PENGUKURAN PENERIMAAN PENGGUNAAN TERHADAP
APLIKASI MYSMARTFREN MENGGUNAKAN METODE UTAUT 2
Skripsi
Diajukan Sebagai Syarat Untuk Memperoleh Gelar Sarjana Strata Satu Program Studi Sistem Informasi Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Disusun Oleh :
REZA HIKMATULLOH
11160930000004
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
PENGUKURAN PENERIMAAN PENGGUNAAN TERHADAP
APLIKASI MYSMARTFREN MENGGUNAKAN METODE UTAUT 2
Skripsi
Diajukan Sebagai Syarat Untuk Memperoleh Gelar Sarjana Strata Satu Program Studi Sistem Informasi Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Disusun Oleh :
REZA HIKMATULLOH
11160930000004
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
LEMBAR PENGESAHAN SKRIPSI
PENGUKURAN PENERIMAAN PENGGUNAAN TERHADAP APLIKASI
MYSMARTFREN MENGGUNAKAN METODE UTAUT 2
Disusun Oleh: REZA HIKMATULLOH 11160930000004 Menyetujui, Pembimbing I Pembimbing II
Suci Ratnawati, MTI NIDN. 0306076904
Elsy Rahajeng, MTI NIDN. 0323117404
Mengetahui,
Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta
Aang Subiyakto, Ph.D NIP. 19750412 200710 2 002
LEMBAR PENGESAHAN UJIAN
Skripsi yang berjudul Pengukuran Penerimaan Penggunaan Terhadap Aplikasi MySmartfren Menggunakan Metode UTAUT 2 yang ditulis oleh Reza Hikmatulloh, NIM 11160930000004 telah diuji dan dinyatakan lulus dalam sidang Munaqosah Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif Hidayatullah Jakarta pada hari Senin, 7 Desember 2020. Skripsi ini telah diterima sebagai salah satu syarat gelar sarjana strata satu (S1) program studi Sistem Informasi.
Menyetujui,
Penguji I Penguji II
Aries Susanto HT, MMSI., Ph.D NIP. 19740322200710 1002
Fitroh, M.Kom NIP. 197909232009122006
Pembimbing I Pembimbing II
Suci Ratnawati, MTI NIDN. 0306076904
Elsy Rahajeng, MTI NIDN. 0323117404
Mengetahui,
Dekan Fakultas Sains dan Teknologi Ketua Program Studi Sistem Informasi
Prof. Dr. Lily Surraya Eka Putri, M.Env.Stud
NIP. 19690404 200501 2 005
Aang Subiyakto, Ph.D NIP. 19750412 200710 2 002
LEMBAR PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-BENAR HASIL KARYA DAN BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGKAT TINGGI ATAU LEMBAGA MANAPUN
Tangerang Selatan, 20 November 2020
REZA HIKMATULLOH
ABSTRAK
Reza Hikmatulloh – 11160930000004 Pengukuran Penerimaan Penggunaan Terhadap Aplikasi MySmartfren Menggunakan Metode UTAUT 2, di bawah bimbingan Suci Ratnawati, MTI dan Elsy Rahajeng, MTI.
Semakin banyaknya pengguna layanan telekomunikasi di Indonesia dan berkembangnya teknologi membuat berbagai perusahaan operator seluler di Indonesia bersaing untuk menyediakan layanan terbaik untuk penggunanya. Aplikasi MySmartfren merupakan layanan yang diberikan PT. Smartfren Telecom Tbk berbentuk aplikasi yang bertujuan untuk memberikan kemudahan kepada pengguna. Aplikasi MySmartfren digunakan untuk melakukan pemeriksaan dan pembelian kuota internet dan pulsa, dan memberikan reward berupa poin yang bisa ditukarkan dengan beberapa pembelian layanan. Namun dalam penerapannya, masih ada kelemahan yang dirasakan oleh pengguna dalam aplikasi MySmartfren sehingga penerimaan pengguna terhadap aplikasi belum optimal yang menyebabkan tidak tercapainya tujuan aplikasi. Penelitian ini bertujuan untuk mengetahui bagaimana penerimaan pengguna serta faktor apa yang mempengaruhi penerimaan penggunaan terhadap aplikasi MySmartfren di Tangerang Selatan. Penelitian ini menggunakan metode kuantitatif dan menggunakan metode UTAUT 2 yang ditambahkan dua variabel tambahan yaitu Perceived Trust dan Perceived Credibility. Populasi pada penelitian ini adalah pengguna aplikasi MySmartfren di wilayah Tangerang Selatan dengan teknik pengambilan sampel purposive sampling. Terdapat 135 responden dari populasi tersebut yang digunakan sebagai sampel untuk penelitian ini. Hasil dari penelitian menunjukkan bahwa dari 12 hipotesis yang diuji, terdapat 2 hipotesis yang ditolak, yaitu Effort Expectancy dan Facilitating Condition sedangkan faktor dengan pengaruh terbesar adalah Habit yang mempengaruhi secara signifikan. Penelitian ini menghasilkan rekomendasi kepada pihak aplikasi MySmartfren untuk melakukan perbaikan dengan cara melalui riset dari feedback pengguna secara berkala. Hal ini bertujuan untuk mengetahui permasalahan dari sisi pengguna. Kemudian tim IT mempersiapkan quality assurance dan backlog product development. Hal ini bertujuan agar tim bisa melakukan perbaikan terhadap masalah yang ditemukan.
Kata Kunci : Penerimaan Penggunaan, Aplikasi MySmartfren, UTAUT 2
BAB I-V + 104 Halaman + xi + 12 Gambar + 19 Tabel + Daftar Pustaka + Lampiran
KATA PENGANTAR
Assalamualaikum Wr. Wb.
Segala Puji bagi Allah SWT penulis panjatkan karena atas limpahan rahmat dan hidayah-Nya maka penulis dapat menyelesaikan skripsi yang berjudul “Pengukuran Penerimaan Penggunaan Terhadap Aplikasi MySmartfren Menggunakan Metode UTAUT 2”. Pada kesempatan kali ini, penulis ingin menyampaikan ucapan terima kasih kepada pihak-pihak yang telah mendukung terselesaikannya skripsi ini. Rasa terima kasih yang sebesar-besarnya penulis sampaikan kepada:
1. Bapak A'ang Subiyakto, M.Kom.,Ph.D selaku Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi.
2. Ibu Suci Ratnawati, MTI selaku dosen pembimbing I dan Ibu Elsy Rahajeng, MTI selaku dosen pembimbing II yang telah memberikan dukungan dan bimbingannya selama proses penyusunan laporan ini sehingga terselesaikan dengan baik.
3. Bapak Aries Susanto HT, MMSI., Ph.D., selaku Dosen Penguji I dan Ibu Fitroh, M.Kom selaku Dosen Penguji II yang telah memberikan saran dan masukannya dalam penulisan skripsi ini.
4. Dosen-dosen Program Studi Sistem Informasi yang telah memberikan ilmu dan motivasi selama penulis duduk di bangku perkuliahan.
5. Seluruh karyawan FST yang telah membantu peneliti dalam yang berkaitan dengan proses skripsi.
6. Keluarga penulis yang selalu memberikan semangat dan doa kepada penulis.
7. Marlin Dwi Zultari yang telah memberikan doa, semangat, dan motivasi kepada penulis.
8. Teman-teman Sistem Informasi khususnya SIA 2016, yang selalu memberikan semangat dan dukungan agar penyusunan Skripsi ini cepat selesai.
9. Senior HIMSI khususnya Ka Restri yang telah berbagi informasi dan pengalamannya dalam penyusunan laporan skripsi ini.
Saat penyusunan skripsi ini, penulis menyadari bahwa masih banyak kekurangan dalam penelitian ini karena keterbatasan waktu dan ilmu yang dimiliki.
