ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI NIAT DAN PERILAKU PENGGUNAAN TEKNOLOGI DOMPET DIGITAL DI
JABODETABEK MENGGUNAKAN MODEL UTAUT
Oleh:
Fifi Septyan Nurcahyani
Email: fifi.septyan96@gmail.com
Wardoyo
Email: wardoyo@staff.gunadarma.ac.id Fakultas Ekonomi
Universitas Gunadarma Indonesia
ABSTRACT
In Indonesia, the use of information technology is growing, including payments using digital wallets. Every period the use of digital wallets increases. This study aims to determine what factors influence the intentions and behavior of digital wallet application users using the UTAUT model. The design of this study is based on a questionnaire collected from 114 respondents from all generations who have or are currently using digital wallets. The data analysis procedure used structural equation modeling with PLS. The results showed that performance expectancy, effort expectancy, social influence, facilitating conditions had a positive impact on behavioral intentions, behavioral intentions had a positive impact on behavioral use, and gender moderation had no impact. This research explains a person's intention to increase the use of digital wallets if this is accompanied by better facilities from digital wallet service providers.
---
Keywords: UTAUT, performace, effort, social influencing, facilitating, behavior
PENDAHULUAN
Dunia teknologi semakin berkembang pesat, Indonesia menjadi salah satu negara yang cepat dalam pemanfaatan teknologi untuk mengubah sistem perekonomian Indonesia salah satu nya penggunaan dompet digital ( Ardianto dan Kysun,2020 ). Saat ini, penggunaan dompet digital berbasis untuk transaksi non-tunai semakin berkembang dikarenakan kemudahan dan kepraktisan transaksi (mulai dari simpel, efisien secara waktu, banyaknya promo yang ditawarkan, tidak perlu datang ke bank, dan aman) yang ditawarkan oleh penyedia layanan dompet digital ( Pasaribu,A,2020) .
Berdasarkan Data Bank Indonesia akhir tahun 2020 transaksi digital meningkat 37,8 persen terutama pada penggunaan dompet digital pun meningkat 24,42 persen ( Bank Indonesia ,2018)]. Hasil survei Snapcart Indonesia menemukan ShopeePay tercatat sebagai dompet digital yang paling sering digunakan (50 persen), dengan selisih yang cukup besar dibandingkan dengan 4 pemain lain, seperti Ovo (23 persen), Gopay (12 persen), Dana (12 persen), dan LinkAja (3 persen) ( Iskanda,2021). Banyaknya penggunaan dompet digital menyebabkan penting bagi penyedia layanan dompet digital untuk mengetahui faktor apa saja yang mendorong pengguna untuk menerima dan menggunakan aplikasi, serta sekaligus untuk mengetahui bagaimana tingkat penerimaan dan penggunaan dari pengguna terhadap aplikasi dompet digital yang digunakannya ( Indah dan Henry,2019).
Melihat perkembangan dompet digital yang terus tumbuh peneliti memilih dompet digital ShopeePay dan Gopay sebagai objek penelitian dikarenakan kedua dompet digital memiliki fungsi kesamaan sebagai alat pembayaran elektronik yang digunakan untuk transaksi di aplikasi sendiri dan bisa digunakan berbagai jenis transaksi di merchant atau toko yang sudah bekerja sama, cukup menscan barcode saja maka saldo akan terpotong sesuai dengan nilai transaksi yang harus dibayar ( Bank Indonesia,2018 ).
Dalam penelitian ini menggunakan model Unified Theory of Acceptance and Use of Technology (UTAUT). Teori yang menyempurnakan dari teori
penerimaan teknologi yang telah ada sebelumnya. UTAUT dikembangkan oleh ( Kusuma, A,2003) untuk menjelaskan bagaimana perilaku pengguna terhadap teknologi informasi yang merupakan penyempurnaan dari delapan teori penerimaan sistem informasi yang telah ada, yaitu theory of reasoned action (TRA), Technology Acceptance Model (TAM), motivational models (MM), theory of planned behavior (TPB), combined TAM and TPB (C-TAMTPB), the model of the PC utilization (MPCU), innovation diffusion theory (IDT) dan social cognitive theory (SCT) ( Venkatesmdkk 2003).
Dengan adanya penelitian ini akan diketahui faktor-faktor apa saja yang mempengaruhi masyarakat dalam menggunakan aplikasi dompet digital Gopay dan ShopeePay, sehingga kedepannya dapat memberikan masukan yang tepat dan bermanfaat dalam pengembangan aplikasi dompet digital dimasa yang akan datang.
