Fakultas Ilmu Komputer
1708
Perbandingan Usabilitas Aplikasi
Taxi Online
Android (Grab-car dan
Uber) Menggunakan
Unified Theory of Acceptance and Use of Technology
(UTAUT)
Heru Utomo
1,Eriq Muh. Adams Jonemaro
2,Mahardeka Tri Ananta
3 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1utomo.heruutomo.heru@gmail.com
, 2eriq.adams@ub.ac.id,
3deka@ub.ac.id
Abstrak
Taxi Online Android (Grab-car dan Uber) merupakan layanan jasa transportasi roda empat berbasis online yang dikendalikan dengan aplikasi mobile android. Maraknya penggunaan aplikasi Taxi Online membuktikan bahwa konsumen terbiasa menggunakan jasa ini sehari-hari. Penelitian ini memberikan perbandingan usabilitas Taxi Online android menggunakan unifiied theory of acceptance and use of technology (UTAUT). Perbandingan akan didapatkan dari empat pendekatan pada model UTAUT. Hasil pendekatan berdasarkan performance expectancy yang terbaik didapatkan oleh Grab-car dengan nilai puas, pendekatan berdasarkan Effort Expectancy yang terbaik didapatkan oleh Uber dengan nilai puas, pendekatan berdasarkan Social Influence yang terbaik didapatkan oleh Grab-car dengan nilai puas, dan pendekatan berdasarkan facilitating conditions yang terbaik didapatkan oleh Uber dengan nilai sangat puas.
Kata kunci: Taxi Online, Android, Usabilitas, Acceptance, UTAUT
Abstract
Online Taxi Android (Grab-car and Uber) is an online-based online transportation service controlled with android mobile applications. The rise of the use of online taxi applications proves that consumers are accustomed to using these services everyday. This study provides a comparison of online taxpayer usability using the unifiied theory of acceptance and use of technology (UTAUT). Comparison will be obtained from four approaches on the UTAUT model. The best performance expectancy based approach is obtained by Grab-car with satisfied value, the best Effort Expectancy approach is obtained by Uber with satisfied value, the best social impact based approach is obtained by Grab-car with satisfied value, and approach based on facilitating conditions. Best earned by Grab-car with very satisfied value.
Keywords: Online Taxi, Android, Usability, Acceptance, UTAUT
1. PENDAHULUAN
Maraknya dewasa ini perkembangan teknologi memiliki macam aplikasi yang diterapkan pada kehidupan sehari-hari. Aplikasi berbasis android yang menyediakan jasa transportasi online sudah banyak beroperasi di indonesia. Taxi Online menjadi banyak diperbincangkan dalam masyarakat indonesia serta memiliki peraturan menteri perhubungan yang diresmikan pada 1 April 2017 sesuai Peraturan Menteri Perhubungan No. 32 Tahun 2016. Beberapa Taxi Online yang bergerak di indonesia yaitu Grab, Uber, Gojek dan lainnya.
Metode UTAUT merupakan teori usabilitas yang dilakukan dengan meliputi
pengukuran melalui beberapa pendekatan guna membuat tolak ukur perancangan dan kegunaan perangkat lunak. Beberapa model teori usabilitas yang lain yaitu diantaranya TRA, TAM, MM, TPB, kombinasi TAM dan TPB (C-TAM-TPB), MPCU, IDT dan SCT (Venkatesh, 2003).
dengan harapan dalam kinerja, harapan terhadap usaha yang dilakukan (Effort Expectancy) yang berarti pengukuran kesenangan pengguna dalam menggunakan Taxi Online tersebut, pengaruh sosial (Social Influence) yang berarti dimana seseorang merasa penting melihat beberapa orang menggunakan aplikasi tersebut, dan serta kondisi fasilitas yang mendukung pada aplikasi online tersebut (Facilitating Condition) yang berarti seseorang percaya organisasi dan teknikal struktur mendukung dalam penggunaan aplikasi Taxi Online tersebut.
