ANALISIS PENERIMAAN DAN PENGGUNAAN
APLIKASI PEMUTAR MUSIK
ONLINE
DENGAN MENGGUNAKAN HEDONIC-MOTIVATION
SYSTEM ADOPTION MODEL
SKRIPSI
HENDRA HANGGAR KUSUMA
PROGRAM STUDI S1 SISTEM INFORMASI
DEPARTEMEN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS AIRLANGGA
ANALISIS PENERIMAAN PENGGUNAAN
APLIKASI PEMUTAR MUSIK
ONLINE
DENGAN MENGGUNAKAN HEDONIC-MOTIVATION
SYSTEM ADOPTION MODEL
SKRIPSI
Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer Bidang Sistem Informasi pada Fakultas Sains dan Teknologi
Universitas Airlangga
Oleh:
HENDRA HANGGAR KUSUMA.
NIM. 081116036
Tanggal Ujian: 9 Agustus 2016 Disetujui oleh:
Pembimbing I
Ir. Dyah Herawatie, M.Si NIP. 19671111 199303 2 002
Pembimbing II
LEMBAR PENGESAHAN NASKAH SKRIPSI
Judul : ANALISIS PENERIMAAN PENGGUNAAN APLIKASI
PEMUTAR MUSIK ONLINE DENGAN
MENGGUNAKAN HEDONIC-MOTIVATION SYSTEM ADOPTION MODEL
Penyusun : HENDRA HANGGAR KUSUMA
NIM : 081116036
Tanggal Ujian : 9 Agustus 2016
Pembimbing I : Ir. Dyah Herawatie, M.Si
Pembimbing II : Indah Werdiningsih, S.Si, M.Kom
Disetujui oleh :
Pembimbing I
Ir. Dyah Herawatie, M.Si NIP. 19671111 199303 2 002
Pembimbing II
Indah Werdiningsih, S.Si, M.Kom NIP. 19800217 200501 2 001
Mengetahui,
Ketua Departemen Matematika FST Universitas Airlangga
Badrus Zaman, S.Kom., M.Cs. NIP. 19780126 200604 1 001
Ketua Program Studi S1 Sistem Informasi FST Universitas Airlangga
PEDOMAN PENGGUNAAN SKRIPSI
Skripsi ini tidak dipublikasikan, namun tersedia di perpustakaan dalam lingkungan Universitas Airlangga, diperkenankan untuk dipakai sebagai referensi kepustakaan, tetapi pengutipan harus seizin penyusun dan harus menyebutkan sumbernya sesuai kebiasaan ilmiah.
SURAT PERNYATAAN TENTANG ORISINALITAS
Yang bertanda tangan dibawah ini, saya:
Nama : Hendra Hanggar Kusuma
NIM : 081116036
Program Studi : Sistem Informasi Fakultas : Sains dan Teknologi Jenjang : Sarjana (S1)
Menyatakan bahwa saya tidak melakukan kegiatan plagiat dalam penulisan skripsi saya yang berjudul:
ANALISIS PENERIMAAN DAN PENGGUNAAN
APLIKASI PEMUTAR MUSIK
ONLINE
DENGAN MENGGUNAKAN HEDONIC-MOTIVATION
SYSTEM ADOPTION MODEL
Apabila suatu saat nanti terbukti melakukan tindakan plagiat, maka saya akan menerima sanksi yang telah di tetapkan.
Demikian surat pernyataan in saya buat dengan sebenar-benarnya
Surabaya, 18 Agustus 2016
Hendra Hanggar K NIM. 081116036
KATA PENGANTAR
Assalammualaikum Wr. Wb
Puji syukur saya panjatkan kepada Allah SWT karena atas limpahan rahmat dan ridho-Nya, sehingga saya dapat menyelesaikan penyusunan proposal skripsi
yang berjudul “Analisis Penerimaan Penggunaan Aplikasi Pemutar Musik Online
Dengan Menggunakan Hedonic-Motivation System Adoption Model”.
Dalam menyusun proposal skripsi ini terdapat beberapa hambatan. Namun atas kerja sama dengan berbagai pihak, semua itu dapat teratasi. Untuk itu, atas terselesaikannya proposal skripsi ini, saya mengucapkan terima kasih kepada: 1. Ir. Dyah Herawatie, M.Si selaku Pembimbing I yang telah memberi bimbingan penelitian proposal skripsi ini.
2. Indah Werdiningsih, S.Si., M.Kom selaku Pembimbing II yang telah memberi bimbingan penelitian proposal skripsi ini.
Saya menyadari sebagai seorang mahasiswa yang masih dalam proses pembelajaran, penelitian proposal akhir ini masih banyak kekurangannya. Oleh karena itu, saya sangat mengharapkan adanya kritik dan saran yang bersifat membangun, guna penelitian proposal akhir yang lebih baik lagi di masa yang akan datang.
Wassalamu’alaikum Wr. Wb
Surabaya, 18 Agustus 2016
UCAPAN TERIMA KASIH
Puji syukur kehadirat Allah SWT yang telah melimpahkan anugerah-Nya,
sehingga skripsi yang berjudul “Analisis Penerimaan Penggunaan Aplikasi
Pemutar Musik Online Dengan Menggunakan Hedonic-Motivation System
Adoption Model” dapat terselesaikan dengan lancar dan baik.
Dalam penyusunan skripsi ini, penulis banyak meneui rintangan dan hambatan. Namun dengan adanya batuan dari berbagai pihak sehingga penelitian ini dapat terselesaikan. Penulis tak lupa mengucapkan terima kasih kepada:
1. Allah SWT yang senantiasa memberikan rahmat dan hidayah-Nya serta Rasulullah SAW yang menjadi suri tauladan sehingga penelitian ini selesai dengan baik.
2. Bapak Minarno dan Ibu Yuli Istianah, Dian Ariesawati, Evi Dwi Putri Nuryani dan Devina Meysari selaku keluarga yang selalu memberikan dukungan, doa, motivasi, materil dan semangat sehingga penulis dapat menyelesaikan skripsi ini.
3. Ir. Dyah Herawatie, M.Si., selaku dosen pembimbing I yang telah sabar memberi bimbingan, memberikan semangat, dan membantu penulis sehingga skripsi ini dapat terselesaikan dengan baik.
5. Rini Semiati, Dra. , selaku dosen wali yang telah memotivasi, memberi nasehat dan membimbing selama masa studi.
6. Seluruh Dosen Sitem Informasi yang telah banyak memberikan ilmu kepada penulis selama masa studi hingga penulisan skripsi dapat terselesaikan dengan baik.
7. Deo Ezar Azhari, S.Kom., Agustinus Kurniawan dan Helmi Putra yang telah berbaik hati membimbing, membantu dan direpoti penulis dalam pengerjaan skripsi.
8. Alief Arsalan, Achmad Agoeh, Dimitri Augusta, Febri Sofi, Aditya Suharjono, Yogie Mahendra, Satya Deriawan selaku teman seperjuangan yang juga bersama-sama berjuang menyelesaikan skripsi, dan juga memotivasi kepada penulis.
9. Teman – teman S1 Sistem Infromasi 2011 yang belum disebut namanya satu-persatu, terima kasih telah memberikan keceriaan, suka duka perkuliahan, kekompakan, kenangan, berbagi ilmu selama 4 tahun ini.
Hendra Hanggar Kusuma, 2016. Analisis Penerimaan dan Penggunaan Aplikasi Pemutar Musik Online Dengan Menggunakan Hedonic-Motivation System Adoption Model. Skripsi ini di bawah bimbingan Ir. Dyah Herawatie, M.Si. dan Indah Werdiningsih, S.Si, M.Kom. Program Studi S1 Sistem Informasi. Fakultas Sains dan Teknologi, Universitas Airlangga.
ABSTRAK
Aplikasi pemutar musik online merupakan salah satu teknologi yang mendukung untuk memutar musik secara online. Misalnya JOOX, Spotify, Soundcloud, Google Play Music, iTunes, 8Tracks dan lain sebagainya. Aplikasi ini termasuk dalam hedonic-motivation system (HMS) yang berfungsi untuk meningkatkan kesenangan pengguna. Penelitian ini bertujuan untuk mengidentifikasi variabel dan indikator yang memiliki pengaruh terhadap analisa penerimaan penggunaan aplikasi pemutar musik online.
Hedonic-motivation system adoption model (HMSAM) dipilih untuk analisis tersebut. Identifikasi variabel dan hipotesis dilakukan untuk kemudian dijadikan dasar dalam menyusun kuesioner dan indikator. Kuesioner yang telah dibuat disebarkan kepada pengguna aplikasi yang berjumlah 100 orang. Kuesioner yang telah dikumpulkan kemudian diolah dengan Partial Least Square (PLS) dengan melalui beberapa tahapan antara lain evaluasi model pengukuran, evaluasi model struktural, serta dilakukan uji goodness of fit (GoF). Analisa data digunakan untuk memberikan rekomendasi saran kepada developer aplikasi.
