4. ANALISA DAN PEMBAHASAN
4.1 Gambaran Umum responden
Peneliti menyebarkan kuisioner kepada konsumen yang menggunakan transportasi online di wilayah Surabaya. Kuisioner yang terkumpul sebanyak 253 akan tetapi setelah dilakukan proses screening sebanyak 240 kuisioner yang telah memenuhi syarat. Pada responden yang telah mengisi kuisioner diidentifikasi berdasarkan jenis kelamin, transportasi online yang digunakan, usia, pekerjaan, frekuensi penggunaan transportasi online, pendapatan, pengeluaran biaya transportasi per bulan.
4.2.1 Identifikasi Responden berdasarkan Jenis Kelamin
Jumlah responden dalam penelitian ini sebanyak 240 responden.
Identifikasi karakteristik responden penelitian berdasarkan jenis kelamin disajikan dalam Tabel 4.1
Tabel 4.1 Karakteristik responden penelitian berdasarkan jenis kelamin No Jenis kelamin Frekuensi Persentase (%)
1. Pria 67 27.9
2. Wanita 173 72.1
Total 240 100
Sumber : Lampiran 2
Berdasarkan tabel diatas diketahui bahwa sebagian besar responden dengan jenis kelamin wanita lebih banyak menggunakan transportasi online yaitu sebesar 72,1%. Sedangkan pria hanya sebesar 27,9 %. Hal tersebut terjadi karena sebagian besar wanita kesulitan mengendarai kendaraan bermotor sendiri dan wanita lebih menyukai menggunakan transportasi online kemungkinan karena harga lebih rendah dibandingkan dengan transportasi lain serta lebih praktis. Sedangkan untuk responden pria tertarik menggunakan transportasi online karena lebih efisien waktu.
4.2.2 Identifikasi responden berdasarkan perusahaan transportasi online yang digunakan
Melakukan identifikasi dengan responden yang telah menggunakan transportasi online enam bulan terakhir, dengan mengidentifikasi perusahaan transportasi online yang pernah digunakan.
Tabel 4.2 Karakteristik responden penelitian berdasarkan perusahaan transportasi online
Sumber: Lampiran 2
Setelah responden memilih satu atau lebih perusahaan transportasi online, maka diperoleh hasil pada tabel 4.2. Berdasarkan hasil analisa responden diperoleh diatas diketahui bahwa nilai tertinggi pada responden yang menggunakan Go-Jek dan Grab yaitu sebesar 71 atau 29,6%. Berdasarkan analisa diketahui bahwa Go-Jek merupakan perusahaan Indonesia pertama sebagai perintis transportasi online, sehingga perusahaan tersebut sudah lebih dikenal masyarakat terkhusus di wilayah Surabaya, kemudian promo dengan menggunakan Go-Pay membuat orang lebih tertarik untuk menggunakan tranportasi mereka dan driver Go-Jek di Surabaya termasuk banyak. Kemudian Grab banyak digunakan karena mereka memberikan promo diskon yang lebih besar dibandingkan Go-jek, akan tetapi jumlah driver mereka belum sebanyak Go-Jek. Responden yang menggunakan transportasi online Ubber dan Go-Jek merupakan terendah. Hal tersebut karena
No Transportasi online frekuensi Persentase (%)
1. Go-Jek 70 29,2
2. Ubber 18 7,5
3. Grab 20 8,3
4. Grab, Ubber 17 7,1
5. Go-Jek, Grab 71 29,6
6. Go-Jek, Ubber 11 4,5
7. Go-Jek, Grab,Ubber 33 13,8
Total 240 100
Ubber perusahaan transportasi online ini kurang begitu disenangi oleh masyarakat Surabaya karena promosi yang diberikan kurang menarik dan jumlah driver sedikit serta aplikasi sering mengalami permasalahan.
4.2.3 Identifikasi Responden berdasarkan Usia
Pemaparan data responden berdasarkan usia dimaksudkan untuk mengetahui gambaran konsumen yang ditinjau dari usia. Identifikasi yang dilakukan dengan membagi usia dalam empat kategori, yaitu 18 sampai 25 tahun, 26 sampai 35 tahun, 35 sampai 40 tahun, dan responden yang lebih dari 40 tahun.
Tabel 4.3 Karakteristik responden penelitian berdasarkan Usia No Usia Responden Frekuensi Persentase (%)
1. 18 - 25 tahun 173 72.1
2. 26 - 35 tahun 52 21.7
3. 35 - 40 tahun 8 3.3
4. > 40 tahun 7 2.9
Total 240 100
Sumber : Lampiran 2
Berdasarkan tabel 4.3 diatas menunjukkan bahwa dalam penelitian ini mayoritas responden pada rentang usia 18 sampai 25 tahun, yaitu sebanyak 173 orang atau 72,1 %, kemudian rentang usia 26 sampai 35 tahun sebanyak 52 orang atau 21,7%. Data tersebut menunjukkan bahwa penggunaan transportasi online cenderung banyak dilakukan oleh kalangan usia muda karena mudah memahami dalam penggunaan aplikasi saat pemesanan, dibandingkan dengan kalangan dengan usia yang lebih tua.
4.2.4 Identifikasi Responden berdasarkan Pekerjaan
Dalam melakukan identifikasi responden berdasarkan pekerjaan dimaksudkan untuk mengetahui gambaran responden ditinjau dari segi status pekerjaan. Identifikasi dilakukan dengan membagi status pekerjaan menjadi karyawan/ti, wiraswasta, pelajar/mahasiswa, Ibu rumah tangga, lainnya.
Tabel 4.4 Karakteristik responden penelitian berdasarkan pekerjaan
No Pekerjaan Frekuensi Persentase (%)
1. Karyawan/ti 97 40.4
2. Wiraswasta 28 11.7
3. Pelajar / Mahasiswa 105 43.8
4. Ibu Rumah Tangga 4 1.7
5. Lainnya 6 2.5
Total 240 100
Sumber : Lampiran 2
Berdasarkan tabel 4.4 responden didominasi dengan status pelajar/mahasiswa dan karyawan/ti dengan masing – masing persentase sebesar 43,8% dan 40,4%. Hal tersebut sesuai dengan mayoritas usia responden pengguna transportasi online dengan rentang usia 17-25 tahun yang dimana mereka masih berstatus pelajar/mahasiswa atau karyawan/ti. Pelajar/mahasiswa dan karyawan/ti memiliki kecenderungan berpergian lebih sering dan membutuhkan waktu yang cepat untuk sampai tujuan sehingga mereka cenderung akan memilih menggunakan transportasi online.
4.2.5 Identifikasi Responden berdasarkan Frekuensi penggunaan Transportasi online
Melakukan identifikasi dengan responden yang telah menggunakan transportasi online enam bulan terakhir, dengan mengidentifikasi frekuensi penggunaan transportasi online. Identifikasi yang dilakukan dengan membagi menjadi empat kategori yaitu 1 sampai 2 kali per hari, setiap hari, 2 sampai 3 kali per minggu, dan 1 bulan sekali.
Tabel 4.5 Karakteristik responden penelitian berdasarkan Frekuensi pengguanaan Transportasi online
No Frekuensi pengguanaan Transportasi online
Frekuensi Persentase (%)
1. 1 - 2 kali per hari 30 12.5
2. Setiap hari 22 9.2
3. 2 - 3 kali per minggu 110 45.8
4. 1 bulan sekali 78 32.5
Total 240 100
Sumber :Lampiran 2
Berdasarkan hasil tabel 4.5 diketahui bahwa responden paling banyak menggunakan transportasi online di Surabaya yaitu sebanyak 2 sampai 3 kali per minggu atau 45,8%, sedangkan paling sedikit frekuensi penggunaan transportasi online pada kategori setiap hari yaitu sebesar 9,2%. Penggunaan tranportasi online 2 sampai 3 kali per minggu membutikkan bahwa masyarakat Surabaya termasuk sering menggunakan tranportasi online hal tersebut terjadi karena keadaan jalan yang macet dan lahan parkir yang tidak memadai menyebabkan masyarakat mulai menggunakan transportasi online dalam menunjang aktivitas sehari – hari.
