44 BAB IV
HASIL DAN PEMBAHASAN
4.1 Penyusunan Kuesioner dan Penentuan Variabel
Kuesioner disusun berdasarkan penelitian yang telah dilakukan olehWadie
Nasri dan Lanouar Charfeddine (2012) mengangkat faktor minat perilaku nasabah
yang menggunakan internet banking dengan model integrasi TAM dan TPB.
Bedasarkan teori tersebut, peneliti melakukan pengujian model integrasi TAM
dan TPB pada nasabah bank yang menggunakan internet banking di Surabaya.
Kuesioner ini terdirin dari sepuluh variabel yaitu perceived of use, perceived ease of use, security and privacy, self efficacy, government support dan technology
supportyang merupakan variabel eksogen, sedangkanattitude, subjective norm dan perceived behavioral control merupakan variabel endogen. Lembar kuesioner
yang digunakan dapat dilihat pada lampiran 1.
4.1.1 Perceived Usefulness
Perceived usefulnessbertujuan untuk mengukur tingkatkepercayaan seseorangterhadap penggunaan internet banking. Variabel perceived usefulness disusun dari beberapa indikator yaitu menyelesaikan tugas dengan
Tabel 4.1 Kuesioner perceived usefulness
4.1.2 Perceived Ease of Use
Perceived ease of use bertujuan untuk mengukur tingkat percaya bahwa sistem dapat dengan mudah dipahami dan digunakan oleh responden dalam
penggunaan internet banking. Variabel perceived ease of use disusun dari
beberapa indikator yaitu mudah dipelajari, interaksi mudah, dan mudah transaksi.
Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.2.
Tabel 4.2 Kuesioner perceived ease of use
No.
Kuesioner Indikator Kode Pernyataan
1. menyelesaikan tugas
dengan cepat. PU1
Penggunaan IB dapat
menyelesaikan tugas-tugas lebih cepat
2. mengerjakan tugas
dengan cepat PU2
Penggunaan IB dapat
memudahkan dalam melaksanakan tugas-tugas .
3. berguna PU3 Internet bankingberguna.
4. menguntungkan. PU4 Penggunaan IB menguntungkan.
No.
Kuesioner Indikator Kode Pernyataan
5. mudah dipelajari PEU 1 Penggunaan IB mudah dipelajari.
6. mudah interaksi PEU 2 Mudah berinteraksi dengan IB.
4.1.3 Security and Privacy
Security and privacy bertujuan untuk mengendalikan dan menciptakan situasi, kondisi, atau peristiwa yang berpotensi dalam bentuk kerusakan,
pengungkapan, modifikasi data, penolakan layanan dan / atau penipuan, dan
penyalahgunaan. Variabel security and privacydisusun dari beberapa indikator yaitu dapat dipercaya, melindungi data pribadi, sama dengan bank konvensional,
aman secara finansial, kekhawatiran, dan aspek keamanan. Pernyataan dari setiap
indikator pada kuesioner dijabarkan pada Tabel 4.3.
Tabel 4.3 Kuesioner security and privacy
No.
Kuesioner Indikator Kode Pernyataan
8. dapat dipercaya SP 1 Teknologi IB dapat dipercaya
9. melindungi data
12. kekhawatiran SP 5 Tidak ada kekhawatiran dalam penggunaan IB.
Attitude bertujuan untuk mengevaluasi kepercayaan dari seseorang untuk melakukan perilaku yang akan ditentukan. Variabel attitude disusun dari beberapa
paksaan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel
4.4.
Tabel 4.4 Kuesioner attitude
4.1.5 Subjective Norm
Subjective norm bertujuan untuk mengetahui persepsi tekanan sosial yang mempengaruhi atau tidak mempengaruhi perilaku seseorang. Variabel subjective norm disusun dari beberapa indikator yaitu orang terpenting, orang lain
mempengaruhi, dan orang lain berpendapat. Pernyataan dari setiap indikator pada
kuesioner dijabarkan pada Tabel 4.5.
Tabel 4.5 Kuesioner subjective norm
No.
Kuesioner Indikator Kode Pernyataan
18. orang terpenting SN 1 Orang terpenting di sekitar saya akan menyarankan untuk menggunakan IB.
19. orang lain mempengaruhi SN 2 Orang lain di sekitar saya mempengaruhi untuk menggunakan IB.
20. orang lain berpendapat SN 3 Orang lain di sekitar saya berpendapat untuk menggunakan IB.
No.
Kuesioner Indikator Kode Pernyataan
14. ide yang baik ATT 1 Penggunaan IB merupakan ide yang baik.
15. ide yang bijaksana ATT 2
Penggunaan IB untuk transaksi keuangan merupakan ide yang bijaksana.
16. IB menyenangkan ATT 3 Penggunaan IB menyenangkan.
4.1.6 Self Efficacy
Self efficacy bertujuan untuk penilaian kemampuan seseorang untuk menggunakan suatu system. Variabel self efficacy disusun dari beberapa indikator
yaitu tanpa bantuan orang lain, tidak pernah menggunakan, bantuan manual atau
online, melihat cara menggunakan, menelepon untuk membantu, telah dibantu,
punya banyak waktu, fasilitas bantuan, telah dicontohkan, dan sistem yang sama
sebelumnya. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada
Tabel 4.6
4.1.7 Goverment Support
Goverment support bertujuan untuk memainkan peran intervensi dan kepemimpinandalam mengukur persepsi individu mengenai tingkat dukungan.