Hasil penelitian menunjukkan faktor yang berpengaruh terhadap kesuksesan penggunaan aplikasi pemutar musik online adalah perceived ease of use, perceived usefulness, joy dan control. Rekomendasi dan saran yang diajukan untuk menganalisa kepuasan penggunaan aplikasi pemutar music online yaitu dengan melakukan maintenance secara berkala dan mengurangi batasan dalam penggunaan aplikasi pemutar musik online bagi pengguna yang tidak memiliki akun VIP.
Hendra Hanggar Kusuma, 2016. User Acceptance and Usage of Online Music Player Application Using Hedonic-Motivation System Adoption Model. This thesis was written under the supervision of Ir. Dyah Herawatie, M.Si. and Indah Werdiningsih, S.Si, M.Kom. Bachelor Degree Information System Study Program Faculty of Science and Technology, Airlangga University.
ABSTRACT
Online music player application is one of the technologies that support for playing music online. For example JOOX, Soundcloud, Spotify, Google Play Music, iTunes, 8tracks and others.These applications include hedonic-motivation system (HMS), which serves to enhance the user's delight. This study aims to identify the variables and indicators that have an influence on the analysis of the acceptance and usage of online music player application.
Hedonic-motivation system adoption model (HMSAM) selected to do those analyse. Identification of variables and hypotheses made to then be used as the basis in preparing the questionnaire and indicators. The questionnaire has been distributed to the user created applications that totaled 100 people. The questionnaire that has been collected and processed with the Partial Least Square (PLS) through several stages, among others, the evaluation of the measurement model, the structural model evaluation, and test the goodness of fit (GoF). Analysis of the data used to provide advisory recommendations to the application developer. The results showed the factors that influence the success of online music player application usage is the perceived ease of use, perceived usefulness, joy and control. Recommendations and suggestions put forward to analyze the satisfaction of the use of online music player application is to perform periodic maintenance and reduce the limitations in the use of online music player application for users who do not have a VIP account.
DAFTAR ISI
HALAMAN JUDUL ... i
LEMBAR PERNYATAAN ... ii
LEMBAR PENGESAHAN NASKAH SKRIPSI ... iii
PEDOMAN PENGGUNAAN SKRIPSI ... iv
SURAT PERNYATAAN TENTANG ORISINALITAS ... v
KATA PENGANTAR ... vi
UCAPAN TERIMA KASIH ... vii
ABSTRAK ... ix
ABSTRACT ... x
DAFTAR ISI ... xi
DAFTAR GAMBAR ... xiii
DAFTAR TABEL ... xiv
DAFTAR LAMPIRAN ... xv
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 3
1.3 Tujuan Peneliatan ... 3
1.4 Manfaat Peneliatan: ... 4
1.5 Batasan Masalah ... 4
BAB II TINJAUAN PUSTAKA ... 5
2.1 Aplikasi ... 5
2.2 Aplikasi Pemutar Musik Online ... 5
2.3 Model Penerimaan Teknologi Informasi ... 8
2.4 Hedonic-motivation system adoption model ... 9
2.5 Pengelompokan Data ... 13
2.6 Skala untuk Instrumen (Model Skala Sikap) ... 14
2.7 Populasi dan Sampling ... 15
2.9 Partial Least Square-Structural Equation Modeling (PLS-SEM) ... 21
2.10 Tools SmartPLS 3.0 ... 29
BAB III METODE PENELITIAN... 31
3.1 Studi Literatur ... 32
3.2 Observasi Lapangan ... 32
3.3 Penentuan Model ... 32
3.4 Penentuan Hipotesis ... 33
3.5 Penyusunan Kuisioner ... 34
3.6 Penetuan Populasi dan Sampel Responden ... 35
3.7 Metode Pengumpulan Data ... 35
3.8 Pengelolahan Data dengan Partial Least Square (PLS)... 35
3.9 Analisis Hasil ... 37
BAB IV HASIL DAN PEMBAHASAN ... 39
4.1 Penyusunan Kuesioner dan Penentuan Variabel ... 39
4.2 Penyebaran dan Pengumpulan Kuesioner ... 39
4.3 Penyajian Data Penelitian ... 45
4.4 Pengolahan Data Dengan Partial Least Square (PLS) ... 53
4.5 Analisis Hasil ... 59
4.6 Rekomendasi dan Saran untuk Developer Aplikasi ... 61
BAB V KESIMPULAN DAN SARAN ... 63
5.1 Kesimpulan ... 63
5.2 Saran ... 64
DAFTAR GAMBAR
Gambar 2. 1 Van der heijden’s model ... 9
Gambar 2. 2 Perluasan Intrinsic Motivation Joy Menjadi CA ... 10
Gambar 2. 3 Hedonic-motivation system adoption model... 11
Gambar 2. 4 Contoh Model Reflektif ... 23
Gambar 2. 5 Contoh Model Formatif ... 24
Gambar 2. 6 Tahapan Analisis PLS-SEM ... 27
Gambar 3. 1 Model Penelitian ... 33
Gambar 4. 1 Diagram Frekuensi Jenis Kelamin Responden ... 41
Gambar 4. 2 Diagram Frekuensi Usia Responden ... 42
Gambar 4. 3 Diagram Frekuensi Kota Tinggal Responden ... 43
Gambar 4. 4 Diagram Frekuensi Nama Aplikasi Pemutar Musik Online... 44
Gambar 4. 5 Diagram Frekuensi Jawaban Perceived ease of use ... 46
Gambar 4. 6 Diagram Frekuensi Jawaban Perceived usefulness ... 47
Gambar 4. 7 Diagram Frekuensi Jawaban Curiousity ... 48
Gambar 4. 8 Diagram Frekuensi Jawaban Joy ... 49
Gambar 4. 9 Diagram Frekuensi Jawaban Control ... 50
Gambar 4. 10 Diagram Frekuensi Jawaban Immersion ... 52
Gambar 4. 11 Diagram Frekuensi Jawaban Behavioral intention to use ... 53
DAFTAR TABEL
Tabel 2. 1 Instrumen Kuesioner ... 11
Tabel 2. 2 Susunan Skala Likert ... 14
Tabel 2. 3 Kriteria Penilaian PLS pada Model Pengukuran ... 25
Tabel 2. 4 Kriteria Penilaian PLS pada Model Struktural ... 26
Tabel 3. 1 Contoh Peryataan Dalam Skala Likert ...34
Tabel 4.1 Instrumen Kuesioner …...40
Tabel 4. 2 Data responden bedasarkan Jenis Kelamin ... 41
Tabel 4. 3 Data responden bedasarkan Usia ... 42
Tabel 4. 4 Data responden bedasarkan kota tinggal ... 42
Tabel 4. 5 Data responden berdasarkan nama aplikasi pemutar musik online ... 44
Tabel 4. 6 Evaluasi statistik perceived ease of use ... 45
Tabel 4. 7 Evaluasi statistik perceived usefulness ... 47
Tabel 4. 8 Evaluasi statistik curiousity ... 48
Tabel 4. 9 Evaluasi statistik joy ... 49
Tabel 4. 10 Evaluasi statistik control ... 50
Tabel 4. 11 Evaluasi statistik immersion ... 51
Tabel 4. 12 Evaluasi statistik behavioral intention to use ... 52
Tabel 4. 13 Loading factor ... 54
Tabel 4. 14 Convergent validity ... 55
Tabel 4. 15 Fornell-Larcker Criterion ... 56
Tabel 4. 16 Composite Reliability ... 57
Tabel 4. 17 Cronbachs alpha ... 57
Tabel 4. 18 Nilai P Inner Model... 58
Tabel 4. 19 Nilai GoF... 58
DAFTAR LAMPIRAN
BAB I
PENDAHULUAN
1.1 Latar Belakang
Salah satu hal yang sering dilakukan orang untuk menigkatkan kesenangan atau kebahagiaan batin adalah dengan mendengarkan musik. Hal ini menarik perhatian para developer teknologi untuk menciptakan teknologi untuk mempermudah orang untuk dapat mengakses atau memutar musik-musik yang mereka suka. Salah satu teknologi yang mendukung untuk mengakses atau memutar musik adalah aplikasi pemutar musik online. Adapun beberapa contoh aplikasi pemutar musik online, misalkan soundcloud, shazam, YOUZEEK, dBstream, Torch Musik, TuneIn Radio, JOOX, Spotify dan lain sebagainya. Kelebihan aplikasi pemutar musik online dibanding media player lain seperti aplikasi pemutar musik offline, radio maupun youtube. Antara lain tidak membutuhkan memori penyimpanan yang banyak dibanding media pemutar offline serta hanya membutuhkan jumlah data yang sedikit untuk mengakses dibandingkan youtube.