Dompet Digital
Dompet Digital di Indonesia menurut Peraturan Bank Indonesia No 18/40/PBI/2016 berdasarkan pencatatannya adalah layanan elektronik untuk menyimpan data instrumen pembayaran antara lain alat pembayaran dengan menggunakan kartu dan atau uang elektronik, yang dapat menampung dana, untuk melakukan pembayaran non-tunai. Dompet digital berbasis server dalam penggunaannya membutuhkan bantuan seperti komputer, tablet atau smartphone. Saat melakukan transaksi menggunakan dompet digital, untuk transfer uang ataupun pembayaran, perangkat harus tersambung dengan server penyedia layanan melalui jaringan internet [Utami, E,2020).
UTAUT
Model UTAUT terdapat empat faktor inti dan empat faktor moderator. - Faktor inti meliputi:
a. performance expectancy yaitu tingkat kepercayaan seseorang ketika
memperoleh keuntungan-keuntungan terkait kinerja pada pekerjaan yang dilakukannya.
b. effort expectancy yaitu tingkat kemudahan penggunaan system dengan
tujuan mengurangi upaya (tenaga dan waktu) seorang dalam melakukan pekerjaannya.
c. social influence yaitu pengaruh yang diberikan sebuah lingkungan terhadap
calon pengguna teknologi informasi untuk menggunakan suatu teknologi informasi yang baru.
d. facilitating conditions yaitu tingkat dimana seseorang percaya bahwa
infrastruktur organisasi dan teknis ada untuk mendukung penggunaan sistem.
- Faktor moderasi meliputi gender, age, experience, serta voluntariness of. Faktor inti berpengaruh langsung terhadap behavioral intentions dan use behavior. Sebaliknya, faktor moderator tidak berpengaruh secara langsung pada behavioral intentions dan use behavior karena berfungsi sebagai pembeda antar individu. Performance expectancy dipengaruhi oleh gender dan age, effort expectancy dipengaruhi oleh gender, age, dan experience, social influence dipengaruhi oleh seluruh faktor moderator, sedangkan facilitating conditions dipengaruhi age dan experience.
Penelitian dengan menggunakan Model UTAUT sebagai model penerimaan pengguna pada sistem yang dijalankan secara online telah dilakukan pada beberapa penelitian tentang Model UTAUT untuk melakukan analisis penerimaan pengguna, system pendaftaran online puskesmas ( Astuti,dkk,2020), E-Learning ( Chao ,Cheng Min,2019)], mobile banking Mardika ,dkk 2020), dan m-payment yang diteliti di beberapa Negara yaitu Florida, India ( Khalilzadeh,dkk,2017 ) yang berhubungan dengan sistem informasi yang memberikan kemudahan layanan kepada masyarakat. Analisis model UTAUT cukup tepat dan relevan digunakan sebagai model penerimaan pengguna sistem yang dijalankan secara online ( Purwanto,dkk,2020).
Gen der
METODE PENELITIAN Metode Analisis
Model dalam penelitian ini adalah menggunakan model adopsi teknologi yang dikembangkan oleh (Venkatesh dkk,2003) yaitu model UTAUT. Pemilihan model ini dilatarbelakangi oleh kondisi riil di lingkungan masyarakat yang mana sebagian besar diantara mereka percaya menggunakan dompet digital meningkatkan kinerja untuk kegiatan sehari-hari. Oleh karena itu, dapat diambil kesimpulan sementara bahwa individu atau masyarakat untuk melakukan metode pembayaran kegiatan sehari-hari berpengaruh terhadap penggunaan teknologi. Adapun hubungan pengaruh kepercayaan penggunaaan sistem individu untuk melakukan metode pembayaran dengan penggunaan teknologi dompet digital meningkatkan kinerja untuk kegiatan sehari-hari, tergambarkan dalam model gambar 1.
Gambar 1
Gambar 1. usulan penelitian yang digunakan untuk analisis penggunaan aplikasi dompet digital (Gopay dan ShopeePay). Dari usulan penelitian pada gambar 1 bahwa kemudian dirangkum sebagai hipotesis penelitian sebagai berikut:
Perfor mance Expectancy Effort Expectancy Social Influence Facilit ation Conditions Behavio ral Intentio n Use Behavio r
H1a : Performance Expectancy berpengaruh positif terhadap Behavioral Intention
H1b : Gender memoderasi Performance Expectancy terhadap Behavioral Intention
H2a : Effort Expectancy berpengaruh positif terhadap Behavioral Intention H2b : Gender memoderasi Effort Expectancy terhadap Behavioral Intention H3a : Social Influence berpengaruh positif terhadap Behavioral Intention H3b : Gender memoderasi Social Influence terhadap Behavioral Intention H4 : Facilitating Condition berpengaruh positif terhadap Behavior Intention H5 : Behavioral Intention berpengaruh positif terhadap Use Behavior
Populasi dan Sampel
Peneliti menentukan sampel penelitian berdasarkan populasi. Sampel digunakan untuk mewakili keseluruhan pupulasi yang ada. Sampel yang digunakan oleh peneliti adalah 114 pengguna dompet digital (Gopay dan ShopeePay) di Jabodetabek.
