Analisis Privasi dan Kepercayaan Terhadap Keamanan Data Pengguna Aplikasi On Demand Service Menggunakan Metodologi Structural Equation Modeling

(1)

Fakultas Ilmu Komputer

Universitas Brawijaya

1161

Analisis Privasi dan Kepercayaan Terhadap Keamanan Data Pengguna

Aplikasi On Demand Service Menggunakan Metodologi Structural Equation

Modeling

Raka Kurnia Novriantama1_{, Ari Kusyanti}2_{, Retno Indah Rokhmawati}3 Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Brawijaya

Email: 1_{kontak.raka@gmail.com,}2_{ari.kusyanti@ub.ac.id,}3_{retnoindahr@ub.ac.id}

Abstrak

On Demand Service merupakan aplikasi layanan berdasarkan permintaan berbasis lokasi pada smartphone yang memanfaatkan data pengguna dalam operasinya. Pengguna On Demand Service perlu berbagi informasi digital untuk dapat menggunakan fitur-fitur yang tersedia, namun tidak terdapat jaminan keamanan pada hal tersebut. Belum diketahui faktor apa saja yang mempengaruhi niat seorang pengguna dalam berbagi identitas digital. Penelitian ini berguna untuk mengetahui faktor‐faktor yang memengaruhi seorang individu dalam keinginan untuk berbagi identitas digital pada On Demand Service. Model penelitian ini terdiri dari 7 konstruk. Adapun konstruk model terdiri dari Habits, Benefit, Perceived Privacy Risks, Trust, Perceived Control, Previous Experience dan Willingness to Share Digital Identities. Pada penelitian ini akan menggunakan model yang diadaptasi dari model penelitian Sanjib Tiwari dan Koehorst. Model tersebut didapatkan dari penelitian sebelumnya dan diadaptasi untuk membuat model sesuai dengan penelitian. Analisis data pada penelitian ini bersumber pada hasil kuesioner yang dibagikan pada para pengguna On Demand Service. Analisis korelasi dan kekuatan korelasi antara variabel laten atau konstruk menggunakan Structural Equation Modeling (SEM). Dari hasil penelitian menunjukkan bahwa variabel Habits, Benefit dan Perceived Control menjadi alasan mengapa orang‐orang memiliki keinginan untuk berbagi informasi digital pada On Demand Service.

Kata kunci: On Demand Service, Structural Equation Modeling (SEM), privasi, keamanan Abstract

On Demand Service is a location-based app on smartphones that utilize user data in their operations. On Demand Service users need to share digital information in order to use the available features, but there is no guarantee of security on the matter. It is not known what factors affect the nature of a user in sharing a digital identity. This research is useful to know the factors that influence an individual in the desire to share digital identity on On Demand Service. This research model consists of 7 constructs. Habits, Benefit, Perceived Privacy Risks, Trust, Perceived Control, Previous Experience dan Willingness to Share Digital Identities. In this study will use a model adapted from the research model Sanjib Tiwari and Koehorst. Models obtained from previous research and adapted for the model according to the study. The data analysis in this study comes from questionnaires distributed to On Demand Service users. Analysis using Structural Equation Modeling (SEM). The results show that the Habits, Benefit and Perceived Control variables are the reasons why people have a desire to share digital information on On Demand Service.

Keywords: On Demand Service, Structural Equation Modeling (SEM), Privacy, Security

1. PENDAHULUAN

Dalam beberapa tahun terakhir, teknologi aplikasi berbasis online telah menjadi bagian penting dari kehidupan sehari-hari bagi masyarakat luas. Diantara banyaknya aplikasi berbasis online tersebut terdapat satu yang sedang populer saat ini yaitu On-Demand

Service yang merupakan layanan berdasarkan permintaan dari pengguna. Maraknya layanan On-Demand Service di Indonesia saat ini adalah dalam bidang transportasi terutama transportasi umum seperti ojek dan taxi.

Akan tetapi, di dalam penggunaan aplikasi On Demand Service ini pengguna harus melakukan autentikasi dengan memasukkan

(2)

data-data pribadi yang sepenuhnya menjadi hak penuh dari On Demand Service. Dalam upaya penggunaan berbagai layanan dari On Demand Service, pengguna harus rela memberikan informasi pribadi mereka saat mengisi profil, sehingga pengemudi yang berhubungan dengan pengguna dapat saling berinteraksi (Fuchs, 2010). Tentunya hal ini juga meningkatkan keprihatinan bagi pengguna dalam hal privasi, keamanan dan kepercayaan. Keprihatinan privasi ini menimbulkan masalah, karena penelitian masa lalu secara konsisten mengungkapkan bahwa pengguna online umumnya khawatir tentang privasi informasi pribadi mereka (Lo, 2010). Selain itu, dalam konteks yang berhubungan dengan informasi, privasi dan kepercayaan merupakan dua hal utama dalam memengaruhi keyakinan dan niat seseorang untuk membagikan informasi (Dwyer, 2007).