4.2.6 Identifikasi Responden berdasarkan pendapatan responden
Melakukan identifikasi responden berdasarkan pendapatan per bulan untuk mengetaui kisaran responden dalam menggunakan uang untuk transportasi.
Tabel 4.6 Karakteristik responden penelitian berdasarkan pendapatan per bulan
No Pendapatan per bulan Frekuensi Persentase (%)
1. < Rp 3.500.000 100 41.7
2. Rp 3.500.001 - Rp 6.000.000 78 32.5 3. Rp 6.000.001 - Rp 8.500.000 42 17.5
4. > Rp 8.500.001 20 8.3
Total 240 100
Sumber : lampiran 2.
Tabel 4.6 menunjukkan bahwa responden dengan pendapatan kurang dari Rp 3.500.000 paling sering menggunakan transportasi online. Hal tersebut dikarenakan karena sebagian besar responden merupakan pelajar/mahasiswa yang masih belum memiliki pendapatan yang besar. Sedangkan responden dengan pendapatan lebih dari Rp 8.500.000 hanya 20 orang atau 8,3% karena sebagian besar dengan pendapatan seperti itu orang cenderung akan menggunakan kendaraan pribadi.
Dengan melihat hasil tabel 4.5 diketahui bahwa dengan diperoleh nilai persentase tertinggi pada kategori penghasilan < RP 3.500.000, maka kita ketahui bahwa saat ini transportasi online menjadi salah satu alternatif angkutan umum dan sebagian besar dibutuhkan oleh semua masyarakat meskipun dilihat dari pendapatan mereka yang termasuk rendah.
4.2.7 Identifikasi Responden berdasarkan pengeluaran biaya transportasi per bulan
Melakukan identifikasi responden berdasarkan pengeluaran biaya transportasi per bulan untuk mengetaui kisaran responden dalam menggunakan uang untuk transportasi online.
Tabel 4.7 Karakteristik responden penelitian berdasarkan biaya pengeluaran transportasi per bulan
No Biaya pengeluaran untuk transportasi per bulan
Frekuensi Persentase (%)
1. < Rp 500.000 154 64.2
2. Rp 500.001 - Rp 1.000.000 67 27.9
3. Rp 1.000.001 - Rp 1.500.000 16 6.7
4. > Rp 1.500.001 3 1.3
Total 240 100
Sumber : Lampiran 2
Berdasarkan data tabel 4.7 diketahui bahwa responden dengan pengeluaran untuk transportasi kurang dari Rp 500.000 per bulan yang lebih sering menggunakan transportasi online. Sebagian besar responden tersebut biasa
menggunakan transportasi online pada jarak dekat. Sedangkan responden yang memiliki persentase paling rendah yaitu 3% pada responden dengan biaya pengeluaran lebih dari Rp 1.500.000.
4.2 Pengujian Validitas dan Reabilitas Instrument Penelitian dengan Program SPSS
Pengujian Validitas akan memastikan bahwa keseluruhan indikator dalam penelitian bisa dipahami oleh responden. Pengujian dilakukan pada 30 kuisioner pertama untuk mengetahui instrument penelitian tersebut dapat digunakan dalam penelitian ini. Pengujian didasarkan pada nilai corrected item-total correlation yaitu sebanyak dinyatakan valid jika nilai statistik diatas 0,30. Pada program SPSS, pernyataan yang diuji dengan melihat nilai Corrected item-total correlation, dimana nilai 𝑟#$%&'(> 𝑟%)*+, dengan nilai r lebih dari 0,127 (n=240,α=5%) maka kuisioner dinyatakan valid.
Sedangkan untuk menunjukkan bahwa kuisioner dapat menghasilkan jawaban konsisten maka diperlukan menguji rebailitias. Pengujian didasarkan pada cronbach’s alpha. Jika nilai cronbach alpha > 0.6 maka kuesioner dapat dikatakan reliabel. Tabel 4.8 sampai dengan tabel 4.11 akan menujukkan hasil pengujian validitas dan reabilitas.
4.3.1 Pengujian Validitas dan Reabilitas E-Service Quality
Untuk variabel E-service Quality (X1), kuesioner penelitian terdiri atas 8 item.
Berdasarkan tabel 4.8 terlihat bahwa nilai corelation untuk variabel E-service Quality dapat dikatakan valid. Karena pada masing – masing butir pertanyaan memiliki nilai corrected item-total correlation memiliki nilai lebih dari 0,127. Pada uji reabilitias nilai cronbach’s alpha untuk variabel E-service Quality sebesar 0,862
> 0,6 , sehingga instrument pengukuran pernyataan reliabel dengan keandalan yang baik.
Tabel 4.8 Hasil Uji Validitas Dan Reliabilitas Variabel E-Service Quality
Indikator
Corrected Item Total Correlation
Cronbach Alpha X1.1 Saya menggunakan aplikasi transportasi online
dengan mudah. 0.628
0.879 X1.2 Saya dapat melakukan pemesanan dengan cepat
melalui aplikasi transportasi online 0.672 X1.3 Keakuratan pemesanan pada aplikasi online 0.671 X1.4 Aplikasi transportasi online jarang mengalami
gangguan / eror 0.681
X1.5 Aplikasi transportasi online dapat menjaga
kerahasiaan data pribadi saya. 0.545
X1.6 Aplikasi transportasi online memberikan
tanggapan yang cepat saat aplikasi bermasalah 0.574 X1.7 Adanya kompensasi yang diberikan oleh pihak
transportasi online 0.700
X1.8 Aplikasi transportasi online menyediakan nomer
telpon layanan 24 jam 0.682
Sumber: Data diolah (2017)
4.3.2 Pengujian Validitas dan Reabilitas Trust
Kuisioner penelitian variabel trust (X2) terdiri atas 4 item. Berikut adalah hasil pengujian validitas dan reliabilitas setiap butir pertanyaan trust, yaitu:
Tabel 4.9 Hasil Uji Validitas Dan Reliabilitas Variabel Trust
Indikator
Corrected Item Total Correlation
Cronbach Alpha X2.1 Saya percaya driver transportasi online dapat
mengemudi dengan aman 0.649
0.848 X2.2 Saya percaya driver transportasi online dapat
mengemudi dengan nyaman 0.718
X2.3
Saya percaya driver transportasi online dengan senang hati mau membawa atau memasukkan barang saya.
0.735
X2.4 Saya percaya driver transportasi online akan
mengembalikan barang yang ketinggalan. 0.668 Sumber: Data Diolah (2017)
Berdasarkan tabel 4.9 diketahui bahwa masing – masing indikator variabel trust dapat dikatakan valid. Hal tersebut karena nilai Corrected Item Total Correlation pada masing-masing indikator variabel Trust lebih besar dari r tabel (n=240,α=5%) 0,127. Pada uji reabilitias nilai cronbach’s alpha untuk variabel
trust sebesar 0,823 > 0,6 , sehingga instrument pengukuran pernyataan reliabel dengan keandalan yang baik.
4.3.3 Pengujian Validitas dan Reabilitas Perceived Value
Kuisioner penelitian variabel perceived value (X3) terdiri atas 4 item.
Berikut adalah hasil pengujian validitas dan reliabilitas setiap butir pertanyaan perceived value, yaitu:
Tabel 4.10 Hasil Uji Validitas Dan Reliabilitas Variabel Perceived Value
Indikator Corrected
Item Total Correlation
Cronbach Alpha X3.1 Saya merasa senang selama perjalanan
menggunakan transportasi online. 0.675
0.749 X3.2 Saya merasa bagian dari komunitas modern
yang dapat menggunakan aplikasi transportasi online.