2. STUDI PUSTAKA 2.1. Android
Android adalah sistem operasi berbasis Linux yang dirancang untuk perangkat bergerak layar sentuh seperti telepon pintar dan komputer tablet. Android awalnya dikembangkan oleh Android, Inc., dengan dukungan finansial dari Google, yang kemudian membelinya pada tahun 2005 (Wikipedia, 2012). Android adalah sistem operasi yang bersifat open source dan kode-kodenya dirilis dibawah Lisensi Apache sehingga dapat dimodifikasi bebas dan didistribusikan oleh para pembuat perangkat aplikasi dan developer. (Shankland, 2007). Berikut data penjualan global smartphone untuk end-user dari kuartal 1 2009 s.d kuartal 1 tahun 2016, diperoleh data pada info grafis di bawah ini :
Gambar 1. Total Jumlah Pengguna Smartphone Seluruh Dunia (ETStudios, 2016).
Berdasarkan Gambar 1 data diatas menunjukkan jumlah pengguna atau penjualan smartphone berbasis Android pada tiap tahun mulai kuartal 1 tahun 2009 sampai pada kuartal 4 tahun 2014 mengalami banyak peningkatan penjualan dan mengalami penurunan penjualan/penggunaan pada kuartal 1 tahun 2015. Pada kuartal 4 tahun 2015 penjualan mulai kembali meningkat dan menjadi penjualan smartphone android tertinggi dengan jumlah kurang lebih 330 juta unit. Kemudian
pada kuartal 1 tahun 2016 menunjukkan penurunan penjualan menjadi kurang lebih 300 juta unit.
2.2. Uber
Uber merupakan perusahaan jasa angkutan penumpang roda empat dengan menggunakan perangkat mobile aplikasi Taxi Online guna untuk melakukan pemesanan antar jemput penumpang dari tempat yang telah ditentukan pengguna dan diantar sesuai tujuan pesanan pada aplikasi Taxi Online mobile tersebut.
Aplikasi Taxi Online Uber dalam
penggunaannya dikendalikan dengan GPS sebagai alat bantu map atau peta lokasi.
Perusahaan Uber didirikan duet Travis Kalanick dan Garett Camp. Layanan Uber pun lahir di San Francisco pada tahun 2010. Saat ini Uber beroperasi di banyak negara, termasuk Indonesia.
2.3. Grab
Grabmerupakan perusahaan jasa angkutan penumpang roda empat dengan menggunakan perangkat mobile aplikasi Taxi Online guna untuk melakukan pemesanan antar jemput penumpang dari tempat yang telah ditentukan pengguna dan diantar sesuai tujuan pesanan pada aplikasi Taxi Online mobile tersebut. Aplikasi Taxi Online Grab-car dalam penggunaannya dikendalikan dengan GPS sebagai alat bantu map atau peta lokasi.
Perusahaan Grab didirikan oleh Anthony Tan sebagai CEO sekaligus Founder dari Grab. Grab berdiri pada tahun 2012 dan terus berkembang hingga sekarang. Saat ini Grab berkembang dikawasan Asia tenggara, termasuk Indonesia.
2.4. Usability Evaluation
kepuasan penggunaan dalam konteks tertentu. Seperti pengguna, tugas, peralatan (hardware, software dan material) (Scholtz, 2002).
Berdasarkan definisi tersebut usability diukur berdasarkan komponen (ISO 9241:11, 1998):
a. Kemudahan (learnability) diartikan sebagai tingkat kecepatan user dalam menggunakan sistem dan kemudahan dalam menjalankan sesuatu serta kemudahan bagi pengguna untuk mendapatkan apa yang mereka inginkan. b. Efisiensi (efficiency) diartikan dengan
sumber daya yang dikeluarkan untuk mencapai ketepatan dan kelengkapan tujuan
c. Mudah diingat (memorability) diartikan
dengan kemampuan pengguna
mempertahankan pengetahuannya setelah jangka waktu tertentu, kemampuan mengingat ini didapatkan dari peletakkan menu yang selalu tetap.
d. Kesalahan dan keamanan (errors) diartikan sebagai banyaknya kesalahan-kesalahan yang dibuat oleh pengguna, yang mencakup ketidaksesuian apa yang pengguna pikirkan dengan apa yang sebenarnya disajikan oleh sistem.
e. kepuasan (satisfaction) didefinisikan sebagai tingkat kebebasan dari ketidaknyamanan dan sikap positif terhadap penggunaan produk atau ukuran subjektif sebagaimana pengguna merasa tentang penggunaan sistem.