Hedonic-motivation system adoption model adalah teori sistem informasi asli untuk meningkatkan pemahaman mengenai penerapan hedonic-motivation system
ease of use (PEOU) dan behavioral intention to use (BIU) hedonic-motivation system.
Penggunaan hedonic-motivation system adoption model pada penelitian ini mengacu pada penelitian terdahulu yang dilakukan Lowry et al. (2013) “Proposing
the hedonic-motivation system adoption model (HMSAM) to incunderstanding of
adoption of hedonically motivated systems”. Digunakannya penelitian tersebut sebagai acuan dalam tulisan ini karena di dalam penelitian tersebut menggunakan
game sebagai objek penelitian yang termasuk dalam HMS demikian juga aplikasi pemutar musik online dalam penelitian ini yang juga termasuk dalam HMS.
Digunakannya hedonic-motivation system adoption model untuk menganalisa aplikasi pemutar musik online dikarenakan model tersebut merupakan berhubungan dengan penerapan HMS. Dimana aplikasi pemutar musik online merupakan bagian dari HMS yang digunakan untuk memenuhi motivasi kesenangan pengguna. Diharapkan dengan menggunakan hedonic-motivation system adoption model
dapat mengetahui hasil analisa penggunaan aplikasi pemutar musik online.
Target responden dalam penelitian ini adalah masyarakat umum. Alasan dipilihnya masyarakat umum sebagai target responden dikarenakan aplikasi pemutar musik merupakan aplikasi yang umum yang dapat digunakan masyarakat untuk meningkatkan kebahagiaan batin.
sehingga dengan baik mampu menjelaskan dan memprediksi ada atau tidaknya hubungan antar variable laten dalam satu blok model penelitan. Terlebih lagi PLS-SEM bisa digunakan pada jenis data nominal, ordinal, dan rasio, dan syarat asuransi yang fleksibel (Yamin & Kurniawan, 2011).
Berdasarkan pemaparan tersebut maka diusulkan analisis penerimaan dan penggunaan aplikasi pemutar musik online dengan menerapkan Hedonic-Motivation System Adoption Model. Diharapkan dengan penelitian tersebut dapat diketahui tingkat kesuksesan aplikasi pemutar musik online. Hal ini dapat digunakan sebagai acuan untuk developer untuk terus mengembangkan aplikasi pemutar musik online atau tidak.
1.2 Rumusan Masalah
Berdasarkan latar belakang diatas, permasalahan yang diangkat dalam penelitian ini adalah bagaimana hasil analisis penerimaan penggunaan aplikasi pemutar musik online dengan menerapkan Hedonic-Motivation System Adoption Model.
1.3 Tujuan Peneliatan
1.4 Manfaat Peneliatan:
Penelitian ini diharapkan dapat memberikan manfaat sebagai berikut:
1. Dapat mengetahui faktor yang mempunyai pengaruh paling dominan terhadap minat penggunaan dan penerimaan aplikasi pemutar musik
online.
2. Sebagai pengembangan dan penerapan ilmu yang diperoleh dari perkuliahan untuk memberikan solusi atas permasalahan yang terjadi di tempat penelitian.
3. Dapat memberikan saran bagi developer untuk pengembangan aplikasi pemutar musik online kedepannya.
4. Pengguna dapat melihat review aplikasi pemutar musik online sebelum memilih aplikasi pemutar musik online yang akan digunakan.
1.5 Batasan Masalah
Adanya batasan masalah bertujuan agar ruang lingkup penelitian ini tidak terlalu luas untuk menghindari kesalahan dan penyimpangan terhadap pokok permasalahan serta tujuan yang hendak dicapai. Batasan masalah penelitian sebagai berikut:
1. Hedonic-motivation system adoption model digunakan sebagai acuan dalam menganalisis penerimaan aplikasi pemutar musik online.
2. Variabel yang digunakan dalam penelitian adalah perceived ease of use, perceived usefulness, curiousity, joy, control, behavioral intention to use
BAB II
TINJAUAN PUSTAKA 2.1 Aplikasi
Aplikasi berasal dari kata application yang artinya penerapan, lamaran, penggunaan. Secara istilah aplikasi adalah program siap pakai yang dibuat untuk melaksanakan suatu fungsi bagi pengguna atau aplikasi yang lain dan dapat digunakan oleh sasaran yang dituju. Berikut ini merupakan pengertian aplikasi menurut para ahli:
1. Menurut Jogiyanto Hartono (2004) “aplikasi merupakan sistem yang dirancang dan disusun sedemikian rupa untuk menghasilkan informasi yang terpadu dengan menggunakan sarana komputer sebagai sarana
penunjangnya.”
2. Menurut Jack Febrian (2005) “Aplikasi merupakan program siap pakai yang digunakan manusia dalam melakukan pekerjaan menggunakan
komputer.”
Pada pengertian umumnya, aplikasi adalah alat terapan yang difungsikan secara khusus dan terpadu sesuai kemampuan yang dimilikinya.
2.2 Aplikasi Pemutar Musik Online
Berikut ini merupakan beberapa contoh aplikasi pemutar musik online yang berbasis mobile :
a. JOOX
JOOX merupakan layanan musik streaming legal melalui internet dengan sentuhan personal yang diluncurkan oleh Tencent Holdings Ltd asal Shenzen, Tiongkok, yang merupakan perusahaan di balik instant messaging WeChat. Tersedia dalam bentuk mobile app (Android dan iOS) dan situs web, para pengguna dapat mendengarkan lebih dari dua juta lagu dan playlist pilihan lokal dan internasional secara gratis, serta mengunduhnya untuk didengarkan secara offline (Handi, 2015).
b. Spotify
Spotify adalah platform musik terbaik untuk mendengarkan lagu baik
offline atau online. Dengan Spotify, pengguna diberi pilihan besar untuk
beberapa fitur terkait dengan Spotify dan musik berkualitas tinggi,
pengguna Spotify selalu dijamin dengan yang terbaik (Yudhistira, 2014).
c. Soundcloud
membiarkan anggota menjangkau khalayak yang lebih baik (Septian Faza, 2013).
d. YOUZEEK
Ada beberapa cara bagaimana Anda dapat mulai mendengarkan musik saat
menggunakan YOUZEEK Free Music Streaming. Anda dapat mencari
berdasarkan nama pencipta lagu, nama album atau nama lagu. YOUZEEK
Free Music Streaming akan menghasilkan playlist kustom untuk Anda
untuk dapat mendengarkan lagu tersebut. Kemudian Anda dapat
menelusuri musik berdasarkan genre, negara asal, popularitas, nama
penyanyi dan masih banyak lagi. Anda dapat membuat account dan
membuat playlist pribadi. Aplikasi YOUZEEK Free Music Streaming
dapat diminimalkan dan bisa aktif di latar belakang smartphone anda. Lagu
yang diambil dari berbagai sumber online dan ada lebih dari 30 juta lagu di
katalog YOUZEEK Free Music Streaming (Riecky Surya, 2014).
e. dBstream
dBstream (Music Streaming) adalah aplikasi streaming musik yang jauh
lebih sederhana dari YOUZEEK. Di sini Anda hanya mengetik judul
sebuah lagu/nama pencipta lagu dan akan memuat hasil pencarian. Hasil
akan ditunjukkan dan mereka dapat dimainkan langsung atau ditambahkan
ke daftar putar. Geser ke kiri untuk membuka manajer playlist, di mana
Anda benar-benar dapat melihat semua daftar putar yang dibuat dan
f. Torch Music
Torch Music menawarkan fitur jauh lebih terorganisir dari aplikasi musik
streaming. Torch Music di sisi lain menunjukkan album lagu dengan rapi
terorganisir untuk nama artis dan semua lagu hasil pencarian. Berbagai
sumber sumber lagu online yang digunakan oleh Torch Music (Riecky
Surya, 2014).
g. TuneIn Radio
TuneIn Radio merupakan salah satu aplikasi stasiun radio yang paling
populer dan harus anda download. TuneIn adalah aplikasi online streaming
berisi kumpulan ribuan stasiun radio dari seluruh dunia. Anda dapat
mencari musik berdasarkan nama artis, nama lagu, membuat stasiunfavorit
radio dan masih banyak lagi (Riecky Surya, 2014).
2.3 Model Penerimaan Teknologi Informasi
2.4 Hedonic-motivation system adoption model
Hedonic-motivation system adoption model adalah teori sistem informasi asli untuk meningkatkan pemahaman mengenai penerapan hedonic-motivation system
(HMS) (Lowry et.al, 2013). HMS merupakan sistem yang digunakan terutama untuk memenuhi motivasi intrinsik pengguna seperti game online, jejaring sosial, repositori musik digital dan lain sebagainya. Hedonic-motivation system adoption model merupakan pengembangan dari van der Heijden’s model yang lebih sederhana karena hanya menggunakan variabel joy untuk mewakili intrinsic motivations. Untuk lebih jelasnya model van der heijden dapat dilihat pada gambar 2.1.