Variabel goverment support disusun dari beberapa indikator yaitu mendukung, aktif mendirikan fasilitas, dan promosi untuk e-commerce. Pernyataan dari setiap
indikator pada kuesioner dijabarkan pada Tabel 4.7.
Tabel 4.6 Kuesioner goverment support
No.
Kuesioner Indikator Kode Pernyataan
31. mendukung GS 1 Pemerintah mendukung
penggunaan IB.
32. aktif mendirikan
fasilitas GS 2
Pemerintah aktif dalam mendirikan fasilitas untuk penggunaan IB.
33. promosi untuk
e-commerce GS 3
Tabel 4.7 Kuesioner self efficacy
No.
Kuesioner Indikator Kode Pernyataan
21. tanpa bantuan hanya dengan bantuan manual maupun online
24. melihat cara
menggunakan SE 4
Saya dapat menyelesaikan transaksi bank menggunakan IB, hanya melihat orang lain menggunakannya.
25. menelepon untuk
membantu SE 5
Saya dapat menyelesaikan transaksi bank menggunakan IB, jika terjebak akan menelepon seseorang untuk membantu
26. telah dibantu SE 6
Saya dapat menyelesaikan transaksi bank menggunakan IB, jika seseorang telah membantu menggunakannya
27. punya banyak
waktu SE 7
Saya dapat menyelesaikan transaksi bank menggunakan IB, jika punya banyak waktu untuk menyelesaikan pekerjaan.
28. fasilitas bantuan. SE 8
Saya dapat menyelesaikan transaksi bank menggunakan IB, jika telah dibangun fasilitas bantuan.
29. telah dicontohkan SE 9
Saya dapat menyelesaikan transaksi bank menggunakan IB, jika ada seseorang yang mencontohkan
30. sistem yang sama
sebelumnya SE 10
4.1.8 Technology Support
Technology support bertujuan untuk teknologi menjadi mudah dan tersedia sebagai aplikasi e-commerce seperti layanan internet banking menjadi lebih layak.
Variabel technology support disusun dari beberapa indikator yaitu keamanan internet, kecepatan akses, dan teknologi internet. Pernyataan dari setiap indikator
pada kuesioner dijabarkan pada Tabel 4.8
Tabel 4.8 Kuesioner technology support
No. Kuesioner
Indikator Kode Pernyataan
34. keamanan internet TS 1
Kemajuan teknologi telah menyediakan keamanan internet untuk penggunaan IB.
35. kecepatan akses TS 2 Kecepatan akses internet penting untuk IB.
36. teknologi internet TS 3 Teknologi internet, seperti Wi-Fi, membuat IB lebih layak.
4.1.9 Perceived Behavioral Control
Perceived behavioral control bertujuan untuk memberikan sumber daya dan kesempatan yang mengarahkan seseorang pada kemungkinan perilaku yang
diharapkan. Variabel perceived behavioral control disusun dari beberapa indikator yaitu transaksi keuangan, mengontrol, dan sumber daya, pengetahuan, dan
kemampuan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada
Tabel 4.9 Kuesioner perceived behavioral control
4.1.10 Intention to Use IB
Intention to use IBbertujuan untuk mengetahui niat dan keinginan untuk
menggunakan internet banking. Variabel intention to use IB disusun dari beberapa indikator yaitu transaksi keuangan, mengontrol, dan sumber daya, pengetahuan,
dan kemampuan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada
Tabel 4.10.
Tabel 4.10 Kuesioner intention to use internet banking No.
Kuesioner Indikator Kode Pernyataan
37. transaksi keuangan PBC 1
Saya dapat menggunakan IB dengan baik untuk transaksi keuangan.
38. mengontrol PBC 2 Saya dapat mengontrol
penggunaan IB.
Kuesioner Indikator Kode Pernyataan
40. kebutuhan
42. transaksi perbankan INT 3
Saya akan menggunakan internet banking untuk
Gambar 4.1 Data responden berdasarkan jenis kelamin Laki-laki
29%
Perempuan 71%
Laki-laki Perempuan
4.2 Penyebaran dan Pengumpulan Kuesioner
Data responden penelitian diperoleh melalui pengisian kuesioner yang telah
disebarkan kepada responden baik melalui online maupun offline. Penyebaran
kuesioner dilakukan pada tangal 10 Juli sampai 4 September 2015. Data yang
telah diperoleh sebanyak 168 responden.
Pengumpulan kuesioner dilakukan secara online maupun offline, dengan
rincian online sebanyak 151, sedangkan offline sebanyak 17. Pengumpulan online, dilakukan menggunakan google form yang telah disebar melalui media sosial,
sedangkan pengumpulan offline disebar di Fakultas Sains dan Teknologi
Universitas Airlangga.
4.3 Karakteristik Responden
Karakteristik responden meliputi domisili tinggal, jenis kelamin, usia,
jenjang pendidikan terakhir, bank yang digunakan, dan frekuensi penggunaan
dalam sebulan.