Realita kasus yang saat ini terjadi di masyarakat adalah banyaknya penumpang atau pengguna aplikasi On Demand Service yang banyak mendapatkan gangguan berupa teror dan godaan dari driver On Demand Service berupa SMS dan telepon di luar proses bisnis antar-jemput yang sangat mengganggu (Gunawan, 2015). Hal ini dikarenakan proses komunikasi antara driver dengan penumpang On Demand Service langsung menggunakan nomor handphone yang telah di bagikan pada saat mendaftar dan tidak menggunakan VoIP sebagai sarana komunikasi berbasis internet yang dinilai lebih aman karena tidak menampilkan nomor handphone demi menjaga keamanan privasi (Ngazis, 2016).

Selain itu dari segi keamanan data, pada aplikasi On Demand Service pernah ditemukan bug yang sangat membahayakan data pengguna seperti hacker yang dapat melihat data pribadi pengguna On Demand Service (Suryadhi, 2016).

Penelitian terhadap berbagi identitas digital pengguna telah dilakukan sebelumnya dengan judul Understanding the impact of privacy concerns and trust on social networking sites: Analysing user intentions towards willingness to share digital identities yaitu tentang pengujian dampak dari pengalaman pengguna dengan SNS (Social Networking Sites), pengaruh dari masalah privasi terkait dengan kepercayaan yang dibutuhkan bagi pengguna, pengaruh kepercayaan dari SNS dan dampak dari masalah privasi pada kesediaan pengguna SNS untuk berbagi identitas digital mereka dalam SNS (Tiwari, 2012). Akan tetapi dalam penelitian

tersebut tidak mempertimbangkan resiko privasi sehingga perlu dilakukan penelitian lebih lanjut.

Berdasarkan keadaan dan permasalahan tersebut, peneliti tertarik untuk mengetahui analisa hubungan pengaruh penggunaan aplikasi On Demand Service terhadap privasi dan keamanan data pengguna dengan menggunakan metode Structural Equation Model.

2. DASAR TEORI

a. Structural Equation Modeling (SEM)

Structural Equation Model (SEM) merupakan anilisis faktor multivariat yang digunakan untuk menganalisis pola hubungan antara variabel laten dan variabel manifes, variabel laten dengan yang lainnya, serta kesalahan pengukuran secara langsung. Penjelasan secara menyeluruh hubungan antar variabel yang digunakan dalam penelitian dapat menggunakan SEM. SEM tidak digunakan untuk merangcang sebuah teori akan tetapi digunakan untuk mengkonfirmasi dan memodifikasi suatu model, Sehingga model dan hipotesis dari penelitian harus digunakan sebagai dasar untuk menggunakan SEM (Wijanto, 2008). Ada 5 tahapan untuk menganalisis data dalam menggunakan SEM yaitu: 1. Spesifikasi Model, 2. Identifikasi, 3. Estimasi, 4 Uji Kecocokan yang meliputi 3 tahap yaitu overall model fit, measurement model fit dan structural model fit serta 5. Respesifikasi dan strategi pemodelan (Wijanto, 2008).

b. Model Penelitian Sanjib Tiwari

Model ini menjelaskan bahwa masalah privasi, kepercayaan dan pengalaman Social Network Sites (SNS) mempengaruhi keinginan pengguna untuk berbagi identitas digital mereka. Keprihatinan dan kepercayaan privasi memainkan peran penting dalam mempengaruhi perilaku, oleh karena itu, model ini menerapkan Theory of Planned Behaviour yang dikembangkan oleh Ajzen (disitasi dalam Tiwari (2012)). Menurut teori tersebut, kesediaan seseorang untuk memberikan informasi dapat dilihat sebagai perilaku individu yang didorong oleh intensitas perilaku dimana tujuan perilaku adalah fungsi dari sikap individu terhadap perilaku, norma subjektif seputar kinerja perilaku dan persepsi individu tentang kemudahan perilaku yang dapat dilakukan (kontrol perilaku). Dalam model ini, masalah privasi dan persepsi kepercayaan adalah kontrol perilaku individu yang akan menentukan

(3)

kepercayaan dan kemauan pengguna untuk berbagi informasi. Model ini menguji efek privasi, kepercayaan, dan pengalaman SNS atas keinginan pengguna untuk membagikan identitas digital mereka (Tiwari, 2012). Berdasarkan penjelasan diatas, maka didapatkan model penelitian Sanjib Tiwari yang tersaji pada Gambar 2.1.