Gambar 2. 1 Van der heijden’s model (van der Heijden, 2004)
1. Control: ”persepsi pengguna dari yang bertanggung jawab atas interaksi”
2. Curiousity: “Tingkat pengalaman dapat meningkatkan rasa ingin tahu sensorik dan kognitif dari individu”
3. Heightened enjoyment (dengan persetujuan disingkat joy): “aspek
kesenangan daripada interaksi yang digambarkan dengan menyenangkan,
sangat menyenangkan daripada membosankan”
4. Focused Immersion: “pengalaman dari total keterikatan dimana perhatian lainnya pada dasarnya diabaikan”
5. Temporal Dissocation: “ketidakmampuan dalam mengatur waktu ketika
terlibat dala interaksi”
Gambar 2. 2 Perluasan Intrinsic Motivation Joy Menjadi CA (Lowry et.al, 2013)
Gambar 2. 3 Hedonic-motivation system adoption model
Pengujian yang dilakukan oleh Lowry et.al (2013) menggunakan instrumen kuisioner yang digunakan untuk studi kasus game juga akan digunakan pada penelitian ini.
Tabel 2. 1 Instrumen Kuesioner
Construct Items Notes
Joy JOY1. I found playing the game to be enjoyable
Built on the original three-item scale from (Venkatesh, 2000) by modifying to gaming context and added three items based on hedonic enjoyment concepts from the following literature: (Agarwal & Karahanna, 2000; van der Heijden, 2004).
JOY2. I had fun using the game *JOY3. Using the game was boring. *JOY4. The game really annoyed me JOY5. The game experience was pleasurable.
*JOY6. The game left me unsatisfied.
Control CTL1. I had a lot of control. Modified original scale from (Liu, 2003) to be more general so that it did not focus solely on Web sites. Also, added items on control from (Agarwal & Karahanna, 2000).
CTL2. I could choose freely what I wanted to see or do.
*CTL3. I had little control over what I could do.
CTL4. I was in control.
*CTL5. I had no control over my interaction.
Lanjutan Tabel 2.1 Instrumen Kuesioner
Construct Items Notes
Focused Immersion
FI1. I was able to block out most other distractions
Modified original scale from (Agarwal & Karahanna, 2000) to a gaming context; third item was changed from task to game.
FI2. I was absorbed in what I was doing.
FI3. I was immersed in the game. *FI4. I was distracted by other attentions very easily.
(d1)(d2) FI5. My attention was not diverted very easily.
Temporal Dissociation
TD1. Time appeared to go by very quickly using the game.
Modified original scale from (Agarwal & Karahanna, 2000) to a gaming context; last two original items were not included because they did not fit our context.
TD2. I lost track of time when i was playing the game.
TD3. Time "flew" when i played the game.
Curiousity CUR1. This experience excited my
curiousity.
Modified original scale from (Agarwal & Karahanna, 2000) to a gaming context.
CUR2. This experience made me curious.
CUR3. This experienced aroused my imagination.
Perceived ease of use
PEOU1. My interaction with the game was clear and understandable.
Combined four-item scale from (Agarwal & Karahanna, 2000) and four-item scale from (Venkatesh, 2000) and modified to a gaming context. PEOU2. Interacting with the game did
not require a lot of my mental effort. PEOU3. I found the game to be trouble free.
PEOU4. I found it easy to get the game to do what i want it to do.
PEOU5. Learning to operate the game was easy for me.
PEOU6. It was simple to do what i wanted with the game.
PEOU7. It was be easy for me to become skillful at using the game. PEOU8. I found the game easy to use.
Perceived usefulness
PU1. The game decreased my stress. Modified original utilitarian scale from (Venkatesh, 2000) to a hedonic context. Items chosen from pilot test items that showed the strongest benefits of fun.
PU2. The game helped me better pass time.
PU3. The game provided useful escape. PU4. The game helped me think more clearly.
Lanjutan Tabel 2.1 Instrumen Kuesoner
Construct Items Notes
Behavioral intention to use
BIU1. I would plan on using it in the future.
Modified original scale from (Agarwal & Karahanna, 2000) to a gaming context
BIU2. I would intend to continue using it in the future.
BIU3. I expect my use of it to continue in the future.
Nb: * = Reverse scale
2.5 Pengelompokan Data
Secara garis besar pengelompokan data dibagi ke dalam beberapa kelompok menurut (Siregar, 2014), antara lain sebagai berikut:
1. Kelompok data menurut cara memperolehnya a. Data Primer
Data primer adalah data yang dikumpulkan sendiri oleh peneliti langsung dari sumber pertama atau tempat obyek penelitian dilakukan.
b. Data Sekunder
Data sekunder adalah data yang diterbitkan atau digunakan oleh organisasi yang bukan pengolahnya.
2. Kelompok data menurut waktu pengumpulannya a. Data Time Series
b. Data Cross Section
Data cross section adalah data yang dikumpulkan di satu periode tertentu pada beberapa obyek dengan tujuan untuk menggambarkan keadaan. 3. Kelompok data menurut sifatnya
a. Data Kualitatif
Data kualitatif adalah data yang berupa pendapat (pernyataan) atau
judgement sehingga tidak berupa angka, tetapi berupa kata-kata atau kalimat.
b. Data Kuantitatif
Data kuantitatif adalah data yang berupa angka. Sesuai dengan bentuknya, data kuantitatif dapat diolah dan dianalisis dengan menggunakan teknik perhitungan statistik.
2.6 Skala untuk Instrumen (Model Skala Sikap)
a. Skala Likert adalah penskalaan yang didesain untuk menelaah seberapa kuat subjek setuju atau tidak setuju dengan pernyataan pada skala 5 titik dengan susunan berikut:
Tabel 2. 2 Susunan Skala Likert
Sangat Tidak Setuju Tidak Setuju Tidak Berpendapat Setuju Sangat Setuju
1 2 3 4 5
Respons terhadap sejumlah item yang berkaitan dengan konsep atau variabel tertentu kemudian disajikan kepada tiap responden. Ini adalah skala interval dan perbedaan dalam respons antara dua titik pada skala tetap sama (Sekaran, 2006).
jawaban tegas terhadap suatu permasalahan yang ditanyakan. Misalnya: Yakin – tidak yakin; benar- salah; setuju-tidak setuju; dan sebagainya c. Skala Diferensial Semantik adalah skala berisikan serangkainan bipolar
(dua kutub). Skala ini digunakan untuk mengukur sikap, bentuknya tersusun dalam satu garis kontinum yang jawaban positifnya terletak di bagian kiri dan jawaban negatif terletak di bagian kanan atau sebaliknya. Misalnya: cepat-lambat; ramah-tidak ramah; memuaskan-tidak memuaskan dan sebagainya.
d. Rating Scale adalah data mentah yang didapat berupa angka kemudian ditafsirkan dalam pengertian kualitatif. Misalnya: ketat-longgar; kuat-lemah. Responden tidak akan menjawab salah satu dari jawaban kuantitatif yang akan disediakan.
e. Skala Thurstone adalah penskalaan yang meminta responden untuk memilih jawaban pertanyaan yang ia setujui dari beberapa pertanyaan yang menyajikan pandangan-pandangan yang berbeda. Pada umumnya setiap item mempunyai asosiasi antara 1 sampai 10 tetapi nilai-nilainya tidak diketahui oleh responden.
2.7 Populasi dan Sampling
untuk dapat mewakili populasi (Nurasalam, 2013). Menurut Nurasalam (2013) Cara pengambilan sampel dapat digolonglan menjadi dua, yaitu:
1. Probability sampling
Prinsip utama probability sampling adalah bahwa setiap subyek dalam populasi mempunyai kesempatan untuk terpilih atau tidak terpilih sebagai sampel.
a. Simple random sampling
Untuk mencapai sampling ini, setiap elemen diseleksi secara acak. Misalnya, jika kita ingin mengambil sampel 30 orang dari 100 populasi yang tersedia, maka secara acak kita mengambil 30 orang dari 100 orang tersebut.
b. Stratified random sampling
Jenis sampling ini digunakan peneliti untuk mengetahui beberapa variabel pada populasi yang merupakan hal yang paling penting untuk mencapai sampel yang representatif. Misalnya, jika kita merencanakan ada 100 sampel, peneliti mengelompokkan 25 subyek dengan tingkat penddidikan. c. Cluster sampling
d. Systematic sampling
Pengambilan sampel secara sistematik dapat dilaksanakan jika tersedia daftar subyek yang dibutuhkan. Jika jumlah populasi adalah N=1200 dan sampel yang dipilih adalah 50, maka setiap kelipatan 24 orang akan menjadi sampel (1200:50=24). Maka sampel yang dipilih didasarkan pada nomor kelipatan 24, yaitu sampel no 24, 48, dan seterusnya.