4.3.1 Karakteristik Responden Bedasarkan Jenis Kelamin
Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan
bedasarkan jenis kelamin laki-laki dan perempuan dimana hasil analisis
Pada Gambar 4.1 terlihat bahwa respondenperempuan yaitu sebesar 71%
atau sebanyak 120 orang memiliki frekuensi lebih tinggi dibanding responden
laki-laki yang hanya 29% atau sebanyak 48 orang.
4.3.2 Karakteristik Responden Berdasarkan Usia
Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan
bedasarkan rentang usia dimana hasil analisis karateristik responden dapat dilihat
pada Gambar 4.2.
Pada Gambar 4.2 terlihat bahwa responden yang memiliki frekuensi yaitu
responden dengan usia <25 tahun sebesar 85% atau sebanyak 143 orang dan usia ≥25 tahun sebesar 15% atau sebanyak 25 orang
Gambar 4.2 Data responden berdasarkan usia
4.3.3 Karakteristik Responden Bedasarkan Jenjang Pendidikan Terakhir Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan
bedasarkan jenjang pendidikan terakhir yaitu SMA, D3, S1, S2, dan S3 dimana
hasil analisis karateristik responden disajikan dalam Gambar 4.3. <25 tahun
85% ≥25 tahun
15% 0%0%
Pada Gambar 4.3 dapat terlihat bahwa responden yang tertinggi adalah
responden dengan jenjang pendidikan terakhir S1 memiliki presentase yang sama
yaitu sebesar 69% atau sebanyak 116 orang.
Gambar 4.3 Data responden berdasarkan jenjang pendidikan terakhir
4.3.4 Karakteristik Responden Bedasarkan Bank yang Digunakan
Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan
bedasarkan bank yang digunakan, yaitu Mandiri, BCA, BNI, BRI, dan lainnya
dimana hasil analisis karateristik responden disajikan dalam Gambar 4.4.
Pada Gambar 4.4 terlihat bahwa bank yang digunakan oleh pengguna internet
bankingyang mempunyai jumlah responden terbanyak adalah pengguna Mandiri
mempunyai frekuensi terbesar yaitu 41,4% atau sebanyak 70 orang.
4.3.5 Karakteristik Responden Bedasarkan Frekuensi Penggunaan dalam Sebulan
Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan
bedasarkan frekuensi penggunaan dalam sebulan, yaitu 1-5, 6-10, dan >10dimana
hasil analisis karateristik responden disajikan pada Gambar 4.5.
Pada Gambar 4.5 terlihat bahwa responden jarang membuka internet
bankingnya dimana frekuensi penggunaan internet banking dalam sebulan paling banyak adalah 1 sampai 5 kali mempunyai frekuensi terbesar yaitu 63,7% atau
sebanyak 107 orang.
Gambar 4.5 Data responden berdasarkan frekuensi penggunaan dalam sebulan
4.4 Analisis Statistik Deskriptif Variabel
Analisis statistik deskriptif variabel digunakan untuk mengetahui
kecenderungan jawaban pada kuesioner. Terdapat lima kategori pilihan jawab an
pada kuesioner yaitu Sangat Setuju (SS) yang berskala 1, Setuju (S) yang berskala
2, Tidak Setuju (TS) yang berskala 3, dan Sangat Tidak Setuju (SS) yang berskala
4. Data yang terkumpul kemudian ditabulasi untuk mengetahui distribusi jawaban
responden dari masing-masing indikator pada setiap variabel. 1 sampai 5
64% 6 sampai 10
22% >10 14%
4.4.1 Frekuensi Jawaban Variabel Perceived Usefulness
Frekuensi jawaban responden pada variabel perceived usefulness disajikan pada Tabel 4.11. Dari tabel 4.11dapat dilihat bahwa distribusi frekuensi variabel
perceived usefulness terdiri dari empat indikator, dimana responden tidak ada yang memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan
jawaban terbanyak pada indikator PE1, PE2, PE3, dan PE4 adalah setuju, hal ini
menunjukkan bahwa responden merasa penggunaan internet banking dapat menyelesaikan tugas lebih cepat dan merasa bahwa penggunaan internet banking
memudahkan dalam mengerjakan tugas, selain itu responden juga merasa
penggunaan internet banking berguna dan menguntungkan.
Tabel 4.11 Analisis statistik perceived usefulness
Indikator
4.4.2 Frekuensi Jawaban Variabel Perceived Ease Of Use
Frekuensi jawaban responden pada variabel perceived ease of use disajikan pada Tabel 4.12. Dari tabel 4.12 dapat dilihat bahwa distribusi frekuensi variabel
perceived ease of use terdiri dari tiga indikator, dimana responden tidak ada yang memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan
jawaban terbanyak pada indikator PEU1, PEU2, dan PEU3 adalah setuju, hal ini
untuk dipelajari dan mudah berinteraksi, responden jugasetuju bahwa penggunaan
internet banking memudahkan transaksi perbankan.