Tangerang Selatan, 08 Januari 2020
REZA HIKMATULLOH NIM 11160930000004
DAFTAR ISI
LEMBAR PENGESAHAN SKRIPSI ... i
LEMBAR PENGESAHAN UJIAN ... ii
LEMBAR PERNYATAAN ... iii
ABSTRAK ... iv
KATA PENGANTAR ... v
DAFTAR ISI ... vii
DAFTAR GAMBAR ... x DAFTAR TABEL ... xi BAB I PENDAHULUAN ... 1 1.1 Latar Belakang ... 1 1.2 Identifikasi Masalah ... 9 1.3 Rumusan Masalah ... 10 1.4 Batasan Masalah ... 10 1.5 Tujuan Penelitian ... 11 1.6 Manfaat Penelitian ... 12 1.7 Model Penelitian ... 12 1.8 Metodologi Penelitian ... 14 1.9 Sistematika Penulisan ... 14
BAB 2 LANDASAN TEORI ... 16
2.1 Pengukuran ... 16
2.3 Aplikasi Mobile ... 18
2.4 Telekomunikasi ... 19
2.5 MySmartfren ... 20
2.6 UTAUT ... 22
2.7 Populasi dan Sampel ... 33
2.7.1 Teknik Pengambilan Sampel... 33
2.7.2 Ukuran Sampel ... 36 2.8 PLS ... 38 2.9 SEM ... 43 2.10 SmartPLS ... 44 2.11 Skala Likert ... 44 2.12 Literatur Sejenis ... 45
BAB 3 METODOLOGI PENELITIAN ... 50
3.1 Pendekatan Penelitian ... 50
3.2 Populasi dan Sampel Penelitian ... 51
3.3 Metode Pengumpulan Data ... 52
3.3.1 Observasi ... 52
3.3.2 Survei ... 52
3.3.3 Studi Literatur ... 53
3.4 Analisis data dan Interpretasi Hasilnya ... 53
3.5 Pengembangan Model dan Hipotesis Penelitian ... 54
3.5.1 Pengembangan Model Penelitian ... 54
3.5.3 Instrumen Penelitian... 61
3.6 Kerangka Penelitian ... 65
BAB 4 HASIL DAN PEMBAHASAN ... 67
4.1 Gambaran Umum Perusahaan ... 67
4.2 Pilot Study ... 69
4.3 Analisa Demografi ... 70
4.3.1 Hasil Analisis Demografi ... 70
4.3.2 Interpretasi Hasil Analisis Demografi ... 71
4.4 Analisis Pengukuran Model (Outer Model) ... 74
4.4.1 Hasil Analisis Model Pengukuran ... 74
4.4.2 Interpretasi Hasil Analisis Model Pengukuran (Outer Model) ... 81
4.5 Analisis Model Struktural (Inner Model) ... 82
4.5.1 Hasil Analisis Model Struktural ... 82
4.5.2 Interpretasi Hasil Analisis Model Struktural (Inner Model) ... 88
4.6 Rekomendasi ... 99
BAB 5 KESIMPULAN DAN SARAN ... 101
5.1 Kesimpulan ... 101
5.2 Saran ... 103
DAFTAR PUSTAKA ... 105 LAMPIRAN
DAFTAR GAMBAR
Gambar 1.1 Hasil Penelitian OpenSignal ... 2
Gambar 1.2 Histogram Rating MySmartfren ... 4
Gambar 1.3 Contoh Keluhan Pengguna Aplikasi MySmartfren ... 5
Gambar 1.4 Contoh Keluhan Pengguna Aplikasi MySmartfren ... 6
Gambar 2.1 Model Penelitian UTAUT (Venkatesh et al., 2003) ...23
Gambar 2.2 Model Penelitian UTAUT 2 (Venkatesh et al., 2012) ... 25
Gambar 2.3 Kategori Sampel ... 34
Gambar 3.1 Model Penelitian Usulan ...56
Gambar 3.2 Kerangka Penelitian ... 66
Gambar 4.1 Hasil Path Coefficient...83
Gambar 4.2 Hasil T-test ... 85
DAFTAR TABEL
Tabel 1.1 Ulasan Aplikasi MySmartfren ... 5
Tabel 2.1 Penelitian Sejenis ... 46
Tabel 3.1 Hasil Penelitian Sebelumnya ... 55
Tabel 3.2 Indikator Variabel Penelitian ... 61
Tabel 4.1 Hasil Analisis Demografi ... 70
Tabel 4.2 Hasil Outer Loading ... 75
Tabel 4.3 Hasil Outer Loading setelah dihapus ... 76
Tabel 4.4 Hasil Composite Reliability ... 78
Tabel 4.5 Hasil Average Variance Extracted ... 79
Tabel 4.6 Hasil Nilai Cross Loading ... 79
Tabel 4.7 Hasil Fornell-Lacker Criterion ... 81
Tabel 4.8 Hasil Path Coefficient ... 83
Tabel 4.9 Hasil Cofficient of Determinant ... 84
Tabel 4.10 Hasil T-test ... 85
Tabel 4.11 Hasil Effect Size ... 86
Tabel 4.12 Hasil Predictive Relevance ... 87
Tabel 4.13 Hasil Relative Impact ... 88
Tabel 4.14 Hasil Inner Model ... 89
BAB I
PENDAHULUAN
1.1 Latar Belakang
Kebutuhan akan adanya teknologi informasi yang semakin berkembang dan merata sangat dibutuhkan oleh manusia sebagai faktor pendukung berbagai kegiatan. Salah satu yang menjadi kebutuhan penting bagi manusia adalah internet. Internet berfungsi untuk membantu manusia agar lebih efektif dalam bekerja. Dengan adanya layanan internet, manusia dapat mencari informasi yang dibutuhkan maupun dapat digunakan untuk berkomunikasi dengan menggunakan media sosial.
Telekomunikasi adalah sesuatu yang penting bagi masyarakat dalam berkomunikasi serta memperoleh informasi. Banyak manfaat yang dapat dirasakan dengan adanya akses telekomunikasi, diantaranya masyarakat menjadi mudah untuk berkomunikasi dengan cepat dan singkat meskipun dalam posisi yang berjauhan, mendorong pertumbuhan bisnis maupun ekonomi masyarakat serta membuat masyarakat semakin berkembang dan maju (Yoga, 2017).
Banyaknya perusahaan penyedia layanan telekomunikasi di Indonesia membuat mereka saling berlomba untuk menyediakan layanan yang diminati oleh masyarakat. PT. Smartfren Telecom Tbk adalah salah satu perusahaan yang menyediakan layanan telekomunikasi di Indonesia. Pada tahun 2015, Smartfren meluncurkan sebuah layanan berbasis 4G LTE Advanced komersial pertama yang ada di Indonesia. Awal tahun 2016 Smartfren membuat sejarah sebagai
perusahaan telekomunikasi pertama yang ada di Indonesia dimana menyediakan layanan Voice Over LTE (VoLTE) secara komersial. Jaringan 4G LTE Advance yang ada pada Smartfren mempunyai cakupan yang lebih luas daripada beberapa pesaing operator telekomunikasi lainnya, diantaranya Indosat, XL dan Telkomsel (Fachrunnisa, 2016).
Secara umum dapat dikatakan bahwa Telkomsel adalah penyedia layanan telekomunikasi di Indonesia yang mempunyai layanan terbaik. Hal ini dibuktikan dari hasil analisis pengalaman seluler pelanggan yang dilakukan oleh Opensignal bahwa Telkomsel berhasil menduduki peringkat pertama dalam penghargaan pengalaman video, pengalaman aplikasi suara, pengalaman kecepatan pengunduhan, pengalaman kecepatan pengunggahan, dan pengalaman cakupan 4G, sedangkan penghargaan pengalaman game seluler diraih oleh operator seluler 3.
Gambar 1.1 Hasil Penelitian OpenSignal (Sumber: www://opensignal.com)
Pada hasil analisis tersebut, Smartfren hanya mendapatkan 1 penghargaan dimana Smartfren berhasil mempertahankan penghargaan di tahun sebelumnya dalam ketersediaan internet 4G dengan skor sebesar 97,4% yang diikuti oleh penyedia layanan telekomunikasi lainnya yaitu 3 dengan skor 92,6%, Indosat dengan skor 90,8%, Telkomsel dengan skor 90,0% dan XL dengan skor 88,8%.
Dalam meningkatkan layanan untuk memudahkan pengguna dalam pembelian dan pengecekan pulsa maupun paket internet, pada tahun 2013 PT. Smartfren Telecom Tbk menawarkan kemudahan informasi dengan mengeluarkan aplikasi yang bernama MySmartfren. MySmartfren saat ini selain digunakan untuk mengecek pulsa dan paket internet, aplikasi ini juga menyediakan fitur untuk mengganti nomor serta untuk melakukan redeem poin yang didapatkan jika pengguna melakukan pembelian melalui aplikasi MySmartfren. Aplikasi ini dapat di unduh melalui Google Playstore untuk pengguna Android, dan AppStore untuk pengguna iOS.
Sebagai suatu aplikasi yang sudah diimplementasikan dari tahun 2013, tercatat pada Google Play Store sudah ada 10 juta lebih pengguna yang mengunduh aplikasi ini. Aplikasi MySmartfren saat ini mendapatkan skor 3.2 dari skala 5 dan di ulas oleh 500 ribu pengguna lebih, sedangkan aplikasi MySmartfren di App Store mendapatkan skor 2.2 dari skala 5 dan di ulas oleh 1.3 ribu pengguna. Pada aplikasi MySmartfren di Google Play Store, sekitar 100 ribu pengguna lebih memberikan rating 1 yang artinya bahwa aplikasi MySmartfren ini masih memiliki kelemahan.
Gambar 1.2 Histogram Rating MySmartfren (Sumber: www://appbrain.com)
Seiring banyaknya pengguna yang memakai aplikasi MySmartfren, timbul kendala-kendala yang dialami oleh penggunanya. Hasil observasi yang dilakukan pada tanggal 18 – 23 Februari 2020 dengan cara melihat ulasan pengguna pada aplikasi MySmartfren di Google Playstore, ditemukan pengguna yang mengeluhkannya proses masuk ke dalam aplikasi seperti tidak bisa login dan aplikasi yang terhenti sendiri, lalu pengguna mengeluhkan informasi yang disajikan pada aplikasi tidak update, dan fitur ganti nomor yang tidak bisa dilakukan. Selain melakukan observasi, peneliti melakukan wawancara terhadap 5 orang pengguna aplikasi MySmartfren. Hasil wawancara menunjukkan bahwa 3
dari 5 orang pengguna mengalami kendala terkait login kedalam aplikasi dan pembelian paket yang tidak ter-update.