Instrumen Penelitian
Dalam penelitian yang menggunakan pendekatan kuantitatif, kuesioner merupakan salah satu alat yang penting untuk pengambilan data sebagai bahan baku informasi yang harus dicari. Penetapan skor instrumen angket atau kuesioner menggunakan Skala Likert yang terdiri dan angka 1 (sangat tidak setuju) sampai dengan 5 (sangat setuju) digunakan untuk menyatakan persetujuan responden terhadap pernyataan (Sugiono,2018). Dalam hal ini pula peneliti melakukan pengumpulan data berupa kuisioner berbentuk google form yang disebarkan kepada
responden melalui
link:https://docs.google.com/forms/d/e/1FAIpQLSfyh2SGmZUarUqmu5RNeLyo
X0RHQYZvvownwisz-tV3qmy67Q/viewform?vc=0&c=0&w=1&flr=0&gxids=7628 dan mendapatkan tanggapan dari responden sebanyak 114 responden.
Analisis Data
Peneliti menggunakan Smart PLS 3.0 untuk melakukan Structural Equation Model (SEM) berbasis komponen atau varian yang disebut Partial Least Square (PLS). Uji Statistika yang dilakukan dibagi dua yaitu pengujian pada outer model dan inner model. Pengujian outer model dilakukan dengan menggunakan tiga jenis pengujian, yaitu Construct Reliability, Uji Average Variance Extracted (AVE) dan Discriminant Validity, sedangkan pengujian inner model dilakukan dengan menggunakan tiga jenis pengujian, yaitu Path Value, R-Square, dan Uji T-Statistika (Sugiono,2018).
HASIL PENELITIAN DAN PEMBAHASAN
Data karakteristik responden berdasarkan hasil pengumpulan data kuesioner ditunjukkan pada tabel 1.
Tabel 1. Profil Responden
Frekuensi Persentase (%) Penggunaan Aplikasi Dompet Dgital Gopay 56 49,1 ShopeePay 58 50,9 Jenis Kelamin Laki-laki 43 37,7 Perempuan 71 62,3 Usia < 25 Tahun 92 80,7 26-45 Tahun 17 14,9 >45 Tahun 5 4,4
1.1 Outer Model Evaluation
Reliabilitas indikator digunakan untuk menilai apakah indikator pengukuran variabel laten reliabel atau tidak. Caranya dengan mengevaluasi hasil outer loading
tiap indikator Nilai loading di atas 0,7 menunjukkan bahwa konstruk dapat menjelaskan lebih dari 50% varians indikatornya [16,17].
Table 2 Indicator Reliability
Outer Loading Outer Loading
Performance Expectancy Facilitation Conditions
PE1 0.735 FC1 0.700
PE2 0.755 FC2 0.801
PE3 0.730 FC3 0.702
PE4 0.510 FC4 0.592
PE*M 1.036 Behavioral Intentions
Effort Expectancy BI1 0.855
EE1 0.720 BI2 0.898
EE2 0.797 BI3 0.807
EE3 0.805 Use Behavior
EE4 0.718 UB1 0.791
EE*M 0.998 UB2 0.815
Social Influence UB3 0.773
SI1 0.809 Gender
SI2 0.810 M1 1.000
SI3 0.677
SI4 0.730
SI*M 0.997
Dari tabel nilai outer loading diatas dapat dilihat bahwa tidak semua item atau indicator nilai outer loadingnya sudah > 0,7 (Ditandai dalam hijau yang berarti
> 0,7 yang artinya telah valid. Dan ditandai dalam warna merah yang berarti < 0,7 yang artinya TIDAK valid). Maka dilakukan kembali perhitungan outer loading dengan menghapus item atau indicator nilai outer loading yang tidak valid.
Table 3 Advanced Indicator Reliability
Outer Loading Outer Loading
Performance Expectancy Facilitation Conditions
PE1 0.735 FC1 0.700
PE2 0.755 FC2 0.801
PE3 0.730 FC3 0.702
PE*M 1.036 Behavioral Intentions
Effort Expectancy BI1 0.855
EE1 0.720 BI2 0.898
EE2 0.797 BI3 0.807
EE3 0.805 Use Behavior
EE4 0.718 UB1 0.791
EE*M 0.998 UB2 0.815
Social Influence UB3 0.773
SI1 0.809 Gender
SI2 0.810 M1 1.000
SI3 0.677
SI4 0.730
SI*M 0.997
Batasan nilai Outer Loading > 0,5 masih dapat diterima asalkan validitas dan reliabilitas konstruk memenuhi syarat. Maka berdasarkan validitas outer
loading dinyatakan seluruh item atau indicator sudah valid secara Convergent validity, karena semua item memiliki nilai Outer Loading > 0,5 [16].