2.5. Unified Theory of Acceptance and Use of Technology (UTAUT) Model
UTAUT merupakan salah satu teori model penerimaan teknologi yang relatif masih baru yang dikembangkan oleh Venkatesh, dkk. Teori UTAUT ini menggabungkan beberapa fitur yang berhasil dari delapan teori penerimaan teknologi yang terkemuka menjadi satu teori. Kedelapan teori terkemuka tersebut adalah Theory of Reasoned Action (TRA), Technology Acceptance Model (TAM), Motivation Model (MM), Theory OF Planned Behaviour (TPB), Combined TAM and TPB, Model of PC Utilization (MPTU), Innovation Diffusion Theory (IDT) dan Social Cognativetheory (SCT). UTAUT terbukti mampu menjelaskan hingga 70 persen varian pengguna dibandingkan kedelapan teori diatas (Nasir, 2013).
Setelah mengevaluasi kedelapan model
tersebut, Vankatesh, dkk menemukan tujuh konstruk yang signifikan menjadi determinan terhadap behavior intention dalam satu atau lebih di masing-masing model. Konstruk-konstruk tersebut diantaranya adalah Performancy Expectancy, Effort Expectancy, Social Influence, Facilitating Conditions, Attitude Toward Using Technology dan Self Efficacy. Konsep UTAUT dapat dilihat pada Gambar 2:
Gambar 2. Model Penelitian UTAUT (Vankatesh, 2003)
Berdasarkan Gambar 2 Setelah melalui pengujian lebih lanjut mereka menemukan empat konstruk utama yang memainkan peranan penting sebagai determinan langsung dari behavioral intention dan usebehavior yaitu Performance Expectancy, Effort Expectancy, Social Influence dan Facilitating Conditions. Sedangkan konstruk lain secara signifikan tidak menjadi determinan langsung dari behavioral intention. Disamping itu terdapat pula empat moderator seperti age, voluntariness, gender dan experience yang diposisikan untuk memoderisasi dampak dari empat konstruk utama pada behavior intention dan usebehavior (Vankatesh, 2003).
2.5.1. Performance Expectancy
Usefulness dan Job-fit(Thompson, et al, 1991), Usefulness dan Relative Advantage (Davis, et al, 1989; Moore dan Bensabat, 1991; Plouffe, et al, 2001), Usefulness dan Outcome Expectation (Compeau dan Higgins, 1995; Plouffe, et al, 2001) serta Job-fit dan Outcome Expectation (Compeau dan Higgins, 1995).
2.5.2. Effort Expectancy
Effort Expectancy (EP) merupakan derajat kemudahan yang berhubungan dengan penggunaan sistem atau aplikasi. Tiga konstruk dari model-model yang ada tentang konsep EP adalah: Perceived ease of use (TAM/TAM2), complexity (MPCU) dan ease of use (IDT).
2.5.3. Social Influence
Social Influence (SI) diartikan sebagai derajat dimana tingkat kepercayaan seseorang untuk menggunakan sistem tersebut merupakan suatu hal yang penting sebagai subjective norm pada TRA, TAM2, TPB, C-TAM-TPB, faktor sosial pada MPCU, serta image pada IDT. Thompson et al (1991) menggunakan konsep social norm dalam mendifinisikan konstruknya dan mengakui bahwa ada persamaan antara subjective norm dengan TRA.
2.5.4. Facilitating Conditions
Facilitating condition (FC) diartikan dengan derajat kepercayaan seseorang bahwa terdapat sebuah organisasi dan infrastruktur teknik yang berdiri untuk mendukung penggunaan sistem tersebut. Definisi ini mengambil konsep mirip dengan tiga konstruk yang berbeda yaitu: perceived behavioral control (TPB/DPTB), Facilitating condition (MPCU), serta compability (IDT). Setiap konstruk tersebut dioperasionalkan termasuk aspek dari teknologi dan/atau lingkungan organisasi yang didesain untuk menghapus batasan dengan penggunaan. Taylor dan Todd (1995) mengakui teori saling berkaitan dengan pemodelan pada FC sebagai komponen utama dari perceive behavioral control dalam TPB/DTPB. Compability construct dari IDT menggabungkan item yang cocok antara gaya bekerja seseorang dan penggunaan sistem dalam organisasi.
2.6. Skala Likert
Skala likert diambil dari nama Rensis Likert dan merupakan skala yang psikometrik yang secara umum digunakan dalam penelitian dalam pengisian angket dan digunakan dalam
riset. Dalam peneilitian akan membutuhkan pernyataan dari para responden tentang kegunaan ataupun nilai pada kegunaan sebuah sistem dengan memberikan skala seperti di bawah :
1. Sangat tidak setuju 2. Tidak setuju 3. Kurang setuju 4. Setuju
5. Sangat setuju
Skala yang di atas menunjukkan 5 skala. Pada penelitian lain bisa menggunakan 7 atau bahkan 9 skala tingkat. Selain pilihan dengan lima skala seperti contoh di atas, kadang digunakan juga skala dengan tujuh atau sembilan tingkat. Namun dalam studi penggunaan semua mirip.