Tabel 1.1 Ulasan Aplikasi MySmartfren (Google Playstore, 2020)
Gambar 1.3 Contoh Keluhan Pengguna Aplikasi MySmartfren (Google Playstore, 2020)
Topik Jumlah Ulasan
Tidak bisa login 115
Tidak bisa masuk ke aplikasi 14
Fitur ganti nomor tidak berfungsi 4
Gambar 1.4 Contoh Keluhan Pengguna Aplikasi MySmartfren (AppStore, 2020)
Kota Tangerang Selatan merupakan sebuah kota yang terletak di Provinsi Banten. Tangerang Selatan berbatasan dengan DKI Jakarta di sebelah timur, Kabupaten Bogor (Provinsi Jawa Barat) di sebelah selatan, Kabupaten Tangerang di sebelah barat, dan berbatasan dengan Kota Tangerang di sebelah utara. Kota Tangerang Selatan merupakan hasil pemekaran dari Kabupaten Tangerang. Tangerang Selatan memiliki visi yaitu “Terwujudnya Tangsel Kota Cerdas, Berkualitas dan Berdaya Saing Berbasis Teknologi dan Inovasi”, sedangkan misinya yaitu mengembangkan sumber daya manusia yang handal dan berdaya saing; meningkatkan infrastruktur kota yang fungsional; menciptakan kota layak huni yang berwawasan lingkungan; mengembangkan ekonomi kerakyatan berbasis inovasi dan produk unggulan; dan meningkatkan tata kelola pemerintahan yang baik berbasis teknologi informasi. Sesuai dengan terwujudnya visi dan misi dari Kota Tangerang Selatan mengenai penerapan teknologi, Kota Tangerang Selatan menjadi kota yang penduduknya memiliki telepon seluler /
menempati posisi teratas yang penduduknya mengakses internet mencapai 78,35 persen. Sedangkan menurut Data Pusat Statistik (BPS) Provinsi Banten, 65,21 persen warga Banten memiliki telepon seluler dan 56,25 persen warga Banten telah mengakses internet selama kurun tiga bulan terakhir pada tahun 2019 (Data Pusat Statistik Provinsi Banten, 2019).
Salah satu faktor penentu keberhasilan sebuah sistem yang diterapkan adalah dari sisi penerimaan penggunanya, apakah penggunanya menerima atau menolak untuk menggunakan sebuah sistem baru. Adopsi sebuah teknologi telah menjadi salah satu topik penting dalam bidang sistem informasi. Technology Acceptance Model (TAM), TAM2, Theory of Reasoned Action (TRA), Theory of Planned Behavior (TPB) dan teori lainnya digunakan untuk menjelaskan perilaku pengguna terkait dengan adopsi teknologi (Kang & Hong, 2011). Salah satu model yang dapat digunakan untuk mengetahui penerimaan pengguna adalah model Unified Theory on Acceptance and Use of Technology atau UTAUT. Alasan pemakaian model UTAUT adalah model UTAUT dapat menjelaskan secara signifikan penerimaan suatu teknologi (Putri & Jumhur, 2019). Model UTAUT, telah dianggap sebagai teori yang lebih integratif daripada TAM dan model lain sebelumnya dan teori adopsi teknologi, karena memiliki kapasitas prediksi yang lebih besar (Okumus et al., 2018). Oleh karena itu, dalam beberapa tahun terakhir, banyak penelitian telah dilakukan berfokus pada pengukuran UTAUT 1 dan UTAUT 2 di berbagai area seluler dan digital, seperti mobile payment, mobile banking, mobile internet, pembelian tiket online, niat pembelian online, penggunaan ponsel cerdas, dan mobile TV (Palau-Saumell et al., 2019).
Model UTAUT merupakan sebuah model penerimaan teknologi yang diusulkan oleh Venkatesh dan beberapa peneliti lain. Model UTAUT 2 merupakan pengembangan model UTAUT yang sebelumnya. Menurut Venkatesh dalam Handayani & Sudiana (2015), model UTAUT 2 digunakan karena merupakan model penerimaan teknologi yang baru yang merupakan penggabungan dari elemen-elemen yang ada dalam 8 model penerimaan teknologi terkemuka lainnya yang mempunyai tujuan untuk mendapatkan kesatuan pandangan dari pengguna sebuah teknologi. UTAUT 2 mempelajari penerimaan dan penggunaan dari sebuah teknologi yang lebih berpusat pada konteks konsumen sedangkan UTAUT sebelumnya berkaitan dengan niat perilaku untuk menggunakan teknologi dan penggunaan teknologi dalam konteks organisasi (Venkatesh et al., 2012). Tujuan dari model UTAUT 2 adalah untuk mengidentifikasi tiga variabel penting dari penelitian tentang penerimaan dan penggunaan teknologi baik untuk masyarakat umum maupun konsumen, memodifikasi beberapa hubungan yang ada pada konsep model UTAUT sebelumnya, dan memperkenalkan hubungan baru (Venkatesh et al., 2012). Tiga variabel baru yang ditambahkan adalah Hedonic Motivation, Price Value, dan Habit.
Beberapa peneliti sebelumnya telah menggunakan model UTAUT pada penelitian pengukuran penerimaan pengguna, diantaranya penelitian oleh Hidayat (2019) menggunakan model UTAUT 2 dengan penambahan variabel Perceived Trust dan Perceived Risk untuk mengukur penerimaan pengguna dompet elektronik berbasis server di Tangerang Selatan. Hasil penelitian menunjukkan
bahwa penambahan variabel Perceived Trust dan Perceived Risk berpengaruh signifikan terhadap Behavioral Intention, dan 9 dari 12 hipotesis yang diusulkan dinyatakan signifikan dan diterima sedangkan 3 hipotesis dinyatakan tidak signifikan dan ditolak, dan penelitian oleh Dharmawan (2019) menerapkan model UTAUT dengan keempat variabel moderator yaitu Gender, Age, Experience, Voluntariness dan penambahan variabel Perceived Trust, menghasilkan penelitian bahwa dari ke-enam hipotesis yang diajukan, lima diantaranya diterima, Performance Expectancy, Effort Ecpectancy, Perceived Trust, Facilitating Conditions memiliki pengaruh yang signifikan terhadap Behavioral Intention dan Behavioral Intention memiliki pengaruh yang signifikan terhadap Use Behavior.
Berdasarkan uraian sebelumnya, maka peneliti tertarik untuk melakukan penelitian dengan model UTAUT 2 untuk mengukur penerimaan pengguna aplikasi MySmartfren dengan judul “Pengukuran Penerimaan Pengguna Terhadap Aplikasi MySmartfren Menggunakan Metode UTAUT 2”.
1.2 Identifikasi Masalah
Berdasarkan latar belakang yang telah dipaparkan di atas, maka identifikasi permasalahan pada penelitian ini adalah sebagai berikut:
1. Layanan yang diberikan oleh Smartfren masih kalah dengan Telkomsel dimana hasil analisis pengalaman seluler pelanggan yang dilakukan OpenSignal menunjukkan bahwa Smartfren berhasil menduduki posisi pertama hanya pada 1 kategori saja yaitu Ketersediaan 4G.
2. Masih terdapat beberapa kelemahan dalam aplikasi MySmartfren sehingga penerimaan pengguna terhadap aplikasi belum optimal.
3. Belum pernah dilakukan analisis terkait penerimaan pengguna terhadap aplikasi MySmartfren khususnya di Tangerang Selatan agar dapat diketahui keberhasilan sistem yang telah diimplementasikan sehingga dapat menghasilkan rekomendasi untuk pengembangan sistem selanjutnya yang lebih baik.
4. Belum diketahui faktor yang perlu dipertahankan ataupun faktor-faktor yang perlu menjadi fokus perhatian untuk meningkatkan kualitas layanan terhadap aplikasi MySmartfren dengan menggunakan metode UTAUT 2.
1.3 Rumusan Masalah
Berdasarkan identifikasi masalah yang dipaparkan diatas, dapat disimpulkan perumusan masalah pada penelitian ini adalah “Bagaimana penerimaan penggunaan pada aplikasi MySmartfren di wilayah Tangerang Selatan dan faktor apa yang mempengaruhi penerimaan penggunaan dalam menggunakan aplikasi MySmartfren ?” yang dapat membantu pihak PT. Smartfren untuk mengetahui penerimaan pengguna aplikasi MySmartfren.
1.4 Batasan Masalah
Dalam penulisan laporan ini, peneliti memberikan beberapa batasan masalah yang sesuai dengan keadaan di lapangan yang meliputi sebagai berikut:
2. Penelitian berfokus untuk mengukur penerimaan pengguna dalam menggunakan aplikasi MySmartfren.
3. Responden pada penelitian ini adalah masyarakat Kota Tangerang Selatan yang merupakan pengguna aplikasi MySmartfren.
4. Penelitian menggunakan metode UTAUT 2 yang terdiri dari Performance Expectancy, Effort Expectancy, Social Influence, Facilitating Conditions, Hedonic Motivation, Price Value, Habit, Behavioral Intention, Use Behavior dan menambahkan 2 variabel yaitu Perceived Trust dan Perceived Credibility.