Gambar 1. Model Penelitian Sanjib Tiwari c. Model Penelitian Ruud H.G Koehorst

Penelitian ini menjelaskan tentang mengapa individu mengungkapkan informasi pribadinya, secara empiris menguji peran empat jenis manfaat dan risiko privasi yang dirasakan pada pengungkapan diri. Selain itu, mereka menguji bagaimana kontrol yang dirasakan dapat memengaruhi risiko dan kepercayaan pribadi yang dirasakan pada penyedia dan pengguna OSN (Online Social Network) (Koehorst, 2013).

Gambar 2. Model Penelitian Koehorst 3. MODEL PENELITIAN DAN

RUMUSAN HIPOTESIS

Berdasarkan dasar teori tersebut maka dikembangkanlah model penelitian sesuai dengan tujuan penelitian pada gambar 3.1.

Gambar 3. Model Penelitian

3.1 Definisi Konstruk Penelitian

Habits (HAB)

Habits bisa didefinisikan sebagai fakta bahwa perilaku kebiasaan itu berulang, sulit dikendalikan, berjalan dengan kurang kesadaran, efisien dan bisa mencerminkan identitas seseorang (Koehorst, 2013).

Benefit (BEN)

Benefit dapat disimpulkan sebagai manfaat yang terkait dengan pengungkapan berlimpah: kenikmatan, presentasi diri dan kesempatan untuk menyajikan informasi hanya bermanfaat (Koehorst, 2013).

Perceived Privacy Risks (PPR)

Menurut Koehorst (2013) perceived privacy risks merupakan variabel yang berisi informasi selektif yang diungkapkan, dan pengirim berhak memilih penerima, tanpa pengamatan dan gangguan orang lain.

Trust (TR)

Trust didefinisikan sebagai kepercayaan atau persepsi tingkat kepercayaan bahwa seseorang menghormati niat, tindakan dan integritas pihak lain selama transaksi online (Tiwari, 2012). Perceived Control (PCT)

Perceived Control adalah kekuatan untuk mempengaruhi atau mengarahkan informasi pribadi dengan pengungkapan selektif dan hak untuk memilih kontak tanpa observasi dan gangguan (Koehorst, 2013).

Previous Experience (PE)

Pengalaman umum dengan website, dan bukan sebagai pengalaman dengan satu situs web tertentu (Tiwari, 2012).

Willingness to Share Digital Identities (WSD)

Willingness to Share Digital Identities merupakan keinginan untuk berbagi informasi pribadi yang membuat pengguna bisa dikenali oleh persona nyata mereka yang ada di dunia nyata (Tiwari, 2012).

3.2 Rumusan Hipotesis

Berdasarkan penjelasan konstruk penelitian diatas, maka dinyatakanlah H0 sebagai hipotesa awal yang didalamnya terdapat sepuluh konstruk yang digunakan dalam penelitian dengan 15 rumusan hipotesis, yaitu :

H1 Ada hubungan positif antara kebiasaan (habits) (HAB) dan keinginan untuk berbagi identitas digital (willingness to share digital identities) (WSD).

H2 Ada hubungan positif antara manfaat

(benefit) (BEN) dan (willingness to share digital identities) (WSD).

(4)

H3 Ada hubungan negatif antara pemahaman

kontrol (perceived control) (PCT) dan pemahaman resiko privasi (perceived privacy risk) (PPR).

H4 Ada hubungan positif antara pemahaman

kontrol (perceived control) (PCT) dan kepercayaan (trust) (TR).

H5 Ada hubungan positif antara pemahaman

kontrol (perceived control) (PCT) dan (willingness to share digital identities) (WSD). H6 Ada hubungan negatif antara pemahaman

resiko privasi (perceived privacy risk) (PPR) dan (willingness to share digital identities) (WSD). H7 Ada hubungan positif antara kepercayaan (trust) (TR). dan pemahaman resiko privasi (perceived privacy risk) (PPR)

H8 Ada hubungan positif antara kepercayaan (trust) (TR). dan (willingness to share digital identities) (WSD).

H9 Ada hubungan positif antara pengalaman

sebelumnya (previous experience) (PE) dan (willingness to share digital identities) (WSD). 4. ANALISIS DATA

4.1 Missing Data

Uji missing data dilakukan untuk mengetahui data yang kosong. Pada penelitian ini uji missing data yang digunakan adalah Little’s Missing Completely at Random (MCAR). Pada penggunaan software statistik dengan melakukan uji Little’s MCAR menghasilkan seluruh hasil 0 karena tidak terdapat data hilang atau tidak muncul. Seluruh data terisi dan memiliki nilai sehingga dapat dikatakan uji missing data sudah berhasil dan tidak terdapat data yang missing atau hilang.

