instrumen:

b. Bila positif, dan r hitung < r table maka butir pertanyaan tidak valid. c. Bila positif, dan r hitung > r table maka butir pertanyaan VALID. Macam-macam Validitas

1. Validitas Isi

Validitas isi adalah sejauh mana elemen-elemen dalam suatu instrument ukur benar-benar relevan dan merupakan representasi sesuai dengan tujuan pengukuran. Validitas isi merupakan modal dasar dalam suatu instrumen penelitian, sebab validitas isi akan menyatakan keterwakilan aspek yang diukur dalam instrumen.

Dengan demikian dapat dikatakan bahwa validitas isi ini lebih menekankan pada keabsahan instrumen yang disusun dikaitkan dengan domain yang ingin diukur. Sehubungan dengan itu, spesifikasi apa yang ingin diukur harus tergambar dengan jelas dan tuntas. Ini berarti pula sebelum menyusun spesifikasi harus jelas terlebih dahulu apa tujuan yang ingin dicapai dengan instrumen tersebut. Berdasarkan tujuan tersebut, maka peneliti dapat pula menetapkan cakupan atau ruang lingkup yang akan ditanyakan. Sejalan dengan itu, bobot masing-masing bahan yang diwakili dalam instrumen seimbang dengan cakupan yang tersedia.

Agar dalam menyusun instrumen yang baik untuk penelitian dan mempunyai validitas isi yang tinggi, maka peneliti hendaklah memperhatikan hal-hal sebagai berikut:

b. Mengambil sampel dari perilaku, pengetahuan, maupun sikap berdasarkan kisi-kisi yang telah disusun. Sampel yang diambil itu hendaknya mewakili isi keseluruhan dan bersifat proposional, sehingga banyaknya materi yang akan ditanyakan sebanding dengan luasnya objek penelitian.

c. Susun instrumen dengan selalu memperhatikan cara-cara penyusunan instrumen yang baik dan benar.

d. Timbang instrumen yang telah siap itu kepada seorang ahli di bidang yang sesuai dengan penelitian untuk mendapatkan tanggapan dan komentar serta saran-saran yang membangun, selanjutnya analisis dengan statistik.

e. Sebaiknya dilakukan seminar atau focus group discusision untuk menanggapi instrumen yang telah disusun maupun yang sudah diperbaiki. 2. Validitas Konstruk

Konstruk merupakan konsep atau rekaan yang disusun menurut pandangan seseorang, seperti ketelitian, inteligensi, kreativitas. Instrumen mempunyai validitas yang tinggi dalam kreativitas kalau instrumen dapat membedakan orang yang rendah atau dapat membedakan individu yang satu dan yang lain dalam kreativitas.

2.10.2 Reliabilitas

Reliabilitas mengacu pada konsistensi hasil pengukuran bila pengukuran dilakukan secara berulang-ulang. Data yang diperoleh dari hasil jawaban responden hanya dapat dikatakan reliabel atau dapat diandalkan bila responden memberikan jawaban yang jujur/obyektif (Yusuf, Muri A., 2014). Salah satu metode yang populer digunakan untuk menguji reliabilitas adalah koefisien

Cronbach Alpha. Kriteria pengujian adalah jika koefisien Cronbach Alpha ≥ 0,5

maka reliabel, sebaliknya tidak reliabel.

Jika data yang diperoleh terbukti valid dan reliabel maka data tersebut dapat digunakan untuk keperluan analisis statistika guna mengambil kesimpulan atau keputusan. Sebaliknya jika data yang diperoleh terbukti tidak valid dan tidak reliabel maka data tersebut tidak dapat digunakan untuk keperluan analisis statistika.

Uji validitas dari setiap latent variables construct akan diuji dengan melihat loading factor dari hubungan antara setiap observed variable dan latent variable Karena merupakan indikator multidimensi, sedangkan reliabilitas diuji dengan construct reliability dan variance extracted. Construct reliability dan

Variance extracted dihitung dengan menggunakan rumus:

Construct Reliability =

[

]

indikatornya. Sementara εj dapat dihitung dengan formula εj = 1– [Standardize

Loading]. Secara umum nilai construct reliability yang dapat diterima adalah ≥

0,7 dan variance extracted ≥ 0,5.

2.11 Analisis Korelasi dan Regresi dengan Metode Structural Equation Model (SEM)

Menurut Santoso, S. (2011). Analisis Korelasi dan Regresi merupakan analisis multivariant, karena menyangkut hubungan antara dua variabel atau lebih, dimana variabel-variabel tersebut dianalisis bersama-sama. Analisis regresi memprediksi seberapa jauh pengaruhnya, sedangkan analisis korelasi mempelajari apakah ada hubungan antara dua variabel atau lebih. Analisis korelasi berkaitan erat dengan regresi, tetapi secara konsep berbeda dengan analisis regresi. Analisis korelasi adalah mengukur suatu tingkat atau kekuatan hubungan linear antara dua variabel.