Tabel 4.12 Analisis statistik perceived ease of use
Indikator
4.4.3 Frekuensi Jawaban Variabel Security and Privacy
Frekuensi jawaban responden pada variabel security and privacy disajikan
pada tabel 4.13. Dari tabel 4.13 dapat dilihat bahwa distribusi frekuensi variabel
security and privacy jika dilihat dari nilai modus, pilihan jawaban terbanyak pada
indikator SP1, SP2, SP3, SP4, SP5, dan SE6 adalah setuju, hal ini menunjukkan
bahwa responden merasa teknologi internet banking dapat dipercaya dan melindungi data pribadi, selain itu responden juga setuju bahwa transaksi internet
bankingsama dengan bank konvensional, aman secara finansial, tidak ada kekhawatiran dalam penggunaannya, dan tidak dipengaruhi aspek keamanan.
Tabel 4.13 Analisis statistik security and privacy
4.4.4 Frekuensi Jawaban Variabel Attitude
Frekuensi jawaban responden pada variabel security and privacy disajikan pada tabel 4.14. Dari tabel 4.14 dapat dilihat bahwa distribusi frekuensi variabel
attitude terdiri dari empat indikator, dimana responden tidak ada yang memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan jawaban
terbanyak pada indikator ATT1, ATT2, ATT3, dan ATT4 adalah setuju, hal ini
menunjukkan bahwa responden merasa penggunaan internet banking ide yang baik, bijaksana, dan menyenangkan, selain itu responden dalam menggunakan
internet banking tanpa ada paksaan.
Tabel 4.14 Analisis statistik attitude
4.4.5 Frekuensi Jawaban Variabel Subjective Norm
Frekuensi jawaban responden pada variabel subjective norm disajikan pada Tabel 4.15. Dari tabel 4.15 dapat dilihat bahwa distribusi frekuensi variabel
subjective norm jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator SN1, SN2, dan SN3 adalah setuju, hal ini menunjukkan bahwa
responden merasa disarankan dan dipengaruhi menggunakan internet banking
oleh orang terpenting dan orang lain disekitarnya, selain itu orang lain yang
berada disekitar responden juga berpendapat untuk menggunakan internet
Tabel 4.15 Analisis statistik subjective norm
4.4.6 Frekuensi Jawaban Variabel Self Efficacy
Frekuensi jawaban responden pada variabel self efficacy disajikan pada
Tabel 4.16. Dari tabel 4.16 dapat dilihat bahwa distribusi frekuensi variabel self efficacy jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator
SE1, SE2, SE3 dan SE4 adalah setuju, hal ini menunjukkan bahwa responden
merasa dapat menyelesaikan transaksi bank menggunakan internet banking
walaupun tanpa bantuan orang lain, tidak pernah menggunakan sebelumnya,
hanya dengan bantuan manual/online, dan melihat orang lain menggunakannya.
Pada indikator SE5, SE6, SE7, SE8, SE9, dan SE10 pilihan jawaban terbanyak
adalah setuju.
Tabel 4.16 Analisis statistik self efficacy
4.4.7 Frekuensi Jawaban Variabel Goverment Support
Frekuensi jawaban responden pada variabel goverment support disajikan pada Tabel 4.17. Dari tabel 4.17 dapat dilihat bahwa distribusi frekuensi variabel
goverment support jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator GS1, GS2, dan GS3 adalah setuju, hal ini menunjukkan bahwa
responden merasa bahwa pemerintah mendukung dan memberikan fasilitas dalam
penggunaan internet banking, selain itu responden juga merasa bahwa pemerintah mempromosikan internet untuk e-commerce.
Tabel 4.17 Analisis statistik goverment support
Indikator
4.4.8 Frekuensi Jawaban Variabel Technology Support
Frekuensi jawaban responden pada variabel technology support disajikan pada Tabel 4.18. Dari tabel 4.18dapat dilihat bahwa distribusi frekuensi variabel
technology support jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator GS1 adalah setuju, hal ini menunjukkan bahwa responden merasa bahwa
kemajuan teknologi telah menyediakan keamanan internet dalam penggunaan
internet banking. Berbeda pada indikator GS2 pilihan jawaban terbanyak adalah sangat setuju, dimana responden merasa sangat setuju jika Kecepatan akses
GS3 pilihan terbanyak adalah sangat setuju dan setuju, dimana responden merasa
teknologi internet membuat internet banking lebih layak.
Tabel 4.18 Analisis statistik technology support
Indikator
4.4.9 Frekuensi Jawaban Variabel Perceived Behavioral Control
Frekuensi jawaban responden pada variabel perceived behavioral control
disajikan pada Tabel 4.19.Dari tabel 4.19 dapat dilihat bahwa distribusi frekuensi
variabel perceived behavioral control terdiri dari tiga indikator, dimana responden tidak ada yang memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus,
pilihan jawaban terbanyak pada indikator PBC1, PBC2, dan PBC3 adalah setuju,
hal ini menunjukkan bahwa responden merasa dapat menggunakan dan
mengontrol penggunaan internet banking dengan baik untuk transaksi keuangan, selain itu responden juga merasa memiliki sumber daya, pengetahuan, dan
kemampuan untuk menggunakan internet banking.