4.2 Uji Homogenitas

Uji homogenitas data dilakukan untuk mengetahui homogenitas varians dari sampel data yang akan digunakan dan tidak harus dilakukan dalam suatu uji statistik (Field, 2009). Data dikatakan homogen jika nilai signifikan > 0,05(Levene, 1960 disitasi dalam Gastwrith et al , 2009, p.346). Untuk mengetahui data bersifat homogen akan disajikan dalam Tabel 4.1

Tabel 1. Hasil Uji Homogenitas Levene Statistic df1 df2 Sig. TOTAL_PE 3,743 1 263 ,054 TOTAL_PCT ,206 1 263 ,650 TOTAL_TR 1,353 1 263 ,246 TOTAL_WSD ,439 1 263 ,508 TOTAL_PPR 1,429 1 263 ,233 TOTAL_HAB ,226 1 263 ,635 TOTAL_BEN ,397 1 263 ,529 4.3 Uji Validitas dan Reliabilitas

Uji validitas digunakan untuk mengetahui sejauh mana alat ukur yang digunakan mampu memberikan hasil yang sesuai dengan tujuan yang hendak dicapai, menghasilkan data yang memiliki relevansi yang tinggi, serta mampu menjalankan fungsi sebagaimana mestinya (Wiyono, 2011). Sedangkan uji reliabilitas untuk mengetahui bahwa variabel manifes yang digunakan untuk penelitian memiliki presisi yang tinggi, dapat dipercaya, dan dapat diandalkan (Thoifah, 2015). Untuk mengetahui hasil uji validitas variabel manifes akan disajikan dalam Tabel 4.2. Uji validitas dalam penelitian ini menggunakan metode uji bivariate pearson. Untuk menentukan nilai koefisien dari bivariate pearson yaitu dengan cara mengidentifikasi derajat kebebasan (degree of freedom) (df), setelah diketahui hasil dari degree of freedom (df) maka langkah berikutnya adalah melihat nilai r tabel. Nilai koefisien dari r tabel pada penelitian ini adalah 0,361. Sedangkan untuk mengetahui tingkat reliabilitas variabel laten digunakan nilai Cronbach Alpha sebagai acuan bahwa variabel dapat dikatakan reliabel. Nilai Cronbach Alpha yang dihasilkan pada uji reliabilitas harus lebih besar dari 0,6 agar variabel bisa memenuhi standar reliabilitas. Hasil uji reliabilitas bisa dilihat dalam Tabel 4.3.

Tabel 2. Hasil Uji Validitas

No Item Item Total Keterangan No Item Item Total Keterangan

PE1 0,876 Valid PPR1 0,462 Valid PE2 0,885 Valid PPR2 0,709 Valid PCT1 0,807 Valid PPR3 0,703 Valid PCT2 0,83 Valid PPR4 0,703 Valid PCT3 0,779 Valid PPR5 0,647 Valid TR1 0,78 Valid PPR6 0,831 Valid TR2 0,832 Valid PPR7 0,599 Valid TR3 0,767 Valid PPR8 0,763 Valid TR4 0,852 Valid PPR9 0,867 Valid TR5 0,671 Valid PPR10 0,637 Valid TR6 0,784 Valid HAB1 0,851 Valid TR7 0,738 Valid HAB2 0,945 Valid TR8 0,52 Valid HAB3 0,837 Valid WSD1 0,808 Valid BEN1 0,747 Valid WSD2 0,916 Valid BEN2 0,699 Valid WSD3 0,885 Valid BEN3 0,731 Valid WSD4 0,79 Valid BEN4 0,801 Valid WSD5 0,717 Valid

(5)

Tabel 3. Hasil Uji Reliabilitas

No Faktor Cronbach’s Alpha

1 Previous Experience (PE) 0,71

2 Perceived Control (PCT) 0,727

3 Trust (TR) 0,881

4 Willingness to Share Digital

Identities (WSD) 0,877

5 Perceived Privacy Risks (PPR) 0,783

6 Habits (HAB) 0,852

7 Benefit (BEN) 0,73

Berdasarkan Tabel 4.2 dapat ditarik kesimpulan bahwa nilai r hitung lebih besar dari nilai r tabel yang artinya semua variabel manifes yang digunakan dalam penelitian dinyatakan valid. Untuk uji reliabilitas dapat dilihat dalam Tabel 4.3. Uji reliabilitas dalam penelitian ini semua variabel dinyatakan reliabel.

4.4 Uji Outlier Data

Pada tahap ini menguji data outlier dengan menggunakan software statistik akan ditemukan nilai mahalanobis distance. Nilai tersebut akan menjadi indikator nilai‐nilai batas yang dapat diambil atau tidak menggunakan data yang bukan termasuk pada nilai outlier. Dalam melakukan uji data outlier harus dilakukan perumusan untuk nilai mahalanobis distance. Hasil uji outlier yang dilakukan pada statistik terdapat 35 data yang tidak sesuai dengan batas mahalanobis distance sehingga dieliminasi. Menurut West et al., (disitasi dalam Chandio (2011)) bahwa data outlier yang tidak dihapus akan bermasalah ketika melakukan analisis statatistik seperti pada estimasi kecocokan model fit dan estimasi parameter, selain itu Dillon (disitasi dalam Chandio (2011)) juga mengatakan bahwa data outlier dapat menciptakan nilai varians menjadi negatif.