2. Nonprobability sampling
Nonprobability sampling adalah teknik pengambilan sampel yang tidak memberi peluang atau kesempatan sama bagi setiap ensure atau anggota populasi untuk dipilih menjadi sampel,
a. Purposived sampling
Purposive sampling merupakan suatu teknik penetapan sampel dengan cara memilih sampel di antara populasi sesuai dengan yang dikehendaki peneliti (tujuan atau masalah dalam penelitian), sehingga sampel tersebut dapat mewakili karakteristik populasi yang telah dikenal sebelumnya. b. Consecutive sampling
Pemilihan sampel dengan consecutive (berurutan) adalah pemilihan sampel dengan menetapkan subjek yang memenuhi kriteria penelitian dimasukkan dalam penelitian sampai kurun waktu tertentu, sehingga jumlah klien yang diperlukan terpenuhi.
c. Convenience sampling
mengenakkan peneliti. Dengan cara ini, sampel diambil tanpa sistematika tertentu, sehingga tidak dapat dianggap mewakili populasi sumber, apalagi populasi target.
d. Quota Sampling
Teknik penentuan sampel dalam kuota menetapkan setiap strata populasi berdasarkan tanda-tanda yang mempunyai pengaruh terbesar variabel yang akan diselidiki. Misal, dalam suatu penelitian didapatkan adanya 50 populasi, peneliti menetapkan kuota sebanyak 40 subyek untuk dijadikan sampel, maka jumlah tersebut dinamakan kuota.
2.7.1 Ukuran Sampel
Untuk menentukan sampel dari populasi digunakan perhitungan maupun acuan tabel yang dikembangkan para ahli. Menurut Hendryadi (2010), secara umum untuk penelitian korelasional jumlah sampel minimal untuk memperoleh hasil yang baik adalah 30, sedangkan dalam penelitian eksperimen jumlah sampel minimum 15 dari masing-masing kelompok, dan untuk penelitian survey jumlah sampel minimum adalah 100.Supriyadi (2014) memberikan acuan umum untuk menentukan ukuran
sampel:
1. Sampel dengan ukuran lebih kecil dari 10 tidak dianjurkan
2. Untuk penelitian eksperimental sederhana dengan kontrol eskperimen yang ketat, penelitian yang sukses adalah mungkin dengan ukuran sampel kecil antara 10 sampai dengan 20
sebagainya), ukuran sampel minimum 30 untuk tiap kategori adalah tepat 4. Dalam penelitian mutivariat (termasuk analisis regresi berganda), ukuran
sampel sebaiknya 10 kali lebih besar dari jumlah variabel dalam penelitian 5. Analisis SEM ukuran sampel 5 kali jumlah indikator atau berkisar 100
sampai 200 sampel
6. Ukuran sampel lebih dari 30 dan kurang dari 500 adalah tepat untuk kebanyakan penelitian
7. Pada umumnya penentuan sampel tergantung biaya yang ada, makin besar jumlah sampel lebih baik dari sedikit sampel
Besaran atau ukuran sampel ini sangat tergantung dari besaran tingkat ketelitian atau kesalahan yang diinginkan peneliti. Namun, dalam hal tingkat kesalahan, pada penelitian sosial maksimal tingkat kesalahannya adalah 5% (0,05) (Supriyadi, 2014). Makin besar tingkat kesalahan maka makin kecil jumlah sampel. Namun yang perlu diperhatikan adalah semakin besar jumlah sampel (semakin mendekati populasi) maka semakin kecil peluang kesalahan generalisasi dan sebaliknya, semakin kecil jumlah sampel (menjauhi jumlah populasi) maka semakin besar peluang kesalahan generalisasi.
2.8 Metode Pengumpulan Data
suatu penelitian akan memungkinkan peneliti untuk memperoleh data yang valid sehingga dapat membantu dalam jalannya penelitian. Pengumpulan data penelitian dilakukan dengan berbagai metode:
1. Wawancara
Wawancara adalah pertemuan dua orang untuk bertukar informasi dan ide melalui Tanya jawab, sehingga dapat dikonstruksikan makna dalam suatu topic merupakan teknik pengumpulan data yang dilakukan peneliti untuk memperoleh informasi dengan cara berkomunikasi langsung antara pewawancara dan responden.
2. Kuesioner
Kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan atau pernyataan tertulis kepada responden untuk dijawab (Sugiyono, 2009). Kuesioner dapat membantu peneliti memperoleh informasi terkait dengan permasalahan penelitian. 3. Observasi
Observasi adalah teknik pengumpulan data yang dilakukan melalui suatu pengamatan disertai dengan pencatatan terhadap keadaan atau perilaku objek penelitian (Fathoni, 2006). Observasi dilakukan untuk memperoleh gambaran mengenai objek penelitian secara keseluruhan.
4. Kuesioner (Angket)
karakteristik beberapa orang utama di dalam organisasi, yang bisa terpengaruh oleh sistem yang diajukan atau sistem yang sudah ada.
2.9 Partial Least Square-Structural Equation Modeling (PLS-SEM)
2.9.1 Pengenalan PLS-SEM
PLS adalah model persamaan Structural Equation Modeling (SEM) yang berbasis komponen varian. PLS hampir menyerupai regresi namun lebih dari itu, secara simultan menggabungkan model structural path (misalkan hubungan teoritis variabel laten) sekaligus mengukur path tersebut (misalkan hubungan antara variabel laten dengan indikatornya). Bukannya mengasumsikan semua bobot masing-masing indikator itu sama terhadap variabel laten, namun dalam PLS indikator-indikator memiliki bobot yang beragam. Sehingga, indicator dengan bobot yang lebih rendah akan berkontribusi rendah pula terhadap variabel laten (Chin & Frye, 1996).
Beberapa hal penting yang menandai SEM menggunakan PLS menurut Monecke & Leisch (2012) diantaranya:
SEM menggunakan PLS terdiri tiga komponen, yaitu model struktural,
model pengukuran dan skema pembobotan. Bagian ketiga ini merupakan ciri khusus SEM dengan PLS dan tidak ada pada SEM yang berbasis kovarian.
SEM menggunakan PLS hanya mengijinkan model hubungan antar variabel
Pada model struktural, yang disebut juga sebagai model bagian dalam,
semua variabel laten dihubungan satu dengan yang lain dengan didasarkan pada teori substansi. Variabel laten dibagi menjadi dua, yaitu eksogenous dan endogenous. Variabel laten eksogenous adalah variabel penyebab atau variabel tanpa didahului oleh variabel lainnya dengan tanda anak panah menuju ke variabel lainnya (variabel laten endogenous).
Skema pembobotan digunakan untuk estimasi bobot bagian dalam pada
langkah kedua pada algoritma PLS. Skema pembobotan awal menggunakan centroid (rata-rata aritmatik). Kemudian perkembangan selanjutnya skema pembobotan juga menggunakan pembobotan faktorial dan jalur.
Koefesien jalur diestimasi dengan menggunakan OLS (ordinary least
square) menurut model strukturalnya. Koefesien jalur dalam SEM – PLS ialah koefisien regresi baku (Beta).
Algoritma PLS bertujuan untuk melakukan estimasi nilai semua variabel
laten (nilai-nilai faktor) dengan menggunakan prosedur iterasi.
2.9.2 Model Indikator PLS
PLS memiliki dua model indicator dalam penggambarannya, yaitu: a. Model indikator reflektif
Model ini biasa disebut juga sebagai principal factor dimana kovarian pengukuran indikator dipengaruhi oleh variabel laten yang mencerminkan konstruk variabel laten. Penggambarannya ditunjukkan dengan anak panah dari konstruk laten berbentuk elips kepada beberapa indikator teramati. Variabel konstruk dapat bernilai rendah, bila memiliki sedikit indikator akan tetapi nilai validity tidak akan pernah berubah meski satu indikator dihilangkan. (Chin & Frye, 1996). Pada model reflektif, antara indikator memiliki sifat interchangeability (dapat dipertukarkan), sedangkan pada model formatif tidak bersifat interchangeability. Dengan adanya sifat interchangeability dalam model reflektif ini diharapkan hubungan antar indikator saling berkorelasi tinggi.
Gambar 2. 4 Contoh Model Reflektif b. Model indikator formatif
Penilaian validity konstruk tidak dipengaruhi nilai dari variabel lain, melainkan konstruk lain yang mempengaruhinya. Oleh karena itu, penghapusan satu indikator laten dapat menghilangkan dan merubah makna dari variabel laten atau konstruk laten (Chin & Frye, 1996).