Tabel 4.19 Analisis statistik perceived behavioral control
4.4.10 Frekuensi Jawaban Variabel Intention to Use Internet Banking
Frekuensi jawaban responden pada variabel intention to use internet banking
disajikan pada Tabel 4.20. Dari tabel 4.20 dapat dilihat bahwa distribusi frekuensi
variabel intention to use internet banking jika dilihat dari nilai modus, pilihan
jawaban terbanyak pada indikator INT1, INT2, dan INT3 adalah setuju, hal ini
menunjukkan bahwa responden akan menggunakan internet banking untuk
kebutuhan perbankan, menangani transaksi keuangan, dan menangani transaksi
perbankan.
Tabel 4.20 Analisis statistik intention to use internet banking
Indikator
Analisis data dalam penelitian ini menggunakan Partial Least Square (PLS)
dimana terdapat dua tahapan evaluasi yaitu evaluasi model pengukuran (outer model) dan evaluasi model struktural (inner model). Pengolahan data dilakukan dengan softwareSmartPLS 3.0.
4.5.1 Evaluasi model pengukuran (Outer Model)
Evaluasi model pengukuran dilakukan untuk menilai validitas dan
1. Convergent Validity
Convergent validity bertujuan untuk mengukur kesesuaian antara indikator hasil pengukuran variabel dan konsep teoritis yang menjelaskan
keberadaan-keberadaan indikator dari variabel tersebut. Uji convergent validity dapat dievaluasi dalam tiga tahap yaitu dengan melihat outer loadings, composite reliability, dan Average Variance Extracted (AVE).
Outer loadings adalah tabel yang berisi loading factor untuk menunjukkan besar korelasi antara indikator dengan variabel laten. Loading factor paling lemah
yang dapat diterima validitasnya adalah 0,4. Outputouter loadings dapat diperoleh dari PLS Algorithm Report SmartPLS. Untuk memudahkan dalam melihat outer loadings dari blok-blok indikator yang mengukur konstrukmaka disajikan diagram
jalur pada gambar 4.6
Dalamloading factor terdapat beberapa indikator yang tidak valid karena
mempunyai loading factor di bawah 0,4. Indikator yang tidak valid adalah SE6, SE7, SE8, SE9, dan SE10, sehingga indikator-indikator tersebut harus
dikeluarkan dari model.Penghapusan indikator nantinya dilanjutkan dengan
Gambar 4.6 Output diagram jalur
Re-estimasi atau melakukan estimasi ulang untuk evaluasi model
pengukuran dimaksudkan untuk memeriksa kembali validitas loading factor
setiap indikator.Jika uji validitas dengan outer loadings telah terpenuhi, maka model pengukuran mempunyai potensi untuk diuji lebih lanjut. Untuk
mempermudah visualisasi hasil re-estimasi maka disajikan diagram jalur model
Tabel 4.21 Outer loadings
Dari gambar 4.7dapat dilihat besaran loading factor hasil re-estimasi dari masing-masing indikator yang mengukur konstruk. Hasil re-estimasi tersebut
Korelasi indikator dengan variabel Loading Factor Keterangan
ATT1<-ATT 0.815 Valid
ATT2<-ATT 0.855 Valid
ATT3<-ATT 0.886 Valid
ATT4<-ATT 0.777 Valid
GS1<-GS 0.877 Valid
GS2<-GS 0.930 Valid
GS3<-GS 0.786 Valid
INT1<-INT 0.924 Valid
INT2<-INT 0.896 Valid
INT3<-INT 0.912 Valid
PBC1<-PBC 0.921 Valid
PBC2<-PBC 0.909 Valid
PBC3<-PBC 0.926 Valid
PEU1<-PEU 0.830 Valid
PEU2<-PEU 0.864 Valid
PEU3<-PEU 0.742 Valid
PU1<-PU 0.787 Valid
SE6<-SE 0.362 Tidak Valid
SE7<-SE 0.392 Tidak Valid
SE8<-SE 0.286 Tidak Valid
SE9<-SE 0.330 Tidak Valid
SE10<-SE 0.297 Tidak Valid
menunjukkan bahwa seluruh indikator telah memiliki validitas yang baik karena
memiliki loading factor lebih dari 0,40. Oleh karena uji validitas dengan outer loadings telah terpenuhi, maka model pengukuran mempunyai potensi untuk diuji
lebih lanjut. Adapun bentuk lain penyajian outputouter loadings hasil re-estimasi ditampilkan pada tabel 4.22.
Gambar 4.7 Output diagram jalur hasil re estimasi model
Pemeriksaan selanjutnya dari convergent validity adalah reliabilitas.
Reliabilitas didefinisikan sebagai kemampuan indikator instrumen dalam
penelitian. Tingkat reliabilitas diukur dengan nilai composite reliability dan nilai
AVE. Nilai composite reliability dapat dilihat pada tabel 4.26.