4.5 Uji Normalitas Data

Uji normalitas digunakan untuk melihat apakah data sudah terdistribusi normal atau tidak. Pada uji ini menggunakan uji Kolmogorov-Smirnov Z. Kolmogorov-Smirnov Z merupakan angka Z yang dihasilkan dari teknik Kolmogorov Smirnov untuk menguji kesesuaian distribusi data dengan suatu distribusi tertentu, dalam hal ini distribusi normal.

Asymp. Sig. (2-tailed). merupakan nilai p yang dihasilkan dari uji hipotesis nol yang berbunyi tidak ada perbedaan antara distribusi data yang diuji dengan distribusi data normal.

Jika nilai signifikansi p lebih besar dari 0.05 maka kesimpulan yang diambil adalah hipotesis nol gagal ditolak, atau dengan kata lain sebaran data uji terdistribusi normal, sebaliknya jika nilai signifikansi p kurang dari 0.05 maka sebaran data uji tidak terdistribusi normal.

Pada Tabel 4.4 Hasil Kolmogorov Smirnov dapat dilihat hasil dari nilai kolmogorof. Kriteria nilai signifikansi p yang baik yaitu di atas 0.05. Hasil pengukuran untuk nilai signifikansi p dari keseluruhan perhitungan didapatkan nilai yaitu 0.075. Berdasarkan hasil dari uji normalitas yang dilakukan didapatkan seluruh data sudah melampaui batas signifikansi p sehingga distribusi data dianggap normal. Uji normalitas dapat dikatakan baik dan dapat melanjutkan analisis statistik

berikutnya.

Tabel 4. Hasil Uji Normalitas

Unstandardized Residual N 265 Normal Parametersa,b Mean ,0000000 Std. Deviation 81,60725433 Most Extreme Differences Absolute ,052 Positive ,052 Negative -,044 Test Statistic ,052

Asymp. Sig. (2-tailed) ,082c

4.6 Uji Kaiser Mayer Olkin (KMO)

Kaiser‐Meyer‐Olkin Measure (KMO) of Sampling Adequacy digunakan untuk uji data secara statistik yang akan didapatkan kesimpulan apakah sebuah analisis faktor layak dilakukan (Simamora, 2005). NIlai KMO dianggap baik jika nilainya lebih dari 0.5. Pada penelitian ini hasil uji KMO didapatkan nilai sebesar 0.881 sehingga dapat dikatakan baik karena memiliki nilai lebih besar dari 0.5. Hasil uji dapat dilihat pada Tabel 4.4 Hasil uji KMO dan Bartlett’s. Sehingga seluruh data yang dapat dilakukan analisis faktor selanjutnya.

Tabel 5. Hasil Uji Kaiser Mayer Olkin Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,861 Bartlett's Test of Sphericity Approx. Chi-Square 7296,096 Df 595 Sig. ,000

4.7 Hasil Uji Structural Equation Modeling

Pada penelitian ini, Confirmatory Factor Analysis digunakan untuk mengukur kesesuaian data dengan model dan menilai hubungan antara

(6)

konstruk atau variabel dan indikator. Untuk menguji model yang digunakan dalam penelitian ini, digunakan metode Structural Equationn Modeling (SEM), yang dimana hasil dari uji CFA dapat dilihat dalam Tabel 4.5.

Tabel 6. Hasil Goodness of Fit Indices

Index Acceptable Level Nilai Keterangan

Chisq p > 0.05 938.601 Baik Chisq/df 0.1< Chisq/df < 3.0 2.278 Baik GFI > 0.9 satisfactory fit, >0.8 acceptable fit 0.805 Diterima RMSEA < 0.05 good fit, < 0.08 acceptable fit 0.07 Diterima

Bagian yang paling penting dalam melakukan uji structural model adalah nilai dari parameter estimate coefficient (Chandio, 2011). Estimate coefficient digunakann untuk menguji dan mengevaluasi dari hipotesis yang telah dimodelkan. Hipotesis dinyatakan diterima ketika saat dilakukan pengujian nilai dari critical ratio (CR or t–value) lebih dari 1,96dan p–value kurang dari 0,05. Hasil dari ujistructural model dapat dilihat dalam Tabel 4.6.