Gambar 2. 5 Contoh Model Formatif 2.9.3 Kriteria Penilaian PLS
PLS memiliki dua model evaluasi, yaitu: 1. Model pengukuran atau outer model
Outter model mendefinisikan bagaimana setiap blok indikator berhubungan dengan variabel latennya. Outer model digunakan untuk mengetahui validitas dan reliabilitas indikator. Model pengukuran atau outer model dengan indikator reflektif dievaluasi dengan convergent dan discriminant validity dari indikatornya dan composite reliability untuk blok indikator. Sedangkan outer model dengan formatif, indikator dievaluasi bedasarkan pada substantive contentnya yaitu dengan membandingkan besarnya relative weight
Tabel 2. 3 Kriteria Penilaian PLS pada Model Pengukuran
Kriteria Penjelasan
Model Pengukuran Reflektif
Loading Faktor Nilai loading faktor harus di atas 0.70. namun pada riset tahap pengembangan skala, nilai loading 0.50 sampai 0.60 masih dapat diterima.
Composite Realibility
Composite reliability mengukur internal consistency dan nilainya harus di atas 0.60
Average Variance Extracted
Nilai average variance extracted (AVE) harus di atas 0.50
Validitas Diskriminan
Nilai Akar kuadrat dari AVE harus lebih besar dari pada nilai korelasi antar variabel laten
Cross Loading Diharapkan setiap blok indikator memiliki loading lebih tinggi untuk setiap variabel katen yang diukur
dibandingkan dengan indikator untuk variabel laten lainnya
Model Pengukuran Formatif Signifikansi Nilai
Weight
Nilai estimasi untuk model pengukuran formatif harus signifikan. Tingkat signifikansi ini dinilai dengan prosedur bootsrapping.
Multikolonieritas Vsriabel manifest dalam blok harus diuji apakah terdapat multikol. Nilai variance inflation factor (VIF) dapat digunakan untuk menguji hal ini. Nilai VIF di atas 10 mengindikasikan terdapat multikol.
2. Model struktural atau inner model
laten (endogen) atau seberapa besar pengaruhnya. Berikut ini kriteria penilaian PLS pada model struktural menurut Ghozali (2011):
Tabel 2. 4 Kriteria Penilaian PLS pada Model Struktural
Kriteria Penjelasan
R2 untuk variabel laten endogen
Hasil R2 sebesar 0.67, 0.33, dan 0,19 untuk variabel laten endogen dalam model struktural mengindikasikan bahwa
model “baik”, “moderat”, dan “lemah”
Estimasi koefisien jalur
Nilai estimasi untuk hubungan jalur dalam model struktural harus signifikan. Nilai signifikansi ini dapat diperoleh dengan prosedur bootsrapping
F2 untuk
effect size
Nilai F2 sebesar 0.02, 0.15, dan 0.35 dapat diintrepretasikan
apakah predictor variabel laten mempunyai pengaruh yang lemah, medium, atau besar pada tingkat struktural
3. Evaluasi Goodness of Fit (GoF)
Evaluasi Goodness of Fit (GoF) digunakan untuk memvalidasi model secara keseluruhan. GoF merupakan ukuran tunggal yang digunakan untuk memvalidasi performa gabungan antara model pengukuran dan model structural. Nilai GoF diperoleh dari akar nilai rata-rata communalities index dikalikan dengan akar nilai rata-rata R2. Nilai GoF terbentang antara 0-1 dengan interpertasi nilai yaitu 0- 0,25 (GoF Kecil), 0,26-0,35 (GoF moderat), dan 0,36-1 (GoF besar) (Yamin & Kurniawan, 200,36-10,36-1).
Nilai GoF diperoleh dari akar nilai rata-rata communalities dan R2 model dimana pada PLS nilai communalities sama degan nilai AVE. Rumus untuk menghitung nilai GoF ditunjukkan pada persamaan 2.1.
2.9.4 Tahapan Analisis PLS-SEM
Tahapan analisis PLS-SEM setidaknya ada tujuh proses yang harus dilakukan, berikut adalah diagram jalur tahapan analisis nya:
Gambar 2. 6 Tahapan Analisis PLS-SEM (Yamin dkk, 2011 hal 23-26) Tahapan analisis PLS-SEM dijabarkan sebagai berikut:
a. Merancang model stuktural (inner model) tujuannya adalah memformulasikan model hubungan antar variabel laten.
c. Membuat diagram jalur, tujuannya adalah memvisualisasikan hubungan antara indikator dengan variabel latennya serta antar variabel laten dalam model penelitian, sehingga mempermudah peneliti untuk melihat model secara keseluruhan.
d. Mengkonversi diagram jalur ke sistem persamaan model matematika, untuk persamaan model pengukuran terdiri dari persamaan model pengukuran formatif dan model pengukuran reflektif, serta persamaan model struktural.
Persamaan model pengukuran:
x = П x ξ + ε x (2.1)
y = П y η + ε y (2.2)
Keterangan:
x dan y = matriks variabel manifes yang berhubungan dengan variabel independen dan dependen
П x dan П y = matriks koefisien
ε x dan ε y = matriks model pengukuran residu.
Sedangkan untuk persamaan model struktural:
η = ηβ + ξ Γ + ζ (2.3)
Keterangan:
η = variabel laten dependen
ξ = variabel laten independen
ξ dan Γ = koefisien matriks dan variabel laten (independen dan dependen)
e. Estimasi model dimana dalam prosesnya terdapat penentuan algorithm option
dan parameter setting.
f. Evaluasi model dimana terdiri dari tahapan evaluasi model pengukuran, evaluasi model struktural, dan evaluasi model gabungan.
g. Interprestasi model dimana berdasarkan kepada hasil analisis dari model penelitian (signifikan hubungan antar variabel).
2.10 Tools SmartPLS 3.0
Tahun 2005 SmartPLS dikembangkan oleh Profesor Cristian M. Ringle, Sven Wended dan Alexander Will. Software ini diciptakan sebagai proyek di Institute of Operation Management and Organization (School od Business) University of Hamburg, Jerman. SmartPLS menggunakan Java Webstart Technology.
SmartPLS 3.0 merupakan salah satu program yang digunakan untuk menganalisis data dalam menyelesaikan permasalahan variance-based SEM (Ghozali, 2013). SmartPLS 3.0 baik versi student maupun versi trial satu tahun dapat di download di www.smartpls.com cari platform yang sama dengan operating system computer yang digunakan (windows, macs). Selain bersifat freeware, penggunaan SmartPLS mudah dipelajari dan user friendly. Adapun dukungan
problem-solving oleh pembuatnya melalui forum diskusi di www.smartpls.com/forum.
2.10.1 Keunggulan Software SmartPLS 3.0
1. Orientasi analisis smartPLS lebih ke arah prediksi bukan konfirmasi model. 2. Pendekatan smartPLS dianggap powerful karena tidak mendasarkan pada
3. Jumlah sampel yang dibutuhkan dalam analisis relative dan data dalam analisis smart PLS tidak harus memiliki distribusi normal.
BAB III
METODE PENELITIAN
Metode Penelitian merupakan suatu prosedur beserta tahapan-tahapan yang tersusun secara jelas dan sistematis guna menyelesaikan suatu permasalahan yang sedang diteliti dengan landasan teori tertentu. Jenis penelitian ini adalah explanatory research atau confirmatory. Explanatory research atau confirmatory adalah penelitian yang bertujuan mengungkap hubungan antara variabel-variabel penelitian dan menguji hipotesis yang telah dirumuskan sebelumnya. Alur analisis penerimaan terhadap penggunaan aplikasi pemutar musik online yang dilakukan dengan tahapan sebagai berikut:
1. Studi literatur 2. Observasi lapangan 3. Penentuan model 4. Penentuan hipotesis 5. Penyusunan kuesioner
6. Penentuan populasi dan sampel responden 7. Pengumpulan data
8. Pengelolahan data dengan menggunakan Partial Least Square (PLS) 9. Analisis hasil
3.1 Studi Literatur
Studi literatur merupakan studi pendahuluan yang dilakukan sebelum penelitian formal berupa pengumpulan data-data sekunder mengenai hedonic-motivation system adoption model dan aplikasi pemutar musik online.
Dalam penelitian ini data yang digunakan adalah data primer, data primer merupakan data yang diolah sendiri oleh suatu organisasi atau perorangan langsung dari objeknya dimana dalam penelitian ini objek adalah pengguna aplikasi pemutar musik online yaitu masyarakat umum.