2.11.1 Structural Equation Model (SEM)

SEM merupakan salah satu metode penelitian multivariate yang paling sering digunakan untuk penelitian di bidang ilmu sosial, psikologi, manajemen, ekonomi, sosiologi, ilmu politik, ilmu pemasaran, dan pendidikan. Alasan yang mendasari digunakannya SEM dalam penelitian-penelitian tersebut adalah karena SEM dapat menjelaskan hubungan antar beberapa variabel yang ada dalam penelitian (Santoso, S., 2011).

SEM lebih digunakan untuk melakukan confirmatory analysis daripada

exploratory analysis. Sebuah model dibuat berdasar teori tertentu, kemudian SEM digunakan untuk menguji apakah model tersebut dapat diterima atau ditolak. Model yang dibuat sudah didasarkan atas teori tertentu, sehingga SEM tidak digunakan untuk membangun sebuah model baru tanpa dasar teori yang sudah ada sebelumnya.

2.11.2 Kecocokan Model (Model Fit)

Prosedur untuk melakukan estimasi dan penilaian keselarasan model dalam SEM mirip dengan apa yang dilakukan dalam model-model statistik (Santoso, S., 2011). Pertama-tama periksa dulu data kemudian cek untuk dilihat asumsi distribusi masuk akal dan apa yang dapat dilakukan terhadap masalah tersebut. Metode estimasi yang umum dalam SEM adalah estimasi kesamaan maksimum (maximum likelihood (ML) estimation). Asumsi pokok untuk metode ini ialah normalitas multivariat.

menyediakan estimasi-estimasi yang paling baik terhadap parameter-parameter yang bervariasi sekali didasarkan dengan meminimalkan fungsi yang melakukan indeks seberapa baik model-model, serta dikenakan kendali-kendali yang sudah didefinisikan terlebih dahulu. AMOS menyediakan pengukuran keselarasan model (goodness-of-fit) untuk membantu melakukan evaluasi kecocokan model. Setelah menelaah hasil-hasilnya maka dapat menyesuaikan model-model tertentu dan mencoba memperbaiki keselarasannya. AMOS juga menyediakan model ekstensif untuk mencocokkan diagnosa-diagnosa yang dibuat oleh peneliti. Pengujian

model fit atau goodness of fit (GOF) yang dapat dilihat pada tabel 2.3

Tabel 2.3 Kriteria Goodness of Fit Index Goodness of Fit

Index

Keterangan Cut-off Value

Χ2

- Chi Square

Menguji apakah covariance populasi yang diestimasi sama dengan covariance sampel (apakah model sesuai dengan data)

Diharapkan kecil, 1 s.d 5, atau paling baik diantara 1 dan 2

Probability

Uji signifikansi terhadap perbedaan matriks covariance data dan matriks covariance yang diestimasi.

Minimum 0,1 atau

0,2 atau ≥ 0,05

RMSEA Mengkompensasi kelemahan Chi-Square pada sampel besar

≤ 0,08

GFI

Menghitung proporsi tertimbang varian dalam matriks sampel yang dijelaskan oleh matriks covariance populasi yang diestimasi (Analog dengan R2 dalam regresi berganda)

≥ 0,90

AGFI GFI yang disesuaikan terhadap DF ≥ 0,90

CMIND/DF Kesesuaian antara data dengan model ≤ 2,00

TLI Perbandingan antara model yang diuji terhadap baseline model

≥ 0,95

CFI

Uji kelayakan model yang tidak sensitif terhadap besarnya sampel dan kerumitan model

Penjelasan mengenai pengujian model fit atau goodness of fit yang diterapkan adalah sebagai berikut

a. X2-Chi Square Statistic

Alat uji paling fundamental untuk mengukur overall fit adalah likelihood ratio chi-square statistic. Chi-square ini bersifat sangat sensitif terhadap besarnya sampel yang digunakan. Karena itu bila jumlah sampel adalah cukup besar yaitu lebih dari 200 sampel, maka statistik chi-square ini harus didampingi oleh alat uji lainnya. Model yang diuji akan dipandang baik atau memuaskan bila nilai chi-squarenya rendah. Semakin kecil nilai X2 semakin baik model itu. Dalam pengujian ini nilai X2 yang rendah yang menghasilkan sebuah tingkat signifikansi yang lebih besar dari 0,05 akan mengindikasikan tak adanya perbedaan yang signifikan antara matriks kovarians data dan matriks kovarians yang diestimasi.

b. RMSEA – The Root Mean Square Error of Approximation

RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi

chi-square statistic dalam sampel yang besar. Nilai RMSEA menunjukkan

goodness-of-fit yang dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degree of freedom.