Tabel 7. Hasil Uji structural model

Indikator Estimate C.R P Keterangan

>0.5 >1.960 <0.05 TR<‐‐PCT ,055 2,302 ,021 Signifikan PPR<‐‐TR ,075 -5,324 *** Tidak Signifikan PPR<‐‐PCT ,063 -,245 ,807 Tidak Signifikan WSD<‐‐HAB ,050 4,419 *** Signifikan WSD<‐‐BEN ,107 2,741 ,006 Signifikan WSD<‐‐PPR ,058 ,681 ,496 Tidak Signifikan WSD<‐‐TR ,071 ,341 ,733 Tidak Signifikan WSD<‐‐PCT ,073 4,983 *** Signifikan WSD<‐‐PE ,091 ,222 ,824 Tidak Signifikan

Berdasarkan dalam Tabel 4.6 dapat ditarik kesimpulan bahwa, terdapat sebanyak 4 rumusan hipotesis yang dinyatakan diterima dan 5 hipotesis dinyatakan ditolak.

5. HASIL

Berdasarkan Tabel 4.6 maka hubungan antar variabel yang memiliki nilai p-value kurang dari 0,05 dinyatakan memiliki hubungan yang kuat dan hipotesis dapat dinyatakan diterima.

5.1 Pembahasan Hipotesis

1. Pembahasan Hipotesis 1

H1 diterima karena seorang individu merasa berbagi identitas digital bukan merupakan kebiasaan yang sering dilakukan dalam penggunaan On Demand Service. Mereka cenderung jarang berbagi informasi pribadi meskipun tanpa mengetahui tentang dampak apa yang akan terjadi ke depannya asalkan terdapat manfaat dari berbagi informasi tersebut. Hasil ini serupa dengan penelitian yang telah dilakukan sebelumnya oleh Koehorst (2013) yang menyatakan bahwa faktor kebiasaan memengaruhi niat seseorang untuk mengungkapkan informasi pribadi di jejaring sosial online, hal ini dikarenakan faktor yang memengaruhi individu memublikasikan diri cenderung karena sulit bagi mereka untuk tidak mengungkapkan informasi pribadi mereka. Sehingga hubungan positif antara faktor kebiasaan (HAB) yang memengaruhi keinginan untuk berbagi identitas digital (WSD) responden diterima.

H2 diterima karena dirasa adanya manfaat dan pengaruh yang diperoleh seorang individu dalam penggunaan On Demand Service seperti untuk mencari dan bertukar informasi pribadi dengan pengemudi On Demand Service sehingga individu merasa secara keseluruhan On Demand Service akan berguna dan mereka memiliki niat untuk membagikan identitas digital pada On Demand Service. Hasil ini serupa dengan penelitian yang telah dilakukan sebelumnya oleh Koehorst (2013) yang menyatakan bahwa faktor manfaat memengaruhi niat seseorang untuk mengungkapkan informasi pribadi di jejaring sosial online karena individu merasakan keuntungan dari pengungkapan informasi tersebut seperti untuk bertukar informasi pribadi dengan teman sosial media secara online, sehingga hubungan positif antara faktor manfaat (BEN) yang memengaruhi niat untuk berbagi identitas digital (WSD) responden diterima.

H3 ditolak karena dirasa seorang individu tidak dapat mengontrol informasi apa saja yang dibagikan terhadap pemahaman resiko privasi pada On Demand Service. Individu cenderung tidak memiliki pengetahuan yang cukup tentang resiko pada privasi akibat dari tidak adanya keahlian dalam memilih infomasi apa saja yang mereka kontrol. Hasil ini serupa dengan

(7)

penelitian yang telah dilakukan sebelumnya oleh Koehorst (2013) yang menyatakan bahwa faktor pemahaman kontrol tidak memengaruhi pemahaman resiko privasi pada pengungkapan informasi pribadi di jejaring sosial online karena kurangnya perhatian pada pengaturan privasi pada jejaring sosial tersebut, sehingga hubungan negatif antara faktor pemahaman kontrol (PCT) yang memengaruhi pemahaman resiko privasi (PPR) responden ditolak.

H4 diterima karena dirasa seorang individu dapat mengontrol informasi apa saja yang dibagikan terhadap kepercayaan pada On Demand Service. Individu cenderung memiliki pemahaman yang memadai tentang informasi apa saja yang mereka kontrol dan percaya jika On Demand Service tidak akan menyalahgunakan informasi tersebut. Hasil ini serupa dengan penelitian yang telah dilakukan sebelumnya oleh Koehorst (2013) yang menyatakan bahwa faktor pemahaman kontrol memengaruhi kepercayaan seseorang terhadap penyedia layanan jejaring sosial online karena mereka menyadari sepenuhnya informasi apa saja yang dibagikan dengan kepercayaan tinggi pada jejaring sosial online, sehingga hubungan positif antara faktor pemahaman kontrol (PCT) yang memengaruhi kepercayaan (TR) responden diterima.