Langkah berikutnya adalah melakukan analisis terhadap Contruct Reliability. Contruct Reliability untuk mengukur reliabilitas konstruk variabel laten. Nilainya yang dianggap reliabel harus diatas 0.70. Construct reliability sama dengan cronbach alfa. Dari Tabel 4 dapat dilihat hasil Internal Consistency Reliability, Analisis Unidimesionalitas Model dan Validitas Konvergen.
Table 4 Construct Reliability & Validity
Cronba ch's Alpha r ho_A Composit e Reliability Average Variance Extracted (AVE) BI 0.814 0 .821 0.890 0.730 E E 0.763 0 .780 0.846 0.579 F C 0.675 0 .692 0.821 0.606 M 1.000 1 .000 1.000 1.000 M _EE_BI 1.000 1 .000 1.000 1.000 M _PE_BI 1.000 1 .000 1.000 1.000 M _SI_BI 1.000 1 .000 1.000 1.000 P E 0.629 0 .628 0.802 0.576 SI 0.756 0 .768 0.844 0.576 U B 0.706 0 .711 0.835 0.628
Internal Consistency Reliability mengukur seberapa mampu indikator dapat mengukur konstruk latennya dengan menggunakan composite reliability dan Cronbach’s alpha [19]. Nilai composite reliability 0,6 – 0,7 dianggap memiliki reliabilitas yang baik [16], dan nilai Cronbach’s alpha yang diharapkan adalah di atas 0,7 [18]. Berdasarkan tabel 4, terlihat bahwa semua konstruk memiliki nilai cronbach’s Alpha > 0,6, maka dapat dikatakan bahwa semua konstruk tersebut telah reliable.
Uji unidimensionalitas untuk memastikan bahwa sudah tidak ada masalah dalam pengukuran dilakukan dengan menggunakan indikator composite reliability dan alfa cronbach. Untuk kedua indikator ini cut-value adalah 0,7. Maka berdasarkan tabel diatas, semua konstruk telah memenuhi syarat unidimensionalitas sebab nilai composite reliability > 0,7.
Validitas konvergen ditentukan berdasarkan prinsip bahwa pengukur suatu konstruk seharusnya berkorelasi tinggi [18]. Validitas konvergen merupakan sebuah konstruk dengan indikator reflektif dievaluasi dengan Average Variance Extracted (AVE). Nilai AVE harus sama dengan 0,5 atau lebih. Nilai AVE 0,5 atau lebih berarti konstruk dapat menjelaskan 50% atau lebih varians itemnya [16,17]. Dan berdasarkan nilai Average Variance Extracted (AVE) untuk mengetahui tercapainya syarat validitas konvergen, maka semua konstruk telah tercapai syarat validitas konvergen sebab nilai AVE semua >0,50.
Table 5 Discriminant Validity B I E E F C M M _EE_B I M _PE_B I M _SI_BI P E S I U B B I 0 .855 E E 0 .486 0 .761 F C 0 .437 0 .537 0 .778
M 0 .121 0 .102 -0.069 1 .000 M _EE_B I -0.040 -0.011 -0.024 -0.056 1 .000 M _PE_B I -0.107 -0.045 -0.024 -0.040 0 .391 1 .000 M _SI_BI 0 .075 0 .077 0 .002 -0.034 0 .396 0 .414 1 .000 P E 0 .502 0 .390 0 .495 0 .077 -0.047 -0.174 -0.150 0 .759 S I 0 .483 0 .442 0 .397 0 .063 0 .077 -0.143 0 .002 0 .355 0 .759 U B 0 .653 0 .397 0 .519 -0.003 -0.096 -0.045 0 .122 0 .428 0 .451 0 .793
Berdasarkan table 5 diatas, maka semua akar dari AVE (Fornell-Larcker
Criterion) tiap konstruk lebih besar dari pada korelasinya dengan variable lainnya.
Begitu pula dengan variable latent lainnya, dimana nilai AKAR AVE > Korelasi dengan konstruk lainnya. Karena semua variable latent nilai Akar AVE > Korelasinya dengan konstruk lainnya, maka syarat validitas diskriminan pada model ini telah terpenuhi, seperti yang tercantum dalam tabel 5. Sedangkan OR karena model hubungannya dengan indikatornya bersifat formatif atau hanya ada 1 indikator, maka tidak ada dan tidak perlu analisis ini[17].
1.2 Inner Model Evaluation
Pengukuran path coefficients antar konstruk untuk melihat signifikansi dan kekuatan hubungan tersebut dan juga untuk menguji hipotesis. Nilai path coefficients berkisar antara -1 hingga +1. Semakin mendekati nilai +1, hubungan
kedua konstruk semakin kuat. Hubungan yang makin mendekati -1 mengindikasikan bahwa hubungan tersebut bersifat negative[16].