c. GFI – Goodness of Fit Index

non-statistikal yang mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1,0 (perfect fit). Nilai GFI yang lebih besar atau sama dengan 0,90 merupakan indeks untuk dapat diterimanya model. Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”.

d. AGFI – Adjusted Goodness of Fit Index

GFI adalah analog dari R2 dalam regresi berganda. Fit index ini dapat

di-adjust terhadap degree of freedom yang tersedia untuk menguji diterima tidaknya model. Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90. Perlu diketahui bahwa baik GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians dalam sebuah matriks kovarians sampel.

e. CMIN/DF – The minimum sample discrepancy function (CMIN)

dibagi dengan degree of freedom-nya akan menghasilkan indeks CMIN/DF, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator untuk mengukur tingkat fit-nya sebuah model. Dalam hal ini CMIN/DF tidak lain adalah statistik Chi Square, X2 dibagi DFnya sehingga disebut X2-relatif. Nilai X2–relatif kurang dari atau sama dengan 2,0 adalah indikasi dari

acceptablefit antara model dan data. f. TLI – Tucker Lewis Index

penerimaan ≥ 0,95 dan nilai yang sangat mendekati 1 menunjukkan a very good fit.

g. CFI – Comparative Fit Index

Besaran indeks ini adalah pada rentang nilai sebesar 0-1, dimana semakin mendekati 1, mengindikasikan tingkat fit yang paling tinggi – a very good fit. Nilai yang direkomendasikan adalah CFI ≥ 0,95. Keunggulan dari indeks ini adalah bahwa indeks ini besarannya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model. Adapun langkah pengujian hipotesis dalam penelitian ini meliputi:

a. Memperbandingkan nilai critical ratio (CR) dengan r tabel, di mana: 1. Jika nilai critical ratio (CR) > r tabel maka hipotesis diterima; dan 2. Jika nilai critical ratio (CR) < r tabel maka hipotesis ditolak. b. Menentukan significant value (p-value) di mana:

BAB III

METODE PENELITIAN

Penelitian ini dilakukan melalui 3 tahap, yaitu: Tahap Pendahuluan, Tahap Pengumpulan Data, dan Tahap Analisis Data. Secara singkat tahapan penelitian dapat dilihat pada Gambar 3.1

1. Tahap Pendahuluan

Studi Literatur

2. Tahap Pengumpulan Data

Variabel Penelitian Kuisioner

3. Tahap Analisis Data

Analisis Deskriptif

Analisis Tingkat Penerimaan Mahasiswa

terhadap aplikasi akademik.wima.ac.id

Uji Asumsi Model Structural Equation

Model

Analisis Korelasi dan Regresi dengan Metode

SEM

Gambar 3.1 Tahapan dalam Metode Penelitian

3.1 Tahap Pendahuluan

Pada tahap ini dilakukan studi literatur penelitian serta jurnal mengenai penerimaan penggunaan teknologi sistem informasi yang terkait, studi literatur digunakan untuk mendapatkan pemahaman tentang melakukan analisis penerimaan teknologi dengan metode UTAUT dan bagaimana menguji hipotesis.

3.2 Tahap Pengumpulan Data

Pengumpulan data dilakukan untuk mendapatkan detail informasi mengenai aplikasi akademik.wima.ac.id, ini berarti sebelum turun ke lapangan jenis data yang dikumpulkan telah jelas, demikian juga dengan respondennya. Data yang dikumpulkan merupakan data kuantitatif, lebih banyak angka bukan kata-kata atau gambar. Peneliti menentukan variabel-variabel yang akan digunakan untuk melakukan analisis.

Teknik pengumpulan data dengan menyebarkan kuesioner sebanyak 334 lembar yang bersifat tertutup. Pada kuesioner yang sifatnya tertutup pertanyaan kuesioner yang disusun dengan menyediakan pilihan jawaban lengkap sehingga pengisi atau responden hanya tinggal memberi tanda pada jawaban yang dipilih.

3.2.1 Variabel Penelitian

Peneliti menentukan variabel-variabel yang akan digunakan untuk melakukan pengukuran, diantaranya variabel-variabel tersebut adalah:

a. Variabel Dependen

i. Behavioral Intention (Minat Pemanfaatan)

Minat pemanfaatan aplikasi akademik.wima.ac.id berhubungan dengan keinginan mahasiswa dalam menggunakan sistem informasi tersebut untuk melaksanakan tugasnya sebagai mahasiswa Universitas Katolik Widya Mandala Surabaya.

ii. Use Behavior (Perilaku Penggunaan)

b. Variabel Independen

i. Performance Expectancy (Ekspektasi Kinerja)

Tingkat dimana seorang individu meyakini bahwa dengan menggunakan aplikasi akademik.wima.ac.id akan membantu dalam tugasnya sebagai mahasiswa Universitas Katolik Widya Mandala Surabaya.

ii. Effort Expectancy (Ekspektasi Usaha)