H5 diterima karena seorang individu merasa dapat mengontrol tentang apa saja yang mereka bagikan termasuk identitas digital dalam penggunaan On Demand Service. Individu cenderung memiliki keahlian yang cukup tentang mengontrol untuk tidak membuat kesalahan dalam memberikan informasi pribadi pada On Demand Service. Hasil ini serupa dengan penelitian yang telah dilakukan sebelumnya oleh Koehorst (2013) yang menyatakan bahwa faktor pemahaman kontrol memengaruhi niat seseorang untuk mengungkapkan informasi pribadi di jejaring sosial online karena mereka yakin dapat melindungi informasi pribadinya dengan melakukan pengaturan keamanan yang benar, sehingga hubungan positif antara faktor pemahaman kontrol (PCT) yang memengaruhi niat untuk berbagi identitas digital (WSD) responden diterima.

H6 ditolak karena dirasa seorang individu tidak memahami resiko privasi dalam penggunaan On Demand Service terhadap

niatan untuk berbagi identitas digital. Secara keseluruhan, individu masih belum mengetahui resiko publikasi informasi pribadi pada On Demand Service yaitu dapat digunakan oleh driver On Demand Service untuk mengganggu mereka. Hasil ini serupa dengan penelitian yang telah dilakukan sebelumnya oleh Koehorst (2013) yang menyatakan bahwa faktor pemahaman resiko privasi tidak memengaruhi niat seseorang untuk mengungkapkan informasi pribadi di jejaring sosial online karena mereka belum mengetahui resiko bahwa jejaring sosial online bisa saja menjual informasi pribadi mereka kepada orang lain sehingga hubungan negatif antara faktor pemahaman resiko privasi (PPR) yang memengaruhi niat untuk berbagi identitas digital (WSD) responden ditolak. 7. Pembahasan Hipotesis 7

H7 ditolak karena seorang individu merasa kepercayaan terhadap On Demand Service tidak dapat memengaruhi pemahaman tentang resiko privasi penggunaan On Demand Service. Individu cenderung tidak memahami apakah On Demand Service memiliki kemampuan untuk menangani informasi pribadi mereka dengan kompeten atau tidak. Hasil ini serupa dengan penelitian yang telah dilakukan sebelumnya oleh Buckel (2013) yang menyatakan bahwa faktor kepercayaan pada operator jaringan sosial tidak memengaruhi pemahaman resiko privasi seseorang terhadap risiko yang dirasakan terkait dengan penggunaan platform jaringan sosial, sehingga hubungan positif antara faktor kepercayaan (TR) yang memengaruhi pemahaman resiko privasi (PPR) responden ditolak.

H8 ditolak karena dirasa seorang individu tidak mempedulikan kepercayaan pada On Demand Service terhadap niatan untuk berbagi identitas digital. Individu cenderung tidak memahami apakah On Demand Service dapat melindungi informasi pribadi mereka terhadap driver On Demand Service, perusahaan lain dan pengiklan yang ingin menyalahgunakan informasi mereka atau tidak. Hasil ini serupa dengan penelitian yang telah dilakukan sebelumnya oleh Koehorst (2013) yang menyatakan bahwa faktor kepercayaan tidak memengaruhi niat seseorang untuk mengungkapkan informasi pribadi di jejaring sosial online karena mereka merasa bahwa jejaring sosial online mungkin akan melakukan hal terburuk ketika berkaitan dengan informasi pribadi mereka sehingga hubungan positif antara

(8)

faktor kepercayaan (TR) yang memengaruhi niat untuk berbagi identitas digital (WSD) responden ditolak.

H9 ditolak karena dirasa seorang individu tidak mempedulikan pengalaman sebelumnya dalam penggunaan aplikasi serupa On Demand Service terhadap niatan untuk berbagi identitas digital. Individu merasa belum memahami tentang menggunakan layanan serupa On Demand Service sebelumnya dalam upaya untuk dapat mengerti tentang bagaimana resiko dan privasi aplikasi serupa On Demand Service. Hasil ini serupa dengan penelitian yang telah dilakukan sebelumnya oleh Tiwari (2012) yang menyatakan bahwa faktor pengalaman tidak memengaruhi niat seseorang untuk berbagi informasi pribadi di situs jejaring sosial karena mereka tidak memperhatikan tentang pengaturan privasi pada situs jejaring sosial sehingga hubungan positif antara faktor pengalaman sebelumnya (PE) yang memengaruhi niat untuk berbagi identitas digital (WSD) responden ditolak.