3.2 Observasi Lapangan
Observasi lapangan bertujuan untuk mengetahui kondisi organisasi, proses bisnis dan sistem yang digunakan dalam organisasi. Observasi dilakukan dengan metode penyebaran kuisioner pada pengguna aplikasi pemutar musik online. 3.3 Penentuan Model
Gambar 3. 1 Model Penelitian 3.4 Penentuan Hipotesis
Berdasarkan model penelitian pada gambar 3.1 yang digunakan pada penelitian ini dapat disimpulkan hipotesis dalam hubungannya terhadap penggunaan aplikasi pemutar musik online:
H1: Perceived ease of use (PEOU) aplikasi pemutar musik online berpengaruh
positif terhadap Perceived usefulness (PU) aplikasi pemutar musik online
H2: Perceived Ease of Use (PEOU) aplikasi pemutar musik online berpengaruh
positif terhadap curiosity aplikasi pemutar musik online
H3: Perceived ease of use (PEOU) aplikasi pemutar musik online berpengaruh
positif terhadap joy aplikasi pemutar musik online
H4: Perceived ease of use (PEOU) aplikasi pemutar musik online berpengaruh
positif terhadap control aplikasi pemutar musik online
H5: Perceived usefulness (PU) aplikasi pemutar musik online berpengaruh positif
H6: Curiosity aplikasi pemutar musik online berpengaruh positif terhadap
Behavioral intention to use (BIU) aplikasi pemutar musik online
H7: Curiosity aplikasi pemutar musik online berpengaruh positif terhadap
immersion aplikasi pemutar musik online
H8: Joy aplikasi pemutar musik online berpengaruh positif terhadap Behavioral
intention to use (BIU) aplikasi pemutar musik online
H9: Joy aplikasi pemutar musik online berpengaruh positif terhadap immersion
aplikasi pemutar musik online
H10: Control aplikasi pemutar musik online berpengaruh positif terhadap
immersion aplikasi pemutar musik online
3.5 Penyusunan Kuisioner
Instrumen penelitian yang digunakan adalah kuisioner, setiap variabel yang digunakan dalam penelitian ini diwakili oleh beberapa indikator, setiap indikator diberikan berdasarkan skala likert berupa skala 1 (sepenuhnya tidak setuju), 2 (sebagian besar tidak setuju), 3 (agak tidak setuju), 4 (netral), 5 (agak setuju), 6 (sebagian besar setuju), 7 (sepenuhnya setuju) dengan contoh pertanyaan sebagai berikut:
Tabel 3. 1 Contoh Peryataan Dalam Skala Likert
Menggunakan Skala Likert sebelumnya, nyatakan tingkat kesetujuan Anda dengan tiap pernyataan berikut:
No Pernyataan Nilai Skala
1.1 Aplikasi pemutar musik online dapat mengurangi stres saya
1 2 3 4 5 6 7
1.2 Aplikasi pemutar musik online
membantu saya lebih baik menghabiskan waktu.
1 2 3 4 5 6 7
1.3 Aplikasi pemutar musik online
memberikan saya pelarian diri yang berguna
1 2 3 4 5 6 7
1.4 Aplikasi pemutar musik online
membantu saya berpikir lebih jernih
Digunakannya tujuh poin skala likert dikarenakan berdasarkan penelitian sebelumnya yang dilakukan Lowry (2013) yang juga menggunakan tujuh poin skala likert.
3.6 Penetuan Populasi dan Sampel Responden
Populasi dalam penelitian ini adalah masyarakat umum pengguna aplikasi pemutar musik online. Sedangkan rencana samplingnya adalah masyarakat umum. Dalam penelitian ini nantinya menggunakan teknik sampling Stratified random sampling.
3.7 Metode Pengumpulan Data
Pengumpulan data primer dalam penelitian ini dilakukan dengan metode survei melalui kuesioner yang dikirimkan kepada responden. Jangka waktu pengisian kuesioner dan pengembalian kuesioner adalah 2 minggu setelah kuesioner disebar. Penyebaran kuisioner ini disesuaikan dengan subjek yang menjadi responden dalam penelitian yaitu masyarakat umum yang menggunakan aplikasi pemutar musik online yang terdiri dari 100 responden.
3.8 Pengelolahan Data dengan Partial Least Square (PLS)
Kuesioner yang telah diisi oleh responden selanjutnya dilakukan pengolahan data menggunakan Partial Least Square (PLS) dengan menggunakan program yaitu SmartPLS 3.0.
3.8.1 Tabulasi Data
kuesioner yang telah disebarkan bedasarkan variabel yang telah digunakan yaitu:
Perceived ease of use, Perceived usefulness, joy, curious, immersion, control dan
behavioral intention to use. Tabulasi data akan menggunakan program MsExcel dan disimpan dengan ekstensi comma delimeted (csv) untuk diolah lebih lanjut oleh program yaitu SmartPLS 3.0.
3.8.2 Evaluasi Model Pengukuran (Outer Model)
Model pengukuran digunakan untuk mengetahui nilai validity dan reabilitas model yang menghubungkan indikator dengan variabel laten dimana pada penelitian hubungan antara indikator dengan variabel laten adalah bersifat reflektif sehingga untuk menilai validity akan menggunakan validitas convergent validity
dan discriminant validity. Sedangkan untuk blok-blok indikatornya menggunakan
compositereliability dan croanbachalpha. 1. Convergentvalidity
Convergent validity dari model pengukuran dengan refleksif indikator dinilai bedasarkan korelasi antara item score / component score dengan construct score
2. Discriminantvalidity
Discriminant validity dari model pengukuran dengan refleksif indikator dinilai berdasarkan nilai akar AVE dalam konstruk. Berdasarkan kriteria Fornell-Larcker bahwa setiap indikator yang mengukur konstraknya haruslah berkorelasi lebih tinggi dengan konstraknya dibandingkan dengan konstrak lainnya.
3. Compositereliability
Disamping uji validity konstruk, dilakukan juga uji reliability 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. 3.8.3 Evaluasi Model Struktural (Inner Model)
Evaluasi model struktural menggambarkan hubungan antar variabel laten atau hipotesis dalam sebuah model penelitian. Pengujian terhadap model struktural dilakukan dengan melihat nilai R-square yang merupakan uji goodness-fit model. Evaluasi menghasilkan hasil yang baik apabila koefisien hubungan antar variabel tersebut signifikan secara statistic yaitu t-statistik lebih dari 1,96 dan nilai R-square
medekati 1. Nilai R-square menjelaskan seberapa besar variabel eksogen yang dihipotesiskan dalam persamaan mampu menerangkan variabel endogen.
3.9 Analisis Hasil
analisis tersebut dapat digunakan sebagai saran dan rekomendasi bagi developer
bagaimana pengembangan aplikasi pemutar musik online selanjutnya. 3.10 Rekomendasi dan Saran Bagi Developer
Rekomendasi dan saran diberikan berdasarkan pengujian hipotesis dan analisis hasil pada penelitian. Rekomendasi dan saran diberikan pada developer
BAB IV
HASIL DAN PEMBAHASAN
4.1 Penyusunan Kuesioner dan Penentuan Variabel
Kuesioner disusun berdasarkan instrumen kuesioner pada tabel 2.1 yang digunakan pada penelitian yang telah dilakukan oleh (Lowry et. Al, 2013) dimana digunakan untuk menguji model hedonic-motivation system adoption model dengan menggunakan studi kasus game. Berdasarkan teori tersebut, maka digunakan instrumen kuesioner pada tabel 4.1 digunakan untuk menguji hedonic-motivation system adoption model pada aplikasi pemutar musik online. Kuesioner menggunakan 7 skala likert poin. Lembar kuesioner yang digunakan dapat dilihat pada lampiran.
4.2 Penyebaran dan Pengumpulan Kuesioner
Data responden penelitian diperoleh melalui pengisian kuesioner yang telah disebarkan kepada responden. Responden adalah semua masyarakat umum yang menggunakan aplikasi pemutar musik online. Penyebaran kuesioner dilakukan pada tanggal 6 juni sampai 19 juni 2016.
Dengan penyebaran kuesioner secara online maupun offline didapat jumlah responden sebanyak 62 responden mengisi secara online dan 50 responden secara
Tahap selanjutnya adalah analisis karakteristik reponden. Karakteristik responden meliputi jenis kelamin, usia, kota tinggal, dan nama aplikasi pemutar musik online.
Tabel 4.1 Instrumen Kuesioner
Konstruk Item
Joy JOY 1: Saya merasa menikmati penggunaan aplikasi. JOY 2: Saya senang pada saat menggunakan aplikasi. *JOY 3: Saya bosan menggunakan aplikasi.
*JOY 4: Aplikasi benar-benar mengesalkan saya. JOY 5: Pengalaman aplikasi itu menyenangkan. *JOY 6: Aplikasi menjadikan saya tidak puas.
Control CTL 1: Saya memiliki banyak kendali atas interaksi dengan aplikasi. CTL 2: Saya dapat memilih secara bebas apa yang ingin saya lihat dan lakukan.
*CTL 3: saya memiliki sedikit kendali dari apa yang saya bisa lakukan. CTL 4: Saya merasa dapat mengendalikan aplikasi.