5. Pengumpulan data dilaksanakan dengan melakukan survei dalam bentuk kuesioner dan disebarkan kepada pengguna aplikasi MySmartfren.
6. Kuesioner disebarkan secara online, yaitu penyebaran kuesioner dilakukan tidak melalui tatap muka secara langsung dengan responden.
7. Metode pendekatan yang digunakan dalam penelitian ini adalah pendekatan kuantitatif dengan pengambilan sampel menggunakan teknik Purposive Sampling (Taherdoost, 2016).
8. Analisis data menggunakan tools SmartPLS versi 3.2.
1.5 Tujuan Penelitian
Adapun tujuan peneliti dalam mengukur penerimaan dalam penerapan sistem adalah sebagai berikut:
1. Mengetahui analisis demografi pengguna aplikasi MySmartfren di Tangerang Selatan.
2. Mengetahui sejauh mana penerimaan pengguna dari aplikasi MySmartfren.
3. Mengetahui faktor-faktor atau variabel yang ada pada model UTAUT 2 dan dua variabel tambahan yaitu Perceived Trust dan Perceived Credibility yang mempengaruhi penggunaan aplikasi MySmartfren di Tangerang Selatan.
1.6 Manfaat Penelitian
Manfaat yang diharapkan dari hasil penelitian ini adalah:
1. Dapat diketahui variabel apa saja yang dapat mempengaruhi dan berpengaruh besar terhadap penerimaan pengguna dari penerapan aplikasi MySmartfren berdasarkan perspektif penggunanya.
2. Diharapkan penelitian ini dapat mendorong pemanfaatan metode kuantitatif dalam penyusunan skripsi khususnya di Program Studi Sistem Informasi UIN Syarif Hidayatullah Jakarta.
3. Hasil penelitian diharapkan dapat digunakan sebagai bahan pertimbangan bagi perusahaan dalam mengembangkan aplikasi MySmartfren khususnya pada aspek penerimaan pengguna.
1.7 Model Penelitian
Model yang digunakan pada penelitian ini adalah model Unified Theory of Acceptance and Use of Technology (UTAUT) 2 yang merupakan pengembangan dari model UTAUT sebelumnya oleh Venkatesh pada tahun 2003. Model ini
terdiri dari Performance Expectancy, Effort Expectancy, Social Influence, Facilitating Conditions, Hedonic Motivation, Price Value, Habit, Behavioral Intention, Use Behavior, dan menambahkan 2 variabel yaitu Perceived Trust dan Perceived Credibility.
Penambahan variabel Perceived Trust menurut Pavlou & Green dalam Ariwibowo (2013) merupakan faktor penting yang merupakan dasar bagi aplikasi kegiatan bisnis yang menggunakan media internet termasuk melakukan transaksi pembelian pulsa dan paket internet. Selain itu, variabel ini memiliki hubungan positif antara tingkat kepercayaan dengan niat penggunaan (Rofi’i, 2018).
Penambahan variabel Perceived Credibility atau Persepsi Kredibilitas didefinisikan oleh Chuttur dalam Afifah & Widyanesti (2017) adalah sejauh mana pengguna percaya bahwa penggunaan suatu sistem tidak akan memiliki ancaman keamanan atau privasi. Pada Perceived Credibility terdiri dari dua dimensi, yaitu keamanan dan privasi dimana keamanan didefinisikan sebagai keyakinan bahwa sistem memberikan kontrol yang sangat efektif untuk melindungi informasi pengguna, dan security didefinisikan sebagai keyakinan bahwa informasi pengguna tidak dimanipulasi dan dieksploitasi untuk keuntungan moneter atau manfaat lainnya oleh penyedia sistem. Variabel ini memiliki hubungan positif dengan niat perilaku pengguna (Bhatiasevi, 2015).
Pada penelitian ini, peneliti tidak menggunakan variabel moderator seperti model asli dari UTAUT 2 dikarenakan menurut Venkatesh et al. (2012) bahwa sebagian penelitan yang menggunakan variabel moderator pada model menunjukkan bahwa moderator akan menjatuhkan nilai yang dihasilkan.
1.8 Metodologi Penelitian
Metodologi penelitian yang digunakan pada penelitian ini dengan menggunakan metode pendekatan kuantitatif. Penelitian kuantitatif merupakan sebuah proses untuk menguji teori objektif dengan menguji hubungan antar variabel. Variabel ini dapat diukur dengan menggunakan instrumen, sehingga data jumlah dapat dianalisis dengan menggunakan prosedur statistik (Creswell, 2017). Teknik pengumpulan data yang dilakukan dalam penelitian ini adalah dengan menyebarkan kuesioner secara tidak langsung melalui media sosial dengan menggunakan fitur Google Form utuk pengisian kuesioner dan menggunakan 5 pilihan skala likert sebagai skala pengukuran untuk mengukur jawaban responden. Teknik pengambilan sampel yang dilakukan pada penelitian ini adalah teknik purposive sampling. Responden pada penelitian ini adalah pengguna aplikasi MySmartfren yang berada di lingkungan Tangerang Selatan. Analisis data dalam penelitian ini menggunakan pendekatan PLS-SEM.
1.9 Sistematika Penulisan
Laporan penelitian ini terbagi dalam lima bab yang meliputi pendahuluan, landasan teori, metodologi penelitian, hasil dan pembahasan, serta penutup. Berikut penjelasan singkat terkait kelima bab tersebut:
Bab ini menjelaskan tentang latar belakang, identifikasi masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, model penelitian, pertanyaan penelitian, metodologi penelitian, dan sistematika penulisan.
BAB 2 LANDASAN TEORI
Bab ini menguraikan teori-teori yang relevan dan terkait dengan pengukuran penerimaan pengguna.
BAB 3 METODE PENELITIAN
Bab ini akan membahas tentang metodologi maupun model yang digunakan dalam penelitian ini.
BAB 4 PEMBAHASAN
Bab ini akan menguraikan tentang pilot study, dan membahas hasil analisis dan interpretasi yang diperoleh dari hasil pengukuran seperti hasil analisis demografi, outer model dan inner model.
BAB 5 PENUTUP
Bab ini menjelaskan tentang kesimpulan dan saran atas hasil pelaksanaan penelitian terutama terkait aspek penerapannya dan kelanjutan bagi kajian atau penelitian berikutnya.
BAB 2
LANDASAN TEORI
2.1 Pengukuran
Menurut Institute of Electrical and Electronics Engineers (IEEE) dalam Khairani (2015), pengukuran merupakan ukuran tingkat kuantitatif dari sebuah sistem, komponen, atau proses tertentu. Sedangkan mengukur adalah mengindikasikan kuantitatif dalam, luasan, jumlah, dimensi, dan kapasitas. Sedangkan menurut Indrawan & Yaniawati (2014), pengukuran adalah sebuah kegiatan yang mempunyai tujuan untuk menetapkan bilangan-bilangan pada suatu kejadian empiris sesuai norma yang disepakati, dan menjadikan data yang memiliki kualitas tinggi dengan tingkat kesalahan yang rendah. Pengukuran menjadi bagian penting dalam suatu penelitian. Dengan adanya pengukuran, peneliti dapat melakukan pengujian terhadap hipotesis yang dibuat.
Menurut Supriyadi (2015), pengukuran dapat dibedakan menjadi tiga macam, yaitu:
1. Pengukuran yang dilakukan dengan tujuan bukan untuk menguji sesuatu, seperti penjahit yang mengukur mengenai panjang lengan, panjang kaki, ukuran pinggang, dan sebagainya.
2. Pengukuran yang dilakukan dengan tujuan untuk menguji sesuatu, seperti pengukuran untuk menguji daya tahan baja, pengukuran untuk menguji daya tahan lampu, dan sebagainya.
3. Pengukuran untuk menilai, yang dilakukan dengan jalan menguji sesuatu, seperti mengukur kemajuan belajar peserta didik dalam mengisi buku raport yang dilakukan dengan menguji mereka dalam bentuk tes hasil belajar.
Dari beberapa definisi diatas, dapat disimpulkan bahwa pengukuran merupakan proses untuk menilai sesuatu berdasarkan karakteristik tertentu yang digunakan yang dimiliki oleh orang, objek atau hal tertentu menurut aturan yang jelas.