0.593
X3.3 Saya merasa biaya yang dikeluarkan lebih murah dibandingkan dengan transportasi lain.
0.388
X3.4 Saya merasa kinerja driver transportasi
online sesuai dengan apa yang dibayarkan. 0.551 Sumber: Data Diolah(2017)
Berdasarkan tabel 4.10 diketahui bahwa masing – masing indikator variabel perceived value dapat dikatakan valid. Hal tersebut karena nilai Corrected Item Total Correlation pada masing-masing indikator variabel Trust lebih besar dari r tabel (n=240,α=5%) 0,127. Pada uji reabilitias nilai cronbach’s alpha untuk variabel perceived value t sebesar 0.802 dimana nilai tersebut lebih besar dari 0.6, sehingga dapat disimpulkan bahwa indikator pernyataan pada variabel Perceived Value dapat dinyatakan reliabel.
4.3.4 Pengujian Validitas dan Reabilitas Behavior Intention
Kuisioner penelitian variabel behavior intention (Y1) terdiri atas 8 item.
Berikut adalah hasil pengujian validitas dan reliabilitas setiap butir pertanyaan behavior intention, yaitu:
Tabel 4.11 Hasil Uji Validitas Dan Reliabilitas Variabel Behavior Intention
Indikator
Corrected Item Total Correlation
Cronbach Alpha Y1.1
Saya akan menceritakan pengalaman menggunakan transportasi online kepada
orang lain 0.637
0.895 Y1.2 Saya memesan kembali transportasi online
dalam waktu dekat 0.678
Y1.3
Saya akan tetap menggunakan transportasi onlinedan tidak berpindah menggunakan transportasi lain.
0.750
Y1.4 Saya bersedia untuk membayar lebih untuk
layanan yang sama pada transportasi online 0.680 Y1.5
Saya tidak akan menyampaikan keluhan mengenai transportasi online kepada orang lain
0.663
Y1.6 Saya tidak akan menyampaikan keluhan
melalui media online. 0.721
Y1.7 Saya tidak akan menyampaikan keluhan
kepada customer service 0.568
Y1.8
Saya tidak akan menyampaikan keluhan berupa email kepada pihak transportasi online
0.722 Sumber: Data Diolah (2017)
Nilai Corrected Item Total Correlation pada masing-masing indikator variabel Behavior Intention lebih besar dari r tabel (n=240,α=5%) 0.127, hasil ini menunjukkan bahwa indikator-indikator pernyataan yang mengukur variabel Behavior Intention dapat dinyatakan valid. Pada uji reabilitias nilai cronbach’s alpha untuk variabel trust sebesar 0,868 > 0,6 , sehingga instrument pengukuran pernyataan reliabel dengan keandalan yang baik.
4.3 Evaluasi Outer Model
Tahap awal yang harus dilakukan dalam analisis Partial Least Square (PLS) yaitu memeriksa atau mengevaluasi pengukuran dalam model yang dianalisis, yaitu melalui evaluasi Outer Model. Evaluasi outer model dapat dilakukan melalui content validity, covergent validity dan discriminant validity dari indikator pembentuk konstruk laten serta indicator reability dan composite reliablity untuk indikator. Uji covergent validity dapat dilihat dari nilai loading
factor untuk tiap indikator konstruk. Sedangkan untuk menguji discriminant validity dengan indikator reflektif yaitu dengan melihat nilai cross loading untuk setiap variabel.
4.3.5.1 Convergent Validity
Evaluasi pertama pada outer model adalah convergent validity. Untuk mengukur convergent validity yaitu dengan melihat nilai dari masing-masing outer loading dan hasil average variance extracted (AVE).
a. Indicator reability (outer loading)
Suatu indikator dikatakan memenuhi convergent validity jika memiliki nilai outer loading > 0,5. Nilai loading yang semakin tinggi menunjukkan bahwa semakin penting peranan indikator dalam merefleksikan variabel. Berikut adalah nilai outer loading masing-masing indikator pada variabel penelitian:
Tabel 4.12 Nilai Outer Loading
Variabel Indikator Outer
Loading
E- Service Quality
X1.1
Kemudahan dalam menggunakan aplikasi transportasi
online 0,725
X1.2 Kecepatan mengakses aplikasi transportasi online
0,736 X1.3 Keakuratan pemesanan pada aplikasi online 0,704 X1.4
Aplikasi transportasi online jarang mengalami gangguan /
eror 0,696
X1.5
Aplikasi transportasi online dapat menjaga kerahasiaan data
pribadi. 0,687
X1.6 Kecepatan tanggapan transportasi online saat aplikasi
bermasalah 0,726
X1.7
Adanya kompensasi yang diberikan oleh pihak transportasi
online 0,715
X1.8
Aplikasi transportasi online menyediakan nomer telepon
0,720
Trust
X2.1 Kepercayaan konsumen terhadap kemampuan mengemudi
driver transportasi online secara aman 0,858 X2.2 Kepercayaan konsumen terhadap kemampuan mengemudi
driver transportasi online secara nyaman 0,869
X2.3
Kepercayaan konsumen kepada trasnportasi online mengenai kebaikan hati driver yang akan membawakan
barang. 0,794
X2.4
Kepercayaan konsumen terhadap komitmen driver transportasi online yang akan mengembalikan barang yang
tertinggal 0,726
Perceived Value
X3.1
Perasaan senang menggunakan transportasi online
sebanding dengan pengorbanan yang diberikan. 0,849 X3.2
Transportasi online mampu meningkatkan konsep diri
sosial konsumen sebagai bagian dari komunitas modern 0,753 X3.3
Kesesuaian biaya yang diberikan dengan manfaat yang
diperoleh 0,762
X3.4
Kesesuaian kinerja driver transportasi online dengan
pengorbanan konsumen. 0,821
Behavior Intention
Y1.1
Menceritakan pengalaman menggunakan transportasi
online kepada orang lain 0,704
Y1.2 Pemesanan berulang transportasi online 0,766 Y1.3
Tetap menggunakan transportasi online dan tidak berpindah
menggunakan transportasi lain. 0,730
Y1.4
Bersedia untuk membayar lebih untuk layanan yang sama
pada transportasi online 0,758
Y1.5
Konsumen tidak akan menyampaikan keluhan mengenai
transportasi online kepada orang lain 0,688 Y1.6
Konsumen tidak akan menyampaikan keluhan melalui
media online. 0,687
Y1.7
Konsumen tidak akan menyampaikan keluhan kepada
customer service 0,681
Y1.8
Konsumen tidak akan menyampaikan keluhan berupa email
kepada pihak transportasi online 0,744
Sumber: Data Diolah (2017)
Berdasarkan Tabel 4.12 dapat diketahui bahwa nilai outer loading masing- masing indikator pada keempat variabel penelitian semuanya bernilai lebih dari 0.5.
Hal ini berarti indikator-indikator yang digunakan dalam penelitian ini telah memenuhi convergent validity. Variabel e-service quality terdiri dari 8 indikator dan berdasarkan nilai keseluruhan indikator tersebut nilai loading factor terendah adalah 0,68 pada indikator X1.5. Sedangkan nilai outer loading tertinggi yaitu 0,89 pada indikator X1.2. Berdasarkan pada ketentuan pengujian, keseluruhan indikator variabel e-service quality dinyatakan memenuhi convergent validity. Indikator yang memiliki konstribusi paling tinggi untuk menjelaskan variabel e-service quality adalah mengenai kecepatan mengakses aplikasi transportasi online. Sedangkan pernyataan mengenai aplikasi transportasi online dapat menjaga data rahasia pribadi responden merupakan indikator yang memiliki nilai loading factor terendah, akan tetapi diatas batas valid, yaitu 0,68 sehingga indikator tersebut juga dapat membentuk variabel e-service quality.