Tabel 6 Path Coefficients (Directs Effects) OR IGINAL SAMPLE (O) S AMPLE MEAN (M) STAN DARD DEVIATION (STDEV) T STATISTI CS (|O/STDEV |) P VAL UES S TAT US P E -> BI 0.3 32 0. 331 0.091 3.66 6 0 .000 P ositif Signi fikan E E -> BI 0.2 18 0. 223 0.087 2.51 8 0 .012 P ositif Signi fikan S I -> BI 0.2 68 0. 275 0.078 3.41 2 0 .001 P ositif Signi fikan M _PE_B I -> BI -0.028 -0.025 0.083 0.33 5 0 .738 N egati f Tida k Signi fikan
OR IGINAL SAMPLE (O) S AMPLE MEAN (M) STAN DARD DEVIATION (STDEV) T STATISTI CS (|O/STDEV |) P VAL UES S TAT US M _EE_B I -> BI -0.090 -0.089 0.087 1.04 0 0 .299 N egati f Tida k Signi fikan M _SI_BI -> BI 0.1 58 0. 156 0.083 1.90 0 0 .058 P ositif Tida k Signi fikan B I -> UB 0.5 26 0. 524 0.081 6.47 6 0 .000 P ositif Signi fikan F C -> UB 0.2 89 0. 296 0.080 3.60 4 0 .000 P ositif Signi fikan Dari Tabel 6 diketahui terima H1 atau yang berarti pengaruh langsung EE terhadap BI, PE terhadap BI, SI terhadap BI, FC terhadap UB, dan BI terhadap UB bermakna atau signifikan secara statistik.Sedangkan moderasi M diketahui terima
H0 dimana memberikan pengaruh negative yang signifikan pada hubungan variabel EE terhadap BI dan PE terhadap BI, maka M terbukti tidak signifikan sebagai moderator hubungan EE, PE, dan SI dengan BI dimana sifatnya memperlemah untuk nilai koefisien negative dan memperkuat untuk nilai koefisien positif (tidak bermakna sebab tidak signifikan).
Tabel 7 Path Coefficients (Indirect Effect)
O RIGINA L SAMPLE (O) S AMPLE MEAN (M) STA NDARD DEVIATIO N (STDEV) T STATISTI CS (|O/STDE V|) P VAL UES K ESIM PULA N E E > BI -> UB 0.1 15 0 .116 0.048 2.3 74 0 .018 P ositif Signifi kan M _EE_BI -> BI -> UB -0.048 -0.048 0.048 0.9 99 0 .318 N egatif Tidak Signifi kan M _PE_BI -> BI -> UB -0.015 -0.012 0.044 0.3 35 0 .738 N egatif Tidak Signifi kan M _SI_BI -0.0 83 0 .082 0.046 1.7 93 0 .074 P ositif Tidak
O RIGINA L SAMPLE (O) S AMPLE MEAN (M) STA NDARD DEVIATIO N (STDEV) T STATISTI CS (|O/STDE V|) P VAL UES K ESIM PULA N > BI -> UB Signifi kan P E > BI -> UB 0.1 75 0 .175 0.060 2.8 99 0 .004 P ositif Signifi kan S I > BI -> UB 0.1 41 0 .143 0.046 3.0 74 0 .002 P ositif Signifi kan Berdasarkan tabel 7, maka hanya terdapat 3 pengaruh tidak langsung yang signifikan atau bermakna sebab p value pengaruh tidak langsungnya < 0,05. Yaitu pengaruh EE terhadap UB melalui BI, pengaruh PE terhadap UB melalui BI. dan pengaruh SI terhadap UB melalui BI.
Tabel 8 R-square
R Square R Square Adjusted
BI 0.420 0.382
UB 0.512 0.503
Nilai R Square pengaruh secara bersama-sama PE,EE,SI dan M terhadap BI adalah sebesar 0,420 dengan nilai adjusted r square 0,382, maka dapat dijelaskan bahwa semua variable eksogen (X dan M) secara serentak mempengaruhi BI sebesar 0,382 atau 38,2%. Oleh karena Adjusted R Square 38,2%>33% maka pengaruh semua variable eksogen tersebut terhadap BI termasuk moderat.
Sedangkan Nilai R Square pengaruh secara bersama-sama FC dan BI Terhadap UB adalah sebesar 0,512 dengan nilai adjusted r square 0,503, maka dapat dijelaskan bahwa semua variable exogen secara serentak mempengaruhi UB sebesar 0,503 atau 50,3%. Oleh karena Adjusted R Square 50,3%>33% maka pengaruh semua variable exogen tersebut terhadap UB termasuk moderate.