Merupakan tingkat kemudahan penggunaan sistem yang akan dapat mengurangi upaya (tenaga dan waktu) individu dalam melakukan pekerjaannya. Kemudahan penggunaan aplikasi akademik.wima.ac.id akan memunculkan minat mahasiswa bahwa sistem itu mempunyai kegunaan dan karenanya menimbulkan rasa yang nyaman bila menggunakannya dan membantu tugasnya sebagai mahasiswa.

iii. Social Influence (Faktor Sosial)

Didefinisikan sebagai tingkat dimana seorang individu mengganggap bahwa orang lain meyakinkan dirinya bahwa dia harus menggunakan sistem. Faktor sosial ditunjukan dengan besarnya dukungan dari mahasiswa lain, bagian akademik, perguruan tinggi. Hal ini menunjukkan bahwa individu akan meningkatkan pemanfaatan aplikasi akademik.wima.ac.id jika mendapatkan dukungan dari individu lainnya. iv. Facilitating Conditions (Kondisi yang Memfasilitasi)

3.2.2 Alat Bantu Penelitian

Alat bantu yang digunakan oleh peneliti dalam mengumpulkan data agar penelitian lebih sistematis dan lebih mudah dengan menggunakan media Kuesioner. Dalam penelitian ini, data yang digunakan adalah data kualitatif, maka analisis kuantitatif dilakukan dengan cara mengkuantifikasi data-data penelitian ke dalam bentuk angka-angka dengan menggunakan skala rasio (ratio scale) dan skala likert 4 poin (4-point likert scale). Kuesioner akan disebarkan pada sampel yang telah ditentukan.

1. Populasi dan Sampel a. Populasi

Populasi yang digunakan dalam penelitian ini adalah pengguna dari akademik.wima.ac.id yang memiliki hak akses, yaitu mahasiswa aktif Universitas Katolik Widya Mandala Surabaya, dapat dilihat pada tabel 3.1

Tabel 3.1 Jumlah Populasi Mahasiswa Aktif Fakultas Bisnis

Program Studi

Jumlah Mahasiswa Per Angkatan Jumlah per Prodi 2012 2013 2014 2015

Manajemen 187 181 221 277 866

Akuntansi S-1 236 172 271 300 979

IBM 22 22 30 48 122

Akuntansi D-3 0 13 19 27 59

Jumlah Populasi 2026

b. Sampel

2. Menentukan Ukuran Sampel

Jumlah anggota sampel sering dinyatakan dengan ukuran sampel. Jumlah sampel yang diharapkan 100% mewakili populasi adalah jumlah anggota populasi itu sendiri. Untuk penelitian jumlah populasi yang terlalu banyak akan diambil untuk dijadikan sampel dengan harapan jumlah sampel yang diambil dapat mewakili populasi yang ada. Berdasarkan perhitungan dengan menggunakan persamaan (2.1), maka ditentukan jumlah sampel:

dibulatkan 334

Tabel 3.2. Sampel Mahasiswa Setiap Program Studi 2012 – 2015

Program Studi

Jumlah Sampel Mahasiswa Per

Angkatan _{Jumlah Sampel}

per Prodi

2012 2013 2014 2015

Manajemen 31 30 36 46 143

Akuntansi S-1 39 28 45 49 161

IBM 4 4 5 8 21

Akuntansi D-3 0 2 3 4 9

Total Sampel 334

3. Lokasi Penelitian

Penelitian ini dilakukan di Universitas Katolik Widya Mandala Surabaya, Jalan Dinoyo 42 – 44 Surabaya Kode Pos 60265.

3.3 Tahap Analisis Data

untuk analisis data menggunakan metode SEM dengan menggunakan perangkat lunak AMOS.

3.3.1 Analisis Deskriptif

Sebanyak 334 kuesioner kemudian ditabulasi menggunakan perangkat lunak SPSS untuk mengumpulkan tanggapan responden tentang variabel penelitian, kemudian akan diolah beberapa ukuran, yaitu tanggapan maksimum dan minimum responden, ukuran pemusatan data (mean), ukuran penyebaran data (standar deviasi).

3.3.2 Analisis Tingkat Penerimaan Mahasiswa terhadap aplikasi akademik.wima.ac.id

Untuk mendapatkan tingkat penerimaan akademik.wima.ac.id, diambil dari persentase kuesioner masing-masing variabel penelitian menggunakan skala likert dapat dilihat pada tabel 3.3 sehingga dapat diukur menjadi indikator, tujuannya untuk mengetahui sejauh mana tingkat penerimaan mahasiswa terhadap aplikasi akademik.wima.ac.id

Tabel 3.3 Skala Jawaban Kuesioner

Score Skala

1 Sangat Tidak Setuju

2 Tidak Setuju

3 Setuju

4 Sangat Setuju

3.3.3 Uji Asumsi Model Structural Equation Modeling (SEM)

Pada tahapan ini membuat model SEM dan melakukan pengujian asumsi-asumsi yang seharusnya dipenuhi dalam SEM.