Tabel 4.12 juga menunjukkan nilai convergent validity variabel trust yang terdiri dari 4 indikator. Berdasarkan nilai loading factor tiap indikator berkisar 0,72 sampai dengan 0,85. Keseluruhan nilai loading factor cukup tinggi dengan diatas
batas ketentuan 0,50. Untuk itu dapat dijelaskan bahwa keseluruhan indikator variabel trust memenuhi ketentuan pengujian convergent validity. Dapat diketahui bahwa indikator kepercayaan responden terhadap kemampuan driver transportasi online mengemudi dengan nyaman (X2.2) memiliki konstribusi yang paling tinggi untuk membentuk variabel trust. Meskipun loading factor pada indikator kepercayaan konsumen terhadap komitmen driver (X3.2) itu paling rendah yaitu 0,72, akan tetapi masih diatas batas valid, kemudian jawaban responden pada indikator tersebut bervariatif atau tidak merata sehingga baik untuk dijadikan alat ukur variabel trust.
Variabel perceived value terdiri dari 4 indikator dan dari keseluruhan indikator tersebut nilai loading factor tertinggi adalah 0,84 pada indikator X3.1.
Berarti indikator perasaan senang menggunakan transportasi online sebanding dengan pengorbanan yang dilakukan memiliki kontribusi yang paling tinggi untuk menjelaskan variabel perceived value. Pada nilai loading factor indikator X3.2, yaitu mengenai transportasi online dapat meningkatkan konsep diri sosial konsumen sebagai bagian dari komunitas modern memiliki nilai terendah namun masih diatas batas valid, yaitu 0,75 sehingga indikator tersebut memiliki konstribusi yang tinggi untuk membentuk variabel perceived value. Jawaban responden pada indikator X3.2 juga bervariatif atau tidak merata. Sehingga, transportasi online berhasil memberikan values kepada konsumen dari segi emosional, price, sosial, dan kinerja.
Untuk variabel behavior intention terdiri dari 8 indikator (pernyataan) dan berdasarkan pada nilai loading factor tiap indikator berkisar antara 0,68 sampai dengan 0,76. Keseluruhan nilai loading factor cukup tinggi dan diatas dari batas ketentuan yaitu 0,50. Sehingga dapat diketahui bahwa keseluruhan indikator variabel behavior intention memenuhi ketentuan pengujian convergent validity.
Indikator Y1.2 yaitu pemesanan berulang transportasi online bernilai 0,76 yang berarti memiliki nilai konstribusi paling tinggi dalam membentuk variabel behavior intention dibandingkan dengan indikator lain.
b. Average Variance extracted (AVE)
Selain dari outer loading, convergent validity dapat dilihat dari nilai hasil average variance extracted (AVE). Dimana jika nilai AVE yang dihasilkan di atas 0.5, maka dapat dikatakan convergent validity telah terpenuhi. Hasil dapat dilihat pada tabel 4.13
Tabel 4.13. Nilai AVE
Variabel AVE
E-Service Quality 0.510
Trust 0.662
Perceived Value 0.636
Behavior Intention 0.519 Sumber: Data Diolah (2017)
Berdasarkan tabel di atas dapat diketahui bahwa nilai AVE untuk e-service quality, trust, perceived value, dan behavior intention lebih besar dari 0,5 berarti indikator – indikator di dalam model yang dikembangkan dapat terbukti mengukur variabel laten yang ditargetkan dan tidak mengukur variabel laten yang lain.
Kemudian berarti masing – masing variabel laten mampu menjelaskan lebih dari setengah variasi indikator – indikator dalam rata – rata.
4.3.5.2 Discriminant Validity
Evaluasi kedua pada outer model adalah discriminant validity. Cara untuk menguji discriminant validity dengan indikator yaitu melalui nilai cross loading.
Suatu indikator dikatakan memenuhi discriminant validity jika nilai cross loading indikator terhadap variabelnya apabila setiap variabel laten lebih besar dibandingkan dengan indikator dari variabel lain. Tabel 4.14 menunjukkan nilai cross loading yang diperoleh dari smartPLS
Tabel 4.14. Nilai Cross Loading
Indikator Behavior Intention
E-Service Quality
Perceived
Value Trust
X1.1 0.472 0.725 0.568 0.450
X1.2 0.469 0.736 0.556 0.471
X1.3 0.484 0.704 0.521 0.448
X1.4 0.538 0.696 0.391 0.514
X1.5 0.482 0.687 0.509 0.485
X1.6 0.538 0.726 0.514 0.536
X1.7 0.536 0.715 0.471 0.455
X1.8 0.563 0.720 0.545 0.612
X2.1 0.546 0.548 0.510 0.858
X2.2 0.591 0.602 0.583 0.869
X2.3 0.511 0.555 0.543 0.794
X2.4 0.560 0.565 0.454 0.726
X3.1 0.596 0.592 0.849 0.575
X3.2 0.461 0.526 0.753 0.449
X3.3 0.556 0.575 0.762 0.476
X3.4 0.563 0.585 0.821 0.546
Y1.1 0.704 0.611 0.602 0.551
Y1.2 0.766 0.592 0.658 0.535
Y1.3 0.730 0.527 0.486 0.493
Y1.4 0.758 0.542 0.499 0.522
Y1.5 0.688 0.458 0.351 0.445
Y1.6 0.687 0.478 0.428 0.432
Y1.7 0.681 0.374 0.360 0.402
Y1.8 0.744 0.478 0.466 0.496
Sumber: Data Diolah (2017)
Berdasarkan tabel 4.14 dapat diketahui bahwa setiap indikator yang menyusun masing-masing variabel dalam penelitian ini (nilai yang dicetak tebal) telah memenuhi discriminant validity karena memiliki korelasi variabel laten dengan indikator lebih besar daripada ukuran variabel lain, sehingga variabel laten dapat memprediksi indikator lebih baik daripada variabel lain. Dengan demikian setiap indikator di masing-masing variabel dalam penelitian ini telah memenuhi discriminant validity.
4.3.5.3 Composite Reability
Evaluasi selanjutnya pada outer model adalah composite reliability.
Composite reliability menguji nilai reliabilitas indikator-indikator pada suatu konstruk. Suatu konstruk atau variabel dikatakan memenuhi composite reliability jika memiliki nilai composite reliability > 0.7. Berikut adalah nilai composite reliability masing-masing konstruk atau variabel:
Tabel 4.15 Nilai Composite Reliability Variabel Composite Reliability
E-Service Quality 0.893
Trust 0.886
Perceived Value 0.874
Behavior Intention 0.896
Sumber: Data Diolah (2017)
Hasil composite reliability menunjukkan nilai tinggi yaitu 0,89 (e-service quality), 0,88 (trust),0,87 (perceived value), dan 0,89 (behavior intention).
Sehingga dapat diketahui melalui tabel 4.14 composite reliability memiliki nilai antara 0,87 sampai 0,89 dan dinyatakan memenuhi kualifikasi pengujian karena nilai lebih dari 0,7.
4.4 Teknik Analisis Data
4.4.1 Analisis Statistik Deskriptif Variabel Penelitian
Deskripsi yang diperoleh dari responden kemudian dikumpulkan dan diolah sehingga tersaji dengan baik beserta analisa. Pada deskripsi variabel penelitian ini akan dijelaskan jawaban keseluruhan yang diperoleh responden mengenai e-service quality (XI), trust (X2), perceived value(X3), dan behavior intention (Y1). Deskripsi jawaban responden akan dilakukan dengan menghitung nilai rata-rata (mean) dan nilai standart deviasi.