Skala likert dapat dijadikan peniliaian terhadap perbandingan pada 2 atau lebih obyek. Hal ini menjadikannya memberikan empat pilihan yaitu :
1. Sangat setuju 2. Setuju 3. Tidak setuju
4. Sangat tidak setuju.
Pada hal ini tidak terdapat pernyataan yang bersifat netral atau tidak berpihak pada manapun (Dawes, 2008).
3. METODOLOGI PENELITIAN
3.1 Tahap Penelitian
Gambar 3. Kerangka Kerja Penelitian
3.2 Penentuan Parameter Evaluasi
digunakan untuk pembuatan kuesioner. Berikut penentuan parameter evaluasi Performance Expectancy pada Tabel 1:
Tabel 1. Parameter Evaluasi Performance Expectancy (Venkatesh, 2003). Performance Expectancy– Harapan Kinerja : Root Construct, Definitions, and Scales
Construct Definition Items
Perceived
menggunakan Taxi Online ini akan meningkatkan performa kerja saya
2. Dengan
menggunakan Taxi Online ini akan meningkatkan keefektifan saya dalam
menyelesaikan pekerjaan 3. Dengan
menggunakan Taxi Online ini akan memudahkan pekerjaan saya 4. Menemukan Taxi
Online ini berguna pada pekerjaan saya
1. Penggunaan Taxi Online mengurangi waktu yang penggunaan Taxi Online dapat
1. Menggunakan Taxi Online ini
memungkinkan saya untuk menyelesaikan tugas dengan lebih cepat
2. Menggunakan Taxi Online
meningkatkan kualitas
pekerjaan/kegiatan yang saya lakukan
Outcome
Jika saya menggunakan Taxi Online
1. Saya akan menghabiskan lebih sedikit waktu untuk mengerjakan tugas rutin 2. Rekan kerja saya
akan menganggap saya kompeten 3. Saya mendapatkan
kesempatan atau keuntungan untuk meningkatkan kenaikan gaji
Berdasarkan Tabel 1 di atas Performance Expectancy memiliki empat construct yaitu Perceived Usefullness, Job Fit, Relative Advantages, dan Outcome Expectations. Kemudian jumlah item pernyataan pada parameter Performance Expectancy sebanyak 12 yang didapat dari 4 konstruk dimillkinya.
Parameter kedua yaitu Effort Expectancy yang berisi construct, definition, items dan skor dapat dilihat pada Tabel 2 Parameter Evaluasi Effort Expectancy seperti Tabel di bawah:
Tabel 2. Parameter Evaluasi Effort Expectancy (Venkatesh, 2003).
Effort Expectancy– Harapan Usaha: Root Construct, Definitions, and Scales
Construct Definition Items Perceived akan mudah bagi saya
2. Interaksi saya dengan Taxi Online akan menjadi jelas dan mudah dimengerti 3. mudah bagi saya
menjadi ahli dalam menggunakan 4. Saya akan
menemukan Taxi Online yang mudah digunakan
1. Menggunakan Taxi Online ini
memakan banyak waktu dari tugas normal
2. Dalam pekerjaan Taxi Online ini sulit untuk memahami apa yang sedang terjadi
3. Menggunakan Taxi Online ini
mekanis (misalnya, masukan data) 4. Butuh waktu lama
untuk belajar menggunakan Taxi Online
1. Interaksi saya dengan Taxi Online ini jelas dan mudah dimengerti 2. Saya percaya
bahwa mudah membuat Taxi Online melakukan apa yang ingin saya lakukan.
3. Secara keseluruhan saya percaya bahwa Taxi Online ini Expectancy memiliki tiga construct yaitu Perceived Ease of Use, Complexity, dan Ease of Use. Kemudian jumlah item pada parameter Effort Expectancy sebanyak 12 yang didapat dari 3 konstruk dimilikinya.
Parameter ketiga yaitu Social Influence yang berisi construct, definition, items dan skor dapat dilihat pada Tabel 3 Parameter Evaluasi Social Influence seperti Tabel di bawah:
Tabel 3. Parameter Evaluasi Social Influence (Venkatesh, 2003).