2.2 Penerimaan Pengguna
Penerimaan pengguna menurut Nasir (2013) adalah keinginan oleh sekelompok pengguna untuk memanfaatkan teknologi yang dapat membantu pekerjaan mereka. Menurut Moskowitz et al. (2012), penerimaan konsumen sebagai pengalaman atau fitur pengalaman, yang ditandai dengan sikap positif terhadap produk atau pemanfaatan produk yang sebenarnya oleh konsumen. Menurut Teo (2011), penerimaan teknologi dapat diartikan sebagai kesediaan pengguna untuk menggunakan suatu teknologi untuk mendukung tugas-tugas yang telah dirancang. Penerapan suatu teknologi informasi selalu berkaitan dengan penerimaan pengguna, sejauh mana pengguna dapat menerima dan memahami teknologi tersebut adalah hal yang penting untuk melihat tingkat keberhasilan dari implementasi sistem tersebut. Oleh karena itu, faktor utama untuk menentukan keberhasilan impelentasi suatu sistem teknoologi, dapat dilihat dari penerimaan pengguna atau user acceptance (Nasir, 2013). Menurut Davis
dalam Ananda & Ratnawati (2014), penerimaan sebuah sistem ditentukan oleh dua faktor penentu, yaitu:
a. Apakah orang tersebut cenderung untuk menggunakan atau tidak menggunakan sebuah aplikasi jika mereka percaya bahwa aplikasi tersebut memberikan manfaat untuk membantu dalam melakukan pekerjaan mereka.
b. Adanya kemudahan yang diberikan dalam meggunakan sistem sebagai penentu bagi seseorang untuk menggunakan sistem atau tidak.
Berdasarkan definisi di atas, dapat disimpulkan bahwa penerimaan pengguna adalah suatu persepsi bahwa suatu sistem informasi dapat diterima oleh penggunanya untuk mendukung suatu pekerjaan dan menjadi suatu bagian rutin di mana sistem tersebut diimplementasikan.
2.3 Aplikasi Mobile
Aplikasi adalah program yang dirancang untuk melakukan sesuatu pada sistem komputer yang akan digunakan oleh pengguna. Aplikasi memanfaatkan kemampuan komputer langsung untuk melakukan tugas yang diinginkan pengguna. Menurut Jogiyanto dalam Habibullah et al. (2020),aplikasi merupakan program yang berisi perintah-perintah untuk mengolah data. Jadi aplikasi secara umum merupakan proses dari metode manual yang diubah menjadi komputer dengan membuat program agar data dapat diolah dan lebih efisien. Menurut Abdurahman & Riswaya (2014), aplikasi merupakan program siap pakai yang dapat digunakan untuk mengeksekusi perintah dari pengguna aplikasi dengan
tujuan mendapatkan hasil yang lebih akurat sesuai dengan tujuan pembuatan aplikasi. Aplikasi memiliki arti menyelesaikan masalah dengan menggunakan teknik pengolahan data aplikasi yang biasanya mempercepat komputasi yang diinginkan atau pengolahan data yang diharapkan. Sedangkan mobile adalah perpindahan yang mudah dari satu tempat ke tempat lain, seperti handphone yang artinya dapat berpindah dari satu tempat ke tempat lain tanpa mengganggu komunikasi. Mobile dapat menjadi program yang dapat menjangkau semua tempat yang dapat diakses dengan mudah dan dapat diubah sewaktu-waktu tanpa kesulitan. .
Menurut Insani & Insanudin (2016), aplikasi mobile merupakan aplikasi yang dapat digunakan meskipun pengguna berpindah dari satu tempat ke tempat lain tanpa terputusnya komunikasi. Aplikasi mobile dapat diakses melalui berbagai perangkat nirkabel seperti radio, ponsel atau PDA. Aplikasi mobile dapat membantu pengguna untuk lebih mudah mengakses layanan internet dalam menggunakan perangkat mobile mereka (Ma et al., 2014).
2.4 Telekomunikasi
Telekomunikasi merupakan pertukaran informasi dalam bentuk apapun baik itu suara, teks, gambar, data, suara, atau video melalui jaringan dari satu tempat ke tempat yang lain, sedangkan jaringan adalah sistem yang berhubungan dengan komunikasi antara dua manusia atau mesin. Definisi lain dari jaringan adalah sistem yang saling berhubungan dengan sistem lain yang bekerja sama untuk mencapai tujuan bersama. Fungsi jaringan adalah untuk berbagi sumber
daya dan berkomunikasi secara elektronik. Sebuah jaringan biasanya terdiri dari 2 atau lebih komputer yang terhubung satu sama lain.
Ada dua macam teknologi mobile atau komunikasi seluler, yaitu GSM dan CDMA. Saat ini lebih banyak pelanggan yang menggunakan teknologi GSM daripada pengguna CDMA karena GSM diperkenalkan lebih dulu, yaitu sekitar awal tahun 1990-an. Teknologi telekomunikasi yang paling populer dan berkembang pesat saat ini adalah seluler. Pada tahun 1978, teknologi seluler masih diuji coba di Amerika Serikat, namun saat ini jutaan orang sudah menggunakan perangkat telekomunikasi seluler seperti telepon seluler, PDA dan sebagainya. Selain komunikasi suara, penggunaan jaringan selular telah meluas ke bentuk komunikasi data seperti video, gambar, animasi dan teks. Pada dasarnya teknologi seluler merupakan hasil dari perkembangan teknologi radio yang digabungkan dengan teknologi telepon. Dari gabungan tersebut dihasilkan teknologi telekomunikasi seluler dengan perangkatnya yang bersifat wireless (tanpa kabel), portable (mudah dibawa) dan mobile (dapat dibawa berpindah tempat).
2.5 MySmartfren
MySmartfren merupakan sebuah aplikasi yang dikeluarkan oleh salah satu perusahaan penyedia layanan telekomunikasi yaitu PT. Smartfren Telecom Tbk. Kehadiran aplikasi MySmartfren dinilai mampu untuk memberikan kemudahan bagi penggunanya. Aplikasi ini memiliki tiga fungsi utama, di antaranya:
1. Memberikan kemudahan dalam melakukan pemeriksaan kuota internet dan pulsa.
2. Memudahkan pengguna dalam melakukan pembelian pulsa dan internet. 3. Memberikan reward berupa poin yang bisa ditukarkan dengan beberapa
pembelian layanan.
MySmartfren saat ini selain digunakan untuk mengecek pulsa dan paket internet, aplikasi ini juga menyediakan fitur untuk mengganti nomor. Aplikasi ini dapat di unduh melalui Google Playstore untuk pengguna Android, dan AppStore untuk pengguna iOS. Ada beberapa fitur utama di dalam aplikasi MySmartfren, antara lain sebagai berikut:
1. Home
Pada fitur ini pengguna dapat melihat berbagai informasi lengkap yang terdiri dari nomor Smartfren, informasi sisa paket kuota, pulsa, serta batas tenggang yang dimiliki masing-masing paket. Pada fitur ini juga terdapat menu More Information yang berisi informasi sisa kuota yang lebih lengkap, seperti sisa kuota malam, dan sisa paket SMS.
2. Package
Pada fitur ini menyediakan berbagai pilihan paket internet dari Smartfren yang dapat pengguna pilih sesuai kebutuhannya. Pada fitur ini pengguna juga dapat melakukan pembelian tambahan kuota internet, telepon, maupun SMS.
Pada fitur ini berisikan informasi dan layanan yang sifatnya mendasar, seperti:
a. Isi pulsa menggunakan kode voucher. b. Bayar via kartu kredit.
c. Informasi bonus yang dimiliki. d. Riwayat pembayaran.
e. Riwayat pembelian yang pernah dilakukan.
f. dan fitur standar seperti call forwarding, call waiting, long SMS dan SMS forwarding.
4. Content
Menu ini berisi promosi dan beragam layanan terbaru yang ditawarkan Smartfren.
2.6 UTAUT
UTAUT adalah model yang diusulkan oleh Venkatesh pada tahun 2003 dalam meneliti niat dan perilaku pengguna dalam penggunaan teknologi. Menurut Venkatesh dalam Jati & Laksito (2012), model UTAUT merupakan model penerimaan teknologi yang dikembangkan dari delapan model penerimaan teknologi lainnya yang digabungkan satu sama lain. Delapan model tersebut terdiri dari TRA (Theory of Reasoned Action), TAM (Technology Acceptance Model), TPB (Theory of Planned Behavior), C-TAM-TPB (Combined TAM and TPB), MM (Motivational Model), IDT (Innovation Diffusion Theory), SCT (Social Cognitive Theory) dan MPCU (Model of PC Utilization).
Menurut Shin dalam Handayani & Sudiana (2015), alasan pengembangan model UTAUT adalah karena adanya keterbatasan dalam model TAM, dimana TAM adalah model yang paling sering digunakan dari kedelapan model yang digunakan dalam pengembangan UTAUT. Keterbatasan yang ada pada model TAM adalah karena adanya kekurangan pada model TAM yaitu tidak
mempertimbangkan satu faktor penting yaitu pengaruh sosial dari penggunaan dan pemanfaatan teknologi baru. TAM juga tidak mempertimbangkan hambatan yang menghalangi seseorang untuk menggunakan sistem tertentu yang dia ingin gunakan.