Untuk mengkategorikan rata-rata jawaban responden digunakan interval kelas yang dicari dengan rumus sebagai berikut:
8 . 5 0
1 5 Kelas
Jumlah
Terendah Nilai
Tertinggi Nilai
Kelas
Interval = - = - =
Dengan interval kelas 0.8 kemudian disusun kriteria rata-rata jawaban responden yang disajikan pada tabel di bawah ini:
Tabel 4.16 Kategori Rata-Rata Jawaban Responden
Interval Kategori
4.20 < a =< 5.00 Sangat Tinggi/ Sangat Baik 3.40 < a =< 4.20 Tinggi/ Baik
2.60 < a =< 3.40 Cukup
1.80 < a =< 2.60 Rendah/ Buruk
1.00 < a =< 1.80 Sangat Rendah/ Sangat Buruk
4.4.1.1 Analisis Statistik Deskriptif Variabel E-service Quality
Analisis deskriptif variabel e-service quality dilakukan berdasarkan indikator yang telah ditetapkan, yaitu efficiency, fulfilment, system avability, privacy, responsiveness, compensation, dan contact. Variabel e-service quality terdiri dari 8 pernyataan. Berikut adalah hasil analisa dari penyataan responden mengenai e-service quality :
Tabel 4.17. Deskripsi Jawaban Responden Mengenai E-Service Quality
Indikator BTB TTB Rata-
rata
Std.
Deviasi X1.1 Saya menggunakan aplikasi
transportasi online dengan mudah. 5.1 81.3 4.14 0.880 X1.2
Saya dapat melakukan pemesanan dengan cepat melalui aplikasi transportasi online
6.7 77.9 4.04 0.923
X1.3 Keakuratan pemesanan pada
aplikasi online 5.4 69.6 3.87 0.838
X1.4 Aplikasi transportasi onlinejarang
mengalami gangguan / eror 10.8 53.4 3.62 0.930 X1.5
Aplikasi transportasi online dapat menjaga kerahasiaan data pribadi saya.
5 62.1 3.81 0.888
X1.6
Aplikasi transportasi online memberikan tanggapan yang cepat saat aplikasi bermasalah
8.3 55.4 3.65 0.894
X1.7
Adanya kompensasi yang diberikan oleh pihak transportasi online
9.2 50.9 3.60 0.932
X1.8
Aplikasi transportasi online menyediakan nomer telpon layanan 24 jam
9.2 63.8 3.73 0.933
E-Service Quality 3.81 0,902
Sumber: Data diolah (2017)
Berdasarkan hasil perhitungan statistik deskriptif variabel E-Service Quality pada tabel 4.17 secara keseluruhan dinilai tinggi oleh konsumen transportasi online di Surabaya, hal tersebut dapat dilihat dengan jawaban rata – rata sebesar 3,81 dengan kategori tinggi. Nilai rata – rata tertinggi dari konsumen mengenai e-service quality yaitu terletak pada “Saya menggunakan aplikasi transportasi online dengan mudah”, yaitu dengan rata-rata 4.14 pada indikator X1.1. Pada indikator X1.1 sebagian besar responden menjawab setuju dengan persentase nilai TTB sebesar 81,3 artinya bahwa pernyataan tersebut disetujui oleh 81,3% responden serta masih terdapat 5,1% responden yang menjawab tidak setuju. Berdasarkan data yang diperoleh dari nilai rata – rata diketahui bahwa dalam proses penggunaan aplikasi transportasi online selama ini mudah dilakukan oleh konsumen.
Nilai rata-rata terendah dari konsumen mengenai e-service quality yaitu terletak pada “Adanya kompensasi yang diberikan oleh pihak transportasi online”, yaitu dengan rata-rata 3.60 pada indikator X1.7. Pada indikator X1.7 sebagian besar responden menjawab setuju/sangat setuju dengan persentase nilai TTB sebesar 50,9% serta terdapat 9,2% responden yang menjawab tidak setuju/sangat tidak setuju. Dengan melihat hasil rata – rata pada indikator X1.7 dapat diketahui bahwa transportasi online selama ini belum memberikan kompensasi untuk konsumen apabila terjadi suatu permasalahan.
Standar deviasi menunjukkan keragaman data jawaban di masing-masing indikator. Diketahui bahwa standar deviasi terendah yaitu sebesar 0.838 pada indikator X1.3. Hal ini menunjukkan bahwa pernyataan “Keakuratan pemesanan pada aplikasi online” memiliki variasi jawaban paling rendah, dengan kata lain konsumen memiliki penilaian mengenai keakuratan pemesanan pada aplikasi transportasi online tinggi.
4.4.1.2 Analisis Statistik Deskriptif Variabel Trust
Analisis deskriptif variabel trust dilakukan berdasarkan indikator yang telah ditetapkan, yaitu ability, benevolence, dan integrity. Variabel trust terdiri dari 4 pernyataan. Berikut adalah hasil analisa dari penyataan responden mengenai trust :
Tabel 4.18. Deskripsi Jawaban Responden Mengenai Trust
Indikator BTB TTB Rata-
rata
Std.
Deviasi X2.1 Saya percaya driver transportasi
online dapat mengemudi dengan aman 6.7 57.1 3.69 0.862 X2.2
Saya percaya driver transportasi online dapat mengemudi dengan nyaman
10 54.6 3.57 0.889
X2.3
Saya percaya driver transportasi online dengan senang hati mau membawa dan memasukkan barang saya
13 55.4 3.50 0.877
X2.4
Saya percaya driver transportasi online akan mengembalikan barang yang ketinggalan di dalam
mobil/motor.
12.5 47.1 3.51 0.994
Trust 3.57 0,905
Sumber : Data diolah (2017)
Tabel 4.18 menunjukkan bahwa variabel trust memiliki nilai rata – rata sebesar 3,57. Nilai yang tergolong baik tersebut menunjukkan bahwa pelanggan merasakan kepercayaan terhadap layanan transportasi online di Surabaya.
Kepercayaan pelanggan transportasi online di Surabaya dalam bentuk ability, benevolence, dan integrity. Persepsi tertinggi dari konsumen mengenai trust yaitu terletak pada “Saya percaya driver transportasi online dapat mengemudi dengan aman”, yaitu dengan rata-rata 3.69 pada indikator X2.1. Pada indikator X2.1 diketahui bahwa nilai TTB sebesar 57,1 berarti terdapat 57,1% responden yang menjawab setuju sedangkan nilai BTB sebesar 6,7 yang berarti 6,7% responden yang mejawab tidak setuju. Sehingga berdasarkan data tersebut diketahui bahwa responden percaya terhadap kemampuan driver transportasi online yang dapat mengemudi dengan aman.
Nilai rata – rata terendah mengenai trust terletak pada “Saya percaya driver transportasi online dengan senang hati mau membawa dan memasukkan barang saya ke dalam mobil”, yaitu dengan rata-rata 3.50 pada indikator X2.3. Nilai TTB pada indikator X2.3 yaitu 55,4 berarti 55,4% responden menjawab setuju, sedangkan nilai BTB sebesar 13, sehingga diketahui sebanyak 13% responden
menjawab tidak setuju. Melalui hasil data tersebut diketahui bahwa kepercayaan responden terhadap kebaikan hati driver untuk membawa barang termasuk rendah.
Standar deviasi terendah yaitu sebesar 0.862 pada indikator X2.1. Hal ini menunjukkan bahwa pernyataan “Saya percaya driver transportasi online dapat mengemudi dengan aman” memiliki variasi jawaban paling rendah, dengan kata lain konsumen sebagian besar memiliki penilaian yang tinggi terhadap indikator tersebut.
4.4.1.3 Analisis Statistik Deskriptif Variabel Perceived Value
Analisis deskriptif variabel perceived value dilakukan berdasarkan indikator yang telah ditetapkan, yaitu emotional value, price/ value of money, social value dan performance value. Variabel perceived value terdiri dari 4 pernyataan.
Berikut adalah hasil analisa dari penyataan responden mengenai perceived value:
Tabel 4.19. Deskripsi Jawaban Responden Mengenai perceived value
Indikator BTB TTB Rata-
rata
Std.
Deviasi X3.1
Saya merasa senang selama perjalanan menggunakan transportasi online.