1. Uji Normalitas Sebaran dan Linieritas

a. Normalitas dapat diuji dengan melihat gambar histogram data atau dengan menggunakan metode statistik.

b. Menggunakan critical ratio yang diperoleh dengan membagi koefisien sampel dengan standart error-nya dan Skeweness value yang biasa disajikan dalam statistik deskriptif dimana nilai statistik yang digunakan untuk menguji normalitas sebaran data itu disebut Z-value. Dengan kriteria penilaian pada tingkat signifikansi 1%, jika nilai Z score lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal.

2. Evalusi Outlier

a. Mengamati nilai Z-score, ketentuannya diantara + 3,0 non outlier.

b. Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p < 0,001. Jarak diuji dengan Chi Square [χ2] pada derajat kebebasan (df) sebesar jumlah variabel bebasnya. Dengan ketentuan Mahalanobis dari nilai [χ2

3. Deteksi Multicolinearity dan heteroskedastsitas

Deteksi multicolinearity dan heteroskedastsitas dilakukan dengan mengamati

Determinant Matrix Covariance. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 (kecil), maka terjadi multikolinearitas dan

heteroskedastsitas.

4. Uji Validitas dan Reliabilitas

Uji Validitas dilakukan dengan menilai tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur. Sedangkan reliabilitas dilakukan pengukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat dimana masing-masing indikator mampu menghasilkan konstruk/faktor variabel laten.

3.3.4 Analisis Korelasi dan Regresi dengan Metode SEM

Analisis Korelasi dan Regresi dengan Metode SEM untuk menguji kerangka konseptual UTAUT dan menguji hipotesis. Pemrosesan dan analisis data dilakukan dengan menggunakan bantuan microsoft excel 2007, program SPSS 16, dan AMOS 22. Adapun tahapan dalam analisis data adalah sebagai berikut:

1. Membuat sebuah Model SEM (Model Specification)

Pada tahap ini, sebuah model dengan berdasar teori tertentu dibuat, baik dalam bentuk equation (persamaan-persamaan matematis) maupun dalam bentuk diagram. Diagram tersebut akan memasukkan measurement model dan

memiliki pijakan teoritis yang cukup kuat untuk menjelaskan berbagai bentuk hubungan.

2. Menyiapkan desain penelitian dan pengumpulan data

Setelah model dibuat, sebelum model diuji, akan dilakukan pengujian asumsi-asumsi yang seharusnya dipenuhi dalam SEM, perlakuan terhadap missing data (jika ada dan cukup banyak), dan mengumpulkan data.

3. Identifikasi model (model identification)

Setelah sebuah model dibuat dan desain sudah ditentukan, pada model dilakukan uji identifikasi, apakah model dapat dianalisis lebih lanjut. Penghitungan besar degree of freedom menjadi bagian penting pada tahap ini. Pada tahap ini juga dilakukan pengujian evaluasi kriteria goodness of fit (uji kesesuaian indeks).

4. Menguji model (model testing dan model estimation)

Setelah model dibuat dan dapat diidentifikasi, tahapan dilanjutkan dengan menguji measurement model kemudian menguji structural model. Dari pengujian mesurement model, akan didapat keeratan hubungan antara indikator dengan konstruknya. Jika measurement model dapat dianggap valid, pengujian pada structural model untuk memperoleh sejumlah korelasi yang menunjukkan hubungan antar konstruk. Termasuk dalam kegiatan ini adalah kemungkinan dilakukannya model respesification pada sebuah model SEM. 5. Pengujian hipotesis

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum Objek Penelitian

Universitas Katolik Widya Mandala Surabaya yang telah berjalan sejak 20 September 1960, memandang bahwa kampus adalah tempat pembentukan dan peningkatan kehidupan. Dengan berbagai program akademik dan kemahasiswaan yang berkualitas, baik di dalam maupun di luar kampus, mahasiswa difasilitasi untuk bertumbuh menjadi manusia dewasa yang matang secara iman, karakter, ketrampilan dan intelektualitasnya.