Gambar 2.1 Model Penelitian UTAUT (Venkatesh et al., 2003)
Menurut Venkatesh et.al dalam Handayani & Sudiana (2015), model UTAUT terbukti lebih berhasil daripada delapan teori lainnya yang menjelaskan hingga 70 persen varian pengguna. Setelah mengevaluasi kedelapan model,
Venkatesh, dkk. menemukan tujuh konstruksi yang tampaknya menjadi penentu langsung yang signifikan dari niat perilaku atau perilaku penggunaan dalam satu atau lebih dari setiap model. Konstruk tersebut terdiri dari performance expectancy, effort expectancy, social influence, facilitating conditions, attitude toward using technology, dan self-efficacy. Setelah dilakukan pengujian lebih lanjut, hasil pengujian menemukan bahwa dari tujuh konstruk yang ada, empat konstruk utama berperan penting sebagai determinan langsung dari behavioral intention dan use behavior yaitu, performance expectancy, effort expectancy, social influence, dan facilitating conditions. Sedangkan konstruk yang lain tidak signifikan sebagai determinan langsung dari behavioral intention. Selain itu juga ada empat moderator yang terdiri dari gender, age, voluntariness, dan experience yang diposisikan untuk memoderasi dampak dari empat konstruk utama pada behavioral intention dan use behavior. Menurut Winduwiratsoko (2018), keunggulan model UTAUT dibandingkan dengan model penelitian sebelumnya terletak pada jangkauan variabel yang ada. Hal ini terjadi karena UTAUT sendiri mengabungkan variabel-variabel pada model sebelumnya menjadi satu konsep utama yang mempresentasikan masing-masing model sebelumnya. Sehingga melalui model UTAUT, reaksi dan persepsi seseorang terhadap teknologi dapat lebih dipahami.
Perkembangan teknologi yang semakin pesat menjadi salah satu alasan perlunya pengembangan model UTAUT yang baru. Hasil pengembangan model UTAUT dinamakan model UTAUT 2 yang terdiri dari tiga konstruk tambahan yaitu Hedonic Motivation, Price Value dan Habit memperluas UTAUT ke
UTAUT 2 (Pertiwi & Ariyanto 2017). Model UTAUT 2 mempelajari penerimaan dan penggunaan dari suatu teknologi dalam konteks konsumen (Venkatesh et al., 2012). Tujuan dari model UTAUT 2 adalah untuk mengidentifikasi tiga konstruk penting dari penelitian penerimaan dan penggunaan teknologi baik untuk masyarakat umum maupun konsumen, mengubah beberapa hubungan yang sudah ada dalam konsep model UTAUT, dan memperkenalkan hubungan baru (Venkatesh et al., 2012).
Gambar 2.2 Model Penelitian UTAUT 2 (Venkatesh et al., 2012)
Berikut ini merupakan penjelasan dari masing-masing variabel yang terdapat dalam model UTAUT menurut Venkatesh et al. dalam Rivai (2014):
Venkatesh et al. mendefinisikan ekspektasi kinerja (perfomance expectancy) sebagai tingkat dimana seseorang percaya bahwa menggunakan sistem akan membantu orang tersebut memperoleh manfaat kinerja pada pekerjaan mereka (Jati & Laksito, 2012). Terdapat kombinasi faktor-faktor yang diperoleh dari penelitian sebelumnya tentang penerimaan dan penggunaan teknologi. Adapun faktor tersebut adalah:
a. Persepsi Terhadap Kegunaan (perceived usefulness)
Persepsi terhadap kegunaan (perceived usefulness) didefinisikan sebagai sejauh mana seseorang percaya bahwa menggunakan suatu sistem tertentu akan meningkatkan kinerjanya. Faktor penelitian ini terdapat pada penelitian Davis, et al. (1989) dan ada pada model TAM.
b. Motivasi Ekstrinsik (extrinsic motivation)
Motivasi ekstrinsik (extrinsic motivation) didefinisikan sebagai persepsi bahwa pengguna ingin melakukan suatu aktivitas karena dianggap sebagai alat untuk mencapai hasil yang berharga yang berbeda dari aktivitas itu sendiri, seperti prestasi kerja, pembayaran, dan promosi. Faktor penelitian ini ditemukan dalam penelitian Davis et al. (1992) dan ada dalam model MM.
c. Kesesuaian Pekerjaan (job fit)
Kesesuaian pekerjaan (job fit) diartikan sebagai bagaimana kapabilitas suatu sistem meningkatkan kinerja pekerjaan individu.
Faktor penelitian ini ditemukan dalam penelitian Davis et al. (1992) dan ada dalam model MM.
d. Keuntungan Relatif (relative advantage)
Keuntungan relatif (relative advantage) didefinisikan sebagai sejauh mana menggunakan inovasi dianggap lebih baik daripada menggunakan pendahulunya. Faktor penelitian ini ditemukan dalam penelitian Moore dan Benbasat (1991) dan ada dalam model IDT.
e. Ekspektasi Hasil (outcome expectations)
Ekspektasi hasil (outcome expectations) berhubungan dengan konsekuensi perilaku. Berdasarkan bukti empiris, mereka dipisahkan menjadi ekspektasi-ekspektasi kinerja (perfomance expectations) dan ekpektasi-ekspektasi personal (personal expectations). Faktor penelitian ini ditemukan dalam penelitian Compeau & Higgins (1995) dan Compeau et al. (1999).
Menurut Davis dalam Rivai (2014), mendefinisikan kemanfaatan (usefulness) sebagai tingkatan dimana seseorang percaya bahwa penggunaan suatu subyek tertentu dapat meningkatkan prestasi kerja seseorang. Dari beberapa penjelasan yang telah disampaikan di atas, dapat disimpulkan bahwa seseorang percaya dan merasa bahwa menggunakan suatu teknologi informasi akan sangat bermanfaat dan dapat meningkatkan kinerja dan prestasi kerja.
2. Ekspektasi Usaha (Effort Expectancy)
Ekspektasi usaha (effort expectancy) merupakan tingkat kemudahan dalam menggunakan sistem yang diharapkan dapat mengurangi upaya (tenaga dan waktu) seseorang dalam melakukan suatu pekerjaan. Faktor tersebut dirumuskan berdasarkan 3 konstruk pada teori sebelumnya yaitu persepsi kemudahan penggunaan (perceived easy of use-PEOU) dari model TAM, kompleksitas dari model of PC utilitazation (MPCU), dan kemudahan penggunaan dari teori difusi inovasi (IDT).
Menurut Venkatesh et al. dalam Rivai (2014), mengidentifikasikan bahwa kemudahan pemakaian mempunyai pengaruh terhadap penggunaan teknologi informasi. Kemudahan penggunaan teknologi informasi akan menimbulkan perasaan dalam diri seseorang bahwa sistem memiliki kegunaan dan oleh karena itu dapat menimbulkan perasaan nyaman saat bekerja dengannnya. Kompleksitas yang dapat membentuk konstruk ekspektasi usaha yang didefinisikan oleh Venkatesh tahun 2003 adalah sejauh mana inovasi diartikan sebagai sesuatu yang relatif sulit untuk didefinisikan dan digunakan oleh individu.
3. Faktor Sosial (Social Influence)
Faktor sosial didefinisikan sebagai sejauh mana seseorang mengasumsikan bahwa orang lain meyakinkan dirinya bahwa dia harus menggunakan sistem baru. Ada tiga varietas luas dari faktor sosial, yaitu:
a. Kepatuhan adalah ketika orang tampak setuju dengan orang lain, tetapi sebenarnya masih tidak setuju dan cocok dengan pendapat pribadinya.
b. Identifikasi adalah ketika orang dipengaruhi oleh seseorang yang mereka sukai dan hormati, seperti selebriti terkenal.
c. Internalisasi adalah ketika orang menerima kepercayaan atau perilaku dan menyetujui baik umum maupun pribadi.
Dalam konsep ini terdapat kombinasi faktor-faktor yang diperoleh dari teori penelitian sebelumnya tentang penerimaan dan penggunaan teknologi. Adapun faktor tersebut adalah:
a. Norma subyektif (subjective norms)
Norma subjektif adalah persepsi seseorang bahwa kebanyakan orang yang penting menurutnya harus atau tidak boleh melakukan perilaku yang bersangkutan.
b. Faktor-faktor sosial (social factors)
Faktor-faktor sosial adalah internalisasi individu terhadap referensi budaya subyektif kelompok, kesepakatan khusus yang dibuat individu dengan orang lain, dalam situasi sosial tertentu.
c. Gambaran (image)
gambaran merupakan tingkat penggunaan inovasi yang dianggap dapat meningkatkan citra atau status seseorang dalam sistem sosial seseorang.
Menurut Venkatesh dalam Jati & Laksito (2012), faktor sosial adalah determinan dari tujuan perilaku dalam menggunakan teknologi informasi yang direpresentasikan sebagai norma subyektif dalam TRA, TAM, TPB, faktor sosial dalam MPCU, dan gambaran dalam teori difusi inovasi (IDT). Dalam lingkungan tertentu, penggunaan teknologi informasi akan meningkatkan status (image) seseorang di dalam sistem sosial.