6. KESIMPULAN

Hasil analisis yang memengaruhi seorang individu dalam kesediaan untuk membagikan informasi pribadi mereka ke pihak On Demand Service terdiri dari dua faktor yaitu Habits, Benefit dan Perceived Control. Habits bermakna kebiasaan pengguna dalam membagikan informasi digital pada On Demand Service. Benefit bermakna pengguna merasakan adanya keuntungan terkait publikasi informasi pribadi pada On Demand Service yaitu kemudahan dan kenyamanan dalam menerima layanan On Demand Service. Perceived Control bermakna perasaan dapat mengontrol keamanan akun, pengguna merasa adanya fitur pengaturan privasi pada On Demand Service cukup untuk mengamankan akun On Demand Service. Seorang individu ketika berniat untuk berbagi identitas digital pada On Demand Service akan mempertimbangkan bahwa terdapat manfaat yang akan didapatkan atau tidak dari kebiasaan dalam berbagi identitas digital, serta menyadari dan dapat melakukan kontrol terhadap informasi apa saja yang dibagikan secara digital dengan sedikit mempertimbangkan mengenai keamanan, resiko dan privasi dari aktivitas tersebut.

7. DAFTAR PUSTAKA

Chandio, F. H., 2011. Studying Acceptance of Online Banking Information System: A Structural Equation Model. London: Brunel University.

Dwyer, C., Hiltz, SR., Passerini, K., 2007. Trust and privacy concern within social networking sites: A comparison of Facebook and MySpace. Tersedia di: < http://aisel.aisnet.org/cgi/viewcontent.c gi?article=1849&context=amcis2007> [Diakses 1 September 2016]

Fucsh, C., 2010. studiVZ: social networking in the surveillance society. Tersedia di: <https://link.springer.com/article/10.10 07/s10676-010-9220-z> [Diakses 1 September 2016]

Gastwirth, J.L., Gel, Y.R., & Miao,W. 2009. The Impact of Levene’s Test of Equality of Variances on Statistical Theory and Practice. Statistical Science, Vol. 24, No. 3, pp. 343360.

Gunawan, D. 2015. Pengguna On Demand Service Diteror Setelah Memberikan Bad Review!. Talk Techinasia, [online]

Tersedia di:

<https://id.techinasia.com/talk/penggun a-On Demand Service-diteror-setelah-memberikan-bad-review> [Diakses 1 April 2017]

Hendrata, Yoseph K., Purbandari, T., Mujilan. 2013. Pengaruh Structural Assurance dan Perceived Reputation Terhadap Trust Pengguna Internet di Sistem E-Commerce.

Jtiwari, Sanjib., 2012. Understanding the impact of privacy concerns and trust on social networking sites: Analysing user intentions towards willingness to share digital identities. Tersedia di: <https://eprints.usq.edu.au/23558/1/Tiw ari_2012_whole.pdf> [Diakses 20 Agustus 2016]

Koehorst, Ruud H.G., 2013. Personal Information Disclosure on Online Social Networks : An Empirical study on the predictors of adolescenes’ disclosure of personal information on Facebook.

Tersedia di: <

essay.utwente.nl/63797/1/MSc_Ruud_ H.G._Koehorst.pdf> [Diakses 1 September 2016]

Lo, J., 2010. Privacy Concern, Locus of Control, and Salience in a Trust-Risk Model of

(9)

Information Disclosure on Social Networking Sites. Tersedia di: <http://aisel.aisnet.org/cgi/viewcontent. cgi?article=1048&context=amcis2010> [Diakses 1 September 2016]

McCole, P., Ramsey, E., Williams, J. 2010. Trust considerations on attitudes towards online purchasing: The moderating effect of privacy and security concerns.

Simamora, Bilson., 2005. Analisis Multivariat Pemasaran. Jakarta : Gramedia. Suryadhi, A. 2016. Aplikasi On Demand Service

Bolong: Data User & Driver Terancam Bocor. Cyber Life Detik, [online]

Tersedia di:

<http://inet.detik.com/cyberlife/d-3114902/aplikasi-On Demand Service- bolong-data-user--driver-terancam-bocor> [Diakses 1 April 2017]

Thoifah, I’anatut. 2015. Statistika Pendidikan dan Metode Penelitian Kuantitatif. Malang: Madani.

Wijanto, Setyo H. 2008. Structural Equation Modeling dengan Lisrel 8.8 Konsep dan Tutorial. Jakarta : Graha Ilmu.

Wiyono, Gendro. 2011. Merancang Penelitian Bisnis dengan Alat Analisis SPSS 17.0 & SmartPLS 2.0. Yogyakarta : UPP STIM YKPN Yogyakarta

Zhang, Yang., 2009. A Study of Corporate Reputation’s Influence on Customer Lolayty Based on PLS-SEM Model.

Tersedia di: <

http://www.ccsenet.org/journal/index.p hp/ibr/article/viewFile/2874/2651> [Diakses 14 September 2016]