Universitas Katolik Widya Mandala Surabaya telah memiliki sistem informasi akademik untuk mencatat segala aktivitas mahasiswa. Sistem informasi akademik tersebut dapat diakses pada alamat link http://akademik.wima.ac.id yang merupakan website utama sistem informasi akademik. Adapun Informasi-informasi yang ditampilkan pada aplikasi akademik.wima.ac.id yang diakses oleh Mahasiswa adalah sebagai berikut:

1. Biodata Mahasiswa

Menampilkan data setiap mahasiswa yang meliputi Asal SMA, Alamat Mahasiswa, Data Orang Tua dan Informasi status mahasiswa

2. Informasi Kartu Rencana Studi

Menampilkan matakuliah yang pernah diambil per semester 3. Informasi Jadwal Kuliah

Menampilkan jadwal perkuliahan 4. Informasi Presensi

Menampilkan informasi absensi perkuliahan setiap mahasiswa 5. Informasi Poin Kegiatan Kemahasiswaan

Menampilkan detail kegiatan kemahasiswaan dalam bentuk poin (angka), yang terbagi dalam Program Wajib, Tahap Pertumbuhan, Tahap Penyadaran dan Tahap Pendewasaan

6. Informasi Laporan

Menyediakan menu administrasi mahasiswa antara lain: Laporan Kartu Hasil Studi, Laporan Rangkuman Hasil Studi, Laporan Kartu Rencana Studi, dan Laporan Histori akademik yang telah ditempuh oleh mahasiswa

7. Informasi Kuesioner Dosen

Menampilkan menu penilaian kinerja dosen selama 1 (satu) semester.

4.2 Karakteristik Responden Penelitian

Berdasarkan hasil penyebaran kuesioner kepada responden sebagai sampel penelitian, dapat diketahui karakteristik responden yang dapat dilihat pada tabel 4.1

Tabel 4.1.Karakteristik Responden Berdasarkan Jenis Kelamin

Karakteristik Frekuensi Persentase

Jenis Kelamin Laki-laki 148 44,31

Perempuan 186 55,69

Total 334 100,0

Surabaya yang aktif menjadi mahasiswa Fakultas Bisnis angkatan 2012 s/d 2015 adalah perempuan. Dalam bentuk diagram batang dapat ditunjukkan distribusi frekuensi responden berdasarkan jenis kelamin sebagai berikut:

Gambar 4.1 Diagram Batang Karakteristik Responden Berdasarkan Jenis Kelamin

4.3 Analisis Deskripsi Variabel Penelitian

Analisis Deskripsi adalah menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul dan diolah.

4.3.1 Ekspektasi Kinerja (Performance Expectancy)

Tabel 4.2 Deskripsi Jawaban Responden Pada Variabel Ekspektasi Kinerja (Performance Expectancy)

Kode Indikator STS TS S SS

F % F % F % F %

PE1 4 1,2 43 12,9 206 61,7 81 24,3

PE2 24 7,2 131 39,2 141 42,2 38 11,4

PE3 22 6,6 95 28,4 157 47,0 60 18,0

PE4 15 4,5 112 33,5 164 49,1 43 12,9

PE5 13 3,9 100 29,9 173 51,8 48 14,4

Rata-rata 15,6 4,68 96,2 28,78 168,2 50,36 54 16,2

Berdasarkan tabel 4.2 dapat diketahui bahwa mayoritas jawaban mengenai variabel ekspektasi kinerja ada pada jawaban setuju dan sangat setuju dengan nilai persentase sebesar 66,56%, dan menurut kriteria interpretasi score persentase tersebut tergolong kuat. Besarnya nilai persentase berarti sebagian besar responden setuju terhadap pernyataan pada variabel ekspektasi kinerja yang terdiri atas lima indikator. Ini dapat diartikan bahwa responden percaya aplikasi akademik.wima.ac.id sangat berguna dalam menunjang perkuliahan dan dengan menggunakan aplikasi akademik.wima.ac.id dapat meningkatkan Poin Kegiatan Kemahasiswaan (PK2).

4.3.2 Ekspektasi Usaha (Effort Expectancy)

mengetahui jawaban responden terhadap kuesioner mengenai Ekspektasi Usaha (Effort Expectancy) dapat dilihat pada tabel 4.3

Tabel 4.3 Deskripsi Jawaban Responden Pada Variabel Ekspektasi Usaha (Effort Expectancy)

Kode Indikator STS TS S SS

F % F % F % F %

EE1 2 0,6 10 3,0 226 67,7 96 28,7

EE2 1 0,3 19 5,7 207 62,0 107 32,0

EE3 1 0,3 16 4,8 215 64,4 102 30,5

EE4 9 2,7 33 9,9 217 65,0 75 22,5

Rata-rata 3,25 0,975 19,5 5,85 216,25 64,78 95 28,43

Berdasarkan tabel 4.3 dapat diketahui bahwa mayoritas jawaban mengenai variabel ekspektasi usaha ada pada jawaban setuju dan sangat setuju dengan nilai persentase sebesar 93,21%, dan menurut kriteria interpretasi score persentase tersebut tergolong sangat kuat. Besarnya nilai persentase berarti sebagian besar responden setuju terhadap pernyataan pada variabel ekspektasi usaha yang terdiri atas empat indikator. Ini dapat diartikan bahwa responden memahami dan mampu menggunakan aplikasi akademik.wima.ac.id tanpa bantuan orang lain serta tidak banyak menyita waktu.