4.2 67.5 3.80 0.777
X3.2
Saya merasa biaya yang dikeluarkan lebih murah dibandingkan dengan transportasi lain.
5.8 66.3 3.78 0.835
X3.3
Saya merasa bagian dari komunitas modern yang dapat menggunakan aplikasi transportasi online.
8.8 73 3.93 0.974
X3.4
Saya merasa kinerja driver transportasi online sesuai dengan apa yang dibayarkan.
5.5 69.6 3.83 0.835
Perceived Value 3.84 0,855
Sumber : Data diolah (2017)
Dari data yang telah tersaji pada tabel 4.19 dapat diketahui bahwa nilai rata – rata untuk variabel perceived value adalah 3,84 yang termasuk dalam kategori tinggi. Nilai rata-rata tertinggi dari konsumen mengenai perceived value yaitu terletak pada “Saya merasa biaya yang dikeluarkan lebih murah dibandingkan
dengan transportasi lain”, yaitu dengan rata-rata 3.93 pada indikator X3.3. Pada indikator X3.3 nilai TTB adalah 73 yang berarti 73% responden menjawab setuju, sedangkan terdapat 8,8% responden menjawab tidak setuju diihat dari nilai BTB.
Berdasarkan data tersebut diketahui bahwa responden merasa bahwa dengan menggunakan transportasi online biaya yang dikeluarkan sebanding dengan manfaat yang diperoleh.
Nilai rata-rata terendah mengenai perceived value terletak pada “Saya merasa bagian dari komunitas modern yang dapat menggunakan aplikasi transportasi online”, yaitu dengan rata-rata 3.78 pada indikator X3.2. Nilai TTB pada indikator X3.2 adalah 66,3 yang berarti terdapat 66,3% yang menjawab setuju, sedangkan terdapat 5,8% responden menjawab tidak setuju. Standar deviasi terendah yaitu sebesar 0.777 pada indikator X3.1. Hal ini menunjukkan bahwa pernyataan “Saya merasa senang selama perjalanan menggunakan transportasi online” memiliki variasi jawaban paling rendah, dengan kata lain konsumen memiliki tanggapan yang sama pada pernyataan tersebut dimana penilaian mereka terhadap indikator tersebut tinggi.
4.4.1.4 Analisis Statistik Deskriptif Variabel Behavior Intention
Analisis deskriptif variabel behavior intention dilakukan berdasarkan indikator yang telah ditetapkan, yaitu loyalty to company, propensity to switch, willingness to pay more, external response to problem dan internal response to problem.
Variabel behavior intention terdiri dari 8 pernyataan. Berdasarkan hasil analisis pada tabel 4.20 diketahui bahwa rata-rata jawaban secara keseluruhan pada variabel behavior intention konsumen Transportasi Online di Surabaya sebesar 3.55. Hal ini menunjukkan bahwa Behavior Intention dari konsumen dapat dikatakan baik. Nilai rata-rata tertinggi dari konsumen mengenai behavior intention yaitu terletak pada
“Saya memesan kembali transportasi online dalam waktu dekat”, yaitu dengan rata-rata 3.93 pada indikator Y1.2. Dalam indikator Y1.2 diketahui terdapat 71,7%
responden menjawab setuju dilihat dari nilai TTB, sedangkan terdapat 7,1%
responden menjawab tidak setuju berdasarkan nilai BTB. Berdasarkan data tersebut diketahu bahwa perilaku dimasa yang akan datang responden yaitu akan menggunakan kembali transportasi online.
Tabel 4.20. Deskripsi Jawaban Responden Mengenai behavior intention
Indikator BTB TTB Rata-
rata Std.
Deviasi Y1.1 Saya akan menceritakan pengalaman menggunakan
transportasi online kepada orang lain 7.1 62.9 3.77 0.934 Y1.2 Saya memesan kembali transportasi online dalam
waktu dekat 7.1 71.7 3.93 0.907
Y1.3 Saya akan tetap menggunakan transportasi onlinedan tidak berpindah menggunakan transportasi lain.
13.8 57.9 3.58 1.011
Y1.4 Saya bersedia untuk membayar lebih untuk layanan
yang sama pada transportasi online 12.1 51.7 3.56 0.958 Y1.5 Saya tidak akan menyampaikan keluhan mengenai
transportasi online kepada orang lain 18.8 43.3 3.36 1.034 Y1.6 Saya tidak akan menyampaikan keluhan melalui
media online. 13.4 50.8 3.52 1.018
Y1.7 Saya tidak akan menyampaikan keluhan kepada
customer service 19.8 47.9 3.32 0.990
Y1.8 Saya tidak akan menyampaikan keluhan berupa
email kepada pihak transportasi online 16.7 49.2 3.33 0.944
Behavior Intention 3.55 0,974
Sumber : Data diolah (2017)
Nilai rata – rata terendah mengenai behavior intention terletak pada “Saya tidak akan menyampaikan keluhan kepada customer service”, yaitu dengan rata- rata 3.32 pada indikator Y1.7. Pada indikator Y1.7 diketahui bahwa nilai TTB sebesar 37,9 berarti 37,9% responden menjawab setuju, sedangkan sebesar 18,8%
responden menjawab tidak setuju dengan melihat nilai BTB. Melalui data tabel 4.20 diketahui bahwa responden di masa akan datang memiliki kemungkinan untuk menyampaikan keluahan kepada transportasi online melalui customer service.
Standar deviasi terendah yaitu sebesar 0.907 pada indikator Y1.2. Hal ini menunjukkan bahwa pernyataan “Saya memesan kembali transportasi online dalam waktu dekat” memiliki variasi jawaban paling rendah, dengan kata lain konsumen memiliki tanggapan yang sama pada pernyataan tersebut dimana penilaian konsumen tinggi .
4.5 Evaluasi Inner model 4.5.1 Nilai R-square
Analisa data setelah pengolahan data dengan deskripsi data adalah pengujian data untuk melihat nilai R Square sebagai indikator untuk melihat hubungan diatara variabel – variabel, sebagai berikut :
Tabel 4.21. Nilai R-Square
Variabel R-Square
E-service Quality
Trust 0.488
Perceived Value 0.552
Behavior Intention 0.609 Sumber: Data Diolah (2017)
Nilai R-Square pada tabel 4.21 menunjukkan bahwa nilai pada variabel Trust sebesar 0.488, memiliki arti bahwa persentase besarnya keragaman data trust yang dapat dijelaskan oleh E-Service Quality adalah sebesar 48.8%, sehingga dapat disimpulkan bahwa E-Service Quality dapat mempengaruhi sebesar 48.8% Trust dari konsumen Transportasi Online di Surabaya.
Nilai R-Square pada variabel Perceived Value sebesar 0.552, memiliki arti bahwa persentase besarnya keragaman data Perceived Value yang dapat dijelaskan oleh E-Service Quality dan Trust adalah sebesar 55.2%, sehingga dapat disimpulkan bahwa E-Service Quality dan Trust dapat mempengaruhi sebesar 55.2% Perceived Value konsumen Transportasi Online di Surabaya.
Nilai R-Square pada tabel 4.20 menunjukkan nilai variabel Behavior Intention sebesar 0.609, memiliki arti bahwa persentase besarnya keragaman data Behavior Intention yang dapat dijelaskan oleh E-Service Quality, Trust, dan Perceived Value adalah sebesar 60.9%, sehingga dapat disimpulkan bahwa E- Service Quality, Trust, dan Perceived Value dapat mempengaruhi sebesar 60.9%
Behavior Intention konsumen Transportasi Online di Surabaya.