Pengaruh sosial dapat mempengaruhi perilaku individu melalui tiga mekanisme, yaitu kepatuhan (compliance), internalisasi (internalization), dan identifikasi (identification). Dapat disimpulkan bahwa semakin besar pengaruh suatu lingkungan terhadap calon pengguna teknologi informasi untuk menggunakan suatu teknologi informasi baru, maka semakin besar pula minat yang muncul dari personal calon pengguna tersebut dalam menggunakan teknologi informasi tersebut karena pengaruh lingkungan sekitarnya yang kuat.
4. Kondisi Yang Memfasilitasi (Facilitating Conditions)
Menurut Venkatesh dalam Suprapto (2016), kondisi yang memfasilitasi penggunaan teknologi informasi adalah sejauh mana seseorang percaya bahwa infrastruktur organisasi dan teknis untuk mendukung penggunaan sistem tersebut. Teori sikap dan perilaku (Theory Of Attitude and Behavior) dari Triandis dalam Jati & Laksito (2012) menyatakan bahwa penggunaan teknologi informasi oleh pekerja dipengaruhi oleh perasaan individu (affect) terhadap penggunaan komputer pribadi, normal sosial
(social norms) dalam tempat kerja yang memperhatikan penggunaan komputer pribadi, kebiasaan (habit) yang berkaitan dengan penggunaan komputer, konsekuensi yang diharapkan individu (consequencies) dari penggunaan komputer pribadi, dan kondisi yang memfasilitasi (facilitating conditions) dalam penggunaan teknologi informasi.
Penelitian oleh Thompson et al. yang mengadopsi sebagian dari teori yang dikemukakan oleh Triandis menemukan bahwa tidak ada hubungan antara kondisi yang memudahkan pengguna dengan penggunaan teknologi informasi. Dalam konsep ini terdapat kombinasi faktor-faktor yang diperoleh dari teori-teori penelitian sebelumnya tentang penerimaan dan penggunaan teknologi. Adapun faktor tersebut adalah:
a. Kontrol perilaku persepsian (perceived behavioral control)
Kontrol perilaku yang dirasakan mencerminkan persepsi kendala internal dan eksternal pada perilaku dan mencakup selfficacy, kondisi fasilitasi sumber daya, dan kondisi yang memfasilitasi teknologi.
b. Kondisi-kondisi yang memfasilitasi (facilitating conditions)
Kondisi-kondisi yang memfasilitasi merupakan faktor obyektif dalam lingkungan dimana peneliti merasa mudah untuk mengambil suatu tindakan, termasuk penyediaan dukungan komputer.
c. Kompatibilitas (compatibility).
Kompatibilitas adalah sejauh mana inovasi dianggap konsisten dengan nilai, kebutuhan, dan pengalaman pengadopsi potensial.
5. Minat Pemanfaatan (Behavioral Intention)
Menurut Venkatesh et al. dalam Jati & Laksito (2012), minat pemanfaatan teknologi informasi (behavioral intention) diartikan sebagai tingkat keinginan atau niat pengguna untuk menggunakan sistem secara terus menerus dengan asumsi bahwa mereka memiliki akses terhadap informasi. Seseorang akan tertarik untuk menggunakan suatu teknologi informasi baru jika pengguna yakin bahwa dengan menggunakan teknologi informasi ini akan meningkatkan kinerjanya, penggunaan teknologi informasi dapat dilakukan dengan mudah, dan pengguna mendapatkan pengaruh lingkungan sekitarnya dalam menggunakan teknologi informasi tersebut.
6. Perilaku Penggunaan (Use Behavior)
Perilaku penggunaan teknologi informasi (use behavior) diartikan sebagai intensitas atau frekuensi pengguna dalam menggunakan suatu teknologi informasi. Menurut Triandis dalam Jati & Laksito (2012), mengemukakan bahwa perilaku seseorang merupakan ekspresi dari keinginan atau minat seseorang (intention), dimana keinginan tersebut dipengaruhi oleh faktor sosial, perasaan (affect) dan konsekuensi yang dirasakan (perceived consequences).
2.7 Populasi dan Sampel
Menurut Sudjana dalam Heridiansyah (2012), populasi merupakan kumpulan yang lengkap dari seluruh elemen yang sejenis dan dapat dibedakan menjadi obyek penelitian. Menurut Margono dalam Saputra & Riyadi (2019), populasi merupakan seluruh data yang menjadi pusat perhatian seorang peneliti dalam ruang lingkup & waktu yang telah ditentukan. Populasi berkaitan dengan data-data. Jika setiap manusia memberikan suatu data, maka ukuran atau banyaknya populasi akan sama dengan banyaknya manusia. Jenis populasi terbagi dua, yaitu:
1. Populasi finit, adalah jumlah individu yang dapat dihitung jumlahnya. 2. Populasi infinit, adalah jumlah individu tidak terhingga atau tidak
diketahui berapa jumlahnya.
Sedangkan sampel adalah kumpulan data, yang hanya diambil sebagian dari populasi dan digunakan untuk menetukan karakteristik yang diinginkan dari suatu populasi.
2.7.1 Teknik Pengambilan Sampel
Menurut Siregar (2013), pengambilan sampel dari suatu populasi dapat dibedakan menjadi dua kategori teknik pengambilan sampel, seperti yang terdapat dalam Gambar 2.3.
Kategori Sampling
Probability Sampling Nonprobabilty Sampling
1. Simple Random Sampling 2. Stratified Sampling
1. Convience Sampling 2. Purposive Sampling
Gambar 2.3 Kategori Sampel
a.
Probability SamplingMerupakan teknik pengambilan sampel dimana setiap anggota populasi memiliki kesempatan yang sama untuk terpilih sebagai sampel.
1. Sampel Random Sederhana (Simple random sampling)
Simple random sampling merupakan teknik pengambilan sampel yang memberikan kesempatan yang sama bagi setiap anggota dalam suatu populasi untuk dijadikan sampel.
2. Strata sampel (stratified sampling)
Stratified sampling merupakan teknik pengambilan sampel dengan populasi yang memiliki tingkatan (strata) dimana setiap tingkatan memiliki ciri khas tersendiri. Karena jumlah populasi di setiap tingkatan tidak sama, maka dalam pelaksanaanya terbagi menjadi dua jenis, yaitu:
a. Proporsional, jumlah sampel yang diambil dari setiap tingkatan sebanding, sesuai dengan proporsi ukurannya.
b. Disproporsional, jumlah sampel yang diambil dari setiap tingkatan jumlahnya sama tidak sebanding dengan jumlah populasi dengan proporsi sampel di setiap tingkatan.
3. Cluster sampling
Cluster sampling merupakan suatu teknik pengambilan sampel. Populasi terlebih dahulu dibagi ke dalam kelompok berdasarkan wilayah atau cluster, kemudian beberapa cluster dipilih sebagai sampel dari cluster tersebut yang dapat diambil secara keseluruhan atau sebagian untuk dijadikan sampel. Anggota populasi di masing-masing cluster tidak perlu homogen. Sampel dipilih dari dua kombinasi antara stratified sampling dan cluster sampling.
4. Sampel ganda (double sampling)
Double sampling merupakan teknik pengambilan sampel berdasarkan dari informasi yang telah diperoleh pada fase pertama yang akan digunakan untuk informasi tambahan yang akurat untuk fase berikutnya. Pengambil sampel ini biasa disebut dengan sequential sampling (sampel berjenjang) atau multiphase-sampling (sampel multi tahap).
b. Non Probability Sampling
Non probability Sampling adalah teknik pengambillan sampel dimana setiap unsur yang terdapat dalam populasi tidak mempunyai kesempatan
yang sama untuk dipilih sebagai sampel, bahkan tidak diketahui probabilitas anggota tertentu untuk dapat terpilih.
c. Convenience sampling
Convenience sampling merupakan teknik pengambilan sampel berdasarkan kebetulan, anggota populasi yang ditemui dan bersedia menjadi responden untuk dijadikan sampel atau peneliti memilih orang yang paling dekat dengan mereka.
d. Purposive sampling
Merupakan teknik pengambilan sampel berdasarkan pada kriteria-kriteria khusus sessuai dengan tujuan penelitian.
e. Quota sampling
Merupakan teknik pengambilan sampel dengan menentukan kuota pada setiap kelompok. Penelitian dianggap selesai jika kuota pada masing-masing kelompok dapat terpenuhi.
f. Snowball sampling
Snowball sampling merupakan teknik pengambilan sampel yang pada awalnya jumlahnya kecil tapi akan semakin banyak dan berhenti sampai informasi yang diperoleh dirasa cukup. Teknik ini baik diterapkan jika calon responden sulit diidentifikasi.
2.7.2 Ukuran Sampel
Menurut Champion dalam dalam Indrawan & Yaniawati (2014), uji statistik akan efektif jika sampel yang digunakan dalam penelitian berjumlah 120
sampai dengan 250. Menurut Hair et al. (2017), penentuan jumlah sampel minimum sebaiknya adalah 10 kali dari jumlah seluruh panah (path) variabel laten pada model jalur atau 10 kali dari jumlah indikator.