Tabel 4.22 Outer loadings hasil re-estimasi model
Korelasi indikator dengan variabel Loading Factor Keterangan
ATT1<-ATT 0.815 Valid
ATT2<-ATT 0.855 Valid
ATT3<-ATT 0.886 Valid
ATT4<-ATT 0.777 Valid
GS1<-GS 0.877 Valid
GS2<-GS 0.930 Valid
GS3<-GS 0.786 Valid
INT1<-INT 0.924 Valid
INT2<-INT 0.896 Valid
INT3<-INT 0.912 Valid
PBC1<-PBC 0.921 Valid
PBC2<-PBC 0.909 Valid
PBC3<-PBC 0.926 Valid
PEU1<-PEU 0.830 Valid
PEU2<-PEU 0.864 Valid
PEU3<-PEU 0.742 Valid
Pengukuran lain yang juga digunakan untuk menguji reliabilitas adalah
AVE. Nilai AVE bertujuan untuk mengukur tingkat variansi suatu komponen
konstruk yang dihimpun dari indikatornya dengan menyesuaikan pada tingkat
kesalahan. Pengujian dengan nilai AVE bersifat lebih kritis daripada composite
reliability. Nilai AVE minimal yang direkomendasikan adalah 0,50. Output AVE yang diperoleh dari PLS Algorithm Report SmartPLS yang tersaji pada tabel 4.23.
Tabel 4.23 Nilai AVE
Variabel AVE
ATT 0.696
GS 0.751
INT 0.830
PBC 0.844
PEU 0.659
PU 0.670
SE 0.599
SN 0.745
SP 0.673
TS 0.693
Dari tabel 4.23 hasil uji dengan nilai AVE menunjukkan bahwa seluruh
konstruk mempunyai reliabilitas yang potensial untuk diuji lebih lanjut. Hal ini
dikarenakan nilai AVE pada seluruh konstruk telah lebih besar dari 0,50.
2. DiscriminantValidity
Discriminant validity adalah tingkat diferensi suatu indikator dalam mengukur konstruk-konstruk instrumen. Untuk menguji discriminat validity dapat dilakukan dengan pemeriksaan cross loading yakni koefisien korelasi indikator
terhadap konstruk asosiasinya (loading) dibandingkan dengan koefisien korelasi dengan konstruk lain (cross loading). Nilai koefisien korelasi indikator harus
besar ini mengindikasikan kecocokan suatu indikator untuk menjelaskan konstruk
asosiasinya dibandingkan menjelaskan konstruk-konstruk lain.
Uji validitas diskriminan lainnya adalah dengan membandingkan korelasi
antara variabel dengan akar AVE (√AVE). Model pengukuran mempunyai
discriminant validity yang baik jika √AVEsetiap variabel lebih besar daripada
korelasi antar variabel lainnya. SmartPLS sebagai tools untuk analisis PLS-SEM
ini telah mencakup uji discriminant validity. Penilaian discriminant validity yang dihasilkan SmartPLS terdiri dari tiga kriteria yakni Fornell-Lacker Criterion, cross loadings, dan Heterotrait-Monotrait Ratio (HTMT). Dalam pembahasan kali ini,
peneliti hanya menggunakan kriteria Fornell-Lacker Criterion dan cross loadings. Berikut adalah hasil outputcross loadings yang diperoleh dari PLS Algorithm
Report SmartPLS tersaji pada tabel 4.24.
Pembacaan cross loadings pada tabel 4.24 adalah berdasarkan kolom. Dapat dilihat bahwa indikator ATT1, ATT2, ATT3, dan ATT4 memiliki korelasi lebih
tinggi terhadap konstruk asosiasinya yaitu ATT dengan koefisien korelasi sebesar
0.85, 0.85, 0.89 dan 0.78. Nilai koefisien korelasi blok indikator tersebut
telahlebih besar terhadap konstruk asosiasinya daripada konstruk-konstruk lain.
Indikator GS1, GS2, dan GS3 juga memiliki korelasi lebih tinggi terhadap
konstruk asosiasinya yaitu GS. Sama halnya dengan indikator konstruk lainnya
yang berkorelasi lebih tinggi dengan konstruk asosiasinya dibandingkan dengan
konstruk lain, sehingga dapat dikatakan memiliki discriminant validity yang baik. Pemeriksaan selanjutnya adalah membandingkan korelasi antar variabel
dengan akar AVE (√𝐀𝐕𝐄). Model pengukuran mempunyai discriminant validity
Nilai √𝐀𝐕𝐄 dapat dilihat dari output Fornell-Larcker Criterion SmartPLS yang tersaji dalam tabel 4.25.