Pada model PLS, penilaian ketepatan prediksi (predictive relevance) diketahui dari nilai Q2. Nilai Q2 > 0 menunjukkan bahwa model secara umum memiliki ketepatan prediksi yang baik. Dari Tabel 4.13 dapat dihitung nilai Q2 sebagai berikut:
Nilai Q2 = 1 – (1 – 0.488) x (1 – 0.552) x (1 – 0.609) = 0.910
Dari hasil perhitungan diketahui nilai Q2 sebesar 0.910, dimana nilai ini lebih besar dari nol, yang menunjukkan bahwa model struktural yang dikembangkan pada penelitian ini memiiki ketepatan prediksi yang baik. Dapat diinterpretasikan juga bahwa model struktural yang dikembangkan dalam
penelitian ini dapat memprediksi dengan baik sebesar 91% Behavior Intention konsumen Transportasi Online di Surabaya.
4.6 Pengujian Hipotesis penelitian
Hipotesis penelitian dapat diterima jika nilai T Statistik > t tabel pada tingkat kesalahan (α) 5% yaitu 1.96. Berikut adalah nilai koefisien (original sample estimate) dan nilai T Statistic yang dihasilkan pada inner model:
Tabel 4.22 Nilai Path Coefficients (Mean, STDEV, T-values)
Sumber: Data Diolah (2017)
Tabel 4.22 menunjukkan nilai t-statistik pengaruh E-Service Quality terhadap Perceived Value adalah sebesar 7.491 yang lebih besar dari 1.96, hal ini menunjukkan bahwa E-Service Quality memiliki pengaruh yang signifikan terhadap Perceived Value konsumen Transportasi Online di Surabaya. Nilai koefisien yang dihasilkan bernilai positif sebesar 0.518, hal ini menunjukkan bahwa semakin baik E-Service Quality di Transportasi Online di Surabaya, maka semakin tinggi pula Perceived Value. Dari hasil ini hipotesis pertama penelitian yang menduga bahwa E-Service Quality memiliki pengaruh yang signifikan terhadap Perceived Value, dapat diterima.
Nilai t-statistik yang dilihat pada tabel 4.22 menunjukkan nilai pengaruh E- Service Quality terhadap Trust adalah sebesar 17.156 yang lebih besar dari 1.96,
Pengaruh Antar Variabel
Original Sample
(O)
Sample Mean (M)
Standard Deviation (STDEV)
Standard Error (STERR)
T Statistics (|O/STER
R|)
Ket
E-Service Quality ->
Perceived Value
0.518 0.517 0.069 0.069 7.491 Signifikan
E-Service
Quality -> Trust 0.699 0.699 0.041 0.041 17.156 Signifikan
E-Service Quality ->
Behavior Intention
0.329 0.330 0.065 0.065 5.037 Signifikan
Trust ->
Perceived Value 0.283 0.280 0.066 0.066 4.296 Signifikan
Trust ->
Behavior Intention
0.273 0.273 0.062 0.062 4.379 Signifikan
Perceived Value -> Behavior Intention
0.274 0.275 0.054 0.054 5.033 Signifikan
hal ini menunjukkan bahwa E-Service Quality memiliki pengaruh yang signifikan terhadap Trust konsumen Transportasi Online di Surabaya. Nilai koefisien yang dihasilkan bernilai positif sebesar 0.699, hal ini menunjukkan bahwa semakin baik E-Service Quality di Transportasi Online di Surabaya, maka semakin tinggi pula Trust konsumen. Hasil ini mendukung hipotesis kedua penelitian yang menduga bahwa E-Service Quality memiliki pengaruh yang signifikan terhadap Trust.
Pada uji hipotesis ketiga, nilai t-statistik pengaruh E-Service Quality terhadap Behavior Intention adalah sebesar 5.037 yang lebih besar dari 1.96, hal ini menunjukkan bahwa E-Service Quality memiliki pengaruh yang signifikan terhadap Behavior Intention konsumen Transportasi Online di Surabaya. Nilai koefisien yang dihasilkan bernilai positif sebesar 0.329, hal ini menunjukkan bahwa semakin baik E-Service Quality di Transportasi Online di Surabaya, maka semakin baik pula Behavior Intention dari konsumen. Hasil ini mendukung hipotesis ketiga penelitian yang menduga bahwa E-Service Quality memiliki pengaruh yang signifikan terhadap Behavior Intention.
Tabel 4.22 menunjukkan nilai t-statistik pengaruh Trust terhadap Perceived Value adalah sebesar 4.296 yang lebih besar dari 1.96, hal ini menunjukkan bahwa Trust memiliki pengaruh yang signifikan terhadap Perceived Value Transportasi Online di Surabaya. Nilai koefisien yang dihasilkan bernilai positif sebesar 0.283, hal ini menunjukkan bahwa semakin baik Trust dari konsumen Transportasi Online di Surabaya, maka semakin tinggi pula Perceived Value. Dari hasil ini hipotesis keempat penelitian yang menduga bahwa Trust memiliki pengaruh yang signifikan terhadap Perceived Value, dapat diterima.
Nilai t-statistik pengaruh Trust terhadap Behavior Intention adalah sebesar 4.379 yang lebih besar dari 1.96, hal ini menunjukkan bahwa Trust memiliki pengaruh yang signifikan terhadap Behavior Intention konsumen Transportasi Online di Surabaya. Nilai koefisien yang dihasilkan bernilai positif sebesar 0.273, hal ini menunjukkan bahwa semakin tinggi Trust dari konsumen, maka semakin baik pula Behavior Intention. Dari hasil ini hipotesis kelima penelitian yang menduga bahwa Trust memiliki pengaruh yang signifikan terhadap Behavior Intention, dapat diterima.
Pada uji hipotesis keenam, nilai t-statistik pengaruh Perceived Value terhadap Behavior Intention adalah sebesar 5.033 yang lebih besar dari 1.96, hal ini menunjukkan bahwa Perceived Value memiliki pengaruh yang signifikan terhadap Behavior Intention konsumen Transportasi Online di Surabaya. Nilai koefisien yang dihasilkan bernilai positif sebesar 0.274, hal ini menunjukkan bahwa semakin baik Perceived Value yang dirasakan konsumen, maka semakin baik pula Behavior Intention. Hasil ini mendukung hipotesis keenam penelitian yang menduga bahwa Perceived Value memiliki pengaruh yang signifikan terhadap Behavior Intention.
Berikut adalah output dari PLS SEM mengenai hubungan variabel e-service quality, trust, perceived value, dan behavior intention, yaitu :
Gambar 4.1 Hubungan antara e-service quality, trust, perceived value, dan behavior intention
Dari gambar tersebut, diketahui nilai koefisien jalur secara langsung antara e-service quality dengan behavior intention sebesar 0,329. Sedangkan hubungan tidak langsung melalui trust dapat diketahui sebesar 0,191 diperoleh dari hasil perkalian 0,699 dengan 0,273. Kemudian hubungan antara e-service quality dengan behavior intention melalui perceived value sebesar 0,142. Sedangkan hubungan e- service quality melalui trust ke perceived value lalu behavior intention dalah dengan mengalikan 0,699 dengan 0,283 dengan 0,274 yaitu 0,054.
Kemudian berdasarkan gambar 4.1 diketahui hubungan langsung e-service quality dengan perceived value adalah sebesar 0,518. Sedangkan hubungan tidak langsung e-service quality dengan perceived value melalui trust adalah 0,198.