Pembahasan
Hasil dari penelitian menjelaskan Hipotesis H1a yaitu Performance Expectancy berpengaruh positif dan signifikan terhadap Behavioral Intention. Hasil Pengujian memperoleh koefisien parameter untuk Performance Expectancy terhadap Behavioral Intention sebesar 0,332 dengan nilai t-hitung 3,666 dan p-value 0,000<0,05, dimana peningkatan satu-satuan Performance Expectancy akan meningkatkan Behavioral Intention sebesar 33,2%. Hal ini mendukung pre-research (Venkatesh et al., 2003) yang mendeskripsikan ekspektasi kinerja sejauh mana seorang individu percaya bahwa menggunakan sistem akan membantunya mencapai keuntungan dalam kinerja suatu pekerjaan. Hasil penelitian ini juga mengikuti penelitian ( Yang,et all,20121) bahwa responden percaya terhadap penggunaan dompet digital sebagai pilihan yang berguna dan mudah digunakan untuk melakukan transaksi secara efektif, efisien, dan hemat waktu. Untuk Hipotesis H1b hasil penelitian dari responden koefisien parameter -0,028 dengan nilai t-hitung 0,335 dan p-value 0,738>0,05, dapat disimpulkan bahwa moderasi jenis kelamin tidak mempengaruhi Performance Expectancy terhadap Behavioral Intention karena bernilai negative tidak signifikan dimana sifatnya melemahkan.
Hipotesis H2a menjelaskan bahwa Effort Expectancy berpengaruh positif dan signifikan terhadap Behavioral Intention. Hasil Pengujian memperoleh koefisien parameter untuk Effort Expectancy terhadap Behavioral Intention memperoleh koeefisien korelasi sebesar 0,218 dengan nilai t-hitung 2,518 dan p-value 0,012<0,05, dimana peningkatan satu-satuan Effort Expectancy akan meningkatkan Behavioral Intention sebesar 21,8%. Hasil penelitian ini sejalan dengan ( Sukaris, et,all,2021) dimana responden merasakan manfaat dari
penggunaan dompet digital dengan ponsel pintar lebih mudah dan membantu dalam kegiatan sehari-hari dalam bertransaksi serta tidak membuat pengguna khawatir akan menggunakan dompet digital. Untuk Hipotesis H2b hasil penelitian dari responden koefisien parameter -0,090 dengan nilai t-hitung 1,040 dan p-value 0,299>0,05, dapat disimpulkan bahwa moderasi jenis kelamin tidak mempengaruhi Effort Expectancy terhadap Behavioral Intention karena bernilai negative tidak signifikan dimana sifatnya melemahkan.
Hipotesis H3a Social Influence berpengaruh positif dan signifikan terhadap Behavioral Intention. Hasil Pengujian memperoleh koefisien parameter untuk Social Influence terhadap Behavioral Intention memperoleh koeefisien korelasi sebesar 0,268 dengan nilai t-hitung 3,412 dan p-value 0,001<0,05, dimana peningkatan satu-satuan Effort Expectancy akan meningkatkan Behavioral Intention sebesar 26,8%. Menurut [26] semakin tinggi Social Influence yang diterima seseorang, maka Behavioral Intention akan tinggi karena saran atau masukan dari orang atau rekan mampu mempengaruhi. Dan niat menggunakan dapat dipengaruhi oleh pengalaman responden berdasarkan rekomendasi karena mempromosikan fungsi dan kenyamanan merupakan aspek penting (Tenk,dkk,2020). Hasil ini pun sejalan dengan (Lee,dkk,2019). Untuk Hipotesis H3b hasil penelitian dari responden koefisien parameter 0,158 dengan nilai t-hitung 1,900 dan p-value 0,058>0,05, dapat disimpulkan bahwa moderasi jenis kelamin tidak mempengaruhi Social Influence terhadap Behavioral Intention karena bernilai positif tidak signifikan.
Hipotesis H4 Facilitation Conditions berpengaruh positif dan signifikan terhadap Use Behavior. Hasil Pengujian memperoleh koefisien parameter untuk Facilitation Conditions terhadap Use Behavior memperoleh koefisien korelasi sebesar 0,289 dengan nilai t-hitung 3,604 dan p-value 0,000<0,05, dimana peningkatan satu-satuan Facilitation Conditions akan meningkatkan Use Behavior sebesar 28,9%. Hasil ini sejalan dengan (Yang,dkk,2017) bahwa responden merasa layanan dompet digital membantu dan mendukung dengan adanya fasilitas, teknik dan infrastruktur yang disediakan oleh layanan dompet digital. Ini juga diartikan
bahwa responden memiliki pengetahuan atau wawasan yang cukup untuk membantu mereka menggunakan dompet digital (Sukaris,dkk 2021).