Tabel 4.24 Cross Loadings
Indikator ATT GS INT PBC PEU PU SE SN SP TS
ATT1 0.85 0.81 0.52 0.6 0.45 0.49 0.52 0.30 0.50 0.56
ATT2 0.85 0.57 0.59 0.67 0.57 0.50 0.65 0.36 0.62 0.44
ATT3 0.89 0.50 0.61 0.71 0.60 0.63 0.63 0.31 0.61 0.50
ATT4 0.78 0.34 0.46 0.57 0.49 0.56 0.45 0.10 0.39 0.39
GS1 0.55 0.88 0.43 0.53 0.39 0.44 0.41 0.39 0.46 0.49
GS2 0.55 0.92 0.45 0.50 0.34 0.44 0.46 0.37 0.48 0.38
GS3 0.44 0.79 0.37 0.29 0.28 0.35 0.35 0.35 0.24 0.31
INT1 0.59 0.41 0.92 0.69 0.47 0.49 0.57 0.36 0.35 0.39
INT2 0.61 0.47 0.90 0.68 0.51 0.53 0.55 0.31 0.41 0.44
INT3 0.61 0.44 0.91 0.64 0.44 0.45 0.58 0.29 0.44 0.40
PBC1 0.67 0.50 0.65 0.92 0.53 0.56 0.69 0.28 0.48 0.51
PBC2 0.73 0.47 0.67 0.91 0.64 0.53 0.70 0.32 0.53 0.40
PBC3 0.71 0.49 0.72 0.92 0.60 0.55 0.65 0.33 0.49 0.45
PEU1 0.46 0.33 0.35 0.52 0.83 0.35 0.46 0.26 0.39 0.20
PEU2 0.54 0.38 0.41 0.51 0.86 0.47 0.49 0.24 0.39 0.32
PEU3 0.54 0.27 0.50 0.53 0.74 0.55 0.44 0.16 0.38 0.46
PU1 0.52 0.39 0.46 0.50 0.40 0.79 0.45 0.22 0.32 0.37
PU2 0.59 0.49 0.53 0.53 0.48 0.87 0.50 0.23 0.36 0.48
PU3 0.48 0.31 0.33 0.43 0.50 0.78 0.39 0.21 0.25 0.42
PU4 0.54 0.36 0.43 0.49 0.49 0.83 0.41 0.24 0.35 0.50
SE1 0.59 0.33 0.56 0.68 0.53 0.48 0.81 0.28 0.42 0.36
SE2 0.57 0.33 0.51 0.71 0.56 0.45 0.85 0.30 0.52 0.33
Indikator ATT GS INT PBC PEU PU SE SN SP TS SE4 0.43 0.30 0.46 0.52 0.33 0.31 0.75 0.26 0.32 0.25
SE5 0.31 0.30 0.28 0.26 0.25 0.21 0.51 0.32 0.28 0.32
SN1 0.36 0.43 0.37 0.31 0.23 0.28 0.39 0.88 0.36 0.28
SN2 0.23 0.31 0.25 0.30 0.23 0.18 0.40 0.85 0.29 0.12
SN3 0.23 0.34 0.27 0.26 0.23 0.23 0.32 0.85 0.24 0.12
SP1 0.62 0.42 0.44 0.52 0.47 0.40 0.47 0.35 0.84 0.47
SP2 0.59 0.43 0.43 0.50 0.37 0.39 0.47 0.27 0.84 0.49
SP3 0.47 0.38 0.35 0.42 0.37 0.29 0.48 0.21 0.75 0.43
SP4 0.53 0.44 0.33 0.42 0.35 0.30 0.34 0.24 0.85 0.48
SP5 0.48 0.35 0.31 0.41 0.42 0.24 0.43 0.26 0.84 0.44
SP6 0.42 0.31 0.25 0.37 0.34 0.27 0.43 0.42 0.80 0.35
TS1 0.54 0.45 0.42 0.49 0.44 0.52 0.45 0.28 0.64 0.85
TS2 0.45 0.36 0.30 0.41 0.32 0.45 0.33 0.11 0.31 0.84
TS3 0.40 0.33 0.40 0.30 0.22 0.35 0.21 0.11 0.36 0.81
Pembacaan tabel Fornell-Larcker Criterion pada tabel 4.25 adalah
berdasarkan baris. Dapat dilihat bahwa nilai√AVE variabel GS sebesar 0.867,
sedangkan nilai korelasi tertinggi variabel GS dengan variabel lain hanya sebesar
0,602. Dengan demikian √AVE variabel GS lebih besar dibandingkan korelasi GS
dengan variabel lainnya. Demikian pula pada variabel lain yang menunjukkan √AVE lebih besar dibandingkan korelasi antar variabel. Sehingga syarat
Tabel 4.25Fornell-Lacker Criterion
ATT GS INT PBC PEU PU SE SN SP TS
ATT 0.834*
GS 0.602 0.867*
INT 0.660 0.486 0.911*
PBC 0.769 0.531 0.740 0.919*
PEU 0.638 0.401 0.521 0.645 0.814*
PU 0.659 0.483 0.544 0.601 0.569 0.818*
SE 0.679 0.454 0.633 0.763 0.606 0.531 0.774*
SN 0.328 0.425 0.354 0.340 0.270 0.276 0.389 0.863*
SP 0.645 0.481 0.441 0.545 0.476 0.394 0.541 0.355 0.820*
TS 0.567 0.465 0.451 0.496 0.414 0.543 0.422 0.217 0.547 0.832*
Keterangan : √AVE*
3. CompositeReliability
Selanjutnya dilakukan juga uji reliabilitas konstruk yang diukur dengan dua
kriteria yaitu composite reliability dan cronbach alpha dari blok indikator yang
mengukur konstruk. Konstruk dinyatakan reliable jika nilai composite reliability maupun croanbach alpha di atas 0,70. Hasil uji composite reliability dapat dilihat
pada tabel 4.26 sedangkan cronbach alpha dapat dilihat pada tabel 4.27.