Kemudian hubungan langsung antara e-service quality dengan trust adalah sebesar 0,699. Akan tetapi hubungan tidak langsung antara antara e-service quality dengan trust melalui perceived value adalah 0,075. Berikut hasil tabel perkalian hubungan tidak langsung dan langsung :
Tabel 4.23. Pengaruh Langsung dan Tidak Langsung
Hubungan Pengaruh Antar Variabel Pengaruh Langsung
Pengaruh Tidak Langsung
Total
E-Service Quality è Trust 0,699 - 0,699
Trust è Perceived Value 0,283 - 0,283
E-Service Quality è Perceived Value E-Service Quality è Perceived Value (melalui trust)
0,518
0,716 0,198
Perceived Value è Behavior Intention 0,274 - 0,274 Trust è Behavior Intention
Trust è Behavior Intention (melalui perceived value)
0,273
0,351 0,078
E-Service Quality è Behavior Intention E-Service Quality è Behavior Intention (melalui trust)
E-Service Qualityè Behavior Intention (melalui perceived value)
E-Service Quality è Behavior Intention (melalui trust dan perceived value)
0,329
0,715 0,191
0,141
0,054 Sumber : Data Diolah (2017)
E-Service Quality memiliki pengaruh yang lebih besar secara langsung terhadap behavior intention konsumen transportasi Online di Surabaya jika dibandingkan dengan melalui perceived value atau trust atau melewati keduanya. Karena dilihat dari nilai koefisien jalur melalui variabel trust atau perceived value atau keduanya lebih kecil dibandingkan jika e-service quality langsung ke behavior intention.
Sedangkan e-service quality memiliki pengaruh yang lebih besar secara langsung terhadap perceived value pada transportasi online di Surabaya tanpa
melalui trust karena dapat dilihat nilai koefisien sebesar 0,518 lebih besar daripada 0,198. Pada pengaruh trust terhadap behavior intention pada transportasi online di Surabaya memiliki pengaruh lebih besar apabila secara langsung dibandingkan dengan melewati perceived value, hal tersebut dilihat dari nilai koefisien 0,273.
4.7 Pembahasan
Pengaruh e-service quality terhadap perceived value H1 : E-service quality berpengaruh terhadap perceived value
Dari hasil path coeffiicients diketahui nilai thitung e-service quality terhadap perceived value adalah 7,491. Sementara nilai ttabel dengan taraf signifikasi 5%
adalah 1,96. Sehingga dapat diketahui bahwa 7,491 > 1,96 dimana nilai thitung >ttabel, yang berarti terdapat pengaruh yang signifikan antara e-service quality berpengaruh terhadap perceived value sehingga dapat dinyatakan H1 diterima.
Dari hasil analisis penelitian yang dilakukan menunjukkan bahwa terdapat hubungan positif antara e-service quality terhadap perceived value. Hal tersebut berarti konsumen transportasi online di Surabaya merasakan memiliki manfaat atau nilai yang lebih dari pelayanan transportasi online yang memiliki e-service quality yang baik. Pelayanan yang diberikan transportasi online melalui proses pemesanan yang melalui aplikasi memudahkan konsumen, serta proses yang cepat, pemesanan akurat, dan tanggapan yang cepat dari pihak transportasi online menunjukkan bahwa e-service quality transportasi online baik.
Dilihat dari nilai outer loading terbesar untuk variabel e-service quality adalah indikator kecepatan akses menggunakan aplikasi transportasi online (X1.2), sedangkan nilai outer loading terbesar variabel perceived value adalah emotional value, hal ini mengindikasikan hubungan lebih didominasi oleh dua indikator tersebut, yang berarti semakin handal pelayanan transportasi online berupa kecepatan dalam mengakses aplikasi, maka akan berdampak pada nilai yang dirasakan konsumen dari segi emosional dimana konsumen merasa senang menggunakan transportasi online. Dalam penelitian Lee & Lin, 2005 mengatakan bahwa dimensi efficiency menjadi indikator terpenting dalam penelitan tersebut karena dalam sistem online kecepatan dan kemudahan merupakan hal yang paling
diperhatikan oleh konsumen, ternyata hal tersebut sama dengan hasil penelitian pada kasus transportasi online di Surabaya.
Hal tersebut sesuai dengan penelitian yang dilakukan oleh Lien, Wen and Wu, (2011) mengenai yaitu e-service quality memiliki hubungan yang signifikan dan positif terhadap perceived value pada kasus online shopping di Taiwan. Semakin baik e-service quality yang dipersepsikan konsumen, maka semakin tinggi nilai yang dirasakan oleh konsumen terhadap transportasi online. Dalam proses meningkatkan perceived value konsumen dapat dilakukan dengan meningkatkan e- service quality, tertutama berkaitan dengan responsiveness dimana kecepatan tanggapan diperlukan dalam menangani permasalahan dalam aplikasi transportasi online, sehingga konsumen akan merasa pengorbanan yang dilakukan sebanding dengan manfaat yang diperoleh.
Pengaruh e-service quality terhadap trust H2 : E-service quality berpengaruh terhadap trust
Hasil statistik deskriptif menjelaskan bahwa konsumen transportasi online di Surabaya yang menjadi responden pada penelitian ini menilai persepsi e-service quality transportasi online sudah baik, dengan nilai rata – rata sebesar 3,81. Hasil pengujian outer model menyatakan bahwa kedelapan indikator semuanya mencerminkan e-service quality, yang menjadi perhatian utama yaitu pada indikator kecepatan akses menggunakan aplikasi transportasi online (X1.2), karena memiliki nilai koefisien terbesar, sehingga merupakan dimensi yang paling kuat membentuk e-service quality transportasi online.
Hasil statistik deskriptif juga menjelaskan bahwa konsumen transportasi online di Surabaya yang menjadi responden pada penelitian ini menilai sudah percaya pada transportasi online dengan nilai rata – rata sebesar 3,57. Hasil pengujian outer model menyatakan bahwa keempat indikator semuanya mencerminkan trust, yang perlu menjadi perhatian utama yaitu X2.2, yaitu driver transportasi online harus mampu menjaga kepercayaan konsumen terhadap kemampuan driver transportasi online mengemudi dengan nyaman, hal tersebut karena indikator tersebut memiliki nilai outer loading terbesar, sehingga indikator tersebut paling kuat membentuk trust transportasi online.
Hasil analisis partial least square memberikan kesimpulan terdapat pengaruh positif dan signifikan antara e-service quality terhadap trust artinya bahwa semakin tinggi kualitas layanan elektronik berbasis aplikasi pada transportasi online, maka konsumen akan semakin percaya terhadap transportasi online. Dilihat dari nilai outer loading terbesar untuk variabel e-service quality adalah indikator kecepatan akses menggunakan aplikasi transportasi online (X1.2), sedangkan nilai outer loading terbesar variabel trust adalah indikator kemampuan driver transportasi online mengemudi dengan nyaman, hal ini mengindikasikan hubungan lebih didominasi oleh dua indikator tersebut, yang berarti semakin handal pelayanan transportasi online berupa kecepatan dalam mengakses aplikasi, maka akan berdampak pada kepercayaan konsumen terhadap kemampuan transportasi online.
Hasil penelitian tersebut konsisten dengan penelitian yang dilakukan oleh Park et al., (2012)yang mengatakan bahwa e-service quality akan berpengaruh terhadap kepercayaan konsumen. Menurut Aydin and Özer (2005) mengatakan bahwa e- service quality yang baik yang diberikan perusahaan kepada pelanggan akan membentuk kepercayaan pelanggan. Semakin tinggi e-service quality yang dipersepsikan konsumen, maka semakin tinggi kepercayaan konsumen kepada transportasi online. Menciptakan tingkat kepercayaan yang kuat dapat dilakukan dengan meningkatkan e-service quality, tertutama berkaitan dengan responsiveness dimana kecepatan tanggapan diperlukan dalam menangani permasalahan dalam aplikasi transportasi online, sehingga konsumen akan merasa lebih senang yang pada akhirnya akan berdampak pada peningkatan kepercayaan.
Pengaruh trust terhadap perceived value H3: Trust berpengaruh terhadap perceived value
Hasil statistik deskriptif menjelaskan bahwa konsumen transportasi online di Surabaya yang menjadi responden pada penelitian ini memberikan penilaian trust pada transportasi online tinggi, dengan nilai rata – rata sebesar 3,84. Hasil pengujian outer model menyatakan bahwa kedelapan indikator semuanya mencerminkan trust, yang menjadi perhatian utama yaitu pada indikator X2.2 mengenai kepercayaan konsumen terhadap kemampuan driver dapat mengemudi denga