Hipotesis H5 Behavioral Intentions berpengaruh positif dan signifikan terhadap Use Behavior. Hasil Pengujian memperoleh koefisien parameter untuk Behavioral Intentions terhadap Use Behavior memperoleh koefisien korelasi sebesar 0,526 dengan nilai t-hitung 6,476 dan p-value 0,000<0,05, dimana peningkatan satu-satuan Behavioral Intentions akan meningkatkan Use Behavior sebesar 52,6%. Secara keseluruhan Behavioral Intentions menunjukkan pengaruh paling besar diantara variabel lain sama seperti penelitian (Khalilzadeh,dkk,2017). Penelitian ini pun sejalan dengan (Rosnidah,dkk,2018) bahwa berawal dari niat responden yang sebagian besar generasi milenial akan cenderung menggunakan dompet digital karena bisa memenuhi kebutuhan transaksi sehari-hari dengan adanya peran tambahan yang diberikan layanan dompet digital seperti cashback dan diskon, juga memiliki pengaruh yang kuat pada penggunaan dompet digital.
KESIMPULAN
Hasil penelitian menemukan bahwa Performance Expectancy merupakan pengaruh paling signifikan terhadap Behavioral Intention disusul dengan Social Influence dan Effort Expectancy. Sedangkan untuk moderasi gender tidak mempengaruh ke tiga variabel . Penelitian ini juga menghasilkan bahwa niat yang semakin tinggi kemungkinan besar responden akan terus-menerus menggunakan dompet digital dan untuk Effort Expectancy memiliki nilai paling kecil dikarenakan responden mengganggap mudah penggunaan dompet digital. Untuk penelitian di masa depan perlu menggunakan semua variabel moderasi lainnya yang sesuai dengan model UTAUT yang dikembangkan oleh Venkatesh et.,al 2003 dan menambahkan konstruk lain untuk lebih mengetahui faktor-faktor lain dalam menggunakan dompet digital.
DAFTAR PUSTAKA
Ardianto, Kysun (2020). Dompet Digital Siap Ubah Perekonomian Indonesia. https://www.goodnewsfromindonesia.id/2020/07/02/dompet-digital-siap-ubah-perekonomian-indonesia tanggal akses: 10/03/2021
Alfiansyah Pasaribu (2020). Ipsos ungkap penggunaan dompet digital
tertinggi, ShopeePay hingga OVO.
https://www.antaranews.com/berita/1820756/ipsos-ungkap-penggunaan-dompet-digital-tertinggi-shopeepay-hingga-ovo tanggal akses:08/03/2021
Iskanda (2021). Ini Daftar Dompet Digital yang Paling Banyak Digunakan Orang Indonesia. https://www.liputan6.com/tekno/read/4472006/ini-daftar-dompet-digital-yang-paling-banyak-digunakan-orang-indonesia tanggal akses: 10/03/2021
Indah, Mutiara., Henri Agustin. Penerapan Model UTAUT (Unified Theory of Acceptance and Use of Technology) untuk Memahami Niat dan Perilaku Aktual Pengguna Go-Pay di Kota Padang. Jurnal Eksplorasi Akuntansi Vol. 1, No.4 Seri C, November 2019, 1949-1967.
Bank Indonesia. (2018). Diambil kembali dari
https://www.bi.go.id/id/sistem-pembayaran/instrument-nontunai/unik/Contents/Default.aspx
Kusuma, Anita (2020). Apa itu Gopay dan ShopeePay? Simak Penjelasan Lengkap. https://www.infoperbankan.com/artikel/gopay-dan-shopeepay.html
tanggal akses: 10/03/2021
Venkatesh, V., Thong, J. Y. L., & Xu, X. 2003. Unified Theory of Acceptance and Use of Technology. A Synthesis and the Road Ahead. Journal of the Association for Information Systems.
Khalilzadeh ,. Jalayer, Ahmet Bulent Ozturk, and Anil Bilgihan. 2017. “Security-related factors in extended UTAUT model for NFC based Mobile Payment in the Restaurant Industry”. Computers in Human Behavior,2017. doi: 10.1016/j.chb.2017.01.001)
Utami, E. (2018, September). Uang Elektronik Vs Dompet Elektronik, Mana yang Akan Anda Pilih? Diambil kembali dari www.qerja.com:
https://www.qerja.com/journal/view/11973-uang-elektronik-vs-dompet-elektronik-mana-yang-akan-anda-pilih-eu08
Astuti, Nina Dwi, Kusworo Adi, Antono Suryoputri. Analisis Penerimaan Sistem Pendaftaran Online Puskesmas menggunakan TAM2 dan UTAUT. Jurnal Manajemen Informasi Kesehatan Indonesia Vol.8 No.2 Oktober 2020
Purwanto, Edi, Julia Loisa. The Intention and Use Behavioral of the Mobile Banking System in Indonesia: UTAUT Model. Technology Reports of Kansai University Vol.62 No.6 July 2020
Chao, Cheng-Min. Factors Determinaing the Behavioral Intention to Use Mobile Learning: An Application and Extension of the UTAUT Model. Frontiers in Psychology Vol.10 July 2019
Garone, Anja, Bram Punoo, Jo Tondeur, Celine Cocquyt, Silke Vanslambrouck, Bram Bruggeman, and Katries Struyven. “Clustering university teacheing staff through UTAUT: Implications for the acceptance of a New Learning Management System. Brilish Journal of Educational Technology Vol.0 No.0 2019 Mahardika, Putu Chandra, I Gusti Ayu Ketut Giantari. The Effect of Behavioural Intention and Perceived Risk To Adopt Mobile Banking Using UTAUT Model (Study at BPD Bali Klungkung Branch in Semarapura City). American International Journal of Business Management Vol.3 No.10 Oktober 2020 106-115
Sugiyono. 2018. Metode Penelitian Kuantitatif. Bandung: Alfabeta.