Social Influence – Pengaruh Sosial : Root Construct, Definitions, and Scales
Construct Definition Items
Subjective tingkah laku saya berpikir bahwa saya harus menggunakan
1. Saya menggunakan Taxi Online karena proporsi rekan kerja yang menggunakan Taxi Online 2. Manajemen Taxi
Online ini sangat membantu dalam penggunaan Taxi
dibuat 3. Pengawas saya
mendukung penggunaan Taxi Online untuk pekerjaan saya 4. Secara umum,
organisasi telah mendukung penggunaan Taxi O Image -
1. Orang-orang di organisasi saya 2. Orang-orang di
organisasi saya
Online adalah simbol status dalam organisasi saya
Berdasarkan Tabel 3 di atas Social Influence memiliki tiga construct yaitu Subjective Norm, Social Factors, dan Image. Kemudian jumlah item pada parameter Social Influence sebanyak 8 yang didapat dari 3 konstruk dimilikinya.
Parameter kempat yaitu Facilitating Conditions yang berisi construct, definition, items dan skor dapat dilihat pada Tabel 4 Parameter Evaluasi Facilitating Conditions seperti Tabel di bawah:
Tabel 4. Parameter Evaluasi Facilitating Conditions (Venkatesh, 2003).
Facilitating Conditions– Kondisi Fasilitas : Root Construct, Definitions, and Scales
Construct Definition Items
Perceived
1. Saya memiliki kontrol atas penggunaan Taxi Online
2. Saya memiliki sumber daya yang diperlukan untuk menggunakan Taxi Online ini 3. Saya memiliki
pengetahuan yang diperlukan untuk menggunakan Taxi Online ini 4. Peluang dan
mudah bagi saya untuk
menggunakan Taxi Online ini 5. Taxi Online ini
tidak kompatibel dengan penggunaan taxi lain
Facilitating Conditions -
Memfasilita si kondisi (Thompson et al. 1991)
Faktor objektif di lingkungan yang menurut pengamat membuat tindakan mudah dilakukan. Termasuk penyediaan dukungan komputer
1. Bimbingan tersedia bagi saya dalam pemilihan Taxi Online
2. Instruksi khusus tentang Taxi Online tersedia bagi saya 3. Orang tertentu (atau
kelompok) tersedia untuk mendapatkan bantuan dalam kesulitan Taxi Online Compatibili
ty - Kompatibili tas (Moore and Benbasat, 1991)
Sejauh mana inovasi dianggap konsisten dengan nilai, kebutuhan, dan pengalaman pengadopsi potensial yang ada
1. Menggunakan Taxi Online ini
kompatibel dengan semua aspek pekerjaan saya 2. Saya pikir
menggunakan Taxi Online ini sangat sesuai dengan cara saya bekerja 3. Menggunakan Taxi
Online ini sesuai dengan gaya kerja saya
Berdasarkan Tabel 4 di atas Facilitating Conditions memiliki tiga construct yaitu Perceived Behavioral Control, Facilitating Conditions, dan Compatibility. Kemudian jumlah item pada parameter Social Influence sebanyak 11 yang didapat dari 3 konstruk dimilikinya.
3.3 Pengumpulan Data dan Perencanaan Evaluasi
Teknik dalam pengumpulan data melalui data Primer yang peneliti peroleh langsung melalui kuisoner dan wawancara yang berasal dari responden untuk dianalisis untuk mendapatkan hasil dan fakta empiris secara statistik serta dijelaskan secara deskriptif berdasar statistik yang diperoleh. Kuisoner merupakan sebuah daftar pernyataan kepada responden guna memperoleh hasil jawaban responden dan kondisi responden dapat terungkap. Wawancara yang dilakukan bertujuan untuk memperoleh data yang lebih valid agar dapat secara menyeluruh mengetahui kondisi responden.
3.3.1 Lokasi Penelitian
Lokasi penelitian ini dilakukan di kota
Malang dan sekitarnya yang dalam kesehariannya masyarakat malang mulai banyak yang menggunakan Taxi Online android serta mengerti tentang kegunaan Taxi Online pada Android.