4.3.3 Faktor Sosial (Social Influence)

jawaban responden terhadap kuesioner mengenai Faktor Sosial (Social Influence) dapat dilihat pada tabel 4.4

Tabel 4.4 Deskripsi Jawaban Responden Pada Variabel Faktor Sosial (Social Influence)

Kode Indikator STS TS S SS

F % F % F % F %

SI1 32 9,6 153 45,8 119 35,6 30 9,0

SI2 21 6,3 130 38,9 158 47,3 25 7,5

SI3 10 3,0 96 28,7 178 53,3 50 15,0

SI4 15 4,5 73 21,9 181 54,2 65 19,5

Rata-rata 19,5 5,85 113 33,83 159 47,6 42,5 12,75

Berdasarkan tabel 4.4 dapat diketahui bahwa mayoritas jawaban mengenai variabel faktor sosial ada pada jawaban setuju dan sangat setuju dengan nilai persentase sebesar 60.35%, dan menurut kriteria interpretasi score persentase tersebut tergolong kuat. Besarnya nilai persentase berarti sebagian besar responden setuju terhadap pernyataan pada variabel faktor sosial yang terdiri atas empat indikator. Ini dapat diartikan bahwa menurut responden Universitas Katolik Widya Mandala Surabaya mendukung penggunaan aplikasi akademik.wima.ac.id dengan menyediakan komputer dan akses internet.

4.3.4 Kondisi yang Memfasilitasi (Facilitating Conditions)

Tabel 4.5 Deskripsi Jawaban Responden Pada Variabel Kondisi yang Memfasilitasi (Facilitating Conditions)

Kode Indikator STS TS S SS

F % F % F % F %

FC1 15 4,5 62 18,6 200 59,9 57 17,1

FC2 2 0,6 12 3,6 229 68,6 91 27,2

FC3 2 0,6 14 4,2 215 64,4 103 30,8

Rata-rata 6,33 1,90 29,33 8,80 214,67 64,30 83,67 25,03

Berdasarkan tabel 4.5 dapat diketahui bahwa mayoritas jawaban mengenai variabel faciliating condition ada pada jawaban setuju dan sangat setuju dengan nilai persentase sebesar 89,33%. dan menurut kriteria interpretasi score persentase tersebut tergolong sangat kuat. Besarnya nilai persentase berarti sebagian besar responden setuju terhadap pernyataan pada variabel faciliating condition yang terdiri atas tiga indikator. Ini dapat diartikan bahwa menurut responden Universitas Katolik Widya Mandala Surabaya memiliki infrastruktur yang membantu dalam mengakses aplikasi akademik.wima.ac.id (contoh: Komputer, Jaringan internet). Selain itu, aplikasi akademik.wima.ac.id kompatibel dengan perangkat yang digunakan (contoh: dapat diakses dengan smartphone).

4.3.5 Minat Pemanfaatan (Behavior Intention)

Tabel 4.6 Deskripsi Jawaban Responden Pada Variabel Minat Pemanfaatan (Behavior Intention)

Kode Indikator STS TS S SS

F % F % F % F %

BI1 0 0 9 2,7 225 67,4 100 29,9

BI2 0 0 16 4,8 211 63,2 107 32,0

Rata-rata 0 0 12,5 3,75 218 65,3 103,5 30,95

Berdasarkan tabel 4.6 dapat diketahui bahwa mayoritas jawaban mengenai variabel behavior intention ada pada jawaban setuju dan sangat setuju dengan nilai persentase sebesar 96.25%. dan menurut kriteria interpretasi score persentase tersebut tergolong sangat kuat. Besarnya nilai persentase berarti sebagian besar responden setuju terhadap pernyataan pada variabel behavior intention yang terdiri atas dua indikator. Ini dapat diartikan bahwa para responden memiliki niat untuk menggunakan aplikasi akademik.wima.ac.id di semester berikutnya dan menggunakan aplikasi akademik.wima.ac.id hingga perkuliahan selesai di Universitas Katolik Widya Mandala Surabaya.

4.3.6 Perilaku Penggunaan (Use Behavior)

Tabel 4.7 Deskripsi Jawaban Responden Pada Variabel Perilaku Penggunaan (Use

Berdasarkan tabel 4.7 dapat diketahui bahwa mayoritas jawaban mengenai variabel use behavior ada pada jawaban intensitas mengakses aplikasi adalah sebesar 52,4% ada pada pilihan sering dan sangat sering, serta pada jawaban frekuensi mengakses aplikasi adalah lebih dari 3 kali/hari dan 1-2 kali/hari dengan nilai persentase sebesar 21,3%. Besarnya nilai persentase berarti sebagian besar responden yaitu sering dan sangat sering terhadap pernyataan pada variabel use behavior yang terdiri atas dua indikator.