Hair, J. F., Hult, G. T., Ringle, C. M., & Sarstedt, M. (2017). A primer on partial Least Squares Squares Structural Equation Modeling (PLS-SEM). California: SAGE Publications
Ghozali. (2015). Structural Equation Modeling Metode analisis dengan partial least square (PLS). Semarang: Undip.
Rosnidah,. Ida, Arinal Muna, Ayatulloh Michael Musyaffi, & Nelia Fariani Siregar. 2018. “Critical Factor of Mobile Payment Acceptance in Millenial
Generation: Study on the UTAUT model”. Advances in Social Science, Education and Humanities Research, volume 306.
Memon, Mumtaz Ali dkk. 2017. “The relationship Between Training Satisfaction, Organisational Citizenship Behaviour, and Turnover Intention”.
Intarot., Pharot, and Chutima Beokhaimook. 2018.“Influencing Factor in E-Wallet Acceptant and Use”. International Journal of Business and Administrative
Studies volume 4 issue 4 pp. 167-175 doi:
https://dx.doi.org/10.20469/ijbas.4.10004-4
Wong, K. K. (2013). Partial Least Squares Structural Equation Modeling (PLS-SEM) Techniques Using SmartPLS. Marketing Bulletin, 24. Diambil dari
http://marketing-bulletin.massey.ac.nz.
Jugiyanto, & Abdillah. (2015). Partial Least Square (PLS) alternatif Structural Equation Modeling (SEM) dalam penelitian Bisnis. Yogyakarta: ANDI
Khalilzadeh., Jalayer, Ahmet Bulent Ozturk, Anil Bilgihan. 2017.“Security-related factors in extended UTAUT model for NFC based Mobile Payment in the Restaurant Industry”. Computers in Human Behavior. doi: 10.1016/j.chb.2017.01.001
Norulhuda Abdullah, Fauziah Redzuan, Nor Aziah Daud. 2020. “E-wallet: factors influencing user acceptance towards cashless society in Malaysia among public universities”. Indonesian Journal of Electrical Engineering and Computer Science Vol. 20, No. 1, pp. 67~74 ISSN: 2502-4752, doi: 10.11591/ijeecs.v20.i1.pp67-74
Tenk., Teoh Teng, Melissa, Hoo Chin Yew, Lee Teck Heang . 2020. “E-wallet Addoption: A Case In Malaysia”. International Journal of Research in Commerce and Management Studies Vol. 2, No. 02.
Sukaris, Wiki Renedi, Maulidyah Amalina Rizqi, and Budiyono Pristyadi. 2021. “Usage Behavior on Digital Wallet: Perspective of the Theory of Unification of Acceptance and Use of Technology Models”. Journal of Physics: Conference Series 1764, doi:10.1088/1742-6596/1764/1/012071
Yang., Marvello, Abdullah Al Mamun, Muhammad Mohiuddin, Noorshella Che Nawi, and Noor Raihani Zainol Cashless.2021. “Transactions: A Study on Intention and Adoption of e-Wallets”. Sustainability 2021, 13, 831.
https://doi.org/10.3390/su13020831
Lee., Jin Myong , Bohan Lee, Jong Youn Rha. 2019. Determonants Of Mobile Payment Usage and The Moderating Effect of Gender: Extending The UTAUT Model With Privacy. International Journal of Electronic Commerce Studies Vol.10, No.1 43-64. doi: 10.7903/ijecs.1644
Patila., Pushp, Kuttimani Tamilmani, Nripendra P. Rana, Vishnupriya Raghavan. 2020. Understanding consumer adoption of mobile payment in India: Extending Meta-UTAUT model with personal innovativeness, anxiety, trust, and grievance redressal. International Journal of Information Management 54. https://doi.org/10.1016/j.ijinfomgt.2020.102144