3.3.2 Sumber Data
Sumber data dalam penelitian ini digunakan untuk mengungkap fakta dan dibuktikan secara empiris dan berhasil sesuai rumusan masalah. Penelitian menggunakan data Primer, yaitu data yang peneliti peroleh dan dikumpulkan langsung dari responden atau sumber pertamanya. Data primer ini dikumpulkan dengan melakukan penyebaran kuesioner kepada masyarakat kota Malang dan sekitarnya.
3.3.3 Populasi dan Sampel
Populasi merupakan semua responden yang nantinya akan menjadi objek penelitian. Berdasar definisi diatas, maka populasi dari penelitian ini adalah masyarakat kota Malang dean sekitarnya. Pengambilan sampel dalam penelitian ini menggunakan sampel acak sederhana. Menurut Jakob Nielsen, apabila dalam pengujian terdapat dua kelompok pengguna, tiga sampai empat pengguna dari masing-masing kategori sudah cukup. Sedangkan, tiga pengguna cukup bagi penelitian apabila pada pengujian terdapat tiga kelompok pengguna atau lebih (Nielsen, 2000). Maka, sampel yang dipilih adalah masyarakat kota Malang sekitarnya sejumlah 8 orang (4 peserta uji bagi masing-masing Taxi Online yang dievaluasi).
3.3.4 Analisis Hasil Pengumpulan Data
Pengujian guna untuk mendapatkan hasil evaluasi. Terdapat empat analisis berdasarkan parameter analisis data Performance Expectancy, Effort Expectacy, Social Influence dan Facilitating Conditions.
3.3.4.1 Metode Analisis Parameter
Performance Expectancy
Total nilai parameter PE = ∑ nilai tiap variabel
Nilai PE =∑ 𝑡𝑜𝑡𝑎𝑙 𝑛𝑖𝑙𝑎𝑖 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑒𝑟 𝑃𝐸
n
Keterangan: n = jumlah peserta kuesioner (Venkatesh, 2003).
3.3.4.2 Metode Analisis Parameter Effort Expectancy
Pada metode analisi parameter Effort Expectancy, Langkah pertama adalah menghitung jumlah nilai setiap responden, kemudian menghitung nilai mean karena setiap parameter memiliki jumlah pernyataan yang berbeda. Persamaan perhitungan total nilai parameter dan hasil Effort Expectancy:
Total nilai parameter EE= ∑ nilai tiap variable
Nilai EE =∑ 𝑡𝑜𝑡𝑎𝑙 𝑛𝑖𝑙𝑎𝑖 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑒𝑟 𝐸𝐸
n
Keterangan: n = jumlah peserta kuesioner (Venkatesh, 2003).
3.3.4.3 Metode Analisis Parameter Social Influence
Pada metode analisi parameter Social Influence, Langkah pertama adalah menghitung jumlah nilai setiap responden, kemudian menghitung nilai mean karena setiap parameter memiliki jumlah pernyataan yang berbeda. Persamaan perhitungan total nilai parameter dan hasil Social Influence:
Total nilai parameter SI = ∑ nilai tiap variabel
Nilai SI =∑ 𝑡𝑜𝑡𝑎𝑙 𝑛𝑖𝑙𝑎𝑖 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑒𝑟 𝑆𝐼
n
Keterangan: n = jumlah peserta kuesioner (Venkatesh, 2003).
3.3.4.4 Metode Analisis Parameter
Facilitating Conditions
Kemudian Pada metode analisi parameter Facilitating condition, Langkah pertama adalah menghitung jumlah nilai setiap responden, kemudian menghitung nilai mean karena setiap parameter memiliki jumlah pernyataan yang berbeda. Persamaan perhitungan total nilai parameter dan hasil Facilitating Conditions:
Total nilai parameter FC= ∑ nilai tiap variabel
Nilai FC =∑ 𝑡𝑜𝑡𝑎𝑙 𝑛𝑖𝑙𝑎𝑖 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑒𝑟 𝐹𝐶
n
Keterangan: dan n = jumlah peserta kuesioner
4. PENGUMPULAN DATA DAN HASIL
4.1 Hasil evaluasi
Hasil evaluasi kuesioner yang didapat dari hasil evaluasi parameter Performance Expectancy, hasil evaluasi parameter Effort
Expectancy, hasil evaluasi parameter Social Influence dan hasil evaluasi parameter Facilitating Condition. Pada hasil evaluasi saya menjadikan responden 1 – 4 adalah pengguna Grab-car dan responden 5 – 8 adalah pengguna Uber.