4.4 Asumsi Model

Setelah model dibuat dan sebelum model diuji, akan dilakukan pengujian asumsi-asumsi yang seharusnya dipenuhi dalam SEM.

4.4.1 Uji Normalitas Sebaran dan Linieritas

Tabel 4.8 Hasil Pengujian Normalitas

Hasil uji menunjukkan bahwa nilai c.r. mutivariate yang diperoleh sebesar 1,901 yang mana nilai tersebut berada di antara ± 2,58 sehingga dapat diartikan bahwa asumsi normalitas terpenuhi.

4.4.2 Evaluasi atas Outlier

Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi.

0,001. Jarak diuji dengan Chi-Square (χ2) pada df sebesar jumlah variabel bebasnya (df = n-k-1). Ketentuan: bila Mahalanobis > dari nilai χ2 adalah

multivariate outlier. Pada penelitian ini terdapat outlier apabila nilai Mahalanobis distancenya > 84,037. Untuk lebih memperjelas uraian mengenai evaluasi outlier multivariate dapat dilihat pada tabel 4.9

Tabel 4.9 Hasil Pengujian Outlier Multivariate

Minimum Maximum Mean Std.

Deviation N

Predicted Value 20,7362 258,9631 167,5000 42,55809 334

Std. Predicted Value -3,449 2,149 ,000 1,000 334

235,81728 208,84900 ,00000 86,67742 334

Std. Residual -2,638 2,336 ,000 ,970 334

Stud. Residual -2,736 2,443 ,000 1,003 334

Deleted Residual

-253,80621 228,35503 ,03158 92,84978 334

Stud. Deleted Residual -2,765 2,462 ,000 1,005 334

Mahal. Distance 2,395 42,537 19,940 9,590 334

Cook's Distance ,000 ,034 ,003 ,005 334

Centered Leverage

Value ,007 ,128 ,060 ,029 334

4.4.3 Multicollinierity dan Singularity

Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 (kecil), maka terjadi multikolinieritas dan singularitas. Berdasarkan hasil pengujian dengan menggunakan program AMOS diperoleh hasil Determinant of Sample Covariance Matrix adalah > 0 yaitu sebesar 28,634 mengindikasikan tidak terjadi multikolinieritas dan singularitas dalam data ini sehingga asumsi terpenuhi.

4.4.4 Validitas dan Reliabilitas

Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum.

Tabel 4.10 Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis

Sebelum Eliminasi

Variabel Indikator Faktor Loading

1 2 3

Ekspektasi Kinerja (Performance Expectancy)

PE1 0,479

PE2 0,795

PE3 0,629

PE4 0,811

PE5 0,743

Ekspektasi Usaha (Effort Expectancy)

EE1 0,701

EE2 0,787

EE3 0,812

EE4 0,534

Faktor Sosial (Social Influence) (Facilitating Conditions)

FC1 0,538

FC2 0,752

FC3 0,791

Minat Pemanfaatan (Behavior Intention)

BI1 0,717

Berdasarkan hasil confirmatory factor analysis pada tabel 4.10 terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap

construct sebagian besar ≥ 0.5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup baik dan dapat diterima. Nilai faktor loading pada confirmatory factor analysis digunakan untuk menghitung nilai

Construct Reliability dan Variance Extraced.

yang dihasilkan. Hasil pengujian reliabilitas Consistency Internal dalam penelitian ini dapat dilihat pada tabel 4.11

Tabel 4.11 Pengujian Reliability Consistency Internal

Konstruk Indikator Item to Total

Correlation

Koefisien

Cronbach's Alpha

Ekspektasi Kinerja (Performance Expectancy)

PE1 0,440 (Effort Expectancy)

EE1 0,609

0,788

EE2 0,652

EE3 0,704

EE4 0,455

Faktor Sosial (Social Influence) (Facilitating Conditions)

FC1 0,448

0,706

FC2 0,599

FC3 0,566

Minat Pemanfaatan (Behavior Intention)

BI1 0,574

Hasil pengujian reliabilitas konsistensi internal pada tabel 4.11 untuk setiap construct di atas menunjukkan hasil yang baik dimana koefisien koefisien

Cronbach’s Alpha yang diperoleh seluruhnya memenuhi rules of thumb yang disyaratkan.

peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang sama.

Selain melakukan pengujian konsistensi internal Cronbach’s Alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted.

Kedua pengujian tersebut masih dalam koridor uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang sama. Nilai construct reliability yang dapat diterima adalah ≥ 0,5 Standardize loading dapat diperoleh dari output AMOS 22, dengan melihat estimasi setiap construct standardize regression weight terhadap setiap butir sebagai indikatornya.

Hasil pengujan Construct Reliability (2.3) dan Variance Extraced (2.4) dalam penelitian ini akan ditampilkan pada tabel 4.12

Tabel 4.12. Construct Reliability & Variance Extrated

[εj] Reliability Construct