Penentuan jumlah sampel juga dikembangkan oleh Roscoe dalam Sugiyono (2013) adalah sebagai berikut:
1. Ukuran sampel yang layak dalam suatu penelitian adalah antara 30 sampai dengan 500.
2. Jika sampel dibagi dengan kategori (misal pria-wanita, karyawan-pelajar, dan lainnya) maka jumlah anggota sampel setiap kategori minimal 30. 3. Jika dalam suatu penelitian akan melakukan analisis dengan multivariate
(korelasi atau regresi berganda) maka jumlah anggota sampel minimal adalah 10 kali dari jumlah variabel yang diteliti.
4. Jika penelitian yang dilakukan merupakan penelitian ekperimen sederhana, maka jumlah anggota sampel masing-masing antara 10 sampai 20.
Selain beberapa teknik penentuan ukuran sampel diatas, ada penentuan jumlah sampel jika populasi yang diketahui terlalu besar sehingga dapat memperkecil jumlah sampel, dan ada penentuan jumlah sampel jika jumlah populasi tidak diketahui. Rumus Slovin merupakan rumus untuk menghitung jumlah sampel minimal jika jumlah populasi sudah diketahui. Rumus Slovin dapat dilihat pada persamaan 1:
Keterangan: = jumlah sampel
N = besar populasi atau jumlah populasi
e = batas toleransi kesalahan (error tolerance).
Menurut Wibisono dalam Riduwan & Akdon (2013), rumus untuk penentuan jumlah sampel jika jumlah populasi dapat dilihat pada persamaan 2:
(
)
Keterangan:
= jumlah sampel = tingkat kepercayaan
= batas toleransi kesalahan (error tolerance) = standar deviasi atau penyimpangan baku 2.8 PLS
Ada dua pemodelan evaluasi di dalam PLS, yaitu model pengukuran (Outer Model) dan model struktural (inner model) (Yamin & Kurniawan, 2011):
a. Evaluasi Pengukuran Model (Outer Model)
Pada pengukuran model, meliputi pemeriksaan individual item reliability, internal consistency atau construct reliability, dan average variance extracted. Ketiga pengukuran tersebut dikelompokkan dalam
convergent validity yang mengukur besarnya korelasi antara konstruk dengan variabel laten dan dilanjutkan dengan dilakukannya pemeriksanaan discriminant validity. Model pengukuran digunakan untuk mengetahui hubungan antara konstruk (variabel) dengan indikatornya (Yamin & Kurniawan, 2011). Pada individual item reliability dapat dilihat dari nilai standardized loading factor. Nilai ini dapat menggambarkan besarnya korelasi antara setiap item pengukuran (indikator) dengan konstruknya. Nilai loading factor dapat dikatakan ideal jika nilainya diatas 0,7 yang artinya indikator dikatakan valid sebagai indikator yang mengukur konstruk. Jika nilai loading factor antara 0,5 – 0,6 dikatakan cukup (Ghozali, 2014), sedangkan untuk indikator dengan angka 0,4 – 0,5 dapat dipertimbangkan jika nilai composite reliability masih pada batas aman dan indikator dapat dihapus jika hal tersebut meningkatkan nilai composite reliability (Hair et al., 2012).
Selanjutnya internal consistency reliability dapat dilihat dari nilai composite reliability. Composite reliability lebih baik dalam mengukur internal consistency daripada cronbach’s alpha dalam model SEM karena composite reliability tidak mengasumsikan boot yang sama untuk setiap indikator. Cronbach’s alpha cenderung mengabaikan construct reliability dibandingkan composite reliability. Nilai minimal yang harus diperoleh adalah 0,7 walaupun nilai 0,6 masih dapat diterima (Abdillah & Mustakini, 2015) . Jika nilai yang diperoleh lebih dari 0,7 artinya dapat diterima dan jika nilai di atas 0,8 dan 0,9 artinya sangat memuaskan (Yamin &
Kurniawan, 2011). Rumus untuk composite reliability (CR) dapat dilihat pada persamaan 3:
CR = (∑λi)2 (∑λi)2 + ∑εi
Pengukuran lain dari convergent validity adalah average variance extracted (AVE). Nilai ini dapat menggambarkan jumlah varian atau keragaman variabel manifes yang dapat dimuat oleh konstruk laten. Nilai AVE minumum 0,5 menunjukan ukuran convergent validity yang baik. Artinya, variabel laten dapat menjelaskan rata-rata lebih dari separuh varian indikator. Nilai ini diperoleh dari jumlah kuadrat loading factor dibagi dengan error. Rumus dari variance extracted (AVE) dapat dilihat pada persamaan 4:
AVE = ∑λi 2 ∑λi 2 + ∑εi
Discriminant validity dapat dinilai dari nilai cross loading, kemudian membandingkan antara nilai AVE dengan kuadrat nilai korelasi antar konstruk. Nilai cross loading adalah perbandingan antara korelasi indikator dengan konstruknya dan konstruk blok lainnya. Bila korelasi antara indikator dengan konstruknya lebih tinggi dari korelasi dengan konstruk blok lainnya, maka konstruk tersebut memprediksi ukuran pada blok mereka dengan lebih baik dari blok lainnya. Ukuran discriminant
validity lainnya adalah bahwa nilai akar AVE harus lebih tinggi daripada korelasi antara konstruk dengan konstruk lainnya atau nilai AVE lebih tinggi dari kuadrat korelasi anatara konstruk.
b. Evaluasi Struktural Model (Inner Model)
Pengukuran model struktural dilakukan untuk menggambarkan model yang berhubungan antara variabel laten yang dibentuk (Yamin & Kurniawan, 2011). Ada beberapa tahapan dalam melakukan evaluasi dalam model ini. Pada tahap pertama dengan melihat signifikansi hubungan antara konstruk yang dapat dilihat dari nilai koefisien jalur (path coefficient) yang menggambarkan kekuatan hubungan antara konstruk. Pada pengukuran ini dapat dinyatakan bahwa jalur (path) yang dimaksud mempunyai pengaruh di dalam model jika memiliki nilai ambang batas di atas 0,1.
Tahap selanjutnya adalah dengan mengevaluasi nilai R² (coefficient of determination) yang digunakan untuk menjelaskan varian dari setiap target endogenous variabel dengan standar pengukuran sekitar 0,67 sebagai substansial, sekitar 0,33 moderat dan 0,19 menunjukan tingkat varian yang lemah. Tahap ketiga adalah dengan melihat nilai t-test dengan metode boostrapping menggunakan uji two-tailed dengan tingkat signifikansi 5% untuk menguji hipotesis penelitian. Hipotesis penelitian yang dibuat dapat diterima jika nilai t-test yang dihasilkan lebih besar dari 1,96. Tahap keempat yaitu pengujian f² (effect size) yang dilakukan untuk
memperkirakan pengaruh antara suatu variabel terhadap variabel lainnya. Pada pengujian ini memiliki nilai ambang batas 0,02 untuk pengaruh yang kecil, 0,15 untuk pengaruh menengah dan 0,35 memiliki pengaruh yang besar. Untuk menghitung f² dapat menggunakan rumus yang dapat dilihat pada persamaan 5:
Keterangan:
R² include = Nilai R2 yang diperoleh ketika konstruk eksogen dimasukkan ke model.
R² exclude = Nilai R2 yang diperoleh ketika konstruk eksogen dikeluarkan dari model.
Tahap selanjutnya yaitu pengujian Q2 (predictive relevance) menggunakan metode blindfolding untuk dapat memberikan bukti bahwa variabel tertentu yang digunakan dalam suatu model yang dibuat memiliki keterkaitan prediktif (predictive relevance) dengan variabel lainnya. Nilai Q2 menunjukkan bahwa model memiliki nilai predictive relevance jika nilai ambang batas pengukuran di atas nol. Tahap keenam adalah pengujian q² (Relative Impact) dengan menggunakan metode blindfolding juga untuk dapat mengukur relatif pengaruh sebuah keterkaitan antara prediktif sebuah variabel tertentu dengan variabel lainnya. Nilai q² memiliki nilai ambang batas sebesar 0,02 untuk pengaruh kecil, 0,15 untuk
pengaruh sedang, dan 0,35 memiliki pengaruh besar. Rumus yang digunakan dalam perhitungan q² dapat dilihat pada persamaan 6:
Keterangan:
Q² include = Nilai R2 yang diperoleh ketika konstruk eksogen dimasukkan ke model.
Q² exclude = Nilai R2 yang diperoleh ketika konstruk eksogen dikeluarkan dari model.
Dapat disimpulkan bahwa PLS-SEM merupakan salah satu metode yang digunakan untuk mengelola SEM. Tujuannya adalah untuk mengukur ada tidaknya suatu hubungan antar variabel dan untuk mengetahui nilai dari hubungan tersebut.
2.9 SEM
Menurut Hussein (2015), metode regresi masih memiliki beberapa kelemahan. Oleh karena itu, untuk menutup kelemahan yang ada pada metode regresi digunakanlah metode SEM. SEM dikelompokkan menjadi dua pendekatan, yaitu Covariance Based SEM (CBSEM) dan Variance Based SEM atau lebih dikenal dengan Partial Least Square (PLS). Untuk melakukan analisa dengan menggunakan CBSEM maka software yang sering digunakan adalah