4.1.1 Hasil Evaluasi Data Parameter
4.1.1.1 Performance Expectancy
Berikut merupakan data yang diperoleh dari para responden pada parameter Performance Expectancy:
Tabel 5. Data evaluasi PE Grab-car
No 1 2 3 4 5 6 7 8 9 1 0
1 1
1 2
Tot al
Res -1
2 3 3 2 4 3 3 3 2 3 2 3 33
Res -2
3 3 3 3 4 3 2 3 2 3 2 2 33
Res -3
3 3 4 3 4 3 3 3 2 3 2 3 36
Res -4
3 3 4 3 4 3 3 3 3 3 3 2 37
Performance Expectancy = 34.75
Berdasarkan Tabel 5 Performance Expectancy pada Grab-car diperoleh nilai 34.75 yang berarti Grab-car mendapatkan penilliain puas pada segi performance expectations. Sedangkan Uber diperoleh nilai 32.75 yang berarti mendapatkan penilaian puas pada segi Performance expectancy yang didapat seperti pada Tabel 6 berikut:
Tabel 6. Data evaluasi PE Uber
No 1 2 3 4 5 6 7 8 9 1 0
1 1
1 2
Tot al
Res -5
2 2 3 3 4 3 2 3 2 3 3 2 32
Res -6
2 2 3 3 3 3 2 3 2 3 2 2 30
Res -7
3 3 3 3 4 3 3 3 2 3 2 3 35
Res -8
1 3 4 2 4 3 3 3 3 3 3 2 34
Performance Expectancy = 32.75
Berdasarkan kedua tabel parameter PE di atas
Grab-
car memberikan tingkat performance expectancy yang baik seperti seperti Tracking GPS dapat menunjukan lokasi dan tempat yang sudah ditentukan penumpang, serta kelancaran aplikasi bekerja pada system android yang sesuai dengan kebutuhan penumpang.4.1.1.2 Effort Expectancy
Tabel 7. Data evaluasi EE Grab-car
Effort Expectancy = 34.25
Berdasarkan Tabel 7 Effort Expectancy pada Grab-car diperoleh nilai 34.25 yang berarti Grab-car mendapatkan penilliain puas pada segi Effort Expectancy. Sedangkan Uber diperoleh nilai 34. 5 yang berarti mendapatkan penilaian puas pada segi Effort Expectancy. Berikut data EE Uber pada Tabel 8:
Tabel 8. Data evaluasi EE Uber
No 1
Effort Expectancy = 34.5
Berdasarkan kedua Tabel parameter EE di atas
Tingkat
Effort Expectancy yaitu memberikan kemudahan dalam belajar menggunakan aplikasi, memberikan petunjuk penggunaan serta fitur-fitur yang mudah dipelajari oleh pengguna. Pada penilaian Effort Expectancy Uber lebih unggul sedikit dibandingkan Grab-car.4.1.1.3 Social Influence
Hasil data parameter SI pada Tabel 9 dan 10:
Tabel 9. Data evaluasi SI Grab-car
No 25 26 27 28 29 30 31 32 Total
Berdasarkan Tabel 9 Social Influence pada Grab-car diperoleh nilai 21 yang berarti Grab-car mendapatkan penilliain puas pada segi Social Influence. Sedangkan Uber diperoleh
nilai 20 yang berarti mendapatkan penilaian puas pada segi Social Influence.
Tabel 10 Data evaluasi SI Uber
No 25 26 27 28 29 30 31 32 Total Pada hasil Social Influence menunjukkan Grab-car lebih unggul sedikit dibandingkan Uber. Fitur yang berhubungan dengan pengaruh sosial ialah chating diantara pengemudi dan penumpang yang disediakan secara langsung oleh pihak Grab-car dan Uber. Sehingga jika terdapat tidak kesinambungan diwaktu pemesanan akan memiliki dampak secara langsung antara pengemudi dan penumpang.
4.1.1.4 Facilitating conditions
Hasil data parameter FC pada Tabel 11 dan Tabel 12:
Tabel 11. Data evaluasi FC Grab-car
No 3
Facilitating Conditions = 33.25
Berdasarkan Tabel 11 Facilitating Conditions pada Grab-car diperoleh nilai 33.25 yang berarti Grab-car mendapatkan penilliain puas pada segi Facilitating Conditions. Sedangkan Uber diperoleh nilai 32.5 yang berarti mendapatkan penilaian puas pada segi Facilitating Conditions seperti pada Tabel 12
Tabel 12. Data evaluasi FC Uber
No 3 Facilitating Conditions = 32.5
yang berarti Grab-car mendapatkan penilliain puas pada segi Facilitating Conditions. Sedangkan Uber diperoleh nilai 32.5 yang berarti mendapatkan penilaian puas pada segi Facilitating Conditions.