*CTL 5: Saya tidak memiliki kendali dari interaksi dengan aplikasi. CTL 6: Saya diizinkan mengendalikan interaksi saya.
Immersion FI 1: Saya bisa menghindari sebagian gangguan lainnya. FI 2: Saya selalu terlibat dalam apa yang saya lakukan. FI 3: Saya terlibat secara mendalam pada aplikasi.
*FI 4 : Saya terganggu oleh perhatian lainnya dengan sangat mudah. FI 5 : Perhatian saya tidak dapat dialihkan dengan sangat mudah. Curiosity CUR 1 : Pengalaman ini meningkatkan rasa ingin tahu saya.
CUR 2 : Pengalaman ini membuat saya ingin tahu. CUR 3 : Pengalaman ini meningkatkan imajinasi saya. PEOU PEOU 1 : Interaksi saya dengan aplikasi jelas dan dimengerti.
PEOU 2 : Interaksi dengan aplikasi tidak membutuhkan banyak usaha pemikiran.
PEOU 3 : Saya merasa aplikasi bebas dari masalah.
PEOU 4 : Saya merasa mudah untuk mendapatkan aplikasi lakukan dengan apa yang saya ingin lakukan.
PEOU 5 : Mempelajari untuk mengoperasikan aplikasi mudah bagi saya. PEOU 6 : Sederhana untuk melakukan apa yang saya inginkan dengan aplikasi.
PEOU 7 : mudah bagi saya untuk menjadi ahli dalam menggunakan aplikasi.
PEOU 8 : saya merasa aplikasi mudah digunakan. PU PU 1 : Aplikasi dapat mengurangi stres saya.
PU 2 : Aplikasi membantu saya lebih baik dalam meluangkan waktu. PU 3 : Aplikasi menyediakan pelarian yang berguna.
PU 4 : Aplikasi membantu saya berpikir lebih jernih. PU 5 : Aplikasi membantu saya merasa lebih dimudakan BIU BIU 1 : Saya akan berencana menggunakannya di masa depan.
4.2.1 Karakteristik Responden Berdassarkan Jenis Kelamin
Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan jenis kelamin laki-laki dan perempuan seperti yang disajikan pada tabel 4.2 dan grafik pada gambar 4.1.
Tabel 4. 2 Data responden bedasarkan Jenis Kelamin
No Jenis Kelamin Frekuensi Presentase (%)
1 Laki-laki 62 62%
2 Perempuan 38 38%
Jumlah 100 100%
Gambar 4. 1 Diagram Frekuensi Jenis Kelamin Responden
Dari tabel 4.2 dan gambar 4.1 dapat terlihat bahwa responden yang berjenis kelamin laki-laki memiliki frekuensi lebih tinggi yaitu 62% atau sebanyak 62 orang dibandingkan dengan responden berjenis kelamin perempuan sebanyak 38% atau sebanyak 38 orang.
4.2.2 Karakteristik Responden Berdasarkan Usia
Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan usia seperti yang disajikan pada tabel 4.3 dan gambar 4.2.
L 62%
P 38%
Tabel 4. 3 Data responden bedasarkan Usia
No Usia Frekuensi Presentase (%)
1 <20 11 11%
2 21-30 70 70%
3 >30 19 19%
Jumlah 100 100%
Gambar 4. 2 Diagram Frekuensi Usia Responden
Dari tabel 4.3 dan gambar 4.2 dapat terlihat bahwa responden yang memiliki frekuensi tertinggi yaitu responden dengan usia antara 21-30 tahun sebesar 70% atau sebanyak 70 orang dan responden terendah adalah responden usia antara <20 tahun sebesar 11% atau sebanyak 11 orang.
4.2.3 Karakteristik Responden Berdasarkan Kota Tinggal
Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan kota tinggal responden seperti yang disajikan pada tabel 4.4.
Tabel 4. 4 Data responden bedasarkan kota tinggal
No Kota Tinggal Frekuensi Presentase (%)
1 Surabaya 66 66%
2 Malang 12 12%
3 Sidoarjo 10 10%
4 Jakarta 8 8%
5 Pasuruan 2 2%
6 Jombang 1 1%
7 Kediri 1 1%
Jumlah 100 100%
<20 11%
21-30 70% >30
19%
Gambar 4. 3 Diagram Frekuensi Kota Tinggal Responden
Dari tabel 4.4 dan gambar 4.3 dapat terlihat bahwa responden yang memiliki frekuensi tertinggi yaitu yang bertempat tinggal di kota Surabaya yaitu sebanyak 66% atau sebanyak 66 orang sedangkan yang memiliki frekuensi terendah yaitu yang bertempat tinggal di kota Jombang dan Kediri dimana masing-masing sebanyak 1% atau sebanyak 1 orang.
4.2.4 Karakteristik Responden Berdasarkan Nama Aplikasi Pemutar Musik
Online
Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan nama aplikasi pemutar musik online seperti yang disajikan pada tabel 4.5 dan gambar 4.4.
Surabaya 66%
Malang 12% Sidoarjo
10%
Jakarta 8%
Pasuruan 2%
Jombang
1% Kediri
1%
Tabel 4. 5 Data responden berdasarkan nama aplikasi pemutar musik online
No Aplikasi Pemutar
Musik Online Frekuensi Presentase (%)
1 JOOX 30 30%
2 Spotify 24 24%
3 Soundcloud 20 20%
4 Google Play Music 17 17%
5 iTunes 5 5%
6 8Tracks 4 4%
Jumlah 100 100%
Gambar 4. 4 Diagram Frekuensi Nama Aplikasi Pemutar Musik Online
Dari tabel 4.5 dan gambar 4.4 dapat terlihat bahwa responden yang aplikasi pemutar musik online JOOX mempunyai frekuensi terbesar yaitu 30% atau sebanyak 30 orang dan yang frekuensi terendah adalah aplikasi pemutar musik
online 8Tracks yaitu 4% atau sebanyak 4 orang.
JOOX 30%
Spotify 24% Soundcloud
20% Google Play
Music 17%
iTunes 5%
8Tracks 4%
4.3 Penyajian Data Penelitian
Penyajian data penelitian ini digunakan untuk mengetahui kecenderungan jawaban pada kuesioner. Item pertanyaan merupakan indikator dari variabel yang telah dijelaskan sebelumnya. Terdapat tujuh kategori pilihan jawaban pada kuesioner, dimana keterangan dapat dilihat pada tabel-tabel yang tersedia di masing-masing variabel.
4.3.1 Frekuensi jawaban variabel perceived ease of use
Frekuensi jawaban responden pada variabel perceived ease of use
ditampilkan pada tabel 4.6 dan gambar 4.5. Dari tabel 4.6 dan gambar 4.5 dapat dilihat bahwa distribusi frekuensi variabel perceived ease of use terdiri dari 8 indikator. Jika dilihat dari nilai modus pilihan jawaban PEOU1 dan PEOU8 adalah sangat setuju, PEOU2, PEOU5 dan PEOU7 adalah sebagian besar setuju, PEOU3, PEOU4 dan PEOU6 adalah agak setuju.
Tabel 4. 6 Evaluasi statistik perceived ease of use
Ind Skala Jml Mod
STS SBTS ATS N AS SBS SS
PEOU1 1 1 1 13 17 25 42 100 SS
PEOU2 1 3 5 11 15 42 23 100 SBS
PEOU3 1 4 9 18 32 26 10 100 AS
PEOU4 2 3 5 18 44 17 11 100 AS
PEOU5 0 0 5 8 18 38 31 100 SBS
PEOU6 0 1 6 18 30 29 16 100 AS
PEOU7 1 0 4 11 16 36 32 100 SBS
PEOU8 0 1 1 9 13 28 48 100 SS
Gambar 4. 5 Diagram Frekuensi Jawaban Perceived ease of use
4.3.2 Frekuensi jawaban variabel perceived usefulness
Frekuensi jawaban responden pada variable perceived usefulness ditampilkan pada tabel 4.7 dan gambar 4.6. Dari tabel 4.7 dan gambar 4.6 dapat dilihat bahwa distribusi frekuensi variabel perceived usefulness terdiri dari 5 indikator. Jika
dilihat dari nilai modus pilihan jawaban PU1 adalah sangat setuju, PU2, PU3 dan PU4 adalah sebagian besar setuju, PU5 adalah agak setuju.
Tabel 4. 7 Evaluasi statistik perceived usefulness
Ind Skala Jml Mod
Gambar 4. 6 Diagram Frekuensi Jawaban Perceived usefulness 4.3.3 Frekuensi jawaban variabel curiousity
Frekuensi jawaban responden pada variabel curiousity ditampilkan pada tabel 4.8 dan gambar 4.7. Dari tabel 4.8 dan gambar 4.7 dapat dilihat bahwa distribusi frekuensi variabel curiousity terdiri dari 3 indikator. Jika dilihat dari nilai modus