Dari table 4.26 dan 4.27 data yang disajikan dikatakatan reliable karena semua
Tabel 4.26 Composite Reliability
Tabel 4.27 Cronbach Alpha
Cronbachs Alpha
ATT 0,854
GS 0,839
INT 0,897
PBC 0,907
PEU 0,743
PU 0,835
SE 0,825
SN 0,833
SP 0,903
TS 0,784
4.5.2 Evaluasi Model Struktural
Evaluasi model struktural bertujuan untuk menguji ada atau tidak adanya
pengaruh antar konstruk, dan R Square. Model struktural dievaluasi dengan
menggunakan p-value untuk mengetahui signifikansi dari koefisien parameter jalur struktural dan R Square untuk mengetahui pengaruh variabel laten independen terhadap variabel laten dependen apakah memiliki pengaruh yang
substantif.
Composite Reliability
ATT 0,901
GS 0,900
INT 0,936
PBC 0,942
PEU 0,854
PU 0,890
SE 0,877
SN 0,898
SP 0,925
a) Evaluasi signifikansi hubungan jalur pada hipotesis penelitian
Untuk menyimpulkan apakah hipotesis diterima atau ditolak, digunakan
harga p-value pada signifikansi α = 5% atau 0,05. Jika p-value< 0,05 maka H0
ditolak artinya terdapat pengaruh. Sebaliknya, jika p-value> 0,05 maka H0 diterima artinya tidak ada pengaruh. Berikut adalah hasil evaluasi model struktural
yang diperoleh dari Bootstrapping Report SmartPLS tersaji pada tabel 4.28.
Tabel 4.28 Path Coefficients
Diagram Jalur Original Sample P Values Keterangan
ATT → INT 0.163 0.125 Ho diterima
GS→PBC 0.180 0.004 Ho ditolak
PBC→INT 0.529 0.000 Ho ditolak
PEU → ATT 0.248 0.001 Ho ditolak
PEU → PU 0.578 0.000 Ho ditolak
PU → ATT 0.364 0.000 Ho ditolak
PU → INT 0.089 0.273 Ho diterima
SE → PBC 0.617 0.000 Ho ditolak
SN → INT 0.096 0.072 Ho diterima
SP → ATT 0.383 0.000 Ho ditolak
TS → PBC 0.152 0.005 Ho ditolak
Dari tabel tersebut dapat terlihat bahwa variabel yang saling signifikan adalah
goverment support terhadap perceived behavioral control, perceived behavioral
control terhadap intention to use, perceived ease of use terhadap attitude, perceived ease of use terhadap attitude, perceived usefulness terhadap attitude, self efficacy terhadap perceived behavioral control, security and privacy terhadap
attitude, dan technology support terhadap perceived behavioral control.
b) Evaluasi nilai R square
Nilai R square digunakan untuk menjelaskan pengaruh variabel eksogen
variabel PU, PEU, dan SP secara simultan mampu menjelaskan pengaruhnya
terhadap variabel ATT sebesar 64,6% sedangkan 35,4% dijelaskan oleh variabel
lain di luar model yang diteliti dan nilai R square variabel INT sebesar 0,582 yang
artinya variabel ATT, SN dan PBC secara simultan mampu menjelaskan
pengaruhnya terhadap variabel INT sebesar 58,2% sedangkan 41,8% dijelaskan
oleh variabel lain di luar model yang diteliti. Sedangkan nilai R square variabel
PBC adalah 0,641. Artinya variabel SE, GS, dan TS secara simultan mampu
menjelaskan pengaruhnya terhadapvariabel PBC sebesar 64,1% sedangkan 35,9%
dijelaskan oleh variabel lain di luar model yang diteliti dan nilai R square variabel
PUadalah 0,334. Artinya variabel PEU secara simultan mampu menjelaskan
pengaruhnya terhadapvariabel PU sebesar 33,4% sedangkan 66,6% dijelaskan
oleh variabel lain di luar model yang diteliti
Tabel 4.29 R Square
R Square
ATT 0.646
INT 0.582
PBC 0.641
PU 0.334
4.6 Rekomendasi
Hasil pengujian hipotesis menunjukkan bahwa perceived behavioral control adalah konstruk yang signifikan menentukan niat penggunaan internet banking
terhadap internet banking. Salah satu program yang bisa dihadirkan berupa
workshop tentang internet banking. Workshop dapat dirancang untuk mengenalkan profil bank, simulasi penggunaan internet banking, testimoni
pengguna internet banking yang merasakah kemudahaan penggunaannya agar nasabah lain yang belum menggunakan internet banking termotivasi menggunakan internet banking dengan beberapa keuntungannya. Selain
pengadaan workshop, bank juga bisa mengadakan penawaran langsung pembuatan internet banking dan memberikan pengetahuan tentang penggunaan internet
banking. Bank dapat mengadakan promo dengan berbagai penawaran menarik bagi nasabah yang menggunakan internet banking.
Self efficacy adalah sub variabel yang paling menentukkan perceived behavioral control. Nasabah mempunyai keyakinan bahwa penggunaan internet banking menjadi user friendly dan mudah digunakan karena efek dari self efficacy
pada tingkat usaha, ketekunan dan tingkat pembelajaran dan akan lebih tahan
terhadap perubahan.
Terkait variabel yang tidak mepunyai pengaruh yang signifikan terhadap
intention to use internet banking maka pihak bank tidak perlu mengambil tindakan untuk merancang sebuah acara dalam rangka memunculkan attitude dan