Beberapa fasilitas yang disediakan Grab-car dan Uber
Chatting
Mengatur jadwal keberangkatan jauh hari sebelumnya
Set titik lokasi pengambilan dan pengantaran langsung di map tanpa memasukkan alamat
Pembayaran Elektronik atau Saldo (Grabpay) hanya dimiliki oleh Grab, sedangkan Uber tidak tersedia penyimpanan saldo didalam aplikasi.
5. KESIMPULAN
Berdasarkan penelitian yang telah dilakukan dimulai dari perencanaan dan pelaksanaan evaluasi hingga analisis hasil evaluasi diperoleh kesimpulan, antara lain :
Perbandingan usabilitas Taxi Online dari Grab-car dan Uber dalam aspek:
1. Harapan Hasil (Performance Expectancy) dalam penggunaan Grab-car dan Uber mendapatkan penilaian baik, hanya Grab-car lebih unggul sedikit.
2. Harapan dalam usaha penggunaan (Effort
Expectancy) Uber lebih mudah
dibandingkan Grab-car dari segi penggunaan dalam beroperasi dan kemudahan pada fitur.
3. Pengaruh Sosial (Social Influence) Grab-car lebih unggul dibandingkan Uber dari segi pengaruh penggunaan dalam kelompok ataupun masyarakat umum. 4. Kondisi Fasilitas (Facilitating Conditions)
dalam sarana dan fasilitas kedua Taxi Online mendukung dalam kegiatan ataupun pekerjaan seseorang maupun kelompok. Grab-car lebih baik dibandingkan Uber dalam Kondisi Fasilitas.
6. DAFTAR PUSTAKA
ETStudios. 2016.
http://www.et.co.id/2016/07/total-jumlah-pengguna-smartphone.html. Diakses pada tanggal 10 Februari 2017.
Dawes, John (2008), "Do Data Characteristics Change According to the number of scale points used? An experiment using 5-point,
7-point and 10-point scales," International Journal of Market Research, 50 (1), 61-77
Grab, 2017.
https://play.google.com/store/apps/details? id=com.grabtaxi.passenger. Diakses pada tanggal 10 Februari 2017.
Inet.com, 2017.
https://inet.detik.com/cyberlife/d- 3164332/hartanya-rp-80-triliun-ini-pendiri-Uber-yang-guncang-industri-taksi. ISO 9241-11, Ergonomic Requirement for
office work with visual display terminals (VDTs) – Part 11 : Guidance on usability. Lidia, dkk. 2014. Validating the Unified Theory
of Acceptance and Use of Technology (UTAUT) tool cross-culturally”.
Mohammed, dkk. 2012. Analysis of Citizens’ Acceptance for E-government Service : Applying the UTAUT Model.
Nasir, Muhammad. 2013. Evaluasi Penerimaan Teknologi Informasi Mahasiswa di Palembang Menggunakan Model UTAUT, Palembang. Universitas Bina Dharma Nielsen, J. (2000), Why you only need to test
with 5 users, www.nngroup.com, [diakses 10 Februari 2017].
Permana, Yana. 2016.
https://www.codepolitan.com/apa-bedanya-aplikasi-native-hybrid-dan-web. Diakses pada tanggal 10 Februari 2017.
Reza, Jeko Iqbal. 2017.
http://tekno.liputan6.com/read/2838023/ini -3-jenis-aplikasi-mobile-yang-bakal-booming-di-2017?source=search. Diakses pada tanggal 10 Februari 2017.
Sepositif.com, 2017.
http://www.sepositif.com/2017/02/kisah-sukses-pendiri-Grab-anthony-tan.html Scholtz, Jean. 2002. Usability Evaluation,
National Institute of Standars and Technology.
Tahta, Prima. 2016. Perbandingan Penerimaan dan Usabilitas Launcher Android (MIUI, Zen UI, dan Samsung Launcher)
menggunakan Unified theory of
acceptance and use of technology (UTAUT).
Uber, 2017.
https://play.google.com/store/apps/details? id=com.Ubercab. Diakses pada tanggal 10 Februari 2017
